課題から記事を絞り込む
課題とキーワードを組み合わせて探せます。複数のキーワードは空白で区切ると、すべてを含む記事を表示します。
依頼文の作成、回答の確認、資料の扱い、権限・送信、組織の利用ルールを、課題別に探せます。
AIエージェントの権限・外部資料・承認・検証は「AIエージェントの安全設計」にまとめています。
すべての実務記事
218記事 ／ 新しい公開順
自社AIが競合商品を薦めるとき 比較の事実とブランド方針を分ける
主な読者：AIの回答を確認する人
自社AIで競合商品を比較するときは、利用者の条件に合うかという事実と、自社が案内できる範囲を分けます。架空の製品比較を使い、仕様を変えない回答、隠れた誘導を点検する工程、改善前後を同じ条件で測る方法を解説します。
課題：出力・根拠を確かめる
公開日：
AIのカスタマーハラスメント対応で、沈静化と担当者保護を分ける
主な読者：AIに仕事を任せる人
AIのカスタマーハラスメント対応では、苦情の内容と威迫などの言動を別々に確認します。同じ窓口の架空例で、沈静化の応答、担当者の安全確保、人への引き継ぎ、正当な申立てを残す表示と訂正の方法を具体的に説明します。
課題：任せ方・業務の進め方 ／ 組織のルール・リスクを決める
公開日：
長い入力で重要条件が抜けたとき、量・位置・重複を切り分ける
主な読者：依頼文を作る人
長大コンテキストで重要条件が使われないときは、入力の長さだけを原因にしません。架空の規程抽出を題材に、量・関連性・位置・重複・矛盾を分けた比較と、末尾の例外を同じ基準で確かめる方法、結果の読み方を説明します。
課題：依頼文・プロンプトを整える ／ 出力・根拠を確かめる
公開日：
子ども向けAIの出力制約を、年齢に応じた説明と支援につなげる
主な読者：資料を使う人・連携を設計する人
子ども向けAIの出力制約は、やさしい言葉だけでは決まりません。架空の学習AIを例に、不要な個人情報の収集や不適切な誘導を避け、年齢の確認状態、保護者・専門職への接続、説明の理解と訂正をどう確かめるかを解説します。
課題：資料・指示の境界を守る ／ 組織のルール・リスクを決める
公開日：
Salience Scoringで長文から残す情報を決める
主な読者：依頼文を作る人
Salience Scoringで長文の保持候補を選ぶには、用途に応じた重要度の軸と、決定・期限・例外を残す条件が必要です。架空の案件メモを使い、点数と事実確認の違い、原文との照合、見落とした条件の復旧を説明します。
公開日：
長い会話で重要条件が抜けたときに整理して再提示する方法
主な読者：依頼文を作る人
長い会話やプロンプトで予算などの重要条件が抜けたら、情報量だけを原因にせず、古い条件・重複・競合・資料の未取得を切り分けます。架空の提案書を使い、有効な制約を短く再提示し、整理前後の回答を同じ基準で確かめる方法を説明します。
課題：依頼文・プロンプトを整える ／ 出力・根拠を確かめる
公開日：
外部ツール連携の有無で安全設計をどう変えるか
主な読者：AIに仕事を任せる人
外部ツール連携を加えると、文章の確認に加えて、送信先・許可操作・承認・実行結果の確認が必要になります。メール下書きAIへの送信機能追加を例に、固定する比較条件、見直すデータ経路、失敗と結果不明の扱いを説明します。
課題：任せ方・業務の進め方 ／ 権限・送信を制御する
公開日：
Web検索の有無でプロンプトをどう変えるか
主な読者：依頼文を作る人
Web検索の有無に応じて、プロンプトで指定する回答範囲と最新性の扱いを変えます。概念説明と現行料金の照会を同じ条件で比べ、検索可能・未検索・取得失敗を区別し、確認できない情報の示し方と公式資料への照合を解説します。
課題：依頼文・プロンプトを整える ／ 出力・根拠を確かめる
公開日：
量子化の速度・メモリ効果と品質・安全性をどう比べるか
主な読者：AIに仕事を任せる人
量子化を採用するときは、速度やメモリ使用量だけでなく、業務精度と境界ケースを同じ条件で比べます。架空の抽出業務を使い、固定する設定、測る項目、未確認の扱い、採用範囲と見直し条件を実務に沿って具体的に整理します。
課題：任せ方・業務の進め方 ／ 出力・根拠を確かめる
公開日：
蒸留モデルの能力を元モデルとは別に評価する
主な読者：AIに仕事を任せる人
蒸留モデルの採用では、元モデルの評価結果をそのまま引き継がず、対象業務で能力を確認します。架空の社内案内を使い、通常の質問、複数条件を含む難問、例外や資料不足を同じ基準で比べ、利用範囲を決める方法を説明します。
課題：任せ方・業務の進め方 ／ 出力・根拠を確かめる
公開日：
普通のプロンプト・RAG・Fine-tuning・Agentをどう使い分けるか
主な読者：AIに仕事を任せる人
普通のプロンプト・RAG・Fine-tuning・Agentの使い分けを、社内FAQの例で解説します。文章整形、最新規程の参照、語調の調整、申請操作を分け、同じ業務要件で比較し、併用時の権限と運用負担まで判断します。
課題：任せ方・業務の進め方
公開日：
プロンプトのトークン予算を配分し、重要条件を保って圧縮する
主な読者：AIに仕事を任せる人
プロンプトのトークン予算は、入力・生成・反復を分けて設計します。文字量の目標と実際の計測、コンテキストと出力の上限を区別し、架空の資料比較で重要条件を保つ圧縮、総量の配分、上限時の部分回答と終了方法を具体的に解説します。
課題：任せ方・業務の進め方 ／ 依頼文・プロンプトを整える
公開日：
「PAP-40-Layer Frameworkの分類から探す」は、記事一覧の1ページ目の下部にあります。