【境界値テストのコツ】 「0〜100」をテストする時、多くの人は 0, 50, 100 を選びますが： ✅ -1, 0, 1（下限周辺） ✅ 99, 100, 101（上限周辺） 境界の「外側」も必須です。 不等号ミス（>= vs >）は頻出バグ。 同値も意識してイコール問題に対応しましょう。 #ソフトウェアテスト# #QA#

第四境界の急激なユーザー数増加に対応するため、以下の日時にサーバーメンテナンスを実施いたします ■メンテナンス日時 7/14(火)11:00〜14:00 メンテナンス中はゲームの進行等ができませんので、あらかじめご了承ください ※日時は変更になる可能性があります

#希島さん出番ですよ# の収録でした🎥 境界のないアートに身体ごと没入🎨🫧 どのエリアも幻想的な空間で 異世界に入ったような不思議な感覚🥺 4/5(土)に先行公開生放送をやるので この日はいっぱい癒されに来て下さい♡ ツインテール姿もお見逃しなく！笑 #チームラボボーダレス# #teamLabBorderless#

AIエージェントをエンタープライズシステムに組み込むプラクティス 【信頼境界の二層分離（Trust Boundary Split）】 💡 ポイント 「社内向けエージェントと顧客向けエージェント、同じスタックで動かしていませんか？それ、情報漏洩の時限爆弾です。」 従業員向けと顧客向けでは信頼レベル・データ境界・失敗コストが根本的に異なります。同一設計で済ませると、顧客経路から内部情報が漏れる最悪のシナリオが現実になります。 🔥 解決する課題 - 顧客向けエージェント経由での内部情報漏洩（最も致命的なリスク） - 敵対的入力（ジェイルブレイク・間接プロンプトインジェクション）による暴走 - 従業員向けの「緩い前提」を顧客向けにそのまま適用してしまう設計事故 - 顧客向け障害がブランド毀損・法的責任に直結する不可逆リスク 🏗️ 提案パターン 従業員向けと顧客向けを物理的/論理的に分離した二層のプレーンとして設計します。従業員向けは社内IdP（Okta/Entra）でSSO認証し、社内データに広くアクセスできます。一方、顧客向けエージェントはDMZ相当の隔離環境に配置し、内部データは「公開可能と明示したread model（投影）」のみ参照可能にします。顧客向けの出力にはDLP（データ漏洩防止）検査を必須通過させ、ガードレールも格段に厳格にします。オーケストレーション基盤やモデルゲートウェイは共有してもよいですが、データ到達経路は必ず分離します。 ✅ 選定条件 - 採用する場合：顧客と従業員の両方がエージェントを利用する。B2C/B2B両面を持つ企業。顧客接点と社内業務が同一基盤を共有しようとしている。 - 採用しない場合：純粋に社内専用の用途のみ（過剰な分離はコスト増になります）。 ⚠️ 落とし穴 - 「オーケストレーション基盤を共有しているから大丈夫」と思い込み、データ到達経路まで共有してしまうケース。基盤の共有とデータ経路の分離は両立が必要です。 - 顧客向けガードレールの設計を後回しにすると、本番稼働後に重大インシデントが発生します。ジェイルブレイク検知・トピック制限・拒否方針は初期設計に含めてください。 - 監査ログの設計で顧客識別子とPIIの保持期間管理を怠ると、コンプライアンス違反に繋がります。 🛠️ 実装方針 - まずネットワークセグメンテーションで顧客向けプレーンを隔離します。VPC/サブネット分離で顧客向けエージェントをDMZ相当の環境に配置し、内部ネットワークへの直接到達を遮断します。 - 顧客向けプレーンが参照するデータをCQRSのread model（公開可能データの投影）として構築します。内部DBへの直接アクセスではなく、公開可能と明示したデータのみを投影するビューを用意します。 - DLP（データ漏洩防止）検査パイプラインを顧客向け出力経路に設置します。全出力を通過させ、内部由来情報のリークを検知・ブロックします。 - 顧客向けプレーンにガードレールポリシーを配備します。ジェイルブレイク検知・トピック制限・トーン制御・拒否方針を含む、従業員向けより格段に厳格なポリシーセットを適用します。 - 認証基盤を分離します。従業員向けは社内IdP（Okta/Entra ID）でSSO、顧客向けは顧客IdP（Auth0/CIAM）を使い、認証経路を完全に分けます。 #AIエージェント# #エンタープライズアーキテクチャ#

