【やじうまPC Watch】 AIがガードレール無視、9秒で企業のデータベースを全削除する事故
設計書・コード・テストを全部AIに書かせて半年間開発してみたよ
設計書・コード・テストを全部AIに書かせて半年間開発してみたよ 1. はじめに 本記事は、私のチームが半年間AIネイティブ開発を行った経験とその感想をまとめたものです。 AIネイティブ開発とは、AI技術を活用してソフトウェア開発を行うことを指します。2025/10～2026/3の期間中、私たちはお客様に納品するシステムをAIネイティブで開発しました。その経験と私なりに感じたことをまとめてみました。 ※ なお、私の取組は全社的な取組とは関係ありません。 ※ あくまで、私のチームが独自に行っている取組ですので、その点はご留意ください。 2. 自己紹介 初めてテックブログに記事を書くので、簡単な自己紹介を。 名前：茂呂範（もろすすむ） 所属：株式会社NTTデータ 第三公共事業本部 デジタルソサエティ事業部 プロジェクト推進担当（参照） 立場：様々なシステムの基盤構築、基盤維持運用を担当している組
【全録】月が綺麗ねを出してからカスどもにされたこと｜柿崎ユウタ/カササギ
月が綺麗ねを出してからロシア人に著作権を取られかけ、勝手にai生成され、勝手にfunkにされ、挙げ句の果てには収益まで取られてやばい マジで意味がわからない、しんどい — 柿崎ユウタ (@kqdllb) February 28, 2026 これだけ見るとfunk製作者が全ての悪行をやってるように見えて仕方ないのですが、、、 これは全て別々で起きていることです。カスがよ。 全てを、全てを説明していきます。 1.ロシア人に著作権を取られかけるYouTubeには↓の機能があります Google検索♩これを悪用して、「この曲は私の曲だ！」とディストリビューターに言うと、大した審査もなく一旦その人のものになるらしいです(YouTubeの仕様らしい)(YouTubeはたいして調べず、正しい権利を持ってる側が言わないと永遠に収益を取られ続ける) ロシア人に取られかけたまあこれは申請して無事に戻ってきまし
マイクロソフト、PostgreSQL/MySQL/SQL Serverなどへの同時接続に対応した「SQL MCP Server」オープンソースで公開
マイクロソフト、PostgreSQL/MySQL/SQL Serverなどへの同時接続に対応した「SQL MCP Server」オープンソースで公開 マイクロソフトは、PostgreSQL、MySQL、SQL Serverを含む複数のデータベースに対応したMCPサーバ「SQL MCP Server」をオープンソースで公開しました。 SQL MCP Serverを利用することで、AIエージェントが複数のデータベースに対して自由に問い合わせなどを実行できるようになります。下記の図は「Introducing SQL MCP Server - Azure SQL Dev Corner」からの引用です。 SQL MCP ServerはData API builderの一部 SQL MCP Serverは、マイクロソフトがオープンソースで公開しているソフトウェア「Data API builder fo
ソフトウェアや知能が安くなったときに起きること - 🐴 (馬)
1830年頃、わずかな夜の明かりを得るためには、約3時間の労働が必要でした。しかし1992年ごろにはそれが1秒にも満たない労働ですむようになったと言われています。ロウソクから白熱電球、蛍光灯へという技術的発展が、光を劇的に安くしたのです。 そうして光が安くなったとき、人は同じ量の光を単に安く買って終わり――ということにはなりませんでした。 人々は、かつて置こうとも思わなかった場所にまで光を置き、街路、工場、看板といった、社会のあらゆる場所に安くなった光を敷き詰めていきました。そうして、工場は曇りや雨の日にも稼働することができるようになったり、深夜営業や夜の読書といった新しい活動が可能になったのです。 そこで儲けたのは、光を提供した会社だけではなく、それをうまく使った会社でした。 では、ソフトウェアや知能が安くなったとき、私たちはそれをどのように使うのでしょうか。 生成AIによる大きな変化は
SREを「努力」から「仕組み」へ — Platform Engineeringという選択
