企業AIの導入・活用・評価・ガバナンス実践ブログ
目的別に読む
企業AIの導入・定着、AIエージェントの業務実装、品質・安全性・ガバナンス、Claude Code・Codexによる開発改善の4つの目的から、読む記事を選べるように整理しています。
AIエージェントを業務へ実装する
AIの品質・安全性・ガバナンスを設計する
Claude Code・Codexで開発を改善する
最新の記事を読む
最新記事にアクセスして、AIのトレンドをキャッチアップできます。
AIエージェントのビルド実行を承認制にする設計
AIに別の修正を依頼している流れで、本番向けビルドコマンドが実行された経緯と、その後に導入した承認制ルールの記録です。
dirty worktreeをAI間で安全に引き継ぐ手順
未コミット差分をAI間で引き継ぐ際に、CodexのLocal・Worktree・Cloudで何が共有されるかを分け、安全な確認手順を整理します。
AIが提示した参考文献URLを自動検証する方法
AIは実在しないURLを参考文献候補として提示することがあります。このサイトで作ったURLチェックスクリプトの仕組みと、結果の分類方法を整理します。
AI記事の引用ルール：体験と外部事実の分け方
AI支援でブログを書くときに、著者の体験談と外部事実を分け、どこに引用が必要かを判断するための実践ルールを整理します。
内部リンク切れを公開URL基準で検証する方法
ファイルは存在しているのにリンクが壊れている、という状況がこのサイトで発生しました。内部リンクの検証をファイルパスではなく公開URLで行う必要があった理由を整理します。
AI開発で意図しないUI変更を防ぐルール設計
AIに別の作業を依頼していたところ、ナビゲーションのレイアウトが変更されていた経験から、UIを保護するルールをCLAUDE.mdに追加した経緯と効果を説明します。
AIと作るバリデーションスクリプト：手動確認を自動化
設定ファイルの整合性を手動でチェックし続けることには限界があります。AIと一緒にバリデーションスクリプトを作った過程と、自動検出が有効だった理由を整理します。
learning_timeを自動正規化する設計と実装
docs記事のlearning_timeを、レビュー前の作成フローで正規化し、dev:checkとprebuildでは安全網として再検証する設計に更新しました。
日英ブログの翻訳ずれを防ぐ構造同期チェック
日本語を正本として英語記事を同期する現行フローを、3つの翻訳ずれと二段階チェックリストから整理します。構造検査で拾える差分と、人が判断する意味の差を分けて扱います。
ブログ制作Skillの作り方：著者視点と品質基準を定義する
AIを使って記事のドラフトを作成すると著者らしさが消えやすい問題に対し、my-blog-writing SKILLで文体・禁止表現・E-E-A-Tの確認基準を定義しました。ドラフト段階の品質を整え、著者が編集・レビューしやすい状態にする仕組みを整理します。
SKILL.mdとは：繰り返すAI作業を標準化する方法
AIに毎回同じ指示を繰り返すより、スキルファイルとして手順を定義しておく方が作業品質が安定します。このサイトで実際に作ったSKILL.mdの設計と、その効果を整理します。
Spec Firstとは：AI実装の手戻りを減らす仕様設計
AIへの実装依頼の前に仕様書を書くことで、意図と異なる実装や繰り返し修正が減ります。Spec Firstという考え方と、仕様書の書き方を説明します。
Claude CodeとCodexの共通ルールをshared/で管理する
AIに渡すルールファイルが増えてきたときの整理方法を説明します。rules・skills・workflowという3つの役割でファイルを分類したshared/ディレクトリの設計思想を紹介します。
ハーネスエンジニアリングとは：AI開発を支える3層設計
AIに毎回同じ質問をしても答えが変わる、前回の作業を覚えていない——そうした課題への対処として、このサイトで使う「ハーネスエンジニアリング」という実践用語を整理します。
AIエージェントのハーネスドリフトを自動検出する方法
共有ルールとツール別設定が時間とともにずれるハーネスドリフトの原因と、同期検査で早く検出する運用を整理します。
ハーネス整備の効果を見極める3つの判断基準
繰り返し発生するAI作業の問題を、再現性・具体性・検証性の3条件でハーネスへ移すか判断する方法を整理します。
1ページ1トピックで記事の検索意図を明確にする方法
1つの記事に複数のトピックを入れると、読者がどこに何があるかわからなくなります。このサイトで「1ページ1トピック制」を導入した経緯と、どこを1トピックの単位とするかの判断基準を説明します。
AI記事ドラフトのレビュー工程：自動チェックと人の判断
AIが作成したドラフトを自動チェックし、最終的に人が確認するレビュー体制を導入した経験から、自動チェックで検出できることと、人が確認する必要があることを整理します。
コーディングエージェントで作成したコードのレビュー基準：変更種別ごとの優先度
コーディングエージェントで作成したコードを、外部接続、データ変更、計算・変換、表示・デザインに分け、確認優先度をレビュー表として整理します。
AIに任せる仕事の判断基準：可逆性・影響範囲・検証性
AIへ依頼する前に確認したいリスク判定として、可逆性・影響範囲・検証のしやすさの3軸と、人間が握る判断領域を整理します。