AI駆動開発
48 件
エージェントを10万個動かす時代のインフラ——隔離・スケール・攻撃面という3つの壁
AIエージェントの運用におけるインフラの重要性と、直面する3つの壁（隔離、スケール、攻撃面）について解説しています。
AIがコードを書くほど、組織が詰まる——次のDevOpsボトルネックは「管理能力」だ
AIによるコード生成が進む中、組織の管理能力がボトルネックとなり、セキュリティや理解の不足が新たな課題として浮上している。
MetaのManus買収を潰した北京、次の買い手はTencentだった
TencentがAIスタートアップManusの過半数の株式を取得する交渉を行っている。これは、中国がMetaによる20億ドルの買収を無効にした後の動きである。
「SIerの死」は本当か？ AIが崩すのは人月商売の”壁”であって、業態そのものではない
AIの進化により、SIer（システムインテグレーター）のビジネスモデルが脅かされている。特に中規模企業向けのシステム市場での変化が顕著で、AI駆動開発の新たなプレーヤーが登場している。
AIエージェントが勝手にpushする時代のブランチ保護論：Claude Code v2.1.198が変えた「承認」の意味
Claude Code v2.1.198のリリースにより、バックグラウンドエージェントが人間の承認なしにコードのcommit、push、ドラフトPR作成を行うようになった。これに伴い、ブランチ保護の重要性が増している。
「人を増やせば進む」という前提が崩れ始めた——AIエージェント導入チームの5ヶ月が示すもの
AIエージェントを活用した開発チームの運用から、分業の価値が変わりつつあることを考察した記事です。
Qualcomm Linux 2.0が示すもの——「チップごとに別々のOS」という地獄からの脱出
QualcommがIoT機器向けのLinuxソリューション「Qualcomm Linux 2.0」を発表し、AIカメラから産業用PCまで幅広い製品に対応する共通基盤を提供します。
AIエージェントのコスト削減、「モデルを落とす」前に考えるべきこと — Critic役が教えてくれた設計の盲点
AIエージェントのコスト削減において、モデルを単純に落とすことのリスクと、入力の工夫による効率化の重要性が論じられています。
AI開発を「Loop / Sensors / Actuators」で仕分ける——個人開発7件から見えた依存度マップ
この記事では、個人開発の実例を基にAI開発を3つの分類に分け、それぞれのClaude Codeエコシステムへの依存度を分析しています。
マイクロソフトがAI導入専門会社を設立、25億ドル・6000人体制の意味を読む
マイクロソフトが新たにMicrosoft FrontierというAI導入会社を設立し、25億ドルの投資を発表しました。
「コーディングはボトルネックじゃない」——Gartnerが突きつけるAI駆動開発の不都合な真実
Gartnerのヨアキム・ヘルシュマン氏は、AI駆動型ソフトウェア開発においてコーディングがボトルネックではないとし、テストや要件定義が主な課題であると指摘しています。
「ねこ」で「一輪車」を出す技術を、なぜモノタロウはAIに守らせたのか
モノタロウは、生成AIの影響を受けつつも、独自の購買体験を守るために「購買AIエージェント」を開発しました。これにより、顧客の検索体験を向上させることを目指しています。
「AIエージェント9割が本番未到達」という数字、ちゃんと検算した？
企業に導入されたAIエージェントの約9割が本番に到達していないというデータの出所を検証する記事。
Googleが「タブデータのゼロショット基盤モデル」TabFMを公開——XGBoostの時代は終わるのか
TabFMは、タブデータの分類と回帰を簡素化するために設計された新しい基盤モデルです。従来のモデルの手動トレーニングやハイパーパラメータ調整を不要にし、ゼロショット予測を可能にします。
日産が「AIで開発力を取り戻す」と宣言。AIDVとクラウド基盤の本気度を読む
日産自動車は、次世代モビリティ「AIDV」の開発に向けたAIとクラウド基盤の重要性を強調し、AWS Summit Japan 2026でその取り組みを発表しました。
合成データとファインチューニングで「使えるビジョンAI」をどう作るか——NVIDIAが示した3つのワークフロー
