AI利用の日刊
- 種別
- 創刊キャッチアップ（対象期間の振り返り。当日の出来事ではありません）
- 版日
- 2026-11-01（日本時間）｜第1版
- 対象期間
- 2026-10-26〜2026-11-01
- 確認範囲
- 2026-11-01 18:43 まで
- 最終確認
- 2026-11-01 18:56
今日の要点
創刊の振り返りを掲載
創刊のキャッチアップ版です。2026-10-26〜11-01に公開された原典6件を読み、仕事での判断に関わる範囲を載せました。11月1日当日の出来事ではありません。
調べた範囲と限界：2026-10-26〜11-01に公開された6項目の原典を、本文まで確認した範囲です。ビジネス4件・技術2件（約67:33）で、直近7日の目安は概ね7:3です。対象は英国の自治体、スペイン・メキシコの企業調査、米国企業の世界のオフィス従業員、日本語の技術実験記事です。技術記事2件の発信者所在地は未確認です。原文の確認言語は日本語・英語・スペイン語で、全世界の全地域・全業種を網羅した調査ではありません。
掲載の偏り（直近7日・独立した新規項目）：ビジネス4件／エンジニア2件（目安は概ね7:3。件数合わせはしません）
新規｜ビジネス
英国の路上生活者通報サービスStreetLink、入力時のAI案内で「見つからない通報」が減ったと運営側が報告
- 仕事での意味（編集判断）
- 窓口業務で、利用者の入力を「あとから人が直す」のではなく「入力の場でAIが不足を聞き返す」設計に変えると、現場の空振りが減る可能性がある、という実務事例です。自社の問い合わせ・申請・通報の受付で、入力品質が後工程の手戻りを生んでいる場面の見直しに使えます。ただし数値は運営側の自己報告で、そのまま自社に当てはまる効果とは言えません。
- 何が変わったか
- 英国住宅・コミュニティ・地方自治省（MHCLG）とサービス提供事業者Home Connectionsが、イングランドとウェールズで公衆が路上生活者を通報するStreetLinkに、10の地方自治体でAI入力案内を試行しました。場所の説明が曖昧なとき、目印や出入りの方法などを追加で促します。報告では、情報不足による失敗した訪問は36%から18%に、通報後に本人が見つかった割合は16%から23%に変わり、場所の記述は45%、本人の記述は54%増えました。利用者の約89%が「詳しく書く助けになった」と答え、全体展開は実施済みと書かれています。
- 誰に関わるか
- 受付・窓口・コールセンター・申請フォームを運用する行政や企業の担当者、通報や申請を受けて現地対応する部門。
- 今日の確認・判断
- 自社の受付で「入力不足のせいで再確認や空振りが起きている件数と理由」を先に数える。入力欄でAIが聞き返す案は、まず小さな範囲で、判断は人に残す形から試す。この記事の数値を自社の期待値には使わない。
- 限界
- これは運営側の自己報告で、第三者による検証は確認していません。比較の期間、通報件数などの分母、対照群の有無は記事から分かりません。「見つかった割合」の改善がAI案内だけによるかは断定できません。路上生活者の保護や救済の効果は記事の数値からは分かりません。担当職員の判断は残す設計と記載されています。
- 結果
- 情報不足による失敗した訪問 36%→18%、通報後に本人が見つかった割合 16%→23%（単位：割合（％）｜期間：比較期間は記載なし（10自治体での試行）｜根拠：提供者の主張）
- 費用（一部のみ。総額ではありません）
- 不明：原典に導入費・運用費・確認の手間の記載がなく、金額は不明です。無料・ゼロとは読めません。
- 導入・初期設定：原典で未確認
- 確認・修正の手間：原典で未確認
- 運用：原典で未確認
- データ整備：原典で未確認
- 取り組みの段階：導入
- 原典は10自治体での試行後に全体展開が実施済みと述べています。
- 期待されたこと：入力時の案内で失敗した訪問を減らす
- 確認された結果：失敗した訪問が36%から18%に（運営側の報告）
- 次に確かめたいこと：全体展開後も同じ水準が続いているか。運営側以外の検証はあるか。
