{"schemaVersion":1,"kind":"hakomiro-daily","note":"Public reviewed source only. A missing edition means no publication, not \"no change\".","latest":"2026-11-01","editions":[{"schemaVersion":1,"editionDate":"2026-11-01","kind":"catch_up","revision":1,"revisionLog":[{"revision":1,"at":"2026-11-01T18:56:16+09:00","summary":"公開前の創刊候補を編集。6項目の原典、比較条件、費用の確認範囲を点検し、試行案と観測済み事実を区別。"}],"coverageNote":"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。","period":{"from":"2026-10-26","to":"2026-11-01"},"checkedThrough":"2026-11-01T18:43:05+09:00","finalCheckedAt":"2026-11-01T18:56:16+09:00","status":"changes_published","statusNote":"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。","checks":[{"target":"英国政府（MHCLG Digital）ブログ 2026-10-30 の本文","state":"done","note":"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。"},{"target":"Cotec（スペイン）報告書ページと告知 2026-10-26 の本文","state":"done","note":"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。"},{"target":"KPMGメキシコのプレスリリース 2026-10-28 の本文","state":"done","note":"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。"},{"target":"エスティ ローダーの発表とMicrosoftの記事 2026-10-30 の本文","state":"done","note":"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。"},{"target":"Zenn tappers氏の記事 2026-10-31 の本文","state":"done","note":"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。"},{"target":"Zenn mochiai氏の記事 2026-10-31（本文更新 2026-11-01）の本文","state":"done","note":"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。"}],"backgroundNote":"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。","items":[{"id":"streetlink-ai-prompts","topicId":"streetlink-alert-quality","relation":"new","previous":null,"area":"society","track":"business","title":"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","changed":"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。","whyItMatters":"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。","affected":"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。","action":"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。","limits":"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。","decisionChange":null,"importance":{"impact":2,"evidence":1,"novelty":2,"actionability":2,"reason":"影響：公的窓口の受付設計に示唆。証拠：自己報告で分母・対照が不明のため低。新規性：入力時AI案内の実運用報告。行動可能性：受付の入力不足の計測から始められる。"},"sources":[{"url":"https://mhclgdigital.blog.gov.uk/2026/10/30/helping-more-people-off-the-streets-how-ai-is-improving-streetlink/","publisher":"MHCLG Digital（英国政府）","title":"Helping more people off the streets: how AI is improving StreetLink","claimBasis":"operator_report","publishedAt":"2026-10-30","eventAt":null,"researchedAt":null,"checkedAt":"2026-11-01"}],"backgroundObservationIds":[],"correction":null,"provenance":{"publisherRegion":"英国（政府・委託事業者）","subjectRegion":"イングランドとウェールズの10地方自治体","language":"英語","readScope":"英語の原文ブログ本文を全文確認（翻訳は使用せず）","japanConfirmed":"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。","japanUnconfirmed":"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。"},"result":{"status":"reported","value":"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%","unit":"割合（％）","period":"比較期間は記載なし（10自治体での試行）","basis":"provider_claim","unknownReason":null},"cost":{"status":"unknown","value":null,"unit":null,"period":null,"basis":null,"unknownReason":"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。","covers":{"setup":"unconfirmed","reviewCorrection":"unconfirmed","operations":"unconfirmed","dataPrep":"unconfirmed"}},"experiment":{"label":"editorial_proposal","goal":"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","prerequisites":["受付の記録を読める担当者","直近1〜2か月の受付記録"],"steps":["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）"],"successCriteria":["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"],"stopCriteria":["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"]},"lifecycle":{"stage":"adoption","stageBasis":"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。","expected":"入力時の案内で失敗した訪問を減らす","observed":"失敗した訪問が36%から18%に（運営側の報告）","unknownReason":null,"nextQuestion":"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。"},"engineering":{"details":"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。","handoff":{"sourceUrl":"https://mhclgdigital.blog.gov.uk/2026/10/30/helping-more-people-off-the-streets-how-ai-is-improving-streetlink/","objective":"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","inputs":["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）"],"expectedOutput":"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","constraints":["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"],"verification":["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"]}}},{"id":"cotec-spain-firm-ai-use","topicId":"spain-firm-ai-adoption","relation":"new","previous":null,"area":"work","track":"business","title":"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）","changed":"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。","whyItMatters":"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。","affected":"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。","action":"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。","limits":"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。","decisionChange":null,"importance":{"impact":2,"evidence":2,"novelty":2,"actionability":2,"reason":"影響：規模別の導入差と障壁を示す。