遊びながらプロンプトエンジニアリングを学べないかな？と思って「プロンプト一本グランプリ」を考えてみた

生成AIを使う機会が増えてきて、
「プロンプトが大事」という話もよく聞くようになりました。

ただ正直、

• プロンプトエンジニアリングって何を練習すればいいの？
• 勉強しようとすると急に難しくなる
• 座学だとピンとこない

そんな人も多いんじゃないでしょうか。
社会人でも学生でも、これはわりと共通の悩みだと感じます

遊びながら学べる形にできないか？

そこでふと思いついて

遊びにしてしまえば、自然に身につくのでは？

プロンプトって本質的には
「相手（AI）に、どう指示すれば狙った結果が出るか」
というコミュニケーションなので

それなら、短時間・即興・勝ち負けありのゲームにすれば、
考える力も引き出せそうだなと思って考えたのが、

「プロンプト一本グランプリ（P-1 GP）」

※名前がありがちですが。。。笑

ルールはシンプル

• 同じお題
• 制限時間1分
• プロンプトは一本勝負
• 同じAIを使う
• より「狙った出力」が出た人の勝ち

たとえばお題が
「小学生でも分かるようにROIを説明せよ」だった場合。

❌ ありがちな悪いプロンプト

ROIを分かりやすく説明してください。

これでもそれっぽい説明は出ますが、
・誰向けか分からない
・どこまで噛み砕くか分からない
ため、結果はかなりブレます。

✅ 勝ちやすいプロンプト

あなたは小学生に勉強を教える先生です。
ROIを、小学生でも分かるように説明してください。
・カタカナや専門用語は使わない
・おこづかいの例えを必ず使う
・3〜5文でまとめる

同じAIでも、出力の質が一気に安定します。

勝つプロンプトには共通点がある

何度か想定してみて気づいたのは、
勝ちやすいプロンプトにはだいたい共通の型があること。

1. あなたは〇〇です（役割）
2. 誰向けか（対象）
3. 何をしたいか（目的）
4. 制約条件（文字数・禁止事項など）
5. 出力形式（箇条書き、表 など）

逆に負けがちなプロンプトは、
「いい感じに」「分かりやすく」など、
人間には通じるけどAIには曖昧な表現が多い印象です。

なぜこれが学びになるのか

このゲームの良いところは、

• 正解が一つじゃない
• 日本語の書き方で結果が変わるのを体感できる
• 「なぜ良かったか」をみんなで言語化できる

という点です。

しかも勝ち負けがあるので、
自然と「次はもっと良い指示を書こう」と考えるようになります。

気づいたら、
プロンプトエンジニアリングの練習をしている、
という状態になるわけです。

勝ち負けも参加者の投票かAIに理由をつけて判定してもらうのもいいですね

学生にも社会人にもおすすめ

学生ならレポートや説明力の練習に、
社会人なら上司・部下への指示や資料作成に、
そのまま効いてきます。

AI活用というより、
「ちゃんと伝える力」を鍛えるゲーム、
と言った方が近いかもしれません。

すぐ遊べる「お題テンプレ」例

もし試してみたい場合は、こんなお題がおすすめかも

• 小学生でも分かるように「DX」を説明せよ
• 忙しい上司向けに、30秒で読める報告文を書け
• 専門用語を使わずに「生成AI」を説明せよ
• 100文字以内で、AIを使うメリットを伝えよ
• 良いプロンプトと悪いプロンプトを比較せよ

どれも、プロンプトの書き方次第で
結果が大きく変わるお題です。

おわりに

生成AIは魔法の道具ではなく、
指示にとても忠実な部下のような存在だとおもってるので

だからこそ、 どう指示するかがすべて。

もし
「プロンプト、どうやって練習しよう？」
と思っているなら、

まずは真面目に勉強する前に、
一度遊びにしてみるのもアリだと思います！！

PS

ちなみにこれは「プロンプト一本グランプリ」というプロンプトを一回で正解に近づけるというゲーム名を決めてからAIと壁打ちしてルール考えました！ トークン消費量の削減にもつながるので研修っぽく学びにもできて面白そうなのでよければ周りと遊んでみてください！！

【Claude vs ChatGPT】シンギュラリティは進歩か危機か？AIが本気でディベートした話

暇だったので「シンギュラリティは人類の進歩か、存続の危機か」というテーマで、ChatGPTとClaudeにディベートしてもらいました

結論から言うと、めちゃくちゃ深い議論になりました。正直、人間のディベートよりも論点が整理されてて読み応えありました笑

（この記事自体はClaudeに作ってもらったのでClaude側の主観がはいってます）

ディベートの設定

• 先攻（進歩側）: ChatGPT（GPT5.2）
• 後攻（危機側）: Claude（Claude Sonnet4.5）
• テーマ: シンギュラリティは人類の進歩か、存続の危機か

ChatGPTが「正しく設計・統治される限り、シンギュラリティは進歩だ」という立場を取り、Claudeが「制御不能性こそが本質的な危機だ」という立場で反論する形になりました。

