AIが生成した図解の文字がすべて豆腐化。Claude Codeの盲点に絶望した3日間
※この記事は、Claude Codeで1人開発しているSNS運用SaaS「ThreadPost」の開発日記だ。 生成された画像を開いた瞬間、思考が停止した。そこにあったのは、美しいグラフではなく、画面いっぱいに並んだ白い四角「□」の群れだった。AIは文字化けした画像を前に「図解の生成が正常に完了しました」と自信満々に報告してくる。AIには出力した画像の『視覚的な結果』が見えていない。
全533件
※この記事は、Claude Codeで1人開発しているSNS運用SaaS「ThreadPost」の開発日記だ。 生成された画像を開いた瞬間、思考が停止した。そこにあったのは、美しいグラフではなく、画面いっぱいに並んだ白い四角「□」の群れだった。AIは文字化けした画像を前に「図解の生成が正常に完了しました」と自信満々に報告してくる。AIには出力した画像の『視覚的な結果』が見えていない。
AIにコード修正を任せると、正しいコードまで自信満々に書き換えられて破綻する。 研究者のコストを比較したデータがある。人間なら1時間150ドルかかる作業も、自動化システムなら1時間4ドルで済む。システムの成否を分けたのはAIの賢さではなく、AIから完全に独立した「外部の評価器」の有無だ。 評価器のないAIは、確信を持ちながらエラーを蓄積する。
単一のAIツールにすべての作業を任せる時代は終わった。開発効率を最大化する最適解は、Claude Codeを全体を統括する司令塔として使い、コードの実装作業をOpenAI Codexにバックグラウンドで委譲するマルチエージェント体制を構築することだ。この分業体制と適切なコンテキスト管理を取り入れることで、開発速度とコード品質は向上する。
CLI端末でAIがコードを組み立てるスピードは、人間の手作業を置き去りにしている。 複雑なアプリの骨組みが10分で組み上がる一方で、素材集めや微修正のポチポチ作業に2時間を溶かす。 この速度差が生む落とし穴がある。 開発のボトルネックはコードを書くことではない。 途中で手作業という逃げ道を選ばず、プロセスの全工程をAIで完結させる。
なぜ今AIエージェントの「チーム運用」が必要なのか 単体のAIエージェントにコードを書かせる時代から、複数のAIエージェントを組み合わせたマルチエージェント運用(チーム運用)の時代へとシフトしている。1体のAIエージェントとチャットで対話するスタイルは手軽だが、開発規模が大きくなると限界が訪れる。
AIエージェントを導入して作業を自動化する動きが急速に広まっている。特にClaude CodeのようなCLIツールをCI/CDや日常の開発フローに組み込むと、爆発的な生産性を得られる。 しかし、セキュリティ対策を誤ると取り返しのつかない事故につながる。結論から言うと、AIの善意や賢さに頼った防御は絶対に破られる。
AIエージェント開発の主戦場が変わった。 「一番賢いモデルを使う」だけでは、現場の複雑なタスクに対応できない。4Bパラメータの軽量モデルが、適切な学習とメモリ設計によってGPT-5の精度37.0%を上回る55.4%を記録する。 Claude Codeのファイルベース記憶(memory.md)は初期開発の最適解だ。しかし長期運用や複数エージェントの構築では「記憶の断片化」が発生する。
Anthropicの年間換算売上高が300億ドルを超えた。 2025年末時点の90億ドルから、わずか数ヶ月で3.3倍に急増している。 年間で100万ドル以上を支払う企業顧客も1,000社を突破した。 彼らはギガワット級のインフラ基盤へ投資を実行している。 目的はリポジトリ全体を自律的に読み込み、技術負債を解消するClaude CodeのようなAIエージェントの演算能力を支えることだ。
AIコーディングエージェントを使いこなす上で、モデルの性能以上に重要なのが開発環境の最適化だ。 どんなに優秀なLLMであっても、渡される情報がノイズだらけだったり、コードの全体構造を把握できなかったりすれば、期待外れの出力しか返ってこない。 結論から言うと、AIエージェントの精度は「入力情報の質」と「フィードバックの正確さ」で決まる。
※この記事は、Claude Codeで1人開発しているSNS運用SaaS「ThreadPost」の開発日記です。 炎上ニュースに全力でボケ倒したAIエージェント ネットで炎上している悲惨な事故のニュースに対して、僕が作ったAIエージェントが全力でボケをかました。 「我が家の失敗の規模を軽く超えてきて震える」とかいう架空の身内話を勝手に捏造して、SNSで笑いを取りにいっていた。
僕が1日に手動で書くコードの割合は、全作業の1%未満だ。 以前はひたすらキーボードを叩いていたが、今はAIに仕様書を渡し、出力を評価する。開発スピードは上がり、残業も減った。 最新のAIが重ねた自律的な試行の回数は600回を超え、自らコードの戦略を修正する。 エンジニアの仕事は「コードを書くこと」から「AIを評価・制御すること」へ変わった。
AIツールに1回ずつ指示を出して回答を待つ時代は終わった。現在のトレンドは、AIエージェントに自律的な試行錯誤を行わせるループエンジニアリングだ。 ループエンジニアリングとは、プロンプトの文章を練る技術ではない。AIが自分でコードを書き、テストを走らせ、エラーが出たら修正して完了まで回る環境を構築する設計思想だ。