category

開発と技術

同じトピックのミニクラスをまとめて読み、最新記事から文脈を補えます。

11

lessons

おすすめの入口

強い AI を検収できる流れに入れる

開発ツールが強くなるほど、タスク分割、モバイル承認、コストルール、不確実性テスト、ロールバック設計が重要になります。

モバイル承認 スマホで coding agent を承認する前に証拠を見る デスクトップ前にいない時ほど、diff、テスト、成果物、ロールバック範囲を確認します。 Coding agents 人間の確認点を先に置く AI にコードを書かせる前に、計画、小さな実行、検収仮説、結果を確認します。 デザイン引き継ぎ Figma から code へも検収境界が必要 デザインがコードになる前に、差分、状態、人の確認点を固定します。
濃い紫の作業面を真上から見た構図で、分析担当者の両手が琥珀色の拡大鏡を紙の升目にかざす。青い中空の輪、空の升、角を折った対象外カードは分離され、端の小型AI装置は待機している。
開発と技術

AI にデータの空欄を 0 として数えさせない

表計算の空欄は、まだ入力されていない、該当しない、取り込みに失敗した、のどれかかもしれず、0 と同じではない。AI に集計させる前に、各列の空欄を「0 と確認済み」「不明」「対象外」の三つに分け、割合を出すときは、どの分母を使い、欠けた値がいくつあるかを一緒に示す。

約6分で読めます ·
広い畑で、園丁がロープで囲った一つの試験区だけの苗を確認し、周囲の土地は手を付けずに残している。
開発と技術

AI に速いコードを自動で探させる前に、何をもって「より良い」とするかを書いておく

Google の AlphaEvolve のようなツールは、大量のコードの版を自動で作り、最も点数の高いものを選ぶ。見ているのは評価プログラムが測れるものだけで、測られていない条件は犠牲になりうる。任せる前に、基準、点数、破ってはいけない制約、停止条件、承認する人を書き出しておく。

約7分で読めます ·
コンテンツサイト管理者がAIクローラーを検索、エージェント、学習用アクセス規則に分けている白板
開発と技術

AI クローラーを止めるかどうかは、それが何をしに来たかで決まる

サイトの内容を取りに来る AI クローラーには、検索のために索引を作るもの、利用者のためにその場でページを読むもの、モデルの学習に使うものがある。サイトとやり取りするものがまるで違うので、「AI を止めるか」というスイッチ一つでは決めない。用途ごとに初期ルールを決め、最も守るべきページを選び出す。

約8分で読めます ·
スマートフォンが小さな作業を coding agent に任せ、横のノートパソコンとチェック記号が十分なレビュー環境を示している。
開発と技術

AI が書いたコードをスマホでマージする前に、リポジトリの規則に関所を任せる

Cursor の iPhone アプリでは、スマホから AI のコーディングエージェントを動かし、変更の差分を見て、エージェントが終わればそのままマージもできる。スマホは作業を始めたり進み具合を追ったりするのに向いているが、小さな画面と細切れの時間でマージを押すのを、その場の自制心だけに頼るべきではない。「どの変更はマージできないか」を先にリポジトリの保護規則に書いておく。

約6分で読めます ·
CRMのデータ境界を点検するチーム。透明な安全ゲートでAIアシスタントとプラグインを分離し、鍵・トークン・監視シンボルを用いて権限と連携範囲を確認している様子。
開発と技術

サードパーティのツールが侵入されたとき、CRM の損失の大きさは渡した権限で決まる

競合分析ツールの Klue が侵入され、攻撃者は顧客が Salesforce につなぐための認可トークンを奪い、CRM のデータを直接照会して持ち出した。提供元の脆弱性はこちらでは直せない。制御できるのは三つだ。どれだけの読み取り権限を渡したか、異常な照会が見えるか、問題が起きたときどれだけ早く取り消せるか。

約6分で読めます ·
チームが Docker セキュリティ警告をレイヤー別に分類し、テストとリリース承認者を決めているイラスト。
開発と技術

AI のコンテナスキャナー自身もここに線を引いている。機械的な修正は自動でよく、ベースイメージの変更は人が決める

オープンソースのツール DockSec は、複数の Docker のスキャナーを組み合わせ、AI で警告を説明し、直し方を提案する。その自動修正が行うのは Dockerfile の機械的な修正だけで、ベースイメージの版を選んだり、秘密情報を動かしたり、デプロイの設定ファイルを書き換えたりはしない。この線はチームでもそのまま使える。AI モードを使う前には、何がモデルに送られるのかも知っておく。

約6分で読めます ·
夜間の自動レポート失敗を、整理されたログの手がかりで落ち着いて調べる開発者の文字なしイラスト
開発と技術

Python のログが十分かどうかは、前回の障害の記録を再生してみればわかる

ログのよしあしは、何行書いたかではなく、ログだけで、いつ、どこで、何が起き、そのときどんなデータを扱っていたかに答えられるかで決まる。前回の障害を一度再生すれば、何が足りないかがわかる。Python に組み込みの logging でほとんどできる。Loguru に替えると主に設定の手間が省けるが、既定でエラーの記録に変数の値を書き込む点に気をつける。

約5分で読めます ·
Copilot の利用量、モデル選択、予算ガードレールを確認する開発チームの編集イラスト
開発と技術

Copilot が従量課金になったら、まず枠を使い切ったときに止めるか払うかを決める

GitHub Copilot は 2026 年 6 月から使った分だけの課金になった。コードの自動補完はこれまでどおり無料で、お金がかかるのは対話と長時間のエージェント作業だ。しかも枠を使い切っても、安いモデルに自動で切り替わらなくなった。チームは二つを前もって決めておく。枠を使い切ったら止めるか払い続けるか、どの作業にいちばん高いモードを使わせるか。

約6分で読めます ·
木の作業台を上から描いた温かな手描きイラスト。人物と小型ロボットが紙を仕分け、左の木製トレー付近には丸めた赤い紙、右の透明な仕切りの奥には生成りと青緑の紙が別々に積まれている。
開発と技術

誤ったデータの横に「これは偽」と書くだけでは、AI は本当だと思い込みうる

「これは偽」と何度も書いた文書でモデルを微調整しても、モデルはその偽の主張を事実として覚えうる、という研究がある。比較的正しく学べたのは、「彼は勝っていない」のように否定を文そのものに入れたときだけだ。誤ったデータを本当だと思わせないには、真偽の状態をシステムが読める欄に置くか、書き換えるか、取り除く。横の一言の警告に頼らない。

約6分で読めます ·