基盤・デプロイ・コスト

実行環境・配備・費用・制限

43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-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-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-057Shadow AI発見編「Shadow AIの発見は、未承認AIを一度のスキャンで完全列挙する機能ではない。SSE/CASB、endpoint/process、browser/IDE、cloud/SaaS/API auditなど複数の観測面から“観測された利用”を集め、承認台帳と突合して初めて運用上のShadow AI inventoryになる。アプリへの通信観測、実際のprompt内容観測、機密データ露出の確認は別の証拠レベルとして扱う。」
• 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-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-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-094AI Latency／SLO工学「AI性能はtokens/secだけでは測れない。利用者が必要な結果を得るまでのjourneyをSLO化し、queue・retrieval・model・tool・retry・approvalを分解してtail latencyを管理する。」
• EA · EA-105AI生成コードSecurity「生成コードは、通常のコードと同じく解析・依存関係・secret・license・テスト・人手レビューを通す。CodeQL/Scorecardは検査部品であり、生成コードの安全性・適法性を保証しない。」
• 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-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-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-685Coding AgentのDependency Hallucination／Slopsquatting防御AIが生成した依存パッケージ名は導入候補として扱います。存在確認、正常なhash、provenance、既知脆弱性scanのいずれも単独では安全性を保証しません。導入前の承認identityと、実際に取得するartifactのidentity・bytesを結び付けて確認する運用が必要です。この運用は設計上の提案であり、特定製品の防御率を実証したものではありません。
• EA · EA-687AI生成Testの品質保証／Mutation TestingMutation Testingは選んだ変異をtestが捉えるかを測ります。高いscoreだけでは要求適合や現実の不具合検出を保証しません。AI生成testのassertionは、実装自身の出力から独立した要求・期待結果と照合します。
• 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-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-010Edge AI／完全オフライン運用編 — on-device / edge / local / offline / air-gapped を分離し、端末推論から完全オフライン運用までの成立条件を定義する「オンデバイス推論は完全オフライン運用の必要条件になり得るが、十分条件ではない。完全オフラインは、モデル、runtime、accelerator/driver、アプリケーション、認証・ライセンス、更新、telemetry、外部サービスまで含む対象system boundaryにruntime network dependencyがないことを実測して初めて主張できる。air-gappedはさらに強く、単なるoffline modeやegr
• EA · EA-1203Predictive ML／Classical MLOps Production Lifecycle「定期的に再学習すればモデル劣化を防げる」「feature storeを使えばleakageはなくなる」「driftを検知すれば精度低下が分かる」と一般化しません。
• 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-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-1211Qwen Model-family／Managed API／Local Deployment Operating Profile「Qwen3を導入した」ではなく、「2026-10-20時点でAlibaba Cloud Model Studioのregion/scope Xにおけるmodel ID Yをprotocol Zで利用」または「Qwen公式repository/revision Rのweightをruntime/version Q、quantization Nでself-host」と記述し、managed serviceとopen-weight arti
• EA · EA-1213Llama Open-weight Model-family Operating Profile「Llamaはオープンソースなので自由に使える」「Llama 4なら10M context」「self-hostすれば自動的にデータは外へ出ない」と一般化しない。
• EA · EA-172BraintrustBraintrustは、生成AI／エージェントの実験・評価と本番トレースを接続し、品質、失敗、コスト、レイテンシ等を継続的に検証するための運用基盤として利用できる。導入効果は、評価設計、計装範囲、データ境界、tenant／plan設定、組織固有の運用統制に依存するため、製品機能の存在を品質保証やコンプライアンス保証へ外挿してはならない。
• EA · EA-173Weights & Biases Weave：AIアプリケーションのトレーシング・評価・運用観測「Weights & Biases Weaveは、AIエージェントやLLMアプリケーションの実行をトレースし、評価・フィードバック・性能／費用観測へ接続するための基盤として利用できる。ただし、記録されたtraceはinstrumentationと送信条件の範囲での観測であり、実行の完全性を自動的に保証しない。評価結果もdataset、scorer、model、prompt等のversionと適用範囲に依存する。Enterprise利用で
• EA · EA-175PromptfooPromptfooはLLM/AIアプリの評価・red-teamを構成可能なOSS harnessである。pass/failやred-team scoreは、固定したtest corpus、assertion、grader、target、Promptfoo version、plugin/strategyの範囲で得られた観測であり、品質・安全性・法令適合・本番SLOの包括保証ではない。機密用途では実際のegressとdeployment m
• 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-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-258Private Networking／Private EndpointでAIを閉域化するPrivate Endpoint／PrivateLink／Private Service Connectは、AI serviceへpublic internetを経由しないprivate pathを提供できます。ただしendpointを作成しただけでend-to-endの閉域化が完成するとは扱いません。
• EA · EA-259Agent Egress Control／Network PolicyAgent egress controlは、private endpointやVPC接続の有無だけで判定せず、Agent runtimeから外部destinationへ出る実際のpathを制御します。
• EA · EA-267Reproducible Runtime／Dependency Lock for AgentAgent runtimeの再現性では、source revisionとdependency lockだけでなく、runtime/container digest、OS/architecture、toolchain、build instructions、再現性に影響するenvironment、model/API/tool/prompt設定のversion/digestを固定します。
• EA · EA-282Row／Column-level Security × AI Analytics「実行主体とデータ基盤のポリシーで取得可能な行・列を制限し、AI入力と下流出力にも同じ権限を保つ」。一方、「プロンプトに権限を書けば十分」「RLSがあれば列も匿名化される」「結果0件ならフィルタを外す」「DB設定済みなので出力全体も安全」とはしない。
• EA · EA-291AI Dependency End-of-Life／Deprecation ManagementAI Dependency End-of-Life／Deprecation Management
• 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-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-684Stochastic Reproducibility／Nondeterminism Budget「seed固定により再現可能」と一般化しない。「特定runtime・version・hardware・scheduler等の前提を固定した範囲で再現性を高められる」「完全一致が契約できない系では反復分布と許容差を管理する」と記述する。
• 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-749NCCL/RDMA fabric failureの観測・診断・復旧設計「NCCL/RDMA障害はNCCL errorだけで根因を決めず、RAS/diagnostics、GPU・NVLink・PCIe、NIC/RDMA、fabric、nccl-tests、framework eventを同一incidentで相関し、fault domainを段階的に狭める。正常時baselineを保存し、復旧後も同条件で再検証する。version依存の診断機能と設定はlive環境で確認する。」
• EA · EA-755continuous batchingの公平性・starvation・SLO class設計「continuous batchingは公平である」「priority schedulingでstarvationを防げる」とは断定しません。「continuous batchingではrequest長・prefill/decode負荷・priority・KV footprintの差によりclass間のtail latencyやwaiting timeが偏り得るため、SLO class、aging/wait bound、prefill
• EA · PM-CLAUDE-CORE-06CLAUDE：プロンプトと設定の管理CORE-06のversioned configuration bundle、declared/effective差、environment diff、canary、rollbackをClaude API、Claude Agent SDK、Claude Codeへ対応づける。対象はsystem prompt、settingSources、settings/CLAUDE.md/skills、model/effort、tools、struc
• EA · PM-GEMINI-CORE-03GEMINI：タスク分解と処理工程CORE-03のstage、artifact、parallel/serial、retry、verification、transaction境界をGemini系の公開surfaceへ対応づける。Gemini Appsのchat/Gem、Gemini API、ADK、Vertex AI/Google Cloudの実行基盤を同一機能として扱わない。公開仕様、author-maintained issue、CORE-03のlocal LangG