AI Trend Note
    ← ホームへ

    AIエージェントと推論

    自分で計画して実行するAIは、いまどこまで来ているのか

    全8本の記事

    AIが挑む数学の難問、情報を整理するAIから発見するAIへ

    AIが挑む数学の難問

    情報を整理するAIから発見するAIへ

    OpenAIの1万のエージェントがミレニアム懸賞問題の解答を示したという発表をきっかけに、AIの役割が情報の整理から新しい知識の発見へ移りつつある流れを読み解きます。

    6分で読めます
    マルチエージェントシステム、ひとつのAIではなく複数のAIで仕事を分担する方式

    マルチエージェントシステム

    ひとつのAIではなく複数のAIで仕事を分担する方式

    単一のエージェントでは手に余る作業を、役割を分けた複数のAIがそれぞれ担当し、結果をまとめるマルチエージェント構成。2026年の実運用の中心になった背景と、その限界を整理します。

    5分で読めます
    リフレクションと自己修正、AIエージェントが自分の誤りに気づく仕組み

    リフレクションと自己修正

    AIエージェントが自分の誤りに気づく仕組み

    正解を与えなくても、自分の出した答えを批評して直していくリフレクション(Reflection)の手法は、いつ効果があり、いつ逆効果になるのか。最近の研究をもとに整理します。

    5分で読めます
    AGI(汎用人工知能)、まだ来ていない目的地をめぐる論争

    AGI(汎用人工知能)

    まだ来ていない目的地をめぐる論争

    人間並みの汎用的な知能という目標がどれほど近いのか、業界の中でも意見が大きく分かれています。論点を整理し、実務でAGIの議論とどう付き合えばよいかをまとめます。

    4分で読めます
    Function Calling(関数呼び出し)、AIが説明で終わらず実際に処理を動かす仕組み

    Function Calling(関数呼び出し)

    AIが説明で終わらず実際に処理を動かす仕組み

    AIが必要なタイミングで、決められた形式に沿って外部のAPIやプログラムを呼び出すFunction Callingが、AIエージェントを支える中核の部品になりました。仕組みと安全に導入するための設計をまとめます。

    5分で読めます
    テストタイムコンピュート、学習ではなく「答えるとき」に計算を増やす

    テストタイムコンピュート

    学習ではなく「答えるとき」に計算を増やす

    モデルを大きくする代わりに、答えを出す段階で計算量を増やして性能を引き上げるアプローチが、新しいスケーリングの軸として注目されています。仕組みと効果が出やすい場面、料金体系への影響をまとめます。

    5分で読めます
    推論モデル、答える前に「考える」AI

    推論モデル

    答える前に「考える」AI

    OpenAIのoシリーズとDeepSeek-R1をきっかけに、すぐに答えるのではなく段階的な思考を経てから結論を出す推論モデルが主流になりました。仕組みと速度・コストのトレードオフ、業務での使いどころをまとめます。

    5分で読めます
    AIエージェントとは、自分で計画を立てて実行まで進めるAI

    AIエージェントとは

    自分で計画を立てて実行まで進めるAI

    指示されたとおりに答えるだけだったAIが、自ら計画を立て、ツールを使って作業を最後まで終わらせる段階に移りつつあります。仕組みと導入時に押さえたい権限設計をまとめます。

    5分で読めます