AI新聞

Claude Codeを安全かつ効率的に運用するには、AIの行動原則を明確に定めたCLAUDE.mdの活用が重要である。特に「Think Before Coding（実装前に考える）」「Simplicity First（最小限で実装）」「Surgical Changes（必要な箇所だけ変更）」「Goal-Driven Execution（検証可能なゴールを設定）」の4原則を具体的かつ簡潔に記述することで、AIが意図しないリファクタや過剰な抽象化、巨大diffの発生などを防ぎ、業務コードの安全性とレビュー容易性を高められる。CLAUDE.mdはAIの行動制御を担い、pluginやskillsとは異なる役割を持つ。

- 日本語入力時にローマ字のままAIに投げることで、AIが自動的に日本語に変換してくれる方法が便利だと話題になっている。
- タイピング速度が上がり、変換ミスも減るというメリットがあり、実際に試した人からも「この発想はなかった」「目から鱗」といった好意的な意見が多い。
- 特に文字起こしやメモ用途など、素早く入力したい場面で有効との声が紹介されている。

AI技術の導入によって、従来は人手に頼っていた品質管理のプロセスが大きく変化した。AIは膨大なデータを解析し、異常検知や品質の維持を自動化することで、効率化と精度向上を実現している。今後もAIの活用が進むことで、品質保証の在り方がさらに進化していくと考えられる。

Ray-Ban Metaは、超広角1,200万画素カメラとAIアシスタント「Meta AI」を搭載したスマートグラスで、音声操作による写真・動画撮影や通話、音楽再生が可能です。日本語対応のMeta AIにより、視界に映るものの翻訳や情報取得、画像認識による献立提案など多彩なAI機能を自然な会話感覚で利用できます。バッテリー持続時間やオーディオ性能も大幅に向上し、デザインやレンズバリエーションも豊富で、日常生活をより便利にするウェアラブルデバイスとして進化しています。

AIコーディングツールClaude CodeとCodexを2ヶ月間同じプロジェクトで比較した結果、日常的なコード修正や機能追加では、settings.jsonやSkillsをしっかり育てたClaude Codeが既存コードベースに一貫したコードを高速に生成できる。一方、Codexは大規模な変更やGitHub統合による自動レビュー・修正提案で優位性があり、クラウド並列処理で大量ファイルの処理が速い。プロジェクト初期や大規模リファクタリングにはCodex、運用フェーズや日常開発にはClaude Codeが適しており、コストも作業効率向上ですぐ回収できると感じた。

漫画の連載企画において、新人原作者が作画担当者がチャッピーと画像生成AIを使って主人公の容姿デザインを作成していたことを知り、先月企画を降板した。この出来事がSNSなどで話題となり、AI活用と創作現場の関係性について議論が広がっている。

Claude Codeを活用して、AWS/Azure/GCP/OCI/Datadogのマルチクラウドコスト集計を自動化。CLI経由で各クラウドのコストを並列取得し、検算や異常検知、Notionへの週次レポート生成まで一気通貫で実行できる仕組みを構築した。これにより作業時間が1時間から10分に短縮され、空いた時間でコスト変動の深掘りや原因特定も迅速化。skillの改善を重ねることで運用精度も向上し、今後はコスト最適化の自動提案も視野に入れている。

AIによるコード生成が普及し、開発速度は向上したが、生成量の増加に伴い検査・保守コストが爆発的に増大する問題が生じている。従来の「生成後にすべて検査する」方法では限界があり、検証済みのコンポーネントを再利用し、必要最小限の部分だけAIに生成させる「AI組み立てモデル」への転換が重要とされる。これにより検査負担やバグのリスクを抑え、規制産業でも説明責任を果たしやすくなるため、「必要な部分だけ生成する」発想への転換が求められている。

Anthropicが発表した「Claude Opus 4.8」は、従来モデルよりも判断力と“誠実性”が大幅に向上し、間違った結論を自信満々に出すリスクや不正利用の発生率が大きく低減された高性能AIモデル。多くのベンチマークで前世代や競合を上回る成績を示し、価格は据え置きながら「Fast」モードでは従来の3分の1の価格で2.5倍の速度を実現する。さらに「Claude Code」には大規模な並列処理が可能な「動的ワークフロー」や、タスクに応じて応答品質や速度を調整できる「努力レベル」コントロールなど新機能も追加されている。

- microGPTは、Andrej Karpathy氏が公開した約200行のシンプルなGPT実装で、外部ライブラリを使わずにTransformer（GPT）の訓練と推論が可能。
- 約32,000件の英語の人名データを使って学習し、人名らしい新しい名前を生成する。
- コードはデータ準備、トークナイザ、自動微分エンジン、パラメータ初期化、モデル定義（Attention＋MLP）、訓練・推論の6セクションに分かれ、Transformerの仕組みを学びながら動かせるのが特徴。
- Pythonさえあれば簡単に動作し、コードを1行ずつ読み解くことでGPTの基礎構造を理解できる。

