本記事はAIエージェントのHuman-in-the-loopを定量評価するための手法やビジネス価値を検討します。 AIエージェントによる業務効率化やソフトウェア開発自動化が進むに従って、AIエージェントのアウトプットを人間が確認してアクションすることが増えている…
この記事は、LLM や AI エージェントを使って「AIエージェントのための合成データ」を作るための実践的な Tips 集です。
LayerX Ai Workforce事業部で新たに立ち上げた「データ検索基盤チーム」について紹介します。 生成AI時代において、差別化を生むのはデータです。LLM/VLMの登場により、これまでシステムで扱うことが難しかった非構造化データやマルチモーダルデータ(スライ…
LLMとの対話やAIエージェントのプロセスは、過去の対話履歴やLLMの処理結果が蓄積されていく仕組みになります。こうしたデータはコンテキストと呼ばれ、LLMが処理履歴や文脈を把握し、次のリクエストを適切に解決するために活用されます。こうした概念は2025…
LayerX Applied R&Dチームを立ち上げる話です。
2022年末のOpenAI GPT公開以降、LLMをソフトウェアに組み込む流れが広がる中で、2023年6月のFunction callingの登場は画期的でした。これは出力形式をJSONで定義し、LLMの応答を構造化できる仕組みで、現在はStructured Outputとして発展しています。 しかし…
大規模言語モデル（LLM）を活用したワークフローエンジン「Ai Workforce」をさらに効率的に活用するため、ドキュメント処理のワークフローを自動的に設計・生成するR&Dプロジェクト「ワークフロー自動生成」を紹介します。実業務では多種多様なドキュメント…