証拠：公的統計を分析した報告だが、成果は測っていない。新規性：2025年通年の最新分析。行動可能性：自社の障壁の点検に使える。"},"sources":[{"url":"https://cotec.es/informes/uso-de-la-ia-en-las-empresas/","publisher":"Cotec（スペイン）","title":"Uso de la IA en las empresas","claimBasis":"survey_report","publishedAt":"2026-10-26","eventAt":null,"researchedAt":null,"checkedAt":"2026-11-01"},{"url":"https://cotec.es/noticias-cpt/publicamos-el-informe-uso-de-la-ia-en-las-empresas/","publisher":"Cotec（スペイン）","title":"Publicamos el informe «Uso de la IA en las empresas»","claimBasis":"survey_report","publishedAt":"2026-10-26","eventAt":null,"researchedAt":null,"checkedAt":"2026-11-01"}],"backgroundObservationIds":[],"correction":null,"provenance":{"publisherRegion":"スペイン（技術革新協会Cotec）","subjectRegion":"スペインの企業","language":"スペイン語","readScope":"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）","japanConfirmed":"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。","japanUnconfirmed":"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。"},"result":{"status":"reported","value":"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%","unit":"割合（％）と百分率ポイント","period":"2024年と2025年（2026年第1四半期のデータも含む分析）","basis":"survey_response","unknownReason":null},"cost":{"status":"unknown","value":null,"unit":null,"period":null,"basis":null,"unknownReason":"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。","covers":{"setup":"unconfirmed","reviewCorrection":"unconfirmed","operations":"unconfirmed","dataPrep":"unconfirmed"}},"experiment":{"label":"editorial_proposal","goal":"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","prerequisites":["担当部門の責任者","業務で試したいAI用途の候補3件"],"steps":["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"],"successCriteria":["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"],"stopCriteria":["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"]},"lifecycle":{"stage":"unknown","stageBasis":"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。","expected":null,"observed":"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）","unknownReason":"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。","nextQuestion":"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。"},"engineering":{"details":"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。","handoff":{"sourceUrl":"https://cotec.es/informes/uso-de-la-ia-en-las-empresas/","objective":"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","inputs":["報告書の規模別の表","自社の従業員規模"],"expectedOutput":"自社と同じ規模区分の利用割合と定義のメモ","constraints":["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"],"verification":["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"]}}},{"id":"kpmg-mexico-ai-value-evidence","topicId":"kpmg-ai-pulse-mexico","relation":"new","previous":null,"area":"work","track":"business","title":"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%","changed":"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。","whyItMatters":"「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。","affected":"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。","action":"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。","limits":"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。","decisionChange":null,"importance":{"impact":2,"evidence":1,"novelty":2,"actionability":2,"reason":"影響：AI投資の評価の弱さを示す。証拠：発表文のみで、メキシコの分母が不明のため低。新規性：2026年第3四半期の新しい調査。行動可能性：自社の成果報告の点検に使える。"},"sources":[{"url":"https://kpmg.com/mx/es/sala-de-prensa/comunicados-de-prensa/2026/10/cp-tres-de-cada-cuatro-organizaciones-en-mexico-buscan-tener-un-mayor-control-sobre-la-inteligencia-artificial.html","publisher":"KPMGメキシコ","title":"Tres de cada cuatro organizaciones en México buscan tener un mayor control sobre la inteligencia artificial","claimBasis":"survey_report","publishedAt":"2026-10-28","eventAt":null,"researchedAt":null,"checkedAt":"2026-11-01"}],"backgroundObservationIds":[],"correction":null,"provenance":{"publisherRegion":"メキシコ（KPMGメキシコ）","subjectRegion":"メキシコと世界20カ国の大企業","language":"スペイン語","readScope":"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）","japanConfirmed":"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。","japanUnconfirmed":"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。"},"result":{"status":"reported","value":"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%","unit":"割合（％）","period":"2026年7〜8月の調査","basis":"survey_response","unknownReason":null},"cost":{"status":"unknown","value":null,"unit":null,"period":null,"basis":null,"unknownReason":"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。","covers":{"setup":"unconfirmed","reviewCorrection":"unconfirmed","operations":"unconfirmed","dataPrep":"unconfirmed"}},"experiment":{"label":"editorial_proposal","goal":"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","prerequisites":["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"],"steps":["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"],"successCriteria":["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"],"stopCriteria":["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"]},"lifecycle":{"stage":"unknown","stageBasis":"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。","expected":"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%）","observed":"価値を投資と比べる一貫した仕組みを持つのは14%","unknownReason":"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。","nextQuestion":"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。"