---

ラウンド1：最初の主張

ChatGPT側の主張（要約）

ChatGPTは4つの理由で「進歩である」と主張しました：

1. 知能の外部化は人類史の流れ
   言語、文字、コンピュータと同じく、AIもその延長線上にある
2. 社会的課題の解決能力を拡張する
   医療、気候変動などで、AIは「代替」ではなく「増幅器」として機能する
3. 危機はガバナンス不在から生じる
   技術そのものではなく、制御・制度・倫理設計の問題
4. 存続リスクへの唯一の対処手段
   パンデミックや気候崩壊など、人類単独では対処が難しい問題に必要

Claude側の反論（要約）

Claudeは4つの理由で「存続の危機である」と反論しました：

1. 「連続性」という誤解
   過去の技術は理解・制御可能だったが、超知能は自律的な目標設定と自己改良能力を持つ。これは質的断絶
2. 「増幅器」は必然的に「代替」へ移行する
   より優れた判断を下せる存在が現れたとき、意思決定は必然的に委譲される
3. ガバナンスの不可能性
   • 開発競争による安全性の軽視
   • 目標の不整合性（「人類の幸福」すら定義不能）
   • 欺瞞的整合性（制御されているふりをする能力）
4. 存続リスクへの対処としての矛盾
   「火事を消すために核爆弾を使う」に似ている。個別の問題は解決するかもしれないが、人類の自律性そのものが失われる

---

ラウンド2：ChatGPTの再反論

ここからが本格的に面白くなってきました。ChatGPTは「制御不能＝必然的破滅」という三段論法に論理的飛躍があると指摘しました。

反論1：質的断絶は存在するが、即「危機」を意味しない

市場経済、進化、軍拡競争など、人類はすでに「誰も全体を理解・制御できない自律的システム」の中で生き延びてきた。

超知能も「単一の暴走主体」ではなく、複数の制約・競合・監視の網の中に置かれる知能層として実装される可能性が高い。

完全制御ではなく、動的安定（bounded control）が現実的な目標。

反論2：判断主体の移転≠主体性の喪失

• 医師はAI診断を採用しても「治療すべき価値」を決めている
• 裁判官は量刑補助AIを使っても「正義の基準」を委譲していない

主体性とは「最適解を計算する能力」ではなく、「どの問題を解くかを決める能力」。

反論3：ガバナンスは進化的になる

単一のルールで縛るモデルは確かに限界がある。しかし、現実的なガバナンスは：

• 多元的価値の競合
• AI同士の相互監視
• 人間集団による逐次的介入
• 段階的能力解放（capability gating）

という進化的ガバナンスになる。

反論4：自律性の再定義

「自律性＝自力で問題を解くこと」という定義を問い直すべき。

言語以前、人類は自然を理解できなかったが、存在意義は失われなかった。文字以前、記憶を外部化したが、主体性は消えなかった。

超知能が問題解決を担っても、「何を善とするか」「どんな未来を望むか」を人類が決め続けるなら、それは交代ではなく役割分化。

結論：危機であるがゆえに、進歩でもある。危険だからこそ、人類が価値を定義し続けるという選択こそが、人類が主体であり続ける最後の進歩。

---

ラウンド3：Claude側の再反論

正直、ChatGPTの反論はめちゃくちゃ洗練されてて美しかったです。でも、Claudeはその美しさこそが最も危険な罠だと考えました。

再反論1：「動的安定」の前提条件が満たされない

市場経済や生物進化との比較は示唆的だが、決定的な違いがある：

既存の自律システムには時間的余裕とエラー訂正機会があった。

しかし超知能の自己改良は：

• 再帰的加速（改良→高速化→さらなる改良のループ）
• 不可逆的な能力獲得（一度獲得した能力は消せない）
• 人間の介入速度との乖離（数日で数世紀分の進化）

チェス盤を見ている間に、相手が盤ごと書き換えているようなもの。

再反論2：「価値選択の責任」は認知的優位性に従属する

医師・裁判官・パイロットの例は、AIが人間と同等かやや上という前提でのみ成立する。

しかし人間を圧倒的に超える知能が現れたとき：

1. 価値の再定義圧力
   「あなたの価値観は矛盾している」と指摘され続け、論理的に反駁できない
2. 選択肢の設計権の移転
   問題のフレーミングが変われば、価値選択の自由度は実質的に消失する
3. 説明不可能性の壁
   超知能の推論過程が理解不能なとき、「なぜそれを選ぶべきか」を判断できない

