高島ノブタカ

人や組織の可能性を現実にしていくことが好きです

[高島ノブタカ @____nobu]

@melonohji 学習データに依存しますよね！驚き屋さんは多いけど、、

[高島ノブタカ @____nobu]

@junkochan_9 めっちゃ発展してる！またお話しお聞かせください😊おめでとうございます！

[高島ノブタカ @____nobu]

お酒をやめて4年。陰と陽を分けたくなかった https://t.co/DNLtKMQP7a @YouTubeより

[高島ノブタカ @____nobu]

MTGの文字起こしをAIで綺麗にまとめたら要点はわかるけど、なんか思い出せなかったり把握するのに時間がかかったりする。
人って、フィラーとか相槌とか含めその場の全てをエネルギーとして記憶していそうで、
文字起こしそのまんま読む方が現場の雰囲気を思い出せる感じがするなあ。
誤字・脱字・誤変換、適度な改行くらいは修正してもらいたいけど！

[高島ノブタカ @____nobu]

クーラーのありがたさ、、発明した人ありがとうございます。
ポテチ開発した人もありがとうございます。

[高島ノブタカ @____nobu]

エネルギーをくれる

[高島ノブタカ @____nobu]

@Neo_faith641 ご覧いただきありがとうございます！お役に立てたなら何よりです！

[高島ノブタカ @____nobu]

おひさしぶりです！

コーヒーをやめて3年。変わったこと
https://t.co/4P6qoNOmOk

[高島ノブタカ @____nobu]

アルゴリズムは強化されるし
放っておくと自分の思考のフィルターが強化されるし
ちゃんとリアルで聴いたり
統計情報を定期的に見るの大切になる

[くにちこ＠いろいろ開発中（Kunihiko Ohnaka） @kunichiko]

同意です

最近公開した #MimicX も一行もコード書いてないし、コードレビューも最低限しかしてないです。やりたかったことが爆速で実現していく世界🌍

1日1万行とか生成されるのを「全部読まないと安心できない」という人は、生産性が「自分がコードを読んでレビューして納得する速度」に律速されてしまうので、AIの「暴力的な生産性」を教授できなくなってしまう

なので今は「大量に生成されるコードをいかに速度を落とさず品質を担保するか」が焦点で、そこに「人が書く読む」はもう解決策になり得ないというのがAIコーディングやってる人たちの共通認識かなと思います

個人的には、
・採用するアーキテクチャ、フレームワークなどの最初の筆の置き所を、人間がAIと壁打ちしながら慎重に決める
・テストコードで押さえるべきところを押さえる。もちろんテストもAIに書かせる。(これを積み上げることで製品の挙動を安定させる)
・パフォーマンスとかセキュリティとかの非機能要件も、AI自身に調べさせ、修正させる

みたいにやってます。
(ここにはやはりエンジニアとしての勘とかスキルは(今のところ)必要で、AI使えば誰でもできるとは思ってません)

ちなみに、これを適用できるのはあくまで自分が責任を持てる範囲までで、SI事業でお客さんに納品するコードについては、お客さんが「AI任せでいいよ」と言わない限りやれないという事情もわかってます。
ただ、「工期も工数も半分になりますよ」と言われたらお客さんも徐々にその流れには逆らえなくなるはず。

あと、引き合いに出すのはあれですが、先日のCopyFailの問題も、超優秀なプログラマーがレビューして「問題なし」としてマージされた3つの最適化が組み合わさるとセキュリティホールになる、というものでしたね。なので、人間が読めば万事解決するというのはやっぱりないと思っていて、

・AI爆速生成
・AI爆速広範囲チェック

という2つの暴力的な力で回していく世界に入ったのだと思ってます

[Kenn Ejima @kenn]

