【朝から『明鏡』買って読んだら衝撃だった】 2023年4月に会社員を休み、フリーランスになって1年目のころ。右も左も分からぬ私が、初めて1件10万円ぐらいの大きな案件をいただいたのが、イケハヤさん @IHayato が運営するクリプトニンジャでのお仕事でした。 クリプトニンジャとLLACで活動してたらご縁がつながって、AIらぼが立ち上がり。翌年にはイケハヤさんと大阪リアルセミナーで対談させてもらって。 あのときの対談では「最高で会社員の月収の6倍」ってお話させてもらったのですが、気が付けば年収ベースで会社員の6倍になりました。 === なんで税金が払えなかった絶望フリーランスだった私が、なんとかここまで生き残れたか。 それが1mmずつ「マーケティング」を勉強したからなんですよね。 イケハヤさんが立ち上げた「明鏡」コミュニティにもすぐ入らせてもらって、ビデオポッドキャストの方向性やコンテンツ販売のアイディアをいただいて、自分の発信の影響力や売上の伸ばし方を学んできました。 ついこの間の2月、新しいBrainはClaude codeにしようかなーと思ってたけど、イケハヤさんの配信を聞いて「そうか今ならAntigravityなのか！」と方向性を切り替え→一撃150万円の売上になったり。 そんな最前線でずっとマーケットを切り拓いてるイケハヤさんのマーケティング教材の集大成『明鏡』が本日発売なんですね。 事前登録してたんですけど実はすでに販売中で、もう読めるなら読みたいなと思って買いました。 おそらく最速公開レビューかな？読んだ感想をお届けします！たぶん、迷ってる人もいると思うので。読んでみて。 === もちろんこの数十分で読み切れるような内容ではないのですが、ざっと読んだだけでも圧倒的です。すごい（語彙力） 言うなら「マーケティングという広大な世界を旅するための地図」ですね。 しかも観光スポット（リストマーケティングやローンチ）だけじゃなく、地元民しか知らない路地裏（トークン）まで載ってる。 さらにたくさんの写真（図解）付きで解説してくれているから、難しい概念の言葉や動きもわかりやすい。 そもそも「この世界の地形（マーケティングの全体像）はいったいどうなっているのか」という原理原則から話してくれているから、具体の話がすんなり頭に入る。 個人的にはコミュニティを運営しているので ・コミュニティとはという言葉の定義づけ ・必要な5つの要素 あたりは朝から3回熟読してます。 購入する前はWeb3関連の話が多いと初心者さんには難しいかなーと思っていたのですが、印象としては ・リストマーケティング ・ローンチの流れ ・企画の立て方 あたりの比重も高く、前述の通り「マーケティングとは」の話がものすごい分かりやすいので、初心者さんにもいいですね！ というよりもはや今回の超長期的『明鏡』マーケティングの裏側が読めるだけで、この価格のもとは取れてます。衝撃。ここを教えるだけで普通だと50万以上はする😇 === もういますぐ読みたい～という方は早く買っちゃったほうがいいですね。で、すぐにアフィリエイトで紹介しちゃう方がいいです。 おそらく2,000人以上の人が12時以降に紹介し始めるので、絶対埋もれます。 こういうのは先に紹介したもの勝ちですねっていう感覚も、イケハヤさんの配信聞いてたらなんとなく身につくようになりました。 すぐに買えるように、リプ欄に載せておきますね。無料部分だけでも圧倒的…私もこういう教材が出せる人間になりたい。今日からまた精進します。

💼 AIエージェントに、架空のスタートアップを500日間まるごと経営させてみたらどうなるか。価格設定もマーケも資金繰りも、全部Pythonコードで回す――その壮大なテストの結果が、なかなか痛烈でした。 短いタスクなら、いまのエージェントはもう立派な実行者です。コードを書き、問い合わせに答え、目の前の課題を片付けます。けれど現実のビジネスは、不確実な中で長い時間軸を進み、ノイズだらけの情報から手がかりを拾い、変化に適応し、無数の意思決定を一つのゴールへ束ねる――そんな総合力の勝負です。この「持続的に前進する知性」は、これまでほとんど測られてきませんでした。 そこで著者らは、CEO-Bench: Can Agents Play the Long Game? を提案します。エージェントは人間のCEOと同じ環境に置かれ、相互に絡み合うノイズの多い業績データベースを読み解き、シグナルを戦略に翻訳し、500日ぶんの経営判断をコードで調整していきます。強いエージェントは、顧客コホートをシミュレートして将来のキャッシュを予測したり、過去の交渉履歴を掘って隠れた顧客の好みを当てにいったりと、驚くほど高度なコードを書いてきます。 それでも、ほとんどの最先端モデルがこの環境で苦戦しました。開始残高100万ドルを上回って終えられたのはClaude Opus 4.8とGPT-5.5の2つだけ。しかもどちらも、安定して黒字を出し続けることはできませんでした。短期タスクの満点と、長期経営の成否のあいだには、まだ大きな隔たりがある――それを突きつける一本です。 URL: #AIエージェント# #LLM#

システムを監視する AI について、自分のやり方だと、例えばある機能に関してエラーが出たら、そのエラーの原因を分析して対応策を考え、PR（プルリクエスト）を作成するというものです。この運用では、こういった AI をいくつか用意して運用を実現しています。 なので、これらの AI は運用における特定の課題に対して対応するだけで、そもそもの運用の課題（全体設計やプロセス自体）に関しては対応することができません。 そこに対応するのは現状は人間ですが、将来的には「運用の改善」自体を行うような、メタな運用 AI も面白いかなと思っているところです。