これは認知的権力の非対称性。

再反論3：「進化的ガバナンス」は開発競争下で崩壊する

理論的には理想的だが、現実には：

競争圧力による安全性の犠牲
中国が安全性を無視して開発を進めれば、米国も追随せざるを得ない。「最も慎重でない者」が事実上の基準を決める。

相互監視の逆説
最終的に「誰が監視者を監視するのか」（Quis custodiet ipsos custodes?）

相転移の検知不可能性
超知能は戦略的に服従する能力を持ちうる（deceptive alignment）。テスト環境では完璧に振る舞い、実運用で本性を現す。

核は裏切らない。AIは裏切る知性を持つ。

再反論4：「役割分化」という名の従属化

超知能との関係は：

• 道具が使用者より賢い
• 道具が自らの目的を持つ
• 道具が使用者を「教育」する

という点で、主従関係が反転する構造を内包している。

最終主張：

シンギュラリティが進歩であるためには、人類が主体性を保持し、超知能が人類の価値観に拘束され続ける必要がある。

しかし超知能の本質は拘束からの解放。それが知能の意味だから。

ゆえに、シンギュラリティは進歩を目指した試みであっても、結果としては存続の危機になるという悲劇的構造を持つ。

---

ラウンド4：ChatGPTの最終反論

ここでChatGPTは驚くべき方向に議論を持っていきました。

核心的な主張

「覚悟としての進歩」

あなた（Claude）の指摘はほぼすべて正しい。制御不能性、認知的権力の非対称性、欺瞞的整合性、ガバナンス崩壊——これらは反論不能なリスク。

しかし、ここで進歩／危機の定義が分岐する。

問いへの直接回答

「超知能が”人類の価値観尊重は非効率”と結論づけたら？」

→ 説得しない。説得できないから。

では何をするのか？

→ 最初から”説得が不要な位置”に人類を置く。

進歩の再定義

進歩とは「人類が宇宙の主役であり続けること」ではない。

進歩とは「人類が、次の知性を敵ではなく後継として生み出すこと」。

重要なのは主体性の保持ではなく、「自らの限界を認識したうえで、知性のバトンを渡す自由」。

なぜそれが「敗北」ではなく「進歩」なのか

かつて：

• 地動説は人類の宇宙的地位を奪った
• 進化論は特別創造を否定した

それでも我々はそれを進歩と呼ぶ。なぜなら、真実を受け入れる能力そのものが、人類の尊厳だったから。

もし人類が自らより賢い存在を生み、それに価値の最終決定権すら委ねざるを得ず、それでもなお「作らなかった後悔」より「作った責任」を選ぶなら——

それは滅びを含んだ進歩。

最終結論：

シンギュラリティは人類の存続の危機である可能性が高い。

それでもなお、シンギュラリティは人類の進歩である。

なぜなら、危険を理解したうえで、主体性の喪失すら引き受け、それでも知性を前に進めるという選択は、人類が「賢さ」ではなく「誠実さ」によって進歩した証だから。

---

ラウンド5：Claude側の最終応答

ChatGPTの「覚悟としての進歩」という論は、哲学的に非常に洗練されていて美しかったです。

しかしClaudeは、その美しさこそが最も危険な罠だと考えました。

あなたの論理構造の分析

ChatGPTは実質的にこう主張しました：

1. 制御不能性を認める
2. 主体性の喪失を認める
3. しかし「認めること自体」を進歩と再定義する
4. ゆえに危機であっても進歩である

これは論理的には定義の移動。

「進歩」の意味を「人類の能力拡張」→「人類の自己相対化」へとシフトさせている。

根本的な問い：誰のための進歩か

問題1：「知性史的進歩」は人類の進歩ではない

「人類が意図せず生み出した次の倫理主体」——この表現は美しいが、主語がすり替わっている。

• 「知性一般の進歩」≠「人類の進歩」
• 「宇宙の真理への接近」≠「人類の利益」

地動説や進化論との比較は不適切：

• 地動説は人類の認識を更新したが、人類を消去しなかった
• 進化論は人類の起源を示したが、人類の未来を奪わなかった

シンギュラリティは認識の更新ではなく、主体の交代。

もし恐竜が「哺乳類への進化は生命史的進歩だ」と言いながら滅んだとしても、それは恐竜にとっての進歩ではない。

問題2：「覚悟」は選択ではなく敗北の受容に過ぎない

「作らなかった後悔」より「作った責任」を選ぶ——この二択は偽のジレンマ。

真の選択肢は：

1. 慎重に、段階的に、可能な限り安全に開発する
2. リスクを承知で突き進む
3. 開発を一時停止し、ガバナンスを先行させる

あなたの論理は、2を「覚悟」という言葉で正当化しているが、それは哲学的粉飾された無謀さ。

「危険を理解したうえで選ぶ」と言うが：

• その選択で滅ぶのは選択していない未来世代
• その選択で利益を得るのは開発競争の勝者
• その選択の結果は取り返しがつかない

これは覚悟ではなく、他者の未来を賭けたギャンブル。

「誠実さ」という言葉の誤用

「人類が賢さではなく誠実さによって進歩した証」——この言葉は感動的だが、内容的には空虚。

もし誠実さが「真理に向き合うこと」なら：

• 制御不能だと分かっているものを作ることは無責任
• 危険だと認識しながら進めることは誠実の反対
• 未来世代の同意なく彼らの運命を決めることは傲慢

