第10回はナレッジグラフ。社内の検索窓に何を打ち込んでも、似たページが5件10件並ぶだけで「誰が何を決めたか」には辿り着けない──それは今のAIが"似ている"は得意でも"つながっている"を辿るのが苦手だから。AIエージェントの3つの記憶（LLM／ベクトル／グラフ）を組み合わせ、消えかけた"関係の地図"を取り戻す回です。日本語未訳『Building AI Agents with LLMs, RAG, and Knowledge Graphs』（Packt Publishing, 2025）を題材に読み解きます。

## チャプター構成

00:15 Ch01. 導入:検索しても"答え"が見つからない日常

02:32 Ch02. 知識を「骨格」で持つ

08:21 Ch03. 3つの記憶を組み合わせる

16:56 Ch04. 脳+手+地図で現場は回り始めている

23:23 Ch05. クロージング:明日の仕事で、どの記憶を動かすか

本エピソードをお聴きいただくと、以下のような「気づき」をお持ち帰りいただけます。

- 「似ている」と「つながっている」はAIにとって全く別の検索能力であること

- LLMは具体情報を忘却しやすく、外部に「忘れさせる」設計のほうが更新・監査が効くこと

- 公式の組織図には現れない「実質的な影響力経路」が、グラフ化で可視化できること

- 埋め込みベクトルから70%以上の単語が復元される時代、ベクトルも機密として扱う必要があること

- 医薬品のような保守的領域でも「汎用LLM+専門ツール+構造化知識」で成果が出始めていること

紹介した書籍「Building AI Agents with LLMs, RAG, and Knowledge Graphs」(Salvatore Raieli, Gabriele Iuculano 著, Packt Publishing, 2025)（日本語版は公開時点未刊）

https://amzn.to/4tuCoVZ

【免責事項】本配信内の書籍に関するトークは独自の書評・議論であり、出版社の著作権を侵害するものではありません。図表やテキストの無断転載は行わず、Amazonアフィリエイトリンク経由での正当な紹介についての実施に努めています。

第9回は「後輩に『早めに出して』と頼んだのに、解釈がズレていた」という日常の噛み合わなさから始まります。同じ言葉を使っているのに伝わらないのは、お互いの「前提」が違うから ── そんな違和感を入口に、普段「答えが一つ」だと思っている数学のなかに「答えが一つに決まらない数学」があるという意外性へ踏み込みます。取り上げるのはユージニア・チェン『世界は圏論でできている』。「リンゴとバナナを足したら？」というクイズから始めて、時計の世界で11+2=1になる話、新幹線の乗り継ぎで見える"つなぎ方の制約"、レストランのピザとパスタの選び方に潜む足し算と掛け算の裏表 ── 身近な題材を4つ重ねていくと、「抽象化＝注意深く忘れる技術」という圏論の核が立ち上がってきます。

## チャプター構成　

00:15 Ch01. 導入:同じ言葉なのに話が噛み合わないのはなぜ?

02:08 Ch02. 数学って「正解が一つ」の世界じゃないの?

03:39 Ch03. 圏論の3つのレンズ ── 文脈・つなぎ方・裏表

09:59 Ch04. 細部を捨てると本質が見える ── 抽象化のはしごを登る

13:11 Ch05. クロージング:「早めに出して」を圏論で見直してみた

本エピソードをお聴きいただくと、以下のような「気づき」をお持ち帰りいただけます。

- 「リンゴとバナナを足して5個」と言える裏側には"違いを忘れる"という操作があり、何を忘れてよくて何を忘れてはダメかの判断こそが抽象化の技術であること

- 11+2の答えは普通の数では13だが時計の世界では1になる。「答えが間違い」ではなく「測っている世界が違う」だけ、という前提のずらし方が、売上/利益率で評価が割れる日常の議論にもそのまま当てはまること

- 新幹線の乗り継ぎが「終着地と出発地が一致しないとつながらない」ように、圏論の核にある「条件つきのつなぎ合わせ」はプログラムの型整合や業務の引き継ぎと同じ構造で、"つなぎ目の型を揃える"だけで手戻りが減ること

- 回転と時計の足し算は、中身が違うのに「組み合わせ方の表」が完全に一致する ── モノの実体ではなく関係性の構造で同じかどうかを見る、という圏論の眼の入れ方

- ピザとパスタの「どれか1つ」は足し算、「両方1つずつ」は掛け算。これを矢印の向きだけで裏返せるという"双対性"に気づくと、1つの定理を証明すれば逆向きの定理がタダで手に入り、仕事でも「顧客視点/社内視点」の相互転用で改善コストが半分になること

- 圏論自体が「数学の数学」という抽象化の産物。"雑に無視する"のではなく"注意深く、規則に従って忘れる"という区別が身につけば、要件定義や日々の決断でも「何を残して何を捨てるか」の判断力が上がること

