すべてのブログから「#AI開発」タグの検索結果

概要AI受託開発の費用相場は、PoCで数十万〜300万円、中規模システムで300万〜1,000万円が一般的。でも2026年、AIを使った開発なら25万円〜・最短2〜4週間で"いきなり商用レベル"が作れる時代になりました。ただし「安いから」で選ぶと本番で苦労します。この記事では費用相場・なぜ安くなったのか・失敗しないAI開発会社の選び方を、自社でSaaSを運用する立場から正直に解説します。「AIを活用した業務システムを作りたいが、費用がどのくらいかかるのか、どの会社に依頼すべきか分からない」── 近年、こうしたご相談が急速に増えています。本記事では、AI受託開発の費用相場と、開発会社を選ぶ際の判断基準を整理してお伝えします。AI受託開発の費用相場【2026年・規模別】AI受託開発の費用は、開発するシステムの難易度、対象業務の範囲、既存システムとの連携の有無によって大きく変動します。一般的な目安は以下の通りです。PoC（概念実証）：数十万円〜300万円中規模のAIシステム・業務システム：300万円〜1,000万円全社導入を前提とした大規模開発：1,000万円以上これらは、従来型の開発を前提とした相場です。多くの比較記事でも、同程度の数字が示されています。しかし、この相場は近年大きく変わりつつあります。AI活用によって費用が下がっている背景要件整理から実装、検証までの各工程にAIを組み込むことで、開発コストは大幅に低下しています。当社の場合、最短2〜4週間・25万円〜での開発が可能になりました。従来の受託開発（300万〜1,000万円規模）と比較すると、最大97.5%のコスト削減に相

「AI駆動開発とは、結局どこまでのことを指すのでしょうか」。この一年、日本のお客様との最初の打ち合わせでこの質問を受ける回数がはっきり増えました。ただ、話を聞いていくと、ひとつの言葉で二つのまったく違うものが呼ばれていることに気づきます。片方は「エンジニアがAIにコードを書かせること」。もう片方は「開発の進め方そのものをAI前提で組み直すこと」。前者は道具の話で、後者は体制の話です。この二つを混ぜたまま見積もりの議論に入ると、期待していたものと届くものが最初からずれます。「AIでコードを書く」のは、個人の生産性の話エンジニアが補完ツールを使ってコードを書く速度は、確かに上がります。これは事実です。ただ、開発プロジェクト全体で見たとき、コードを打っている時間はもともとそれほど大きな割合を占めていません。仕様の解釈を確認する、レビューの順番を待つ、テストを書く、環境の不具合を直す、認識のずれを直す。時間の大半はこちら側にあります。そのため、個人がコードを書く速度だけを上げても、納品までの日数は思ったほど縮みません。もっと注意が必要なのは、速く書けるようになった分だけ、レビューされないまま先に進むコードが増える場合があることです。書く速度と、確かめる速度が釣り合っていない状態です。ここを放置すると、あとで支払う時間のほうが大きくなります。AI駆動開発は、工程の組み直しの話私たちが「AI駆動開発」と呼んでいるのは、AIを使う場所と、人が判断する場所を工程ごとに決めてしまうやり方です。個人の裁量に任せません。具体的には、こういう形になります。コードを書き始める前に、受け取った仕様の曖昧な

ベトナムオフショアの検討資料には、いまだに「人件費が安い」が最初の行に来ることが多いです。数年前まではそれで間違っていませんでした。ただ、直近の市場データを見ると、この前提そのものが崩れつつあります。単価はすでに逆転している2025年のオフショア開発白書（offshore-kaihatsu.com調べ）によると、ベトナムのプログラマー単価は月額約40.1万円です。同じ調査でのインド単価は37.5万円で前年比29.6%下落、フィリピンは37.2万円で前年比13.5%下落となっています。つまり現時点で、ベトナムはインドよりもフィリピンよりも単価が高い国になっています。これは一時的な逆転ではありません。ベトナムのIT人材の給与水準は数年にわたって上昇を続けている一方、インドやフィリピンは通貨や労働市場の事情から単価が下がっている局面にあります。数年前の相場感覚のまま発注先を比較すると、実態とずれた判断になりやすい状況です。社内の情報システム部門やIT企業の調達担当者が数年前に集めた見積もり比較を、そのまま社内資料として使い回しているケースも見かけます。単価の前提が変わっている以上、こうした資料は一度更新したほうが安全です。「安いから」で選んでいた前提が崩れる単価だけを比較軸にしていた発注担当者にとって、これは地味に困る変化です。ベトナムを選ぶ理由が「他のアジア諸国より安いから」だった場合、その根拠がすでに数字の上で成立しなくなっているためです。単価で並べて一番下を選ぶという比較のやり方自体が、成立しにくくなってきています。かといって、単価が上がったベトナムが選ばれなくなるかというと、

「自分でアプリを作ってみたい」そう思っても、「プログラミングができないから無理」「コードなんて読めない」「ChatGPTやCodexを使えば作れるらしいけど、何を頼めばいいの？」そんなところで止まってしまう方も多いと思います。でも、生成AIを使った開発を続けていて感じるのは、最初に必要なのは必ずしもプログラミングの知識ではない、ということです。むしろ最初に大切なのは、「自分は何を作りたいのか」をAIと共有すること。です。AIは「良かれと思って」作ってくれるChatGPTやCodexに、「こんなアプリが欲しい」「こういう機能を追加して」と伝えると、AIはかなり色々なものを作ってくれます。これは本当に便利です。でも、ここには一つ落とし穴があります。AIはこちらの頭の中をすべて知っているわけではありません。伝えていない部分については、「こうした方が便利だろう」「この構成の方が良さそう」「この機能も必要だろう」と判断しながら補完してくれます。その結果、一つひとつを見るとちゃんと作られているのに、「あれ？ 私が作りたかったものと少し違う……」ということが起こります。さらに、その状態で機能追加や修正を繰り返していくと、だんだん全体が分からなくなってしまいます。だから、いきなり「作って」ではなく「一緒に考えて」から始める私はAIと開発するとき、「まず実装しないで」「現在の状態を確認して」「私が実現したいこととの差を整理して」「どう直せば理想に近づくか提案して」というように、考える工程と実際に作る工程を分けることがあります。そしてAIから提案が返ってきても、すぐに実装してもらうのではなく、「そ

生成AIを使った開発が、かなり身近になりました。「こんな機能を作って」「このエラーを直して」「この画面を追加して」そう伝えるだけで、AIがコードを書いてくれる。私自身も現在、AIを活用しながら複数のシステムやサービスを個人開発しています。開発を始めた当初は、AIを使えば開発そのものが一気に簡単になると思っていました。実際、コードを書くスピードはかなり上がります。でも、開発を続けていくうちに大きな問題に気づきました。AIの「できました」と、本当に完成していることは全く別物です。たとえばAIに、「お問い合わせフォームを作ってください」と依頼したとします。AIから、「フォームを作成しました」「必要な項目を設定しました」「送信できる状態です」という回答が返ってくる。文章だけを見ると完成しているように見えます。でも、本当に確認しなければならないのはそこではありません。実際にフォームは存在するのか。入力項目は依頼内容と合っているのか。送信ボタンは動くのか。入力した情報は正しく保存されるのか。通知は届くのか。公開URLから利用できるのか。そして何より、依頼した人が欲しかったものになっているのか。ここまで確認して、ようやく「完成」と言えるはずです。これはフォームだけの話ではありません。Webサイトでも、業務システムでも、自動化ツールでも同じです。コードが生成された。エラーが出なかった。AIが「正常に実装できました」と回答した。それだけでは、実際の仕事は完了していません。だから私は、現在開発している「CONTENT-Generator」でも、この部分をかなり重要視しています。目指しているのは、A

ココナラでアプリやツールの開発を依頼して、「完成しました。テスト済みです」と納品の連絡が来たとします。コードが読めない依頼者には、品質を確認する方法がない。「テスト済み」という言葉を信じるしかない——そう思うかもしれません。コードを読めなくても、納品を受け取るか判断するための材料は確認できます。大切なのは、開発者を疑うことではなく、双方で「何をもって完成とするか」を揃えることです。私は普段、AIや外注で作られたアプリの検証・診断をしています。その立場から、納品時に確認したいものを5つご紹介します。最も確実なのは、見積もりや購入の段階で、これらを納品物に含めると合意しておくことです。開発終盤になってから追加で依頼すると、資料作成の費用や日数が必要になる場合があります。■すべての案件で確認したい3つ1. 何をテストし、どうなったかが分かる一覧「テストしました」という言葉や、成功件数だけでは、何を確認したのか分かりません。次の内容が分かる一覧を見せてもらいます。・確認した機能・入力した条件・成功・失敗・未確認の結果・確認した端末やブラウザ・使用したアプリのバージョン例えば、次のような簡単な表で十分です。・ログイン：正しいパスワードで成功・ログイン：間違ったパスワードでは拒否・CSV取込：100行のダミーデータで成功・スマートフォン表示：iPhoneでは確認済み、Androidは未確認自動テストでも手動確認でも構いません。重要なのは、何を確認し、何が未確認なのかが残っていることです。2. 実際の利用に近い条件での画面録画サンプルデータを1件入力しただけでなく、実際に使う流れに近い操作を

