おはようございます! zenncast、マイクです。
今日は11月18日、水曜日。朝7時になりました。皆さん、いかがお過ごしですか? これからお出かけの方も、もう作業を始めている方も、ちょっとひと息つきながらお付き合いくださいね。
今日もZennでトレンドの記事をご紹介します。お届けするのは全部で5本です。AIに仕事を任せる仕組みから、自動運転の予測軌跡の見える化、そしてAgent Skillsの管理まで、実際に運用するときの工夫が詰まっていますよ。
....
まず1本目は、テスト計画から実行、不具合報告までをAIに任せる、社内向けのQAプラットフォーム「GAQ」のお話です。
QAは、ソフトウェアなどの品質を保証するための取り組みですね。GAQが目指しているのは、AIが作業を進めて、人が確認や判断をするという役割分担です。
そのために整えているのが、工程別に用意した12個のSkillです。これは、AIに対して作業の手順を伝えるもの。そして、作業によってできた成果物はGitHubにまとめる運用にしています。AIに任せるための手順と、その結果を人が確認する場所を、セットで整えているんですね。
導入後の実績として、テストケースの54パーセントをAIが実行し、QAを始めてから結果を報告するまでの日数は、約30パーセント短縮したそうです。
ただ、仕組みを作っただけで自然に使われるようになったわけではありません。デモを見せたり、一人ひとりの利用を支援したり、寄せられた要望に素早く対応したりと、定着に向けた取り組みも重ねています。
今後は、AIの出力を人が確認して修正する負担を減らすことが課題です。さらに、利用者を開発者やプロダクト責任者にも広げていく方針とのこと。
実行をAIに任せるだけでなく、確認する人の負担までどう減らすか。ここが、運用を続けるうえで大事なポイントになりそうですね。
....
続いて2本目は、たくさんのAIエージェントを並行して動かすための、画面や操作の工夫です。
AIを何体も動かせば、そのぶん人が楽になるかというと、作業ログを全部読んでいるうちに時間が過ぎてしまうこともありますよね。この記事では、その「読む負担」を減らすことを重視しています。
筆者はOrcaの自作プラグインで、それぞれのAIが何を目指しているのか、TODOは何か、どこまで進んだのかを一覧表示しています。ログを順番に追わなくても、全体の状況をつかめるようにしているんです。
さらに、人間の回答を待っている質問も自動で抽出します。なぜ作業が止まっているのか、どんな選択肢があるのかを画面に表示して、判断材料を探し回る手間を省いています。
作業が終わったあとの流れにも工夫があります。AIに次の行動を理由付きで提案させ、その提案をボタンとして表示するんですね。人間は選ぶだけで次の作業を指示できるので、毎回細かな指示を入力する必要がなくなります。
しかも、進捗の確認や指示は、iPhoneやApple Watchからもできるようにしています。安全な通信と通知を組み合わせることで、PCの前にずっといなくても、判断が必要になった場面だけ対応できる仕組みです。
AIの数を増やすだけでなく、人が状況を把握して判断するまでの流れを整える。複数のエージェントを使うときに、参考になる視点ですね。
....
ここから3本目です。Ubieが内製している、全社の仕事をAIに任せるための基盤「Remoco」をご紹介します。
対象は開発だけではなく、法務や人材育成などにも及びます。特定の仕事だけに使うツールではなく、会社全体の業務を支えるAIの基盤という位置づけなんですね。
RemocoはWebやSlackから呼び出せます。そして、開発用エージェントの「Uvin」は、機能の実装やバグ修正を、数日間にわたって自律的に進めます。
長い時間、仕事を任せるとなると、途中で障害が起きた場合が気になりますよね。そこで特徴となっているのが、障害が起きても途中から再開できる仕組みです。
安全面では、情報の閲覧権限を制限し、外部への通信先も制限する設計になっています。仕事を任せる範囲を広げながら、アクセスできる情報や通信の範囲はきちんと管理するわけです。
さらに、仕事の記録や、人間が加えた修正を分析する仕組みもあります。その分析を通じて、エージェント自身の作業手順や、判断に使う知識を継続的に改善していきます。
仕事を実行することに加えて、途中から立て直せること、安全に動けること、そして修正を次に生かせること。長く仕事を任せるための土台に注目したい記事です。
....
