はじめに 頭の中には手順や判断のポイントがあるのに、それを明文化出来ていない。 その結果、関係者間で前提が共有されないまま話が進み議論がすれ違ってしまう、ということがあると思います。 これは、暗黙知が言語化されていない状態です。 そしてこれは、 AI ≒ LLM を使う上でも同じ課題に直面します。 頭の中にある暗黙知を明文化しないと、 LLM から良い回答は得られません。 この記事で紹介するのは、そういった状態をプロンプトエンジニアリングの力を使って、解決する方法です。 結論 暗黙知の言語化には、"AI に答えさせる"のではなく、AI に質問してもらう（インタビュー型プロンプティング）のが有効です。 なぜなら、自分がまだ言語化できていない前提・判断基準・制約を、AI の質問であぶり出して メタ認知（自分の思考を一段上から見ること） を起こすことができるからです。 本題 なぜ「指示」より「質

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Claude Codeの開発者である Boris Cherny氏 (@bcherny) が公開した「2026年の開発セットアップ」が、Claude Codeを使う全人類が読むべき内容でした 彼が実践しているのは、単なるツールの使いこなしではありません。 人間自身のCPUをマルチスレッド化するという、エンジニアリングの極致です。 そこで、この記事では彼が明かした驚異のワークフローを解剖し、我々が今すぐ取り入れるべき次世代の開発思想を深掘りします。 Claude Codeでどんなことできるかは、以下の記事も参考にしてみてください！ 1. タ

Anthropicハッカソン優勝者が10ヶ月以上かけて実際のプロダクト開発で使い込んだ everything-claude-code というリポジトリが公開されていたので、内容を読み解いてみました。 この記事の要約 Anthropic x Forum Venturesハッカソン優勝者 が公開した本番環境で使えるClaude Code設定集 agents, skills, hooks, commands, rules, MCP設定 の6種類のファイルで構成 コンテキストウィンドウは 200kから70kまで縮小する可能性 があるため、MCPの有効化は10個以下に抑える TDD（テスト駆動開発）を中心 にしたワークフローで、カバレッジ80%以上を必須とする /tddや/planなどの スラッシュコマンド で素早くワークフローを呼び出せる hooksによる自動化 でフォーマット実行やconsole

はじめに 先週、「おい、辞めるな」という記事を書きました。 syu-m-5151.hatenablog.com 思った以上に反響がありました。何人かから連絡をもらいました。辞めないことにしました、考えるきっかけになりました、と。ありがたかったです。嬉しかった、と言っていいです。たぶん。 ただ、何か落ち着きませんでした。辞めないと決めた。それは分かった。で、その次は。辞めないと決めただけで、何かが変わるわけではありません。私がそうだったからです。 辞めないと決めた後も、何も変わりませんでした。評価は上がらない。漠然としたモヤモヤは消えない。夜遅くまでコードを書いた。勉強会に参加した。資格を取った。ブログを書いた。技術力を上げれば認められる。そう信じていました。 評価は上がりませんでした。 振り返ると、私は頑張り方を間違えていたのです。もっと正確に言えば、評価の構造を理解していませんでした。良

この記事は、ナウキャスト Advent Calendar 2025の21日目の記事です。 イントロダクション：エンタープライズがMCPを必要とする理由 たとえば、こんな業務フローを想像してください。 まずはJiraで「今日やるべきタスク」を洗い出す タスクに紐づく仕様や背景をNotionのドキュメントから確認する 影響範囲や次のアクションをSlackに共有する そのままJiraのチケットを更新・完了して、次へ進む 本来ならブラウザのタブを行ったり来たりしながら、検索し、コピペし、文脈を整え、最後に状態を更新する――という“人間がつなぎ役”になる作業が必要です。 ところが2025年は、この一連の流れが（まだ荒削りではあるものの）ClaudeのようなMCP対応クライアントを中心に、すでに動き始めています。Atlassian（Jira/Confluence）、Notion、Linear、Slac