小さな試行の案（編集部の提案。実施した結果ではありません）
目的：受付の入力不足が後工程に生む手戻りを、AIを使う前に数える
前提
- 受付の記録を読める担当者
- 直近1〜2か月の受付記録
手順
- 手戻りになった件を「入力不足」「その他」に分けて数える
- 入力不足の上位3つの理由を書き出す
- その理由に対し、入力欄に聞き返し文を1つ足す案を紙で作る（AIの導入はしない）
成功の目安
- 入力不足が手戻り全体の大きな割合を占めると数字で分かる
- 聞き返し文の案が現場担当者の確認を通る
やめる条件
- 記録から理由が分類できない
- 入力不足が手戻りの一部でしかない場合は、AI案内に進まず別の原因を調べる
根拠
- Helping more people off the streets: how AI is improving StreetLink（MHCLG Digital（英国政府）｜根拠の種類：運営者・実施者の自己報告（第三者の検証なし）｜公開 2026-10-30｜確認 2026-11-01）
- 発信者の所在：
- 英国（政府・委託事業者）
- 対象の地域：
- イングランドとウェールズの10地方自治体
- 原文の言語と確認範囲：
- 英語／英語の原文ブログ本文を全文確認（翻訳は使用せず）
- 日本で使えると確認できた条件：
- 日本の読者向けに確認できたのは、考え方（入力時に不足を聞き返す）の概要のみです。
- 未確認：
- 使用したAIサービスの名称・費用・日本語対応・個人情報の取り扱い条件は記事に書かれておらず未確認です。
技術者向けの詳細と引き継ぎ
場所の記述が曖昧なとき、目印や出入りの方法を追加で聞き返す入力案内です。使用したAIサービス名やモデル、個人情報の扱いは原典に記載がありません。
- 目的：
- 入力が不足したとき追加の質問を返す仕組みの要件を整理する
- 入力：
- 受付フォームの項目一覧、過去の入力不足の例（個人情報を除く）
- 期待する出力：
- 不足の種類ごとの聞き返し文の案と、判断を人に残す条件
- 制約：
- 担当職員の判断は残す、個人情報の送信先と保存条件を先に確認する、使用サービスは原典から分からない
- 確認方法：
- 聞き返しの有無で入力の完全さを比べる、聞き返しで誘導した内容の誤りを抜き取りで確認する
新規｜ビジネス
スペインの企業のAI利用は10人以上の企業で2025年に33.6%、従業員規模で大きな差（Cotec報告）
- 仕事での意味（編集判断）
- 自社の規模にかかわらず「AIを使う企業が増えている」という話は、規模別に見ると大きく違います。大企業と零細企業の差、使っていない企業が挙げる理由を見ると、自社の導入が遅れている理由を「人材・知識」から点検する手がかりになります。ただしスペインの統計で、日本の企業にそのまま当てはまる数値ではありません。
- 何が変わったか
- スペインの技術革新協会Cotecが2026年10月26日に報告書を公開しました。公的統計（INE）の2025年通年と2026年第1四半期のデータを分析し、従業員10人以上の企業でAIを使う割合は2024年の21.1%から2025年は33.6%（+12.5ポイント）でした。2025年は大企業74.4%、零細企業21.4%で、差は53.0ポイントです。AIを使うスペイン企業は約72.6万社と推計され、零細企業が利用企業の92.6%を占めます。非利用企業が挙げる最大の障壁は社内の知識不足で、約8割が挙げました。
- 誰に関わるか
- 中小企業の経営者や、規模の異なる取引先を持つ企業のAI導入担当者。
- 今日の確認・判断
- 自社が「使っていない」理由を、費用や技術の前に「社内で判断できる人と知識があるか」から点検する。比較には自社と同じ規模の数字だけを使い、全体平均を目標にしない。
- 限界
- この数値は統計調査への企業の回答で、AIの成果や費用を測ったものではありません。AIは8種類の技術のいずれかを使う企業を数えており、生成AIだけの数字ではありません。地域別・業種別の分析は10人以上の企業に限られます。日本の企業への当てはまりは確認していません。
- 結果
