GitHub の広域障害が3サービスで同時に首位、移行先の議論が一斉に噴出

投稿者は「ここ数か月 GitHub が落ち続けている」ことを理由に移行の是非を問うている。挙がった候補は Forgejo とそのホスティング先である Codeberg、GitLab、Gitee、tangled.sh、軽量な CI である DSCI など。

Forgejo を私設 VPS で運用しているという回答では、AI クローラー対策以外はほとんど手がかからないと報告されている。一方で、既に大規模な GitHub organization を運用しているなら機能面で最も近いのは GitLab で、オープンソースの Community Edition をセルフホストできる点が利点だという指摘もある。自前でインフラを維持する手間を払えば頭痛の種は減る、という運用側の声も出ている。

DuckDB の次期メジャーバージョンで入る変更をまとめた公式のプレビュー。拡張機能の作者向けに、新しい拡張可能な PEG ベースのパーサのドキュメント整備を求める声が出ている。

コメントでは、ここ1年の機能追加がインプロセスの実行エンジンからクラウドデータウェアハウスの基盤へ軸足を移しているように見える、という観測が繰り返されている。メモリを超えるサイズのデータを低スペック機で処理できる点と可搬性を評価する報告が多い一方、PL/pgSQL のような手続き型機能が欲しい、ブラウザで動かすため WASM 版のランタイムサイズが気になる、という要望も並ぶ。

著者は「レビューして編集する気がないほどの文章なら、こちらも読む気はない」という個人の方針を AI;DR と名付けて提示している。TL;DR が SNS 時代への対処だったのに対し、AI スロップへの対処として並べる構図。

コメントでは、AI に長文を書かせるくらいなら元のプロンプトや使った出典をそのまま公開すべきだ、という意見が出ている。一方で、コピーライターや編集者が手を入れた文章を何世代も読んできたのだから、後工程を AI がやったという理由だけで読まないのは筋が通らない、という反論もある。TL;DR はもっと敵意のない別物だとして擁護する声も並んだ。

Roboflow が物体検出やカウントを含む独自の視覚ベンチマークで GPT 5.6 Sol を評価した記事。錠剤の検出と計数など、従来なら OpenCV で解くような課題も含まれている。

コメントではベンチマーク画像そのものへの指摘が複数ある。3番目の例はモデル側が正解で期待値の方が1つ誤っている、次の例は bounding box が90度回転しており EXIF の向き情報の処理漏れではないか、といった内容。

実利用の評価は割れている。ガラス越しのポスターに映った微かな反射を認識できた、入れ子になった画面内のモーダルを文脈ごと正しく捉えた、という報告がある一方、依然として細部への注意がなく、画像の拡張を指示しても同じ失敗を繰り返す、という声もある。

規制は規制の囚われであり権力の集中を招く、というシリコンバレー的な図式は単純化しすぎだとして、自社の政策提案の考え方を説明した投稿。フロンティアの AI 企業を減速させ小規模な競合には有利に働く提案を意図的に設計している、一定の収益や学習コストを下回る企業は適用外にする、といった記述が引用されている。

コメントは懐疑的なものが多い。営利企業の CEO の発言として割り引くべきだという指摘、長文の割に「実際の世界観」が示されていないという批判、IPO を控えて世論を煽っているという見方が並ぶ。AI が権力を集中させるのはスケーリング則の帰結だという本人の主張に対し、では3年経って AI がもたらした大きな成果物はどこにあるのか、と問い返す声もある。

利用者が求めていない AI 機能が各製品に組み込まれ続けている状況に対し、製品ごとの無効化手順を列挙したページ。

コメントでは、Google 検索の AI 概要を消す方法や、Apple CarPlay が Siri の有効化を前提にしている件など、個別の困りごとが持ち寄られている。AI 機能を切ったときのフォールバックが実装されておらず、機能ごと使えなくなる例が今後増えるだろう、という予測も出ている。

運用面の要望として、変更履歴を追い修正を投げられるよう GitHub リポジトリで管理してほしい、という提案が挙がっている。

現在地の日の出・日の入りに合わせて昼夜を塗り分ける24時間時計。

コメントでは、位置を手動で選ばせてほしい、12時ではなく南中時刻を文字盤の真上に置きたい、という要望が挙がっている。同じ発想のものを自作したという報告が複数あり、24時間を12進数で表し1分を72秒とした時計や、p5.js で作った自分用の版が共有された。