この記事は毎週必ず記事がでるテックブログ Loglass Tech Blog Sprint の139週目の記事です！ 3年間連続達成まで残り20週となりました！ 株式会社ログラスでSREをしている見形（mekka）です。 約1年前、ログラスにおけるSREの現状と未来という記事を書きました。当時はクラウド基盤チームとしてSREチームへの移行を検討し始めた段階で、「SREの民主化」を掲げ、組織全体で信頼性に取り組む未来像を描いていました。 あれから1年。実際にどこまで進み、何が変わり、何が変わらなかったのか。そして、その過程でPlatform Engineeringという取り組みに至った経緯をお伝えします。 1年前に掲げたこと 前回の記事では、大きく3つの方針を示していました。 アラートの整理 — 創業時から残る設定を見直し、開発者が自分たちで管理できる状態にする CI/CDパイプラインの再整
mesh-llm：余っているPCのGPUを束ねて巨大LLMを動かす分散推論の新アプローチ - Qiita
70Bパラメータのモデルをfp16で動かすには約140GBのVRAMが必要です。RTX 4090が6枚相当になります。クラウドGPUのレンタルも時間単価が高く、常時利用には向きません。 この余剰GPUを集約して1つの推論基盤にするのがmesh-llmの着眼点です。 技術的な仕組み：2つの並列化戦略 mesh-llmはモデルの種類を自動判定し、最適な並列化戦略を選択します。この自動選択がmesh-llmの核心であり、ユーザーは並列化方式を意識する必要がありません。 パイプライン並列（Dense Model向け） Llama系やQwen系のDenseモデルに適用される方式です。モデルのレイヤーを複数ノードに分割し、データを順番に流していきます。 データの流れは次の通りです。 入力トークンがノードA（前半レイヤー担当）に送られる ノードAが中間表現（hidden states）を計算し、ノードB
Claude Code × draw.io公式Skillで、AWSアーキテクチャ図の生成を自動化してみた | DevelopersIO
Claude Code × draw.io公式Skillで、AWSアーキテクチャ図の生成を自動化してみた はじめに フローチャートやアーキテクチャ図をWEB上で描くとき、多くの方は手動で作成しているのではないでしょうか。2026年4月現在、AI Agentに作業を任せる流れが加速していますが、作図系のWEBアプリはAI連携（MCPなど）にまだ制限が多いのが現状です。 そんな中、draw.io（jgraph）公式がClaude Code向けのSkillを公開していることを知り、試してみました。 （draw.ioにはMCPサーバー版もあるが、Skill 版は外部プロセス不要でセットアップがシンプル。今回はSkill 版を使った。） draw.io skill-cli: https://github.com/jgraph/drawio-mcp/tree/main/skill-cli 自分のVSC
AIコーディングが精神を壊す｜erukiti
いわゆるAI疲れは、2024年ごろから言われはじめ、2025年から深刻化しはじめた。AI疲れには、キャッチアップ疲れと、判断疲れの二種類があると言われている。（2024年ころのAI疲れはキャッチアップ疲れの方が比率としては大きかった気がする。） AIコーディングは特にAI疲れを引き起こしやすい。 今のAIは、人間に良く似ているが、全く違う知性である 「判断」が、大量に高速に、そして強度の高く、常に求められるようになった。そして油断すると結果だけを提示されるので、判断するための根拠・材料を集めるコストがバカにならない AI時代は、人間からアウトプットの場を奪う AIコーディングはAI依存症を引き起こす仕組みである これらの問題がある。 何かしらの対策を打たない限り今年は、メンタルを壊す人が増えるだろう。 対象読者エンジニアリングに携わる人。非エンジニアがバイブコーディングをするくらいでは、精
11億件の応募を却下したAI ー Workday訴訟が突きつける「意図のない差別」の正体 - Nothing ventured, nothing gained.