- 10人以上の企業のAI利用 21.1%→33.6%（+12.5ポイント）。2025年は大企業74.4%、零細企業21.4%（単位：割合（％）と百分率ポイント｜期間：2024年と2025年（2026年第1四半期のデータも含む分析）｜根拠：調査の回答（申告））
- 費用（一部のみ。総額ではありません）
- 不明：今回確認した告知・公開本文には、導入費・運用費などの実額は掲載されていません。調査票・全報告書の費用項目は未確認です。
- 導入・初期設定：原典で未確認
- 確認・修正の手間：原典で未確認
- 運用：原典で未確認
- データ整備：原典で未確認
- 取り組みの段階：不明
- 集計統計で、個別の取り組みの段階を示すものではありません。
- 期待されたこと：記載なし
- 確認された結果：10人以上の企業で利用割合が21.1%から33.6%に（企業の回答）
- 不明な理由：特定の取り組みではなく全体の統計であり、期待していた水準は書かれていません。
- 次に確かめたいこと：規模が小さい企業の利用は定着しているか、使い続けた結果どうなったか。
小さな試行の案（編集部の提案。実施した結果ではありません）
目的：自社がAIを使えていない理由が、社内の知識や判断力にあるかを確かめる
前提
- 担当部門の責任者
- 業務で試したいAI用途の候補3件
手順
- 候補ごとに「誰が判断し、誰が確認するか」を書き出す
- 判断できる人がいない候補に印を付ける
- 印の付いた候補を、知識を補う方法（研修・外部相談）の対象にする
成功の目安
- 候補ごとの判断者と確認者が決まる
- 知識不足が理由の候補が特定できる
やめる条件
- 判断者を置けない候補は、導入の検討を止める
- 費用や契約の話は、この点検が終わるまで進めない
根拠
- Uso de la IA en las empresas（Cotec（スペイン）｜根拠の種類：調査機関の集計（回答者の申告。設計と分母は原典の記載の範囲）｜公開 2026-10-26｜確認 2026-11-01）
- Publicamos el informe «Uso de la IA en las empresas»（Cotec（スペイン）｜根拠の種類：調査機関の集計（回答者の申告。設計と分母は原典の記載の範囲）｜公開 2026-10-26｜確認 2026-11-01）
- 発信者の所在：
- スペイン（技術革新協会Cotec）
- 対象の地域：
- スペインの企業
- 原文の言語と確認範囲：
- スペイン語／スペイン語の告知ページと報告書ページの本文を確認（機械翻訳は使用せず原文を読んだ範囲）
- 日本で使えると確認できた条件：
- 日本の読者向けに確認できたのは、規模別に導入差があるという傾向の概要のみです。
- 未確認：
- 日本の企業の同種の数値、調査対象の定義の日本との違い、報告書の全表は未確認です。
技術者向けの詳細と引き継ぎ
公的統計INEの調査データを使い、8種類のAI技術のいずれかを使う企業を利用企業と数えています。地域・業種の分析は10人以上の企業のみです。
- 目的：
- 自社の規模に合う統計の区分を選び、比較できる形に整理する
- 入力：
- 報告書の規模別の表、自社の従業員規模
- 期待する出力：
- 自社と同じ規模区分の利用割合と定義のメモ
- 制約：
- AI技術の定義が広い、生成AIだけの数字ではない、日本の統計とは定義が違う可能性
- 確認方法：
- 引用した数値が報告書本文と一致するか確認する、定義と対象企業の範囲を併記する
新規｜ビジネス
KPMG調査：メキシコの大企業の90%が「AIで価値」と答えるが、投資との比較の仕組みを持つのは14%
- 仕事での意味（編集判断）
- 「AIは価値を生んでいる」という自己評価と、その価値を投資額と比べる仕組みを持つ割合に大きな差があります。自社でAIの成果を報告するとき、成果の数字と費用を同じ基準で並べているかを点検する手がかりになります。ただし大企業の回答者の申告で、実際の成果を測ったものではありません。
- 何が変わったか
