属性名指しの忌避指示、LLM の人物推定は年齢にしか効かなかった

LINE連携の秘書Mで会話記憶とデジタルツイン機能を実装し、単なるAIアシスタントから「ユーザーの価値観・状態を学習し先回りするAI参謀」へ進化させた。Supabaseに会話履歴とユーザープロフィール（JSON）を保存し、Claudeへ毎回文脈として渡すことで、前後の関係を理解した提案が可能に。

基本情報技術者試験向け学習サービスで、LLM が生成した問題を別セッションの LLM で検証していたが、同一モデルを使用していたため体系的な誤りを見落とす設計欠陥があった。改善として作問に Opus、検証に Sonnet を使い分け、選択肢をシャッフルして提示し、モデル情報を記録することで、誤りの相関を排除した。

ChatGPT が東大入試に合格し、国際数学オリンピック相当の成績を出す時代において、Roppongi VC の「Agora」プログラムに参加した高校生が、同じ Claude に 20 字の指示と 151 字の指示を投げて、2 時間で「Kaggle を民主化する」新しいサービスアイデアを生成した過程を記録。AI の出力品質は指示の精度に直結し、単なるパラメータ調整ではなく問題設定の構造によって決まることを具体例で示す。

Qwen、Gemma、Kimiといったオープンウェイトモデルの性能が急伸する一方、複雑な推論やコーディングエージェント用途ではClaudeなどクラウドの最上位モデルが依然優勢。理論上の最強ローカルモデルと個人が現実的に動かせるモデルは別物であり、タスク性質による使い分けが2026年時点での現実的な答え。