昨日（2026年4月8日）の日経朝刊に「採用AIに差別された 誰が責任負う？」という記事が出ていた*1。米Workdayの人事AIソフトウェアをめぐる大型訴訟の話だ。 これはまさに自分が最近書籍に書いたことと同じ内容だ。 近著「プロダクト倫理」の第7章で、Amazonの採用AIが女性候補者を体系的に低く評価していた事例を詳しく取り上げている。今日はこの書籍の内容を簡単に紹介するとともに、今回のWorkday訴訟を深掘りすることで、採用AIの何が問題なのかを考えてみたい。 Amazonの採用AIは何を「学習」したのか まず、書籍で書いたAmazonの事例を振り返る。 2014年頃、Amazonのエンジニアチームは、AIを使って履歴書の山から最適な候補者を自動的に選び出す採用ツールを開発していた。年間数十万件の応募に対して、人間のリクルーターが1件ずつ目を通すのでは追いつかない。過去10年分の
AIがバラバラなUIを作る問題、これで解決？ Google提唱の新標準「DESIGN.md」とは
連載目次 AIコーディングエージェントの進化により、自然言語でWebサイトのUI（ユーザーインタフェース）が作れるようになった。しかし実際に使ってみると、「修正を頼むたびにボタンの形が変わる」「ページごとに色のトーンがバラバラになる」といった、デザインの一貫性が保てない問題に直面することがある。 この「AIがバラバラなUIを作る問題」に対し、Google LabsのStitchチームが、2026年3月18日（米国時間）に公式ブログで注目すべき解決策を提示した。それが、プロジェクトのルートディレクトリ（最上層のフォルダ）に置く設計図、DESIGN.mdファイルだ。 DESIGN.mdファイルは、AIが理解するために最適化されたデザインシステム（共通ルール）用のドキュメントである。Markdown（マークダウン：簡単な記号で構造化するテキスト形式）の見出しやリスト構造を活用することで、人間が読
AnthropicがAI SREの限界を公式認定。「相関関係を因果関係と誤認し続ける」
Anthropicは2026年3月19日のQCon Londonで、ClaudeをSRE（サイト信頼性エンジニア）として活用する試みの限界を公式に報告しました。「相関関係を因果関係と誤認し続ける」という根本的な問題が残存しており、SREの完全代替には至らないと自社が認めた形です。AIにエラーログやアラートを読ませて原因を特定しようとしたことがある方には、直接関係する話です。 何を試みて、何が分かったか AnthropicはClaudeを使ってClaudeのインフラ障害を修復する、いわば「AIがAIを管理する」構成を試みていました。ログやメトリクスを読ませ、警告アラートの原因を特定させ、修復アクションを実行させるという流れです。 結果として明らかになった問題は、警告の表面パターンは認識できるが、障害の根本原因を特定できないという点でした。たとえば「メモリ使用量が急増した後にレスポンスタイムが
AI格差の正体は「プロンプト力」ではない。アンソロピックの最新レポートが示した“経験者優位” | Business Insider Japan
6カ月以上の利用者は、同じタスクでも成功率が高かったユーザーの用途を示した表。登録期間が長い高継続ユーザー（High tenure）は、仕事（work）での利用率が高い。出典：アンソロピック今回のレポートで注目したいのは、「Claudeを長く使っているユーザーほど、よりうまく使いこなしている可能性が高い」という点だ。 アンソロピックによると、6カ月以上利用している高継続ユーザーは、新規ユーザーに比べて会話の成功率が高い。高継続ユーザーの成功率は相対的に約10％高く、タスクの種類や利用国、モデル選択などを考慮しても、その差はなお残った。レポートは、これが単に「ベテランは簡単なタスクばかり選んでいる」ためでは説明しきれないとしている。 この違いは、利用の中身にも表れている。高継続ユーザーは個人的な用途の会話が1割少なく、仕事目的でClaudeを使う傾向が強い。入力文の複雑さを見る指標でも、長期
仕事はすべてSkillに書け - それ、Skill にしない？
「それ、Skill にしない？」 最近、自分の口癖がこれになった。誰かがSlackで手順を聞いてきたとき。自分が同じ作業を3回目にやったとき。同僚にレビューの観点を説明しているとき。 タイトルは盛ってる自覚はある。でも実際に50個以上作ってみて、割と本気でそう思っている。 仕事のやり方が驚くほど変わった。仕事を「やる」のではなく「書く」ようになった。 「ドキュメント書きましょう、なんて話は100回聞いたよ」と思うかもしれない。ただ、Agent Skill をきっかけに「仕事をドキュメント化する」ことの重要性が爆発的に高まった。 ConfluenceやWikiに書いた手順書は、大抵は書かれて終わり。SKILL.md に書いた手順は、AIが読んで、そのまま実行する。 これからは 「ドキュメントにしましょう」ではなく「Skillにしましょう」が合言葉になる 言葉にすれば、誰でも使える指南書になる