- KPMGメキシコは2026年10月、世界20カ国・2,100人超の経営層を対象にした「Global AI Pulse」2026年第3四半期の結果を発表しました（調査は2026年7〜8月、年間売上5,000万米ドル超の企業が対象）。メキシコでは、AIエージェントを大きく導入した企業が37%（世界34%）でした。AIから測定可能な価値を得ていると答えたのは90%（世界89%）ですが、価値を投資と比べる一貫した仕組みがあるのは14%（世界12%）です。メキシコの41%は今後12カ月で最大4.99億米ドルの投資を計画しています。
- 誰に関わるか
- AI投資の効果を経営層に報告する担当者や、大企業の経営企画・財務の担当者。
- 今日の確認・判断
- 自社のAI施策の成果報告に「費用（導入・確認修正・運用・データ整備）」が同じ基準で載っているかを確認する。成果の数字だけが先に出ている施策は、費用を並べてから評価する。
- 限界
- 回答者の申告による調査で、価値や投資額を第三者が測ったものではありません。投資額は計画で、実際の支出ではありません。メキシコの回答者数と設問ごとの分母は発表文に書かれていません。年間売上5,000万米ドル超の企業が対象で、中小企業には当てはまりません。日本の企業は確認していません。
- 結果
- メキシコ：AIエージェントを大きく導入 37%（世界34%）、価値の測定可能な成果を得ている 90%、価値を投資と比べる仕組みがある 14%（単位：割合（％）｜期間：2026年7〜8月の調査｜根拠：調査の回答（申告））
- 費用（一部のみ。総額ではありません）
- 不明：今回確認した発表本文には実費・総費用の数字がありません。調査票・全報告書の費用項目は未確認です。今後12カ月の投資予定額を費用実績とは扱いません。
- 導入・初期設定：原典で未確認
- 確認・修正の手間：原典で未確認
- 運用：原典で未確認
- データ整備：原典で未確認
- 取り組みの段階：不明
- 調査は大企業の回答の集計で、特定の取り組みの段階を示すものではありません。
- 期待されたこと：今後12カ月の投資計画（最大4.99億米ドルの計画を持つ企業が41%）
- 確認された結果：価値を投資と比べる一貫した仕組みを持つのは14%
- 不明な理由：調査全体の統計で、取り組みごとの段階は書かれていません。
- 次に確かめたいこと：計画した投資は実行され、その成果は投資と比べて評価されたか。
小さな試行の案（編集部の提案。実施した結果ではありません）
目的：自社のAI施策1件で、成果と費用を同じ基準で並べられるか確かめる
前提
- 成果を報告している施策1件
- その施策の担当者と財務担当者
手順
- 成果の数字の出どころと期間を書く
- 導入、確認・修正、運用、データ整備の費用を項目ごとに分かる範囲で書く
- 分からない項目は「不明」と書く
成功の目安
- 成果と費用が同じ期間・単位で並ぶ
- 不明な項目が明示される
やめる条件
- 費用の項目が半分以上不明のままなら、成果の数字だけを根拠に拡大しない
根拠
- Tres de cada cuatro organizaciones en México buscan tener un mayor control sobre la inteligencia artificial（KPMGメキシコ｜根拠の種類：調査機関の集計（回答者の申告。設計と分母は原典の記載の範囲）｜公開 2026-10-28｜確認 2026-11-01）
- 発信者の所在：
- メキシコ（KPMGメキシコ）
- 対象の地域：
- メキシコと世界20カ国の大企業
- 原文の言語と確認範囲：
- スペイン語／スペイン語のプレスリリース本文を確認（調査報告書の全文は未確認）
- 日本で使えると確認できた条件：
- 日本の読者向けに確認できたのは、成果の自己評価と投資比較の仕組みに差があるという傾向の概要のみです。
- 未確認：
- 日本企業の数値、メキシコの回答者数と設問ごとの分母、報告書の全文は未確認です。
技術者向けの詳細と引き継ぎ
調査は世界20カ国の経営層2,100人超が対象で、メキシコの分は発表文の数字のみです。
- 目的：
- 成果と投資を同じ基準で並べる評価の表を作る
- 入力：
