AI新聞

AIの急速な進化はアルファ碁の時点で見えていた。AIは自分同士で学び、人間を超え、囲碁の戦術を一気に広げた。問題は、人が自分の価値を「点数を最大化する勝負」で測るときに起きる。

タン氏はAGI（人間のあらゆる仕事をこなすAI）を、集団の知恵を拡張する仕組みと捉える。AIを「親友」や代替物にせず、馬に乗るように使いこなすべきだ。進む方向と意味は人間が決めると強調している。

Xで「4枚のラーメン画像のうち1枚だけが実写、残りはChatGPT・Gemini・Grokで生成」という出題が話題に。参加者は海苔の湿り方、スープの縁の汚れ、背景の文字の崩れ、具材の配置の不自然さなどを根拠に推理したが、意見は割れ、店名「ひらこ屋」のロゴ検証まで行う人も出た。

結局、多くの人が決め手を欠き、正解者はいても自信は薄い様子。この記事は、AI画像と実写の判別がますます難しくなっている現状と、「審美眼」だけでは見破れない場面が増えていることを示している。

ローカル環境中心の開発は限界があり、筆者はタスクの8割をクラウドエージェントへ移し、退勤後も自動でテストと修正が回る開発に切り替えた。鍵は自分専用VM上で自律的に長時間走るクラウドエージェントで、依存のインストールからビルド・検証・PR作成までを隔離環境で完結できる。PC負荷や環境差分の問題が消え、証跡付きPRやUI操作の録画でローカルに落とさず安心してマージできる一方、データ流出リスクには注意が要る。

今後はStacked PRで大量PRをさばき、アプリ内フィードバックから自動で修正〜PRまでつなぐ仕組みが主流になる。UIの微調整や計画立案のみローカルに残すのが現実解だと述べている。

SNSで「AIを24時間回す」がもてはやされるが、実際はインプレッション稼ぎの動機が強く、回している事実自体が価値のように見せられていることが問題だと指摘する。高性能モデルは課金が膨らみ、安価モデルは手戻りで人件費が膨らむため、常時稼働はコスト面でも合理的でない。

筆者は、良い設計は必要時だけ起動し最小コストで狙いを当てることだと述べる。理想は親モデルが判断し子モデルを都度呼ぶ動的な制御であり、常時稼働は設計の敗北だという。さらに、プロダクトの本質は「作る」より「使われる」ことで、リリース後の人間の判断が要る工程は自動化できないと結ぶ。

Claude Codeでの開発を、ループエンジニアリングの原則に当てて改善し、得た学びと実装例をまとめた記事。

• Automationsを中心に、人手の起動を減らし「仕事の自律発見」を強化。Issueツリーを自動生成し、検証可能性×確信度で自動採用か人手確認を分岐。
• 実装と評価を分離し、評価観点と評価基準を別に設計。自己申告ではなく客観的な合格条件でゲートを置く。
• 会話ログに頼らず、Issue/PRの台帳で状態管理。requires human reviewなどの異常ステータスで即エスカレーション。
• 人間確認に濃淡をつける。可逆性×影響範囲で棚卸しし、戻せて影響小は事後サマリ、戻せず影響大のみ同期承認。
• レビューはサブエージェントで多観点を収集（第1層）し、別の層で基準に従い判定（第2層）。観点はファイル追加で拡張可能。
• 学びを落とし込んだハーネスキットを試作。常時ループとダッシュボードで進捗可視化。監視不足でAutomationsはB評価。

TypeSpecをREST APIに導入し、スキーマ駆動開発を実践した事例。TypeSpecでRESTをスキーマ駆動に切り替え、並行開発を加速したポイントを整理している。

• 選定理由: TypeScript似の書きやすさと強い型表現（Union/Discriminated Union/エラー型）、OpenAPI変換、AI生成・レビューのしやすさ。
• 比較結果: Fern/Smithy/OpenAPI直書きより記述が短く、学習・環境構築が軽め。細部のOpenAPI制御や情報量はOpenAPI直書きに劣る。
• 開発フロー: まずスキーマを人が厳しめにレビュー→OrvalでモックAPIとSWRクライアント生成→バックエンド並行実装→CIでスキーマ差分検知→実APIに差し替え。
• 効果: フロントとバックの同時開発で生産性向上。判別共用体で必須項目を型で絞れる。エラーも型で網羅し漏れを防止。エージェントがスキーマを参照しやすく、トークン消費も抑えられた。
• 注意点: JSONに判別用プロパティ（例: scope）が必要。ファイル構造の標準化が今後の課題。エコシステムは成長途上。

TypeScriptで関数として書いたエージェントを数秒でデプロイし、実機Linuxの小さな仮想マシン上で動かせるサービス。シェルやファイル操作、git/ffmpeg/ヘッドレスブラウザなど好きなツールを入れ、モデル鍵を実行環境に置かない安全設計で自動タスクを回せる。

セッションはストリーミング対応で途中介入でき、アイドル時は休止、再開もその場から。スケジュール実行や継続稼働も簡単で、独自ループを組みたい場合は同じ計算環境をサンドボックスとして直に使える。

課金はシンプルで、モデルAPIは原価パススルー、マシン時間は秒課金。月額の前払いクレジットは10倍換算で、使い切っても従量に継続できる。

ホテルの客室にアメニティを届ける自律走行ロボの体験談をまとめた記事。ロボは客室前で物理的にノックし、人間用エレベーターのボタンを自力で押して往復する。

館内を自律走行し、ドア前で通知から受け渡しまでを無人で完結できるのが特徴。既存の扉やエレベーターをそのまま使える設計が強みで、設備改修が最小限で済む。ホテルの省人化と24時間対応を現実的に進める実例として、読者の驚きと期待が集まっている。

PayPayのQAチームが開発した「AI搭載セルフヒーリング」は、フロント変更で壊れたUIロケータを自動で直し、壊れたロケータをLLMが自動修復し、テストを止めない仕組み。テスト失敗時にDOMやスクリーンショット、現在のロケータ、スタックトレース、要素説明などをLLMへ送り、IDやクラス名など信頼性の高いロケータをJSONで返す。信頼度スコアで誤検知を抑え、保守コストと失敗率を下げ、回帰の停滞を防ぎカバレッジを拡大する。さらに、ロケータを空のまま実行して自動生成する「逆アプローチ」や、結果を見やすくするIDEプラグインで、テスト作成も大幅に高速化。

アップルは新型Macで「毎月のAI利用料を節約できる」と訴えるが、本当に得かは使い方次第だ。プライバシーと待ち時間の短さは確かに強いが、価格は高く、メモリやモデル品質にも限界がある。

月200ドル前後を常に払うほど重い推論を日常的に回すなら元が取れるが、軽い利用ならクラウドのほうが安い。電力代や機材の値下がり、オープンモデルの性能進化も含め、損益分岐は個々のワークロードで変わる、というのが筆者の結論だ。