さらに、地図上の任意の地点をクリックして自分の場所との差を見たい、カレンダー表示で任意の時刻の盤面を見たい、という案も出ている。Apple Watch で文字盤を自作できないことへの不満も並んだ。

GitHub Desktop の UI 経由でしか git を使ってこなかった筆者が、履歴書に Git と書くことに引け目を感じ、CLI で学び直そうとしている記事。

まず Git と GitHub は別物だという確認から入り、UI とコマンドラインの両方を理解したいという動機を述べる。記事の主眼は解説ではなく、他にどのコマンドを覚えるべきかをコミュニティに問うことに置かれている。

新しいことを学ぶのは難しい場合もあるという前置きの上で、これから始める人と既に使っている人の両方にとっての復習になれば、という意図が示されている。

「どうすれば優れたプログラマになれるか」に対して、プロジェクトをもっと作れ、問題を数百解け、AI で学習は一変したといった助言が溢れている状況を出発点に、近道はないと結論づける記事。

年単位で伸び続ける開発者に共通するのは、学習を日々の習慣に組み込んでいることだとする。第1の習慣として挙げられるのが、チュートリアルの外へ出て基礎を学ぶこと。チュートリアルは最初のアプリを作り、新しいフレームワークを理解する出発点としては良いが、学習戦略そのものにしてはいけない、という位置づけになっている。

DEV の週末チャレンジ Dog Days Edition への投稿作品。性格、特徴、生活様式から犬種を探索できる対話的なサイトを作った、という記事。

出発点にあるのは、多くの人は写真の可愛さで犬を選ぶが、何時間もの運動が必要な犬、集合住宅で静かに過ごせる犬、遊び好きで騒がしい犬、独立心の強い犬と、犬種ごとに性格が大きく異なるという観察。犬種はデータではなく性格だ、という言い方をしている。

データベースを眺めるのではなく、それぞれの相手に会っていくような体験にすることを狙っており、Vercel 上でデモが公開されている。

lint も通り浅いテストも通ったコードが本番でエッジケースを踏み、QA がなぜ捕まえられなかったのかと問われる——という場面から始まる記事。QA が受け取っていたのはシステムのモデルではなく、逆算を求められる前提だらけの実装だった、という指摘。

筆者は、AI 支援開発の代表的な失敗はもはや個別の関数や明白な構文の誤りではなく、コンポーネントの間、つまり境界、状態遷移、失敗モード、不変条件にあると位置づける。出荷しているのはコードではなく、もう自分では見えなくなった前提だ、と表現する。

対策として持ち出されるのは新しい手法ではなく、以前からあるモデリングの規律。きれいなコードであることと、系として整合していることは別だ、という主張が軸になっている。

link-in-bio 型のプラットフォーム Rizzzler をオープンソースとして作った筆者の振り返り。SNS のプロフィールに置く小さな個人ページを、もっと簡単で速く、自由に変えられて少し楽しいものにしたかった、という動機で始まっている。

実際にはプロフィール、カスタマイズ、コイン、通知、実績、コミュニティチャットなど、静的なリンクページ以上のものにするための機能を積み上げた。作り終えて「あとは見つけてもらうだけ」と考えたが、そこは簡単な部分だったという。Product Hunt や SaaSFrame に登録すると、数日は実際に反応があった。

そこから引き出された結論が表題で、プロダクトを気に入られることと、必要とされることは別だ、という話になっている。

デモでは、モデルが関数を書き、開発者がそれを読んで理解してマージする。締切に追われた現場では、モデルが関数を書き、開発者はざっと目を通し、もっともらしいのでマージする。同じツールで結果が正反対になるが、その差は diff には現れない、という導入。

筆者は前者を cognitive assistance（AI が奪うのはタイピングであって思考ではない）、後者を cognitive offloading（AI が思考を奪い、開発者には accept を押す作業だけが残る）と呼び分ける。両者はプルリクエスト上では見分けがつかず、何かが壊れて誰かが説明を求められたときに初めて分岐する。

具体例として、外部キーを2本持つテーブルを追加するマイグレーションを AI に生成させ、ローカルで動きテストも通ったので出荷したが、書いた本人を含め誰もそのスキーマについて考えていなかったケースが挙げられている。