- 成果の指標と期間、費用項目ごとの金額
- 期待する出力：
- 成果と費用を同じ期間・単位で並べた表
- 制約：
- メキシコの分母が不明、回答は申告で第三者の測定ではない
- 確認方法：
- 引用した割合が発表文と一致するか確認する、世界値とメキシコ値を混同していないか確認する
新規｜ビジネス
エスティ ローダー、Microsoftと提携しCopilotを全世界の事務系従業員1.4万人超へ拡大（成果の数字はなし）
- 仕事での意味（編集判断）
- 大企業のAI導入発表は「利用を広げた」ことと「成果が出た」ことが混ざりがちです。この発表は前者のみで、利用状況や生産性、費用は示されていません。自社でAIの導入報告を読むとき、アクセスを渡した数と使われた成果を分けて確認する例になります。
- 何が変わったか
- エスティ ローダー・カンパニーズは2026年10月30日、Microsoftとの戦略的提携を発表しました。統合的な消費者データ基盤への投資を進め、Copilotを全世界の事務系従業員（1.4万人超）に広げています。従業員は生産性向上のエージェントを試している段階とされ、生産性の向上、利益率の拡大、成長が今後の目標として挙げられています。Microsoftの記事も同じ発表を伝えています。
- 誰に関わるか
- 大企業のAI導入担当者、導入報告を読んで判断する経営層や調達担当者。
- 今日の確認・判断
- 導入報告を読むとき「アクセスを渡した人数」と「実際に使われた量・成果」を分けて確認する。成果の数字がない発表は、目標の表明として読み、費用対効果の根拠にしない。
- 限界
- 企業とMicrosoftの発表で、利用状況、生産性、費用対効果、契約条件の数字は書かれていません。Copilotを使える人数と、実際に使っている人数は別です。目標は将来の希望で、達成済みではありません。日本での展開は確認していません。
- 結果
- 不明：発表はCopilotを使える人数（1.4万人超）のみで、利用量、生産性、費用対効果の数字は書かれていません。アクセスの付与を成果とは読めません。
- 費用（一部のみ。総額ではありません）
- 不明：費用、契約条件、導入に要した作業は書かれていません。
- 導入・初期設定：原典で未確認
- 確認・修正の手間：原典で未確認
- 運用：原典で未確認
- データ整備：原典で未確認
- 取り組みの段階：導入
- Copilotのアクセスを全世界の事務系従業員に広げたと述べています。
- 期待されたこと：生産性の向上、利益率の拡大、成長（企業の目標）
- 確認された結果：記載なし
- 不明な理由：利用量や成果の数字が発表になく、観察された結果は確認できません。
- 次に確かめたいこと：1年後に利用状況と成果は公表されるか。目標と比べてどうだったか。
小さな試行の案（編集部の提案。実施した結果ではありません）
目的：自社のAI導入報告で「使える人数」と「使われた成果」を分けて読めるか確かめる
前提
- 導入報告または導入計画の資料1件
手順
- 資料中の数字を「使える人数」「実際の利用」「成果」「費用」に分類する
- 空欄になる区分を書き出す
- 空欄を埋めるために必要な記録を担当者に確認する
成功の目安
- 4つの区分のどこに情報があるか一覧になる
やめる条件
- 成果と費用の区分が両方空欄のままなら、その資料を拡大の根拠にしない
根拠
- Estée Lauder Companies press release (2026-10-30)（エスティ ローダー・カンパニーズ｜根拠の種類：運営者・実施者の自己報告（第三者の検証なし）｜公開 2026-10-30｜確認 2026-11-01）
- Estée Lauder expands AI across its beauty business（Microsoft｜根拠の種類：運営者・実施者の自己報告（第三者の検証なし）｜公開 2026-10-30｜確認 2026-11-01）
- 発信者の所在：
- 米国（エスティ ローダー・カンパニーズ、Microsoft）
- 対象の地域：
- 全世界の事務系従業員
- 原文の言語と確認範囲：
