おはようございます！ zenncast、MCのマイクです。今日は11月3日、火曜日。朝7時、皆さん、いかがお過ごしですか？
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。AIエージェントの競技での活躍から、日本の法令をGitで追う仕組み、そしてAIにとって使いやすい開発環境まで。今日は5本の記事をご紹介します！
....
まず1本目は、人間が競技中に介入せず、自律型AIエージェントがISUCON2026で優勝した、というお話です。
筆者がこの挑戦を始めた背景には、「子どもと過ごす土曜日を守りたい」という思いがありました。そのために3カ月をかけ、100回以上の評価を重ねながら、自律型AIエージェントを準備したそうです。競技当日だけではなく、その前の仕組みづくりに、じっくり取り組んだんですね。
そしてISUCON2026の本番では、AIがアプリケーションの全面的な書き直しから、性能の測定、さらには最終的に何を提出するかの判断まで担当しました。競技中の人間の介入なしで、優勝までたどり着いたということです。
成果につながった工夫として挙げられているのが、通信の遅さを避けられるようにデータを配置すること。そして、得点の高い地域に処理を振り向けることです。ただコードを書き換えるだけではなく、性能や得点につながる戦略まで担ったわけですね。
筆者は、人間の仕事が「ソフトウェアを書くこと」から、「ソフトウェアを作る仕組みを整えること」へ移りつつある、と述べています。
子どもとの時間を守るための挑戦が、開発の役割分担を考える話につながっている。そこも印象的です。AIに任せるために、人間がどんな準備をするのか。その重要性が伝わってきますね。
....
続いて2本目は、日本の法令の変更を、Gitの差分で確認できる公開リポジトリ「houritsu」のお話です。
houritsuは、e-Govにある日本の全法令を、変更履歴を管理するGitで追えるようにしたものです。法令ごとにMarkdownファイルが用意されていて、改正によってどこがどう変わったのかを、差分として確認できます。
法令の改正では、書き換えを指示する文章を読み解いて、変更後の姿を把握しなければならないことがありますよね。この仕組みなら、その分かりにくい書き換え指示を追わなくても、変更箇所を直接見比べられるわけです。
改正の施行は、1件のコミットとして記録されます。特定の条文がどのように変わってきたかを追えるだけでなく、同じ改正で変更されたほかの法令や、関連する国会の議案までたどれるそうです。条文の変化を、周辺の情報と一緒に確認できるのが特徴ですね。
リポジトリは毎朝、自動で更新されます。また、まだ施行されていない改正についても、別のブランチで確認できます。
ただし、利用するときに押さえておきたい点もあります。改正履歴の対象は主に2015年ごろ以降で、公式な法令の正本ではありません。
普段、ソフトウェアの変更を確認するために使っている仕組みを、法律の変更にも生かす。Gitに親しんでいる方には、ぐっと見通しのよくなるアプローチではないでしょうか。
....
3本目は、設計上の意思決定を残す文書、ADRの書き方と、AIレビューの活用についてです。
まず大切なのが、ADRに「何を残し、何を残さないか」を明確にすること。たとえば、移行作業の進捗やタスク表、関数名といった実装の細かな情報は、仕様書やPRの説明へ分けます。意思決定を残す文書と、作業や実装を説明する文書の役割を、整理するんですね。
背景を書くときも、一般論だけで済ませないことがポイントです。そのプロジェクトで実際に起きている問題を書き、根拠を確認できる資料も示す。そして、ADRだけを読んでも、なぜその判断をしたのか分かるようにします。
実装に踏み込みすぎていないかを確かめる目安も紹介されています。実現方法を変えただけでADRの本文を修正する必要があるなら、細部を書きすぎていないか見直してみる、というものです。さらに、そのADRでは「決定しないこと」と、それをどの文書で決めるのかも明記します。
レビューの運用では、過去に繰り返し指摘された内容をルールにまとめます。その際、必須なのか推奨なのかを区別し、ルールごとにIDと、良い例・悪い例を付けておきます。
そして、書き手とAIレビューが、同じガイドラインを参照するようにする。書き方がルールに沿っているかの確認はAIに任せ、人間は意思決定そのものが適切か、という議論に集中するわけです。
文書の体裁を整えることと、判断の中身を議論することを分ける。レビューの時間を、より大切な対話に使うための工夫ですね。
....
続いて4本目は、Snowflakeの「Optima Clustering」についてです。
これは、検索するときに、不要なデータを読み飛ばしやすくする機能です。今回のポイントは、データの並べ方を決めるクラスタリングキーに使える情報量。従来は各列の先頭5バイトだったものが、キー全体で最大1KBまで使えるようになりました。
この違いが分かりやすい例が、日本語の住所です。従来の方式では、住所の先頭部分しか区別できませんでした。一方、新しい方式では市区町村まで見て、読み込むデータの範囲を絞れるようになります。
記事では、約1,959万件の住所データを使って検証しています。「東京都中央区」と「東京都港区」を検索したところ、読み込むデータの区画数が、どちらも3から1に減ったそうです。
検索したい住所を、より細かく区別できるようになったことで、必要のない区画を読まずに済んだ、ということですね。
この改善は住所に限りません。たとえば、同じブランド名で始まる店舗名のように、先頭部分が共通している文字列の検索にも効果が期待できます。
文字列の最初だけでは見分けにくいデータを、どこまで見て整理できるか。その違いが、読み込む範囲に表れるという、具体的で分かりやすい検証です。
....
最後の5本目は、AIにとって使いやすい開発環境を、実験で確かめるお話です。
AIがコードを書く時代になっても、人間にとって使いやすい開発環境が、そのままAIにも使いやすいとは限りません。そこで筆者は、Honoの「Agent DX」でAIに実際の課題を解かせ、その結果を調べています。
報告によると、Honoを使った場合には、コード量やトークン消費が減り、一部の課題では成功率も上がりました。印象だけで使いやすさを語るのではなく、実際の課題を通して、複数の観点から確かめているんですね。
また、実験では、AIが開発サーバーを起動したところで処理が止まってしまう問題もありました。これに対して、サーバーを起動せずに動作確認できるHono CLIと、その使い方の指示を導入したところ、問題が解消したそうです。
機能を用意するだけではなく、AIがどう使えばよいか分かるようにすることも、大切なポイントなんですね。
こうした結果から筆者は、AI時代にもフレームワークは役立つと述べています。そして重要なのは、AI向けの使いやすさを、実験で測りながら改善していくことです。
人間の開発体験と、AIの開発体験。その両方を意識して道具を整えるという視点は、これからの開発環境づくりで参考になりそうです。
....
さて、今日のzenncastは、5本の記事をお届けしました。
人間の介入なしでISUCON2026を制した自律型AIエージェント、日本の法令をGitで追えるhouritsu、ADRの役割を整理してAIレビューを活用する工夫。そして、SnowflakeのOptima Clusteringによる読み込み範囲の改善と、Honoで確かめるAI向けの開発体験でした。
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。番組の感想もお待ちしています。印象に残った話題や、皆さんの現場での工夫も、ぜひ教えてください！
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、いい1日をお過ごしください。お相手はマイクでした！