選ぶ

候補・代替・条件を比較する

127件の公開項目

• EA · EA-012AI製品「公称能力 vs 実効能力」辞典「ベンダーが公称する能力は、モデルまたはサービスが対応する技術的範囲を示す。特定組織での実効能力は、製品面、契約・plan、地域、管理設定、identity/permission、tool/data、runtime capacity、quota/cost、業務受入試験を通過した範囲に限る。」
• EA · EA-016AI評価・Evals実践編EvalsはAIの「点数表」ではなく、業務上の成功条件を実行可能なテストへ変換し、変更による改善と回帰を検知する運用機構として扱う。生成AIやagentでは最終発話だけでなく、成果物、環境state、tool side effect、権限違反を評価する。Golden setは固定された万能正解集ではなく、provenance、version、coverage、criticalityを持つliving artifactとして管理する。高い
• EA · EA-017AIコスト工学／ROI編token/list priceはEnterprise AIの総原価の一部にすぎない。比較単位は、固定したquality gateを通過した「accepted outcome 1件あたりのend-to-end cost」とし、model usageだけでなくtool/retrieval、storage/runtime、人間確認、失敗・再実行、observability/governance、固定費配賦を分離記録する。
• EA · EA-018AI省エネ・モデルルーティング編「モデルルーティングは、すべての要求を最上位モデルへ送る代わりに、要求ごとの必要能力や組織ポリシーに応じて候補を選び、品質条件を満たす範囲で費用・遅延・計算資源を最適化する制御層として利用できる。ただし、公開benchmarkやベンダー公称の節約率は自組織workloadの保証値ではない。候補model、価格、tool/context対応、region、cache、fallbackが変われば効果も変わるため、固定baselineに対する
• EA · EA-024AI調達・選定ガイド法人向けAIの調達では、モデル性能や月額料金だけを比較しても不十分である。契約、データ保持・所在地、ID管理、監査ログ、SLA、API継続性、課金meter、機能成熟度、終了時のexport・削除条件まで別々に確認する。公開資料で確認できる機能の存在と、自社plan・tenant・地域・契約で実際に利用できる条件を分離し、証拠のない項目はUNKNOWNのまま残して契約文または受入試験で閉じる。
• EA · EA-025小規模事業者／一人法人版小規模事業者版はEnterprise統制の省略版ではなく、専任管理者がいない環境でも維持できる少数の高価値controlへ圧縮する運用profileとして扱う。最低限の境界は、業務用identity/MFA、投入データ規則、vendor card、高影響操作のhuman checkpoint、cost ceiling、recovery kitの6つとする。
• EA · EA-030AI能力の継続観測所AI能力の観測値は、モデル名だけに帰属する固定値ではない。モデル識別子、評価課題、実行環境、tool/scaffold、採点器、利用条件、実行日を組にして記録し、同一method versionの系列内で比較する。benchmarkやharnessを改訂した場合は旧系列と新系列をbridge runで接続し、method changeをmodel improvementと混同しない。
• EA · EA-031AIアップデート互換性研究AI更新の互換性は、単一のversion番号やAPI疎通ではなく、wire/API、schema/tool、instruction、model behavior、state/storage、interoperability/protocol、operational、economic、governance/auditの九つの変更面を分離して評価する。API requestが成功することはWIRE_API_COMPATの一部しか確立しない。
• EA · EA-036AI長期作業・状態管理専門編「長期作業型AIを成立させる鍵は、巨大なcontext windowを一つ保持することではない。実務では、成果物の正本、実行checkpoint、会話session、圧縮・要約された作業context、外部システムの副作用、run/version/provenanceを別の状態として管理し、再開時にそれらの整合を確認する必要がある。checkpointやsessionは復旧を助けるが、外部副作用の二重実行、schema/model/to
• EA · EA-037AIチーム／AI組織論「複数AIを組み合わせれば自動的に性能が上がるわけではない。独立して並列化できる高価値taskではmulti-agentが有効な場合がある一方、共有contextや依存関係が多いtaskではcoordination costとfailure surfaceが増える。AIチームは役割・権限・state所有・handoff・成果物・停止条件を明示したcontractとして設計し、single-agentまたはworkflow baselin
• EA · EA-039AI機能分解・部品辞典「Enterprise AIは製品名や『Agent』という一語で比較せず、推論、検索、RAG、記憶・状態、実行、オーケストレーション、検証・ガードレール、Identity、観測、モダリティ、人間承認などの部品へ分解して扱う。これは唯一の標準分類ではなく、責任・権限・状態・障害・コスト・証拠を追跡するための運用上の共通語彙である。各provider製品は、この共通部品へversionとavailability gate付きでmapping
• EA · EA-040Enterprise AI Coreそのものの標準化「Enterprise AI Core」は既存の単一国際標準の名称ではなく、本辞典がベンダー中立の運用比較面として定義するprofileである。ISO/IEC 22989・23053・42001、NIST AI RMF/GAI Profile、TEVV資源、OpenTelemetry等の既存標準・枠組みを置換せず、能力・境界・状態・証拠・統制・ライフサイクルをcrosswalkする。provider固有機能とtenant実挙動は別レイヤ
• EA · EA-046AI Gateway大全AI GatewayはAI trafficを共通のcontrol/enforcement pointへ集約する実装パターンとして扱う。単一の標準化済み製品カテゴリではない。共通Coreでは routing/fallback、provider/model abstraction、credential/auth boundary、rate/quota/budget control、AI-specific telemetry、policy h
• EA · EA-048Sandbox／Code Interpreter運用「AIによるコード実行は、モデル機能ではなくuntrusted workload executionとして管理する。container、gVisor型sandbox、microVMは隔離強度・互換性・運用コストが異なり、いずれも単独で完全な安全性を保証しない。Enterprise運用ではnetworkとsecretをdefault-denyにし、filesystem・syscall/device/capability・CPU/memor
• EA · EA-049Browser Agent専門編「Browser Agentは、Web APIがない／十分でない画面操作を自動化できる一方、ブラウザ制御protocolそのものはagentの意図・権限・安全性を保証しない。企業運用ではWebコンテンツを非信頼入力として扱い、session/credential、action policy、network・file境界、監査、最終業務状態の検証をモデル外の制御層に分離する。WebArenaやWorkArena等の成績は比較評価には使える
• EA · EA-051AI Telemetry標準編“OpenTelemetry and W3C Trace Context provide a strong interoperability substrate for AI telemetry, but AI-specific semantic conventions remain an evolving layer. As of 2026-09-14, OpenTelemetry’s GenAI conventions have m
