誰も教えてくれないLLMの経済学
この記事で分かること
LLMを業務で使う際の経済性、特にコスト構造と費用対効果を理解できる。APIの従量課金や推論コストの内訳、長期利用時のコスト差がどこで生まれるかが判断材料として得られる。
関連ニュース
説明書を、もう書かない。AIに書かせた3,500行のドキュメントを、全部捨てた話
AIに生成させた3,500行のドキュメントを全て破棄した経験から、AI生成ドキュメントの品質と維持コストの課題が明らかになる。ドキュメントを書かない判断基準や、AIに任せる範囲の見極め方が実践的な教訓として得られる。
BigQuery MLのTimesFMで電力需要を時系列予測してみた
BigQuery MLのTimesFMを用いて電力需要の時系列予測を行う具体的な手順が得られる。BigQuery上でモデルを構築し、SQLクエリだけで予測を実行する方法が、データ分析基盤との連携ポイントとして参考になる。
AI駆動開発にDevOpsが「後回しにできない」理由
AI駆動開発においてDevOpsを後回しにできない理由が、具体的な開発プロセスと運用リスクの観点から説明される。CI/CDパイプラインの整備やテスト自動化の優先順位を判断する材料となる。
"山本さんを半日休ませたら、会社は3か所で止まった ── 不在を試し、止まった事実から依存の型を見つけるアプリ"
特定社員の不在で業務が停止した事実から、組織内の依存関係を可視化するアプリの構想が得られる。依存の型を特定する方法と、実際に不在を試すことで発見するプロセスが実用的な知見となる。
説明書を、もう書かない。AIに書かせた3,500行のドキュメントを、全部捨てた話
AIに生成させた3,500行のドキュメントを全て破棄した経験から、AI生成ドキュメントの品質と維持コストの課題が明らかになる。ドキュメントを書かない判断基準や、AIに任せる範囲の見極め方が実践的な教訓として得られる。
Meta・X・OpenAI・Anthropic・Google・Microsoft──「AIの稼ぎ方」を6社で比べてみる
Meta、X、OpenAI、Anthropic、Google、Microsoftの6社におけるAIの収益化戦略を比較した考察が得られる。各社のビジネスモデルの違いや、収益構造の特徴を把握するための判断材料となる。