AI開発・導入
AIエージェントや機械学習、AI駆動開発、データガバナンス、AI規制など、AIを開発して業務に導入するための基礎知識をまとめています。

AIエージェントの作り方7ステップ|ツール選び・費用・止め方まで
AIエージェントは「業務を決める→作り方を選ぶ→LLMの動かし先を決める→指示文を設定する→人の確認を入れる→テストする→小さく公開する」の7ステップで作れます。手順が毎回同じ業務なら、AIエージェントにせず「ワークフロー」で足ります。

CUDAとは?クラウドGPUで使えるか確かめる3つの確認手順も解説
CUDAは、NVIDIAが2007年に公開した、NVIDIAのGPUで汎用の計算を並列に処理するための開発基盤です。使うにはNVIDIAのGPUと対応するドライバが必要で、開発する場合はCUDA Toolkitも入れます。クラウドGPUでは、GPUのCompute Capability、ドライバ版、CUDAの版の3点を順に確かめます。

Thunderbolt GPUとは?40Gbpsでも性能が落ちる理由
Thunderbolt GPU(eGPU)は、Thunderboltケーブルで外付けのGPUをPCにつなぐ使い方です。インテルがPCに求めるPCIeの帯域は、Thunderbolt 4で32Gbps、Thunderbolt 5で64Gbpsで、ケーブル全体の40Gbps・80Gbpsより小さい値です(出典:インテル「Thunderbolt テクノロジー」、確認日2026-11-17)。 RTX 5070 Tiのゲームでの実測では、Thunderbolt 5接続が、デスクトップのPCIeスロットに直接挿す「直挿し」より19〜25%低い結果でした(出典:Tom's Hardware、2025年10月)。情報は2026年11月17日時点です。

AI開発の言語とGPU環境!Pythonが中心の理由と実行環境の選び方
AI開発を始めるにあたり、PythonやC++、Javaなど候補が多く、どの言語を選べばよいか迷っていませんか。AI開発は工程ごとに向いている言語が違い、学習と組み込みで別の言語が必要になることもあります。この記事では、主な言語の比較表、Pythonが中心の理由、目的別の選び方、学習方法、言語を決めた後に必要なGPU環境までを解説します。

Rustで機械学習|Burn・Candle・tch-rsの違いと選び方
Rustで機械学習はできます。深層学習ならRust製のBurnかCandle、PyTorchの資産を活かすならtch-rsが主な選択肢で、どれもNVIDIAのGPU(CUDA)で動かせるフレームワークです。 2026年11月時点の公式ドキュメントをもとに、3つの違い、目的別の選び方、GPUで動かす設定、Pythonと併用する考え方をまとめました(2026年11月12日時点の情報)。