AIの使い方には、その人の対人スタイルがかなり出る気がする。 人と仕事するときに「察しろ」「読め」「なんでわからない」と詰める人は、AIにも同じようにキレながら使う。 逆に、仮説・前提・検証手順を渡せる人は、AIをちゃんと協働相手にできる。 AIは知性だけでなく、協働の癖も増幅する。 そこが面白くもあり、怖くもある。

社内のエンジニアのAIの使い方は人によってかなり違う。 Claude Codeに丸投げし、並列でぶん回して自分はレビューに徹する人もいる。 Cursorなどのタブ補完を軸に、あくまでも自分が手を動かす前提でAIを補助として使う人もいる。 同じエンジニアでも作る機能やタスクによって使い分けていそう。 ただ、AIに対して斜に構えた態度を取る人は、マジでいない。 セキュリティ面や理解負債といったネガティブな側面も認識してる。 だけど、それを理由にAIを遠ざけ、批評家に回ることはない。 「AIを使うのは当然」という前提のもと、「どうやればそれを乗り越えられるか？」という頭の使い方をしてる。 僕は学習のためにあえてAIを使わずにコードを書いてみたりと、AIから離れて自力で考える時間を作る方向で考えていた。 それはそれで続けていいはず。 ただ、それだけじゃなくて、「AIを使いながら、どう自分を成長させるか」にも、もっと頭を使う必要がありますね。

■新規公開中の記事■ 【｢東大に合格する人｣と｢そうでない人｣はAIの使い方がどう違うのか？　AIで学習効果を加速するための"3つの要諦"】 #東洋経済オンライン#

ペットが僕の作業を監視して、AIの使い方がなってなかったらツッコミを入れて良い方向に導いてほしい🤣 誰かそんな機能作ってくれませんか？笑 公式で導入してくれないかな。笑

AIに課金してると、自分はちゃんとこのお金に見合うだけ使えてるんだろうか…っていう不安になる。 エンジニアじゃない人、この使い方は価値あった！って使い方、何がありました？？ 正直、AIの使い方迷子中です。。

Claude 5世代のモデル向けにコンテキストエンジニアリングの考え方が変わっているよという公式記事。↓は自分用メモ。 ・Claude Codeのシステムプロンプトを80%以上削減しても、コーディングの精度は維持している ・以前は事故を防ぐため「コメントを書くな」等の強い制約を設けていた ・ただ、それがかえって指示の衝突を生み、AIの判断を難しくさせる原因になっていた ・最新モデルは判断力が向上しているため、細かいルールよりAIの裁量に任せた方が良い ・ツールの具体的な使用例を提示すると、逆にAIの探索範囲を狭める ・例を見せるよりも、パラメーター設計などを工夫して意図を伝える方が良い ・ツールの使い方はシステムプロンプトではなく、各ツールの説明文に記載する ・すべてのベストプラクティスをCLAUDE.mdに詰め込むのは良くない ・必要な時に情報を読み込ませるprogressive disclosure（段階的に開示）が良い ・長いドキュメントは分割し、適切なタイミングで参照させる ・CLAUDE.mdは軽量に保つ ・コードベース特有の注意点の記載にとどめる ・また、単純なMarkdownの仕様書より、もっと情報量を増やしていい。例えば、HTMLのモックアップやテストコードを渡す方が精度が上がる

Nano Banana 2 Liteは、画像生成AIの使い方を少し変えそうです。 Googleによると、テキストから画像生成まで約4秒、1000枚の画像あたり約$0.034円という驚異的なコストパフォーマンスを実現しています。 この価格と速度だと、人間の意思決定がボトルネックになっていく。

Claude Code 周りでよく出てくるのは Boris 氏だけど、その上司の方が出ているエピソードで、良い話が大量にあった。 以下は、順番を変えての自分用メモ。内容が良かったので分量多め。 ・マネージャーが見るべきなのは、メンバーがどれだけコードを書いたかではない ・その仕事が顧客や事業にどのような成果をもたらしたかどうか ・コード行数、PR数、トークン使用量などは活動量を示すだけ（意味がない） ・ClaudeにSlack、リポジトリ、指標、顧客からのFBや意見を確認させる ・そうすれば、マネージャーは大量の情報を横断してチームの状況を把握できる ・AIによる要約は報告書の代わりにするだけでなく、メンバーとの対話を始める材料として使う ・マネージャー自身も一定期間はICとして働き、チームのコードベース、ツール、プロダクト、リリース手順を直接経験することが望ましい ・新任マネージャーが最初からマネジメントだけを始めると、現場を理解しないまま、以前の会社で覚えた手法を持ち込む危険がある ・マネジメント責任を持つ前にICとして働けば、チームメンバーとの信頼関係を築きやすくなり、現実に即した判断もできるようになる ・また、マネージャーがPRを作る目的はプロダクトや開発環境の手触りを失わないことにある ・自分でプロダクトを使えるマネージャーは、資料や指標だけでは見えない不便、品質低下、顧客体験の問題に気づきやすい ・自分ではプロダクトを使いにくい場合もある ・その場合は、顧客への訪問や利用状況を観察させてもらい、現場との距離を意識的に縮める必要がある ・AIによって一人で多くの仕事を進められるほど、チーム内の会話が減って孤独になりやすい ・なので、共同作業の機会を意図的に設計すると良い ・ペアプログラミングやハッカソンは、親睦のためだけでなく、メンバーごとに異なるAIの使い方を共有する学習機会になる ・計画の立て方も6か月のロードマップではあっさり陳腐化する ・だから、1か月単位の軽量なJITプランニングにして、役に立たなくなったプロセスは積極的に捨てる ・月単位で軽く計画し、毎週優先順位を確認する ・長期的な方向性は示しつつ、具体的な実行内容は短い周期で更新すれば、チームは一貫性と柔軟性を両立できる ・Anthropicの社員は2025年と比べて四半期あたり約8倍のコードを生み出している ・その結果、仕事の重心は書くことから検証すること、つまり、生成された大量のコードが本当に正しく動き、品質が高いかを確かめることへ移った ・モバイルの専門家でないエンジニアがClaudeを相棒にしてモバイル開発をこなすように、自分の専門外の領域にも踏み出せるようになった ・コードを書く人がエンジニアだけでなくなった ・デザイナーもPdMも全員がコードをコミットする、誰もがビルダーの時代 ・職種の境界が溶けてきている ・エンジニアはよりプロダクト志向に。PdMやデザイナーはより技術的に ・採用で求められるのは二種類 ・プロダクトに情熱を注ぎ端から端まで磨き上げる創造的なビルダーと、深いシステムの専門家 ・モデルは優秀だが完璧ではないので「信頼せよ、しかし検証せよ」という原則が貫かれる ・ここで、専門家による検証が必要な領域へ投資する ・この時代にうまく適応できる人と、恐れて抵抗する人の間にギャップが広がりつつある → これは社会全体の分断にもつながりかねない深刻な問題 ・適応の鍵は成長マインドセット

AIエージェントの使い方がよく分からん…という向けの記事です。具体的な方法論ではなく、今回はAIを使う時に大事な前提知識について書いてみました！ AIエージェントを実務で使う前に知りたかった、4つのステップ｜のっち