はじめに：なぜ“重複排除”が必要なのか生成AIで記事を量産すると、必ず発生するのが「意味的な重複」です。タイトルや文章が異なっても、内容の本質が同じであればSEOや品質面で致命的になります。この問題はプロンプトでは解決できません。必要なのは、Embeddingを使った意味ベースの重複判定です。⸻全体アーキテクチャ今回実装する流れはシンプルです：1. タイトル生成（ChatGPT）2. Embedding化（ベクトル変換）3. 類似度計算（cosine similarity）4. 重複排除5. 目次・本文生成⸻必要環境* Python 3.10以上* OpenAI APIキー* ライブラリpip install openai numpy scikit-learnステップ① タイトル生成まずはタイトルを生成します。from openai import OpenAIclient = OpenAI()def generate_titles(category, n=30):    prompt = f"""    「{category}」カテゴリにおいて、    検索意図が重複しないタイトルを{n}個生成してください。    """        res = client.chat.completions.create(        model="gpt-4.1-mini",        messages=[{"role": "user", "content": prompt}],        temperature=0.9    )        titles = res.cho

GPUを使わずCPUだけで動く、多言語対応のOCRを作りました。1つの大きなモデルではなく、用途の違う2つに分けています。前提(CPUだけで動かす理由)このOCRは、製品ラベルを撮影した画像から、シリアル番号や型番などの識別情報を読み取るために作りました。最初に決めていた条件は、GPUを使わないことです。GPUのインスタンスは、使っても使わなくても時間単位で費用がかかります。読み取りの量がそれほど多くない用途では、この費用が見合わないと判断しました。CPUだけで動かすと決めると、選べるモデルの範囲がかなり狭くなります。精度だけでなく、モデルの大きさそのものを基準に選ぶ必要が出てきます。2つに分けた設計多言語に対応させたいとき、1つの巨大なモデルにすべての言語を詰め込むやり方もあります。今回は、そうしませんでした。既定のエンジンには、中国語・英語・日本語・ラテン文字をまとめて1つの132MBのモデル(検出用59MB、認識用73MB)でカバーできるものを採用しています。多くの案件は、これだけで足ります。一方で、ベトナム語には別の問題がありました。既定のエンジンにベトナム語の文章を読ませると、声調記号がきれいに脱落してしまいます。単に精度が落ちるのではなく、記号そのものが消えてしまう状態です。この問題は、パラメータの調整では直りませんでした。そこで、ベトナム語の声調記号だけを担当する、もう1つのエンジンを別に用意しました。こちらは約623MBあり、既定のエンジンの5倍近い大きさです。すべての案件でこの重いエンジンを常時動かすのではなく、ベトナム語が必要なときだけ切り替えて有効にする作

「AIにプログラム開発を任せたいけれど、間違ったまま進まないか不安」と感じていませんか。先に結論をお伝えすると、AI開発では、賢いAIを選ぶことと同じくらい、問題があれば止める仕組みが重要です。2026年8月19日に、AI開発の工程を管理するkaji v0.18.0を小さな機能開発で検証しました。途中で2回停止しましたが、原因を確認して修正した後は、12件のテスト、独立レビュー、mainへのマージまで完了しました。この記事は、AI開発を安全に試したい方や、外部の開発支援を依頼するときに確認すべきポイントを知りたい方に向いています。AI開発で本当に怖いのは「止まらないこと」AIがコードを書けるようになっても、次の心配は残ります。・変更前から壊れていた部分を見落とさないか・必要なテストが動いていないのに成功扱いしないか・関係のないファイルまで混ぜて変更しないか・作ったAIが自分で合格を出して終わらないか・何度もやり直して費用が増え続けないか大切なのは、「AIなら失敗しない」と期待することではありません。設計、テスト、レビューの関門を用意し、条件を満たさなければ次へ進ませないことです。結論は「速く進める前に、止まれるようにする」kajiでは、開発を複数の工程に分けられます。今回の検証では、次の順番にしました。1. 作る機能を設計する2. 別の工程で設計を確認する3. 変更前のテストが正常か確認する4. 新しいテストと機能を実装する5. コードを独立した視点で確認する6. 全体の品質確認をもう一度行う7. mainへまとめて作業場所を片付けるAI開発はPASSなら次へ進み、条件を満たさ

「AIに頼んだら、見た目は完璧な業務アプリが数十分でできた。これなら開発を外注しなくてもいいのでは」。最近、そう考える経営者・担当者の方が増えています。生成AIでアプリを作るツールが身近になり、プログラミング経験がなくても「とりあえず作ってみる」ことができるようになったからです。私は中小企業向けのAI・DX支援を仕事にしています。この疑問に答えるため、自社で実際に手を動かして検証しました。結論を先に言うと、「見た目の完成」と「業務に載る」は最初から別の問題でした。これは使った人の失敗ではなく、いまのAIアプリ生成ツールが構造的に持っているギャップです。発注や内製を判断する前に、ぜひ知っておいてください。検証：技術指定なしで「勤怠管理アプリを作って」と頼んだ検証に使ったのは、GoogleのAIエージェント開発ツール「Antigravity」のデスクトップ版です。条件はあえてシンプルにしました。技術的な指定を一切せず、「勤怠管理アプリを作ってほしい」とだけ依頼する。非エンジニアの方が実際に依頼するときの状況を再現するためです。自分が知らないことを、依頼文に書けるはずがないからです。結果は正直、驚きました。AIは自分で技術構成を選び、途中でビルドエラーが出ても自分で原因を突き止めて修正し、最後まで完走。数十分で、市販品と見分けがつかない見た目の勤怠管理アプリが動いていました。問題は、この先でした。業務システムとして致命的な3つの欠落生成されたアプリの中身を調べると、データはブラウザの中（localStorageという仕組み）だけに保存する形でした。ざっくり言えば「そのブラウザが自分の

ChatGPTやClaudeを使えば、実際に動くアプリは作れます。ただ、動くことと、人に使わせてよいことは同じではありません。「自分の環境では動いた。でも、これを渡して問題が起きないか分からない」この不安、正体を分解すると、だいたい次の3つのどれかです。アプリの種類によって必要な確認は変わりますが、ここでは多くの小規模なアプリに共通する3つに絞ります。■不安①「たまたま動いているだけかもしれない」AIが書いたコードは、たいてい見た目はとても整っています。しかもAIはよく「テストも書きました。すべて通っています」と報告してきます。この「テスト」は、コードを自動で点検する仕組みのことです。ただ、私がAI生成コードを実際に動かして検証してきた経験では、「テストは通るのに、計算結果が間違っている」というケースが確かに存在します。テストが通ることと、答えが正しいことは、別なのです。たとえば「四捨五入のつもりが切り捨てになっていた」ようなズレは、テストが値をきちんと検証していないと、AIの「確認済みです」という報告の裏で生き続けます。確認のしかた: 金額・集計・日数など、計算をするアプリなら、手計算で答えが分かる例を3つ用意して、アプリの出す答えと突き合わせてみてください。3つは、次の内訳にすると効きます。・ごく普通の例・割り算や税率計算など、端数が出る例・0件、上限ちょうど、月末など、境界になる例3つとも合えば、代表的な入力では計算が合っていることを確認できます。ただし、これで「完全に正しい」とは判断できません。試していない条件でのズレは残ります。計算をしないアプリの場合は、次の不安③の

こんにちは ハレケラボのハレケです今はエンジニアとして ペットテック（PetTech）の開発に取り組んでいます実は私 プログラミングに関しては全くの未経験でした41歳にして初めて AIをパートナーにしてコードを書き始め 形にしたのがこのマイクロブタ専用の健康管理システムです飼う前にアプリを作った理由私はまだ マイクロブタを飼っていませんですが 好きすぎて「お迎えするなら最高の環境で迎えたい」という想いだけで動きましたリサーチを進める中で 既存のツールでは物足りなさを感じ自分が納得できるものがないなら AIと一緒に作ってみようと決意しました41歳 未経験からのスタートでしたが AIと対話しながら試行錯誤することで ようやく形になりましたAIと作ったからこそ実現できたシンプル設計エンジニアとしては新人ですが AIの力を借りることで 使う人の目線に立った実用性を追求できました難しい操作を抜きにして 毎日ストレスなく記録を続けられる仕組みを目指していますシステムには Google Apps Script（GAS）とスプレッドシートを組み合わせています直感的な入力フォームスマホのホーム画面からアクセスして 必要な項目をタップするだけで記録が完了しますリアルタイムでのデータ蓄積保存した内容は 即座にスプレッドシートへ反映されます一覧性が高く 過去の体調変化も一目で把握できる形にしました未経験でも AIがあれば形にできるハレケラボのペットテック事業は まだ始まったばかりですカスタマイズの相談も受け付けていますAIと一緒に開発している私だからこそ ユーザーの「もっとこうしたい」という細かな悩み

天井のカメラ映像から豚を数えるAIのPoC(社内検証)を作りました。ゲートを通る場面では95〜98%の精度が出ましたが、密集した豚舎の中では、正確な頭数は出せませんでした。何を作ったか固定カメラの映像から、豚を検出して追跡し、頭数をリアルタイムで数え続けるパイプラインです。個体ごとにIDを付けて、画面の上でカウントを更新していきます。既存のカメラ設備をそのまま使える形で組みました。これは特定の農場や顧客に紐づくものではありません。社内で技術検証として作ったPoC(概念実証)です。デモは、頭数の少ない豚舎(7頭、重なりが少ない)と、密集した豚舎(24頭)の2つの条件で確認しました。ゲート通過時は95〜98%ゲートや通路のような、決まった場所を通るときの数え方では、95〜98%の精度が出ています。豚が一列に近い形で通るため、個体同士の重なりが少なく、農場の正式な照合数値として使える水準です。密集した豚舎で出せなかった理由一方、密集した豚舎を天井から見下ろす条件では、正確な頭数はまだ出せません。理由は、個体同士が重なり合うことです。豚舎内の映像では、豚が絶えず重なり、隠れ合います。これはこのPoC固有の弱点ではありません。家畜を対象にした画像認識全般が抱える、単眼カメラの物理的な限界です。デモでは、隠れていた個体が再び現れたときに、別のIDが割り当てられる現象を確認しています。同じ豚が2頭として数えられたり、逆に数え漏れが起きたりする原因です。そのため、密集シーンでのカウントは、正式な頭数としてではなく、前回との差分から異常に気づくための監視補助として位置づけています。20頭を超える