- 日常の揉め事を圏論の視点で見直すと、「悪者がいる」のではなく「地図が違っただけ」と気づける瞬間があること

紹介した書籍「世界は圏論でできている」

https://amzn.to/4t1SQvT

【免責事項】本配信内の書籍に関するトークは独自の書評・議論であり、出版社の著作権を侵害するものではありません。図表やテキストの無断転載は行わず、Amazonアフィリエイトリンク経由での正当な紹介についての実施に努めています。なお、コンテンツ作成者は数学の専門家ではなく、厳密さよりも「初めて触れる人にどう届くか」を優先しています。専門的な正確さを求める方は、書籍本体や専門書で補完いただくことをおすすめします。

第8回は「生成AIの品質をデータ量で押し切ろうとすると、ある地点から伸びなくなる」という現場の違和感から始まります。原因はシンプルで、「どちらがいい?」と2人に聞けば100件中30〜50件で意見が割れるから。ところが同じ100件でも、評価の問い方を1つ具体化するだけで、意見の一致度が0.42から0.98まで跳ねる ── そんな実験を起点に、「データは多いほど良い」「人間評価が最終指標」「採点役のAIを賢くすれば解決する」という生成AI開発の3つの常識が崩れていく様子を追います。最後に辿り着くのは、「本当のボトルネックはAIではなく、要件を自分たちの言葉で書けるかどうかだ」という意外な結論。

## チャプター構成

00:15 Ch01. 導入:PoC は動いたのに、本番で詰まる

03:02 Ch02. 選好学習時代の常識が、CAPE以降の非常識になる

09:42 Ch03. 2026年の生成AI開発、何を捨てて何を残す?

18:05 Ch04. 明日、社内チャットボットの要件違反を潰せと言われたら

25:22 Ch05. クロージング:明日からの一歩を1行だけ

本エピソードをお聴きいただくと、以下のような「気づき」をお持ち帰りいただけます。

- 選好データはいくら増やしても、評価者間の合意度は30〜50%の不一致で頭打ちになること

- 同じ100件でも、評価の問い方を1つ具体化するだけでκ=0.42が0.98まで跳ね、「品質は量ではなく評価の土俵で決まる」という順序関係の逆転が起きること

- 採点役のAIを賢くしすぎると「丁寧で長い回答ほど高得点」と覚えて冗長な前置きを量産するなど、品質を逆方向に壊す副作用が出ること

- AI開発の工業フェーズへの移行とは「巨大なアノテーションチーム・集約ベンチマーク・プロンプト祈願」を捨てて「PredicateGraph・CPL・メタ検証・ポリシー版管理」を持ち込む開発文化の書き換えであり、open-weightの小さいモデルでも違反率57%削減が届く射程であること

- 学習済み検証器のr=0.87という精度限界、汎化性の未検証、主観領域での選好学習の残存など、論文自身が認める3つの限界を踏まえると、個別プロジェクトへの適用には慎重さが要ること

- 本当のボトルネックは技術ではなく、組織が自分たちの要件を自分たちの言葉で書けるかどうかにあること。明日からの最初の一歩は、暗黙だった禁止条件を1行だけ紙に書き出してみること

紹介した論文「CAPE: Capability Achievement via Policy Execution」(David Ball, Superficial Labs, 2025) arXiv:2512.14761

https://arxiv.org/abs/2512.14761

【免責事項】本配信内の論文に関するトークは独自の解説・議論であり、著作権を侵害するものではありません。図表やテキストの無断転載は行わず、論文の主張を自分たちの言葉で再構成することに努めています。数値や具体例のうち架空プロジェクトを前提にしたものは、聴取者の環境での再見積もりが必要な参考値としてご理解ください。

第5回はソフトウェアアーキテクチャについて。きなのスマホゲームのガチャ体験をきっかけに「安定するゲームとしないゲームの差＝アーキテクチャ」へ。★評価表で「万能なアーキテクチャは存在しない」ことを知り、構成要素を入れ替える"アーキテクチャガチャ"でトレードオフを体感。最終的に「最高のアーキテクチャは存在しないが、最高のアーキテクトは存在する」という結論に辿り着きます。

## チャプター構成

00:00 Ch00. オープニング：★5ガチャと安定するゲームの秘密

00:15 Ch01. 生成AIに聞いても答えを得られないものとは？ — トレードオフの正体

07:25 Ch02. アーキテクチャ"ガチャ" — 1つ差し替えるだけで世界が変わる

12:00 Ch03. "最高"ではなく"最も現実的"なアーキテクチャを設計せよ

17:21 Ch04. クロージング

本エピソードをお聴きいただくと、以下のような「気づき」をお持ち帰りいただけます。

- 万能なアーキテクチャは存在しないこと

- アーキテクチャを宣言し責任を負うのは、AIではなく人間の仕事であること

- アーキテクチャ構成要素を入れ替えてみると、知っているつもりだったスタイルの意外な正体とやりすぎの境界線が見えてくること

- アーキテクチャ構成要素入れ替え実験の目的は、「良い悪い」の判定ではなくトレードオフの見える化であること

- 完璧なアーキテクチャは存在しないが、ADRに記録し適応度関数で測り育て続ければ「その時々の最も現実的な解」に辿り着けること

紹介した書籍「ソフトウェアアーキテクチャの基礎 第2版」 https://amzn.to/4dnR5ES

【免責事項】本配信内の書籍に関するトークは独自の書評・議論であり、出版社の著作権を侵害するものではありません。図表やテキストの無断転載は行わず、Amazonアフィリエイトリンク経由での正当な紹介についての実施に努めています。