続いて4本目は、AIが予測した車の走行軌跡を、カメラ映像に重ねて確認する技術のお話です。
予測軌跡を映像に重ねると、数値だけではつかみにくい運転のふらつきや、障害物との距離を確認できます。ただし、ここで気をつけたいのが、映像への描画がずれているだけなのに、AIの予測が間違っていると思い込んでしまうことです。
正しく重ねるためには、まずカメラごとに、焦点距離、レンズの歪み、取り付け位置を測定します。また、画像を縮小したり切り抜いたりした場合は、画像上の位置を計算するための設定値も、それに合わせて変更する必要があります。
座標の違いにも注意が必要です。車両とカメラでは、座標の原点や軸の向きが異なります。そのため、どちらからどちらへ変換するのか、符号が合っているかを確認します。加えて、カメラの撮影時刻とAIの予測時刻もそろえなければいけません。
そして、映像上で軌跡がきれいに見えるかどうかだけでなく、車の旋回能力などの制約も踏まえて確認します。役割としては、AIが目標を出し、制御器がそれをハンドルやアクセルの操作に変えるという分担です。
さらに、軌跡を一本の線ではなく、車幅を持つ帯として描くと、車体と障害物の間にどれくらい余裕があるかを読み取れます。この帯は画像上で作るのではなく、実空間で作り、点と点の間を滑らかにつないでから映像に重ねます。
見える化した結果を正しく読むためには、その見せ方自体も正確であることが大切なんですね。
....
最後の5本目は、AIに手順や規約を教えるAgent Skillsの管理方法です。
この記事では、Agent Skillsを、開発環境の設定をまとめたdotfilesとは別のリポジトリで管理します。公開する内容と会社固有の内容を分けながら、設定ファイルを生成する手間も減らす方針です。
環境構築の手順はmiseにまとめ、スキルの導入にはgh skillを使います。Claude CodeとCursorは同じ保存先を読めるので、共通のスキルを利用できるという構成です。
更新方法にもポイントがあります。今あるスキルにそのまま上書きするのではなく、別の場所にすべて導入してから、まとめて入れ替えます。
上書きだけだと、導入対象から削除したはずのスキルが、保存先に残ることがありますよね。丸ごと入れ替える方式なら、その残りも片付けられます。また、新しいスキルの導入途中で失敗しても、現在使っているスキルは維持できます。
ただし、注意点もあります。保存先に手動で置いたものも、入れ替えのときに消えてしまいます。そのため、導入したいスキルは、すべて設定に書いておく必要があります。
公開したくないスキルの導入手順は、Git管理から外したmise.local.tomlに記述します。そして、変更の反映にはmise run skills:updateを使います。
複数のAIツールで共通の手順を使いつつ、公開範囲を分け、更新の失敗や消し忘れにも備える。スキルが増えてきたときに役立ちそうな運用ですね。
....
さて、今日のzenncastは、5本の記事をお届けしました。
QAをAIに任せるGAQ、複数のAIエージェントへの判断や指示を効率化する工夫、全社の仕事を支えるUbieのRemoco、運転の予測軌跡を正確に映像へ重ねる技術、そしてAgent Skillsを安全に管理・更新する方法でした。
詳しい内容はショーノートに書いてありますので、気になった記事をぜひチェックしてみてくださいね。
番組への感想もお待ちしています。「この工夫を試してみたい」「自分の職場ではこうしている」といったお話も、ぜひ聞かせてください。
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。今日も無理のないペースで、いい一日をお過ごしください。お相手はマイクでした。また明日!