AI に任せるかどうかの判断を、モデルの能力から問いの形へシフトさせた — ポッドキャスト誤読チェックの半年の試行錯誤

AI駆動開発でレビュー指摘が増加する中、毎回同じ指摘をしない仕組みづくりのため「資産化率」という指標を提案。再発2回以上の指摘から優先的にルール化・自動化し、1回きりの指摘は資産化しないなど、メリハリのある運用が肝要。資産化後は他者による検証で「効いたか」を確認することが重要。

Graph RAGシステムにおいて、Knowledge Graphの穴を機械的に検出する「Knowledge Gap Radar」を実装し、検出結果をGemini 3.5 Flash-LiteとClaude Sonnet 5で比較検証。単純な優先度判定ではGeminiで十分だが、異なる種類のGapを文脈的に区別する必要がある場合にClaudeが価値を発揮することを確認し、判断の性質に応じた使い分けの指針を提示。

AI提案に対して採用・修正・却下と理由を記録する「判断ログ」を実装すると、メタ認知を強化できる。Obsidian + Filesystem MCP + Claudeプロジェクトで自動化し、記録→蒸留→反映のループで自分の判断パターンを言語化することで、AIに流されない思考が育つ。

3x+d系コラッツ数列の巡回サイクル構造を数値実験で可視化。小さいd値では複数の安定した巡回軌道が M_min/d = 3.8, 4.6, 10 付近に現れ、巨大数領域では exp(-3/4) のドリフト効果と d による上昇力のバランスでサイクル付近に集中する挙動を確認。Julia コードで実装。