wolfin_ikeom

[ソフトウェアエンジニア|python|golang|scala|java|lua|javascript...|「熱く激しく面白い挑戦を愛する。」|『生きることは創造すること』|「オープン化、共生、活用」|
クライミング|トライアスロン|合気道|山岳マラソン|プログラミング]

[wolfin_ikeom @wolf20xx]

これよくわかる。汎用的なOSSではなく、具体なゴールがあるプロジェクトなら過去の経験値的位置付けのデータはナリッジとして必要。Docとしてコミットもありかとは思ったけど、経緯と判断の履歴は限定的な目的のために使うのがよさそう。git logかローカル参照できるsqlite用データにしている。

[mizchi @mizchi]

ADRみたいな意思決定ログをGitHubに入れるとすぐに膨れ上がってしまうし、最終形以外を参照して間違った意思決定を参照してしまうので、 Git Log か専用のDB に入れたほうが良さそう

[wolfin_ikeom @wolf20xx]

結局、メモリと思考処理の制約があるから、体系立てた文章が必要ってことで一周回ってAIにも図書館情報学的な情報をわたす流れになってきたんですよねー。
人間の思考回路をAIが模倣しようとするからこうなるのかしら？

[NISHIO Hirokazu @nishio]

LLM Wikiがなんのためのものか

1: AIに指示を出すとき、言葉足らずだとAIが詳しいことがよくわからなくて適当に判断して失敗したりする
2: そこで指示の文脈の情報をしっかりつけて頼むと、AIも正しい判断がしやすくなる
3: ところがしばしば現実的な問題においては伝えないといけない文脈情報が多くなりすぎて、いちいち人間か伝えるのは大変すぎになる
4: ChatGPTではなくClaude Codeなどのコーディングエージェントはファイルを読むことができるので、ファイルに書いて読ませることができる。
これで人間は毎回長い文脈情報を書かなくて良くなって楽ちんになる
5: ところがこの文脈情報ファイルを人間がどんどん追加していくとファイルが巨大になってAIにとって負担になってくる
6: そこでこの巨大な情報を複数のファイルに分割し、indexファイルに「どこに何があるか」を書く。
AIはindexを読んで何があるかを把握し、タスクに必要なファイルだけを読む。
必要に応じてgrepなど検索することもできる。
7: この(6)の仕組みを、人間がメンテナンスするのではなくAI自身にさせるものがKarpathyのLLM Wiki

[wolfin_ikeom @wolf20xx]

ドメインモデルの話以前に昔からの論理分割の課題ですよねー。マイクロサービスとモノリスの分割、サービスやモジュールのI/F作るべきかいなか、function化すべきか、など。論理的には繋がるけどパフォーマンスは別って話でもある。

[kawasima@99卒 @kawasima]

ドメインモデルの純粋性をレイヤー分離で担保する設計って難しくて煩雑だよなー、と再び感じたのでメモしておく。大したことしてないのにクラス作りすぎる原因になる。

[専門性・売上・原稿 @golden_lucky]

n月刊ラムダノートの特集号のやばさをもっと多くの人に気づいてほしい https://t.co/I8AYpAudjd

[snhryt @snhrytdesu]

ご参加・ご登壇いただいた皆様、誠にありがとうございました！！！
会場をお貸しいただいレバレジーズ様と、設営を手伝っていただいた有志の皆様にも大感謝！

登壇資料など追って公開します💪🏼

#dataformjp

[wolfin_ikeom @wolf20xx]

この手の現象は経験しないとわからなさそう。今回の場合は個人も組織も経験してはじめてわかるのではないだろうか。

[Shin丨AI×プロダクト開発の専門家🤵🏻 @shin_sasaki19]

「AIで生産性10倍」の時代に、シリコンバレーで「AIヴァンパイア(吸血鬼)」というキーワードが急速に広がっています。元Google・Amazonで40年エンジニアをやってきたSteve Yegge氏の警告がかなり鋭かったので、要約してみます📝

■ AIは本当に10倍生産性を上げる。だからこそ危ない
まず大前提として、Claude CodeのようなAIコーディングツールはもはや「使えるかも」のレベルではなく、業務を本気で10倍速にする段階に入っているとのこと。MicrosoftですらCopilot一本ではなく社員に複数ツールの利用を解禁し、結果的にClaude Codeが社内で支配的になっているという話が紹介されています。

問題は、その「10倍の価値」を誰が取るのかという点です。

■ 価値はどこに吸われるのか
Yegge氏は2つのシナリオを提示しています。

シナリオA:あなただけがAIを使い、1日8時間フル稼働で10倍働く
→ 同僚を全員惨めに見せ、評価はされるが給料は9倍にはならない。会社が価値を100%吸い取り、あなたは燃え尽きる