どうも。すべての企業活動を、AIネイティブにしたいkozoです。 エグゼクティブサマリ(AI作成版) エグゼクティブサマリ Enterprise AIの潮流① テクノロジー：AI階層AI階層ごとに潮流が変化した2025年。基盤モデルはコモディティ化、価値創出の源泉はAI Application層と新たに生まれた『AI Orchestration層』にシフト AI階層別変化② 業務：AI 業務変革レベル多くの企業が『レベル１ AI補助運転』を実践、2026年は『レベル２ AI主体運転』に主戦場がシフト。同時に、プロセスと人材要件の変革が求められる AI業務変革レベル③ 組織構造：AIネイティブ組織経営・管理能力が高まり、監督人数(Span of Control)が増え、同時にスタッフ業務が自動化、従来の組織構造がピラミッドから、針葉樹へ大きく変化 AIネイティブ組織④ 人材要件：AIネイティ

こんにちは。ソリューション本部 エンタープライズ事業部 スポーツプラットフォーム部の永田です。普段の業務ではスポーツ領域の新規サービス開発に従事しています。 本記事では、複雑なドメインを持つ新規サービス開発のプロジェクトにおいて、「AI を活用して開発生産性を向上させる」 ために構築した仕組みと、その具体的な例を紹介します。 背景と課題 プロジェクトの特性 本プロジェクトには、以下のような特性があります。 新規サービス開発: ゼロからの立ち上げであり、設計判断が多い タイトなスケジュール: ビジネス要件上、できるだけ早く開発を進める必要がある 複雑なドメイン・コード: 特有の概念や複雑な構造が多く、全体像の把握が難しい。新規メンバーが多いチーム構成も相まって、ドメイン知識の蓄積が十分でない こうした背景から、AI をうまく活用してスピードと品質を両立して開発を効率化したいと考えていました。

S&P500神話の終わる時　～インデックス投資バブルの形成過程と、AI投資がもたらす株式市場のレジームチェンジ～ １．実体経済とは別物になった米国株式市場 1990年代の米国株の時価総額上位は、エクソンモービル（石油）、AT&T（通信）、ウォルマート（小売）、ゼネラル・エレクトリック（電気機器）、メルク（製薬）、コカコーラ（食品）、シティグループ（銀行）といった銘柄で構成されていた。 2025年現在の時価総額上位は、Nvidia、マイクロソフト、アップル、アマゾン、メタ、ブロードコム、アルファベット（Google）、テスラなどで、ネットやITサービス、半導体などのテックカンパニーに大きく偏っている。 首位のNvidiaが4.3兆ドル、2位マイクロソフトと3位アップルが3兆ドル後半の時価総額を付けているのに対して、10位のJPモルガン、11位のウォルマートが0.8兆ドル、15位のビザ、18位

重要なポイントは「対象」の違いです。 技術負債はコードそのものの問題、つまり「物」の問題です。 コードが複雑すぎる、設計が不適切、テストが不足している。 これらはリファクタリングやコード改善で解決できます。 一方、理解負債はエンジニアの理解の問題、つまり「人」の問題です。 コードは動作するし、テストも通る。 しかし、誰もそのロジックを説明できない。 なぜその実装になっているのか分からない。 これは単なるコード修正では解決できません。 理解負債は、AI生成コードに特有の新しい形態の技術的負債です。 「動くコード」だからこそ見過ごされやすく、気づいたときには手遅れになっていることが多いのです。 1.3 理解負債の具体例 - 現場で起きている3つのシーン 理解負債が実際の開発現場でどのように現れるのか、3つの典型的なシーンを見ていきましょう。 以下具体例は、分かりやすく説明するための架空のシーン

しばらく前に Gemini のソース情報として NotebookLM を指定可能になりました。 tbpgr.hatenablog.com 今回は、その新機能を利用して NotebookLM をソースとした Gemini の Gem で問題定義サポーターというツールを作りました。 Gem は公開設定にしてあり、皆さんも利用可能にしてあります。 できること 整理したい問題について Gemini のチャットで問いかけると、問題の理想と現実を整理し、要因の分析をし、課題を明確にし、それに対する解決策を検討する一連の流れをサポートしてくれます。Gemini のチャットでやりとりをしていると Gemini が話した内容を元に問題の内容を Canvas に整理してくれます。一通り整理が終わったら、 Google ドキュメントにエクスポートすることもできます。 問題定義サポーター サンプル 利用サンプルは

