AI駆動開発
74 件
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。