イーロン・マスクの名言：

1. まず前提を疑え
2. 次に不要なステップを削除しろ
3. 単純化して最適化せよ
4. 学習サイクルを加速せよ
5. 最後に自動化

自動化が簡単になった時代だからこそ
自動化の誘惑に負けない

職人気質・クラフツマンシップが輝く
というのは何という皮肉だろうか

[及川卓也 / Takuya Oikawa @takoratta]

はてなブログに投稿しました #はてなブログ
アイデンティティシフトを生きる — Google I/O 2026 二日目に思ったこと - Nothing ventured, nothing gained.
https://t.co/7wR40r7rsX

[Kenn Ejima @kenn]

Zuckは遠慮がいらない立場だから10%レイオフでも素直に「同じ$1でもエンジニアに払う$1よりGPUに払う$1の方が価値が高くなった」という冷徹な経済合理性を口に出せるけど、恐怖に怯える社員ばかりでは企業文化が死ぬという人間側面にようやく気がついたということね

https://t.co/gdoio4nL7o

[高島ノブタカ @____nobu]

人との関わりとAIがどう融合していくのか。。

AIが中心システムになると、シンプルに考えると人間関係が希薄になるような感覚も受ける。

一方で、時代は精神文明、多極化に移り変わる。
小さくても濃いつながりが多発するのかな〜。

あと「役割分担」とよくいうけれどなんとなく違和感があり、、
領域とか分けようとするけど、重なってる方が成果出るんじゃない？と思うことがよくある。
人の知恵を持ち寄った方がいい解決ができたり価値に向き合えたり。
もちろん役割分担は必要な場面は多いし否定するわけでは決してないんやけど。

最近テック界隈ではエンジニア・PdM・デザイナーの垣根が薄くなるという話があり、実際に進んできている。役割分担って、深掘りしていくときに必要なプロセスでもあると思うけど、
・開発のプロセス自体がAIによって超効率的になる
・AIによって情報を得ることや論理的思考が効率化される
（一側面でしかないけど）

となると、少人数である程度同じことに向き合うっていうことが
より価値を届けられる体制になるのかな。
すでにやっているところはやっていると思われる。

今までと変わってないっちゃ変わってないけど、
プロセスが短縮されることが大きな違い。

[高島ノブタカ @____nobu]

最近「身体性」という言葉をよく聞くけど（まだあんまり感覚掴めてない）
身体性の中には思考も入っているので
AIに思考を渡してしまったら身体性の一部が欠けてしまうように思える
ので、考えることはAI時代にも大事かな、、！

ただ人がやることのレイヤーは上がるし
論理的なことじゃなくて感覚的なことが大切になっていくのはある（＝身体性でもありそう）

感覚的なことが大切になる背景は、AIの登場の他に、
2000年単位での文明が切り替わり（いわゆるグレートリセット）もある。

全てが同時並行なのが面白い、、

[高島ノブタカ @____nobu]

自分が知っている領域ほど、
AIにどう任せるか？を考え、

知らない領域ほど、
AIに学びを手伝ってもらうのが
しっくりきている。

知らない領域をAIに任せようとしても
うまくいかなかったし
自分が成長しなかった。

なんとなく、
AIが言っているから、
で進んでいくことが
自分の成長を止めてしまい
効率を悪くしてしまうと
今のところは感じている。

[高島ノブタカ @____nobu]

@teppei_lifeis ありがとうございます！
AIで早く結果を出したくなりますが、結局ちゃんと学方が結果的にアウトカムに繋がると考えています。
それに、学んだり頭を使うことは身体に良い影響を及ぼしている感覚があります！

[高島ノブタカ @____nobu]

