
何が起きたか
エンジニアがClaudeとサスケWorksでOKR等級コンパスを作り、promptfooで検証。精度は16/18から18/18に上昇し、不安定なグループは1から0に減少した。
なぜ重要か
等級判定の精度と一貫性が向上し、系統的なベンチマークが見過ごされがちなAIの誤りを明らかにして修正できることを示した。
こういう要約が、毎朝あなたのメールに届きます。
このプロジェクトは、目標設定と評価を社員にとって公正に感じられるものにしつつ、会社の成長も支えるにはどうすべきかという共通の問題意識から始まった。エンジニアは評価側に焦点を当て、主観的な判断を、明示的な基準に基づくAI支援のチェックに置き換えることを目指した。
ツールの中核は、目標が扱う問題の大きさと、関わる人の範囲の2軸で目標を評価する尺度だ。2軸のうち低い方が目標の等級を決める。この尺度は、目標を効果的に区別できなかった以前の8軸版から改良されたものだ。
重要な発見はベンチマークから得られた。AIは他者への相談に関する表現を含む目標を一貫して誤判定し、意図より多くの人が関わるものと読み取っていた。これはAIの欠陥ではなく、等級定義の曖昧な表現に起因していた。境界を明確にした後、ツールの精度は18/18に達し、繰り返し実行しても結果は安定した。エンジニアは、この尺度自体が暫定的なモデルであり、会社に公式承認された基準ではないと注記している。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
VisaはAI買い物の一貫性・信頼性・信頼を評価する枠組み「Agentic Commerce Benchmark」を開始し、6つの能力拠点をシンガポールに設置した

Next-Gen AI for Energy SummitでAnthropicのBoaz Nur氏はAIが判断前の不快な作業を担い判断は人間が担うと述べた

SalesforceはCrestaの買収に合意し、音声エージェント、リアルタイムのエージェント支援、会話インテリジェンスをカスタマーサービス事業に加える

三井住友フィナンシャルグループは2026年5月、生成AI活用に今後3年間で1000億円を投じると発表した

日本の企業向けエージェント型AI市場は2025年に1億4960万ドル、2026〜2036年は年平均成長率46.9%で拡大し、2036年末までに21億8590万ドルを超える見通し

Teresheeは全正社員に生成AIパスポート取得を義務付け、社内情報をNotionに集約しNotion AIで検索・分析可能にした