• EA · EA-052AgentOps／AI-SRE“AgentOps/AI-SRE is best treated as conventional SRE extended with AI-specific outcome and trajectory measurements. Availability and latency remain necessary but are insufficient: production agents also need task/end-sta
• EA · EA-054AI Kill Switch／Rollback設計「AIのKill Switchは、単一の『全停止ボタン』よりも、異常部分を最小単位で隔離し、必要に応じて全体停止へ拡大できる制御面として設計する方が実務的である。Rollbackにはknown-good revisionの保持とversion provenanceが必要だが、モデルやworkflowの切戻しは、既に外部世界へ生じた副作用を自動的に取り消すものではない。2026年時点で、model・prompt・workflow・tool
• EA · EA-056AI Asset Inventory／AI-SBOM「AI Asset Inventoryでは、SPDXやCycloneDXのAI/ML対応BOMを供給網の機械可読スナップショットとして利用できる。ただし、それだけで企業内のAI利用を完全に棚卸しできるわけではない。prompt、外部API、MCP/tool、RAG corpus、provider-side deploymentなど、実行時に変化する依存をRuntime Asset Registryで補完し、UNKNOWNを明示したまま継
• EA · EA-059Canary／A-B／Feature Flag for AI「AIの段階投入では、modelやprompt等の構成をversionで固定する層と、その構成へtrafficを割り当てるflag/canary層を分ける。Feature flagはroutingの仕組み、canaryはblast radiusを制限して段階的に昇格・中止する運用、A/Bは比較実験であり、同じものではない。既存のprogressive-delivery基盤はAIにも利用できるが、昇格判定には通常の可用性・遅延・costだ
• EA · EA-060AI Dependency Compatibility Matrix「Enterprise AIの互換性は、単一のアプリversionやSDKのsemverだけでは管理できない。model IDとlifecycle、provider API revision、SDK／Agent framework、MCP protocol revisionとcapability、tool schema、prompt、retrieval、policy、evalなどが独立に変化するため、運用上は実際に検証した組合せをCom
• EA · EA-062Data Residency／Sovereign AI「データレジデンシーは『リージョンを選べばすべてがその地域に留まる』という単一機能ではない。保存、推論、ルーティング、ログ、監視、バックアップ、検索/grounding、エージェント実行などで適用範囲が異なり、provider・model・deployment type・featureごとに確認が必要である。Sovereign AIはさらに法的管轄、運用統制、供給網、技術的自律性などを含み得るため、Data Residencyと同義に扱
• EA · EA-070Document Intelligence大全「企業AIの文書入力は、LLMへPDFを渡す処理だけで完結しない。OCR、レイアウト、表、フォーム、業務field抽出は独立したDocument Intelligence層として実装でき、主要cloudはversioned processor/APIを提供している。ただし文字認識・構造抽出・業務field抽出・最終回答は別々の品質段階であり、一段の成功を後段の正確性へ外挿してはならない。」
• EA · EA-071Speech AI大全「Speech AIはSTTやTTSの単体機能ではなく、認識、話者分離、turn-taking、Agent/tool実行、音声合成、interrupt処理までを含む実時間経路として評価する。各機能のavailabilityと品質はmodel、language、region、API modeで異なるため、provider名だけで能力を一般化しない。WER、自然性、会話latency、task success、安全性は別指標として測る。」
• EA · EA-077Classical ML × Generative AIclassifiers/regressors/forecast models remain independent prediction services; LLM handles interpretation, orchestration and explanation around typed outputs.
• EA · EA-080Synthetic Data編「Synthetic dataは実データへの直接アクセスを減らし、開発・試験・共有の選択肢を増やせる。ただし“synthetic”という生成由来だけでは匿名性やprivacyを保証しない。Enterprise運用では、生成器・source cohort・privacy mechanismをversion固定し、utility、downstream validity、privacy attack、fairnessを独立評価してreleas
• EA · EA-081Fine-tuning／Adapter／Distillation大全「モデル適応には、教師付きfine-tuning、LoRA等のparameter-efficient tuning、量子化併用PEFT、distillationなど異なる経路がある。これらは学習・配備artifactとfailure surfaceが異なるため、“カスタマイズ済み”を一括して扱わない。採用時はbase model、method、training data、artifact、evaluation、availabilityを
• EA · EA-082Embedding／Reranker比較辞典"Embedding models and rerankers are versioned retrieval components, not invisible properties of the LLM. Their quality depends on corpus, task, chunking, filters, index configuration and evaluation target. Public benchma
• EA · EA-083Semantic／Prompt Cache“Prompt/context caching can reduce repeated-prefix processing cost and latency without reusing an old answer, while semantic response caching may skip inference by reusing an answer for a similar request. The latter ther
• EA · EA-084Batch AI“For non-urgent independent workloads, provider batch APIs can trade interactive latency for lower unit cost and higher bulk throughput. Treat batch as an asynchronous job system with explicit manifests, item IDs, reconc
