2026-01-19

最近のuniの開発

問題を発見する

Claude Codeと方針を立てる

Claude Codeが実装する

（飛ばすこともある）人間がざっくりレビューする。完全に間違っていそうかどうか、ぐらいの精度は低いが高速なレビュー

CIのClaude Codeがレビューをしてコメントをつける

Claude Codeが修正する

人間が検証をClaude Codeと実行する

GitHub Actiosやローカルで実行できるコマンドはClaude Codeが実行することが主

以下、完成するまでループ

Claude Codeのレビューがapprove

マージ

もはや、人間は欲望のコントロールしかしていない

月額3000円で「日本で年収800万円ぐらいのレベルの一緒に仕事できる人」が雇用できるようなもので、プログラミング環境は激変した。

欲望を定義する

コーディングする

から

欲望を定義する

LLMがスムーズに仕事をできるように環境を整える

に変わった。

通常、コーディングタスクがボトルネックになる。ここがとんでもなく早くなった結果、アウトカムはとんでもなくよくなったはずだから、外から見ると「成功」である。

代わりに、コーディングに楽しみは経済合理性を失い、よくわからないことをそのままにするクセはどうしてもつきやすくなるだろう。

プログラムは自動化で単位時間あたりの成果が上がるのだから、経営者は「プロダクトあたりのエンジニアを減らせる！」と経営判断をする可能性が高い。当然、エンジニアあたりの仕事量は従前と変わらないが、中身はLLMありきになる。

「LLM任せているからよくわからない所がある」「でも聞ける人は減ってしまったし、いざという時不安」という、専門性が育たないという個人の悩みは、むしろ増えるのではないか？

しかしもっと先を見れば、「LLMが解決できないなら、人間に短期の解決は無理だからどうしようもない」という判断になるかもしれない。

向こう10年のLLMの問題（人間が必要な状況）は、欲望の定義を別にすれば、運用上、必要な情報をLLMに渡す、ということだろう。上述した「環境を整える」とはこういったことを一つ一つ潰すことを差す。

LLM側の問題

LLMのコンテキストという理論上の制約

エコシステムの未成熟（ツール連携）

説明責任の明確さ（人間の場合でも難しい）

組織側の問題

LLMがアクセスできないデータ領域がある

セキュリティ上の理由

データ運用が自動化されていないので遅い

LLMが必要なデータにすぐにアクセスできるように整備されていない

データがデジタル化されていない

などの理由でLLMが「必要なときに」「必要なだけ」「すぐにアクセス」できない

コーディングは、現代におけるアマチュア無線のような、実用というより趣味の作業になって行くだろう。

10年後を見据えて何をするか？

論理的明確さはすでにコモディティとなった

GPT-5.2程度の論理的明確さを持った人は比率で言えば少なかったが、今後はこれがベースになる

「知っている」という価値は急速にコモディティ化するだろう

多分これは重要

物理世界との接点

ロボティクスはみんなが思うほど急に発展できないと予想している

人間という高性能で「安価な」ハードウェアである自分を生かす

人間との接点

信頼・人的ネットワーク・WETな関係

ただ自分の職業人生が終わるまでに「長期的」に到達するのかは不明だ

「10年後も確実に価値がある」と断言できるものはない。だから「これをやれば安心」という答えは嘘になる。

ただ、不確実性の中でできることは：

複数の選択肢を持っておく

変化に適応する練習をしておく

最悪のシナリオでも生きていける基盤を作る

くらいしかないんじゃないか。

すごく簡単な公式を作ることができる

デジタル化された知識はLLMが調速で習得する

産業になるものは効率化のためにデジタル化される

ここから出発すると、LLMができないことは、将来的には以下のものに絞られてくるはず

デジタル化する設備投資より人件費のほうが安い産業・ジャンル

例：過疎地の介護、零細農業、一部の手工業

デジタル化する意義が薄いもの

ハイコストの1点ものを少数のメーカーが作る

例：一点もののアート、伝統工芸の一部

その人のストーリーが大事

趣味性や効率化が無意味な指向性や属人性そのものが有意義、かつ人が少ないジャンル

人が多くなる=産業になると、属人性を集めることによって「2線級のAI」を作る効率化圧が高まる

ニッチで人気になる →ジャンルが注目される → 人が増える （需要が増える）→ 産業化 → データが集まる → LLMが学習

ジャンルが人気になること自体がLLM参入のトリガー

例：個人YouTuber、作家性の強いクリエイター

価値判断・責任の引き受けが主たる役割のもの

例：経営者、政治家

データが足りないもの

例

極度にニッチな専門領域

データが溜まるまで時間がかかるもの

失敗のコストが高くて試行回数を稼げない（原発、航空、手術）

曖昧なもの

会社の採用を考える。

人が人を雇う時、見るのは実力だ。実力は何で測るのか、様々な方法があるが、何らかのアウトカムを測る。

経歴・成果物（とその第三者評価）

もしLLMありきで見るならむしろ人は「ある程度の人を安く使って」「LLMでブースト」になるだろう。

中間層の給与は下がるかもしれない

「人間同士のゲーム」は変わらず続く

https://youtu.be/liXjwq8hkMs?si=JHdZr8Z8FPVdXzO8

https://www.youtube.com/watch?v=vAviDSv6DDI