Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築

AI研究開発, AI起業家, AIコンサルティング, AI/Graph, 現代思想家

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

AIエージェントが普及し出して、AI Company が誕生することによって、ありとあらゆるレイヤーにおいて変革の必要性が出てきている。

そして、これまで正確に言語化できていなかった違和感というか、変革の質を、ようやく正確に理解できた気がする。

それは、AIエージェントによって全く新しい仕組みをゼロから生み出す必要があるわけではなく、既存で確立されていたであろう大規模な仕組みを、レイヤー横断的に全てをごく少数で実行できる仕組みが必要になるということである。

少人数チームとAIは、今まで中小企業レベルの複雑な組織で実現していたようなことを、管理から実行まで全てを担う必要が出てきた。

その求められる管理システムは、個人や少数チームにとっては、極度に高度で複雑であり、求められる管理の粒度やポイントが個人視点とは全く異なるといえる。

そして、企業のオーナー、CEO、管理職から、各部門の従業員に至るまで、あらゆるレイヤーで必要とされていた役割を、全て包括的に管理・実行できるような、超スーパーシステムが必要になるということ。

そうでなければ、企業と同等の質でプロダクトやサービスの提供などはできるはずもない。

つまり、プロダクトの開発から販売の実現を単純に考えれば、これまでに存在していた、あらゆるプロセスが不要になるわけでは全くなく、寧ろそれらプロセスを全て包括的に管理し、高速に実行し、確実に生産していく必要性がある。

AIエージェントによって、10倍、100倍の生産性が実現できる世界線には、単純なエンジニアとしてのベロシティ100倍では継続的な価値を生み出すことは難しく、100倍の生産力を価値に転換する、全く新しい組織構築が求められることになる。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

これまで最もコード実装で優位性のあった GPT-5.3-Codex が deprecated になってしまった....
コミュニティでも 5.4 や 5.5 よりも、コード実装に関しては断然優れていると評価されていたが、これから上位互換が出てくるのだろうか？

今月のアップデートに期待。

[Tibo @thsottiaux]

To simplify our Codex compute fleet management, we will be sunsetting GPT-5.2 and GPT-5.3-Codex in Codex on June 2nd when logged in with your ChatGPT account.

For free plans, GPT-5.5 will be the default frontier model to build and work with going forward.

These models will remain available on our API.

[深津 貴之 / THE GUILD, note @fladdict]

なんか昨日のnoteが、複数の大きい会社さんで偉い人に回覧板されてるらしい。なんかnote記事で日本が動いたらいいなw

https://t.co/17CQKtFTLz

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

何度やっても、ChatGPT 5.5 よりOpus 4.7の方が本質的に優れた解法を出せると判明し、ようやく違いを言語化できた。

「ChatGPT は入力をシステム制約として捉え、Claude は参考情報として捉えて回答する」

AIビジネス活用では多角的な最適化が必要で、Claude に分がある。

https://t.co/IPJxwgRoal

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

去年の6月から ChatGPT Pro に契約して使い倒してきたけど、GPT Pro はもう限界かもしれない。

Fact ベースのリサーチやCodex における有用性は高いけど、深くて本質的な reasoning はもはや全く価値を感じない。どこかで意図的な degration とか入れたのかもしれないが、Opus 4.7 に遥かに劣る。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

去年の6月から ChatGPT Pro に契約して使い倒してきたけど、GPT Pro はもう限界かもしれない。

Fact ベースのリサーチやCodex における有用性は高いけど、深くて本質的な reasoning はもはや全く価値を感じない。どこかで意図的な degration とか入れたのかもしれないが、Opus 4.7 に遥かに劣る。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

リークして可視化されのは、Claude DesignレベルでAI Agent フルスタックで価値を出すには、これだけの Agent 並列稼働が必要ということ。

えげつないトークン消費は構造的には不可避。

逆説的だけど、どうAgentを使わずに実現できるかの方が設計思想としては重要かな。

[すぐる | ChatGPTガチ勢 𝕏 @SuguruKun_ai]