第4回はテスト駆動開発（TDD）について。きなの資格勉強の悩みをきっかけにTDDの世界へ。「ゴールを先に決めて小さく試す」という思考構造が、企画書も授業設計もコードも貫いていることに気づいていきます。Kent Beckの仮実装を追体験し、AI時代にこそTDDが重要になる理由に迫ります。

## チャプター構成

00:15 Ch00. オープニング：資格試験、テキストから読むか？過去問から解くか？

01:18 Ch01. テスト駆動って？ ── 実はみんなやっている

05:29 Ch02. TDD体験：掛け算ひとつに、テストコード→仮実装→リファクタリング。正気？

09:32 Ch03. AI駆動開発とTDD

11:46 Ch04. クロージング

本エピソードをお聴きいただくと、以下のような「気づき」をお持ち帰りいただけます。

- テスト駆動開発の本質が「テスト」ではなく「駆動」にある理由

- 企画書・授業設計・科学的方法論に共通する、TDDと同じ思考構造

- Kent Beckの「仮実装」が手抜きではなく合理的である理由

- 答えに自信があるとき・ないとき・方向が見えないときの三つの進め方

- AIに「TDDでやって」と頼んだとき、何が失われるのか

- AI時代にこそTDDが「必須スキル」になる意外な理由

紹介した書籍「テスト駆動開発」 https://amzn.to/4bbPssD

【免責事項】本配信内の書籍に関するトークは独自の書評・議論であり、出版社の著作権を侵害するものではありません。図表やテキストの無断転載は行わず、Amazonアフィリエイトリンク経由での正当な紹介に努めています。

第3回は話題のAI駆動開発について。ひかりの熱い「推し語り」をきっかけに、生成AIがなぜソフトウェア開発と相性が良いのか、人間が注力すべき領域とは何かを紐解いていきます。

## チャプター構成

00:15 Ch01. オープニング（ファミレスにて）

02:26 Ch02. なんで開発とAIは相性がええの？

05:04 Ch03. でもAIが自分で採点してたら意味なくない？

07:05 Ch04. プログラマーは消えるんか、進化するんか？

09:32 Ch05. クロージング

紹介した書籍「生成AIによるソフトウェア開発」https://amzn.to/4snOgrx

【免責事項】本配信内の書籍に関するトークは独自の書評・議論であり、出版社の著作権を侵害するものではありません。図表やテキストの無断転載は行わず、Amazonアフィリエイトリンク経由での正当な紹介に努めています。

「APIを叩けばすぐ終わるのに、なぜあえて自作するのか？」

第2回では、『つくりながら学ぶ！LLM自作入門』を題材に、AIの裏側を知る価値について語り合います。

## チャプター構成

00:15 Ch01. 魔法の箱の裏側、知りたくない？（本屋での会話）

01:41 Ch02. API全盛期に、あえて自作する価値は？

05:14 Ch03. AIの「ブラックボックス問題」を解決するための思考

08:01 Ch04. 自作のナレッジを武器に、今後のAI活用をどうリードするか

10:06 Ch05. クロージング

本エピソードをお聴きいただくと、以下のような疑問に対する「明確な理由」をお持ち帰りいただけます。

- なぜわざわざ面倒な思いをして、AIを自作して学ぶ意味があるの？

- その知識は、エンジニアではない私たちの日常業務にどう役立つの？

- 変化の激しいAI業界で、せっかく学んだ仕組みの知識はムダにならない？

- 結局AIは巨大なブラックボックスのままで、出力の理由は分からないのでは？

- 理屈や仕組みを知ったところで、AIがどう考えているか実感は湧かないのでは？

- AIの中身を知ることで、普段のプロンプト（指示出し）はどう変わるの？

- 新しいツールが次々と出る中で、どうすれば本質的な評価ができるの？

時代のスピードに振り回されない「プロンプト力」と、ツールの本質を見抜く「評価軸」を手に入れるための探究回です。

【紹介した書籍】

『つくりながら学ぶ！LLM 自作入門』

著者：Sebastian Raschka 著、阿部 寛之 訳

出版社：マイナビ出版

商品詳細：https://amzn.to/4sfuqio ※Amazonアソシエイト・プログラムに参加しています

【画像出典】

画像提供：マイナビ出版　本画像の利用に関するガイドライン（https://pub.mynavi.jp/promotionalimageguidelines/）