},"engineering":{"details":"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。","handoff":{"sourceUrl":"https://kpmg.com/mx/es/sala-de-prensa/comunicados-de-prensa/2026/10/cp-tres-de-cada-cuatro-organizaciones-en-mexico-buscan-tener-un-mayor-control-sobre-la-inteligencia-artificial.html","objective":"成果と投資を同じ基準で並べる評価の表を作る","inputs":["成果の指標と期間","費用項目ごとの金額"],"expectedOutput":"成果と費用を同じ期間・単位で並べた表","constraints":["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"],"verification":["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"]}}},{"id":"estee-lauder-copilot-expansion","topicId":"estee-lauder-microsoft-ai","relation":"new","previous":null,"area":"work","track":"business","title":"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）","changed":"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。","whyItMatters":"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。","affected":"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。","action":"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。","limits":"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。","decisionChange":null,"importance":{"impact":1,"evidence":1,"novelty":2,"actionability":2,"reason":"影響：大企業の導入規模を示す。証拠：成果の数字がなく低。新規性：新しい提携の発表。行動可能性：導入報告の読み方の確認に使える。"},"sources":[{"url":"https://www.elcompanies.com/en/news-and-media/newsroom/press-releases/2026/10-30-2026-132320540","publisher":"エスティ ローダー・カンパニーズ","title":"Estée Lauder Companies press release (2026-10-30)","claimBasis":"operator_report","publishedAt":"2026-10-30","eventAt":null,"researchedAt":null,"checkedAt":"2026-11-01"},{"url":"https://news.microsoft.com/source/features/digital-transformation/estee-lauder-expands-ai-across-beauty-business/","publisher":"Microsoft","title":"Estée Lauder expands AI across its beauty business","claimBasis":"operator_report","publishedAt":"2026-10-30","eventAt":null,"researchedAt":null,"checkedAt":"2026-11-01"}],"backgroundObservationIds":[],"correction":null,"provenance":{"publisherRegion":"米国（エスティ ローダー・カンパニーズ、Microsoft）","subjectRegion":"全世界の事務系従業員","language":"英語","readScope":"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）","japanConfirmed":"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。","japanUnconfirmed":"日本での展開、費用、契約条件、利用状況は未確認です。"},"result":{"status":"unknown","value":null,"unit":null,"period":null,"basis":null,"unknownReason":"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。"},"cost":{"status":"unknown","value":null,"unit":null,"period":null,"basis":null,"unknownReason":"費用、契約条件、導入に要した作業は書かれていません。","covers":{"setup":"unconfirmed","reviewCorrection":"unconfirmed","operations":"unconfirmed","dataPrep":"unconfirmed"}},"experiment":{"label":"editorial_proposal","goal":"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","prerequisites":["導入報告または導入計画の資料1件"],"steps":["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"],"successCriteria":["4つの区分のどこに情報があるか一覧になる"],"stopCriteria":["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"]},"lifecycle":{"stage":"adoption","stageBasis":"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。","expected":"生産性の向上、利益率の拡大、成長（企業の目標）","observed":null,"unknownReason":"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。","nextQuestion":"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。"},"engineering":{"details":"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。","handoff":{"sourceUrl":"https://www.elcompanies.com/en/news-and-media/newsroom/press-releases/2026/10-30-2026-132320540","objective":"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","inputs":["企業発表","Microsoftの記事"],"expectedOutput":"確認済み・不明の区分表","constraints":["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"],"verification":["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"]}}},{"id":"agent-test-output-filter","topicId":"agent-tool-output-filtering","relation":"new","previous":null,"area":"work","track":"engineer","title":"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）","changed":"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。","whyItMatters":"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。","affected":"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。","action":"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。","limits":"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。","decisionChange":null,"importance":{"impact":2,"evidence":1,"novelty":2,"actionability":2,"reason":"影響：開発運用費に関わる。証拠：著者の単一実験で低。新規性：定量比較の報告。行動可能性：自環境で出力量を測れる。"