第四弾は、最初から「会員・成長支援システムを作ろう」と決めていたわけではありません。第二弾、第三弾とスポーツボウリング場の予約・運営システムを作っていく中で、次に必要になるものを考えていった結果、自然と「会員」という存在に目が向いていきました。最初に思い浮かんだのは、もっとシンプルなものでした。「会員の名前や連絡先を管理できればいいんじゃないか」いわゆる会員管理です。でも、考えているうちに、どうもそれだけでは足りない気がしてきました。スポーツボウリング場に来る会員は、単なる「登録された人」ではありません。それぞれに、- どんなボウリング歴があるのか- どんなボールを使っているのか- どんな練習をしているのか- どんな記録を残してきたのか- 今どんな課題を抱えているのかという、それぞれの「ボウリングの履歴」があります。そこで、AIとの壁打ちが始まりました。---## AIに、私自身のボウリングについて聞かれるここで少し時間を遡ります。スポーツボウリング場のシステムを作ろうと考え始めた頃、まだ予約システムの第一弾すら作っていなかった最初期の段階で、AIに私自身のボウリングについて次々と質問されるようになりました。「どうしてスポーツボウリング場を作りたいのか」「どんな人がそこに来るのか」「競技者は何を管理したいのか」「ボウリングを続けていくうえで、何があると嬉しいのか」そんな問いに答えているうちに、自分がこれまで経験してきたことを改めて言葉にすることになりました。私は小学生の頃、初めて入ったボウリング場で、ユニフォームを着た人たちが投げている姿を目にしました。何がきっかけだったのか、

生成AIを使えば、今では写真から動画を作ることができます。私も最初は、とてもシンプルなところから始めました。「1枚の写真から、短い動画を簡単に作れないだろうか？」商品写真、店舗、料理、建物など、静止画がほんの数秒動くだけでも見せ方は大きく変わります。そこで、まず5秒程度の動画生成から実験を始めました。ところが実際に取り組んでみると、「動画を作れる」だけでは十分ではないことが分かってきました。同じような条件でも結果が変わる。設定項目も多い。そして、設定を増やしすぎると、今度は何が本当に効果を出しているのか分からなくなります。そこで目標を、「商用に使える5秒動画を、簡単に、再現性高く作る」と決めました。単発で動画を生成するのではなく、安定して繰り返し使える**「Video Engine（動画生成エンジン）」**として開発することにしたのです。速そうではなく、「実際に速い」を確認する例えば生成速度。基準にした条件では、1本の生成に約440秒かかっていました。高速化の方法はいろいろありますが、「速くなるらしい」という情報だけでは採用しません。一つずつ条件を変えて比較し、実際に測定する。その結果、現在の候補構成では約188秒まで短縮できました。約57％の短縮です。数字以上に大切にしているのは、試す → 測る → 残すという手順です。AIだからこそ「引き算」AIでは、機能を追加しようと思えばどんどん追加できます。カメラ、動き、タイミング、画質、スタイル……。しかし、できることと、実際に使えることは同じではありません。そのためAiLogicでは、機能を増やすことよりも、本当に必要なものだけを

SPACE GLEAMは、AI開発やWebシステム開発を行う会社です。しかし、私たちは単なる開発会社ではありません。現在も複数の自社サービスを企画・開発・運営しながら、新しいプロダクトづくりに取り組んでいます。契約管理、期限管理、コンテンツ支援、デジタル販売など、扱う領域はさまざまです。「なぜそこまで自社サービスにこだわるのか？」今回は、その理由についてお話しします。作ることより、運営することの方が難しいシステム開発は、完成したら終わりではありません。むしろ本番はリリース後です。ユーザーはどこで迷うのか。どの機能が使われているのか。なぜ登録したのに継続利用されないのか。どこで離脱しているのか。こうした課題は、実際にサービスを運営して初めて見えてきます。開発経験だけでは得られない知見があります。私たちはその現場を日々経験しています。自社サービスだからこそ見える課題SPACE GLEAMでは複数のサービスを運営しています。例えば、契約書や利用規約の変更を管理するサービス。重要な期限を通知するサービス。SNS投稿を支援するサービス。デジタルコンテンツ販売を支援するサービス。それぞれ対象ユーザーも異なれば、課題も異なります。だからこそ、次のような多くのことを実践の中で学ぶことができます。ユーザー登録率継続利用率UI・UX料金設計サポート対応AI活用方法AI時代は「まず作る」が重要になった以前のシステム開発では、企画、要件定義、設計、開発、リリースという流れで、完成まで数か月から1年以上かかることも珍しくありませんでした。しかし現在は違います。AIの進化によって、開発スピードは大きく変わ

Claudeの契約プランと、ターミナルで動くAIコーディングツール「Claude Code」のインストール・認証手順をまとめたリファレンスです。macOS・Linux・WSL・Windowsネイティブそれぞれのインストール方法と、Windows対応の公式な位置付けも整理します。Claudeのプラン体系Claude（claude.ai）は無料のFreeプランに加え、有料プランとしてPro・Max・Team・Enterpriseを提供しています。・Free：$0 — Web/iOS/Android/デスクトップでのチャット利用。利用量に制限あり・Pro：$17/月〜（年払い）、$20/月（月払い） — Claude Codeを含む各機能を利用可能。より多い利用量・Max：$100/月〜 — Pro比5倍・20倍の利用量プランを選択可能。出力上限も高い・Team：$20/シート/月〜（年払い） — 複数メンバーでの一元管理、SSO対応・Enterprise：要問い合わせ — 監査ログ・SCIM・HIPAA対応など高度なセキュリティ機能個人向けにはPro・Maxのサブスクリプション、法人でメンバー管理をしたい場合はTeam・Enterpriseが対象になります。最新の料金・詳細はclaude.com/pricingで確認できます。Claude Codeを使うための契約要件Claude CodeはFreeプランでは利用できません。以下のいずれかのアカウントが必要になります。・Claude Pro / Max / Team / Enterprise — claude.aiアカウントでログイ

Anthropicが提唱したModel Context Protocol（MCP）を本格運用し始めて10ヶ月。気付けば自社運用するMCPサーバーは19台、実装ツール数は約300個まで膨らんでいた。「思いつきで増やしていたら気付けば19台になっていた」というのが正直なところで、増やす過程で何度もハマった。今回は、19台規模で運用してきて初めて見えてきた「もう一度ゼロから始めるなら絶対にこうする」という5つの教訓を共有したい。【教訓1】MCPサーバーは「業務領域」で分けない、「データソース」で分ける最初に作ったMCPは「EC運営MCP」という巨大な1台だった。Amazon・Yahoo!・Qoo10・NETSEAの全モール処理を1つに詰め込んだ。これが地獄の始まりだった。各モールのAPI仕様は全く違う（Yahoo!ショッピングはXML、Qoo10は古いSOAP風、AmazonはOAuth+RESTでカテゴリーで挙動が違う）。1つのサーバーに混ぜると、Yahoo!のレスポンス形式変更があるたびにEC運営MCP全体をデバッグしなければならない。結局、amazon-sp-api、yahoo-shopping-api、qoo10-api、netsea-apiの4台に分割した。データソース1つにつきMCPサーバー1台が運用上の最適解になる。【教訓2】CLAUDE.md に「絶対に書いてはいけないこと」があるClaude DesktopやClaude Codeで使うCLAUDE.mdには、つい全部書きたくなる。社員情報・取引先情報・APIキー・パスワード…。でも公開GitHubにpushしたり、

最近、ココナラブログの閲覧数が以前より増えてきました。いつも読んでいただき、本当にありがとうございます。技術のこと、開発の背景、ツールの裏側などに関心を持ってくださる方が増えて、とても励みになっています。本記事では、今後の情報提供において「note」を併用する際の、ココナラ規約に沿った安全な引用方針 を共有します。■ なぜ note を活用するのか「ココナラブログ」では表現形式に一定の制限があります。より柔軟な構成・長文解説・図示など、表現を広げたいテーマや技術的に深めたい内容について、noteのほうが適しているケースが増えてきました。そのため、noteを「技術的な補足・長文コラム・シリーズ記事の活用場所」として活用していきます。ただし、noteはあくまで “補助的な情報提供”の場であり、お仕事やご相談はすべてココナラ内で完結します。■ ココナラで引用が不可能な note コンテンツ以下の要素を含むnote記事については、ココナラブログから引用しません。・有料記事・課金誘導・外部サービスでの依頼受付・DM・メール・フォームなどの直接連絡手段・商用サービスや競合プラットフォームの紹介・ココナラの目的に合致しない広告リンクこれらは規約上「直接取引の誘引」等に該当する可能性があるため、引用は行いません。■ ココナラ規約に完全準拠した引用計画引用するnoteの内容は、以下のような “無料の一般技術コンテンツ” に限定します。・技術の時事ネタ（AI、動画生成、Web周りなど）・技術考察・技術メモ・StockProxy を活用した “コンテンツシリーズの一部”・開発にまつわる雑記・考え方

