AI新聞

Claude Academyの講座で紹介された「4つのD」で、AIに仕事を任せるコツを整理した記事。

• 4つのDはAIに仕事を任せるときの基本動作（任せ方・頼み方・見方・責任の持ち方）
• Delegation: 何をAIに渡し何を自分で決めるかを先に切り分ける（設計は人、実装はAIなど）。
• Description: 依頼はProduct/Process/Behaviorで書く。「プランで止まって」など停止条件を明記。
• Discernment: 出力と推論過程を疑って見る。差分とテストの中身を必ず確認。
• Diligence: 最終責任は人。社外秘を貼らない、AI関与を明示し、人のレビューを省かない。
• Description-Discernmentの往復を重ねて精度を上げる。1発で当てにいかない。
• Claude CodeではPlan mode、CLAUDE.md、/init、差分レビューなどで4Dを実装する。

AIが論理展開や正解探索を高速にこなす時代では、抽象的なロジカルシンキングの訓練だけでは価値になりにくい。落合陽一は、エンジニアは現場で動く実装やプロトタイプ、ユーザーに刺さる体験など「仕事で使える本物」を作る力で勝負すべきだと述べる。

要は、頭で答えを探す勝負はAIに負ける。素材やデバイスに触れて作り切る手つき、制約の中での設計判断、責任ある意思決定と成果物で差がつくという主張だ。

AIがコードを書く時代になり、開発者に残る価値は何かが問われている。著者は、知識の暗記ではなく、設計の意図や根拠を説明できること、つまりAI時代にこそ問われるのは、理由と基準を説明できる判断力だと述べる。

その考えのもと、AWS認定デベロッパー対策本であっても、疎結合や同期・非同期、失敗を前提にした設計などの基礎を重視し、単なるサービス機能紹介にとどめず実務の設計判断まで踏み込む構成にしたと説明している。

ローカルLLMでどこまでコードが書けるかを概観し、実運用の勘所をまとめた記事。

• 2023は「対話できてえらい」、2024は「日本語でまともに長文」、2025はGemma3/Qwen3で「一発で動くコード」、2026は「ローカルが必要かも」に到達。
• 理由はモデルの入れ替わりや性能変動、トークン制限などで、クラウド前提だと不安定だからローカルが現実解。
• ハードは高価な単体GPUより、CPU・GPU・NPU一体のSoCも選択肢。予算とメモリ容量で決める。
• 実行エンジンはllama.cppやvLLM/SGlang、Macはmlx系、軽量ならDwarfStarなど用途で選ぶ。
• 複数人で使うなら簡易サーバー化が有効。自作エンジンを持つと運用変更に強い。
• 大きめのローカルモデルなら、最新クラウドモデルの代替がある程度できる。

Atlasは、1枚の画像から世界を動画と3Dに拡張し、最大1分・1440pで指示どおりのカメラワークを再現できる世界モデル。人手評価のカメラ制御でGemini Omni Flashに81％、MiniMax H3に75％で優勢と報告されている。

画像の視点変更や複数画像からの景観再現、通常の画像生成に対応。さらに単一画像から3D空間を出力でき、ガウシアンスプラッティング（点を広げて立体を再構成する手法）でデータ化する。

現在は限定公開で、数週間内にアーリーアクセス予定。参加はウェイトリスト登録が必要。

Googleの新ツール「Google Pics」は、Workspace内で使える画像生成・編集サービス。生成から細かな編集までを1つで完結できるのが特徴で、Googleドキュメントやスライドとも連携する。

自社モデル「Nano Banana」を搭載し、文章指示で画像を作成。人物や物体を選んで位置・大きさ・色を直せ、画像内テキストの編集や翻訳もできる。AI Pro/Ultraや多くのWorkspace法人で順次提供し、CanvaやAdobe Expressに対抗する。

Metaの新モデル「Muse Voice Transcribe」は、リアルタイムに多言語・多人数の会話を高精度で文字起こしできる音声認識AI。ストリーミング文字起こし、20人超の話者分離、発話終了検出を備え、コードスイッチング（会話中の言語切替）も自然に処理する。

評価サイトで1位を獲得し、最終文字起こしの誤り率は約3.1％。料金は約0.18ドル/時と安価で、1時間超の長時間音声や大人数会議でも後処理なしで使える。

Meta Model API、Meta AI for Mac、Muse Codeで提供開始。

Claude Codeをナレッジグラフで拡張し、コード理解を速く正確にする手順と運用のコツを解説した記事。

• 使用ツールの役割: code-review-graph（依存グラフ生成・レビュー文脈供給）、better-code-review-graph（意味検索・影響範囲・レビュー）、Graphify（コード/設計書/画像の横断グラフ）、Serena（言語サーバーで定義元や実装を行番号つき特定）
• ナレッジグラフで推測をやめさせることで、レビュー用コンテキストが最大14万→約70トークンで安定
• 日本語の曖昧な質問でも意味検索で関数に到達し、変更の波及もグラフで自動列挙
• CLAUDE.mdに「質問の形」で振り分けるルーティング表を書くと、ツール名を指定せず最適なツールが自動選択
• セキュリティスキャンは検出力が弱め。SemgrepやSnykの併用を推奨
• 導入はpip/uvで4ツールを入れ、.mcp.json登録→Graphifyでグラフ生成。変更後は各ツールの再ビルドでグラフを最新に保つ