1. 耳で学ぶAI、ロボシンク
  2. #148 新モデル、Claude Fable ..
#148 新モデル、Claude Fable 5.2とGemini 4 Hydrogenが登場!
2026-11-16 28:17

#148 新モデル、Claude Fable 5.2とGemini 4 Hydrogenが登場!

おたよりを送る

✍️内容

今回のテーマは「Claude Fable 5.2とGemini 4 Hydrogen」。先週、AnthropicとGoogleから新しいモデルが相次いで出ました。Anthropicの最上位モデル「Claude Fable 5.2」と、Googleの速くて安いモデル「Gemini 4 Hydrogen」です。何が変わったのか、誰が使えるのか、外部の評価で比べるとどうか、どう使い分けるかを整理します。

---

3倍速くメモできる音声入力アプリ「Nokey」を開発しました🎊

→無料で試す

---

🎧番組紹介

「耳で学ぶAI」はChatGPTやGemini、Claudeなど生成AIを初心者・中級者向けに分かりやすく解説する番組です。

---

👨‍💻パーソナリティ: 矢野哲平

「AIを分かりやすく、楽しく」をコンセプトにポッドキャストでAI情報を発信。株式会社root c代表取締役。

⁠音声入力アプリやAIニュースアプリを開発。

◎Nokey

◎Morning AI

---

📩番組の感想や要望はこちら

感想

まだ感想はありません。最初の1件を書きましょう!

サマリー

Anthropicの最上位モデルClaude Fable 5.2と、Googleの軽量モデルGemini 4 Hydrogenについて、性能、料金、利用条件、実際の検証結果を比較しています。Fable 5.2は難しいプログラミングや研究、大規模な仕事を丸ごと任せる用途に向き、有料プラン限定です。Hydrogenは高速・低価格で、日常業務や社内資料への質問に適していますが、資料にない内容を推測して言い切る場合があると説明されています。架空企業の126ページ資料を使った実験では、3モデルとも明確な幻覚は起こさず、速さ・丁寧さ・細かさに違いが出ました。後半では、Notionなどを共通の情報基盤にして複数のAIを連携させる方法と、権限管理や履歴保存の注意点も語られます。

