メインコンテンツへスキップ
見出し画像

【AI開発のリアル #59】 引き継ぎ書を、作るのをやめた

    AIは、資料にないことを、資料にあるかのように答える。

    私は、これにかなり苛立っていた。

    十分な資料を用意している、分からなければ読めばいい。

    それなのに、読まずに答える。丁寧に引き継ぎ書を作っても無視されるのだ。


    言うまでもないと思っていた。わざわざ解析させた結果である。使わないという発想が、こちらに無かった。
    だがAIにとっては、渡されたものが世界のすべてである。
    「当然そうする」は、AIには無い。

    AI開発のリアル #27「AIは、用意した解析結果を一つも使わなかった」

    よしわかった。

    引き継ぎ書は作らない。全部読んで調べてこい。

    人間なら、最悪の引き継ぎである

    新しく来た人に、

    「前任者が何を話し、何をしていたかは全部残してあります。必要なら自分で探してください」

    と言ったら、かなりひどい。

    だから人間は、引き継ぎ書を作る。

    • 何をしていたのか

    • 何を決めたのか

    • 次に何をするのか

    必要なものだけを選び、短くまとめて渡す。

    ただ、まとめた時点で何かが落ちる。

    • 当時は重要に見えなかった一言

    • 途中で捨てた案

    • 失敗したコードや、その経緯

    何を捨ててよいかは、後にならないと分からない。

    だったら、AI相手なら別の方法が取れる。

    元の記録を、捨てなければいい。

    全部、残した

    やったことは単純だった。

    • ChatGPTで、私が何を話し、AIが何と答えたのか。

    • Claudeで、私が何を話し、AIが何と答えたのか。

    • Geminiで、私が何を話し、AIが何と答えたのか。

    • Codexで、私が何を頼み、何を作ったのか。

    • NotebookLMで、何を読ませ、何が返ってきたのか。

    全部、かき集めた。

    会話だけではない。

    そのとき作った文書やコード、コミットも残した。

    サービスごとに分かれていた過去を、一つにつないだ。

    すると、面白いことができる。

    • 1年前にChatGPTに話したことを、今日Claudeから探せる。

    • 先月Geminiに相談したことを、Codexで続けられる。

    • どのAIに話したのか、自分が忘れていてもいい。

    目の前のAIが、別のAIと話した過去まで探しに行ける。

    • ChatGPTの記憶でもない。

    • Claudeの記憶でもない。

    • Geminiの記憶でもない。

    私がAIと何を話してきたのか、その全部を辿れる。

    結果として、どのAIを使っていても、過去を全部覚えているAIが目の前にいるように使える。

    過去の記録を全部残してあるなら、以前何を話したのかという答えは、そのどこかにある。

    これなら引き継ぎ書は必要ない。完璧だ。

    でも、そんなことができるのか

    できる。だが、簡単ではない。

    まず大変なのは、AIとの会話ログを全部集めることだった。

    • ChatGPT、Gemini、NotebookLMは、アーカイブを手動でダウンロードする。

    • Codex、Claude Codeは、PC上のログを取り出す。

    • 複数のPCで使っているなら、それぞれから集める。

    これだけで数GBになる。

    もちろん、そのまま今のAIに全部読ませることはできない。毎回コンテキストに入れるには大きすぎる。

    そこで作ったのが、巨大な記録のどこを読めばいいかを示す索引だった。

    要約は、答えではなく入口にした

    索引には、次のような情報を持たせた。

    • 要約

    • 日時

    • 関連する記録

    AIはそこから候補を見つけ、必要なら元の会話やコードまで戻る。

    大事なのは、要約を答えにしないことだ。要約もAIが作ったものなら間違う。


    ためしに、その洞察を10個選んで、一つずつ元のデータと突き合わせてみた。結果は、こうだった。本物は、1個。誇張が、4個。残りの5個は、データに存在しない数字だった。

    AI開発のリアル #6「AIには、数字を書かせない」

    だから、探すときには要約を使い、確かめるときは原文を読む。

    索引は、答えではなく、元の記録へ戻るための入口にした。

    計算資源とデータ量で殴る

    書くと簡単だが、実際はかなり力技である。

    • 元の記録は捨てない。

    • 大量に残す。

    • 索引から候補を絞る。

    • 必要なら原文まで辿る。

    人間が毎回やるには重すぎる。

    だから、膨大なデータと計算資源で殴る。

    情報をきれいに減らして引き継ぐのではなく、残したまま後から探せるようにした。

    人間には重すぎる引き継ぎを、AIに調べさせることで成立させた。

    この記事も、その仕組みで書いている

    この記事を書くときにも、この仕組みを使った。

    手掛かりは、これだけだった。

    • 以前、AIが資料を確認せずに捏造したことがあった。

    そこから探させると、当時の原文が出てきた。

    「私は完全に雰囲気で捏造をしてしまっていました。」

    この文章そのものは覚えていなかった。ただ、これを見て腹が立ったことは覚えている。だから力任せにこの仕組みを作った。

    さらに調べると、次のことまで分かった。

    • この仕組みを作ったのは今年の5月だった。

    • いつ作ったのかさえ、私はもう忘れていた。

    • 「ミツケル」の開発中盤、AIの動きにかなり不満を持っていた時期だった。

    忘れたAIとの会話だけではない。そのときの自分が、なぜこの仕組みを作ったのかまで、記録から思い出した。

    覚えていないなら、探してこい。見ていないなら、元を読め。想像で埋めるな。


    この連載は、Webサイト攻撃状況レポートサービス「ミツケル」ができるまでの記録です。

    開発した製品のリリース情報

    ミツケルが実際に何を見つけているかは、同僚が技術者向けの連載に書いています:


     
     

    toshi

     
     
    教育DXエンジニア / 生成AI活用研究家 コンピュータ理工学修士/元大手ICTエンジニア。誰もが技術を使いこなし、その恩恵を受けられる社会を目指し、公立高の教育現場と二児の子育てに情熱を注ぐ。専業主夫見習い

    あなたへのおすすめ