LiteLLM改ざん版1.107.0の攻撃経路——失効されなかった「実験用AIエージェントの鍵」が本番リリースを乗っ取った
改ざん版LiteLLM 1.107.0の攻撃経路を整理。起点は失効されなかった実験用AIエージェント基盤のマスターキーと、権限を絞らない組織オーナーのGitHubトークンだった。開発会社の代表として、AIエージェントの権限設計、リリース承認、PoCの鍵管理の見直し点を論じる。
禁止の生成AIに約33万人分の個人情報——パナソニックHD子会社の事例に学ぶシャドーAI対策は「導入プロジェクトの設計」で決まる
パナソニックHD子会社が利用禁止の外部生成AIに約33万4000人分の個人情報をアップロードした事例を整理。人事システム導入プロジェクトで起きた点に注目し、シャドーAI対策を禁止ルールではなく実データの扱い方と承認済みAI環境の設計として、開発会社の視点で論じる。
AI脆弱性診断とは？GitHub連携で診断対象を洗い出す仕組みと料金・向き不向き
シンシアのAI脆弱性診断を解説。GitHub連携でAIエージェントがエンドポイントを洗い出し自動で検査します。料金は基本料金33,000円＋1エンドポイント3,300円（税込）。報告書の中身、向き不向き、手動診断との使い分けまで整理します。
Anthropic Scionとは？GitをやめたAnthropicの公式記事を一次情報で読み解く
AnthropicがモノレポをGitから自社開発のScionへ移行した理由を、公式エンジニアリング記事の本文と図から整理。1日3万件超のマージ、6つの設計原則、25倍・207倍などの数字が何を測った値か、7人・5か月で移行した体制、Gitを使う開発会社が今準備すべきことを解説します。
製造業のAI見積PoCの評価方法｜正答率・保留・確認工数を分けて測る
製造業のAI見積PoCで何を評価すべきかを、対象業務・テストデータ・必須項目・保留判断・確認工数に分けて解説します。架空案件のデモと実案件の効果を区別し、受入基準の作り方を具体的な表で整理します。
製造業の生成AI活用事例｜上海電気の51モデルに見る、成果を出しているのはLLM単体ではなく「予測・最適化」との組み合わせ
上海電気が設計・製造・保全に展開した51の産業AIモデル・エージェントを、作る側の視点で分解する。図面構造化30分→1分、流動期間12%短縮などの成果は、LLMと時系列予測・数理最適化・画像検出の役割分担から出ている。自社で作る際の難所と、開発会社にとっての含意を整理する。
AI外観検査の横展開は「再学習を現場に渡せるか」で決まる——P&Gの世界展開から読む、自作か製品かの判断
P&GがSiemensと構築したAI外観検査を世界の拠点へ展開。スクラップ10〜20%削減の裏にある「現場エンジニアが再学習できる運用」と共通基盤の複製を、作る側の視点で分解し、外観検査自動化が1拠点目で止まる理由と開発会社の見積り・体制の判断材料を整理する。
製造業AIが「入れたのに使われない」に終わる理由｜河北省の成功84場景と失敗事例を作る側から読む
河北省の「人工知能+製造」報道から、検査効率300%向上や年2,200万元超のコスト削減といった成功例と、10万元超のモデルが遊休化した失敗例を並べて読む。製造業のAI投資が成否を分けるのは、モデル選定ではなく設備接続とデータ標準化の順番である理由を、受託開発の立場から整理する。
予測精度20%改善は「計画システムに直結しているか」で決まる——BASFのサプライチェーンAIを読む
BASF Agricultural SolutionsがSupply Chain Management Award 2026の最終候補に。因果AI・生成AI・ナレッジグラフ・ネットワークシミュレーションを既存の計画システムへ統合し、販売予測精度20%改善。作る側から見た難所とAI投資の順番を解説する。