Column
AI とビジネスの最前線で得た知見を、エッセイ形式でお届けします。 実務に活きる視点と、長く読める考察を。
ハーネスエンジニアリングとは——AIが「自分のPCの中」で止まる会社と、全社で動く会社の差
プロンプト、コンテキストの次に来た「ハーネスエンジニアリング」。提唱者は「難しいのはハーネスだ」と言い切りました。AIエージェントが個人利用で止まる会社と全社で動く会社の差はどこにあるのか。自社で全社ハーネスを運用しているAI-Pathの実例から、設計の型と失敗パターンをお伝えします。
Latest Articles
全 87 件中 1-6 を表示
Company OSとは何か——AIエージェントに「会社の記憶」を渡す基盤と、大半が止まる3つの壁
2026年、大手が一斉に「OS」を名乗り始めました。Company OSとは、会社の記憶と判断をAIが使える形にした基盤のこと。定義の整理と、Gartnerが示す「40%が中止される」理由、私たちが自社で回している運用の実際をお伝えします。
「敵対的レビュー」は入れただけでは効かない——仕込みバグ15個の実測が示す、AIコードレビューの検収設計
OpenAIの公式プラグインで「敵対的レビュー」はコマンド一つになりました。ところが仕込みバグ15個の実測では、その敵対的レビューが最下位。差がついたのはモデルではなく「観点を誰が決めたか」でした。発注側が決めるべき検収項目を整理します。
FDEウォッシングとは——「7割が放棄」とガートナーが予測したAI開発を、発注側はどう見極めるか
ベンダーのFDEが作ったAIエージェントを、2028年までに企業の70%が放棄する。ガートナーの予測と「FDEウォッシング」という落とし穴を、発注前に聞く7つの質問・契約に書く5項目・引き継ぎの検収基準に翻訳します。FDEモデルで事業をする私たち自身の手の内も公開します。
「グッドハートの法則」とAI——「AI活用率」を目標にした瞬間、その数字は成果を測れなくなる
グッドハートの法則とは「指標が目標になると、その指標は良い指標ではなくなる」という経験則です。AIエージェント時代には、この法則が経験則ではなく仕様として働きます。METRの実測、Gartnerの予測、帝国データバンクの調査を手がかりに、壊れにくいAIの測り方を私たちの現場経験からお伝えします。
「AIで基幹システムを作り直せる」は7割が失敗する——AI移行の『サイレント失敗』と、発注側が握る検収の設計
Gartnerは2026年に始まる脱メインフレーム案件の7割超が失敗すると予測しました。主因は生成AIの過大評価です。ベンチマークでは、失敗した移行の97%でAI自身が「解けた」と思い込んでいました。エラーも出ず、テストも通り、数字だけが違う——この『サイレント失敗』を、発注側がどう検収で止めるかを整理します。
SAP 2027年問題、難所は「20年分のアドオン」——作り直す前に仕分ける3つの箱
SAP ERPの標準保守終了は2027年末。移行費が5億円を超えるか否かを分けるのは、移行先選びではなく20年分のアドオンの扱いです。何を標準に寄せ、何をAIで外に出し、何を捨てるか。FDEとして基幹刷新の現場に入ってきた経験から、仕分けの手順を整理します。