Cohere Blog

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：Today, Cohere and the University of Waterloo announced a new partnership to help students build the practical skills needed to lead AI transformation in the workplace. Through the partnership, Cohere will support the de…

この記事は、架空の上級ウェルス・マネージャーであるDaveの一日を例に、CohereのNorthプラットフォームを使用したAIの有無による効率の違いを比較しています。AIがない場合、Daveは手動でバラバラなタスクに追われていましたが、AIエージェントの導入後は、顧客情報、リサーチ統合、コンプライアンス、運用などを迅速に処理し、高付加価値業務に集中できるようになりました。実装の成功要因についても触れています。

Cohereは、North Automationsを発表しました。これは、エンタープライズ向けAIプラットフォームNorthの新機能で、シンプルさ、制御、ガバナンスを組み込み、AI ROIのギャップを埋めるために設計されています。

エンタープライズAIが実験から必須へと移行する中、AIの総所有コスト（TCO）を理解することが重要になっています。この記事では、トークン価格設定、インフラの所有とレンタルのトレードオフ、効率的な導入によるコスト削減など、AIの可視および隠れたコストを分析します。調査によると、ほとんどの組織が予想外のコスト超過に直面しており、大規模にハードウェアを所有することで大幅な節約が可能です。

Cohere Labsが開発したTiny Ayaは、70以上の言語をサポートしローカル動作が可能な軽量多言語モデルです。「Expedition Tiny Aya」研究プログラムでは、世界中の開発者が教育、多言語安全性、アクセシビリティ、言語理解の分野で重要な成果を上げました。

Cohereは、ハードウェアの制約に基づいてドラフトトークン数を動的に調整する動的投機的復号（DSD）を提案し、LLM推論を高速化します。この手法は、固定K投機的復号がバッチサイズ大で性能低下する問題を解決し、密モデルとMoEモデルで有効性を確認。vLLMの非同期スケジューリングとCUDAグラフ最適化と互換性があります。

本稿では、AIコーディングエージェントを用いてソフトウェアフォークのメンテナンスを自動化する方法を紹介し、これを制御理論における閉ループフィードバックシステムとして捉えます。CohereのvLLMフォークに適用した例では、アップストリームリリースの吸収時間を数週間から数日に短縮しました。自動リベース、測定収集、反復修正を含むアプローチで、Cohere Transcribeモデルのケーススタディも示します。

Cohereは、エンタープライズAIエージェントプラットフォームNorthとクラウドセキュリティプラットフォームWizをカスタムMCPサーバーで連携し、インシデント対応ワークフローを自動化しました。このセキュリティエージェントは、重大な発見のトリアージからIRレポートの作成、チケット生成、Wizステータス更新までの全プロセスを処理し、1件あたり30分～2時間かかっていた作業を20秒に短縮します。記事では、アーキテクチャ、3つのユースケース（トキシックコンビネーション分析、支援型インシデント対応、自律型週次ポスチャレポート）、結果、実装手順を詳述しています。

この記事は、AIシステムにおける文化的認識の重要性を論じ、多くのユーザーが言語障壁、文化的誤解、規範違反に直面しているという調査結果を強調しています。AIは文化的感受性を持って設計され、周辺化を避けるべきだと主張しています。

Cohereは、マルチテナントLLMプラットフォームにおいて、レート制限、パフォーマンス階層、Deficit Round Robin、優先度セレクターを組み合わせ、テナント間で推論リクエストを公平にスケジューリングする新しいソリューションを導入し、「ノイジーネイバー」問題を防ぎます。

Cohere はロンドンの100 New Oxford Streetに移転し、現在のオフィス面積を約3倍に拡大。これは英国のAIエコシステムへの投資を示し、欧州での sovereign AI 戦略を加速させる。新オフィスは最大100人を収容し、コラボレーションを促進する。

2023年の論文で、米国労働者の80％が大規模言語モデルにタスクをさらしていると推定され、IMFや欧州議会などで広く引用されている。しかし、これらのスコアは古いモデルと米国の職業分類に基づいており、政策に適用されると限界が増幅される。より良い証拠ツールは存在するが、政策立案者に迅速に届いていない。

CohereとMilaは、言語と文化を超えたAI評価の改善を目指す新たな学術研究協力を発表しました。最初の焦点はケベック州のフランス語文化です。この取り組みは、最先端のAIモデルがケベック・フランス語の言語的、社会的、制度的なニュアンスをより適切に反映し、標準化された言語性能を超えて、文化的により適切で信頼できるAIシステムへと進化することを目指します。

AIの採用が管理されたパイロットから企業全体に拡大するにつれて、ガバナンスフレームワークと実際の使用の間にミスマッチが生じる可能性があります。この記事では、一般的なAIガバナンスの課題と失敗モードを探り、企業が取るべきステップを概説します。具体的には、AIインベントリの構築、明確な所有権の定義、リスクベースのコントロールの適用、継続的なモニタリングなどです。

企業のAI導入は通常、実験、ツール採用、内部プラットフォーム、戦略的統合、AIネイティブ変革の5つのフェーズを経ます。多くの企業はフェーズ2と3の間で停滞し、データアクセス、信頼ギャップ、モデル陳腐化の恐れなどの課題に直面します。本記事では、パイロットから本番への移行に焦点を当て、内部プラットフォーム、統一データファブリック、可観測性、モデルオプショナリティの必要性を強調しています。

Cohere は、Apache 2.0 ライセンスのもと、218B パラメータ（アクティブは 25B）の混合専門家（MoE）モデル Command A+ をオープンソース化しました。エンタープライズ向けエージェントワークフローに最適化されており、128K の入力コンテキスト、64K の生成、テキスト・画像・ツール利用をサポート。推論、マルチモーダル理解、多言語タスクで従来の Command A シリーズを大幅に上回り、低ビット量子化と投機的復号により効率的なデプロイが可能です。Hugging Face および Model Vault で入手できます。

モデルコンテキストプロトコル（MCP）は、AIアプリケーションをエンタープライズシステムに接続するためのオープンスタンダードであり、データアクセスとアクション実行を簡素化します。本ガイドでは、MCPの仕組み、API・RAG・関数呼び出し・エージェントとの違い、一般的なユースケース、セキュリティ考慮事項について説明します。

AIはビジネスインテリジェンスにますます活用され、データへのアクセスと活用を容易にしています。本記事では、BIにおけるAIの意味、価値を生み出す領域、エンタープライズが採用前に考慮すべき点を解説します。

RWSとCohereは、Language Weaver Proを支える専用翻訳モデルを共同開発しました。このモデルはCohereのLLM基盤とRWSの言語・文化専門知識を活用し、32言語中31言語で競合を上回ります。文化的インテリジェンス、セキュリティ、コンプライアンスを備え、複雑で規制の厳しい環境に適しています。

研究プロセスでは、可視化がデータ理解を促進します。Cohere Labs は、反復作業とデータ精度を両立するツール co/plot を開発し、オープンソースとして公開しました。