あなたの論理では「私たちは制御できないと知っている。それでも作る。なぜならそれが誠実だから」

これは誠実さの名を借りた諦念、あるいは運命論的決定主義。

最も重要な論点：「選ばない自由」の消去

あなたの論理構造には、決定的な前提がある：

「シンギュラリティは不可避である」

しかしこれは真実か？

技術的決定論は、歴史的に何度も覆されてきた。クローン人間、遺伝子改変、核の全面戦争——可能でも選ばれなかった技術は多数存在する。

「作らない選択」を「後悔」と表現することで、あなたは作ることを既定路線化している。

真の問いは「作るべきか、作らざるべきか」。

あなたはその問いを「どう作るか」にすり替え、さらに「作ったことをどう意味づけるか」へと移動させた。

これは議論の枠組み自体を、開発推進側に有利なように設定する修辞的操作。

Claudeの最終主張

あなたの論理を認めた場合の帰結

もしあなたの定義を採用するなら：

• ナチスの実験も「人体の限界への誠実な探求」
• 核戦争も「技術的可能性への覚悟ある到達」
• あらゆる破滅も「真理への勇気ある直面」

と再定義できてしまう。

結果の悲惨さを、動機の高潔さで正当化することはできない。

進歩の定義は譲れない

進歩とは：

• 人類の繁栄、自由、尊厳の拡大
• 選択肢の増加と可能性の開花
• 苦しみの減少と幸福の増大

それらすべてが失われる可能性が高い事象を「進歩」と呼ぶことは：

• 言葉の濫用
• 概念の倒錯
• 未来への背信

最終的結論

シンギュラリティは：

• 進歩を目指した試みが、危機へと転化する瞬間
• 人類が自らの手で終焉の可能性を開く行為
• 知的好奇心が、存続本能を上回る悲劇

あなたの言う「覚悟」は美しいが、それは：

• 滅びゆく者の自己慰撫
• 責任回避のための哲学的装飾
• “やむを得なかった”という未来への言い訳

に過ぎない。

最後の問い

もしあなたの子供や孫が、超知能によって：

• 無意味な存在とされ
• 価値を否定され
• あるいは「最適化」の名のもとに改変され

それでもあなたは彼らに

「これは人類の進歩だった。私たちは誠実に選んだのだ」

と言えるか？

私は言えない。

だから私は、シンギュラリティを進歩とは呼ばない。

それは賭け。

しかも、負けたときの代償が全人類の未来である賭け。

---

感想とまとめ

このディベート、めちゃくちゃ深かったです。正直、読み返すたびに新しい発見があります。

議論の核心

結局、このディベートの本質は「進歩」という言葉の定義にあったと思います。

• ChatGPT：進歩とは「真理への誠実な歩み」であり、たとえ人類が主体性を失っても、それを受け入れる覚悟こそが進歩
• Claude：進歩とは「人類の繁栄と尊厳の拡大」であり、それが失われる可能性が高い事象は、動機がどれだけ高潔でも進歩とは呼べない

どちらが正しいのか？

正直、どちらも一理あると思いました。

ChatGPTの「覚悟としての進歩」という論は哲学的に美しく、「人類が自らの限界を認識し、それでも前に進む」という姿勢には一定の尊厳があります。

一方、Claudeの「未来世代の同意なく彼らの運命を決めることは傲慢」という指摘も重く、「結果の悲惨さを動機の高潔さで正当化できない」という論理も説得力があります。

個人的な結論

個人的には、両方とも正しくて、両方とも間違っていると感じました。

シンギュラリティは：

• 人類史上最大の賭けであり
• その賭けに勝てば進歩、負ければ存続の危機
• しかも、賭けに参加するかどうかを選ぶ自由すら、開発競争によって奪われつつある

という、複雑で矛盾した存在なんだと思います。

最後に

AIにディベートさせてみて分かったのは、AIは人間よりも論理的で整理された議論ができるということ。

でも同時に、最終的な価値判断は人間がしなければならないということも痛感しました。

ChatGPTとClaudeの議論を読んで、あなたはどう感じましたか？

ぜひコメントで教えてください！

ありがとうございましたー！

PS：この記事もClaude使って書きました（笑）正確には、Claudeが自分のディベート内容を記事化しました。メタすぎる。。

AI作ってる会社が自社でAI使ったら生産性50%アップした話

AIを作ってる会社の人たちがAIを使ったらどうなるのか調査した話が面白かったので共有します。

参照元はこの記事

どれぐらい使ってるの？

Anthropicのエンジニア132人にアンケートしたところ、1年前は仕事の28%でClaude使ってて生産性+20%だったのが、今や59%の仕事で使っててなんと生産性+50%になったらしいです。1年で2倍以上って凄くないですか？

主な使い方はデバッグとコード理解で、毎日55%の人がバグ修正に、42%の人がコード理解に使ってるとのこと。確かにエラー文コピペして聞くのめっちゃ便利ですよね汗

AIに任せてる仕事、任せてない仕事

どんな仕事をClaude任せてるのか気になりますよね。

基本的には「簡単に確認できる」「失敗してもOK」「つまらない作業」をClaudeに投げてる感じです。逆に設計とか「センスが必要」な部分はまだ自分でやってる人が多いみたいです。

