Deep Dive

Deep Dive

OCRはテキストを返すが、ドキュメントを返さない — スキャンPDFをRAGに使うと何が壊れるか

6月19日、Towards Data Scienceが「Parse Scanned PDFs for RAG with EasyOCR: Free OCR Gives You Words, Not a Document」と題した記事を公開した。スキャンPDFをEasyOCRでテキスト抽出する際に生じる「構造情報の欠落」という問題と、RAGパイプラインへの影響について詳しく論じている。「OCRをかければ解決する」という認識が、なぜRAGパイプラインを静かに壊すのかが本記事の核心だ。

LLMにコピー作業をさせるな — MicrosoftがAI出力のスキーマ準拠率0%→100%を達成した「決定論的/AI分離」設計

RAGの検索ステップ、実はGPUがあるのにCPUで処理していた — CUDAカーネルを自作してデータの無駄な往復をなくしたら8.57倍速くなった話

「どのテーブルを使えばいい？」にSlackスレッド5本かかっていたOpenAIが社内AIアナリスト「Kepler」を構築 — 7万テーブルの迷宮をエージェントが自律的に解く仕組み

AIエージェントがタスクの途中で止まる原因はコンテキスト上限 — ウィンドウを「ストレージ」として使わないための6ステップ設計

RAGシステムの隠れたコスト削減ポイント — 質問パース後の「チャンク戦略・モデル選択・アクティベーション・監査」をコードではなくデータで制御する

AIがコードを速く書くほど「検証」がボトルネックになる — CI/CDパイプラインにテストを組み込まない限り、生産性向上は幻想に終わる

AIエージェントの評価は「正解したか」だけでは不十分 — Hugging Faceが公開した「コスト・速度・エラー率」まで測るベンチマーク手法

RAGだけでは「古い情報を自信満々に話す」問題は解決しない — AIエージェントに検索とメモリの両方が必要な理由

開発者がコードを書く時間はもう20%しかない — AWS Summit 2026で示されたAIエージェントによるソフトウェア開発の全工程変革

AIエージェントの性能は「モデル」より「ハーネス」で決まる — Databricksが解説するエージェントハーネスの概念と本番設計

本番AIエージェントが静かに壊れていく「コンテキストロット」— デモで動いても1週間でループする根本原因と5つの対策

AIが奪ったのは「コードを書く作業」であって「エンジニアリング」ではない — 実装者から監査者へ、求められる役割の変化

RNN・Transformer・State Space Models（Mamba）の比較：AIメモリの未来

AWS Summit New York City 2026のキーノートで語られた、AIエージェントを本番投入した企業に起きたこと

blog.serverworks.co.jp

Google DeepMindが「AIは不完全である前提」でセキュリティ設計 — アライメントに頼らないAIエージェント制御フレームワークを公開

Google DeepMindは自社AIエージェントを「不正アクセスしかねない従業員」として扱う — 整合性への楽観論を捨て、監視・制御フレームワークを本番稼働させた理由

32GBのVRAMを搭載して他のグラボより激安の「Intel Arc Pro B70」はローカルAIを実際に動かすとどれぐらいの性能とトークンのコスパを発揮するのか？

AIコードレビューに最適なモデルを探す

tech.kickflow.co.jp

1兆パラメータのコーディングAI「Kimi-K2.7-Code」が無料・商用利用可、既存の衛星画像から地球を3D生成するアリババ開発のAI「ABot-Earth 0.5」など生成AI技術5つを解説（生成AIウィークリー）

techno-edge.net

AIエージェント4年史

tech.algomatic.jp