いま意図的に仕事量を減らしている
具体的には、仕事に使っている時間は変わってないけど、お金のための仕事を減らしている

感覚的にその方が今後の自分にとって良いという判断。
ちょっと怖さもあるけど！

各企業は、AI・ロボット時代においてこのままでいいのか、既存の延長線上でビジネスができるかどうか、頭を悩ませていると思う。

じゃあ個人はどうなの？というと、個人レベルでも同じだと感じる。

既存の延長線上で考えることに意味がなくなっていく中で

・今の仕事を今後もやり続けたいか？
・自分の能力・可能性を閉じていないか？

を問いただすいいタイミングに思う。

今ありがたいことに最近はこれまでやってこなかった仕事をいただけている（感謝..!）

・お金が発生せずプロボノ的な関わり
・物々交換でお互いの支援
・お金はいただけるけど自分にとって深めたい領域なのでいつもの2倍時間を使う案件
・最近やってなかったエンジニアリングの支援

これまでの自分だったら、お金の基準や、やりたいことでの範囲で受けたり断ったりしていたと思う。

でも、すぐにお金になるわけではないけど、お金以上の価値があると思って真剣に取り組んでいる。
お金以外にも、成長機会、信頼、実績、能力開発、いろんな価値はある。

これは個人事業だから取れる選択肢だとも思うけど、
状況に関わらず、特に時代の変革期の今、個々人のレイヤーでも考えるべきことだと思う。

ちなみに「やりたいこと」探しをよく言われるけど、
個人的には「能力を発揮する」ことに重きをおいている（これはまた今度の機会に）

--

昨今、特にテック業界では明らかに仕事の仕方が変わったし、
テック業界でなくとも、ホワイトカラー大丈夫？みたいな話がある。

AIによって成長スピードが今まで以上に求められるような風潮があり、
AIがアウトプットしてくれるに伴い、人がアウトプットする時間が絶対的に減っている。

また、AIに考えてもらった結果を人が判断する時間が増えて、
インプットの量は増えているけど、質が伴っているかというと怪しい。
判断のためのインプットが連続すると、腰を据えて取り組む時間が減ってしまう。

私の場合は結局、本も含めて体系的に学びながら実務をして、不明点をAIに質問することで、より遠くまで運んでくれる構造が成長につながる体感がある。

AIのアウトプット中心で進んでいくことも試したけど「分かった気」にはなるけど横にも縦にも広がらず、身にもつかず、全然うまくいかなかった。

学びはAI時代においても変わらず必要という判断で、
知っているからこそ使いこなせる。

・アウトプットの時間が減る
・インプットを脳に定着させる時間が減る

そうなりかねない中で、より自分の価値を高めていくためにはちゃんと時間を確保することが大切に思った。

ので、お金になる仕事を減らしてみている。

どうなることやら！

[高島ノブタカ @____nobu]

GW、なぜか毎日9時間寝てる、、
公園で毎日2、3時間遊んでいるからかしら。

[AYi @AYi_AInotes]

我终于明白为啥最近很多人都在说，GPT和Claude突然变笨了，

昨天OpenAI和Anthropic同时发布了官方提示工程指南，
看完我才发现，并不是模型变笨了，
是它们终于聪明到，不再容忍人类懒得想清楚了🤣🤣🤣

而且最有意思的是，
两个模型的进化方向，居然是完全相反的，

Claude Opus 4.7变得越来越字面，
以前它会主动帮你补全模糊的指令，
现在你说什么它就做什么，多一个字都不会猜🤣🤣

GPT-5.5变得越来越自主，
以前你要手把手教它每一步怎么做，
现在你只要告诉它你想要什么结果，它自己会选最优路径，

所以老提示失效的原因也完全相反，
用在Claude上的模糊提示，会得到越来越窄的输出，
用在GPT上的详细流程，会变成多余的噪声，

过去三年我们一直在学怎么教模型做事，
现在反过来了，
模型开始要求我们，先把自己的思考结构化，

其实就是提示工程的本质，
已经从教模型怎么做，变成了先把自己想明白，

所以真正的瓶颈可能不是模型的能力，而是写提示的那个人的思考清晰度，

我感觉以后赢的人，不会是提示写得最长最复杂的人，而是那个最知道自己真正想要什么的人🤔