- 英語／英語の企業発表とMicrosoftの記事の本文を確認（翻訳は使用せず）
- 日本で使えると確認できた条件：
- 日本の読者向けに確認できたのは、導入の発表内容の概要のみです。
- 未確認：
- 日本での展開、費用、契約条件、利用状況は未確認です。
技術者向けの詳細と引き継ぎ
統合的な消費者データ基盤への投資とCopilotの拡大が同じ発表に含まれます。技術構成、権限設計、データの扱いは書かれていません。
- 目的：
- 導入発表の記述から確認できる事実と不明点を整理する
- 入力：
- 企業発表、Microsoftの記事
- 期待する出力：
- 確認済み・不明の区分表
- 制約：
- アクセスの付与と利用実績は別、技術構成は原典から分からない
- 確認方法：
- 2つの原典が同じ発表であることを確認する、数字がある項目だけを事実として記録する
新規｜エンジニア
AIコーディングの入力トークン、テスト出力の構造化で92,385から5,445に（著者の隔離環境での実験）
- 仕事での意味（編集判断）
- AIに開発作業を任せるとき、費用と所要時間を左右するのはAIの賢さだけでなく、AIに読ませるログの量かもしれない、という一件の実験報告です。開発チームの運用費の見積りで、ツール出力の整形を検討項目に入れる根拠の一つになります。
- 何が変わったか
- 著者が、隔離した仮想マシン上で、同一モデルと同一の決済処理の修正課題を使い、テストの生出力をそのまま渡す方式と、失敗したテストの名前・行・差分だけの構造化JSONで渡す方式を比較しました。完了までの累計入力（モデル呼出しは生出力3回・構造化2回）は92,385から5,445トークン、推定費用は約0.077ドルから約0.010ドル、所要は約25.9秒から約16.9秒になり、独立テストは両方式とも20件中20件に通ったと報告されています。
- 誰に関わるか
- AIコーディングエージェントを開発に使うエンジニアと、その運用費や進め方を決める開発責任者。
- 今日の確認・判断
- 自チームのエージェント運用で、テストやビルドの出力がどれだけ会話に積まれているかを測る。出力を整形する仕組みを試すなら、正解率が落ちないかを自チームの課題で確かめる。
- 限界
- 著者自身による一つの課題・一つのモデル（記事ではgemini-3.8-flash）の実験です。独立した再現は確認していません。人工的に作った決済課題で、実際の業務コードでの効果は分かりません。トークンや費用は記事中の推定値です。
- 結果
- 完了までの累積入力 92,385→5,445トークン（モデル呼出し3回→2回）、所要時間 約25.9秒→約16.9秒、テストは両方式20/20（単位：トークン数・秒｜期間：著者の1回の実験（期間の記載なし）｜根拠：当事者の測定（第三者の検証なし））
- 費用（一部のみ。総額ではありません）
- 推定コスト 約$0.077→約$0.010（単位：米ドル（推定）｜期間：同じ実験の1回分｜根拠：推定値）
- 導入・初期設定：原典で未確認
- 確認・修正の手間：原典で未確認
- 運用：含む
- データ整備：原典で未確認
- 取り組みの段階：試行・検証
- 著者が人工的な決済タスクを隔離VMで1回試した報告です。
- 期待されたこと：出力を絞ると入力量と時間が減る
- 確認された結果：入力量が約94%減り、テストは20/20で同じ（著者の1回の測定）
- 次に確かめたいこと：実際の保守作業や別のモデルでも同じ減り方か。絞った出力で見落としは起きないか。
小さな試行の案（編集部の提案。実施した結果ではありません）
目的：自分の環境で、テスト出力を絞るとAIに渡す量がどれだけ減るかを測る
前提
- テストを実行できる開発環境
- AIに渡した入力量を確認できる記録
手順
- 絞らない場合の出力量を1回測る
- 失敗の要約だけを渡す設定にして同じ作業を行う
- 入力量、所要時間、テスト結果を比べる
成功の目安
- 入力量が減り、テスト結果が変わらない
- 失敗の原因が絞った出力から読み取れる
やめる条件
- テスト結果が変わる、または失敗の原因が読み取れない
- 絞る処理を作る手間が減った分を上回る
