カテゴリー： 考察
前回の記事では「課題空間」という概念を用いて、解決策を考える前に何を問題として扱うのかを定義する重要性について考察した。 本記事では、その続編として、なぜ同じ事実を見ても人によって異なる課題空間が生まれるのかを考察する。 事実と課題の違い、価値判断と責任の関係、AIが得意とする最適化と人間が担う問題選択の違いを整理しながら、AI時代における人間の役割について考える。 また、課題空間の選択には、何を守り、何を優先し、何を成功とみなすのかという価値判断が含まれることを示し、問題定義の背後に存在する人間の意思決定について考察する。
カテゴリー： 技術
DataLinerでは、表玄関および語り部の座のコンテンツ管理基盤として microCMS を採用している。本記事では、microCMSの機能を紹介するのではなく、なぜDataLinerがその選択に至ったのかを技術選定の記録として整理する。WordPressを採用しなかった理由、CMSとフロントエンドを分離するHeadless CMSという考え方、そして当初採用予定だったNewtのサービス終了を受けて再選定を行った経緯について解説する。また、DataLinerが重視するデータロケーションや事業継続性といった観点から、最終的にmicroCMSを選択した背景を紹介する。
カテゴリー： 技術
DataLinerでは、クラウドインフラを再現可能かつ継続的に運用するために Infrastructure as Code（IaC）を採用している。本記事では、IaCの概要を解説するのではなく、なぜDataLinerがPulumiを選択したのかを技術選定の記録として整理する。小規模組織において重要となる再現性、変更履歴、レビュー可能性、保守性をどのように考えたのか。また、TypeScriptを中心技術としているDataLinerが、なぜTerraformやAWS CDKではなくPulumiを選んだのか。その背景にある判断基準と技術方針について紹介する。
カテゴリー： 技術
DataLinerでは、表玄関および語り部の座の構築にあたり、Astro + Reactを採用した。本記事では、その技術的な特徴を紹介するのではなく、なぜその選択に至ったのかを意思決定の記録として整理する。DataLinerは企業サイトおよびオウンドメディアという静的コンテンツ中心のサイトであり、高速表示、SEO、長期運用性を重視していた。一方で、将来的な拡張性やReactエコシステムの活用も捨てたくなかった。DataLinerが置かれていた制約や要件を踏まえながら、AstroとReactを組み合わせることでどのようなバランスを実現しようとしたのかを解説する。
カテゴリー： 考察
本記事では、筆者が実務経験を通じて整理した「課題空間」という概念を用いて、AIが得意な領域と人間が担う領域の違いについて考察する。囲碁AIであるAlphaGoや大学入試における生成AIの事例を題材に、AIが強さを発揮する背景には「何を解くべきか」が事前に定義されているという共通点があることを示す。一方、実務の現場では、そもそも何を問題として扱うのかを定義する必要がある。本記事では、課題空間と解空間の違いを整理しながら、課題空間が定まることで解空間も自然と絞られていくことを示し、AI時代における人間の役割について考察する。
カテゴリー： 考察
2016年、DeepMindが開発した囲碁AI「AlphaGo」は、トップ棋士との対局に勝利し、人工知能研究における大きな転換点となった。本記事では、囲碁AIの技術的な詳細ではなく、なぜ囲碁という領域でAIが強さを発揮できたのかを構造的に考察する。囲碁はルールや勝敗条件が明確に定義された世界であり、AIはその中で探索と最適化を行うことができる。一方、現実の実務では、何を問題とするのか自体が定まっていないことが多い。囲碁AIの成果を出発点として、「課題空間」という概念からAIと人間の役割の違いを整理する。