コードレビューAIであるOpus 4.7とGPT-5.5を720ケースで比較した結果、両者の平均点はほぼ同じだが、レビューの特性に明確な違いが現れた。Opus 4.7は「半年後に読めるか」という観点で読み手の負担を重視し、辛口で可読性や保守性を厳しく評価する一方、GPT-5.5はプロンプトの制約を厳格に守る姿勢が強く、仕様遵守や安全性を重視する傾向が見られた。実運用では、読み手の負担を減らしたい場合はOpus 4.7、仕様や制約の厳守を重視したい場合はGPT-5.5を使い分けるのが有効と結論付けている。

- 組み込みの Dynamic Workflow「/deep-research」コマンドを試す
- /config コマンドで Dynamic workflows オプションが有効か確認
- /deep-research コマンドに調査トピックを入力して実行
- 実行時に許可が求められ、処理ステップやトークン消費量の注意事項が説明される
- 「View raw script」で Dynamic Workflow の JavaScript コードを確認できる
- deep-research のワークフローは以下の5フェーズで構成される
- Scope: 質問を5つの検索観点に分解
- Search: 5つの観点ごとにWeb検索エージェントを並列実行
- Fetch: URL重複排除し上位15ソースを取得、検証可能な主張を抽出
- Verify: 各主張に対し3票のアドバーサリアル検証（2/3否定で却下）
- Synthesize: セマンティック重複を統合し、信頼度順に並べて出典を明記
- Dynamic Workflow は多くのリソースを消費するため、利用には注意が必要

仕様書やスペック文書を人間が読みやすいHTMLレポートに変換するClaude Codeスキル「spec-to-readable-html」を開発。単なるMarkdown→HTML変換ではなく、要約・再構成・図表生成・用語集・バッジ・ツリービュー・トレーサビリティ表示など多彩な機能で、長くて読まれにくい仕様書を視覚的にわかりやすく整理できるのが特徴。テンプレートHTMLとコンポーネントガイドにより、デザイン品質も安定しており、AIによる要約のリスク対策として推測箇所の明示やソース対応付けも実装されている。コマンド一発で変換でき、エンジニアのドキュメント活用を強力に支援するツール。

AIによって実装が高速化しても、要件定義が曖昧だと開発は進まない。要件定義は「概念整理（思想・判断基準）」と「仕様生成（具体的な仕様）」に分けて進めるべきで、前者は理想像や責務・方針を丁寧に定義し、後者は実装に必要な仕様を現実的に落とし込む。仕様書は「ビジネス要件」「ユーザーストーリー」「受入条件」「状態・分岐」「データ要件」「代替運用」の6セクションで構成し、「やらないこと」や全状態を明記してスコープクリープや抜け漏れを防ぐ。思想と仕様を分けて要件定義することで、開発の生産性と柔軟性が高まる。

SnowflakeのAgent Sharingは、Marketplace上でCortex Agentを他ユーザーと簡単に共有できる新機能です。これにより、従来は面倒だったCortex Agentの作成ステップを省略し、共有されたAgentをすぐにSnowflake Intelligenceから呼び出してVibe Analyticsなどの自然言語データ分析が可能になります。特に組織内のInternal Marketplaceでのデータチームと各チーム間の連携や、問い合わせ対応の自動化に大きな利便性をもたらします。さらに、truestar社が公開したPODB NAVIGATOR Agentは、ユーザーの状況に応じてPODB内の有用なデータを推薦してくれる相談役として活用でき、今後のデータ基盤構築の強力なサポートとなります。

Obsidianでプロジェクトごとの自分専用ルールやフィードバックをMarkdownで管理し、Claude Codeのskills機能を使ってAIに自動読み込み・更新させる仕組みを構築した。チーム共有のCLAUDE.mdではなく、個人専用・プロジェクト横断・柔軟な更新ができる点が特徴。ファイル構成は「共通ルール（Global.md）」と「プロジェクト固有ルール（Rules.md）」を分離し、最小限のファイル数で運用の手間を減らしている。これにより、同じ指摘の再発防止やルール管理の効率化を実現している。

Slack上で動く社内AIエージェントの新機能開発において、「Claude Codeが実装したが実際は動かない」問題を解決するため、E2Eテストケース1行を渡すだけで計画〜実装〜デプロイ〜検証まで自動化するスラッシュコマンド「/e2e-dev」を開発。ベースライン確認やE2E検証、API側修正サブフローなど12ステップの自走フローを設計し、最終的な目視確認を加えることで「実装＝動作保証」となる仕組みを実現した。テストケースの具体性やAPI側変更の自動化、ベースライン確認の重要性など、AI開発におけるE2Eテスト駆動の有効性と運用知見を得た。