多くの企業は、すでにAIに関する方針（ポリシー）を持っている。しかし、本当に重要な部分を実際に統制できている企業は、そう多くない。 AIの導入はAIガバナンス（統治）整備を上回るスピードで進んできた。その代償がビジネスに現れ始めている。

AI活用や自動化、規制対応、セルフサービス分析などへの要求が高まる中、企業には「再利用可能で信頼できるデータ」を提供する仕組みが求められています。しかし現場では、数値の不一致やデータ品質への疑念などから意思決定が滞るケースも少なくありません。ガートナー　データ＆アナリティクス サミットでシニアディレクター アナリストのプラサード・ポア氏は、こうした課題を解決する手法として「データプロダクト」の重要 ...

EDAソフトウェアの世界的大手として最先端のAIチップ設計を支えるSynopsysは、社内データと業務プロセスにAIをどう組み込み、成果につなげているのか。「Snowflake Summit ...

「エンジニアはコードを書けばいい」——その時代が終わりつつある。AIが実装を加速させる今、組織のボトルネックになっているのはコーディングの速度ではなく、意思決定の速度だ。この変化がテックチームの役割を根本から変えようとしている。

AI投資を「正しい時間軸」で評価するための、CIOのための資本配分フレームワークと取締役会向けスコアカードを紹介する。

主要なモデルの多くは、ハルシネーションの発生率が20〜27%にも上る。これは、現在のAIシステム全般に共通する、根深く未解決の課題であり続けている。なぜなら、アーキテクチャ（設計）の問題であると同時に、文脈（コンテキスト）の問題でもあるからだ。

筆者は、エンタープライズAIの経済性は、熱力学における3つの確立された原理——エネルギー保存則、エントロピー、エクセルギー（※）——というレンズを通して捉えられると考えている。これらはあくまで物理システムを説明する原理であり、AIそのものを説明するものではない。しかし、企業がAIの成功をどう測るべきかを考える上で、有用な視点を与えてくれる。

IT・セキュリティ部門のリーダーの大多数は、自社のチームがAIエージェントの暴走を検知できると確信している。しかし、エージェントが想定していた範囲を超えて動いてしまった際、その被害を素早く食い止める対応ができると答えた人はごく少数にとどまる。

Records held in Salesforce and ServiceNow systems are under attack leaving user data exposed, according to researchers at ...

The alliance embeds frontier models and OpenAI-trained forward-deployed engineers into IBM consulting services in a joint ...

Nvidia sees the potential for model routing and has just launched NeMo Switchyard, its take on the technology. Switchyard ...

AI costs are soaring because teams can’t see what’s driving them; real-time infrastructure visibility finally makes the ...