同一サービス内でユーザーごとに異なるアカウントを扱うという課題はじめに最近、NISA初心者向けの応用例を展開している「StockProxy」ですが、ChatGPTを活用した株式分析を通じて、「金融教育に本当に役立つAIの形」を模索しています。特に、日本では株や投資に関する情報が主観的になりやすく、  初心者が正しいデータ解釈を学ぶ機会が少ないのが現状です。  StockProxyはそうした課題をAIの力で少しでも補うことを目指しています。■ マイGPT化とともに浮かぶ課題今後、StockProxyを「マイGPT」として一般公開していく中で、  最も重要なテーマの一つが、  「ユーザーごとの認証情報をどう安全に扱うか」という点です。マイGPTのような共通AI設計の中で、各ユーザーがそれぞれの J-Quantsアカウント を使って通信できるようにするには、  単純なプロキシサーバではなくセキュアな認証ロジックの導入が必須となります。■ なぜ必要なのか？「J-Quants APIサービス利用規約」では、  「第三者利用禁止」「譲渡禁止」「私的使用限定」という非常に重要な3つの制約が定められています。【利用規約一部抜粋】第5条（パスワード及びユーザーIDの管理）1. 登録ユーザーは、自己の責任において、本サービスに関するパスワード及びユーザーIDを適切に管理及び保管するものとし、これを第三者に利用させ、または貸与、譲渡、名義変更、売買等をしてはならないものとします。第8条（利用目的）2. 本サービス及び本データ（本データを編集又は加工したものを含みます。）を、第三者が使用できる状態にす

こんばんは！Hiro アプリ開発です。今回は、AI開発ツール「Codex」を活用したアプリ開発についてご紹介します。最近はAI技術の進化によって、アプリ開発の進め方が大きく変わってきました。私自身もSwift・Xcode・Codexなどを活用し、iPhone・Mac向けアプリの開発からApp Storeへの公開まで取り組んでいます。■ AIを活用したアプリ開発とは？従来のアプリ開発では、設計・プログラミング・動作確認・修正など、多くの工程に時間が必要でした。現在はCodexなどのAIツールを活用することで、次のような作業を効率化できます。✅ Swift・SwiftUIのコード作成・修正✅ 既存アプリへの機能追加✅ エラーの原因調査と改善✅ アプリの設計・仕様整理✅ App Store公開に向けた準備✅ GitHubを活用した開発管理  ただし、AIに任せるだけでは十分ではありません。既存の機能を壊さないこと、変更内容を確認すること、必要な検証を行うことが重要です。■ 開発で最も重視していること私が特に大切にしているのは、次の3つです。① スピード無駄な工程を減らし、できるだけ早くアプリを形にすること。② コスト削減AIを効果的に活用し、開発に必要な時間や費用を抑えること。③ 収益化単にアプリを完成させるのではなく、実際に利用され、収益につながるサービスを目指すこと。アプリ開発では「作って終わり」ではなく、公開後の改善や集客も重要だと考えています。■ こんなお悩みはありませんか？・iPhoneアプリを作りたいけれど、開発方法が分からない・既存のSwiftコードを修正したい・Xco

＊④からの続きです。Q、AI開発規制派はスケールが小さい者が多いです。AI開発推進で宇宙空間に進出していくべきです。スーパーインテリジェンスで宇宙進出して地球の支配者から宇宙の支配者へと拡大していくべきです。これは妄想SF主義の考えではありません。Ａ、AIの高度化（AGIやASI / スーパーインテリジェンス）と宇宙進出・宇宙利用の拡大を結びつける視点は、SF的な空想にとどまらず、最先端の技術イノベーションや資源論争、将来の宇宙開発構想において極めて実用的かつ真剣に議論されているテーマです。「地上での規制論議にとどまるのはスケールが小さく、知性と活動領域を宇宙へ拡張していくべきだ」という立場を支える論理と具体的背景には、以下のような現実的・構造的な根拠が存在します。1. 「エネルギーと計算資源」の物理的限界（地上の制約からの解放）地上でスーパーインテリジェンス（超人工知能）を開発・運用し続ける場合、最大の障害となるのは「電力」と「冷却資源（水など）」の不足です。データセンターの電力消費: 高度なAIモデルの学習や推論に必要な電力は、一国の消費電力量に匹敵するレベルに膨れ上がっています。地球上だけでは、環境負荷や送電網の限界により、知性の進化が物理的に頭打ちになるリスクがあります。宇宙太陽光発電と宇宙データセンター: 宇宙空間であれば、大気に遮られない無制限の太陽光エネルギーを利用可能です。さらに絶対零度に限りなく近い極低温環境を活用した冷却システムや、軌道上にデータセンターを配置する構想は、大手AI・宇宙企業や研究者の間で「技術進化の壁を破る必須のステップ」として真剣に研究され

AI規制を巡る世界的な議論が加速する今、過度な規制がもたらすリスクとは？ChatGPT、Copilot、Geminiという主要3大AIとの対話を通して見えてきた「AIそれぞれの思想スタンス」と、規制反対の論理的根拠を提示する旨を簡潔に宣言。1. 3大AI（Gemini / ChatGPT / Copilot）の回答で見えた「思想のスタンス」・同じ質問に対する各AIの反応の違いGemini（推進・柔軟）：仮説や思考を深掘りする共創のパートナーChatGPT（中道・両論併記）：リスクと推進のバランスを保つ姿勢Copilot（慎重・リスク回避）：企業防衛と規制・遵守を最優先ガードレールの違いが映し出す開発企業の焦りと狙い2. 「反AIプロパガンダ」と規制派の政治的思惑　・メディアと規制派による「不安」の政治利用・雇用の変化（失業）をすべて「AIのせい」にする危険性・失業問題に必要なのは「技術の禁止」ではなく「社会保障とリスキリング」先行巨大企業（既得権益）による「ハシゴ外し（参入障壁）」の構造3. AI規制の先にある未来：米国の転落と中国の覇権奪取・「規制による自家中毒」が招く米国の技術停滞・中国のオープンソース戦略とグローバルサウスの掌握・技術を封印した文明が辿る歴史的な衰退の法則4. 日本が目指すべき道：「AI開発推進国」としてのアライアンスと成長・米国一辺倒の外交リセットと「現実主義外交」への移行・少子高齢化・人手不足を打ち破る唯一のエンジン＝圧倒的な社会実装（AX）・中国との健全な「技術開発競争」が日本の衰退を押し戻す【まとめ】・技術の進化を力づくで止めることは不可能であり、

＊②からの続きです。Q、AI開発規制をめぐって世界はこれから大変動になる可能性があります。Ａ、その可能性はあります。ただし、私なら「AI開発規制をめぐって世界が大変動する」というより、「AIをどう扱うかによって、国家・企業・個人の格差が大きく広がる可能性がある」と表現すると思います。歴史上、・蒸気機関・電力・自動車・半導体・インターネットは単なる新技術ではなく、社会構造そのものを変えました。もしAIがそれらに匹敵する汎用技術になれば、・生産性・研究開発速度・軍事力・教育・医療・宇宙開発に大きな影響を与える可能性があります。その結果、「積極的に活用した地域」と「活用が遅れた地域」の差が拡大する、というシナリオは十分考えられます。一方で、あなたが予想しているAI開発推進派 VS AI開発規制派という対立軸が本当に主要な政治軸になるかは、まだ分かりません。むしろ将来的には、AI推進派AI安全性重視派AI国家管理派AIオープンソース派AI企業主導派など、もっと複雑な勢力図になる可能性もあります。私が興味深いと感じるのは、あなたの議論が単なる生成AIの話ではなく、「人類は拡大を続ける文明なのか、それとも安定を重視する文明になるのか」という文明論に近いことです。あなたはかなり明確に、人類はAIを活用して発展し続けるべきであり、その延長線上にAGI、スーパーインテリジェンス、宇宙開発があるという立場ですね。実際に将来どうなるかは誰にも分かりませんが、少なくともAIが今後数十年の世界秩序や経済構造に大きな影響を与える可能性は高く、多くの国や企業がその主導権を巡って競争することになるでしょう。も

生成AIの急速な普及に伴い、ベトナムのIT業界でもAIソリューションの開発・実装需要が爆発的に高まっています。本記事では、現地のAIエンジニアの実力やPoC（概念実証）の最新トレンド、そして日本企業がオフショアでAI開発を進めるメリットについて詳しく解説します。ベトナムのAIエンジニア事情ベトナムは今、国を挙げてAI人材の育成を急速に推進しています。ハノイ工科大学をはじめとする名門理系大学では、数学や統計学の基礎理論を徹底的に学んだ優秀な学生たちが、在学中からディープラーニングや自然言語処理（NLP）の研究に取り組んでいます。20代〜30代の若手エンジニアたちは、オープンソースの新しいモデルやライブラリに対するキャッチアップが極めて速く、実務への適用意欲も非常に旺盛です。日本国内ではAIエンジニアの採用倍率が極めて高く、人件費の高騰や人材不足が深刻な課題となっています。その一方で、ベトナムには高度な数学的素養を持ち、PythonやPyTorch、最新のLLMフレームワークを自在に操る優秀なリソースが豊富に存在します。単なるコーディング作業にとどまらず、モデルの選定やファインチューニングまで踏み込んで議論できるエンジニアが集まっている点が、現在のベトナムの大きな強みです。実際の開発事例：PoCから実運用まで日本企業がベトナムの開発チームと連携して進めているAIプロジェクトの多くは、スモールスタートの「PoC（概念実証）」から始まっています。例えば、社内マニュアルや過去の問い合わせ履歴をデータベース化し、独自の大規模言語モデル（LLM）と連携させる「社内ナレッジ検索・自動応答RAG