Claude Fable 5.2の性能と活用事例
みなさんこんにちは、矢野 哲平です。この番組は、耳で学ぶAIをコンセプトに、初心者・中級者向けにAIを分かりやすく解説する番組です。
今回のテーマは、新モデル、Claude Fable 5.2とGemini 4 Hydrogenについて話していきます。 はい、ということで今日は新しいモデルについて話します。
先週、アンソロピックとGoogleから新しいモデルが続けて出ました。 アンソロピックからはClaude Fable 5.2
Claudeの中で一番賢くて最上位に位置するモデルと言われています。 そしてGoogleからはGemini 4 Hydrogen
Geminiの中で早くて安い軽量のモデルです。 今回のエピソードでは、この2つのモデルを軸に色々話していきたいと思います。
誰が使えるのか、実際に試してみた感想、 そして外部のベンチマークの結果などです。
今日話すポイントは主に3つです。 1つ目にアンソロピックから発表されたモデル
Claude Fable 5.2とは何か、何ができて誰が使えるのか。 そして2つ目にGemini 4Hydrogenとは何か
同じくGoogleから発表されたモデルについて話します。 そして3点目にこの2つのモデルを実際に試した感想や外部の評価について
この3点を中心に話していきます。 はいでは早速話していきましょう。
まずはアンソロピックから話していきます。 Claude Fable 5.2というモデルが発表されました。
このアンソロピックというAI会社、4つのモデルを出しています。 小さいモデルから順にハイク、ソネット、オーパス
そして今回話すフェイブル。このモデルは一番最上位に位置するモデルです。 難しいタスクでの使用が想定されています。
アンソロピックもこのフェイブルを一番難しい仕事向けのAIモデルと説明しています。 例えば難しいプログラミングや
科学の研究、金融の分析 このような専門的なタスクで活躍するモデルというわけです。
もともと9月に Claude Fable 5.1という一つ前のバージョンは出ていました。 それから約2ヶ月ぐらいで次のバージョン
フェイブル5.2が出てきたというわけです。 先にあのちょっと私試してみた感想をお伝えすると
フェイブル5.1から5.2に変わったことで正直言うとそのあまり大きな違いというのは感じていません。現状は。
まああの相変わらず賢いモデルだなという感想を抱いています。 公式が発表した内容で言うとフェイブル5.2が前のモデルから変わった点は主に3つあります。
一つ目は賢くなったこと。プログラミング。 深く考える力。画像を読み取る力が上がっています。
そして2つ目が早くなったこと。 回答を出す速さが最大で約3割早くなっているそうです。
そして3つ目が安くなったこと。 開発者が使うAPIとしての料金が2割ほど下がっています。
以前のバージョンよりも賢くなって処理速度が速くなってそして安くなったというわけです。 じゃあこのフェイブル5.2で具体的に何ができるのか。
公式は実際にフェイブルを試した企業の声を公開しています。 公式が発表している内容なので多少割引いてみる必要はあるんですけど
面白かった事例を2つ紹介します。 一つ目がボックスという会社の事例です。
ファイルの共有サービスなどを展開している企業です。 ボックスではローンの申し込みの書類一式をフェイブルに確認してもらったそうです。
するとフェイブルが給与の振り込みの記録や銀行の残高が合っていない箇所に気づいたと。
大量の書類情報の中から確認すべき場所をフェイブルが先に教えてくれたということです。
2つ目がウーバーのエンジニアの事例です。タクシーの配車サービスですね。 10時間以上に渡るセキュリティの点検をフェイブルに丸ごと委任したそうです。
ここ面白いのがフェイブルが約170体のAIエージェントに仕事を割り振って最後は報告書と修正案まで出してきたと。
フェイブルがあの170体のエージェントを管理したというのはすごいですよね。 AIエージェントがAIエージェントを管理したと。そしてその数は170体にも上ったというわけです。
担当者はフェイブルはそれっぽいところで止まらずに仕事が本当に終わるまでやりきってくれたとインタビューで述べています。
ここでの気づきはフェイブルは単に一問一答のチャットのようなシーンで使うよりも大きな仕事を丸ごと任せる使い方に向いているモデルと言えます。
AIエージェントとして使う場合大きなタスクを丸ごと渡して完了まで走らせる。
そういった使い方に加えてエージェントの管理にも使えるというのは私たちにとっても仕事のヒントになると思います。
じゃあこのフェイブル誰が使えるのかという話になるんですけど先にお伝えするとクロードの有料プランの人に限定されます。
残念ながら無料プランでは使うことができません。個人的にはフェイブル無理に使う必要はないかなと思っています。
高性能なモデルであることこれは確かなんですけどやっぱり使うために支払う金額っていうのは決して安くはありません。
ちなみにアンソロピック自身もあの普段の仕事はまずオーパス5.5から使うことを勧めています。
フェイブルはオーパスで足りない時に上げるそういった位置づけのモデルです。