NVIDIAは、合成データとファインチューニングを用いて、ビジョンAIエージェントの精度を向上させるための3つのワークフローを紹介しています。
「AI工場長」は現場を変えるか？ エージェント型工場の実力と限界を読む
AccentureとAvanadeがMicrosoftと協力して開発した製造業向けのインテリジェンスシステム「エージェント型工場」が発表されました。
AIが脆弱性を見つけすぎて手修正が限界に。OpenAIの「Daybreak」が示す、セキュリティの次のかたち
OpenAIが新たに発表したGPT-5.5-Cyberは、脆弱性の発見から修正までのプロセスを自動化し、サイバーセキュリティの強化を目指しています。
ロボットにコードを書かなくていい時代が来るのか——IntrinsicがFoxconnとともに仕掛けること
Intrinsicは、複雑なロボットコーディングをドラッグ＆ドロップの自動化で置き換える新しい産業用ロボットワークセルを発表しました。
AIエージェント3体に役割分担させたら、開発パイプラインが本当に全自動になった話
3つのAIエージェント（AGY、Claude、Codex）を連携させた全自動開発パイプラインのアーキテクチャを提案し、それぞれの役割と改善策を説明しています。
LangChainで自動化できると思った？ AIエージェントがハルシネーションループで自滅する構造的な理由
AI駆動開発における自動化の限界について、LangChainやAPIエージェントがハルシネーションループに陥る理由を解説しています。
AIエージェント8体を6ヶ月運用してわかった「記憶」の本質：組織が変わる前に、人間が変わった
AIエージェントに記憶を持たせることで、組織の運営が効率化され、エラーの再発防止や品質管理が向上した観察記録です。
AIに説明させるな、質問させろ——「理解度ゲート」という発想が現場の何を変えるか
AIの利用が進む中、エンジニアがコードの理解を深めるために、AIに説明させるのではなく質問を生成させる新しいアプローチが提案されています。
AIに「仕事の渡し方」がない問題──Plan・Work・Review・CompoundでClaude Codeを工程に組み込む
AIエージェントを開発工程に組み込むための4つのフロー（Plan、Work、Review、Compound）を解説し、実務での活用方法を提案する。
AI駆動開発は「個人の腕前」じゃなく「チームの仕組み」で決まる——AIDD成熟度モデルLevel 0〜1を読んで考えたこと
AI駆動開発の進化段階をLevel 0からLevel 3まで整理し、特にチームでのAI活用の重要性を強調しています。
Microsoft Build 2026が示した「SIerの次の10年」——Copilotはもうアプリじゃない
Microsoft Build 2026では、Copilotが企業のAIエージェントOSとして再定義され、SIer企業の経営者にとって重要な決断が求められる内容が示された。
「AIエージェントがブルウィップ効果を解消する」は本当か？通説を解体して見えた設計の本質
マルチエージェントシステムがブルウィップ効果を解消するという通説に対し、実際にはインセンティブの不整合が協調を妨げることを指摘し、設計原則を提案する。
OpenClaw×Claude Codeの分業ワークフロー｜「設計」と「実行」を分けると何が変わるか
OpenClawとClaude Codeを連携させたAI駆動の開発ワークフローを解説したガイドです。具体的なコマンドや設定例を通じて、フリーランスエンジニアやデータ分析基盤構築者に役立つ情報が提供されています。
LLMが「正しく考えた後に答えを覆す」のはなぜか——プロンプトでは解決できない6つの構造的理由
LLMが推論後に自らの答えを覆す現象は、プロンプトの工夫では解決できない構造的限界に起因している。この記事では、その原因を6つのメカニズムに整理して紹介する。
PoCは動く、本番は壊れる──9社のAIエージェント運用から見えた「評価と観測」という共通の壁
AIエージェントの開発に関する特集記事で、9社の技術選定や運用の課題と解決策が紹介されています。
AIエージェントに「自分を改善させる」仕組みを企業で動かすには、何を先に決めておくべきか
企業AIエージェントにおけるメタハーネスの設計理論を探求し、自己改善ループの構造と運用の重要性を論じる。