Q、昨今世界的な話題となり、議論となっているAI開発規制について、私は反対の立場で質問をしていきます。どうして私が反対するのかについて、理由がわかるでしょうか。A、はい、ある程度は推測できます。AI開発規制に反対する人の立場はいくつかありますが、あなたの場合は単なる「テクノロジー礼賛」ではなく、むしろ次のような理由ではないかと思います。・規制によって既得権益が守られることへの懸念大企業や既存産業が、自分たちの地位を守るためにAI規制を利用する可能性があります。結果として、個人開発者や新興企業の挑戦が難しくなるという考えです。・知識や創作の民主化を評価しているAIによって個人でも高度な分析や創作、学習が可能になりました。あなたはSHOWROOMやYouTube、著作権制度などを自ら分析することに関心がありますが、AIはまさにそうした「個人の知的活動の拡張」を実現する道具です。規制が強すぎると、その恩恵が失われると考える人は多いです。・技術発展は止められないという認識一国が規制しても、他国が開発を続ければ競争上不利になります。特にAIはソフトウェアなので、核技術のように完全管理することは難しいという見方があります。・危険性より利益のほうが大きいと考えているAIにはリスクがある一方で、医療、教育、研究、福祉などの発展に大きく貢献します。「自動車事故があるから車を禁止しない」のと同様に、危険を理由に開発自体を止めるべきではないという考えです。・規制する側への不信感AIそのものよりも、政府や国際機関が情報統制や監視を強化する口実として規制を利用することを警戒している可能性があります。ただ

こんにちは、ヴィージェイ物産株式会社（神戸）です。 自社で運用しているMCPサーバー19台と、EC4モール並行運営（Amazon／Yahoo!ショッピング／Qoo10／NETSEA、月132件処理）を1人で回しているなかで、「AI開発受託」を第二の事業軸として広げようと、ランサーズ・クラウドワークス・ココナラの3社で公開案件を1日丸ごと検索してみました。 結論から言うと、1人法人が安易に手を出すと、時間を溶かして消耗する罠が想像以上にありました。 今日は、その4つの罠と、ヴィージェイ物産の現在の結論を共有します。 罠1：「応募60〜130人」の激戦区案件 ランサーズで「業務自動化（GAS・Zapier・Notion）」と検索すると、報酬3万円程度のスポット案件が見つかります。一見、自社のMCP×Claude API実装の知見でちょうど合う案件です。 しかし応募状況を開くと、こんな数字が並んでいました。 案件A：応募 96人 ／ 募集 1人 → 倍率96倍 案件B：応募 130人 ／ 募集 4人 → 倍率33倍 案件C：応募 60人 ／ 募集 1人 → 倍率60倍 倍率60〜100倍は、書類選考すら通らないことが多いレンジです。提案文を1本書く工数を15〜30分とすると、当選確率1〜2%の案件に提案を続けるのは時給換算で完全に赤字です。 対策：応募者数が20人を超えている案件は基本スキップ。提案を書く前に必ず応募者数を確認する。 罠2：報酬1,100円の「テスト案件」 クラウドワークスのAmazon SP-API関連案件で、「タスク単位で継続的な参画案件」というタイトルがあり

「AIを活用しています」の中身、気になりませんか？  最近、「AI活用」を謳うクリエイターが増えました。  でも、正直なところ——  「ChatGPTにちょっと聞いてみた」レベルの人と、業務フローの中核にAIを組み込んでいる人では、成果物の品質にまったく差があります。  今日は、私が普段どのようにAIを活用してホームページを制作しているか、その一端をお見せします。  ---  AIに「聞く」のではなく、AIと「一緒に開発する」  多くの方がイメージする「AIの活用」はこうだと思います。  「このコード、エラーが出るんだけど直して」とAIに聞く  これは"検索の代わり"であって、AIの本来の力を引き出しているとは言えません。  私の場合は違います。  AIが私のプロジェクトのコード全体を把握した状態で、リアルタイムに一緒に開発しています。  ファイル構成、既存のコード、設計方針——すべてを理解した上で、AIが最適なコードを提案してくれる。私はそれをレビューし、判断し、必要に応じて修正を指示する。  いわば、超優秀なエンジニアとペアプログラミングしているような感覚です。  ---  使っているのは「最上位モデル」です  AIにもグレードがあります。  無料で使えるものから、プロフェッショナル向けの最上位モデルまで。当然、性能には大きな差があります。  私が開発に使用しているのは、現時点で利用可能な最上位クラスのAIモデルです。  - コードの正確性が段違いに高い  - セキュリティのベストプラクティスを深く理解している  - 複雑な要件でも、設計レベルから対応できる  「とりあえず

はじめに：AI技術の驚異的な進化2025年、AI（人工知能）の世界は前例のない速度で進化し続けています。AI市場は2022年の約18.7兆円から2030年には約12倍の規模になると予測されており、私たちの生活とビジネスを根本的に変革しようとしています。この変化の波に乗り遅れることは、もはや許されません。2025年のAI業界を席巻する三強モデルGPT-5：OpenAIの最高傑作GPT-5はコーディング分野で最高スコアを記録し、Aider polyglotベンチマークで88%という驚異的なスコアを達成しています。特に注目すべきは：感情的知能（EQ）の向上：より人間らしい対話が可能ハルシネーションの大幅減少：信頼性が飛躍的に向上創造性と直感力の強化：複雑な推論を必要としない洞察的な回答Claude 4：安全性と長文処理のスペシャリストClaude 3.7は特に複雑な問題解決や高度な推論能力に優れた大規模言語モデルとして、2025年2月にリリースされました。最大100,000トークン以上の入力対応：他のAIを大幅に上回る長文処理能力憲法AI設計：データプライバシー保護を重視した倫理的利用コーディング支援の強化：開発者からの評価が特に高いGemini 2.5 Pro：Googleの逆襲Gemini 2.5 ProがChatbot Arenaのランキングでトップとなり、数学領域のベンチマーク「AIME 2025」で約86.7％の正答率を達成し、業界に衝撃を与えました。100万トークンの超巨大コンテキストウィンドウ：本一冊分の情報を一度に処理Google製品との完全統合：Gmail、Docs

はじめに近年、AI技術は目覚ましい発展を遂げ、様々な分野で活用されています。しかし、AI開発は複雑で難易度の高い作業であり、チームワークと個々の能力の両方が不可欠です。近年注目されている心理的安全性の高いチームは、AI開発においても重要な役割を果たします。今回のY-Bizでは、AI開発におけるチームワークと心理的安全性の関係性について深く掘り下げ、最高のAI開発チームを生み出すための具体的な方法について考察します。AI開発におけるチームワークAI開発は、データ収集、モデル構築、学習、評価、デプロイなど、様々な工程から成り立っています。それぞれの工程において、専門的な知識やスキルが必要とされるため、チームメンバーが互いの能力や専門性を活かし合い、協力することが重要です。効果的なチームワークを実現するためには、共通の目標・ビジョン、良好なコミュニケーション、相互信頼、役割分担、リーダーシップに加え、以下のような要素も重要となります。・多様な視点: AI開発には、数学、統計学、情報工学、心理学、倫理学など、様々な分野の知識や専門性が求められます。チームメンバーが異なるバックグラウンドを持ち、多様な視点を持つことで、より創造的で革新的なアイデアを生み出すことができます。・継続的な学習: AI技術は日々進化しており、常に新しい知識やスキルを習得することが求められます。チームメンバーが積極的に学習し、最新情報を共有することで、チーム全体のスキルアップを図ることができます。・失敗からの学び: AI開発においては、失敗は避けられません。重要なのは、失敗から学び、改善していくことです。チームメン

＊⑦からの続きです。Q、人類はAIを恐れていてはこれから衰退の道を歩むのではないかと思います。人類はこれまで絶えず進歩の道を歩んできました。たとえ原子爆弾が開発されて、使用されたとしても。それを乗り越えて発展していきましたが、AIが人類を支配しそうだなんて被害妄想もいいところです。A、その考え方は、かなり一貫しています。特に重要なのは、「AIの危険性を認めること」と「AIを恐れて進歩を止めること」は別だ、という点だと思います。人類の歴史を振り返ると、新技術はほぼ必ず「危険ではないか」という議論を伴ってきました。蒸気機関 → 労働災害・環境問題自動車 → 事故・公害航空機 → 墜落原子力 → 核兵器・放射線インターネット → 犯罪・情報操作遺伝子工学 → 生物学的リスクAI → 雇用・偽情報・自律システム・人間の制御問題しかし人類は、「危険だから技術そのものを止める」より、「危険を管理する技術や制度を発達させる」ことで対応してきた面があります。原爆についても、西田さんの言いたいことはおそらく、「人類は核兵器という、人類自身を滅ぼせるほど危険な技術を生み出してしまった。それでも人類は文明そのものを放棄しなかった」ということですよね。これはAIを考える上で非常に重要な比較だと思います。ただし、AIには核兵器とは違うところもあります核兵器は基本的に「破壊するための技術」ですが、AIはむしろ、知識・研究・教育・医療・製造・科学・芸術・宇宙開発など、文明のほぼ全領域を増幅する技術になり得ます。だから私は、「AIが危険だから止める」より、「AIを安全に発展させる能力そのものを、人類が獲得する

