Claude Opus 4.7 の概要 — 何が変わったのか

Anthropic の最新フラッグシップ Claude Opus 4.7 の位置づけ、Sonnet 4.6 / Haiku 4.5 との使い分け、第三者ベンチマークが示した改善と回帰、絶対価格、採用前チェックリスト、私自身の三層運用方針までを整理します。

AI 導入の現場 — 6 業界の代表ケースをアーキテクチャで読む

Morgan Stanley の RAG・BMW の予知保全・Walmart の在庫最適化・Mayo Clinic の連合学習・GitHub Copilot・Klarna の 6 業界事例を、採用技術と効果指標、アーキテクチャの観点から整理して解説します。

LLM のコンテキストウィンドウとは何か — トークン制約と 1M 時代の判断軸

LLM が一度に処理できる『記憶の窓』であるコンテキストウィンドウについて、トークンの定義・入出力共有予算の実態・2026 年時点の主要モデル比較を整理します。1M トークン時代の選び方と落とし穴を、業務サイドにも分かる粒度で図解します。

業務で言われる『AI』の実態 — LLM・RAG・エージェントの動作を図で理解

業務サイドが日々耳にする『AI 利活用』の中身を、LLM の入出力・RAG の知識補完・エージェントのツール実行という3つの構成要素に分解し、図とともに解説します。コールセンター・社内検索など複数業種の具体例を示し、過信せず使うための観点を整理します。

RAG vs ファインチューニング — どちらをいつ選ぶか

LLM に独自知識を持たせる代表的な 2 つのアプローチ、RAG（検索拡張生成）とファインチューニングを 7 軸で比較し、実務での判断フローとハイブリッド戦略を整理します。

このサイトについて — AI 学習ログを始めるにあたって

Noteees.ai の運営方針と、このサイトでどんな記事を書いていくのかを最初にまとめておきます。