壁打ちスキルを grill-me から grilling に乗り換えた話

Claude を含む LLM が大喜利に弱い理由は、統計的に「それっぽい」答えを出力するため創意工夫に欠けることにある。著者は Chain of Thought で思考プロセスを深掘りさせ Skills で工夫を重ねたが、モデルのバージョンアップで調整が必要になるなど、笑いは他のタスクより敏感に性能が左右される課題を指摘する。

Claude との会話で同じ失敗が繰り返される問題を、指示を「核」と「guard（ルール集）」に分ける、違反時に自動検知・是正する、是正内容をルール化して蓄積するという3つの仕組みで解決。ユーザーの怒りや違和感を自己強化のトリガーに変え、使うほど賢くなるClaudeの実装方法を紹介。

Claude を使う際に Skills を定義することで、AI と人間の双方のバイアス（同調バイアス・確証バイアス）を封じ込められる。GitHub の mattpocock 氏が公開する「diagnose」というバグ調査 Skill は 6 つのフェーズ（フィードバックループ構築・再現・仮説立案・計測・修正・クリーンアップ）で客観的かつ論理的な問題解決を実現。効率化ツールではなく、思考フレームワークとしての Skill 活用が重要。

Google Workspace の監査ログを Reports API 経由で取得し、MCP サーバーを介して Claude Agent が自動解釈・分析する月次レポート生成フローを設計・実装する方法を解説。従来のルールベース集計ではなく AI の定性判断を活用し、ログ取得スコープの絞り込み、MCP サーバーのセキュリティ設計、Claude への指示設計の 3 つの判断軸を情シス視点で整理。