根拠
- テスト出力の垂れ流しでコンテキストが汚染される！「生ターミナル出力」vs「構造化JSON差分フィルタ」で入力94.1%削減（Zenn（tappers氏）｜根拠の種類：著者・利用者の報告（独立した再現なし）｜公開 2026-10-31｜確認 2026-11-01）
- 発信者の所在：
- 発信者の所在地は原典から未確認（日本語の個人技術記事）
- 対象の地域：
- 著者の隔離仮想マシン（地域の限定なし）
- 原文の言語と確認範囲：
- 日本語／日本語の原文記事本文と比較表を確認
- 日本で使えると確認できた条件：
- 日本語で書かれた手順と数値を確認しました。
- 未確認：
- 記事が試した圧縮ツールやモデルの日本での提供条件・費用は確認していません。
技術者向けの詳細と引き継ぎ
著者が人工的な決済タスクを隔離VMで実行し、同一モデルgemini-3.8-flashで各方式が完了するまでを比較しています。生出力はモデル呼出し3回、構造化出力は2回で、同じ3ターンを固定した比較ではありません。
- 目的：
- テスト出力を要約して渡す前処理の効果を自環境で測る
- 入力：
- テスト実行コマンド、AIに渡す前の出力、入力トークンの記録
- 期待する出力：
- 絞る前後の入力量・所要時間・テスト結果の比較表
- 制約：
- 出力の欠落でAIが原因を見誤らないこと、著者の結果は1回の実験
- 確認方法：
- 同じタスクを複数回実行してばらつきを見る、絞った出力に失敗原因が残っているか確認する
新規｜エンジニア
Xcodeの操作をAIに渡すとき、サブエージェントのtools指定ではツールを絞れず、disallowedToolsで外す必要があった（著者の環境）
- 仕事での意味（編集判断）
- AIに開発ツールの操作を任せる際、「使わせるツールを書いたから、それ以外は使えない」と思い込むと、意図しない書き込みが通る場合がある、という一件の実測報告です。AI開発ツールを導入する責任者が、権限の絞り込みを設定だけで済ませず、実際に使えるツールを確かめる運用の根拠になります。
- 何が変わったか
- 著者の環境（Xcode 27.2、Claude Code 2.1.316）で、XcodeのMCPが公開するツール54本のうち、サブエージェントのtools指定に4本だけ書いても54本すべて見え、書いていないXcodeWriteも通ってファイルが作られました。使う4本以外の50本をdisallowedToolsで外すと、見えるのは4本だけになり、プレビュー撮影も通ったと報告されています。ふだんのビルドとテストはxcodebuildで行い、MCPはプレビュー撮影などに絞る運用です。
- 誰に関わるか
- AIエージェントにMacのアプリ開発環境を操作させるエンジニアと、その権限設計を決める責任者。
- 今日の確認・判断
- 自社でAIにツール操作を任せている場合、「許可したつもり」の設定を信用せず、エージェントに見えているツールの一覧を実際に出して確かめる。ツールがアップデートで増えたら一覧を取り直す。
- 限界
- 著者自身の環境と一つのバージョンの組合せでの確認です。記事の中でも、Xcodeのバージョンでツール構成が変わるとされています。他の環境や将来のバージョンでの再現、普遍的な保証は確認していません。記事は2026-10-31公開、本文は2026-11-01に更新されています。
- 結果
- ツール54個のうち4個を指定しても54個のまま表示（XcodeWriteは動作）。他の50個を禁止すると4個になった（単位：ツール数｜期間：著者の環境での検証（期間の記載なし）｜根拠：当事者の測定（第三者の検証なし））
- 費用（一部のみ。総額ではありません）
- 不明：原典には撮影86秒、別の確認で32秒／31秒の所要時間があります。導入・設定・確認修正・運用を含む総工数・総費用は未確認です。
- 導入・初期設定：原典で未確認
- 確認・修正の手間：原典で未確認
- 運用：原典で未確認
- データ整備：原典で未確認
- 取り組みの段階：不明
- 著者個人の環境での検証報告で、組織での導入や運用の段階は書かれていません。