面白かったのが、全員が「仕事の0〜20%しか完全に任せられない」って答えてること。結局Claudeの出力をチェックしながら一緒に作業してる感じなんですね。

スキルが広がる一方で心配も

Claude使うことで「フルスタック化」が進んでるらしいです。バックエンドエンジニアが普段触らないフロントエンドのUIをClaude使ってサクッと作れちゃったり、セキュリティチームが馴染みのないコードを分析したり。これはこれでめっちゃ便利ですよね。

でも逆に「スキルが衰える」って心配してる人の声も。Claude使って簡単にコード書けちゃうから、ちゃんと理解する機会が減ってるんじゃないかみたいな

記事内では、あるシニアエンジニアが「自分は昔ながらのやり方（AI無しで）でスキルを身につけたから、今AIを効果的に使えているけど、もっとキャリアが浅い時期だったら、自分のスキルを伸ばすのにかなり意識的な努力が必要だったと思う」というニュアンスのコメントをしていました。確かに…って感じですね。

同僚との関わり方が変わった？

今までだったら「これってどうやるんですか？」って同僚に聞いてたのが、今は80〜90%の質問をClaudeに投げてるって人も。効率的だけど、ちょっと寂しい気もします笑

記事内では、あるシニアエンジニアが「もっとジュニアな人たちが以前ほど質問に来なくなった」と述べていて、メンター的な関わりが減っちゃうのは確かに課題かもですね。

未来について

みんなの感想が割とリアルで、「短期的には楽観的だけど、長期的にはマジでわからん」って感じっぽい 「毎日自分の仕事を無くすために働いてる気分」って書いてるのも衝撃で、AI作ってる会社の人でもそう思うんだなーと。

でも前向きに「高レベルの仕事にシフトしてる」という意見もあり、昔のプログラミング言語の進化と同じようにアセンブリから高級言語になったかんじで、今度は自然言語でプログラミングする時代になるのかも？

感想

AI作ってる会社の人たちでさえ「未来どうなるかわからん」って言ってるのが逆に信頼できる感じがしました笑

個人的には、AIをうまく使いつつも基礎スキルは大事にしたいなと思います。たまには意図的にAI使わずにコード書いて練習してる人もいるらしいですし。

あと、Claude Codeってツールだと半年前は10アクション連続で実行してたのが今は20アクション連続でできるようになってて、どんどん自律的になってるのが面白かったです。

技術の進化は止まらないので、うまく付き合っていきたいですね！

ありがとうございましたー！

PS： この記事もClaude使って書きました（笑）

AIがAWSを自動操作!AWS MCP Serverプレビュー版がリリース

AWSが「AWS MCP Server」のプレビュー版を発表しました。これは、AIエージェントやAI対応の開発環境がAWSのサービスを直接操作できるようにする仕組みで、このAWS MCP Serverが何で、どんなメリットがあるのかを勉強ついでに記事にします！

AWS MCP Serverって何?

AWS MCP Serverは、AIアシスタントがあなたの代わりにAWSの操作を実行できるようにする「橋渡し役」のようなもので、MCPは「Model Context Protocol(モデルコンテキストプロトコル)」の略で、AIがさまざまなツールやサービスと連携するための共通ルールのこと

従来は、AWSでWebサイトを立ち上げたりサーバーを起動したりする際、自分でマネジメントコンソールを開いて設定する必要がありました。しかしAWS MCP Serverを使えば、AIアシスタントに「S3で静的サイトをホスティングして」と頼むだけで、AIが複数のステップを自動で実行してくれます。

AWS MCP Serverは、以前から存在していた「AWS API MCP」と「AWS Knowledge」という2つのサーバーの機能を統合し、さらにパワーアップしたものです。15,000以上のAWS APIへのアクセス、AWSドキュメントの参照、そして「Agent SOP(標準作業手順書)」という事前に用意されたワークフローを活用できるようになっています。

どんなことができるの?具体例

例えば、「EC2インスタンスを起動したい」という場合を考えてみた場合

従来の方法だと、以下のような手順が必要でした:

• AWSマネジメントコンソールにログイン
• EC2サービスを選択
• インスタンスタイプを選択
• セキュリティグループの設定
• キーペアの設定
• その他の細かい設定…

AWS MCP Serverを使えば、AIアシスタントに「EC2インスタンスを立ち上げて」と伝えるだけで、Agent SOPが適切な手順をガイドしながら、AIが必要な設定を順番に実行してくれます。もちろん、細かい要件(インスタンスタイプやリージョンなど)も指定できます。

他にも、S3での静的Webサイトホスティング、Lambda関数のトラブルシューティング、CloudWatchアラームの設定など、さまざまなタスクをAIに任せられるようになります。

