AI
生成 AI
書籍『AI時代のキャリアパス論』を出版しました ― 連載5回を1冊にまとめました
「AIにキャリアを奪われないためには？」から始まる全5回の連載をまとめて、1冊の書籍にしました。ビギナー・中級者・リーダーの3段階で、AIを「答えをくれる道具」から「経験を積み、伝え、育てる相棒」へ変える道筋を描きます。日本語版はZenn、英語版はLeanpubとBuy Me a Coffeeで購入できます。
#キャリアタグの記事
表示切り替え
AI
生成 AI
AIエージェント時代の「作らない技術」(5) ― 着手前に検証すべき6ポイント
そのコードは、次のモデルが来ても必要ですか？ 着手する前に検証すべき6つのポイントを紹介します。
AI
生成 AI
AIエージェント時代の「作らない技術」(4) ― 頑張るだけ損になる実装と、待つ技術
独自の長期記憶、ワークフローDSL、モデルルーター。作れば動くし、技術的にも面白い。それでも、三か月待てば要らなくなるとしたら？
AI
生成 AI
AIエージェント時代の「作らない技術」(3) ― 手で書くより、ループを回す
Claude Codeを作ったBoris Chernyは、8か月も手でコードを書いていないと言います。プロンプトを磨く仕事は、ループを設計する仕事に変わるのでしょうか？
AI
生成 AI
AIエージェント時代の「作らない技術」(2) ― 本家に振り回される実装
コードは動き、テストも通る。それでも使う価値だけが消えていく。AI時代の実装が抱えるこの壊れ方を、技術的負債ではなく「座礁資産」として紹介します。
AI
生成 AI
AIエージェント時代の「作らない技術」(1) ― 母屋に呑み込まれるサードパーティ
PDF対話もAIプレゼンもChatGPTプラグインも、いまはChatGPTやGeminiの標準機能です。それを支えた実装は、どこへ行ったのでしょうか？
AI
生成 AI
日米IT産業比較 ―「製品」と「サービス」、そしてAIによる再編
アメリカでIT企業といえばMicrosoftやNVIDIA、日本ではNTTデータや富士通——同じ「IT企業」でも指すものが違います。製品を世界へ量産する米国型と、顧客固有の業務を支える日本型。この構造差が収益・人材・競争力を分けてきました。生成AIはこの構図をどう再編するのか、日本の弱みと強みから展望します。
DATA
データ・DB
AIに負けないスキル。データのエンジニアリング
コーディングエージェントはロジックやテストに強い。しかし「このデータは何を意味し、誰が責任を持ち、どの鮮度で流れ、正本はどれか」は分からない。これは「AIに身体性がない」ことから演繹されるテーマです。データの意味・品質・来歴・責任範囲を設計できる人こそ、AI時代に価値が上がる——最新のデータエンジニアリング議論とともに整理します。
AIAIAIAIAIAIAIDATA
書籍『AI時代のキャリアパス論』を出版しました ― 連載5回を1冊にまとめました
「AIにキャリアを奪われないためには？」から始まる全5回の連載をまとめて、1冊の書籍にしました。ビギナー・中級者・リーダーの3段階で、AIを「答えをくれる道具」から「経験を積み、伝え、育てる相棒」へ変える道筋を描きます。日本語版はZenn、英語版はLeanpubとBuy Me a Coffeeで購入できます。
AIエージェント時代の「作らない技術」(5) ― 着手前に検証すべき6ポイント
そのコードは、次のモデルが来ても必要ですか？ 着手する前に検証すべき6つのポイントを紹介します。
AIエージェント時代の「作らない技術」(4) ― 頑張るだけ損になる実装と、待つ技術
独自の長期記憶、ワークフローDSL、モデルルーター。作れば動くし、技術的にも面白い。それでも、三か月待てば要らなくなるとしたら？
AIエージェント時代の「作らない技術」(3) ― 手で書くより、ループを回す
Claude Codeを作ったBoris Chernyは、8か月も手でコードを書いていないと言います。プロンプトを磨く仕事は、ループを設計する仕事に変わるのでしょうか？
AIエージェント時代の「作らない技術」(2) ― 本家に振り回される実装
コードは動き、テストも通る。それでも使う価値だけが消えていく。AI時代の実装が抱えるこの壊れ方を、技術的負債ではなく「座礁資産」として紹介します。
AIエージェント時代の「作らない技術」(1) ― 母屋に呑み込まれるサードパーティ
PDF対話もAIプレゼンもChatGPTプラグインも、いまはChatGPTやGeminiの標準機能です。それを支えた実装は、どこへ行ったのでしょうか？
日米IT産業比較 ―「製品」と「サービス」、そしてAIによる再編
アメリカでIT企業といえばMicrosoftやNVIDIA、日本ではNTTデータや富士通——同じ「IT企業」でも指すものが違います。製品を世界へ量産する米国型と、顧客固有の業務を支える日本型。この構造差が収益・人材・競争力を分けてきました。生成AIはこの構図をどう再編するのか、日本の弱みと強みから展望します。
AIに負けないスキル。データのエンジニアリング
コーディングエージェントはロジックやテストに強い。しかし「このデータは何を意味し、誰が責任を持ち、どの鮮度で流れ、正本はどれか」は分からない。これは「AIに身体性がない」ことから演繹されるテーマです。データの意味・品質・来歴・責任範囲を設計できる人こそ、AI時代に価値が上がる——最新のデータエンジニアリング議論とともに整理します。