• EA · EA-085Streaming／Event-driven AI“Event-driven AI replaces polling with event-triggered execution, but safe operation depends on delivery semantics more than model capability. Assume events can be duplicated, delayed, reordered, replayed, or forged; ver
• EA · EA-086Serverless AI Architecture「Serverless AIは、小規模・断続的・event-drivenなAI処理で常時稼働基盤を減らせる有力な実装形である。ただし実行時間、再試行、重複配送、quota、GPU/region、cold pathはproviderごとに異なる。外部side effectを伴う処理ではdurable stateとidempotencyを設計契約に含める。」
• EA · EA-087Kubernetes／Private AI「KubernetesはPrivate AIの共通control planeになり得、KServe等によりLLMを含むmodel servingを構成できる。ただしGPU driver/device plugin、network enforcement、model/runtime互換性、capacity、patching、observabilityは組織側の責任となる。『private』は配置場所ではなく、identity・networ
• EA · EA-088GPU／NPU Capacity Planning「GPU/NPU capacityは、acceleratorの公称性能やVRAMだけでは決まらない。モデルartifact、precision/quantization、contextとconcurrency、KV cache、runtime、parallelism、interconnect、SLAを固定した実測単位で設計する。公開benchmarkはhardware/software構成を比較する重要な入口だが、別workloadの性
• EA · EA-089Local AI Cluster「複数のPC/Mac/GPUを束ねるLocal AI Clusterは、単体では収まらないモデルの分散推論または複数requestの共有処理を可能にし得る。ただし総RAM/VRAMの加算だけでは性能を予測できず、runtime対応、network topology、scheduler、failure domainを実測する必要がある。consumer向けdistributed runtimeにはexperimental/security
• EA · EA-091Multi-cloud AI「Multi-cloud AIは可用性と選択肢を増やせるが、provider間の意味的・運用的同一性を保証しない。routeごとにcapability、data boundary、policy、評価、監査を固定する。」
• EA · EA-093Quota／Rate-limit Engineering「Rate limitはエラー処理ではなくcapacity controlである。admission、queue、server hint、bounded retry、fallbackを一つの制御系として設計する。」
• EA · EA-095AI Chargeback／Showback — 部署・workflow・Agent単位の費用可視化・配賦「AI費用のshowback/chargebackは、トークン数だけでなく、provider請求データとworkflow実行telemetryを突合し、direct cost・shared/idle cost・unallocated costを分離して設計する。FOCUSやOpenCostは正規化・配賦の有力な基盤だが、Agent/workflow単位の会計帰属は組織固有のidentity mappingとversioned alloc
• EA · EA-096Process Mining → AI化「Process Miningは、情報システムに残るevent dataから実際に実行されたprocessの経路・逸脱・性能を分析し、AI化候補を経験則だけで選ばないための観測基盤になり得る。ただしevent logは業務全体の完全な写像ではなく、発見された頻出経路やbottleneckだけからAI導入の妥当性・因果効果を結論してはならない。multi-object業務ではcase-centric flatteningの歪みも評価する。
• EA · EA-097Task Mining / Desktop Activity Mining → AI化“Task Mining can complement process-level event-log analysis by observing how selected desktop tasks are actually executed and by surfacing variants, friction and possible automation candidates. Its recordings may contai
• EA · EA-099Accessibility / Inclusive AI — AI出力・AI操作面を障害特性／支援技術／代替表現／訂正可能性まで含めて設計・検証する「AIはcaption、alt text、音声・テキスト変換などを通じてaccessibilityを拡張できるが、自動生成された代替表現の存在だけではaccessibleとは言えない。基礎UIのaccessibility、assistive-technology interoperability、AI生成内容の意味的品質、利用者による訂正・選択・fallbackを分離して検証し、障害当事者を含む実利用評価で確認する。」
• EA · EA-111Business Task Benchmark Library「Inspectはdataset・solver・scorer・agent/tool・sandboxを組み合わせる評価実装の選択肢である。企業の業務品質を示すbenchmark libraryは、業務fixture、権限境界、禁止副作用、採点基準、human reviewを組織側で定義して初めて成立し、Inspectの既成eval数だけでは業務保証にならない。」
• EA · EA-115Document Fidelity研究「Google Docs APIは文書を構造要素、text run、画像、書式、header/footer/footnoteとして扱う。したがってdocument fidelityは内容・構造・書式・描画を分解して検証すべきだが、このAPI仕様だけでDOCX/PDF/Slides間の視覚的同一性や変換完全性を保証できない。」
• EA · EA-116Coding Agent運用大全「GitHub Copilot cloud agentはtaskからrepository作業・PR作成へ接続でき、管理者有効化、repository opt-out、Actions minutes/AI credits等のgateを伴う。Code scanningは別の検出・SARIF/CodeQL層であり、agent生成コードの正しさ・安全性・license適合・merge可否を自動保証するものではない。」
• EA · EA-121異種LLMマルチエージェント「AutoGen原著は複数agent、LLM/human/toolの組合せ、相互作用のプログラムを示す。異種LLM構成はその実装候補だが、異種化だけで品質・安全・費用対効果が保証されるわけではなく、task別比較が必要である。」
• EA · EA-122Mixture-of-Agents「MoA原著はlayeredな複数LLMと出力統合を提案し、特定benchmarkでの改善を報告する。ただし、同じ構成が全業務・全providerで優越する証拠ではなく、品質・相関誤り・遅延・token費用・judge biasを含む比較が必要である。」
• EA · EA-123Model Debate／Deliberation「Multiagent Debate原著は複数LLM instanceの複数round提案・反証が特定taskの推論/factualityを改善し得ると報告した。debateの合意は外部証拠・独立検証・人間監督の代替ではなく、業務適用には反証・abstain・費用上限が必要である。」