業務用厨房で働いていた頃、倉庫係が箱を運ぶ途中でスプリンクラーヘッドを引っかけ、油混じりの水が営業中の厨房に降り注いだ、という場面から始まるエッセイ。

その場での指示は営業続行だった。スプリンクラーの技術者が到着して復旧するまで4時間、終わってから靴を乾かした。全体会議も、水についての振り返りも開かれなかった。

筆者は厨房から技術業界に移ったあともこの日のことを繰り返し思い出すという。目撃した中で最も奇妙な出来事だったからではなく、その場の反応が本能的に正しかったからで、業界が変わっても根底の問いは驚くほど変わらない、という前回の記事の主張につながっている。

DEV の週末チャレンジへの投稿作品。筆者のフレンチブルドッグ Banx は 35 ポンドで、犬種標準の上限 28 ポンドを7ポンド上回る。純血種で気道の手術は受けていない。

犬は主にパンティングで体を冷やすが、短頭種はその効率が低く、しかも個体差が大きい。そのため同じ午後、同じ日差し・同じ路面・同じ湿度でも、ある犬にとっては散歩でも、この犬にとっては別のものになる。外見からはそれが分からない、というのが出発点。

アプリは場所を入力すると気温と湿度を取得して heat index を計算し、短頭種と長い口吻の犬について1日の熱負荷の推移を並べて表示する。散歩に出すかどうかを考えるための材料にすることを狙っている。

Supabase は PostgreSQL、認証、リアルタイム購読、ストレージ、Edge Functions、TypeScript 対応を提供する。公式の JavaScript クライアントでも Vue から使えるが、クライアントを生成してアプリ全体に配る手間が残る——という導入から、それを Vue 向けに整えた @supabase-community/vue-supabase パッケージを紹介する記事。

useSupabaseClient() でクライアントを取得でき、Supabase の API はそのまま使える。記事はインストールと設定、データベースへの問い合わせ、TypeScript の使い方、認証の扱い、Realtime、そして composable としての構成の順に進む。

backboard.io の共同創業者による投稿。世界有数のコーディングハーネス R-CLI を数か月で作り、Terminal-Bench 2.1 で最前線の性能を出したうえで、それを丸ごとオープンソースにしたという話から始まる。

公開の理由は価値がなかったからではなく、作ってみて価値の所在が別の場所へ移りつつあると確信したから、と述べる。最前線のエージェント性能に手が届くまでの時間が想定よりはるかに短くなり、小さなチームが桁違いの資本と人員と計算資源を持つ組織の製品と競合できるようになっている、という観察が根拠。

そこから、小さなチームが数か月で最前線のコーディングエージェントを作れるなら、エージェントそのものは技術的な堀としてどれだけ持つのか、という問いを立てる。筆者の答えは「たいして持たない」で、それでもコーディングエージェントを軸に巨大な企業は生まれる、流通と製品は難しいままだ、と続けている。

戦争、災害、公共の緊急事態といった実世界の危機を捏造した動画を対象に、検出の可否を測るベンチマーク RA-Bench を提案した論文。実動画を基準点として、10種の社会的リスク区分にわたる 1,830 本の実動画と、オープン4種・クローズド5種の生成器による 16,056 本の生成クリップ、計 17,886 本で構成される。

評価軸は3つ。従来型の検出器7種、3つの審査設定でのゼロショットのマルチモーダルモデル10種、AI 生成動画検出向けにファインチューニングした MLLM 2種を比較したところ、どの系統も一貫しては汎化しなかった。

さらに、人間が騙される動画は現行の検出器にとっても難しく、SNS 上での拡散を経ると検出はより困難になることが示された。生成品質や条件付け情報によって検出しやすさは変わるが、生成元ごとの検出傾向はサンプリングシードによらず安定するという。

視覚のオンポリシー蒸留は、より大きい教師や、参照解答・注目領域といった特権的な情報による教師と生徒の非対称性に依存してきた。本論文はその非対称性の作り方を反転させ、教師に情報を足すのではなく生徒から情報を引く。元画像を条件とする教師の分布を、同じ画像に強い拡張をかけた view を条件とする生徒へ蒸留する S^2VOPD を提案する。

拡張の設計空間を網羅的に調べた結果、4系統すべての拡張で性能が上がる一方、対称な自己蒸留は性能を下げること、強度は中程度で最良になること、問いに関係する証拠を消し去る拡張は大きいが無意味な差を生むことが分かったという。

