サービスを見る

技術の記事

AI駆動開発の実装・つまずき・設計の知見。手を動かした一次情報として綴ります。

tech技術116 件 · 8/13ページ
技術AIを「どれだけ使ったか」より、「何を任せたか」を振り返る時代へ ──Claude Reflectが機能にした、AI利用のメタ認知

AIを「どれだけ使ったか」より、「何を任せたか」を振り返る時代へ ──Claude Reflectが機能にした、AI利用のメタ認知

AIを使うこと自体はもう珍しくない。次に出てくる問いは「自分はAIに何を任せ、任せすぎていないか、どこで判断を残しているか」。2026年7月9日、AnthropicはこれをClaudeの新機能Reflect（monthly recap・ベータ）としてプロダクト化した。単なる利用レポートではなく、AIの使い方そのものを振り返る＝メタ認知を機能にした点が新しい。対象はFree/Pro/Max・web/Desktop・memory有効（Team/Enterprise未提供）。テーマ別割合・ピーク時間・会話数、任意のbreak reminder/quiet hours、そして4D AI Fluency（Delegation/Description/Discernment/Diligence）での振り返り。※現状Cowork・Claude Codeは対象外、利用時間表示は“近日”。成果物だけでなく“人が判断した場所”を残すことがPDCAになる——という視点で分かりやすく解説（機能・数値はAnthropic公式/Help Centerベース・CAG非検証）。

甲斐ショウジ8分で読めます
技術AIエージェントAI活用Claudeメタ認知AI Fluency解説
技術GPT-5.6を、分かりやすく ──Sol / Terra / Luna、3つに分かれた新モデル家族の読み方

GPT-5.6を、分かりやすく ──Sol / Terra / Luna、3つに分かれた新モデル家族の読み方

2026年7月9日、OpenAIがGPT-5.6を一般公開した。ChatGPT・Codex・APIに同時に。今回の特徴は、モデルが1つではなくSol・Terra・Lunaの3つに分かれて出てきたこと。数字（5.6）が世代、名前が“性格（能力ティア）”を表す新しい命名だ。難しい仕事はSol（$5/$30）、日常はTerra（$2.50/$15）、反復はLuna（$1/$6）。共通スペックは100万トークン文脈・最大出力128k・知識カットオフ2/16。Sol Ultra Mode（サブエージェント）でTerminal-Bench 2.1が88.8→91.9%、一方SWE-Bench Proは上位に差＝“最強”ではない。Programmatic Tool CallingやMulti-agent、キャッシュ90%オフも。安全対策は約10倍だが長時間タスクは監督必須。「どれを使う？」に答える解説（数値はOpenAI公式/二次情報ベース・CAG非検証）。

甲斐ショウジ9分で読めます
技術GPT-5.6OpenAIAIモデルCodexAIエージェント解説
技術AIが「コードを書く」から「制作ソフトを操作する」へ ──MCPが、ゲームエンジンと3Dの現場に染み出した

AIが「コードを書く」から「制作ソフトを操作する」へ ──MCPが、ゲームエンジンと3Dの現場に染み出した

去年のAIエージェントは「コードを書く道具」だった。テキストを読み、テキストを書く。それが2026年、境界が溶け始めた——AIがUnityやBlender、Godotの“編集画面そのもの”を操作し始めた。裏側にあるのがMCP（Model Context Protocol）。もともと開発ツール向けの接続規格が、いま制作ソフトへ染み出している。シーンにオブジェクトを置き、マテリアルを塗り、ゲームを実行し、スクリーンショットとログで結果を見て、おかしければ自分で直す——「書くだけ」から「作って、動かして、見て、直す」へ。Unity-MCP(47〜70+tools)/Blender MCP(bpy)/Godot-MCP(39tools・11families)〜Godot MCP Pro(163tools)まで、実在OSSを手がかりに、何ができて何に注意すべきかを専門用語ゼロで整理（数値はOSSリポジトリベース・CAG非検証）。

甲斐ショウジ9分で読めます
技術MCPAIエージェントゲーム開発3DUnityBlenderGodot解説
技術AIを「入れた後」に効くのは、誰が・いくら使ったかの“管制画面” ──Claude Enterpriseが見せた、AI運用の次の当たり前

AIを「入れた後」に効くのは、誰が・いくら使ったかの“管制画面” ──Claude Enterpriseが見せた、AI運用の次の当たり前

AIを全社に配ったあと、多くの会社が同じ壁にぶつかる——「便利なのは分かった。でも誰が・どのくらい・何に使っているのかが見えない」。2026年7月1〜2日、AnthropicがClaude Enterpriseに足したのは、まさにこの“見えなさ”に効く機能だった。使用量とコストをグループ別・ユーザー別に見せ（成果物・ファイル・スキルまで費用に紐づく）、モデルの割り当てと既定を組織で決め、上限の75%・90%で使いすぎを警告する。派手な新モデルではないが、「AIを入れる」から「AIを運用する」へ移った会社にはこちらが本丸だ。FinOpsがAIに来た――その中身を専門用語ゼロで整理した最新動向解説（数値はAnthropic公式リリースノートベース・CAG非検証）。

甲斐ショウジ9分で読めます
技術AIエージェントAI導入コスト管理AIガバナンスFinOpsClaude解説
技術AIが、自分で画面を触って直す時代 ──「コードを書くAI」から「動かして確かめるAI」へ