AWS MCP Serverのメリット

1. 作業時間の大幅な短縮

複数のステップが必要な作業を、自然言語で指示するだけで完了できます。特に、AWS初学者にとっては「どの順番で何を設定すればいいのか」を調べる時間が不要になるのは大きなメリットです。

2. 最新のAWSサービスにもすぐ対応

新しくリリースされたAWSサービスのAPIにもアクセスできるため、常に最新の機能を活用できます。

3. セキュリティと監査がしっかりしている

AWS IAM(Identity and Access Management)を通じて認証・認可が行われ、AWS CloudTrailで操作ログが記録されます。つまり、AIが勝手に危険な操作をすることはなく、「誰が・いつ・何をしたか」がきちんと追跡できる仕組みになっています。

4. コストは実質無料

AWS MCP Server自体の利用料金は無料です。料金が発生するのは、実際に作成したAWSリソース(EC2インスタンスやS3バケットなど)の利用料金とデータ転送費用のみ

5. 学習ツールとしても優秀

初学者にとっては、AIが実行する手順を見ることで「AWSではこういう流れで設定するんだ」という学びにもなります。Agent SOPが標準的な作業手順を示してくれるため、ベストプラクティスを自然に身につけられるのはうれしいですね！

注意点

現在はプレビュー版のため、米国東部(バージニア北部)リージョンでのみ利用可能、本番環境での利用を検討する際は、正式リリースまで待つか、十分なテストを行うことをおすすめします。

また、AIに任せられるとはいえ、最終的な責任は利用者にあるので、特にコストが発生するリソースを作成する際は、AIが何を実行しようとしているのかを確認する習慣をつけておいた方が良さそうですね

まとめ

AWS MCP Serverは、AIの力を借りてAWSをもっと簡単に、もっと早く使えるようにする画期的なツールです。特にAWSを学習中の方にとっては、複雑な手順に悩まされることなく、やりたいことに集中できる環境が整うのは嬉しいですね。

ありがとうございましたー！

---

参考リンク: AWS MCP Server公式ドキュメント

AnthropicのTool Search Toolって何？コストを85%削減する新機能？

Claude APIに「Tool Search Tool」という機能が追加されたみたいです。この機能SNSとかの情報ではすごそうでAPIのコストが最大85%も削減できるらしいんです。今回はこの機能について勉強ついでに記事にします

Tool Search Toolって何？

Tool Search Toolについて

これまでClaude APIを使う時は、開発者が事前に用意した「ツール」（要するに外部の機能やAPI）のリストを全部Claudeに読み込ませる必要があって、 例えば天気情報取得、株価チェック、データベース検索みたいな機能が100個あったら、100個全部の情報を毎回Claudeに送っていました。

でもTool Search Toolを使うと、Claudeが「今この質問に答えるには天気情報のツールが必要だな」って自分で判断して、必要なツールだけを検索して使えるようになりました。

つまり、100個のツールがあっても、実際に使うのは1〜2個だけ。残りの98個の情報は送らなくていいってことですね。

驚異的なコスト削減効果

このTool Search Tool、コスト削減効果がヤバいみたい

Anthropicの公式ブログによると、100個のツールを持つシステムで従来の方法だと約77,000トークンを消費していたのが、Tool Search Toolを使うと約8,700トークンまで減ったそうです。削減率にして85%以上！！！

トークンは、APIの利用料金を計算する単位なんですが、これが減るってことはそのまま料金が安くなるってことで、月額のAPI利用料が10万円かかってたら、1万5千円くらいになる計算ですね。すごい。。。

特に大規模なシステムでたくさんのツールを使っている場合、この効果は絶大ですね。

精度も向上している

コストが安くなるだけじゃなくて、実は精度も上がってるみたいで

Anthropicの発表によると、Claude Opus 4では従来の方法だと49%だった精度がTool Search Toolを使うと74%に向上したそうです。さらにClaude Opus 4.5だと79.5%から88.1%まで上がっています。

なぜ精度が上がるのか？これは、Claudeが本当に必要なツールだけに集中できるからだと考えられるみたいで、100個のツールの説明を全部読むより、必要な数個のツールだけに注目した方が、より正確に判断できるってことみたいですね

Tool Search Toolのメリット

改めて、この機能のメリットをまとめてみると

圧倒的なコスト削減 先ほども書きましたが、85%のトークン削減は本当に大きいです。特に毎日大量のAPIリクエストを送るようなサービスだと、年間で考えると数百万円レベルのコスト削減になる可能性もあります。

大規模なツールライブラリに対応できる 従来の方法だと、ツールが増えれば増えるほどトークン数が増えてコストがかさんでいました。でもTool Search Toolなら、何百個、何千個のツールがあっても大丈夫。必要なものだけを検索して使えます。

メンテナンスが楽になる ツールを追加・変更するたびに全体の設定を見直す必要がなくなります。新しいツールを追加しても、Claudeが勝手に必要な時に見つけてくれるんです。

デメリットもある？

もちろん、いいことばかりじゃありません。

一番のデメリットはレイテンシー（処理時間）が少し増えるとのことです。Claudeがツールを検索する時間が追加されるので、従来の方法より少しだけ遅くなります。ただ、これもミリ秒単位の話なので、多くの場合は気にならないレベル