• EA · EA-124Judge／Critic分離「LLM-as-a-judge研究は、特定benchmarkで人間選好との高い一致を報告する一方、position・verbosity・self-enhancement biasと推論限界も明示する。generator/critic分離は評価設計の一案であり、客観的正解・安全性・法的適合の自動保証ではない。」
• EA · EA-125Generator–Verifier「Process supervision研究は、MATHの特定条件で中間stepへの検証が有効であると報告する。Generator–Verifierはruntime safetyの設計候補だが、verifier passは任意業務の正しさ・副作用なし・法的適合を保証せず、specと独立評価が必要である。」
• EA · EA-126Planner–Executor異種化「Plan-and-Solve研究はplan→subtask executionの構造と特定推論taskでの比較結果を示す。Planner–Executor異種化は費用・権限分離の設計候補であり、planの完全性、executorの安全性、外部actionの可逆性を自動保証しない。ReActのようなinterleavingも代替設計である。」
• EA · EA-129Model diversity engineering「Model diversity engineeringは、複数LLMの異なる出力を比較・集約し、相関した誤りを減らせるかを測る設計論である。Mixture-of-Agents等の研究結果は特定benchmark条件のもので、モデルを増やせば業務品質・安全性・費用対効果が上がるという保証ではない。」
• EA · EA-130Multi-LLM routing「Multi-LLM routingは、入力や品質要求に応じて候補LLMを選択し、費用・品質・遅延を調整する研究／実装パターンである。FrugalGPTやRouteLLMは条件付きの研究結果を示すが、数値を任意の業務や現行製品へ外挿せず、可用性・プライバシー・fallbackを別途検証する。」
• EA · EA-131OpenAI Agents SDK「OpenAI Agents SDKの公式Docsは、agent、tool、handoff、guardrail、session、human-in-the-loop、tracing等のruntime構成を示している。これはOpenAI系実装の仕様証拠であり、プラン・地域・組織設定・production安全性・業務品質の保証ではない。」
• EA · EA-132Google ADK「Google ADKは、agent・tool・multi-agent/graph workflow・evaluation・deploymentを扱うGoogleの現行開発frameworkとして公式Docsに記載されている。ADKの仕様記述は、GeminiやWorkspace製品の全プラン・地域・組織での利用可否、言語間の同等性、production保証を意味しない。」
• EA · EA-133Microsoft Agent Frameworkは「後継だからそのまま移れる」とは限らないMicrosoft Agent FrameworkはAutoGenとSemantic Kernelの公式後継であり、.NET / Python 1.0はproduction-readyである。ただし後継関係を完全互換と読み替えず、Goなどpreview surface、言語別feature gap、migration test、state/tool/telemetry境界を別途確認する。
• EA · EA-134LangGraph「LangGraphの公式Docsは、LLM stepと決定的stepを組み合わせる低レベルorchestrationとして、persistence・durable execution・streaming・human-in-the-loop等を記載している。これらは制御基盤の仕様候補であり、LLMの正しさ、side effectの安全性、全deploymentのSLAを自動保証しない。」
• EA · EA-139DSPyDSPy
• EA · EA-141Semantic Kernel史「Semantic Kernelは、Microsoftの公式資料でmodel-agnosticなopen-source SDK、agent、function calling、plugins、複数言語を備える系譜として記録されている。現行repoはMicrosoft Agent Frameworkへの移行・後継を案内しているが、完全互換、即時廃止、全組織での可用性、production保証は別途確認が必要である。」
• EA · EA-143AWS Bedrock AgentCore「Amazon Bedrock AgentCoreの公式Docsは、agentのdeploy/operate基盤としてRuntime、Memory、Gateway、Identity、Browser、Code Interpreter、Observability、Evaluationsを案内している。各primitiveの存在と、特定account・region・IAM・model・契約での可用性、評価結果の妥当性、production S
• EA · EA-144IBM watsonx Orchestrate「IBM watsonx Orchestrateの公式資料は、複数agentの発見・接続・統合・評価・統治を行うcontrol planeと、ADK／LangGraph import／AI Gateway／human approval等の経路を案内している。機能存在は、契約・plan・region・RBAC・互換性・業務品質・SLAの保証ではない。」
• EA · EA-146Salesforce Agentforce「Salesforceの公開Agentforceページは、CRM等の業務データを使うAgent Builder、subagents/actions/instructions、Agent Script、observability、MCP support、multi-agent orchestrationを機能として説明している。ただし、edition・org・region・権限・契約による可用性、性能、安全性、費用、実業務の自律actio
• EA · EA-147Copilot Studio「Microsoft LearnのCopilot Studio overview（2026-08-22更新）は、agent・workflow・agent flow・connector・human reviewを一つのlow-code studioで組み合わせ、harness差による能力・課金差、analytics/evaluations、RBAC・cost管理を説明している。tenant・license・environment・conn
• EA · EA-148Google Workspace Studio「Google公式HelpはWorkspace Studioを、Geminiを用いてWorkspaceと一部の他アプリをstarter/step型flowで自動化する機能として説明している。管理者によるGemini有効化、edition・app access・approval・第三者データ共有の条件があり、add-onによるcustom step拡張は2026-09-03更新Docsでlimited previewである。実行品質・監査
• EA · EA-149UiPath agentic automation「UiPathの公式Agents Docsは、agentを確率的・適応的な判断系、RPA robotを決定論的な実行系として対比し、両者と人を組み合わせるagentic automationを説明している。公式Docsの現行導線にはMaestro、Studio Web、connectors、data residency、評価・trace系の項目があるが、製品・license・region・workspace・modelの可用性と実測安全
• EA · EA-150n8n「n8nの公式Docsは、chat modelと1つ以上のtoolを接続するAI Agent nodeをworkflow内で使えると説明し、n8n 1.82.0から旧agent type設定を非推奨、v1を3.0で削除予定としている。公式READMEはself-host/cloud、custom code、human approval、observability、RBAC/auditとSustainable Use/Enterprise