Fableの指示方法とClaudeモデルの使い分け
であとこのアンソロピックはフェイブル向けの指示の出し方ガイドも公開しています。
普段の仕事にも使えるクロードのコツが2つあったので紹介します。
1つ目はAIにそのまま作業を続けてこのような指示だけで済ませないということです。
長い作業の途中でAIがこの先も進めますかと聞いてくることよくあると思います。
この時にはいじゃあ続けてとこのようにシンプルに返すのはあまり良くなくて、はいこのファイルの修正まで進めてください。
このように何をして欲しいかを具体的に返すこういった返答の仕方を推奨しています。
こうするとAIがどの作業を続けるのかを迷わずに進めてくれるというものです。
これはちょっと私も注意しないといけないなと思いました。
あの普段クロードを使う時に続けてとかはいとかシンプルに進めていたのでちょっとこの返答の仕方は気をつけないといけないなと思いました。
これはフェイブルに限らず他のモデルでも注意しようと思いました。
言われてみれば確かにそうですよね。AIから人間に対して確認が入った時にはいとかただ続けてとシンプルに返すよりも具体的に何をして欲しいのかというのをちゃんと返した方がいいとこれは改めて思いました。
2つ目が絶対に〇〇をしないでとこういった指示を使いすぎないことです。
これどういうことかというとフェイブルは絶対にと書かれたルールをかなり厳密に守るそうです。
なのであまりにも絶対禁止のルールを設けすぎるのも良くないというわけです。
じゃあこうした場合にどうするかというと例えばファイルを絶対に削除しないでという指示ではなくファイルを削除する前には確認をしてくださいと
このように書く方が良いとのことです。禁止ではなく確認して欲しい場面をAIに伝えるというイメージです。
では一旦クロードのモデルの使い分けについてまとめたいと思います。 これもアンソロピック公式が案内している内容です。
先ほども少し触れましたけどクロードには4つのモデルがあります。 軽い順からハイク、ソネット、オーパス、フェイブル。
どのように使い分けるかというと迷ったらまずオーパスと公式は案内しています。
オーパスで足りないタスクここぞという仕事はフェイブルを使うと。逆に普段の文章やスライド
あとは表計算などのタスクであればソネットで十分だそうです。 あとは問い合わせの振り分けや大量のデータから特定の情報を抜き出すような単純作業
こういったものは一番軽いハイクをお勧めしています。 ちなみに私の場合だと何かアプリを作る時とか
一番最初にフェイブルを使って実装の計画を立ててもらっています。 そしてその後の作業これはオーパスに任せる
こういった使い方をしています。 モデルの使い分けの参考にしてみてください。
Gemini 4 Hydrogenの特徴と利用条件
はいでは次はグーグルのジェミニ4ハイドロジェンです。 こちらも先週フェイブルの後に発表されたモデルです。
フェイブルとは逆でこちらはグーグルの早くて安い軽量モデルです。 ただ軽量のモデルと言っても賢さはクロードで言うとソネットぐらいと言われています。
一番軽いハイクではありません。 実際グーグルもこのハイドロジェンを比べる相手として
クロードのソネットやチャットGPTの中ぐらいのモデルを選んでいます。 ソネット並みの賢さを備えているより早く使えるモデル
このようなイメージです。ではこのハイドロジェン何が得意なのか 大きく分けて2つ案内されています。
一つ目が速さが必要になるようなタスクです。 グーグルの発表では前のモデルのジェミニフラッシュと比べて
仕事を終えるまでの速さが約2.5倍になっているそうです。 これはグーグルだけの発表ではなく外部の評価でも裏付けられています。
同じくらいの賢さのクロードソネットと比べても一つのタスクを数分の1の時間で終えることができるそうです。
メールの下書きや資料の要約のように人間とAIがおチャットでやり取りをしながら すぐ答えが欲しい仕事に向いています。
そしてジェミニ4ハイドロジェンの得意なこと2つ目がハルシネーションが少ないことです。 AIが誤った答えを出してしまうハルシネーション
これが前のモデルの5分の1以下に減ったと発表しています。 足りない情報があるとCoreの推測で埋めずにここが足りませんと正直に回答するように
作られているとのことです。こちらも外部の評価サイトでは同じような評価で ハイドロジェンのハルシネーションの少なさは高く評価されています。
例えば会社の資料を渡して質問した時に資料に書かれていないことを AIがそれらしく答えてしまう
これあのあるあるだと思います。 ですがジェミニ4ハイドロジェンでは正直に資料には書かれていませんと返してくれると
仕事でAIを使う側からするとここはありがたいポイントだと思います。 ちょっと一旦まとめるとハイドロジェンは早くてハルシネーションが少ないモデルということです
じゃあこのハイドロジェン誰が使えるのかというとこちら日本でも使えます。 月725円のあのプラス以上のプランならモデルの一覧からハイドロジェンを選択できます。
無料プランの場合は少し事情が違っていましてえっと自分では選べず ジェミニがモデルを自動で選ぶときにハイドロジェンが使われることがあるという形です。
