生成AI

「AIで開発費10％削減」がうまくいかない理由 ― 安くなったのは”書く”だけで、”確かめる”は安くなっていない

AIが安くしたのは「書く」工程だけで、「確かめる」工程はほとんど短くなっていません。3日の実装が半日で出ても、読み解きと修正に3日かかれば正味はマイナス。削減時間から検証時間を引いて測る考え方を、具体的なケースで解説します。

「すもももももももものうち」はどこで切れるのか。形態素解析がやっている3つの仕事（分かち書き・品詞判定・原形化）と、MeCab／Sudachi／Janomeの使い分け、結果を左右する辞書の選び方を、Pythonの実例つきで解説します。

プロンプト／コンテクスト／ハーネス／ループ。増え続けるAI用語をAIの側ではなく人間の側から並べ直すと、新任上司・課長・部長・執行役員という管理職の階段とそのまま重なる。四段すべてをAIに渡せるようになったとき、最後に人間へ残るポストは何かを考えます。

「AIエージェント元年」とは自律性の完成ではなく、限定領域での実用ライン到達だった。AutoGPTが躓いた理由、コーディングとブラウザ操作で先に実用化が進んだ経緯、そして企業が最初に着手すべき「失敗してもよい業務」の選び方までを、開発現場の視点で整理します。

前回はClaude Code単体で動画整理をしたが、今回はGeminiと組み合わせて追加のスマホ写真798枚を分類。前回より格段に細かい店名・ホテル名レベルまで判明し、本人の手間はむしろ減った。

旅行動画329ファイルの整理に妻は何時間もかけて心が折れた。同じ作業をClaude Codeに頼んだら数分で終わり、しかも人間より正確だった。AIエージェントが動画の中身を見て分類する実例。

ハーネス・エンジニアリングとは、モデルの回答そのものではなく、回答を取り巻くシステムを設計する仕事です。ツールオーケストレーション／検証ループ／コンテクスト管理／ガードレール／可観測性の5層に分けて、自社で実際に動いているAIハーネスの中身を公開します。

社内RAGの相談で最も多いのが「全社の文書を全部入れたい」という出発点です。ですがこれが費用を最も膨らませ、しかもお金をかけた案件ほど使われなくなります。対象を絞る／既存DBを使う／ローカルモデルで試す／権限だけは最初に設計する、という順番と、その理由を書きます。

RAGの予算を壊すのは初期費用ではなく「あとで足そう」とした部分です。権限は文書単位ではなくチャンク単位で必要になるため、後から足すと分割からやり直しになります。再計算は数万件で数時間、数十万件で日単位。埋め込みモデルの差し替えも必ず来ます。後から足せるものと足せないものを整理しました。

RAGの実装部分は正確に見積もれます。見積もれないのは、渡される社内文書の状態のほうです。スキャンPDFはOCRより精度検証に時間がかかり、Excelは行と列の関係を文章に組み直す設計が要る。そして「就業規則_最新版(修正)」のような版の重複だけは、技術では解決できません。