受注が入ると地球儀にビームが飛ぶ営業ライブボードを、ライブラリなしでClaudeと作った話

macOS で常駐する AI アシスタント「CooSenpAI」の見守り機能により、入力停止やアプリ切り替えなどの作業の区切りで画面を読み、問題を検出して指摘する。従来の AI は人間の命令に反応する受動的なモデルだが、ユーザーのコンテキストを理解して自発的に提案する Proactive AI への転換を示唆する事例。

LLMに開発を依頼する際、コードに書かれていない「暗黙の意図」は確実に伝わらない。Todoアプリの修正事例を通じ、仕様書・自動テスト・構造的な設計が互いに補完し、運用ルールとして強制することの重要性を検証。単なるセッション会話やドキュメント作成だけでは不十分。

Claude を用いた機密情報検出プロンプトの検証から、注意書き（「社外秘」「未承認」など）がある場合は高精度で機密を指摘するが、同じ内容でも注意書きなしの平叙文では検出されないことが判明。LLM は社内ポリシー DB を参照せず文中の自己申告に依存した closed-book な一貫性チェックしか行えず、構造的には「書き手が気づいていない機密」に無力。対策として決定論的リスト照合と LLM 判定の組み合わせを提案。

製造現場の日報を Excel マクロで 4 年間運用してきた著者が、自由記述欄における表記ゆれ・誤字による検索漏れ・条件トレーサビリティ喪失といった構造的な問題に直面。人間の記述の多様性は教育では解決不可能であり、Claude による自動解析・補完で新たなアプローチを試みる。