6つの細粒度知覚ベンチマークで Qwen3.5-4B を 70.7% から 77.4% に改善し、比較した公開モデル（235B の Qwen3-VL まで）と GPT-5.4 を上回った。学習データを揃えた条件で、特権情報を使う手法の改善幅の96%を回収したとしている。

長期にわたる実験を通じてモデルやシステムを改善するエージェントの現状を測るには最終スコアだけでは足りない、という問題意識から、7つのフロンティアモデルを36の長期タスクで評価した論文。解の枠組み、実行、フィードバック制御という3側面をルールベースの指標で捉え、タスク内・タスク間での経験の再利用も統制した比較で調べる。

結果として現行のエージェントは、完全に自律した研究者というよりエンジニアリングの最適化器として振る舞う。実用的な解を立てて実装できる一方、実行ごとの性能の振れが大きく、最良の解も既存手法の適応や組み合わせが中心で、方法論としての新規性はまれだという。

詳細分析では、同じ最終結果の裏に異なる工程のボトルネックがあること、経験の再利用が後の判断を助けることも誤らせることもあること、ハーネスの設計が性能の安定性に影響することが指摘され、学習・推論時戦略・経験管理・ハーネス設計それぞれへの改善方向が示されている。

知識ベクトルを蓄える全体共有の Memory（FFN）と、合成的な推論を反復的に行う複数の Reasoner（Self-Attn）から成る Mobius-v0 アーキテクチャの提案。隠れ状態をキャッシュ兼キャリアとして、Reasoner が必要な知識ベクトルを Memory に繰り返し問い合わせ、知識が推論側へ戻される。

この知識と推論の分離により、知識圧縮と推論効率が改善したと報告する。ゼロから学習した 7B モデルは、7B の Transformer ベースラインと同等の下流スコアを、ベースラインの 62.6% の学習データで達成した。

Qwen3.5-35B から継続事前学習した Intern-S2-Mobius は、同等の下流スコアを保ちながら end-to-end の推論で約4倍の高速化を実現したとしている。

アポロ計画が難しい方程式を解けたから月に到達したのではなく、遠大な目標を明示的な目的・シミュレーション・検証・反復修正という構成に落としたから成功した、という比喩から始まる論文。現行モデルは問題と道具と成功条件が与えられれば解けるが、現実の重要な課題はそもそも実行可能・検証可能な形では現れない、という問題設定。

提案する Apodex Discovery は、基盤モデル・ハーネス・道具・制御方針からなる heavy-duty solver を軸にした枠組み。16 セクター 561 業種を調査して 423 件の実課題を集め、初回リリースに 20 件を選定した。環境・タスク・エピソードという共通の抽象が、データ、道具、制約、フィードバック、軌跡の記録、中間成果物と最終提出の検証を提供する。

AAV カプシド設計では、生存性・指向性・構造予測・生成設計にわたって公表済みの最高水準を7%上回った。薬剤の再利用と再製剤化では、専用の生物医学環境が GPT-5.5 と GPT-5.6-sol の平均正規化予測スコアをそれぞれ 2.5 ポイント、7.6 ポイント押し上げたという。

長文脈の推論モデルから短文脈の生徒モデルへオンポリシー蒸留する際の実務的な課題——トークナイザの不一致、教師と生徒の分布のずれ、応答長の爆発、学習の不安定——に取り組んだ論文。長文脈モデル SU-01 から証明推論の能力を移す設定で検証している。

トークナイザの違いは共有テキスト空間で蒸留し、生徒と教師の双方で同一のテキスト区間を占めるトークンだけを対応づけることで扱う。生成長の暴走と打ち切りの多発に対しては、生徒の参照 KL 損失を導入し、終端トークンのアドバンテージをマスクして初期方針からの逸脱を抑える。

Qwen3、Qwen3.5、Intern-S2、GLM-4.7、Gemma-4 という同系・異系の生徒で数学推論、特に自然言語での数学証明が一貫して改善した。Intern-S2-Preview は ProofBench で 21.2 ポイント改善して 55.2 に達し、Gemini-2.5-Pro を上回った。HLE や HiPhO といった科学系ベンチマークにも波及している。

現行の大規模言語モデル開発は、しばしば許諾のない巨大なデータセットに依存しており、オープンソースと倫理的なデータ調達を重視する研究者にとって参入障壁が高い、という問題意識の論文。