シナリオB:あなただけがAIを使い、1日1時間だけ働いて周囲のペースに合わせる
→ あなたが価値を100%取るが、競合がさぼっている会社を粉砕する

つまり、どちらの極端も持続不可能で、答えは中間にしかない。にもかかわらず、業界全体が今シナリオAの方向にどんどん引き寄せられている、というのが氏の危機感です。

■ なぜ「ヴァンパイア」と呼ぶのか
著者自身、Claude Codeを使い始めてから日中に突然眠ってしまう「ナップアタック」が頻発し、同僚のオフィスにも仮眠ポッドの設置が真剣に検討されているそう。AIによる開発はドーパミンとアドレナリンが出続けるスロットマシンのように中毒性があり、楽しい一方で人間を確実に削っていく。だからこそ「同じ部屋にいるだけで人を消耗させる吸血鬼」というたとえなのです。

■ スタートアップが「井戸に毒を盛っている」
特に問題なのがAIネイティブのスタートアップ。VCの仕組みを使って今この瞬間に最大限のエネルギーを抽出しに来ており、しかもその大半は「エージェント用サンドボックス」「AIペルソナ」「もう少しマシなRAG」といった似たり寄ったりのアイデアで失敗するとのこと。にもかかわらず、彼らが業界全体の労働文化の基準を吊り上げ、エンタープライズの経営層まで「うちもこのペースで働かせるべきだ」と勘違いし始めているという指摘が刺さります。

■ 解決策は「分子ではなく分母」
著者の処方箋は、Amazon時代の同僚に教えていた古い式そのもの。

「$/時間」

給料(分子)はあなたには変えられない。でも働く時間(分母)はあなたが変えられる。個人では非力でも、社員全員では会社にとてつもない交渉力がある、というのが氏の主張です。

経営者にもメッセージは強烈で「3〜4時間労働を新しいスタンダードにすべき」とまで言い切っています。AIで簡単な仕事は全部消え、人間に残ったのは「ジェフ・ベゾス的な意思決定と問題解決」だけ。これを8時間ぶっ通しでやるのは人間の設計を超えていて、いずれ大量の燃え尽きを生む、と。

■ 私たちはどうすべきか
率直に言うと、これは日本のホワイトカラー、特にPMやコンサル、エンジニアにそのまま跳ね返ってくる話だと感じています。

AIで生産性が上がった分を「もっと働いて成果を増やす」に全振りすると、会社に100%吸われるだけ。一方で「自分の時間に全振り」もチームを壊します。中間のどこに針を置くかという議論を、個人と組織の両方で意識的にやらないと、3年後にはAI燃え尽き世代が量産される未来が見えます。

「AIで早く帰る権利」をどう設計するか。来年の経営アジェンダはここに集約される気がしました。

[wolfin_ikeom @wolf20xx]

いつもこの説明してきたけど、うまく説明できてなかった。そう、HTMLと同じメタ言語使ってるけど静的な設定ファイルなのでconfigurationなんですよね。infrastructure as a cofiguration(IaCfg)って説明いいですね。

[城陽人 @minamijoyo]

terraform applyが遅いのでモックでという話が流れてきたけど、ピュアすぎるというか、インフラの副作用という特異性を無視してソフトウェアエンジニアリングのプラクティスを当てはめようとするよくある間違い。TerraformはInfrastructure as CodeではなくInfrastructure as Configurationなのだ

[wolfin_ikeom @wolf20xx]

天候にめぐまれラクテンチから絶景がのぞめる

[wolfin_ikeom @wolf20xx]

韓国から帰国して久々に別途立ち寄り。
トキハで別府冷麺たべてから、ラクテンチにて別府湾展望の足湯。

[wolfin_ikeom @wolf20xx]

サムギョプサルをたべる

[matsuu @matsuu]

検証ありがたい。いやぁやはり難しいですわなぁ。あとから不整合が発覚して辛い状況になる未来が見える。 / “S3 Files 性能評価” https://t.co/iKuXLcX0gv

[wolfin_ikeom @wolf20xx]

鯉のぼりのかかる富士見橋

[wolfin_ikeom @wolf20xx]

宇佐を聖地としたアニメがあったとは。。
駅がやたら綺麗になってて聖地巡礼対策は万全になってる。

[AI駆動塾 @L_go_mrk]

ガチエンジニアが作ったフレームワークはやっぱすげえ。。。。

Flue:
自律AIエージェント構築用のTypeScriptフレームワークで、LLMとサンドボックス実行環境の間に「プログラマブルなハーネス層」を入れる設計です。

22行でGitHub IssueのトリアージエージェントをAPIトークンをLLMに渡さずに動かす例が示されていて、認証情報の隔離設計がそのまま参考になります。

https://t.co/YYG163W6ry

[Claude Code Studio @ClaudeCode_love]