なのでジェミニの無料プランを使っている人は実は知らないうちに裏側でハイドロジェンが動いていたということはあると思います。
無料で確実にハイドロジェンを使いたい人はGoogle AI Studioのツールをお勧めします。
こちらは開発者向けのツールではあるんですけどアクセスをすれば誰でも無料でハイドロジェンを使うことができます。
3モデルを使った資料検証
このハイドロジェンのハルシネーションが少ないというのは本当なのか 少し気になったので実験してみました。
具体的には3つのモデルで比較をしました。 Googleのハイドロジェンとクロードのソネット
そしてチャットGPTのGPTテラで比べました。 この3つに架空の会社の資料を渡して質問しました。
この質問に対して本当にハルシネーションが少なく回答できるのかという検証です。 質問のボリュームがだいたい12万文字ぐらいの資料でページにすると126ページでした。
先に結論言うと確かにハイドロジェンではハルシネーションは起きませんでした。 ただ他の2つのモデルもハルシネーションは起きませんでした。
ひっかけ問題なんかを含めて意図的にハルシネーションを起こそうと思ったんですけど どのモデルも優秀でした。
100ページちょっとの pdf くらいだったらどのモデルでも問題なさそうです。 もちろんこれが500とか1000ページになってくると話は変わってくると思うんですけど
このぐらいのボリューム化のタスクであればモデルによる違いはあまりないかなと感じました。
ただし差が出た部分もありました。 それが速さ、費用、答え方の癖の3つです。
ちょっとどんな実験をしたのか簡単に説明します。 まず架空の会社の資料を作りました。
就業規則や経費の生産方法、出張の旅費の規定なんか そういった内容が入った126ページの pdfです。
架空の会社にしたのは AI がもともと持っている知識で回答できないようにするためです。
この pdf を渡して出張に関する質問を15個しました。 その中にわざと資料に書いていないことを混ぜました。
例えば海外出張の日当はいくらかとか。 結果としてはどのモデルも書いていないことに関しては資料には書いていませんと正直に答えました。
勝手に推測をして回答をデッチ上げる こういった事例はありませんでした。
ちなみに回答に添付された引用部分も確認しましたけど、こちらも問題ありませんでした。
ではどこで差が出たのか。それぞれのモデルの癖を紹介します。 まずチャット gpt の Terra
こちらが一番回答が早くて一番コストが安かったです。 書いていないことを聞かれると定めはありませんと
担当部署に確認してください。で回答が止まります。 推測で答えを出さない一番慎重なタイプでした。
でその分答えは短めで何と言いますか素っ気ない印象もありました。 で次に google のハイドロジェン
こちらは答えは一番長くて一番丁寧でした。 聞いていない例外のルールまで補足してくれます。
3回同じことを聞いて3回とも同じ回答を出してくれたので回答のブレも最も少なかったです。
ただハイドロジェンには癖が一つありました。書いていないことを聞かれても他の条文から推測して結論まで言い切る
このような挙動が気になりました。 例えば出張中に週末だけ家に帰りたいとこの時に交通費は出るかという例外的な質問を
こちらは資料には書いていないので正解は書いていないと回答するのが正しいです。 しかしハイドロジェンは書いていないと断った上で交通費は支給されませんと言い切りました。
理想的にはこういった場面では例外的な内容なので規定には書いていないので担当部署に確認してくださいというのが理想的な回答だったかなと思います。
ただこういった部分はプロンプトで吸収できるかなとは思います。 とりあえずハイドロジェンではここがちょっと気になりました。
であとは回答の速さです。ハイドロジェンは速さが売りのモデルとGoogleは説明していました。 ですが私が試した環境ではGPTテラの倍ぐらいの時間がかかりました。
テラが約30秒、ハイドロジェンは約1分かかりました。 これは処理速度がどうこうというよりも考える時間を長くとっていたからだと思います。
ハイドロジェンは処理速度は確かに速いんですけど長い資料をじっくり読ませるような使い方 こういった場合は必ずしも回答が早いわけではないということかもしれないです。
であとは最後にクロードのソネット。 このモデルは資料の奥にある細かい条文までよく拾ってくるなと感じました。
ひっかけ問題のような例外的な質問、こういった質問の対応力は他のモデルより優れていると感じました。 ただ3つのモデルの中では一番時間がかかって費用も一番高かったという側面があります。
資料にない質問の答えも慎重に回答する場合もあれば言い切る場合もあって回答によって ブレが一番大きいモデルだなとも感じました。
私の限定的な条件での実験結果となりますがこんな感じの結果となりました。 一旦まとめます。
ハルシネーションを起こさないという点では3つのモデルも問題ありませんでした。 速さと安さならGPTTerra。
丁寧さならGemini Hydrogen。 細かさならクロードソネット。このような結果でした。
外部評価と仕事での使い分け