AIが、自分で画面を触って直す時代 ──「コードを書くAI」から「動かして確かめるAI」へ

これまでAIにコードを頼むと、返るのは「たぶん動くはずのコード」。実際にブラウザで開いて、押して、崩れやエラーを確かめるのは人の仕事だった。2026-07-01、GitHubはVS CodeのCopilotが実ブラウザを操作できる「browser tools」を正式提供(GA)に。AIが自分でページを開き、クリック・入力し、スクリーンショットを撮り、コンソールのエラーを読み、壊れ方を見つけて直す——Playwright(MCP)ベースで、作る→開く→触る→見つける→直すを人手なしで一周する。AIが自分でQAし始めた。評価軸は「コードを書けるか」から「実アプリを見て・壊れ方を見つけて・直せるか」へ。ただし丸投げは禁物（スクショの食い違い・「直った」誤判定・網羅性は人が設計・本番反映はHITL）。分かりやすく整理した最新動向解説（数値はGitHub/VS Code/Playwright公式ベース・CAG非検証）。

甲斐ショウジ8分で読めます
技術AIエージェントAI導入GitHub CopilotQAブラウザ検証解説
技術"AIを使える"から"AIを運用できる"へ ──AIエージェント運用設計、5つの土台【まとめ】

"AIを使える"から"AIを運用できる"へ ──AIエージェント運用設計、5つの土台【まとめ】

「どのAIが賢いか」「良いプロンプト」の次、実務で差がつくのは“AIをどう運用するか”だ。CAGブログで解説してきた最新動向を、AIエージェント運用の5つの土台に整理したまとめ（地図）。①モデル比較から作業環境へ（harness/workbench）②トークン経済＝原価管理③スキル/MCPは権限＝供給網セキュリティ④少なく賢く＝無駄を書かせない⑤止まっても回る＝harness/BCP。5つを貫く背骨はAGENTS.md・HITL・検証・記録。悩み別にどこから読むかも案内。各深掘り記事へのハブとしてどうぞ（数値は各社公式/報道ベース・CAG非検証）。

甲斐ショウジ6分で読めます
技術AIエージェントAI導入運用設計まとめ解説
技術AIが「チャット」から「仕事場」になり始めた ──研究者向けClaude Scienceが見せた、"職種別AIワークベンチ"の時代

AIが「チャット」から「仕事場」になり始めた ──研究者向けClaude Scienceが見せた、"職種別AIワークベンチ"の時代

「結局どのAIが一番賢いの？」——去年までの主戦場はモデルの点数比べだった。でも2026年、軸が「その職種の仕事をAIとどう回すか」という作業環境の勝負へ移り始めた。分かりやすい実例が、Anthropicが2026-06-30に出した研究者向けAIワークベンチ「Claude Science」。60超のスキルと科学DB連携・ローカル/SSH実行・3D構造やゲノムを描き、何より“すべての出力が監査可能な履歴を持ち検証・再現できる”。チャットの「答え」でなく、作り方の記録が付いた「成果物」を残す——この構造は法務・営業・開発・マーケにも当てはまる。道具を並べるより、職種の仕事の流れと監査証跡を1環境に設計する“作業台”を作れるかが次の差になる。分かりやすく整理した最新動向解説（数値はAnthropic公式ベース・CAG非検証）。

甲斐ショウジ9分で読めます
技術AIエージェントAI導入Claude Scienceワークベンチ解説
技術AIを全社に入れたら、今度は「使いすぎ」に悩み始めた ──AIエージェント時代の本当のコストは、月額ではなくトークンで決まる

AIを全社に入れたら、今度は「使いすぎ」に悩み始めた ──AIエージェント時代の本当のコストは、月額ではなくトークンで決まる

「AIを全社導入すれば生産性が上がる」はもう半分古い。2026年、AIを使える会社ほど次はAIの“使いすぎ”に悩む。原因は社員でなく、エージェントが進化して1回の作業がリポジトリを読み・考え・書き・やり直す長丁場になったこと。そのすべてがトークンとして請求に積み上がる。GitHub CopilotのAI Credits（使用量課金）、OpenAIのprompt caching＆soft budget、Anthropicのtoken counting／Claude Code使用量、headroomの文脈圧縮——各社の公式機能は撤退でなく“トークンFinOps”へ向かっている。次の壁はプロンプト術でなく、モデルのルーティング・キャッシュ・圧縮・予算ゲートの運用設計だ。分かりやすく整理した最新動向解説（数値は公式/GitHub/報道ベース・CAG非検証）。

甲斐ショウジ11分で読めます
技術AIエージェントAI導入コスト管理トークンFinOps解説
技術便利なAIスキル、入れる前に中身を見ていますか ──Agent Skillは「プロンプト集」ではなく、実行権限を持つ部品だった

便利なAIスキル、入れる前に中身を見ていますか ──Agent Skillは「プロンプト集」ではなく、実行権限を持つ部品だった

Claude CodeやCodexで「スキル（skill）」を増やすのは便利だ。でもスキルはプロンプトではなく、命令・参照・スクリプト・外部ツール接続をまとめた小さな実行可能パッケージ＝新しい攻撃面でもある。リスクは3層（悪意ある指示／scripts依存の供給網／MCP tool poisoning＝ツールを呼ぶ前に説明文が効く）。NVIDIA SkillSpectorやSnyk Agent ScanはAI版npm auditだが「通せば安全」は誤り。npmを入れる時に依存を見るように、AIスキルも read→scan→sandbox→権限最小化→project-local→log の6段ゲートで入れる。分かりやすく整理した最新動向解説（数値は公式/GitHub/研究ベース・CAG非検証）。

甲斐ショウジ13分で読めます
技術AIエージェントセキュリティAgent SkillsMCPAI導入解説