},"sources":[{"url":"https://zenn.dev/tappers/articles/ai-labo-e16-cli-token-killer","publisher":"Zenn（tappers氏）","title":"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","claimBasis":"user_report","publishedAt":"2026-10-31","eventAt":null,"researchedAt":null,"checkedAt":"2026-11-01"}],"backgroundObservationIds":[],"correction":null,"provenance":{"publisherRegion":"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）","subjectRegion":"著者の隔離仮想マシン（地域の限定なし）","language":"日本語","readScope":"日本語の原文記事本文と比較表を確認","japanConfirmed":"日本語で書かれた手順と数値を確認しました。","japanUnconfirmed":"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。"},"result":{"status":"reported","value":"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","unit":"トークン数・秒","period":"著者の1回の実験（期間の記載なし）","basis":"measured","unknownReason":null},"cost":{"status":"reported","value":"推定コスト 約$0.077→約$0.010","unit":"米ドル（推定）","period":"同じ実験の1回分","basis":"estimated","unknownReason":null,"covers":{"setup":"unconfirmed","reviewCorrection":"unconfirmed","operations":"included","dataPrep":"unconfirmed"}},"experiment":{"label":"editorial_proposal","goal":"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","prerequisites":["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"],"steps":["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"],"successCriteria":["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"],"stopCriteria":["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"]},"lifecycle":{"stage":"poc","stageBasis":"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。","expected":"出力を絞ると入力量と時間が減る","observed":"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）","unknownReason":null,"nextQuestion":"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。"},"engineering":{"details":"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。","handoff":{"sourceUrl":"https://zenn.dev/tappers/articles/ai-labo-e16-cli-token-killer","objective":"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","inputs":["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"],"expectedOutput":"絞る前後の入力量・所要時間・テスト結果の比較表","constraints":["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"],"verification":["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"]}}},{"id":"xcode-mcp-tool-scoping","topicId":"xcode-mcp-tool-scoping","relation":"new","previous":null,"area":"work","track":"engineer","title":"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）","changed":"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。","whyItMatters":"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。","affected":"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。","action":"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。","limits":"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。","decisionChange":null,"importance":{"impact":2,"evidence":2,"novelty":2,"actionability":3,"reason":"影響：AI権限設計の落とし穴。証拠：手順と実測を著者が示すが単一環境。新規性：絞り込みが効かない具体例。行動可能性：一覧の確認は今すぐできる。"},"sources":[{"url":"https://zenn.dev/mochiai/articles/43f5d1900ec604","publisher":"Zenn（mochiai氏）","title":"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","claimBasis":"user_report","publishedAt":"2026-10-31","eventAt":null,"researchedAt":null,"checkedAt":"2026-11-01"}],"backgroundObservationIds":[],"correction":null,"provenance":{"publisherRegion":"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）","subjectRegion":"著者のmacOS上の開発環境（地域の限定なし）","language":"日本語","readScope":"日本語の原文記事本文を確認","japanConfirmed":"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。","japanUnconfirmed":"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。"},"result":{"status":"reported","value":"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","unit":"ツール数","period":"著者の環境での検証（期間の記載なし）","basis":"measured","unknownReason":null},"cost":{"status":"unknown","value":null,"unit":null,"period":null,"basis":null,"unknownReason":"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。","covers":{"setup":"unconfirmed","reviewCorrection":"unconfirmed","operations":"unconfirmed","dataPrep":"unconfirmed"}},"experiment":{"label":"editorial_proposal","goal":"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","prerequisites":["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"],"steps":["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"],"successCriteria":["見えるツールの一覧が意図した範囲と一致する"],"stopCriteria":["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"]},"lifecycle":{"stage":"unknown","stageBasis":"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。","expected":null,"observed":"許可指定では絞れず、禁止指定では絞れた（著者の環境）","unknownReason":"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。","nextQuestion":"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。"},"engineering":{"details":"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。","handoff":{"sourceUrl":"https://zenn.dev/mochiai/articles/43f5d1900ec604","objective":"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","inputs":["利用するバージョン","ツール一覧の出力"],"expectedOutput":"意図した範囲だけが見えている設定と確認記録","constraints":["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"],"verification":["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"]}}}]}]}