【事件】
元OpenAI創業者11人の1人であるKarpathyが
「Claude CodeとCodexどちらを使うべきか」全て語った😳しかも30分。
https://t.co/9BKzTBYPQ6
その内容👇
・Claude Code・Cursor・Codexの本質的な違い
・バイブコーディングが"なぜ機能するか"の構造解説
・100本のYouTubeチュートリアルより密度が高い
・これからの開発者に必要な思考フレーム
で、さらにCodexとClaude Codeの使い分けを具体的に知りたいなら、
このアカウントで数百時間使って検証した"最強の役割分担"をまとめたこの記事が参考になるのでぜひ👇

[wolfin_ikeom @wolf20xx]

ツールを使うための条件が揃ってないって理解。AI系ツールは作業の代替にはなるけど、ワークフローや組織構造の方が本質的になボトルネックだった、ということを示している認識。

[iwashi / Yoshimasa Iwase @iwashi86]

ソフトウェアエンジニアの求人数が急速に増えているよって記事。

・現在、AIによる仕事の喪失が懸念されているが、実際にはソフトウェアエンジニアなどの求人は増加している
・データを見ると、労働者が仕事でAIを毎日使用する割合は急増しておらず、すぐに雇用が奪われる兆候はない
・AI技術自体は急速に進化しても、社会への普及はコストや組織の壁があるため、徐々に進んで最終的に頭打ちになる

・AIを活用するには膨大な計算能力やデータセンター、そして電力が必要となる
・自動化を急拡大させると計算コストが跳ね上がる
・そのため、人間の労働力の方が安上がりになる境界線が必ず存在する
・エネルギーの制約や法律の規制などがあるため、AIが無制限かつ摩擦なしに経済に浸透することはない

・AIによる自動化は生産性を高めるポジティブな供給ショックであり、コストを下げて経済成長を促すもの
・企業が低コストで大量生産できるようになれば、物価が下がるか企業の利益が増え、結果として新たな消費や投資が生まれる
・万が一、極端な雇用の代替が起きそうになっても、国家が税制や財政政策、規制によって最悪の事態を防ぐ対応をとる

・世の中の仕事には物理的な作業や人間関係、責任を伴うタスクなど、AIで自動化するにはコストが高すぎるものが多く存在する
・過去にパソコンやオフィスソフトが普及した時のように、AIは人間の仕事を奪うのではなく、仕事を助けるツールになる可能性が高い

・かつてケインズという経済学者は技術の進歩で週15時間労働になると予想したが、人間の欲望が拡大したためそうはならなかった
・技術によって生産性が上がり生活に余裕ができても、人間はより良いものや新しいサービスを求めるため、仕事がなくなることはない
・歴史上のどんな画期的な新技術も、人間の労働を完全に不要にしたり、無限の経済成長をもたらしたりしたことはない
・AIは、少子高齢化や脱グローバル化といった現代の経済的マイナス要因を打ち消し、安定した成長を維持する程度の役割に落ち着くのではないか

https://t.co/xa3pId9xqP

[wolfin_ikeom @wolf20xx]

呼子にきた。イカがすごい。
20年ぶりくらい前に来たぶり。

[ikki / stable代表 @ikki_mz]

これまでデータカタログと呼んでたツールが、AIの「コンテキストレイヤー」 にシフトチェンジしていく流れは必然的ですよね。

> AIの力を引き出す「コンテキストレイヤー」を構築する──国産データテックQuollioが描く製品戦略
https://t.co/YsJWSXtJQF

[wolfin_ikeom @wolf20xx]

わかる。伝言ゲームとか株価とか、統計物理のブラウン運動的だったり、統計学のベイズモデルだったり、実経験値データをあてはめようとして堂々廻りになる。

AI使ってデータからパターンのシミュレーションを大量にできるようになったのは探索過程が効率化できて良い時代になったなと思う。

[ヒザ @__hiza__]

https://t.co/gJbr3TF0Yw
KPIの変動要因調査で良く使われる「KPIツリーへの分解」の弱点を指摘してる記事。

KPIツリーは分解の順序によって異なる結論が出てくるからダメだと。代わりにIV/WOEという指標を使えと言っている。

これ初めて知った。。。めっちゃ勉強になる。すぐ試したい。

[wolfin_ikeom @wolf20xx]

車輪の再発明はおきそう。ジェネリック医薬品の生産と同じような感じだろうけど、工業生産性をあげるのはまた別なノウハウは必要かなと思う。いわゆる秘伝(口伝)のタレ。
とにかく試して経験値ためる、データ集めることが鍵と認識している。

[田中悠斗＠Fore- @tanaka_yuto]

この発想、めちゃくちゃ盲点だったわ。

Claudeに期限切れ特許を食わせて、誰も作らなくなった商品を掘り起こし、それを1つすでに生産開始したらしい。

420万件以上のパブリックドメイン特許から、シンプルに作れて売れそうなやつをAIがピックアップ。

こういう新しいハックポイントを力技じゃなく出来るってのも、また新しいターニングポイントではある。最近毎日が怖いくらい面白い。