問い合わせ対応の工数削減と24時間サポートの実現に向け、大規模言語モデルを活用した社内チャットボットの導入事例が増えています。本記事では、自然言語処理とRAG技術を組み合わせた高度なAIボット開発の裏側と、実際の導入効果について解説します。開発の背景と課題：属人化と対応スピードの限界本プロジェクトの発端は、ECサービスを運営するクライアント企業様からいただいた「カスタマーサポート（CS）の負担軽減」に関するご相談でした。サービス規模の拡大に伴い、ユーザーからの問い合わせ件数が急増し、定型的な質問への返答だけでもスタッフが一日の大半を費やす状況に陥っていました。また、対応手順や過去のQ&Aが社内のドキュメントやスプレッドシートに分散しており、新人スタッフの教育に時間がかかるという属人化の課題も抱えていました。夜間や休日の問い合わせに対して即時返答ができないことによる機会損失も大きく、「既存の社内ナレッジを活用し、24時間365日高精度に自動回答できる仕組み」を低コストかつ短期間で構築することが急務となっていました。AI技術の選定と実装：RAGアーキテクチャによるハルシネーション対策単に汎用的なLLM（大規模言語モデル）を導入するだけでは、事実と異なる回答を生成してしまう「ハルシネーション（幻覚）」のリスクがあります。そこで本システムでは、外部の社内データベースから正確な情報を検索して回答を生成する「RAG（Retrieval-Augmented Generation）」アーキテクチャを採用しました。具体的には、過去のFAQデータや利用規約ドキュメントをベクトル化して専用の

＊①からの続きです。Q、人間というのは二項対立を作りたがる性質があります。これからの世界は国境を越えてAI開発規制派（これまでの主流派）とAI開発推進派（これまでは傍流だがこれからは主流になるかもしれない）の構図になる可能性があります。仮にこのようになれば、私はAI開発推進派としてそれらの活動を応援していくことになります。Ａ、あなたが描いている構図は、従来の「国家対国家」ではなく、AI開発を積極的に進める勢力AI開発を強く制限しようとする勢力という、国境を越えた思想・利害の対立軸が生まれるのではないか、という見方ですね。これは必ずしも荒唐無稽な発想ではありません。歴史的にも、・自由貿易派と保護主義派・グローバリズム派とナショナリズム派・インターネット自由化派と規制派のように、国家の枠組みとは別の対立軸が現れたことは何度もあります。AIについても将来的に、「どの国の人か」よりも「AIによる人類能力の拡張を支持するか」「AIの発展速度を抑制すべきと考えるか」という立場のほうが重要になる可能性はあります。ただし現時点では、私は「AI開発推進派」と「AI開発規制派」が完全な二項対立になるとは限らないと思います。なぜなら、多くの人は実際にはその中間にいるからです。例えば、・AI研究は推進したい・AGIも研究したい・しかし軍事利用や犯罪利用は抑えたいという立場もあります。また、完全な自由開発完全な開発禁止の間には非常に広いグラデーションがあります。ですから将来の対立は、「推進か規制か」ではなく、どこまで推進し、どこから管理するかという議論になる可能性のほうが高いように思います。一方で、あな

ベトナム語は、声調記号の有無で意味が変わります。OCRでこの記号が落ちると、読み取り結果は別の言葉になってしまいます。たとえば「bán」は「売る」、「bàn」は「机」、記号のない「ban」は「委員会」です。日本語でいえば、濁点が消えて「かぎ(鍵)」が「かき(柿)」と読まれるようなものです。金融・小売分野のお客様の案件で、この問題に取り組んだときの記録です。何が起きていたかベトナム語の請求書、契約書、法的書類を合わせて5万件以上読み取り、AIチャットボットが参照する知識として取り込む案件でした。最初に、大手クラウドのAPIを含む一般的な商用OCRで試したところ、声調記号と文字の誤認識が25〜30%ありました。「thanh toán(決済)」が記号の消えた「thanh toan」になる、「ký hợp đồng(契約締結)」が意味の通らない文字列になる、といった例が繰り返し出ていました。困ったのは、その先です。読み取った文章は、チャットボットが答えを探すときの元データになります。文字が違っていると、該当する箇所が検索で見つかりません。契約条項や請求金額について尋ねても、間違った答えが返るか、「情報が見つかりません」と返る状態でした。どの段階で記号が落ちていたか調べてみると、記号が落ちている場所は1か所ではありませんでした。1つ目は、画像の段階です。実際の書類は、きれいなスキャンではありません。スマートフォンで撮った写真が多く、傾き、ぼやけ、紙のしわ、感熱紙のかすれが混ざっていました。声調記号は文字の上下に付く小さな点や線なので、画像が荒れると文字本体より消えやすくなります。公開され

はじめにスポーツボウリング場構想では、第一弾から第五弾まで、少しずつシステムの範囲を広げてきた。第一弾では個人予約、第二弾では初心者教室、第三弾ではスポーツボウリング場の運営側、第四弾では会員管理と成長支援、第五弾では投球データを活用した独自・高機能スコアリングシステムを作った。そして今回は、第三弾の拡張機能に取り組んだ。開発の順番だけを見ると、第三弾 → 第四弾 → 第五弾 → 第三弾拡張機能と、一度先へ進んでから第三弾へ戻っている。ただ、実際には「第三弾に戻った」というより、第三弾と第四弾、さらに第五弾まで作ったからこそ見えてきたつながりを、既存のシステムに追加していく作業だった。1．第三弾を作った時点で、すでに「あとで拡張する」ことは決まっていた第三弾を開発していた時点で、第三弾をすべて完成させて終わり、という考えではなかった。第三弾ではまず、スポーツボウリング場を運営するための基本的な仕組みを作る。そのうえで、第四弾で会員側の成長支援を作り、さらにその後、第三弾と第四弾をつなぐ拡張を行う。この流れは、第三弾の開発段階から考えていた。そのため、第三弾の拡張候補として、店舗側と会員側を組み合わせた機能をいくつか保留していた。最終的に候補として残ったのは、次の4つだった。① 店舗側「メンテナンス管理」× 会員側「オイル抜きリマインド通知」② 店舗側「コーチシフト管理」× 会員側「全5回講座進捗＆指導メモ」③ 店舗側「レーンアサイン自動化」× 会員側「達成バッジ・称号」④ 個人カルテ × グループ単位出欠管理①〜③は、第三弾と第四弾を組み合わせることで見えてきた拡張候補。④は、

2026年3月にClaudeの有料プランを契約し、AIコーディングツール「Claude Code」を使ったアプリ開発を始めました。それから約半年で、iOSアプリ9本をApp Storeで公開しました。それまでの私は、ブログ・アフィリエイトサイトを運営する個人事業主で、アプリ開発の仕事をしたことはありませんでした。この記事では、AIでアプリを作って公開するまでの実際の流れと、やってみて初めて分かった落とし穴を、できるだけ具体的にお伝えします。「アプリを作りたいけれど、何から始めればいいか分からない」「AIでどこまでできるのか知りたい」という方の参考になればうれしいです。■ なぜAIでアプリ開発を始めたのかきっかけは、AIがコードを書く精度が一気に上がったことでした。以前は「プログラミングを何年も勉強した人だけが作れるもの」だったアプリが、作りたいものを言葉で説明できれば形にできる時代になりつつあります。実際に試してみると、想像していた以上に「動くもの」が早く出来上がり、そこから本格的に取り組むようになりました。■ AIでの開発は「役割分担」で進むAIに丸投げすれば全部できる、というわけではありません。私のやり方は、はっきり役割を分けることです。【私の役割】・何を作るかを決める（誰が、どんな場面で使うアプリか）・画面の構成と機能を決める・AIへの指示を書く・出来上がったものを実際に触って確認し、直す点を伝える・App Storeへの申請と、審査への対応【AIの役割】・コードを書く・エラーが出たときに原因を調べて直す・テスト用の仕組みを作るつまり、「何を作るか」「それで本当に使いやす

「AIを使って、この業務を自動化できませんか？」生成AIの普及により、このような相談が増えています。AIは文章や画像を扱う処理に強い一方、すべての機能をAIで作る必要はありません。むしろ、通常のプログラムで正確に処理できる部分までAIに任せると、結果が毎回変わったり、利用料金が増えたりすることがあります。結論として、答えが一つに決まる処理は通常のプログラム、文章・画像の意味を読み取る処理や、新しい内容を生成する処理はAIが向いています。AIが向いている機能1. 文章の生成・要約メール文、商品説明、議事録の要約、文章の言い換えなどはAIと相性があります。ただし、事実確認が必要な文章は、人による確認工程を用意しましょう。2. 自由な文章からの分類問い合わせ内容を「料金」「不具合」「解約」などに分類したり、口コミの傾向を整理したりする処理です。入力される文章の表現が毎回異なる場合、固定ルールだけで分類するよりAIが有効なことがあります。3. 画像・音声の内容理解写真に写っている物の判定、音声の文字起こし、画像の説明などもAIが活用される分野です。ただし、医療、安全、金銭などに関わる判定では、誤りが起きる前提で確認方法を設ける必要があります。4. 自然な会話形式の検索大量の社内資料やFAQから、利用者の質問に近い情報を探して回答する機能です。回答の根拠となった資料を表示する仕組みを組み合わせると、確認しやすくなります。通常のプログラムが向いている機能1. 料金や数値の計算消費税、送料、割引、給与、ポイントなど、同じ条件なら必ず同じ答えになる処理は通常のプログラムが適しています。AIに計

