AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。

AIに意思決定を任せる時代、モデルに「どう質問するか」はますます重要になっています。

今回の論文は、LLMの未来予測が“質問の構造”と“文脈”に大きく左右されることを実証したもの。

ニュースを与えたら精度が下がる、略語の意味を取り違えるなど、実務のRAG設計にも直結する落とし穴が明らかになります。

参考リンク: https://arxiv.org/abs/2511.18394

AI Shift Academy（#シフアカ）

前回に続き、ボイスボット開発の裏側を深掘り！

今回は、AIと人間らしい対話を実現するための試行錯誤に焦点を当てます。

・ ストリーミング認識の落とし穴

スムーズな会話のために導入したストリーミング認識。

しかし、「どこで会話を切るか」という難問に直面。

ボットが「ずっと空気を読んでしまう」現象とは？

・ 人間らしさ vs 機械のわかりやすさ

人間のような「間」や「相槌」は本当に必要なのか？

あえて機械的に振る舞うことで、ユーザーの心理的ハードルを下げる逆説的なUX設計について議論します。

・ アバター接客の衝撃体験

ホテルでのアバター接客から見えた、プロの接客術とAIの現在地。

最新のLLMでも超えられない「文脈理解」の壁とは？

・ 割り込み機能「バージイン」の失敗談

ユーザー体験向上のために実装した「割り込み機能」が、なぜ全く使われなかったのか？

技術とユーザー心理のギャップに迫ります。

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。

今回は話題が2つあります。

①DeepSeek-R1 が「政治ワードを含む質問のときだけ安全性の低いコードを返した」というCrowdStrikeの報告を解説します。

政治的意図やバックドア説は否定されており、モデルの推論が文脈によって揺れた可能性が示されています。

AIが“文脈で変化する”とはどういうことなのか、一緒に見ていきます。

②音声AIが抱えていた“考えるほど精度が落ちる”という長年の謎に挑んだ最新研究を紹介します。

ポイントは、AIに「文字ではなく音から考える習慣」を身につけさせたこと。

これにより、これまで拾いきれなかった声の微妙なニュアンスを推論に活かせる可能性が見えてきました。

参考リンク:

① https://www.esecurityplanet.com/artificial-intelligence/crowdstrike-finds-bias-triggers-that-weaken-deepseek-r1-code-safety/

② https://arxiv.org/abs/2511.15848

AI Shift Academy（#シフアカ）

今回のシフアカは、方向性を変えて開発の「現場トーク」をお届けします！テーマは、AI Shiftのプロダクト「ボイスボット」の立ち上げ秘話。

2019年、ボイスボットの始まりは「秘書さんサポート」だった！？

「土日」が「兄貴」に聞き間違えられるなど、精度がまだ低く、運用が定まっていなかった当時の音声認識とどう戦ったのか。

・独自の「聞き間違い辞書」の作成

・「こう言ってください」と誘導するUXの工夫

など、LLM登場以前のエンジニアの泥臭い試行錯誤を語ります！

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。

AIはキャラクター演技が上達していますが、最新研究では「悪役」だけうまく演じられないことが示されています。

安全性のため“良いAI”として調整されていることで、嘘や狡猾さといった悪役らしい言動が再現しにくいのが原因です。

AIの安全性と表現力のバランスを考えるうえで示唆の多い研究です。

参考リンク: https://arxiv.org/abs/2511.04962

AI Shift Academy（#シフアカ）

#3のアフタートークとして、最新のエンドツーエンド（E2E）音声対話モデルを実際に動かして比較検証しました！

・ OpenAI vs Moshi 渋谷ランチ対決

「渋谷のおすすめランチ」をテーマに実演。話の腰を折らずに割り込めるOpenAIと、爆速だが食い気味に反応してしまうMoshi。それぞれの挙動とUXの決定的な違いとは？

・ 日本語特有の「間」と「相槌」

Moshiの超低遅延が招く「会話の被り」から見えた課題。日本人の会話における「間（ま）」の重要性と、AIが空気を読む難しさについて議論します。

・ ビジネス実装への示唆

技術的な速さと、人間が心地よいと感じる対話リズムは別物？コールセンター等での実用を見据えた、現状の技術的到達点と今後の展望を語ります。

▼おたよりは⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。

最近のAIは長い文脈を読めるようになりましたが、その「長さ」自体が安全リスクになることが分かってきました。

論文「Jailbreaking in the Haystack」をもとに、長文プロンプトの落とし穴と運用で気をつけたいポイントを紹介します。

参考リンク: https://arxiv.org/abs/2511.04707

AI Shift Academy（#シフアカ）

パイプラインからE2Eへ！最新音声対話技術の現在地

人間のように自然で低遅延な対話を実現する「E2E型音声モデル」へのパラダイムシフトを徹底解説します。

・ Half-duplex vs Full-duplex

爆速応答の「LLaMA-Omni」と、話しながら聞く同時双方向を実現する「Moshi」。それぞれのアーキテクチャと訓練手法の違いとは？

・ 技術の裏側

OpenAI Realtime APIの「擬似」Full-duplexの仕組みや、音声コーデック「Mimi」によるトークン化（Semantic/Acoustic）の構造を深掘り。

・ 課題と展望

対話データの不足やセキュリティ評価、今後のマルチモーダル化について議論します。

音声AIの最前線をキャッチアップしたい方は必聴です！

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。

ByteDanceが発表した新しい論文「Scaling Latent Reasoning via Looped Language Models」を紹介します。

AIが“考える”という行為を、これまでとはまったく違う形で再定義する研究です。

Chain-of-Thoughtのように「外で考える」モデルではなく、内部で何度も考える、Ouroについてコンパクトに紹介します

参考リンク: https://arxiv.org/abs/2510.25741

AI Shift Academy（#シフアカ）

今回のテーマは「対話システムの歴史と未来」です。音声対話の基礎となるテキスト対話の進化を、1966年の元祖ELIZAから最新のLLMまで深堀りします。

・ELIZAとSHRDLU：黎明期の対話と擬人化現象

・主導権の変遷：一方通行から混合主導型へ

・技術の進化：ルールベースから確率モデル、深層学習へ

ChatGPT以降、AIは言葉を理解できるようになりました。

では次の競争軸は何か。答えは理解の正確さから「体験の心地よさ（UX）」へのシフトです。

技術の先にある、これからの対話デザインの核心に迫ります！

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から