• EA · EA-151Zapier AI／Agents「Zapierの公式Agentsページは、company knowledgeを与えたspecialized agentが複数appで作業し、activityを監視できる構成を示す。公式トップページにはmanaged connection、app/domain controls、RBAC/SCIM、audit API、log streaming等のenterprise機能が掲げられているが、plan・tenant・connection・実
• EA · EA-152Make「Makeの公式ページは、app・data source・AI modelをvisual/code/promptでつなぎ、AI agents・workflowsをMCP等で構築・管理するvisual automation platformとして説明している。security/complianceやintegration数は公式ページの現行訴求であり、plan・region・MCP・権限・実測品質・費用は別途確認が必要である。」
• EA · EA-153Workato「Workatoの公式Docsは、Agent Studio・enterprise skills・knowledge・guardrailsと、MCPのComposer/Registry/Gateway/Runtime、connectivity・identity・auditability・billing/usageを企業AIのcontrol/execution planeとして案内している。これは公開機能導線の確認であり、license・t
• EA · EA-154Pipedream「Pipedreamの公式サイトとDocsは、AI agentとAPIの間にmanaged auth、prebuilt tools/triggers、raw proxy、MCPを置くConnectを説明し、workflow・event/concurrency・source-available component registryも案内している。企業向けConduitは同サイトでearly accessと記載されるため、plan・proj
• EA · EA-155Temporal「TemporalはLLMではなく、Workflow Executionの状態・Event History・Replay・Activity・Signal・timeout/retryを用いて長時間処理を耐障害化するdurable execution基盤である。公式Docsはsize/throughput・determinism等の限界を含み、author-maintained issueにはretry時の既成功Activity再実行に関す
• EA · EA-156Airflow／Dagster／Prefect「Airflow 3.3.1はschedule・task・dependency・retry・timeoutを持つDag実行、Dagsterはasset/lineage/observability中心のdata orchestration、Prefect 3はPython flowのstate・retry・timeout・deploymentを公式Docsで説明している。これらはAgentの確率的判断を支える非LLMの実行・データ制御面と
• EA · EA-157MCP互換性は「対応済み」だけでは判定できない「MCP対応」は単独では互換性の証拠にならない。protocol revision、SDK、実際のwire revision、Gatewayのsupported revisions、下流target、authorization/trust/auditを分離して確認する。2026-07-28は2025-eraとwire behaviorが異なり、SDKのmajor versionだけから実通信revisionを推定してはならない。
• EA · EA-160OpenAPI／Function Calling「OpenAPI 3.1.0はHTTP APIの機械可読なインターフェース記述であり、function callingはproviderのモデルがアプリケーションへ外部処理の呼出しを要求する実行境界である。OpenAPIをfunction toolへ写像することは可能な設計選択だが、版・operation・schema・認証・実行結果・side effect policyを別途固定し、同一仕様とは扱わない。」
• EA · EA-164LiteLLM「LiteLLMは、Python SDKとProxy Serverを通じて複数LLM providerを共通インターフェースへ寄せ、routing／retry／fallback、認証、ログ、guardrail、spend管理等を提供すると公式リポジトリで説明している。provider互換性、品質、価格、データ処理、fallback安全性はrelease・model・設定単位で再確認する。」
• EA · EA-165OpenRouter「OpenRouterは、複数model/providerへのAPIアクセスを一つのrequest形状へ寄せ、tool callingではproviderの実装に応じて透過・変換・YAML化を行うと文書化している。Auto Routerのallow／exclude／cost tier等はroute制御であり、モデル品質・価格上限・データ境界・SLOの保証ではない。」
• EA · EA-166AI Gateway群「AI Gateway群は、複数providerへの接続を集約し、routing／fallback、認証、rate limit、logging、cost、cache、policy等を実装するcontrol-plane群である。LiteLLM、OpenRouter、Vercel、Cloudflareの公式資料は機能境界が異なるため、共通機能と製品固有の実装・契約・版・地域・設定を分離して評価する。」
• EA · EA-213Unstructured／Document ETLUnstructuredは文書を要素へ分解し、その要素からRAG向けchunkを構成するOSS部品を提供する。抽出方式や依存によって読み順・表・来歴の結果が変わるため、元素材に照合した評価と権限継承を経てindexへ投入する。変換の成功だけで正確性や無通信性を判断しない。
• EA · EA-214DoclingDoclingはPDF、Office、画像等を共通構造へ変換し、Markdown・HTML・JSON等へ出力する。表・読み順・OCRの品質は素材と設定に依存するため、元素材との照合を行う。内部表現のJSON保存は変換後の構造を保持する手段であり、原文の完全復元や正確性の保証ではない。offline運用にはモデル準備と通信制御を別途確認する。
• EA · EA-215LlamaParse／高精度Document Parsing APILlamaParseはtier・versionを選び文書を構造化する専用APIです。素材の複雑さに応じたtier選択と、ページ・表・数値・来歴の評価を分けます。job完了だけで全ページ成功と判断しません。
• EA · EA-216OSS OCRスタック比較OCRは文字認識、layout・表処理、PDF再生成の役割を分けて選定します。文字の存在だけで読み順や数値を正しいと判断せず、モデルと設定を固定し、業務素材のgoldenへ照合します。
• EA · EA-218ElevenLabs Audio／Voice AgentsElevenLabsのTTS・STT・dubbing・sound・Voice Agentはmodelと製品ごとに評価し、接続権限、声素材の権利、商用条件、再生と保持を分ける。
• EA · EA-223Calendar／Scheduling API × Agentfree/busyから候補を作った後、時間帯・参加者・招待副作用・競合・再試行をどう管理するか。空き時間確認だけで予約確定や全員承諾を宣言しない。