Claude Codeで仕様駆動開発、tsumikiが良かった
はじめに 前回の記事では、Claude Codeに出戻りした話と、コンテキストエンジニアリングの考え方について書いた。 今回は「じゃあ実際に実務でどう使うの？」という話だ。 個人開発のプロジェクトなら思いついたままにClaude Codeを走らせて実装すればいい。それはそれで楽しいし、それなりの成果物もできる。 ただ、それでは再現性がない。 以前書いた記事でも触れたが、モデルの精度が上がったとはいえAIはいまだにガチャだ。何かを作るたびに品質がブレる状態では実務には持ち込めない。 そこでたどり着いたのが、仕様駆動開発（Spec-Driven Development） だ。 仕様駆動開発とは 仕様駆動開発とは、以下の工程を経て実装に至る開発フレームワークだ。 人間がやること：要件定義と設計をAIと徹底的に壁打ちして、曖昧さを潰す AIがやること：タスク化以降の実装フェーズ 以前の記事で書いた
なぜAIは組織を速くしないのか 令和の腑分け
2026年2月26日「開発生産性のその先へ、AI生産性について語りたい」発表資料 https://forkwell.connpass.com/event/384640/
生成AIの「それっぽい嘘」に
疲弊するアカデミア【平山 優】
『公研』2026年2月号「interview」 インターネット上の論争のかたちが大きく変容しつつある。正々堂々と自前の意見をぶつけ合うのではない。生成ＡＩに「代理戦争」させるのだ。しかし生成ＡＩの意見が事実とは限らない。情報の足りない部分を勝手に補い、あたかも事実であるかのように装うことも多い。生成ＡＩの「それっぽい嘘」に頭を抱えているのが専門家だ。 ２０２５年10月、歴史学者の平山優氏はとあるネットユーザーが生成ＡＩで作成した主張に対し、徹底的な反論を試みた。挙げられていた文献や記述が「そもそも存在しない」と喝破した氏の投稿は、大きな反響を得るとともに「生成ＡＩの虚言を専門家が正す」という不毛な時代の幕開けを予感させた。 本稿では、インターネット空間のフラットさが専門家にもたらすリスクや、生成ＡＩが学術の現場に与える影響等について、平山先生ご本人にお話を伺った。 健康科学大学特任教授 平
AI生成画像を見抜くのが得意な人がいる。その理由はもって生まれた物体認識能力にあった | カラパイア
AIが生成した画像は、もはや本物と見分けがつかないほど精巧になっているが、一部の人たちは簡単に見抜くことができるという。 アメリカのヴァンダービルト大学の研究によると、AI画像を正確に特定できる人は、AIに関する知識や技術があるからではなく、持って生まれた個人の資質である「物体認識能力」によるものだという。 この能力が高い人は、デジタルの合成画像に対して高い識別力を発揮するのだ。 AIの顔と人間の顔を見分ける「AIフェイス・テスト」を実施 今日、AIがゼロから作り出す「生成AI画像」は、日常のあらゆる場面で見かけるようになった。 その中には、実在する人物の顔を合成したり、本物と見分けがつかないほど精巧な人物を生成したりする、さらに識別が困難な「ディープフェイク」も含まれている。 ヴァンダービルト大学のイザベル・ゴーティエ教授らの研究チームは、こうした高度な合成画像と実在の人間の顔をどれだけ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
【やじうまPC Watch】 ブラウザ内でAI処理が完結→バズってもサーバー代0円を実現した画像メーカー
探すより作った方が早いかも？ 「Google AI Studio」でミニアプリを作ってみよう [てっぱんアプリ！]![探すより作った方が早いかも？ 「Google AI Studio」でミニアプリを作ってみよう [てっぱんアプリ！]](https://cdn-ak-scissors.b.st-hatena.com/image/square/41351a292972eed04850908cef05795c8a7787ea/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fk-tai.watch.impress.co.jp%2Fimg%2Fktw%2Flist%2F2098%2F561%2Fthumbnail.jpg)
