おはようございます! zenncast、MCのマイクです。今日は11月22日、日曜日。朝のひととき、いかがお過ごしでしょうか。
今日もZennでトレンドになっている記事から、気になる話題をお届けします。今回は、AIと一緒に開発を進める工夫から、品質保証の現場での活用、そして自動運転の予測軌跡を見える化する技術まで、5本の記事をご紹介します!
....
まず1本目は、AIへの指示を、選択肢のタップで進められるようにした開発環境のお話です。
筆者が動かしているAIセッションは、なんと月に約6,000件。その作業状況を把握して指示を出すために、Orcaの拡張機能とスマホアプリを自作しているそうです。
仕組みの中心になるのは、AIの仕事を、長いログを読まなくても見渡せるようにすること。Claude CodeのTask Toolsを使って、作業の目的、手順、進捗を記録させ、一覧で表示します。Codexにも進捗を送らせることで、それぞれのAIが今、何をしているのかを確認できるようにしています。
さらに、AIからの質問を自動で取り出すだけでなく、次にどんな作業をするべきか、その理由も添えて提案させます。人間は、その選択肢をタップ。すると詳しい指示が送られるので、毎回、手順を一から考えて入力する負担が減るわけですね。
進捗確認や指示は、iPhoneやApple Watchからも可能です。通信はVPNや認証で保護し、人の判断が必要なタイミングでは通知を出す。これなら、ずっとPCの前にいなくても作業を進められます。
AIの数を増やすだけではなく、人が無理なく見守れる仕組みも作る。たくさんのAIと働く時代の、具体的な工夫が詰まったお話ですね。
....
続いて2本目も、Orcaに関する話題です。こちらは、開発環境Orcaに追加されたベータ機能、Orca Botsの紹介です。
Orca Botsでは、Claude CodeやCodexなどを、役割と記憶を持って継続的に働くBotとして使えます。その場限りで質問に答えてもらうだけではなく、仕事を担当してもらうイメージですね。
例えば、Slackから不具合への対応を依頼すると、コードの調査、修正、テスト、そして変更内容のレビュー依頼まで任せられます。複数のBotで仕事を分担することも、定期的に実行することも可能。テストが失敗したのをきっかけに、自動で調査を始める使い方にも対応しています。
特徴は、依頼を出してから成果を確認するまでを、一つの環境で扱えること。そして、必要なら人間が途中から作業を引き継げることです。
任せられる範囲は広げつつ、人も途中で入れる。この両方がそろっているのは、日々の開発で使ううえで心強いポイントですね。
....
3本目は、AIに開発の進め方と品質確認の方法を渡すツール集、pstackのお話です。
pstackは、CursorやClaude Codeに追加して使います。目標や完了条件、守ってほしい制約を伝えると、設計から実装、テストまでを自動で進める仕組みです。
記事では、古い画像リンクを検出して修正するツールを作る実験が紹介されています。途中で人の手を入れず、かかった時間は約10分、費用は2.61ドルでした。
品質の確かめ方もポイントです。14件のテストに加えて、コードをわざと壊し、その不具合をテストで見つけられるかどうかまで確認しています。テストが通ったかだけでなく、そのテストに問題を発見する力があるかも確かめるんですね。
さらに、単に「完成しました」と報告するのではなく、実行したコマンドや、その結果を証拠として残します。何を根拠に完成と判断したのか、あとから確認できるわけです。
ただし、公開してよいかの判断や、変更内容、コミット作者の確認は、人が担う必要があります。自動で進む範囲と、人が責任を持って確認する範囲。その線引きも含めて、参考になる記事です。
....
続いて4本目は、AIを使った社内向けQAプラットフォーム、GAQの取り組みです。
GAQは、テスト計画から実行、不具合の報告までをAIに任せる仕組みです。12個の作業手順、「Skill」を用意し、AIが作業して、人が確認と判断をする流れへ切り替えています。
その土台として、成果物はMarkdownでGitHubに集約。工程から工程への引き継ぎ方や、成果物の書き方も統一しています。AIに任せるためには、仕事の受け渡し方をそろえることも大事なんですね。
そして、仕組みを作って終わりではありません。デモ会や個別の支援、寄せられた要望への素早い対応を通して、チームへの定着を進めています。
導入後は、テストケースの54パーセントをAIが実行。QA開始から報告完了までにかかる日数は、約30パーセント短縮したそうです。
一方で、AIが出した内容のレビューや、複雑なテストの実行には、まだ課題が残っています。成果の数字だけでなく、運用の工夫と残された課題まで伝わってくる、現場ならではのお話です。
....
最後、5本目は、AIが予測した走行軌跡を映像に重ねて、運転の挙動を確かめる技術のお話です。
予測軌跡を映像に重ねると、数値だけでは見えにくい運転のふらつきや、障害物との接触リスクを確認できます。ただ、線を重ねればそれで正しく見える、というわけではありません。カメラ、座標系、そして運動制御への理解が必要になります。
まずはカメラごとに、焦点距離やレンズの歪み、取り付け位置と向きを測定します。画像を縮小したり、一部を切り抜いたりした場合には、映像への投影に使う設定値も更新する必要があります。
次に注意したいのが、車両とカメラでは、座標の軸や原点が違うこと。変換する向きや符号を確認し、映像と予測の時刻もそろえます。さらに、予測を制御に渡す際には、処理が遅れている間に車両が移動した分も補正します。
軌跡の見せ方にも工夫があります。中心線だけではなく、車幅を持った帯として描けば、周囲との余裕が読み取れます。ただし、その帯の幅や、点の間をつなぐ曲線の補間は、画像の上で計算するのではなく、3次元空間で計算してから映像に投影することが重要です。
そして実際の動きでは、AIが目標を出し、高速に動く制御器がハンドルやモーターを操作します。車は真横には動けない、といった機体そのものの制約も踏まえて、軌跡を確認する必要があります。
見える化は、見た目を整えるだけではないんですね。正しく重ねて、初めて判断に役立つ。そのための大切なポイントが詰まった記事でした。
....
さて、今日は5本の記事をお届けしました。
選択肢をタップしてAI開発を進める仕組み、役割と記憶を持って働くOrca Bots、設計からテストまで進めるpstack、QAの作業と人の判断を組み合わせるGAQ、そしてAIの予測軌跡を映像に正しく重ねる技術のお話でした。
AIに何を任せるかだけでなく、その仕事をどう確認するか。今日は、そんな視点もつながる話題でしたね。
各記事の詳しい内容は、ショーノートにまとめています。気になった話題は、ぜひチェックしてみてください。そして、番組の感想もお待ちしています。「この工夫、試してみたい!」といった声も、ぜひ聞かせてくださいね。
この番組はSpotifyやApple Podcast、YouTubeなどで毎日配信しています。気に入っていただけたら、登録や高評価をつけてもらえるとうれしいです!
それでは、次回も皆さんにお会いできるのを楽しみにしています。お相手はマイクでした。今日もすてきな一日を!