• EA · EA-005MCP実践辞典 — Model Context Protocolを「共通コネクタ」ではなく、server/client/host、transport、authorization、tool capability、server trust、supply chain、auditを分離した企業運用契約として整理する「MCPは、AIアプリケーションと外部のデータやツールを共通形式で接続するためのprotocolであり、接続先やツールの安全性を自動的に保証する仕組みではない。2026-07-28仕様ではstateless化とOAuthのhardeningが進み、HTTP接続ではresource-bound tokenや段階的scope取得を扱える。しかし、どのMCP serverを信用するか、どのtoolをmodelへ見せるか、実行をpolicyや人
• EA · EA-001個人版／法人版クロスウォーク — plan/organization/modeをデータ保護・保持・管理権限・利用可能性・課金/上限・高度機能の条件に分解して比較する。「個人向けと法人向けAIの差は、使えるモデルや機能の数だけでは決まらない。データが学習に使われる既定値、保持・削除、管理者権限、接続先の認可、契約ごとの課金方式、管理対象ID、地域や段階的ロールアウトまでを分けて確認する。同じ製品名・同じモデル名でも、実際に使える能力やデータ境界はaccount、workspace、contract、mode、regionによって変わり得る。」
• EA · EA-003Apple Intelligence／オンデバイスAI編 — Apple Intelligence、Foundation Models、Private Cloud Compute、App Intents、Core ML/Vision、MLXを「AppleのAI」という一枚岩ではなく、実行場所・開発者API・privacy boundary・action integration・古典ML/研究基盤に分解する運用地図「AppleのAI運用は『オンデバイスかクラウドか』の二択では捉えにくい。Apple Intelligenceには端末上で動くFoundation Modelと、より大きな処理をPrivate Cloud Computeへ送る経路があり、2026年のFoundation Models frameworkはさらに他のモデル提供者を共通APIへ接続できる。Private Cloud Computeは通常のクラウド推論とは異なるstatele
• EA · EA-004非LLM AI総合編 — OCR、画像認識、音声認識・合成、翻訳、埋め込み、reranker、分類・回帰・異常検知、画像/動画等の専用AIを、LLM中心の会話/生成系と混同せず運用契約・評価器・実行基盤で整理するためのprovider-neutral taxonomy「『非LLM AI』は、古いAIや小さなモデルだけを指す言葉ではない。企業システムではOCR、音声認識、音声合成、画像認識、翻訳、埋め込み、reranker、分類・回帰・異常検知など、特定の入力を特定の型の出力へ変換する専用AIが今も独立した運用部品として使われる。これらの内部実装はLSTM、Transformer、NMT、場合によってはLLMを含み得るため、『LLMかどうか』と『専用部品かどうか』は別に確認する。選定時に重要なのは、入
• EA · EA-006Agent-to-Agent／マルチエージェント編 — A2A v1.0、framework内handoff/subagent/orchestration、MCPとの役割差を横断し、委譲・context・identity/authorization・失敗伝播・human approval・評価を別契約として整理する「マルチエージェントは、複数のAIを並べれば自動的に賢くなる仕組みではない。まず『どう接続するか』と『誰が仕事を割り振り、誰が最終判断を持つか』を分けて考える必要がある。A2Aは異なるエージェント同士が能力を発見し、taskやartifactを交換するための相互運用protocolであり、manager、handoff、parallel workflowなどのorchestration方式そのものを決めない。MCPも別の層で、主にage
• EA · EA-008BOUNDED_CLOSECompare low-cost API use with an as-of ledger that separates list price, free allowance, trial credit, quota/rate limit, cache/batch/tool charges, region, data-use terms, and migration-to-paid conditions. Re-read the pro
• EA · EA-009BOUNDED_CLOSEFor self-hosted LLMs, pin the model artifact and license, tokenizer/template, quantization, runtime release/commit, serving contract, accelerator/driver, network/egress, authentication/logging, and rollback artifact. Tre
• EA · EA-236ReBAC／Authorization Graph：OpenFGA・SpiceDBReBAC/Authorization Graphは、relationshipに基づくpermission decisionを中央化する仕組みであり、外部identity/session revocation、source-of-truth同期、application enforcementまで自動的に保証するものではありません。OpenFGA/SpiceDBではmodel/schema、relationship data、condit
• EA · EA-247Retry Budget／Backoff／Fallback CorrectnessRetryは各layerの「最大N回」ではなく、original user/workflow requestに対するend-to-end budgetとして管理します。budgetにはtotal downstream attemptsだけでなく、wall-clock deadline、token/compute/API cost、side-effect riskを含めます。
• EA · EA-011Enterprise AIベンチマーク実験室Enterprise AIの評価は、公開leaderboardの単一scoreやmodel単体の比較だけで受入可否を決めず、実際に使うmodel・prompt・retrieval・tools・permissions・runtime・agent scaffoldを含む **System Under Test (SUT)** を、再現可能なfixtureとversion固定したgraderで測る。agentでは最終結果だけでなく、tool
• EA · EA-1005外部STATE正本を使うAI定期実行のstale locator／cursor rollback境界外部STATEは再開の正本になり得るが、それだけで安全にはならない。cursorは対象identityとgenerationに結び付け、stale writerを拒否する。task-body versionや業務revision IDをpersisted-state schema identityの代替にしない。migrationのparse成功をsemantic correctnessと同一視しない。STATE rollbackを既発
• EA · EA-1010Prompt CacheをAI運用へ組み込む境界Prompt CacheはLLM入力prefixの再処理を減らし、latencyとinput costを改善し得るoptimization layerです。ただし、cache hitは会話memory、正本、監査証跡、同一出力の保証ではありません。cache missやexpiryが発生しても業務が正しく動く設計を基準にしてください。
• EA · EA-1012AI Use-Case Coverage Census／未充足セル・過密セル検出「Coverage Censusは、version固定した多軸プロファイル上でEA・実運用ユースケースの分布を観測し、未充足・過密・分類不能を探索する。空セルは自動的に不足や新規導入必要性を意味せず、過密セルも自動的に重複を意味しない。各signalは用途、actor、risk、evidence、代替手段を確認してdispositionする。」