提案する Mimir v1 は Hierarchical Reasoning Model（HRM）アーキテクチャに基づく10億パラメータのモデルで、ゼロから学習し、事後学習には許諾済みのデータのみを用いる。161 のデータセットを混合して学習した。

英語、数学とコード、デンマーク語の20のベンチマークで評価し、元の HRM-Text 1B を上回り、Qwen 3.5 4B や Gemma 4 E2B といったより大きなモデルと競合する結果を出した。デンマーク語では新たな最高水準としている。モデルは Hugging Face Hub で公開されている。

個別の質問に答えるシステムから、利用者の体験を理解し記憶し学び続ける常駐型の個人アシスタントへ、という流れを背景にした論文。既存のベンチマークは、体験が多様でマルチモーダルかつ変化し極めて個人的である実際のモバイル環境には合っていない、という指摘が出発点。

MobileMem は1年規模で集めたモバイル体験を土台にした、端末上の長期記憶のためのベンチマークと枠組み。知識に基づく合成パイプラインで、ユーザーとアプリのセッションから時間的に整合した長期の軌跡を構築する。

テキストのみとマルチモーダルの2設定があり、マルチホップ推論、時間推論、知識更新、暗黙の嗜好推定を扱う。孤立した事実ではなく体験をモデル化することで、記憶を情報検索から継続的な個人学習へ広げることを狙うとしている。

ヒューマノイドの動作追跡は遠隔操作や全身模倣の中核だが、評価が動画を見た人間の判断と食い違うことが多い、という問題意識。運動学的な誤差はフレームごとの姿勢差を平均するため、支持の不安定さや足の滑り、接地のタイミングのずれといった物理的な破綻を捉えられない。既存のテストスイートも小規模で、接地が多く長時間に及ぶ振る舞いを試すだけの多様性がない。

HumanTracker のベンチマークは、複数のプロの演者による約153時間の光学式モーション軌跡を、4つの動作系統とテキストラベルで整理したもの。細かい診断ができるようになっている。

加えて、24,000 の動作を含む 12,000 の動作ペアで学習した選好整合の指標 HumanScore を提案する。代表的な最新の追跡手法を横断した評価で、人間の選好をより良く予測し、運動学的指標が見落とす接地と安定性の破綻を明らかにしたとしている。

画像編集モデルの実運用が広がる一方、既存のベンチマークは単一画像の単純なタスクに閉じており、複数画像の編集、要求の高い推論を伴う指示、実際の配備環境での性能を測れておらず、モデル間の差も付けられない、という問題設定。

CPI-Bench は3つの部分集合から成る。多様な編集タスクを網羅し複数画像編集の評価を初めて含む CPI-General-Bench、実際の利用頻度が高い場面に絞った CPI-Practical-Bench、推論を要する編集に特化した CPI-Intelligent-Bench。

主要な画像編集モデルの評価では、モデル間の性能差がより明確に分かれた。順位の分析では Arena Image Edit Leaderboard との一致度が最も高く、人間の評価者の選好と知覚判断をよく捉えた代理指標になっているとしている。

地図にピンを打ち、そこにあるライブカメラをその場で再生できる個人開発のサービス。

コメントでは、知らなかったライブカメラが多いという反応と、どうやって位置情報と紐付けたのかという技術面の疑問が並ぶ。歌舞伎町のカメラ密度への驚きがある一方、名古屋は4か所しか登録がない、大番寿司前や大ガードのカメラが無く座標がずれているものもある、といった指摘も出ている。

類似のものとして、各地の森の環境音を聞ける forestnotes が挙げられた。オホーツクのとっかりセンターでアザラシが見えた、といった具体的な報告もある。

OAuth の代表的な攻撃手法と、その対抗策を最新のベストプラクティスに沿って整理した Zenn の本。

172 ユーザーのブックマークに対してコメントは2件のみで、内容に踏み込んだ言及はない。順番に試していく、という反応が付いている程度で、あとで読む用途の登録が中心となっている。

味の素がレシピサイトの公式 X に14日投稿した画像で、生成 AI による加工のため「ほんだし」のラベルや文字の一部が乱れていた。同社は16日に謝罪し、再発防止に努めるとしている。

コメントで多いのは謝罪の是非をめぐる議論。誰も謝罪を求めていないのに謝罪させたと表現するのはおかしい、必要のない場面で謝罪を強いる風土は自分にも跳ね返る、という指摘がある一方、確認不足で想定外の品質のものを出したなら謝るのは普通だ、という反論もある。