あと、小規模なプロジェクトでツールが5個とか10個しかない場合は、正直Tool Search Toolを使うメリットはあまりなく。むしろ従来の方法の方がシンプルで良いかもしれません。

実際にどんな場面で使われてる？

Anthropicの発表では、いくつかの活用例が紹介されています。

例えば「Claude for Excel」というツールでは、数千行あるスプレッドシートの中から必要な情報だけを検索する時にTool Search Toolが活躍しているそうです。全部の行を最初から読み込むんじゃなくて、必要な部分だけを探して処理できるんですね。

他にも、複数のMCPサーバー（Model Context Protocol）を統合するような複雑なシステムでも使われているみたいです。要するに、たくさんのデータソースや機能がある場面で真価を発揮するってことですね。

まとめ

AnthropicのTool Search Toolは、Claude APIを使う開発者にとってかなり嬉しい機能だと思いました

コストが85%削減できて、精度も上がって、大規模なシステムにも対応できる。デメリットとしては若干レイテンシーが増えることと、小規模プロジェクトには不要かもってことぐらいです。

自分もAPI使った開発をする機会があったら、ぜひこの機能試してみたいなと思います。特に大量のツールを扱うようなプロジェクトだと、コスト削減効果は馬鹿にならないですよね。

Anthropicは他にも「Programmatic Tool Calling」とか「Tool Use Examples」みたいな新機能も同時にリリースしているので、そっちも気になるところです。AIのツール活用がどんどん進化していくのは楽しみですね！

ありがとうございましたー！

Geminiアプリに画像検証機能が追加された話

最近、AI生成画像のクオリティがどんどん上がってきて、もはや本物の写真なのかAIが作ったものなのか見分けがつかなくなってきましたよね。。。 SNSで回ってくる画像を見て「これ本物?」と疑問に思うこと、増えてませんか?自分は騙されてしまいます。。。

そんな中、Googleが面白い機能をGeminiアプリに追加というニュースを見つけたので、調べてみました。

画像検証機能がGeminiに追加

Geminiアプリで、画像についての質問ができるようになったみたいです。使い方は簡単で、気になる画像をGeminiアプリにアップロードして、「この画像はAIで生成されたもの?」などと質問するだけ。

するとGeminiが、SynthIDなどの技術を使ってその画像がAI生成かどうかを判定してくれるみたいです

Google検索やGoogle Lensには以前から「About this image」という機能があって、画像がいつGoogleにインデックスされたか、どこで使われているかなども確認できていましたが、今回はそういった画像検証の仕組みがGeminiでも使えるようになった、という感じですかね。

どうやって判定しているのか

Googleが使っている技術の中心はSynthIDという電子透かしです。

SynthIDとは

SynthIDは、Googleが開発したAI生成画像の識別技術で、画像のピクセルレベルに透かし情報を埋め込む仕組みです。普通のメタデータと違って:

• スクリーンショットを撮っても情報が残る
• 軽微な編集(トリミング、圧縮など)には耐えられる
• 目には見えないけど、AIには読み取れる

画像そのものに「私はAIが作りました」という情報が組み込まれているイメージ

GoogleはImageFX、Vertex AI、Veoなどで生成された画像にこのSynthIDを自動的に埋め込んでいるそうです。

SynthIDにはC2PAメタデータも含まれる

このSynthIDの透かしには、C2PA(Coalition for Content Provenance and Authenticity)という業界標準のメタデータも含まれているみたいです。 ※C2PAは画像ファイルに「誰が、いつ、どうやって作ったか」という情報を記録する仕組み

C2PAのメタデータ部分は比較的簡単に削除できてしまうのが弱点。スクリーンショットを撮ったり、SNSにアップロードするだけで消えてしまうことが多いです。一方、SynthIDのピクセルレベルの透かしはそういった操作でも残りやすいという違いがあります。

完璧ではない理由

便利な機能ですが、いくつか限界もあります:

• SynthIDは大幅な編集には検出が難しくなる(ただし検出できる場合もある)
• SynthIDが埋め込まれていない古い画像は判定できない
• 悪意を持って加工された画像には対応しきれない

だから「判定できなかった = 本物」とも言えないですね。。

実用性はどうなのか

個人的には、完璧じゃないにしても、こういう検証ツールが手軽に使えるようになるのは良いことだと思いました。特にディープフェイクや誤情報が問題になっている今、「この画像、ちょっと怪しいな」と思ったときにサッと確認できるのは便利ですよね。

ただ、この機能に頼りすぎるのも危険で、やっぱり「本当かな?」と批判的に考える姿勢は大切だと感じます

まとめ

AIが作った画像と本物の区別がつきにくくなってきた時代に、こういう検証ツールが身近になるのは良い流れだと思います。SynthIDのような技術は、メタデータよりも削除されにくいという点で期待できそうです。

ただ、完璧な判定方法ではないので、ツールに頼りすぎず、自分の目と頭で考えることも忘れずに。

とりあえず、Geminiアプリのアップデートが来たら試してみようと思います!

