マッチを擦るAI、ポンプを売るAI：AI時代の「デジタルみかじめ料」ビジネスモデル

複数リポジトリでのステートレス化フェーズで、Claude 実装サブ + 親 + 第三者監査サブ + Copilot レビューの多層防御をすべて通り抜けた構造的盲点が発生。コードレビューは Claude × Copilot で平均 1.5 ラウンドの座組が機能するも、verify 経路の真正性層に問題が残り、人間の批判的圧力が最終防御層として必須であることが判明。

Claude Code は CLI・Cursor・Claude アプリの 3 つの環境で動作し、各々でできることが異なる。CLI はコスト重視・自動化向け、Cursor は VS Code 既存ユーザー向け、Claude アプリはマルチエージェント・コンピュータ操作・非コード作業を含む業務全体をカバーする唯一の環境。コーディング以上の活用を目指すなら Claude アプリ一択となる。

LLM で素早くプロトタイプを作成できる一方、セキュリティ合格率 55%・欠陥密度 1.7 倍・保守性低下など複数の調査データが品質リスクを指摘している。本記事は、仕様（spec）の明文化、AWS マネージドサービスの活用、CI 上の自動ガードレール導入の 3 つの方法で「動くアプリ」を「壊れない本番システム」に変える実装戦略を解説する。

競馬予想の確証バイアスを排除し、強い馬の加点だけでなく全頭一律基準で「消し要素（リスク）」を定量評価する AI プロンプト。STEP 2.9 で R1～R8 のリスク項目を機械的に採点し、期待値ベースの馬券戦略を導き出す分析フロー。過去3年同レース回顧によるキャリブレーション・騎手定量評価・血統適性・G1未出走馬補完などを体系化。