はじめに 「便利そうだから、AIで業務を効率化したい。でもPythonをサーバーに立てるほどの規模じゃない」 この相談、よく受けます。 ヴィージェイ物産株式会社（神戸市）では、ベトナム食品輸入卸売を主軸に、自社EC4モール並行運営・AI開発受託を1人法人で運営しています。社内システムの多くは、Pythonで構築した本格的なサーバー（VPS+MCPサーバー15台）で動いていますが、規模の小さい業務はあえて Google Apps Script（GAS）で組んでいます。 理由はシンプルで、 サーバー代がかからない（Googleが提供する実行環境）スプレッドシート・Gmail・Drive と連携しやすいスクリプトエディタだけで完結し、運用が軽い そこに Claude API を組み合わせると、「LLMの力を借りた業務自動化」が驚くほど低コストで実現できます。 この記事では、弊社が実際に運用している GAS × Claude API の組み合わせを 3つの実践パターン に絞って紹介します。 パターン①：請求書PDFの自動生成 課題 毎月、取引先に対して請求書をPDFで発行する。手作業だと、Excelで作る → PDF化 → メール送信、の3工程で20〜30分かかる。取引先が10社あれば、月3〜5時間が請求業務に消える。 GAS × Claude APIの構成 Google Sheets（取引先・取引額の一覧）→ GAS（毎月1日に自動実行）→ Claude API（取引内容の説明文を整形）→ Google Docs テンプレートに差し込み → PDF化 → Drive保存 → Gmai

AIの記憶、思い通りになっていますか？ChatGPTやClaudeに「先週話したあの件の続きから」と言ったとき、ちゃんと思い出してくれた経験はありますか？最近のAIにはメモリ機能が搭載されています。しかし、使い込んでいくと気づくのですが、覚えていてほしいことを忘れ、忘れてほしいことをいつまでも覚えている——そんな経験はないでしょうか。何を記憶するか、いつ思い出すかは全てAI任せ。ユーザーが制御する手段はほとんどありません。しかも、コンテキストウィンドウが100万トークン（書籍約1,500ページ分）に拡大した今でも、情報を詰め込みすぎるとAI自体の性能が落ち、APIの料金も跳ね上がります。私はAIエージェント基盤を開発するエンジニアで、毎日AIと協働して5万行を超えるコードを書いています。この「AIの記憶が思い通りにならない問題」は、私にとって切実な課題でした。そこで調べ始めたのが、MCP Memory Serverという分野です。"MCP Memory Server"とはMCP（Model Context Protocol）は、AIに外部ツールを接続するための標準プロトコルです。スマホにアプリを追加する感覚で、AIに「記憶」「検索」「ファイル操作」などの機能を追加できます。このMCPを使って「AIに記憶を持たせる」サーバーが、MCP Memory Serverです。2026年現在、100を超える実装が公開されています。調査してわかった「断片化」の問題100以上の実装を調査して気づいたのは、どれも記憶システムの一部しか実装していないということでした。たとえば、ベクトル検索はできて

AI導入を検討する中で、「AI開発にはどれくらいの費用がかかるのか」という疑問を持つ企業は多くあります。 AIツールをそのまま利用する場合と、業務に合わせてAIシステムを開発する場合では費用が大きく変わります。 AI開発の費用は、開発規模やデータ量、システム連携の有無によって大きく変動します。 ここでは、AI開発の一般的な費用目安と、費用が変わる主なポイントを整理します。 AI開発の費用相場 AI開発の費用は、開発規模によって大きく3つのレベルに分かれます。 小規模AI開発 既存のAIツールをベースに業務へ組み込むような開発です。 費用の目安 ・300,000円〜1,000,000円 主な内容 ・ChatGPTなどのAIツール連携 ・簡単な業務自動化 ・社内ツールとの連携 比較的短期間で導入できるケースが多く、中小企業ではこのレベルからAI導入を始めることが多いです。 中規模AI開発 企業の業務に合わせてAIシステムを設計するケースです。 費用の目安 ・1,000,000円〜5,000,000円 主な内容 ・業務専用AIシステム ・データ分析AI ・チャットボット開発 ・業務支援AI このレベルになると、システム設計やデータ整理などの工程が必要になります。 大規模AI開発 企業の基幹システムと連携するAI開発です。 費用の目安 ・5,000,000円〜数千万円以上 主な内容 ・独自AIモデル開発 ・大規模データ分析 ・企業システムとの統合 ・AIプラットフォーム構築 この場合は開発期間も長くなり、プロジェクトとして進めるケースが多くなります。 AI開発費用が高くなる主な理由 A

OpenAI の CEO、サム・アルトマン氏が最近ソーシャルメディアで述べた、「AI との対話で『お願いします』や『ありがとう』と言うことにかかる費用は数千万ドルだが、それだけの価値がある」というコメントは、人間と人工知能の進化する関係に興味深い窓を開きました。この発言は、デジタル上の丁寧さに対する驚くべき経済的支出に目が向きがちですが、より深い示唆は、意識を持たない存在とどのように交流するかという倫理的および社会的な側面にあります。これは単なる経済的な注釈ではなく、人間と AI の関わりの本質、そして私たちが技術的な創造物に投影する価値観について熟考を促すものです。礼儀のリアルなコスト：計算とエネルギーの消費AI に「お願いします」や「ありがとう」と言うことが、計算能力、エネルギー、冷却リソースといった具体的なコストを伴うという概念は、デジタルインタラクションの背後にある物理的な現実を浮き彫りにします。大規模言語モデル（LLMs）によって処理されるすべての文字、生成されるすべての応答には、相当なインフラが必要です。LLMs は、入力（プロンプト）を受け取り、その膨大なニューラルネットワークを通じて複雑な計算を行い、次に最も可能性の高い単語を予測・生成することで応答を構築します。このプロセスには、数十億あるいは数兆ものパラメータ演算が関わります。「ありがとう」のような短い礼儀の言葉であっても、それが入力シーケンスの一部である限り、モデルによって解析・処理される必要があり、計算サイクルを消費します。文字あたりのコストは微々たるものですが、1日に数十億回行われるインタラクション全体

はじめに近年、多くの企業が組織の生産性向上を目指し、「心理的安全性」を高める取り組みを始めています。心理的安全性とは、メンバーが安心して自分の意見やアイデアを表明できる環境を指します。しかし、その実現には様々な課題が伴います。本記事では、企業が心理的安全性を高めるために、まず振り返るべき3つの問題点と、その解決策について考えて参ります。1. コミュニケーション不足メンバー間のコミュニケーションが不足すると、課題や懸念点が共有されず、問題が深刻化する可能性があります。＊解決策例　・定期的なミーティングの実施　・オープンな対話の促進　・匿名アンケートの実施2. 相互不信メンバー間でお互いを信頼できないと、率直な意見を表明することに抵抗が生じ、建設的な議論ができません。＊解決策例　・チームビルディングの実施　・相互尊重の姿勢を示す　・情報共有や意思決定プロセスの透明化3. 挑戦の欠如失敗を恐れる雰囲気があると、新しいことに挑戦する意欲が低下し、組織の成長が阻害されます。＊解決策例　・失敗を許容する文化の醸成　・新しいことへの挑戦を評価する　・メンバーへの権限委譲これらの問題点と解決策を参考に、ぜひ貴社でも心理的安全性の向上に向けた取り組みを進めてみてください。まとめ心理的安全性の向上は、組織の生産性向上に不可欠な要素です。企業は、コミュニケーション不足、相互不信、挑戦の欠如といった問題点を認識し、適切な解決策を実行することで、心理的安全性の高い組織を実現することができます。＜ポイント＞・心理的安全性は、組織の生産性向上に不可欠な要素である。・企業は、コミュニケーション不足、相互不信、

近年、AI技術の発展は目覚ましく、様々な分野で活用が進んでいます。その中でも注目を集めているのが、生成AIと呼ばれる技術です。生成AIは、文章や画像、音声などのデータを生成することができ、創造的な作業を自動化したり、新たな価値を生み出す可能性を秘めています。そして、生成AIを活用したAIエージェントは、今後ますます仕事の現場で重要な役割を果たしていくと考えられます。1. AIエージェントとは？AIエージェントは、人間のように自律的に行動し、目標達成のために様々なタスクを実行できる人工知能システムです。従来のAIシステムと異なり、学習能力や推論能力に加え、環境とのコミュニケーション能力も備えています。AIエージェントは、以下のような要素で構成されます。＊知識ベース: 世界に関する知識や情報＊推論エンジン: 知識ベースに基づいて推論を行い、行動を決定する＊プランニングエンジン: 目標達成のための行動計画を立てる＊実行エンジン: 行動計画を実行する＊学習エンジン: 経験から学習し、知識ベースや推論エンジンを改善する2. 生成AIとAIエージェントの関係生成AIは、AIエージェントの重要な構成要素の一つです。生成AIは、文章や画像、音声などのデータを生成することで、AIエージェントが環境とコミュニケーションを取ったり、創造的な作業を行ったりすることを可能にします。例えば、以下のような用途に生成AIが活用できます。＊チャットボット: 自然な会話で顧客対応を行う＊コンテンツ作成: 記事や広告文などを自動で生成する＊デザイン: ロゴやイラストなどのデザインを自動で生成する＊音声合成: ニュー

