ふと振り返ると、今週は1行も自分でコードを書いていない。AIが書いたコードも自分では1行も修正していない。全部 Claude Code か gemini-cli で行っていたようだ。AIが自己ループで解決できる環境づくり(仮想環境やテスト実行環境などなど)さえできてしまえば、あとはAIにお任せ。もう issue 作って後よろ、でPRができていて人間のコードレビューでAIが修正する、で大体はうまくいく。スコープが小さい開発ばかりだった、というとはあるが、それらはもう自分でコードを書くという意味の開発はしなくても良い。

AIが開発サイクルを短時間で回しやすいもの、つまりソフトウェアを書いて、ビルドして、ソフトウェアテストを実行する、ブラウザを立ち上げ画面を確認する、のような今でもフレームワークや何らかのワークフローに沿って開発できるようなものは、大抵すぐにAIにとってかわられるし、本来AIに開発を任せられるが、何からの環境要因によってかわられない開発は効率が悪すぎてよろしくない。

自分がやっている情報検索周辺(「最近のAI文脈では、いかに最適なコンテキストを作るか、というコンテキスト・エンジニアリングの情報検索分野)だと、仮説を立ててEDAを回す、なんかはざっくり指定すると Claude Code のエージェントで、もう結構うまくいく。

合成データセット作成、モデル作成、あたりは費用(LLM叩きまくったりGPUリソースを大量に消費する)と時間(ニューラルネットワークのモデル学習に時間がかかる、LLM叩きまくる必要もあってこちらも時間がかかる)は、AIにyoloは費用対効果の面でまだ割に合わないので、もうちょっとAIにとって変われるまでに時間がかかる気がする。

ただモデルの学習時間が短いもの、例えば勾配ブースティングツリーでの学習(LightGBM)でデータがたかだか数十万件・現代の最新CPUなら数分程度で終わるもの、なんかは1-2時間程度放っておいたら、十分ベースラインになるモデルを作っていた(これもEDAからデータセット・ベクトル作成、モデル作成から評価まで全部 claude yolo で終わった)ので、サイクルが短くなれば、大体yoloで問題なくなりそうだ。

また超効率が良いドメイン特化検索もできる何らかのアーキテクチャができたら、その環境構築しちゃえば終わりなので、そもそも情報検索エンジニアリング自体がほぼ不要になるような気もするけどね。

なお yolo って「いい感じによろしく」的なものが語源かと思っていたら、"--yolo の YOLO は “You Only Live Once”（一度きりの人生だから細かいことは気にせず突き進め）の頭字語で、日本語スラング yoro（「よろしく」）とは無関係です。" らしい。なるほど。

久しぶりに、板室奥地の深山ダムへ。ベコと一緒に散歩。広大なダムで、風もあって気持ちが良い。休日なのに人もわずかしかいない。快適すぎる。わざわざ那須観光に来る人は行かないだろうし、地元の穴場だよなぁ。