カテゴリ

AI開発

AIに仕事を任せても学習の循環まで手放してはいけないナデラとSkillOptに学ぶ能力の蓄積

サティア・ナデラのトークン資本論とSkillOptの研究を手がかりに、AI活用を一回限りの効率化で終わらせず自社の能力へ蓄積する設計を考えます。実行履歴の選別、検証を通した手順の最適化、モデル交換に耐える評価基準と組織の主導権を保つ実践アプローチを整理します。

CodexとClaude Codeの履歴からAgent Skillsの候補を見つけ、SKILL.mdと補助資産へ分け、Skillなし・旧版と比較して評価する作り方を解説します。共通仕様と両者で違う配置・起動・設定、安全設計、複数AIエージェントへの配布、差分履歴を使った運用まで整理します。

AI Digestでは、情報収集から下書き生成までは自動化し、公開の判断は人間が行います。形式を固定したJSON、同じ入力から同じMDXを生成する変換処理、公開前の事実確認を通して、n8nとCodexが担う処理と、人間による公開判断、訂正、撤回の責任範囲や現在の限界を紹介します。

Prompt Engineeringから積み上がったAI Agent Engineeringの系譜をたどり、次に現れたGraph Engineeringで新たに設計対象になる範囲を整理します。2026年7月時点で標準化されていない段階の限界も明記します。

AIレビューへの返答をAIへ投げ直されると、人間はAI同士を仲介するMiddlewareになってしまいます。往復を止めるため、Reviewへ命令を紛れ込ませる前に、判断材料とRuleをRepositoryへ残し、Context Engineeringで先回りする設計を解説します。

AI Agentがエンジニアの仕事を代替する時代に、人間が設計すべき領域は何かを考えます。AIが間違えても止まる範囲、Tool呼び出しの境界、人間へ戻す条件を、AgentCore・Strands・Cloudflareの実行基盤から整理します。