精度を高める、不確実性を受け入れる──AIプログラミングの狂騒を越えて

AIプログラミングの急速な進化と、それに伴うAI疲れや「苦い教訓」について論じている。Loop EngineeringやGraph Engineeringといった新概念、プロンプトハックの流行と変遷に触れつつ、AI活用における本質的な課題を考察している。

• AI開発におけるプロンプトエンジニアリングや最新モデルのベンチマーク競争は、モデル進化により陳腐化しやすいと指摘している。
• AIの「精度」向上のみを追求するのではなく、不確実性を前提としたシステム設計（ガードレール構築）が持続可能であると主張している。
• AIプログラミングは、決定論的でない（毎回同じ結果が得られるとは限らない）性質を持つため、それを前提としたテストやシステム設計が必要とされている。
• AIの非決定性を前提とし、決定論的なガードレールを整備することが、AIを安全にソフトウェア開発へ組み込むための堅実な基盤となると提唱している。