AI時代の3層アーキテクチャ：関数型コア・決定的シェル・非決定的エッジ

はじめに：もしもAIが、あなたの会社の在庫を「-400個」にしたら？ 想像してみてください。あなたが導入した最新のLLM（大規模言語モデル）ベースの需要予測システムが、稼働数日後に暴走を始めたら...。 在庫管理システムを見ると、異常な発注が実行され、DB上の在庫が「-400個」というあり得ない数値になっています。慌てて原因を調査すると、LLMが提案した発注数を、検証なしにそのままデータベースに書き込んでいたことが判明しました。 実在庫は100個しかないのに、AIは「500個発注すべき」と提案します。この提案が検証をすり抜けて実行され、在庫がマイナスを突き破ってしまいました。 さらに事態をややこしくしたのは、その「再現性のなさ」でした。 障害対応チームが原因究明のため、AIに同じデータで再実行をかけると、今度は「300個」という、最初とは異なる提案が返ってきました。さらに翌週、利用していた

[igrep]

"Edgeが生成したフワフワした複数の「可能性」を受け取り、改ざん不可能な「スナップショット（事実）」としてDBに永久保存します。 型シグネチャ（イメージ）: IO(Array<Proposal>) → IO(Snapshot<Proposal>)"