制御ループ修正で難易度は上がったが正答率は変わらず—実データリプレイで検証

独学エンジニアが7種類のAIモデルに落ちものパズル課題を実行させ、同じ採点プログラムで比較。Claude Opus 5・Gemini 3.7 Flash・GPT-OSS など複数環境で計測した結果、Gemini 3.7 Flash が前世代比で約35%性能向上し、環境依存性が最小限であることを確認。実験設計の穴（モデルが繰り返し同じ答えを見ていた事例）も発見。

エンジニアでない著者が Claude を使い GPU メモリ見積もりツールを開発。Claude がコードを書く一方で、著者は計算式の検証に徹し、HuggingFace の config.json や論文・実装コードで裏取りすることで、LLM が陥りやすい「もっともらしい数字」の落とし穴を回避した事例記。

Anthropic 公式の CCAR-P 認定資格試験ガイド (2026年7月版) に基づき、シニアアーキテクト向けの試験仕様と 7 ドメイン全体の出題範囲を解説。設問 63 問・120 分・合格ライン 720/1000 で、Integration (19%)・Solution Design & Architecture (17%) などの配分で出題される。ビジネス課題から実装・評価・ガバナンスまで、エンドツーエンドのシステム設計判断が問われる。

複数フォーマットの書類読み取り・既存データ突合業務を、Claude と Python スクリプトの役割分担で自動化した実例。未知フォーマット解釈のみ AI を活用し、既知フォーマットと照合・仕分けは決定的ロジックで処理することで、処理件数が増えてもコスト増加を抑制。初回登録時の AI コスト上限、構造指紋による仕分け、出力後の検証ロジック導入など、スケーラブルな設計方針を紹介。