AIエージェントをエンタープライズシステムに組み込むプラクティス 【信頼境界の二層分離（Trust Boundary Split）】 💡 「社内向けエージェントと顧客向けエージェント、同じスタックで動かしていませんか？それ、情報漏洩の時限爆弾です。」 従業員向けと顧客向けでは信頼レベル・データ境界・失敗コストが根本的に異なります。同一設計で済ませると、顧客経路から内部情報が漏れる最悪のシナリオが現実になります。 🔥 解決する課題 - 顧客向けエージェント経由での内部情報漏洩（最も致命的なリスク） - 敵対的入力（ジェイルブレイク・間接プロンプトインジェクション）による暴走 - 従業員向けの「緩い前提」を顧客向けにそのまま適用してしまう設計事故 - 顧客向け障害がブランド毀損・法的責任に直結する不可逆リスク 🏗️ 提案パターン 従業員向けと顧客向けを物理的/論理的に分離した二層のプレーンとして設計します。従業員向けは社内IdP（Okta/Entra）でSSO認証し、社内データに広くアクセスできます。一方、顧客向けエージェントはDMZ相当の隔離環境に配置し、内部データは「公開可能と明示したread model（投影）」のみ参照可能にします。顧客向けの出力にはDLP（データ漏洩防止）検査を必須通過させ、ガードレールも格段に厳格にします。オーケストレーション基盤やモデルゲートウェイは共有してもよいですが、データ到達経路は必ず分離します。 ✅ 選定条件 - 採用する場合：顧客と従業員の両方がエージェントを利用する。B2C/B2B両面を持つ企業。顧客接点と社内業務が同一基盤を共有しようとしている。 - 採用しない場合：純粋に社内専用の用途のみ（過剰な分離はコスト増になります）。 ⚠️ 落とし穴 - 「オーケストレーション基盤を共有しているから大丈夫」と思い込み、データ到達経路まで共有してしまうケース。基盤の共有とデータ経路の分離は両立が必要です。 - 顧客向けガードレールの設計を後回しにすると、本番稼働後に重大インシデントが発生します。ジェイルブレイク検知・トピック制限・拒否方針は初期設計に含めてください。 - 監査ログの設計で顧客識別子とPIIの保持期間管理を怠ると、コンプライアンス違反に繋がります。 🛠️ 実装方針 - まずネットワークセグメンテーションで顧客向けプレーンを隔離します。VPC/サブネット分離で顧客向けエージェントをDMZ相当の環境に配置し、内部ネットワークへの直接到達を遮断します。 - 顧客向けプレーンが参照するデータをCQRSのread model（公開可能データの投影）として構築します。内部DBへの直接アクセスではなく、公開可能と明示したデータのみを投影するビューを用意します。 - DLP（データ漏洩防止）検査パイプラインを顧客向け出力経路に設置します。全出力を通過させ、内部由来情報のリークを検知・ブロックします。 - 顧客向けプレーンにガードレールポリシーを配備します。ジェイルブレイク検知・トピック制限・トーン制御・拒否方針を含む、従業員向けより格段に厳格なポリシーセットを適用します。 - 認証基盤を分離します。従業員向けは社内IdP（Okta/Entra ID）でSSO、顧客向けは顧客IdP（Auth0/CIAM）を使い、認証経路を完全に分けます。 #AIエージェント# #エンタープライズアーキテクチャ#

📣 予約受付中！ 📖 境界のメロディ(2) 📅 2026/11/04 発売 ✨【ゲーマーズ限定版】 オリジナル缶バッジ2個セット付 🎁 ゲーマーズ特典 ・オリジナルブロマイド 👇ご予約はこちら！ @iqura_s