新規事業って、どうすれば上手くいくのかわからない。 これは、僕だけじゃなく、スタートアップの代表も、事業責任者も、多くの人が抱えている普遍的なモヤモヤではないかと思います。 僕はいま、自身2度目の起業となるAlgomaticというスタートアップで、仲間と一緒に新規事業を同時多発的に立ち上げています。 もちろん、その中には失敗もたくさんありますが、昨年度は、営業AIエージェント「アポドリ」や、採用AIエージェント「リクルタAI」や、小さな検証も含めると12個のサービスをリリースしました。 なぜこのスピードで、事業の種を作れているのか。 それは、僕が最初に起業した会社での「ある失敗と気づき」が、今の僕の行動指針になっているからです。 「新規事業のセンスないと思う」1社目の会社で新しい事業をつくろうとしていたとき、僕は「新規事業のセンスがない」と言われたことがありました。 当時、人材領域でサービ

こんにちは、とまだです。 Claude CodeなどでAI駆動開発をしていて、「実装してから『あれ、これ違う』となって数時間の手戻り...」という経験はありませんか？ 今回伝えたいことの要点は、cc-sddという仕様駆動開発ツールを使えば、AIとの認識齟齬による手戻りを大幅に削減できるということです。一言で言えば、「実装前に仕様を固めて、AIと人間の認識を合わせる」というシンプルな考え方になります。 この記事では、cc-sddを使って実装を始める前に要件・設計・実装計画を承認することで、コストが安いうちに問題を発見する方法を解説します。 cc-sdd は Gota さんが開発した国産の仕様駆動開発ツールです。 3ヶ月ほど前に Youtube 動画で解説したところ、多くの反響を頂きました。 その後、改めて個人でも実務でも使い倒し、布教し、色々と試行錯誤もしてきましたので改めて丁寧に解説してみ

エンジニアの又川です。 皆さんは LLM (大規模言語モデル) の 「特殊トークン」 をご存知でしょうか？ ChatGPT や Claude などを使っていると意識することは少ないかもしれませんが、実はモデルの内部では 「ここからユーザの発話だよ」「ここで思考を始めるよ」 といった制御情報を伝えるための特別なトークンが使われています。 この記事では、 GPT-1 や BERT、GPT-2 といった黎明期の Transformer モデルから始まり、 T5 のようなテキスト補完から脱却した Transformer モデル、 GPT-3 のような初期の LLM、 InstructGPT のような指示追従型 LLM、 GPT-3.5 Turbo のようなチャット機能付き LLM、 GPT-4 のようなマルチモーダル LLM、そして GPT-5.2 のような思考機能付き LLM (Reasonin

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 皆さん、決済していますか？（挨拶） 元々対面取引の後払い・信用払いの方法として登場したクレジットカードですが、インターネットの普及にともないウェブサービスや通販などのオンラインでも使われてきています。 今回は簡単にクレジットカードのオンラインでのセキュリティの歴史と、最近の不正利用と対策について紹介します。 昔のクレジットカード決済はザルだった 日本では2015年くらいまでは、インターネットでのクレジットカード決済は 「カード番号」 と 「有効期限」 があれば決済できていました。 Webフォームにカード番号と有効期限を打ち込め

※この記事は、2025 Speee Advent Calendar 18 日目の記事です。昨日の記事はこちら はじめに こんにちは、DX 事業本部でエンジニアをしている 22 新卒の高島です。社内ではたかてぃーと呼ばれています。 大学院では機械学習の研究をしていましたが、入社後は既存プロダクトの保守運用や新規事業のアプリケーション開発を経験しました。2024 年 11 月からは、不動産領域で AI/LLM を活用した R&D プロジェクトをリードしています。 この 1 年間、AI エージェントに関する研究開発に取り組んできましたが、決して順調ではありませんでした。特に最初の半年間は、成果が見えない苦しい時期が続きました。 本記事では、私が R&D プロジェクトで試行錯誤した経験と、そこから見えてきた「地に足をつける進め方」についてまとめます。 こんな方に向けて書いています： ゴールが曖昧な

任意のWebドキュメントをClaude Agent Skills化するツール site2skill を作りました。PAY.JPのドキュメントを例に、Claude Codeがドキュメントを参照しながら開発する流れを説明します。 GitHub - laiso/site2skillContribute to laiso/site2skill development by creating an account on GitHub.GitHublaisoLLMが知らないライブラリを使うときLLMには知識のカットオフ（学習データの期限）があります。新しいライブラリやマイナーなAPIを使おうとすると、LLMは正確な情報を持っていません。例えばClaude Opus 4.5 の知識は2025年8月のものであり、それ以降にリリースされたライブラリや、学習データに含まれていないドキュメントについては、正確な