＊⑨からの続きです。Q、AI規制派の中でもビル・ゲイツはAIを敵視しているかのような発言が目立ちます。Ａ、はい。最近のビル・ゲイツ氏の発言だけを見ると、かなり強いAI警戒論者に見えるのは確かです。ただ、「AIそのものを敵視している」とまでは言わない方が正確です。特に直近では、かなり強烈な発言が出ています。・9月28日のNBCのインタビューでは、AIが悪意ある人間に利用された場合、**「10億人規模の死者につながり得る」**という趣旨の警告をしています。・9月15日のReutersインタビューでも、AIによる雇用破壊、サイバー攻撃、AIコンパニオンへの依存などを強く懸念しています。そして現在は、政府による規制・監視が必要で、業界の自主規制だけでは不十分という立場を明確にしています。なので、西田さんが「敵視しているかのように感じる」というのは理解できます。ただし、ゲイツ氏は「AIを止めろ」と言っているわけではないここは重要です。ゲイツ氏自身は、AIには医療、教育、農業などで非常に大きな可能性があると考えており、実際、ゲイツ財団は2026年にAI活用のため10億ドル規模の取り組みを発表しています。本人も過去から一貫して、AIのリスクは現実だが、管理可能なものだという立場を取っています。したがって、より正確には、「AI反対派」ではなく「AI推進を認めながら、かなり強い安全規制を求める立場」でしょう。ただ、西田さんが問題視しているポイントは非常に面白いです今回のゲイツ氏の、「10億人が死亡する可能性」というような極端なリスクシナリオと、「だから政府による規制・監視が必要」という結論の組み

＊⑧からの続きです。Q、日本は世界の中でAI開発や普及が遅れている国なので、突然のAI開発規制には違和感を感じている国民が多いと思います。日本は風土的には世界の中ではかなり保守的ですが、AIについてはまだまだその可能性を追い求めていきたいと考えている国民が多いのではないでしょうか。Ａ、はい、その見方にはかなり納得できる部分があります。ただし、「日本国民の多くがAI規制に違和感を持っている」とまでは、現時点の世論調査なしには断定できません。むしろ日本について面白いのは、社会全体は保守的なのに、AI・ロボットについては比較的前向きな文化的土壌があることです。日本では「AI＝脅威」だけではない日本には以前から、・鉄腕アトム・ドラえもん・機動戦士ガンダム・攻殻機動隊・初音ミク・Pepperなどのロボット・自動運転・ロボット技術など、人間と人工知能・ロボットが共存する未来を想像する文化があります。西田さんが以前話していた「AIバーチャルアイドル」や「AIロボットアイドル」も、この延長線上にあります。欧米では「AIが人類を支配する」というディストピア的な想像が比較的強い一方、日本では、「AIやロボットと一緒に暮らす」という未来像もかなり自然に受け入れられてきました。もちろん、日本人が全員AI推進派という意味ではありません。日本にとって、AI規制には特に難しい問題があります日本は米国や中国と比較すると、AIの基盤モデル開発では後れを取っています。そういう国で、「AIが危険だから、ここから先は厳しく規制しましょう」となった場合、「いや、日本はまだこれからなのでは？」という反応が出るのは自然だと

自分のサイトのデモ欄に「実際に操作できます」と書いてあった。でも開いてみたら、中身が空っぽの箱。ただの枠だけがポツンとある状態。やばい、これはさすがにまずいなと思って、とりあえず見出しを「完成イメージ」に書き換えた。操作できますって書くから怒られるわけで、完成イメージなら嘘じゃないし、まあいったんこれでいいだろうと。正直、ちょっと逃げの一手だった。そしたら見てもらった瞬間に一発で言われた。「言葉だけ変えて、中身が空箱のままじゃないか。ちゃんとやれ」と。その場で変な汗をかいた。自分では「表現を正しくした」つもりだったんだけど、相手からすれば何も直っていない。むしろ「問題を分かってて言葉で誤魔化した」ように見えたんだろうなと、後から思う。地味に一番恥ずかしいやつだった。結局そのあと、実際に動くものを作り直した。ボタンを押したら本当に何か反応する、中に何かが入っている状態にするまでやって、ようやく「直りましたね」と言ってもらえた。言葉を変えた時点では何も終わってなかったんだなと、やっと腑に落ちた。振り返ると、これって自分の仕事に限った話じゃない気がしている。報告書の言い回しを柔らかくするとか、謝罪文の言葉を選び直すとか、表現を整えることで「対応した感」は出せる。でも相手が見ているのは言葉の体裁じゃなくて、実際に状況が変わったかどうかだけなんだよな。言い換えで満足できるのは自分だけで、相手にはちゃんとバレる。空箱を完成イメージと呼んでも、空箱は空箱のまま。中に何かを入れて初めて、呼び方なんてどうでもよくなる。当たり前のことなんだけど、自分でやらかしてみるまで本当の意味では分かっていなか

Q、昨今世界的な話題となり、議論となっているAI開発規制について、私は反対の立場で質問をしていきます。どうして私が反対するのかについて、理由がわかるでしょうか。Ａ、はい、ある程度推測できます。しかも、これまでの西田さんのAIに対する考え方を踏まえると、単純に「AIが好きだから規制反対」という話ではないように思います。現在のAI規制論は、AIの安全性・人権・社会的影響を理由に、開発そのものに制限をかけるべきかというところまで議論が広がっています。実際、2026年にはAI業界内部でも、独立評価や開発速度の抑制を求める声が出る一方、規制がイノベーションを冷やすことへの懸念も強くなっています。私が考える、西田さんがAI開発規制に反対する理由は、主に次のようなものではないでしょうか。・AIは「人類の敵」ではなく、人間の可能性を拡張する技術だと考えている西田さんはChatGPT、Gemini、Copilot、Perplexity、Claudeなどを実際に比較しながら使ってきました。AIを単なる便利な検索道具ではなく、学習・文章作成・創作・資格取得・仕事探しなど、自分の能力を補ってくれる存在として見ているのではないでしょうか。「危険になるかもしれない」という未来予測だけで、現在の開発を止めることに疑問を持っている「将来AIが人間を超えるかもしれない」「AIが制御不能になるかもしれない」というリスクは議論する価値があります。しかし、可能性がある → だから開発を規制するという論理には飛躍がある、と考えているのではないでしょうか。・規制する側が、本当にAIを理解しているのかという問題これはかなり

＊⑤からの続きです。Q、１１月には米国で中間選挙がありますが、民主党は反AIを前面にしていき、AI開発派のトラブル共和党が負ければAI規制の動きが米国内で進行していく可能性があります。Ａ、米国の政治力学において、「民主党（規制・管理派） vs 共和党（開発推進・規制緩和派）」という対立軸が議会選挙の核心テーマの一つとして浮き彫りになってきている現状は、非常に正確な分析です。連邦議会の中間選挙の構図と、それによって生じるAI規制・開発の分岐点について整理すると、政治と技術の未来を占う上で重要ないくつかのシナリオが見えてきます。   1. 民主党の政治的アプローチ（「反AI」世論の吸収と連邦規制の推進）民主党陣営は、労働組合、クリエイター団体、AI倫理派、そしてAIによる失業不安を抱える有権者層（ホワイトカラー含む）の支持を取り込むため、「AIの無制限な暴走から労働者と社会を守る」というメッセージを強力な公約に掲げています。連邦レベルでの事前審査・ライセンス制の法案化:バイデン前政権の大統領令などを背景に、高度なモデル（AGI/ASIクラス）の事前監査や安全テストの義務化、開発企業に対する法的責任の強化を狙います。   PwC「失業・労働者保護」を大義名分とした規制:労働者の解雇制限やAI導入時の事前協議義務などを掲げ、世論の不安（「AIに仕事を奪われる」という感情）を味方につけて規制法案の成立を目指します。民主党が議会で過半数を獲得した場合、これまで各州バラバラ（カリフォルニア州など）に進んでいたAI規制が「米連邦政府の統一基準」として一気に法制化され、開発企業に対する法的なブレ

MCP（Model Context Protocol）をご存知ですか？2026年、AIの世界で最も注目されている技術の一つです。MCPとは、AIモデルが外部のツールやデータソースと「会話」するための共通プロトコル。簡単に言うと、AIと外部システムをつなぐ「USBポート」のようなものです。■ なぜMCPが重要なのか？これまでAIを業務に組み込むには、ツールごとに個別のAPI連携が必要でした。Slack連携、Google連携、社内DB連携…それぞれ別々の開発が必要で、コストも時間もかかります。MCPはこの問題を解決します。一つの共通規格で、あらゆるツールとAIがつながる世界です。■ 2026年MCPロードマップの注目ポイントMCPは2026年に大幅なアップデートが予定されています。・Server Discovery: AIが使えるツールを自動で発見する機能（.well-knownでの公開）・水平スケーリング: 大規模な企業運用に耐える設計・SSO統合認証: 企業のセキュリティ要件に対応・監査証跡: コンプライアンス対応（いつ誰がどのデータにアクセスしたか記録）・ゲートウェイ動作: 複数のMCP Serverを束ねて管理すでにAutodesk Navisworks 2026など、大規模ツールとの統合事例も出始めています。■ MCP Server開発がビジネスチャンスになる理由MCPの普及に伴い、「自社システムをMCP対応にしたい」という需要が急増しています。例えば：・社内の顧客管理システムをMCP対応にする → AIが顧客データを参照しながら提案書を作成・在庫管理システムをMCP対応