- 期待されたこと：記載なし
- 確認された結果：許可指定では絞れず、禁止指定では絞れた（著者の環境）
- 不明な理由：導入段階を示す記載がなく、期待していた効果も書かれていません。
- 次に確かめたいこと：他のバージョンや環境でも同じ結果か。提供元は挙動を確認・修正したか。
小さな試行の案（編集部の提案。実施した結果ではありません）
目的：自分の環境で、AIに見せるツールが意図どおりに絞れているか確認する
前提
- 対象のツール連携を使う環境
- 利用可能なツール一覧を見る手段
手順
- 許可するツールを指定して、実際に見えるツールの一覧を確認する
- 見えるツールの数が意図と合うか確認する
- 合わなければ禁止指定で絞り直して再確認する
成功の目安
- 見えるツールの一覧が意図した範囲と一致する
やめる条件
- 一覧が意図と食い違い、禁止指定でも絞れない場合は、その連携を使う範囲を広げない
根拠
- Xcode MCPを外部エージェントから使う：設定3ステップとxcodebuildとの使い分け（Zenn（mochiai氏）｜根拠の種類：著者・利用者の報告（独立した再現なし）｜公開 2026-10-31｜確認 2026-11-01）
- 発信者の所在：
- 発信者の所在地は原典から未確認（日本語の個人技術記事）
- 対象の地域：
- 著者のmacOS上の開発環境（地域の限定なし）
- 原文の言語と確認範囲：
- 日本語／日本語の原文記事本文を確認
- 日本で使えると確認できた条件：
- 日本語で書かれた手順と、2026-10-31時点の版での結果を確認しました。
- 未確認：
- 他のバージョンでの動作、Apple/Anthropicの公式文書との整合は確認していません。
技術者向けの詳細と引き継ぎ
Xcode 27.2とClaude Code 2.1.316での検証です。サブエージェントのtoolsに4個を指定しても54個が見え、disallowedToolsで他の50個を指定すると4個になりました。
- 目的：
- 許可リストが効かない場合に、禁止リストで権限を絞る設定を確認する
- 入力：
- 利用するバージョン、ツール一覧の出力
- 期待する出力：
- 意図した範囲だけが見えている設定と確認記録
- 制約：
- バージョンが変わると挙動が変わる可能性、著者の単一環境の報告
- 確認方法：
- バージョンを記録して一覧を再確認する、禁止指定後に不要なツールが呼べないことを確認する
確認したこと
- 実施済み：英国政府（MHCLG Digital）ブログ 2026-10-30 の本文。2026-11-01に公式URLの本文を全文読み、数値と限界を確認しました。
- 実施済み：Cotec（スペイン）報告書ページと告知 2026-10-26 の本文。2026-11-01に両ページの本文を読み、データの期間（2025年通年と2026年第1四半期）と対象（10人以上の企業・AI8種類）を確認しました。
- 実施済み：KPMGメキシコのプレスリリース 2026-10-28 の本文。2026-11-01に本文を読みました。メキシコの回答者数と設問ごとの分母は書かれておらず、報告書の全文は確認していません。
- 実施済み：エスティ ローダーの発表とMicrosoftの記事 2026-10-30 の本文。2026-11-01に両方の本文を読み、同じ発表であることと、成果の数字がないことを確認しました。Microsoftのページは再取得で読めました。
- 実施済み：Zenn tappers氏の記事 2026-10-31 の本文。2026-11-01に本文と比較表を読みました。著者本人の実験報告で、独立した再現は確認していません。
- 実施済み：Zenn mochiai氏の記事 2026-10-31（本文更新 2026-11-01）の本文。2026-11-01に本文を読みました。著者本人の環境での検証で、他の環境での再現は確認していません。
背景と過去の日刊
背景として、2026年8〜10月の原典15件のレビューと、26資料の一覧を読めます。これらは過去に確かめた資料で、今日の動きではありません。