「Claude Design」のシステムプロンプトがリークされてて、、
全文読んでみたら「AIへのデザイン指示」としてかなり有益だった。
ㅤㅤ
9,700字超えの内部指示が丸裸で出てるんですが、
Anthropicがデザインツールにどう「デザイナーとしての振る舞い」を仕込んでるかが全部書いてある。
ㅤ
・ユーザーは「マネージャー」
・Claudeは「実行デザイナー」という役割設定
・最初に必ず10個以上質問してから作業を始める
・3つ以上のバリエーションを必ず提示する
ㅤ
単なる画像生成AIじゃなくて、
「デザインチームの新人」として振る舞う設計思想がガチで詰まってます。
ㅤ
スレッドで一番面白かった部分を解説していきます👇🧵

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

すぐストップすることで有名な Codex を 1時間連続で走らせることに成功した🎉

Anthropic はマーケティングとビジネスに強いかもしれないが、AI Agent として本質的に優れているのはやはり OpenAI の方だなと。

OpenAI のAIには、誰も気づいていないような機能とか能力とか隠れていたりして面白い！

[Vercel @vercel]

We’ve identified a security incident that involved unauthorized access to certain internal Vercel systems, impacting a limited subset of customers. Please see our security bulletin:
https://t.co/0S939n3qHC

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

MCPの Cloud Marketplace はもう少し汎用的で便利なソリューションが色々出回ると期待していたけど、公式API系とgithub 有象無象とで二極化してしまった印象。

MCPって結局サーバー依存なので、メンテ費用考えれば、無償で有益MCP公開は市場原理的に短期マーケツール以外ではありえなかったかな。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

あっという間になくなり、あっという間に追加クレジットを入れることになりました…
それだけ、デザインに関する能力は優れているとは思うのですが。

[FUJI / Presentation designer @yoshifujidesign]

https://t.co/1pqiZcVhzd

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

@AnthropicAI そもそもクレジットないとExport すらできないというのが意味不明ですし、Export するのにAgent tools 依存で失敗しても当たり前みたいな思想が理解できないんですよね。

安定して使えない機能なら、ボタンつけるなという話なので。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

Claude Design で Canva 出力試しただけで10分走って1000円くらい無駄金溶かし、全部失敗しました...

Preview なら仕方ない的な考えもありますが、意味不明なUXでEarly Adapter の気分を害するのは戦略としてどうなの？

Claude Design 使ってみた人、使用感などぜひ教えてください！

@AnthropicAI

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

AIエンジニアとして一番感じているのは、reasoning 制約で超えることが難しい複雑系に対する精度や安全性、生物に固有の特徴と言える身体性や本能から派生する様々な性質を、既存のAIは実現しえないという、本質的な違い。

日常的なAI活用の80%は完全自動化できても、本当に重要な残りが難しい。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

ここ1年のAIの進化は異次元のレベルで、まさに人類の歴史を根本的に変えうるレベルのインパクトがあったと思う。

一方、AIの進化は飽和点に到達してきているのではないか。これは消費電力とかGPUの限界という話ではなく、既存のLLM自体の制約に起因する、絶対に越えられない壁の様なもの。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

CMSとブログ関連のビジネス構造には、圧倒的な歪みがある。

自分がWordPress で個人ブログを立ち上げてから早10年。当時は、Next.js を中心としたフロントエンド開発のエコシステムなど、まだまだ未成熟というか、ほとんど存在もしないような時代だった。

10年経って、これだけフロントエンド技術に変革が起こり、成熟した現在であっても、レガシー技術を中心としたWordPressは、安くて簡単で便利なCMSとして、まだまだモダンなソリューションと言えるのかもしれない。

なぜなら、圧倒的に便利で簡単なWordPressは、例えモダンテックスタックと比べても、コストが異常に安上がりだからだ。

歪みは、React + headless CMSを採用した場合の、圧倒的な開発コストとメンテナンスコストからくる。

では、なぜSPAのようなソリューションが考慮に上がるのか？

SEOの世界は速度が命で、100msの差がサイトの優位性に直結する。さながら、短距離アスリートのような感覚。

その数100ms とSPAライクなモダンなUIを求めて必要になるのが、高コストなフロントエンド開発と、CMS関連のコンテンツ管理機能ということである。

WordPressならデフォルトで使えて、簡単にプラグインで追加できるような機能群を、React で真面目に実現しようとすると、至る所で車輪の再開発的なことをしなければならなくなる。

