米本 竜馬 | Prefab CTO

採用強化中DMください！/ CTO at Prefab ← エンジニア at LayerX ← 東京大学システム創成 / LLMが図面を理解するための"目"を作ることで、エージェントが建設業におけるすべての知的業務を行える世界を実現します

[米本 竜馬 | Prefab CTO @shromesh_app]

なぜ私たちが建設×積算の領域に魅力を感じているのかを書きました。エンジニア募集中です！！
https://t.co/i5sUW9hXwH

[米本 竜馬 | Prefab CTO @shromesh_app]

創業初期からutlabにはお世話になっております！これからも精進します

[平岡紅葉 | UT-LABコミュニティマネージャー @utlab_manager]

📢 UT-LABメンバーが立ち上げた「株式会社Prefab」のインタビュー記事を公開しました！🚀
UT-LABの初期メンバーで、現在は東大発スタートアップとして建設業界の「積算」をAIで変えることに挑戦している、Prefabの@shromesh_app さんと@n_teramachi さんにインタビューしました！🔥
事業立ち上げまでの試行錯誤や、「顧��に会う」ことを徹底してきた背景、UT-LABでの活動や出会いについてもお話しいただいています🙌
ぜひご覧ください👇
https://t.co/NDmQToX2Tc
#UTLAB #Prefab #東大発スタートアップ #建設DX

[AI駆動塾 @L_go_mrk]

ClaudeCodeの無駄なトークン消費を「怠惰なシニアエンジニア」が80％抑えてくれる「Ponytail」が話題。

・生成コード量80〜94%減
・コスト47〜77%減
・タスク速度は3〜6倍に

コードが書かれる前に「これ標準ライブラリで足りない?」「本当に書く意味ある？」というのも確認してくれる親切シゴデキ設計。

https://t.co/W5fwm4rcbY

[Torishima / INTP @izutorishima]

japanese-tech-writing スキルを作った人による「認知リズムを生むための日本語ライティング規範」、顧客が本当に求めていたものなのでは・・・？
特に GPT 系は認知的にリズムがない文章を出しがちで疲れるのでこれを読ませたらかなりマシになるだろうか
https://t.co/sGULUxruIB

[寺町 典隆 | Prefab CEO @n_teramachi]

なんと弊社のサービスが注目製品ランキング1位になっているので、7/1〜7/3の展示会に是非お越しください！

[ふひと｜日常×構造×AI @pfc27254872693]

@fladdict 経営者が外注してるのって、実は「コード」じゃなくて「責任」なんでしょうね。

[Ren Uechi 🌍🛰 @ren_uechi]

https://t.co/Es3p98uGwQ

[大野峻典 @ono_shunsuke]

「長期では不要/コモディティでは？」という問よくありますが

持たざる者が大きくなるには、階段を一段ずつ上るしかない。時代���先っちょにある、長くない賞味期限かもしれない過渡期なニーズにこたえながら、わらしべ長者的に、アセット転換して積み上げていくのも、普通にひとつの競争戦略ですよね

[久保田 雅也@Coalis @kubotamas]

SaaSのヘッドレス化
- AIエージェントは人間の代わりにソフトウェアを操作するため、「使いやすいUI」や「慣れ（muscle memory）」の価値が低下する
- Salesforceがheadless化（API化）を進めているのは、SaaSの価値は画面ではなく、データ・権限管理・業務ロジック・ワークフロー定義などの「裏側」へ移るから
- 重要なのは企業内に埋め込まれた暗黙知やオペレーション文脈。AIはそこを理解しないと安全に業務実行できない
- 今後の勝者は、「単なるDB」ではなく、「エージェントが安全に働ける業務OS」を持つ企業に
- 一方、既存SaaSの「UIロックイン」は弱まり、AI-nativeな新世代ソフトウェアへの置き換え圧力が高まる

UIは moatではなくなるが、企業固有の業務ルールや文脈はむしろ重要性が増す

https://t.co/UkdnJbCW51

[チャエン | デジライズ CEO《重要AIニュースを毎日最速で発信⚡️》 @masahirochaen]