技術面では、iPhone のデジタルズームで元の解像度が足りず文字が補完されて崩れる現象ではないか、という推測が挙がっている。ロゴや商品の扱いを大切にしてきた社内に対してこそ詫びるべきだ、という意見も出た。

ウェブサイトが不正アクセスを受け、2026年8月10日17時4分から11日11時24分の間に問い合わせフォームから送信された内容が、第三者に傍受・取得された可能性があると8月14日に公表された。

コメント欄はほぼ全てが施設名にかけた言葉遊びで、技術的な言及はない。見出しが「漏洩」ではなく「漏れた」になっている点への指摘が繰り返されており、公式発表側がその表現を使っていたなら敬意を表したのに、という反応もある。

ChatGPT と Codex で利用枠の扱いが異なる点を整理し、issue の調査、実装計画、PR のレビューなどコードを直接変更しない工程を ChatGPT の GitHub プラグインに寄せることで、Codex 側に実装を残すという記事。

コメントは3件と少ない。会話をそのまま渡せることを知らず、引き継ぎ用の文書を貼り付けたりファイルを渡したりしていた、という反応が付いている。

Chaomoon が8月13日に MMORPG『Soul's Remnant』の早期アクセス配信を開始し、Steam で「非常に好評」を得るなど好調な滑り出しを見せているという記事。

コメントでは、絵柄が Terraria に近い、メイプルストーリーの雰囲気がある、といった見た目への反応が並ぶ。求めていたものだ、という好意的な声が多い。

運営面への心配も目立ち、個人制作の MMORPG を基本無料でどう回していくのか、サーバー費用は大丈夫なのか、という声が出ている。Remnant という語自体を知らなかった、という反応もあった。

ハイエンドのスマートフォンから 3.5mm オーディオジャックが消えていく中、実質的に唯一と言えるほど搭載を続けている Xperia 1 系について、開発陣が基板設計と音質のこだわりを説明したインタビュー記事。

コメントは賛否が割れている。USB-C が1つしかない端末をオーディオデバイスで塞ぐのもハブを噛ませるのも、ゲーマーを含む利用者の体験を損なう、既にあるものを削るのは劣化でしかない、という支持の声。

一方で、USB 接続のほうが音質は良くレイテンシも人間が知覚できない水準でオフセット調整もできる、という反論や、オーディオメーカー側が Type-C 端子の有線イヤホンを出している、という指摘もある。iPhone にも復活してほしい、という声も並んだ。

JTC にいる50代の窓際サラリーマンを主題にした AI マンガのうち、動かない社員の代わりに AI エージェントを使う回、特にシニアが AI を使いこなす場面への反応をまとめた Togetter。

コメントでは、お伺いと調整とのらりくらりという JTC の描写の的確さが評価されている。作中の言葉選びが行間を読ませる形になっており、社内資料で鍛えられた強者の雰囲気がある、もはや文学だ、という反応も並ぶ。

AI で出し抜くという筋立てについては、スカッと系の読み物に近いという見方も出ている。

防衛省が自衛隊の部隊の指揮統制に米国製 AI を導入する検討に入ったという報道。戦況分析、標的の選定、部隊への命令まで指揮官の判断を支援して意思決定を速める狙いで、特定の国や企業への過度な依存を避けるため国産も含めて活用する方針とされる。

候補として名前が挙がっているのは Palantir の Maven Smart System で、衛星や偵察機から集めた膨大な機密データを統合・分析し作戦立案まで担えるとされる。コメントでは、この会社が候補である点への忌避感が最も強く表れている。

AI は中立でも公正でもない、情報を抜かれるだけでなく肯定ばかり返して判断できなくなるのではないか、といった懸念のほか、実戦経験を積めない以上、純国産の作戦指揮 AI の開発は難しいという見方も出ている。

NEC のマーケティング施策立案ソリューション BestMove を使い、実販売データなどから生成した「AI ペルソナ」を仮想の顧客として壁打ちすることで、新商品開発を進めたという味の素冷凍食品の事例記事。

コメントの多くは、同じ日に本社の AI 画像加工が炎上していたこととの対比に集まっている。本社が生成 AI で商品ラベルを崩して謝罪する一方、グループ企業は AI 活用の成功事例として取り上げられている、という構図。

掲載のタイミングが狙ったものではないか、という反応や、100年以上の歴史がある会社として何をしているのか、という声も並んでいる。