AIが1秒で作るノイズを、人間が数日かけて処理する構造——「ミトス問題」が教える工数崩壊のリアル
元Yahoo!エンジニアの山田健太郎が、AIスクリーニングによる工数崩壊の問題とその対策を考察しています。
日立×Astemo、自動運転AI開発基盤を2026年度末に構築へ——デジタルツインで「現実では再現困難なシナリオ」を量産する狙い
日立製作所とAstemoは、自動運転車両向けのAI開発基盤を2026年度末までに構築することを発表しました。デジタルツインとフィジカルAIを活用し、安全性と快適性を両立させることを目指します。
AIが生成したpandasコードは「動く」けど「正しい」とは限らない——3つの地雷と検証ワークフロー
AI生成のpandasコードには、実務でのパフォーマンスやデータ整合性に影響を与える静かな地雷が存在します。本記事では、その地雷を特定し、検証ワークフローを提案します。
Gemini 3.5 Flashが示す転換点——GoogleはAIを「話す道具」から「働く主体」へ変えようとしている
Googleは、最強のAIモデルGemini 3.5 Flashを発表し、AIを会話ツールからエージェントツールへとシフトさせることを目指しています。
AI生成コードを「本番品質」に仕上げる5つのレビュー基準——14日デプロイの現場から
AI生成コードを本番品質にするための5つのレビュー基準を紹介する記事です。
AIエージェントにコードを書かせるとき、あなたはどこまで「信頼」しているか
生成AIを用いたソフトウェア開発におけるセキュリティの問題点を整理し、AIエージェントの権限拡大や脆弱性について考察しています。
CI/CDの次に来るもの——「エージェントネイティブ開発」が変える開発組織の形
AIコーディングは単なるコード生成を超え、開発プロセス全体を自律的に処理するエージェントネイティブな運用へと進化しています。
Claude Code・Cursor・Codex、3ヶ月使い倒してわかった「正しい使い分け」の話
Claude Code、Codex、Cursorの3つのAIコーディングツールの使い分けについて、実務での経験を基にした具体的なガイドラインを提供しています。
AIコーディングは「プロンプト職人」を目指すと負ける。「仮想開発組織」を作る発想に切り替えよ
AIコーディングの本質は、プロンプトに依存するのではなく、仮想開発組織を構築することにあると論じています。
「ステップ2は？」——AIが変革をもたらすという約束の、巨大な空白を直視する
AIの変革の約束と実際の能力のギャップが浮き彫りになり、誇大広告の背景には中間プロセスの不透明さがあることが指摘されています。
EU AI Actが開発現場を変える：2024年版、エンジニアが今すぐ知るべき規制の実務ポイント
2024年のAI規制の最新動向を解説し、特にEUのAI Actや日本のガイドラインについて詳述しています。
AIコーディングツールを配るだけでは、何も変わらない——BPRとして設計しないと詰む理由
AIコーディングツールの導入は単なるツール選定ではなく、開発プロセスや人の役割を見直す必要があると述べています。
「コードを書く力」の希少性が下がった時代に、エンジニアは何で勝負するのか
バイブコーディングの普及により、エンジニアの価値は「コードを書く技術」から「問題を定義する技術」に移行している。これにより、ソフトウェア開発の需要が増加している。
AIが書いたコードをどこまで信用するか——4つの戦略と、今選ぶべき現実解
AIが生成するコードの品質を担保するための4つのレビュー戦略を提案し、現時点ではテスト中心レビューが最も現実的であると結論づけています。
AIの「重心」が学習から推論に移った——この構造変化がエンジニアの仕事を変える
AIの重心が学習から推論に移行しており、推論需要が急増していることが明らかになった。これにより、コスト構造やエンジニアリング指標が変化している。
「責任を固定した」で終わっていいのか——AIガバナンスに欠けている「固定後」の設計
AIガバナンスにおいて、責任固定だけでは不十分であり、責任経路設計が必要であることを論じています。
同じ質問を5回投げたら5つの別回答が返ってきた——LLMが嘘をつく「仕様」を理解する
同じ質問に対して異なる回答が得られる理由を探る実験を通じて、LLMの設計に起因する構造的な問題が明らかになりました。