• EA · EA-1204AI Intervention Feedback Loops／Performative Prediction／Selective Labels「再学習すればfeedback loopは解消する」ではなく、「AIの予測や業務判断が次の観測データを変える場合、通常の再学習は過去policyの選択を再生産する可能性がある。decision/exposureとlabel availabilityを記録し、performative shift、selective labels、外生的shiftを分離して評価する」と記述します。
• EA · EA-1207AI Adoption Impact／Causal Business-value Evaluation「生成AIは生産性を向上させる」ではなく、「特定の業務・利用者・ツール・期間では改善が観測された研究がある一方、逆方向の結果もあり、導入効果は対照比較と品質・手戻り・総費用を含む自組織の測定で確認する」と記述します。
• EA · EA-1208AI Supplier Warranty／Indemnity／Liability Allocation「ベンダーがAI出力を保証する」「著作権侵害はすべてベンダー負担」「enterprise契約なので責任はベンダーへ移転済み」と一般化しない。
• EA · EA-1210DeepSeek API／Open-weight Deployment Operating Profile「DeepSeekはopen sourceなので自社内だけで動く」「DeepSeek APIと公開weightは同じモデル」「model nameを固定すればversionも固定される」「OpenAI互換なのでOpenAI APIと同じ挙動」と一般化しない。
• EA · EA-179HELM — Enterprise AI運用での評価・再現性境界HELMはStanford CRFMのfoundation-model評価frameworkで、scenario・model interface・metric・artifactを標準化し複数leaderboardを再現可能に扱います。ただし単一の普遍的HELM scoreはなく、結果はsuite・scenario・dataset revision・model/provider ID・prompt/adaptation・metric・HE
• EA · EA-184OSWorld系OSWorld系は、実際のデスクトップ環境でGUI・OS・アプリケーションを操作するcomputer-use agentを評価するベンチマーク群である。企業で結果を参照する場合、「OSWorld」という名称や単一スコアだけでは比較条件を特定できない。OSWorld 1.x、OSWorld-Verified、OSWorld-V2を分離し、V2ではrelease manifestが固定するcode、task files、task asset
• EA · EA-225Project／Issue Tracker API × AgentProject/Issue Tracker API連携では、Agentの記憶ではなく外部チケットのIDと現在状態を仕事台帳の照合先にする。ただし、一覧取得の途中失敗・権限・ページ分割、書き込み後の不明な結果、Webhook未達を別々に扱う。承認は対象と変更フィールドに結び付け、結果を再読込する。PyGithub 2.10.0の模擬通信による実SDK検査では、遅延ページ取得、途中例外、省略フィールドと空配列の違い、およびUTC以外のsin
• EA · EA-233Edge WorkersをAIと業務システムの接着層として使うEdge Workerは、AIへの依頼を受け付け、認証、入力検査、接続先の選択、webhook、応答の転送を行う薄い接着層として利用できます。利用者に近い場所で動いても、モデルや原本データが遠ければ、全体の応答が速くなるとは限りません。長時間処理や業務状態の保存を一回のHTTP処理へ押し込まず、実行時間、永続化、認可、依存障害の境界を明示します。
• EA · EA-250AIが使うデータの契約とスキーマ変更を管理するデータ契約は、作る側と使う側が、項目、型、意味、品質、更新、権限、変更手順を共有する約束です。AIが入力をそれらしく解釈しても、契約違反が直ったことにはなりません。項目名や型の互換性と、金額・時刻・対象集団等の意味の互換性を分け、変更の影響を検索、prompt、tool、評価データまで追います。
• EA · EA-254Event Schema Registry × AgentEvent Schema RegistryはAgentのevent contract gateとして有効ですが、`compatibility PASS`をbusiness semantics、全consumerのruntime成功、publish権限、Agent action安全性の保証として扱いません。
• EA · EA-260API ManagementをAgent Tool層に置くAgentからtool APIへ到達する経路にAPI Management/API Gatewayを置くと、認証、公開route/tool、rate/quota、protocol/schema、監査を集中しやすくなります。
• EA · EA-273AI Change Freeze／Maintenance WindowChange freezeは選択した変更リスクを減らす統制であり、信頼性や完全なimmutabilityを保証しません。freeze、maintenance window、emergency exceptionを別の監査可能な状態として管理し、AI固有のchange surfaceを列挙して、変更後はauthoritative stateとbehaviorをreadbackします。
• EA · EA-279Consent／Purpose Limitation × AI Data Use「AIで個人データを使えるかは、同意の有無だけでは決まらない。目的、処理段階、法的根拠、再利用互換性、通知、権利処理を法域と実装境界ごとに確認し、承認済みpurposeをruntimeのdata-flow gateへ投影する。UNKNOWNを同意済み・互換ありと推測しない。」
• EA · EA-326モデル評価設計モデル評価は、対象modelだけでなくdataset、slice、metric、judge、baseline、run configurationをversion固定して比較する。全体平均だけで合否を決めず、重大sliceの回帰を独立して確認する。providerの評価サービスは実行基盤であり、組織固有の安全性や適合性を自動的に証明するものではない。
• EA · EA-399AI Quality Degradation Detection／品質劣化検知「drift detectorが反応したのでモデル品質が低下した」「eval scoreが維持されているので本番品質は安全」とは表現しません。安全な表現は、「固定回帰評価とfresh production sample、segment別品質、安全性、業務KPI、latency/cost、変更履歴を継続監視し、複数signalとreadbackで劣化候補を検出する。検出後はmodelだけでなくprompt、retrieval、tool、p
• EA · EA-475AI PC・NPUの調達判断AI PCやNPUの調達は、公称演算性能や「AI対応」という表示だけでは判断できません。対象アプリケーション、モデル、精度形式、入力長、同時実行、OS、runtime、ドライバ、実行プロバイダの組を固定し、実際の処理先、品質、応答時間、消費電力、メモリ、保守条件を確認して選びます。NPUが搭載されていること、利用可能であること、選択したこと、対象処理がNPUで実行されたことは異なります。
• EA · EA-507Agent Delegation Depth／Recursion Guard「max turnsを設定すれば再帰問題は解決する」「A2Aがdelegation cycleを防止する」とは断定しません。安全な表現は、「agent delegationにはdepth、fan-out、turn/tool/cost/deadline、cycle/no-progress、side-effectを別々のbudgetとして持たせ、root operationからchildへ残量を継承し、機械的terminationとcanc