【速報】時代はAIモデルからFDEへ。OpenAIが企業AI導入会社を新設

初期投資40億ドル超、Tomoro買収合意でFDE約150名を獲得。

Anthropicも先にBlackstone/GoldmanらとAI実装会社を作っており、流れが完全に変わりました。

・モデル性能より現場実装
・企業データ/権限/業務へ接続
・FDEが中に入り再設計
・AIコンサル/SIが主戦場化

AIモデルを売る時代から、業務に埋め込む時代へ。

今年IPOを目指す2社にとって��利益を出すために妥当な選択かと思います。

これは日本のAIコンサル会社もチャンスありますね。

時代はFDE。皆さんもAIコンサルを目指しましょう。

[田中 洸輝 🏈 More than a VC @TANANY_VC]

FDEで製造業工場に約6ヶ月常駐して紙の完全廃止とAI化に取り組むスタートアップ「Harmony AI」が今週ローンチ

━━ プロダクト ━━
・Palantirの「Forward-Deployed Engineering」モデルを製造業に適用
・顧客工場に約6ヶ月常駐
・工場のシフトをともに働く
・ERP、MES、QMS、SOPs、PLCs、センサー、カメラを全て統合
・ペンと紙をタブレットに変���し、データの基盤を構築
・OEE(設備総合効率)をデータから計算
・あるクライアントの工場には40年分のデータがPDFとして1台のサーバーに保存されていた

━━ 創業者George Munguia ━━
「誰もやりたがらない本当に難しいことをやる、ファミリー経営の工場を守り、アメリカの製造業を強化する、それが我々を燃え立たせる使命だ」

[今井晶也｜セレブリックス @M_imai_CEREBRIX]

忙しいマネージャー、読もう

[いしたー @sonicair]

これ全く同じことをいま考えてます

コード内にコンポーネント(関数やクラスなど)が N 個存在するとき、それらの相互の関係は何もしないと O(N^2) で増えていきます

設計やテストによって依存関係の数やデバッグ時の探索空間の増大を抑えなければ、「手に負えないコードの塊」が量産されることになる

[やねうら王 @yaneuraou]

AIに巨大なプログラムを書かせているとき、本質的なのは「AIが1秒あたり何行書けるか」ではない。実際に効いてくるのは、コード量が増えるにつれて、開発オーバーヘッドがどうスケールするかである。

AIが素で単位時間あたり一定量aのコードを書けるとしても、実開発ではコンパイ���、テスト、デバッグ、調査、影響範囲の確認といったオーバーヘッドが必ず乗る。問題は、そのオーバーヘッドがその時点tでのコード全体量C(t)に対してどう増えるかだ。

単純化すると、以下の二つのケースがある。

1. オーバーヘッドが C にほぼ比例するケース
2. オーバーヘッドが log C 程度に抑えられるケース

コンパイル時間は、フルビルドだと1.に近い。
原因の切り分けが二分探索的に進められる種類のデバッグでは、2.に近い。

1.と2.のケースにおいてC(t)が時間tに対してどのように増加するか計算してみたのが添付図だ。

結論としては、
1.は、C(t)は√tに比例するので、コードを10倍にしようと思うと100倍の時間が必要。
2.は、C(t)はtに対してかなり直線に近い増え方をする。
である。

言うまでもなく1.と2.とは雲泥の差である。ソフ���ウェア工学のかなりの部分は、1.の世界をいかに2.に近づけるかという試みだったとも言える。

コードを書くときの認知的・構造的オーバーヘッドも、放っておけば前者に寄りやすい。しかし、モジュール分割、関数分割、クラス分割、依存の局所化、テスト単位の分離をきちんと行えば、そのコストを後者に近づけられる。そうなるようにプログラミング言語やモジュール機構、テスト手法、設計原則は発展してきたわけであり、マイクロサービスやクリーンアーキテクチャも、その文脈で理解できる。

AI時代になると、この問題はむしろ先鋭化する。AIはコードそのものを書く速度が高いぶん、設計や検証のオーバーヘッドの悪さが、以前よりはっきり露呈するからだ。

設計が悪く、影響範囲が広く、テスト単位が粗く、どこが壊れたのかを絞れない構造になっていると、1.に近づく。すると、せっかくの生成速度がオーバーヘッドに食われる。

だから、今後AIで巨大なプログラムを開発するエンジニアに強く求められるのは、単にプロンプトがうまいことではない。

システムを分割し、影響範囲を閉じ込め、検証単位を細かく設計して、開発全体のスケーリング則そのものを改善する能力だと思う。

[ガガロット @gagarot200]

