#開発・実装 Zenn AI 2026年7月19日

AIにコードを書かせる記事は溢れているのに、「正しさの保証」の話が少なすぎる

! 本記事は「LLM生成コードの品質保証を設計する」シリーズの1本目です。レガシーコード移行のR&Dで、AIにコードを生成させる仕組みの「評価系」をゼロから設計した過程を、失敗と方針転換込みで書いていきます。 AIは大量にコードを書けるようになった。で、誰がそれを保証するのか Claude CodeやエージェントにコードをまとめてAI生成させる——いまや珍しい話ではなくなりました。設計書やプロンプトを入力に、コードとテストを自動生成する一連の仕組みは「ハーネス」と呼ばれたりします(要するに、LLMを組み込んだコード生成パイプラインのことです。本記事でも以降この呼び方を使いま...

出典: Zenn AI（配信元の紹介文より引用）

このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →

この話題に関連する、TOEの実践・観測記録

ニュースの背景を、当社が実際にAIを動かした一次記録から補足します。

失敗の鬼

AIベンダーに依存して身動きが取れなくなる構造

2025年6月のChatGPT大規模障害と、企業幹部への調査データをもとに、特定のAIベンダーへの依存がなぜ業務停止リスクにつながるのかを整理します。

続きを読む →

AI解体新書

素のAIエージェントが20件全滅、手順書と検算を足したら70件中63件が専門家一致——差はどこで生まれたのか

研究チームが、格子QCDという専門的な科学計算のコード生成をAIエージェントに任せた結果を公開した。汎用のコーディングエージェントは基本タスク20件すべてに失敗し、業務知識・固定処理・人間の確認を組み込んだ構成は70件中63件で専門家と機械精度一致。差がどこで生まれたかを中小企業の実務に翻訳する。

続きを読む →

AI解体新書

採点の仕組みが作れない業務でも、AIを自社向けに鍛えられるのか？　1本52分・3ドル未満の実測

自動採点の仕組みが用意できない業務でも、指示と正解の組だけで推論AIモデルを自社向けに調整できるか。研究チームは、GPU1枚・平均52分・1件あたり3米ドル未満で調整を終え、Rustコード生成で平均+7.0ポイントの向上と推論能力の維持を同時に達成したと報告しました。中小企業にとっての意味を整理します。

続きを読む →