そして最適化を追求すればするほど、マイクロサービスが増え、インフラが複雑化し、単純なサーバー費用も運用にかかる開発コストも膨れ上がることになる。

ただ文章を書いて画像を貼り付けて投稿したいだけなのに… そんな至極単純そうに思える実は複雑なニーズを、React/Nextだと簡単には実現できない。なぜならフロントエンドとして、汎用性の高いフレームワークだから。

もちろん、もう少しCMSに特化したフレームワークを組み合わせても、WordPressほどの簡単さ、簡潔さはあまり感じられない。

だが、これは間違いなく言えることと思うが、WordPressは明らかに技術的にはレガシーであって、サイト高速化やSEOの側面では、悩みが尽きず、高速なページを維持することが簡単ではないということ。

Wordpress利用者であれば、プラグインのバージョン管理や、サイト高速化のための意味不明なデバッグに、延々と時間を費やして悩むようなことは割と日常茶飯事ではないだろうか？

だからこその alternatives としてのReact/Nextだが、切り替えのハードル、導入コスト、メンテナンスコスト、あらゆる開発側面で越えるべき山は高い。

ビジネス現場の意思決定としてYesが出ることなど、ほとんど皆無なのではないかとさえ思える。

だから、CMS構築には常にトレードオフが存在し、この両極端の二つのソリューションをどう捉えるかが鍵になる。

コスト構造が大きく変わらない限り、ビジネスでの意思決定は変わらないわけであり、AI Agent 中心の現代になっても、変わらずこの歪んだバランスが保たれるだろうことは想像に難くない。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

人間とAI Agentの本質的な構造的な違いは、記憶の持ち方だろう。言い換えれば、属人化し得ないAI Agent である。

人間には記憶があり、経験があり、直感がある。それは外部化された記憶ではなく、身体的に瞬時にアクセス可能な可変の記憶媒体である。

LLMをベースにしたAI Agent にも、モデル内部に埋め込まれたパラメータとしての内部記憶領域と、コンテキストという外部記憶がある。しかしながら、少なくとも現在の技術では、内部記憶を書き換えるには、ファインチューニング等の学習が必要であり、柔軟に利用できる可変な記憶領域とは言い難い。

この差は仕事の現場では決定的な違いを生む。

プロジェクトを深く理解した人間は、その固有の記憶領域がゆえに、回答の瞬発性に関して、構造的にAI Agent を圧倒的に凌ぐ。

当然、AI Agent もプロジェクトの知識を外部化し、それをコンテキストとして参照することは可能だが、それは人間にとってのよく整理されたメモ帳に等しい。つまり、常にメモ帳を参照しない限り、全く仕事ができないということでもある。

直感的に瞬時に回答を導き出すという点では、AI Agent のコンテキストも、メモ帳にも限界がある。常に query request が必要だからである。

したがって、AI Agent と仕事する際に重要なことは、AI Agent を固有の記憶を持ちえないような特殊な人間として扱い、属人化できないAI Agent のためにコンテキストを管理するということである。

AI Agent を中心とした組織の変革とはつまり、明日から従業員が総入れ替えしても、全く問題なく業務を継続できるような組織である。

属人化を徹底排除し、組織の標準化をベースにした全く新しい仕組みの構築をすることが、AI Agent 時代の備えと言える。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

世界中でシステム開発速度が異次元に加速していることは間違いない。

だが、それが意味することは、単なる技術やサービスの進化という良い側面だけではないのかもしれない。

自社でシステムを開発している場合、依存している技術群が超絶な速度で進化し続けることになれば、ベース技術のバージョンアップグレードの要求頻度も高くなることは疑いようがない。