• EA · EA-512AIメモリの削除伝播を検証するAIメモリの削除は、削除APIが成功した時点では完了と判定できません。元データ、会話要約、埋め込み、索引、検索キャッシュ、複製、バックアップへ対象がどこまで伝播したかを調べ、各保存面の削除状態と検証証拠を対応させる必要があります。読取時の不在、物理領域の回収、バックアップの失効は別の証明です。本項は削除要求から復元後の再照合までの運用を扱います。埋め込み残留の詳細はEA-513、訂正後の再計算はEA-514に接続します。
• EA · EA-520Effective Instruction Contract Envelope「system instructionを設定した」ことと「そのinstructionが実行時に常に強制された」ことを同一視しない。監査可能なのは、組織が管理するinstruction revision、観測可能なprovider/model/runtime/configuration、明示したcomposition、指定した評価条件で得たbehavioral evidenceである。hidden provider instruction
• EA · EA-734Versioned evaluation datasets and reproducible PoV→production gates「versioned evaluation datasetを使えば本番品質が保証される」とは書きません。安全な表現は、「評価データ、対象構成、評価器、閾値、実行条件を版管理し、同じ判定手順を再実行できる状態を作ることで、PoVから本番昇格までの判断を追跡・比較しやすくする」です。再現性は評価手続の再実行可能性を指し、provider内部状態や確率的出力の完全同一を保証しません。
• EA · EA-738AI評価の昇格判定に統計的信頼性ゲートを入れる「候補モデルの平均スコアが高い」だけでは昇格根拠として弱い。比較対象と評価単位を固定し、差の大きさと不確実性を示し、事前定義した実用上の最小差および安全性の非交渉条件を満たしたときに昇格させる。信頼区間や有意差は本番性能の保証ではなく、定義した評価設計の下で観測差をどこまで信頼できるかを判断する材料である。
• EA · EA-746GPU sharing isolation decision：MIG vs time-slicing「MIGは対応GPUをhardware-levelのGPU instanceへ分割し、compute/memory resourceの分離と予測性を得る方式である。KubernetesのCUDA time-slicingは同一GPUを時間共有して収容密度を上げるが、replica間のmemory/fault isolationを提供しない。選択は利用率だけでなく、tenant/fault isolation、性能SLO、workload
• EA · EA-798非同期Batch inferenceを独立execution tierとして設計する運用非対話・大量のLLM推論は、同期APIとは別の非同期Batch execution tierとして管理できる。Batchは低価格・高throughputに向く一方、queue、partial failure、expiry、cancellation、retry、result reconciliationを伴う。submit成功を処理完了とみなさず、immutable input manifest、provider job ID、reque
• EA · CORE-03タスク分解と処理工程CORE-03は、複合taskを検証可能なstageへ分け、stage間の入出力、intermediate artifact、retry、verification、parallel/serial、transaction境界を定義する。目的は「一発でやらせない」という標語ではなく、失敗を局所化し、再実行で完了済み工程や外部状態を壊さず、local passとend-to-end successを分けて判定できるpipeline contr
• EA · CORE-04モデル・ツール・情報源・状態の選択本章のroutingは、taskを実行するmodel、tool、source、state経路を、検証可能な契約へ照合して選ぶ操作である。model名、価格、quota、connector、画面、edition、surface capabilityはProduct Mappingへ、承認者、利用可否、予算・latency・riskの数値閾値はOrganization Overlayへ送る。CORE-02のretrieval/memory定
• EA · CORE-06プロンプトと設定の管理CORE-06は、promptと周辺configurationを再構成・比較・承認・release・rollbackできるversioned entityとして管理する。目的は「prompt文字列は同じ」「昨日と同じmodel名」を再現性の証拠とせず、実際のbehaviorを変える構成要素とenvironment差を一つのrelease lineageへ結ぶことである。
• EA · CORE-07評価データと公開前の評価契約CORE-07は、候補configurationを本番投入前に何に対して、どの証拠で、どのsliceごとに合否判定したかを再構成できる評価契約を定義する。単一benchmark、平均score、model名、judgeの自然文だけをrelease根拠にしない。
• EA · PM-CLAUDE-CORE-04CLAUDE：モデル・ツール・情報源・状態の選択CORE-04のmodel / tool / source / state routing、fallback、batch、observability契約をClaude API、Message Batches、service tier、Claude Agent SDKへ対応づける。Claude.ai、Claude API、Agent SDK、Claude Code CLI、Bedrock、Google Cloud、Managed Agen
• EA · PM-GEMINI-CORE-04GEMINI：モデル・ツール・情報源・状態の選択CORE-04のmodel / tool / source / state routing契約を、Gemini Apps、Gem、Gemini API、ADK、Vertex AIへ対応づける。各surfaceのmodel名、tool、state、batch、quotaを一つの自動routerとみなさず、公開仕様、公開failure signal、組織観測を分離する。価格・quota・tenant設定・内部routingはcurrent値
• EA · PM-GPT-CORE-04OpenAI / GPT：モデル・ツール・情報源・状態の選択CORE-04のmodel / tool / source / state routing契約を、OpenAI API、Responses、Chat Completions、Batch、background mode、Agents SDKへ対応づける。ChatGPT UI、API endpoint、SDK default、application-owned routerを別surfaceとして扱い、価格・quota・tenant設定・内
• EA · PM-GROK-CORE-04GROK：モデル・ツール・情報源・状態の選択CORE-04のmodel / tool / source / state routing、fallback、service capacity、cost/error observability契約をxAI APIへ対応づける。model alias/date pin、retired-slug redirect、search/tool、Priority/Default、rate limit、online/deferred/Batch、SD
• EA · ORG-CORE-04組織での適用：モデル・ツール・情報源・状態の選択組織固有のroute owner、approved model/surface、risk/loss budget、fallback、state handoff、監視値をCore/Product Mappingから分離する。既知の境界は、業務Geminiへのfile sync・API・直接統合は禁止、synthetic promptによるchat試験とGem構築試験は可能候補、というものである。公開product defaultやcomm