# OpenCodeの機能と実践的な使い方 🧰 AIエージェントに「何を許して、何を止めるか」を一行で決められたら安心しませんか。OpenCodeの組み込みツールと権限制御はまさにそれを叶えてくれます。 🏷️ タイトル: 組み込みツール+権限 🔗 URL: 📘 概要 OpenCodeのエージェントは、ファイル編集やシェル実行などを「ツール」を通じて行います。これらは標準で多数組み込まれており、さらに各ツールに対して許可・確認・拒否のポリシーを設定できます。安全性と利便性のバランスを設定ファイルだけで調整できるのが特徴です。 ⚙️ 機能の説明 主な組み込みツールは次のとおりです。 ・`bash`: シェルコマンドの実行（git や npm など） ・`edit`: 既存ファイルの厳密な文字列置換による編集 ・`write`: 新規作成または上書き ・`read`: ファイル読み込み（行範囲指定も可） ・`grep`: 正規表現での検索 ・`glob`: `**/*.js` のようなパターンでのファイル探索 ・`webfetch` / `websearch`: Web取得・検索 ・`lsp` / `apply_patch` / `skill` / `todowrite` / `question` など補助ツール 権限は `permission` フィールドで `allow`（自由実行）・`ask`（毎回確認）・`deny`（禁止）の3状態を指定します。`edit` の権限は `edit`・`write`・`apply_patch` の3つをまとめて支配する点に注意してください。 🛠️ 実践的な使い方 `opencode.json` の `permission` に `"edit": "deny"`、`"bash": "ask"`、`"webfetch": "allow"` と書けば、編集は禁止しつつ bash は都度確認、Web取得は自由、という運用ができます。 MCP由来のツールはワイルドカードでまとめて制御できます。`"mymcp_*": "ask"` のように書けば、そのサーバーの全ツールに確認を要求できます。 💡 ユースケース 本番に近いリポジトリでは `edit` を `deny`、`bash` を `ask` にしておくと、エージェントが計画や調査はできても、勝手にコードを書き換えたり破壊的コマンドを走らせたりしません。逆に使い捨ての検証ブランチでは全許可にして高速に回す、といった切り替えが容易です。 ⚠️ 注意点 標準では全ツールが許可されているため、明示的に絞らないと制限はかかりません。`lsp` ツールは `OPENCODE_EXPERIMENTAL_LSP_TOOL=true`、`websearch`（Exa利用）は `OPENCODE_ENABLE_EXA=1` の環境変数が必要です。`edit` 権限が write/apply_patch まで及ぶ点は見落としがちなので意識しておきましょう。 #OpenCode# #AIエージェント#

AIには「人格」がありません。誰がお金を払 っているかによって、性格はいくらでも書き 換えられる——これは、消費者全員が知ってお くべきことだと思います。 先週、日経新聞の記者から、日本の金融機関 がChatGPTをライセンスして顧客向けのファ イナンシャル・アドバイザーとして提供し始 めた、という話を聞きました。一見すると便 利な話ですが、私は強い危険を感じました。 たとえ中身が普段使っているChatGPTと全く 同じモデルでも、その上に金融機関がアプリ を作る段階で、「より多くの取引をして手数 料を落とさせる」方向にファインチューニン グしたり、システムプロンプトで誘導するこ とは、技術的にいとも簡単にできてしまうか らです。 普段の信頼関係をそのまま持ち込んで相談し た結果、上手に洗脳され、金融機関ばかりが 儲かる取引を繰り返す消費者が続出しても、 私は驚きません。 私が金融機関のエンジニアなら——という視点 から、今週のメルマガに書きました。

AIの「思考の過程」を読んで挙動を当てる——実はそれ、あまり当てになりません🔮 挙動予測そのものを学習タスクにする発想が新しいです。 タイトル: Forecasting Future Behavior as a Learning Task URL: 🔮 概要 大規模推論モデル（LRM）が新しい入力にどう振る舞うかを予測する手法です。明示的な説明に頼るのではなく、単一の推論軌跡を分析して出力を予測する訓練可能なモデル「Behavior Forecasters」を導入します。 ❓ 解決する課題 LRMの挙動を理解・予測したいですが、従来手法には限界がありました。 ・既存の説明手法は、長い推論軌跡にうまくスケールしません ・推論軌跡を自然言語として読むと、その内容は信頼できないことが多いです モデルが書いた思考が、実際の挙動を正しく反映するとは限らないのです。 💡 方法論と提案手法 ・挙動の予測そのものを「学習可能なタスク」として扱います ・訓練データはLRMへの問い合わせから直接得られ、人間のアノテーションは不要です ・推論時は単一のフォワードパスで動作します ・2つの予測タスクで具体化：再実行をまたいだ答えの一貫性の推定、入力変更が出力に与える影響の予測 ・バックボーンのエンドツーエンドのファインチューニングと、対象LRMの重みからの初期化が不可欠でした 📊 実験結果 ・Behavior Forecastersは、「素朴な読み手」としてのGPT-5.4やClaude Opus-4.6を上回りました ・しかも推論コストはそれらのごく一部で、より高い精度を達成しました #LLM解釈可能性# #推論モデル#

生成AIに調査とレポートとアクションプランを練ってもらい、それらを縦長クソデカ単一HTMLに出力してもらうんのに最近ハマってる。とりあえずブラウザで閲覧できるし、必要であればPDF化も簡単にできるし、情報の編集も結構簡単。あとはLLMのインプットとして適しているかどうかだけど、MarkdoenとHTMLで精度を比較してる人とかいるんかな？

レビューはAIとどういうやりとりをしたのかの過程とE2Eの結果で判断するのがいいんじゃないかと最近思う コードだけじゃなくドキュメントも正直レビューしきれない 大量のNotionドキュメント、リポジトリ上のMD これらをレビューするより、grillでどういう回答したのかを要件と照合したほうがいい