AIは人間性を試す——東京のIT就職市場はなぜ混乱しているのか
東京のIT就職市場で、10年勤めた会社を辞めた筆者が感じた違和感。AIは人を選ばず、心根の悪い人を増幅させ、非技術者が人を操って案件を押しつける構造を生んでいた。AIで誤字を拾って人を責める権力ゲーム、全員に銃を配るような危うさを経て、産業革命を急ぐ必要はあるのかと問い、創作を人類の手に返すことを提案する。
公開した 142 本を、キーワードやカテゴリー、タグからあいまい検索できます。
東京のIT就職市場で、10年勤めた会社を辞めた筆者が感じた違和感。AIは人を選ばず、心根の悪い人を増幅させ、非技術者が人を操って案件を押しつける構造を生んでいた。AIで誤字を拾って人を責める権力ゲーム、全員に銃を配るような危うさを経て、産業革命を急ぐ必要はあるのかと問い、創作を人類の手に返すことを提案する。
曾鳴は新著『智能』で、産業時代の会社制度と階層制管理が終わりに向かっていると論じる。大規模モデルが汎用知能を水道や電気のようなインフラに変えると、組織の最小単位は職務からタスクへ移り、戦略もトップダウンの計画ではなく組織から自発的に生まれるものになる。AI産業の三段的な発展、tokenが度量衡となった後のクラウド企業の終局、応用層がまだ「ブラウザの瞬間」を待っていることを整理し、知識が引き受けられた後に人間に何が残るのかを問う。
エージェントに仕事を任せることが当たり前になると、批判的思考は意識しない限り失われていく。タスクを委ねつつ結果の所有権を手元に残す「認知的オフロード」から、出力を疑わなくなる「認知的降伏」へと滑りやすい。本稿では、仮説を先に立てる六つの問い、検証を習慣にする方法、生成物を実際に読む作法、プロンプトを思考の鏡として扱う姿勢を通じて、責任を手放さずにエージェントと働く実践を整理する。
東京で40歳を迎え、キャリア転換期に不安と不確実性に向き合った筆者が、心理学の「不確実性不耐性」と「災難化思考」を手がかりにその正体を解き明かす。進化の観点から人間が不確実性に弱い理由を説明し、仮説と事実を分けて注意を今に戻す実践法を紹介。AI時代に強まる淘汰への恐れに対しては、AIと競うのではなく使いこなす視点を提案する。個人の心がけだけでは解決できないシステム的な課題としても捉えている。
Antigravity は、コード生成から長時間動く自律エージェントの管理へと軸を移しつつある。本記事では、エージェントエンジン、成果物検証、カスタムプリミティブ、多層防御という4本の柱を整理。Gemini 4 Argon と 3.8 Flash の分業、本番事例、コンテキスト管理の方法に加え、要件を問い詰める grill-me と本線を止めない /btw の使い方を紹介する。
Antigravity の deep dive に登壇した Google のエンジニアは、AI を「賢いチャット相手」として使う段階から、並列の組立ラインとして設計する「ソフトウェア工場」へ移るべきだと語った。モデルとハーネスの進化、/boost や Teamwork Preview による構造化委任、cron とフックの自動起動、トヨタの自働化に学ぶ停止・検証、.gemini/brain による状態永続化、構築5ステップを紹介する。
生成AIは、質問に答える段階から、ゴールを与えれば自律的に動くエージェントへと変わりつつある。本記事では、Google Cloudの登壇者が語ったAgent導入の本質を整理。幻覚の原因はモデルではなく業務定義の欠如にあること、PoCが規模拡大で壁にぶつかる理由、データ・メタデータ・セマンティック層を組み合わせた「コンテキストアーキテクチャ」、そして比較実験とデモの結果を紹介する。
AIがコードを書くスピードが上がったとき、エンジニアリングのボトルネックは要件定義や業務の言語化、検証・運用へ移る。テストが全部グリーンでも成果とは限らない。金融や通信の事例を交え、AIを導入する工程と人が判断を担う境界、組織が最初に踏むべき一歩を整理する。
企業AIの成否を分けるのはモデルではなく実装だ。SoftBankの登壇者は、半導体からデータセンター、電力、蓄電へと続く供給チェーンの末端に実装を位置づけ、全部門に広がるAIエージェント、6月に発表したセキュリティサービス、FDEの5段階評価、レガシーシステムのクラウドリフト、TPMとSREの「AI版」職種、6週間150件を少数精鋭で回す開発体制を語った。
AIエージェントが企業で信頼できる行動を取れない原因は、モデルの推論力ではなく業務知識の欠如にある。Neo4jが発表したContext Engineは、業務プロセス、ドメイン用語、データの所在、権限、過去の意思決定を六層のオントロジーとしてグラフにまとめ、GraphRAGによる検索と記憶・学習を提供する。private preview段階にある意義と検証課題を整理する。
企業AIの提案は「ナレッジグラフが必要だ」という概念で止まりがちだ。本稿では、知識の形を定義する第一層、業務ロジックを抽出してAIが判断できる仕組みをつくる第二層、判断と実行を支えるクラウド基盤の第三層に分けて整理する。5つのサイクルと6つの能力からなる判断フレームワーク、旧システムをMCPで包むmodernization、実行まで含めて設計する必要性を論じる。
企業は同じ能力モデルと評価基準で人材を選びながら、非標準的な成果を期待する。アレックス・カープは、突破口を生む人材ほど管理しにくく、組織が権威への挑戦を受け入れにくいと指摘する。技術と商業価値の断層、FDEの役割、AI時代に実行が安くなるほど判断が高くなる理由、暗黙知を蓄積する知識システムまでを一貫した論理で論じる。