今もClaude MAXに月3万
払い続けてるなら今すぐやめろ。

マクドナルドのAIが
全て答えてくれる。

ビックマックやポテトに関係がない
質問でも全て音速で返答してくれる。

Opus4.7で動いてるから
精度も化け物レベルw

[広木 大地/ エンジニアリング組織論への招待 @hiroki_daichi]

見積もりを「正確に当てること」だと思って���るチームは、だいたいスケジュールを守れません。

不確実性の高いプロジェクトで「正確な見積もり」を求めることは、霧の中で遠くを指さして「あそこに着く」と宣言するようなものです。問題は精度ではなく、どこに不確実性��あるかを可視化して、そこから優先的に対処できるかどうかです。

不安量を定量化するシンプルな方法があって、タスクごとに「平均で終わる時間」と「最悪かかる時間」の差を計算するだけです。その差が大きいタスクがリスクの塊です。そこを潰すか、小さく分割するか、場合によっては削除するかを先に決める。バッファは後から足すのではなく、構造として設計するものです。

https://t.co/Gx228HERNr

[akiroom @akiroom]

Inside the codeというYouTubeチャンネルに一日密着取材していただきました！（嬉し恥ずかし）
本邦初公開の私の自宅の映像も出てくるという振り切った動画です！絶対見てくれよな！！

[FastAPI @FastAPI]

FastAPI 0.136.0 officially supports:

✨ free-threaded Python 🐍 ✨

(this announcement has no GIL puns)

Thanks @OxyKodit, @patrick91, Nathan Goldbaum, @NucleonJohn 🙌

https://t.co/LfpZnNf9MT

[米本 竜馬 | Prefab CTO @shromesh_app]

これの人事版ほしい

[ハル☀️@米国ETF・オルカン・米国株投資🇺🇸 @haru_tachibana8]

婚活の話で「自分では大して条件を絞っていないつもりが、その条件でどれぐらいの未婚男性がいるか推計すると、ほぼ存在しない人を探していた」というのを見た。

婚活アプリとかで条件を絞る際に、その条件に当てはまる人がどれぐらいの存在するかを可視化してあげたら、冷静になって適切な条件に変えるのではと思い、休み時間に婚活フェルミ推定アプリを作ってみた。

Xの株クラにいそうな条件で絞ってみたら、同年代の未婚男性のうち0.0018%で38人しかおらず、天然記念物レベルで「発見したら国に届け出を」となった…笑

[Kaito @Kaito___AI]

イーロン・マスクが自身が過去に犯した「最大の採用ミス」について語り、才能重視から人間性重視への根本的な転換をしたと明かしました。
https://t.co/yzMT5cqsWX

単なるスキル至上主義がもたらす組織的リスクと、長期的な成功に不可欠な要素について核心を突いています。

主なポイントを解説します👇

1. スキル偏重から「善良さ」への転換
かつて才能や能力を最優先に採用していた彼ですが、現在では「良い心（good heart）を持っているか」という人間性を極めて重視しています。スキルの高さだけでは不十分だという強烈な反省が背景にあります。

2. 優秀な「有害人物」がもたらす破壊的影響
どれほど優秀な知能を持っていても、性格に難のある人物はチームのダイナミクスや士気を著しく低下させます。個人の高い生産性が、組織全体のパフォーマンスの低下によって完全に相殺されてしまうためです。

3. 後天的なスキルと不変的な「コア」の差異
専門的なスキルや知識は後から教育で身につけることが可能ですが、個人の根本的な性格や人間性を変えることは困難です。ミッションへの共感や協調性こそが、持続的な成長の強固な基盤となります。

[米本 竜馬 | Prefab CTO @shromesh_app]

続編

エンジニア視���で何が面白いか、どんなビジョンがあるかを書きました！
https://t.co/jTVB9Zh79Q

[米本 竜馬 | Prefab CTO @shromesh_app]

なぜ私たちが建設×積算の領域に魅力を感じているのかを書きました。エンジニア募集中です！！
https://t.co/i5sUW9hXwH