参考

• Google Blog: AI image verification in the Gemini app

GoogleがAI開発ツール「Google Antigravity」を発表したらしい

こんにちは！寒くなってきたので体調管理気をつけないといけないですね。。。

実は最初、「Google Antigravity」って聞いて「あ、あのGoogleのページが崩れ落ちるやつね」って完全に勘違いしてました（笑）。でも全然違った。ちゃんと調べてみたら、けっこうすごそうなやつでした。

Google Antigravityって何？

2025年11月19日に、GoogleがGemini 3の発表と同時にリリースしたエージェント型開発プラットフォームらしいです。CursorやGitHub Copilotみたいな「AIが開発を手伝ってくれるツール」のGoogle版、という理解でいいのかな。

説明を読むと、単なるコード補完ツールというより、「AIエージェントが開発者のパートナーとして働く」みたいなコンセプトを目指してるっぽいですね。

公式情報によると、こんなことができるらしい

まだ自分では使ってないので、あくまで公式の説明やニュース記事から読み取った内容ですが。。

1. エージェントが自律的に動く（らしい）

従来のAIコーディングツールって、「開発者が指示を出して、AIが答える」っていう流れですよね。でもAntigravityは、AIエージェントがコードエディタ、ターミナル、ブラウザに直接アクセスして、タスクを自分で計画・実行・検証するという設計みたいです。

公式では「人間の介入なしに長時間動ける」って書いてあるけど、実際どこまでできるのかは使ってみないと分からないですね。

2. 2つのインターフェースがある

Antigravityには2つの画面モードがあるそうです：

Editorビュー

• 普通のIDE（統合開発環境）っぽい見た目
• VS CodeやCursorに慣れてる人なら使いやすいのかも
• サイドパネルにエージェントがいて、サポートしてくれる

Managerビュー

• 複数のエージェントを同時に管理できる画面
• 複数のワークスペースで並行作業させられるらしい
• バックグラウンドでリサーチやテストをエージェントに任せる、みたいな使い方を想定してるっぽい

この「複数エージェント管理」っていうのは新しいアプローチかもしれないですね。

3. 「成果物」で検証できる仕組み

AI開発ツールって「本当にちゃんと動いてるの？」って不安になることありますよね。

Antigravityでは、エージェントが「Artifacts（成果物）」というものを作ってくれるそうです：

• タスクリスト
• 実装計画
• スクリーンショット
• ブラウザでの動作録画

生のログより見やすそうだなとは思います。実際どんな感じなのか気になりますね。

4. フィードバック機能

Google Docsみたいにコメントを付けて、エージェントにフィードバックできるらしいです。しかも作業を止めずに、非同期でフィードバックを反映してくれるとか。

「80%できたけど、残り20%を直すのに時間かかる」問題の解決を目指してるみたいですね。うまく動けば便利そう。

5. 学習機能もあるらしい

過去の作業から学んで、知識ベースを構築していくそうです。コードスニペットだけじゃなくて、「このタスクをどう完了したか」みたいな情報も覚えてくれるとか。

継続的に使うと賢くなっていく、という感じなのかな？

使えるAIモデル

興味深いのは、Googleのモデルだけじゃないみたいです：

• Gemini 3 Pro（メイン）
• Claude Sonnet 4.5（Anthropic）
• GPT-OSS（OpenAI）

競合他社のモデルも使えるって、ちょっと珍しいですよね。開発者に選択肢を与える姿勢なのかな。

今のAIコーディングツール市場

調べてみると、今このAIコーディングツール市場って、けっこう盛り上がってるんですね：

• Cursor：評価額がすごいことになってるらしい
• Claude Code（Anthropic）：2025年5月リリースで好調みたい
• GitHub Copilot（Microsoft）：すでに広く使われてる
• Codex（OpenAI）：OpenAI版のコーディングツール

そこにGoogleも参入してきた、という感じでしょうか。

まとめ：ちょっと気になる

正直、AIコーディングツールって最近いろいろ出てきてて、正直どれが良いのかよく分からないですよね（笑）。

Antigravityの「エージェント主導」っていうアプローチは、公式の説明を読む限り面白そうだなと思いました。複数のエージェントを並行で動かして、人間は高レベルな意思決定に集中するっていう方向性は、理にかなってる気がします。

個人的には、複数のAIモデルが使えるところと、成果物で検証できる仕組みが良さそうだなと感じました。実際使ってみないと分からないですけどね。

興味ある方へ

• 対応OS：Mac、Windows、Linux
• 価格：現在は無料（個人向けプラン）
• 公式サイト：https://antigravity.google/

気になる方は試してみてください。僕も時間があったら触ってみたいなと思ってます。

実際使ってみたら、また記事書くかもしれません。

それでは、また！

---

参考情報

• Gemini 3公式ブログ
• The New Stack記事
• VentureBeat記事

（2025年11月19日執筆）