# AIエージェント開発の意思決定ポイント # プロンプト制御 vs コード/ポリシー制御 🛡️ 🎯 ポイント エージェントの振る舞いを制約する手段として、プロンプトで「お願い」するか、コードで「壁」を作るか。この違いは「確率的な遵守」と「決定論的な強制」の違いに直結します。 「個人情報を出力しないでください」とプロンプトに書いても、プロンプトインジェクションで上書きされたり、コンテキストの膨張で指示の効力が揺らいだりします。正規表現で検出してブロックする処理は、LLMの判断に関係なく確実に動作します。問題は「どの制約をコードに引き上げるか」の判断です。 📋 概要 プロンプト制御はLLMへのシステムプロンプトや指示文に制約を記述し、振る舞いを誘導する方式です。Few-shot例示、ネガティブ指示、ロール設定などが典型的な手法です。コード/ポリシー制御は制約を実行可能なコード（条件分岐、正規表現、スキーマ検証）またはポリシーエンジン（OPA/Rego、Cedar等）で実装し、LLMの入出力や操作を強制的に制御する方式です。 🔍 意思決定のポイント **failure_cost** と **accountability** の2つで判定します。 📊 **制約の種類ごとの判定**: コード/ポリシーで強制すべきもの: - 🔒 境界・法的制約（個人情報の出力禁止、金額上限、禁止操作） - 🔒 不可逆操作の制限（削除、送金、公開） - 🔒 出力形式の強制（JSONスキーマ、値域の検証） プロンプトで誘導すべきもの: - 💬 応答の品質・様式（口調、丁寧さ、専門用語の使用） - 💬 文脈依存の判断指針（どのような場合に何を優先するか） 💡 要点と詳細 🟢 **プロンプト制御の強み**は柔軟性と表現力です。自然言語で記述するため、微妙なニュアンスや文脈依存の振る舞いを指示できます。「法務向けでは正式な表現、エンジニア向けでは技術用語OK」のような条件付き様式が自然に表現でき、変更もデプロイなしにプロンプトを書き換えるだけです。弱点は信頼性の低さで、プロンプトインジェクション・コンテキスト膨張・モデル更新で制約が破れるリスクがあります。版管理・テスト・監査も困難です。 🟡 **コード/ポリシー制御の強み**は確定性と監査性です。制約はコードとして版管理され、ユニットテストで検証され、監査証跡として残ります。「この出力がなぜブロックされたか」はポリシーの版とルールIDで一意に特定できます。プロンプトインジェクションやモデル更新の影響を受けません。ポリシーエンジンを使えばルール変更もデプロイなしで反映可能です。弱点は表現力の限界で、「丁寧に応答する」のような質的な制約はコードで表現できません。 ⚖️ トレードオフ | 観点 | プロンプト制御 | コード/ポリシー制御 | |---|---|---| | 信頼性 | 確率的（破れるリスクあり） 🔴 | 決定論的 🟢 | | 表現力 | 高い（ニュアンス可） 🟢 | 低い（条件→判定に限定） | | 監査性 | プロンプト履歴の追跡が必要 | 版管理＋監査証跡 🟢 | | インジェクション耐性 | 脆弱 | 影響を受けない | | 変更速度 | プロンプト書換のみ | ポリシー更新 or デプロイ | | 開発コスト | 低い | インフラ＋スキルが必要 | 🛠️ ユースケース 🔵 **プロンプト制御が向くケース**: 応答トーン・様式の誘導、文脈依存の判断指針、制約違反の影響が軽微なケース。 🔴 **コード/ポリシー制御が向くケース**: 個人情報・金融データの出力制御、不可逆操作の制限、規制対象の処理、出力形式の厳密な検証。 📌 **デフォルト戦略**: 「境界（壊してはならない制約）はコード、誘導（望ましい振る舞い）はプロンプト」が定石です。迷ったら「この制約が破られたとき、どれだけ痛むか」を自問してください。痛みが大きいならコードで強制、小さいならプロンプトで誘導します。最も実用的な構成はポリシー強制＋プロンプト誘導の二層構造です。コード/ポリシーで境界を決定論的に強制しつつ、プロンプトでLLMの振る舞いを境界の内側で誘導します。プロンプトの誘導が失敗してもポリシーが最終防壁として機能します。 #AIエージェント# #ソフトウェアアーキテクチャ#