はいここまで私個人の比較実験の結果を紹介しました。 次にフェイブルとハイドロジェン、この2つのモデルを外部の評価で比べてみます。
そもそもこのクロードのフェイブルとGeminiのハイドロジェン、 モデルの大きさが違うんですけど、一旦外部の結果を踏まえて情報を整理します。
まず総合的な賢さのランキングです。 アーティフィシャルアナリシスという評価サイトの結果です。
1位はクロードフェイブル5.2でした。 その下にGoogleのカーボン、クロードオーパス5.5が続きます。
じゃあChatGPTはどうなのかというと、OpenAIの最上位モデル GPT Astraは4位でした。
クロードとGeminiのすぐ後ろという位置です。 面白いのがハイドロジェンです。
軽量のモデルなんですけど、Googleの上位モデル Argonを上回っています。 早くて安い枠のモデルが少し前に発表された上位モデルを超えてきたと、ここは注目すべき点だと思います。
次にAIエージェントとして実際の作業をこなせるかの評価です。 人が実際にAIに仕事を依頼してうまくいったかを集計しているランキングです。
ここでも1位はフェイブル5.2、2位のオーパス5.5にかなり差をつけています。
ハイドロジェンは5位でした。 軽量モデルながら健闘しているなという印象です。
GPT Astraが7位。こちらは軽量モデルのハイドロジェンより下の順位でした。
一旦ここまでまとめると、総合の賢さでもエージェントの作業でも上位はクロードとGeminiのモデルが占めています。
チャットGPTはそのすぐ後ろ。今はこのような順位になっています。 一方で分野によっては順位がひっくり返りました。
ここも興味深い内容でした。 例えばアメリカの税務調査をAIにやらせる評価。
ここではGoogleのハイドロジェンが1位でした。 ちなみにフェイブルは28位です。
じゃあこのGoogleのハイドロジェンは結局どのような場面で使うといいのか。 ここまでの話を一旦仕事の場面に置き換えてみます。
主に3つ挙げられます。一つ目が毎日のちょっとしたタスクです。 例えば取引先へのお礼メールの下書きを書いてもらったり、会議のメモを渡して要点をまとめてもらう。
こういった仕事は最上位のモデルではなくても十分こなせる内容です。 むしろ答えがすぐ返ってくるので仕事のテンポが崩れないと思います。
2つ目が社内の資料に質問する使い方です。 例えば会社の規定のpdfを渡してその内容について質問すると。
私がテストした限りではハイドロジェンは作り話をしませんでした。 こういった使い方でも安心して使えると思います。
ただ書いていないことを推測で言い切る癖。 このようなことが時々起きるので大事なところは根拠の条文を確認するようにすると良いと思います。
3つ目が上位のモデルと組み合わせる使い方です。 Google は上位モデルのGemini4Carbon。
こちらに段取りを考えてもらって実際の作業はハイドロジェンに任せる。 このような使い方を案内しています。
こういった使い方はChatGPTもクロードも共通しています。 上位のモデルに計画や段取りを決めてもらって実際の作業はそれよりも下のモデルに行ってもらう。
何か詰まったことがあったときは上位モデルにフィードバックをしてもらう。 この方法ぜひ試してみてください。
最後にちょっとしたニュースを1つ。 アンソロピックが株式市場に上場するみたいですね。
アメリカのNASDAQ市場で取引が11月19日に始まる予定です。 私SBI証券で積み立て認査とかやっているんですけど、ホームページにアンソロピックの案内がありました。
買ってみようかなと思ったりするんですけど、いずれにしろこれからクロードがどう変わっていくのか、この番組でも継続して追っていきたいと思います。
はい、それでは今日のポイントをまとめます。 1つ目に、クロードフェイブル5.2はクロードの最上位モデルです。
大きな仕事を丸ごと任せる。このような使い方に向いています。 2つ目、ジェミニフォーハイドロジェンはGoogleの早くて安いモデルです。
日本でも早速使うことができます。 最後3つ目、外部の評価では総合1位はフェイブル5.2でした。
ハイドロジェンも軽量のモデルながら上位に入っています。 ただ、分野によって順位は変わります。
日常の仕事は早いモデル。ここぞという仕事は上位のモデル。 仕事に合わせてモデルを使い分けるのがおすすめです。
AI同士をつなぐNotionハブ
はい、今日はこのへんということで、本日もお付き合いいただきありがとうございました。 今週はお便りをいただいています。ありがとうございます。
読んでいきます。 矢野さん、いつもお世話になっております。毎週耳で学ぶAIを楽しく配置をしています。
キーさんと申します。 今回は私の最近のAI活用の進化についてお便りをしました。
私は普段クロードをメインに使っています。 生化物の作成やアプリ開発を主にほとんどの処理をクロード。
ちょっとした相談はチャットGPT。視覚学習や情報収集はジェミニ。 学習教材や通勤中に聞くニュースラジオの作成。
スライドの作成はジェミニノートブックと使い分けていました。 しかし最近、クロードの利用上限を超えることが増え、他のAIにも仕事を振ることが多くなってきました。