ある程度は後方互換性を保っていたとしても、技術提供側のバージョンが上がり続ければ、早い段階で Deprecated にされるということもありうるだろう。

OpenAIのバージョン進化とサービスのretirement のサイクルが異様に早いというのは、皆経験してきているはず。

放っておけば、自社システムはすぐにレガシーシステムになり、下手をすると互換性問題でインフラメンテナンスに延々悩まされ続ける。あるいは、全く競争力のないシステム、サービスにあっという間に成り下がる。

AIが世界中のシステムを開発し、エコシステム全体が急速な進化を止めどなく行うとしたら、それに対するキャッチアップもAIが担うしか術がない。

エコシステムや技術依存性をモニタリングし、自動でバージョン互換性を確認し、自動でバージョンアップ用のPRを出したり、バグを自動修復したりするくらいの、AIエージェントがいてくれないと、まともにシステムメンテなどできないような未来がそろそろ来るかもしれない。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

Claude Sonnet は 4.5 になって、だいぶマシになったかなと思ったけど、今でも放っておけば技術負債を量産する傾向が強い。

言われたことを忠実にこなそうとする、シンプルな機動力は評価しているんだけど。逆に、動けばコードはなんでもいい、みたいな思想が強い。悪く言えば、やっつけ仕事。

書かれたコードの意図や背景を理解しようとしないのは、エンジニアとしては最悪の極みで、全く信用に値しないのは前と変わらない。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

Codex と Copilot は同じAI Agent でも、明らかに思想が違う。

Codex が出たときには、GitHub Copilot の年課金したことを一瞬後悔しかけたけど、それは本意ではなかった。

Codex はAIが Code 生成を代替することを、Copilot はエンジニアが一緒に開発するパートナーとなることを、目指していると思う。思想は名前に現れている。

思想の異なる2つのAI Agent は、目的や用途によって使い分けると、エンジニアリングの体験としてはかなり良く、ほとんどあらゆるパターンをカバーできる。

全てを自律的にやってくれるCodex は丸投げしたいタスクを完了させるには最強であり、意思決定の頻繁な介入を前提とするタスクには Copilot の実行承認を人間に委譲する設計は最適。

いずれはAI Agent に信頼して任せることのできるタスクの抽象度や難易度が上がっていてき、Codex の目指す世界観に近づいていくとは思う。

だが、それはまだもう少し先の話。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

プロダクト開発の未来を考えるには、システム開発の大きな4ステップの概念フローを見るとわかりやすい。

1. Why
プロダクトオーナーは実現したい未来、なぜ作るかを知っている。

2. What
プロダクトオーナーは、どんなものを作りたいか知っている。

3. What
エンジニアは、現時点の技術で実現可能なものが、何か知っている。

4: How
エンジニアは、どうやってそれを実現できるか知っている。

そして、3と4は、AIエージェントによって置き換えられるので、残るのは1と2。

つまり、エンジニアという役割の仕事はほとんどなくなり、ほとんどが、プロダクトオーナーの仕事に集約される。

この時に重要なのは、Whyであり、Whatでしかない。

プロダクト開発で10年後まで生き残るには、なぜ作るか、そして「何を作るか」にかかっている。

人に残された仕事は、WhyとWhatを考え抜き、洗練させること。さして、余った時間にもっと人生を楽しむこと。

[Kei Shimizu | DeepAI CEO - AI研究開発・AI組織構築 @keiagi]

AI時代の開発ボトルネックは、設計とインフラに寄っていく気がする。

設計はシステム開発でもっとも重要で、何を作りたいかはAIには決められない。

インフラはシステムを動かすには当然必要だし、AIとか関係なく、物理的に構築するには、待ち時間が結構かかる。運用コストも発生するので人間の意思決定も必要。

どんなにアプリを高速で開発できたとしても、デプロイして安定運用できないと意味がない。

機能やサービスが増えれば増えるほど、システムは複雑になり、必要なインフラも複雑になる。

アーキテクチャ設計やインフラ運用の負担がどんどん増えて、そっちがボトルネックになっていかざるを得ない。