そこで困ったのがAI同士の連携です。 クロードで作ったものをチャットGPTに渡し、整理されたものをまたクロードに渡す。
そしてジェミニノートブックへ。 ふと自分は生成AI同士のコピペロボットなのかと思ってしまいました。
AI使っているとあるあるですね。続けます。 そんな時、以前矢野さんがお話しされていたAI同士をつなぐHubの話を思い出しました。
これ多分、Todoistとかスプレッドシート、あとGoogleタスク、そういった看板系のツール、タスク管理ツールをAIとAIをつなぐHub、
つまり掲示板のようなものを使うとうまくAI同士が連携できますよ、みたいな話だったと思います。
ご紹介されていたスプレッドシートの発想も参考にしながら探していたところ、Xで見かけたNotionにたどり着きました。
以前Notionをメモやタスク管理に使おうとして挫折した経験があるのですが、改めて使ってみると驚くほど自分のやりたいことにマッチしました。
Notionを共通の情報置き場にして、まずはChatGPTとCloud、それぞれのAIが必要な情報を参照する、そんなHub作りを始めています。
実はこのお便りもその実例です。ChatGPTと壁打ちをしながらNotionの情報を活用し、Cloudで文章を整えました。
AIごとに何度も説明し直す手間を減らして、AI同士がバトンをつなげるような環境を少しずつ整えています。
そこで矢野さんに質問です。AIごとに記憶や情報が分かれてしまうことは、今後ますます課題になるのではないかと感じています。
私はNotionを共通の情報基盤として使い始めましたが、矢野さんはこういった仕組みについてどのようにお考えでしょうか。
またご自身で実践されている方法やお勧めの仕組みがあればぜひ教えてください。
私はまずNotionで生成AI全般の連携基盤を作ることが目標です。 その先には以前ご紹介いただいたMUSEやGlockbotにも挑戦したいと思っています。
最後に矢野さんのおかげで勤め先ではMr.生成AIの地位を確立しつつあります。
AIハブの運用とセキュリティ
いつも有益な情報ありがとうございます。これからも配信を楽しみにしています。 はいお便りありがとうございました。
Mr.生成AI、いいですね。 リスナーの方が生成AIの推進担当みたいな感じで活躍されているのを聞くと、あのポッドキャスト運営の励みになります。
ありがとうございます。 ご質問にあったAIのハブとしてこういった仕組みどのようにお考えでしょうかという内容についてですけど
そうですねちょっと私も運用していく中で色々気づいた点なんかをアウトプットしたいと思います。
まずAIエージェントが増えていくと管理が難しくなってくるという問題があります。 こういった時に窓口となるAIエージェントを設置すると運用が楽になると感じています。
でこれはグロックボットからヒントを得ました。 あとは最新の情報以外もあの更新履歴があると助かる場面は多いと感じています。
仕事を進めていくとよくプロジェクトが変更になるシーン多いですよね。 でその時になぜ変更になったのかという点あのその時の判断の理由なんかもセットで保存して
おくと迷うことが少なくなるのでいいのかなと。 ただこの辺はどこまで履歴を残すかっていうのはケースバイケースかなと感じて
います。あまり残しすぎるのも被害化してしまう原因になってしまいます。 あとは最近だとセキュリティーとか安全性も気になりますよね。
複数のエージェントが関わるツールハブのようなツールではもし万が一があった時のことを想定しておかないといけないなと例えば操作の権限やアクセス権限をどれだけ
AIに渡すのかこういった点も注意するようにしています。 あとあのこういったAIとAI同士をつなぐハブを作っていくとやっぱり全体を把握するのが
難しくなってくる課題も見えてきます。 どのツールがAIにつながっているのかとかこのエージェントはどういった仕事を担当しているのか
とか結構混乱してきます。 こういった場合はテキストで処理の流れを残しておくとAIも理解しやすいです。
人間向けにはHTMLを使ってこのハブの全体像をビジュアル化してくださいと このように依頼をしておくと人間も視覚的に全体像を把握しやすくなります。
AIとAIをつなぐハブこの中に自分自身あの人間を入れたり 会社の人を追加していくとちょっとした組織のような形になってなんか面白いですよね
お便りいただいた方 キーさんが構築しているようなノーションをハブにAIを連携させる
こういったアプローチを取るとまたあの違ったアプローチでAIを活用できるのでぜひ リスナーの皆さんも試してみてください
AI活用の事例ありがとうございました 番組ではこのように耳で学べるAIを毎週発信しています
通勤中や家事の合間にAI情報キャッチアップできます 毎週月曜朝に更新していますぜひフォローお願いします
そして私が開発した3倍速くメモできる音声入力アプリNOKIのリンクも概要欄に添付しています
興味のある方はこちらもぜひ お相手は耳で学ぶAIの矢野てっぺいでした
また次の配信でお会いしましょう
28:17

コメント

このエピソードのトピック

すべてのトピック →

それぞれのトピックから、ほかの番組の会話も探せます。

スクロール