ハッカソンで2 冠してきた話 ハッカソンで2 冠してきた話 〜AI時代に取るべき姿勢が分かったかもしれない件について〜 1 

自己紹介 自己紹介 wabi 株式会社ココロザシ Software Engineer 2 

ハッカソン2 冠してきました ハッカソン2 冠してきました 生成AI × 社会課題ハッカソン by WAKE Career 約80人、30チーム（個人参加 含む）が参加 約2ヶ月の開発期間 最優秀賞&オーディエンス賞受 賞 3 

AI Care Work Portfolio AI Care Work Portfolio 無償のケア労働（家庭内での家 事や育児など）をソフトスキル が発揮される場として捉え直 し、キャリアの一部とするため のプロダクト ハッカソンでAIと協働する中で、 人間に必要な姿勢が見えてきた 4 

AI との協働は3 フェーズ AI との協働は3 フェーズ 0 →1: 着想フェ ーズ 人間の引き出しが 土台 1 →90: 加速フェ ーズ AIでアイデアを高 速検証 90 →100: 完成 フェーズ 人間の品質保証 ※ これらのフェーズの移行はグラデーションで、かつお互いに影響し合う ※ 加速フェーズが着想フェーズに影響を与えるときもあるし、完成フェーズが加速フェーズの効率 化をする場合もある 5 

0 →1: 着想フェーズ 0 →1: 着想フェーズ 人間の引き出しが土台になる 解決したい課題 → ケア労働によるキャリアロス 原体験: 大学で政治社会学を専攻 着想: 本棚の『ケア宣言』 （ゼミの教授が翻訳した本）が目に入った こと 知識:ケア労働によるキャリアロスの問題を知っていた → 上記は私の「引き出し」 。この引き出しからアイデアを着想 6 

ChatGPT と一緒に1 のアイデアを具体化 7 

技術選定 技術選定 選択: TypeScript, Next.js, Hono, Tailwind CSS 理由: 体験: 使用した経験があった 知識: Vibe Codingの概念を知っていて、情報量が多い技術ほど AIと相性がいいと知っていた（上記はWeb系の技術の中では情報 が多い） → 上記も私の「引き出し」 。この引き出しから実装を開始 8 

人間の経験が起点 人間の経験が起点 すべて自分の経験・知識から協働がスタート 考えてみれば当たり前ではあるが、AIを使って開発する上で重要な 事柄なのではないか？ 「引き出し」がなければAIを使うスタートラインに立てない、とい うことを自覚する 9 

「概念の認識」の価値 「概念の認識」の価値 「概念や存在を認識していること」の価値が大きい arxivのURLを食わせれば、AIは実装できる — mizchi さん “ “ 10 

HF-CL 戦略: Human First, HF-CL 戦略: Human First, Computer Last Computer Last 半導体プロセス開発の文脈 AIは初期データなしでは非効率 人間が方向性を示す（探索範囲を絞る） → AIのパフォーマンス上 昇 「人間が先、コンピュータが後」 11 

1 →90: 　加速フェーズ 1 →90: 　加速フェーズ AI でアイデアを高速検証 AI/Coding Agent とは アイデアの検証を加速することで、開発の速度を加速できる 「アイデアを何でも実装できる」ではなく 「アイデアの妥当性を一瞬で検証してくる」やつ — mizchi さん “ “ 12 

AI の性能を引き出すのも人間次第 AI の性能を引き出すのも人間次第 プロダクトの構想がきっちり固まっていたわけではなかった ChatGPT, Cursor, v0で実装→検証→フィードバックのサイクル を回し、プロダクトを固めていった AI出力の精度が検証スピードに直結した プロンプト構築のベストプラクティスに従う（ex.タスクは細分 化させる） コンテキストを上手にAIに把握させる工夫（ex.monorepo構成 でDocsを一緒に管理) AI を上手に使う方法は（現時点では）人間も学ばないといけない 13 

90 →100: 完成フェーズ 90 →100: 完成フェーズ 人間の品質保証 機能適合性の観点 AIは完全に想定通りの実装をしてくれるわけではない、機能を壊さ れることもある 動作確認は必須 Codex/DevinでPR作成 → コードレビュー → 機能適合テスト → フィードバック のサイクルを回していた 14 

保守性・複雑性管理の観点 高速に検証できる≒コード量も高速に増える 放置してると、人間の認知能力を超えてくる 人間の認知能力を超えるとレビューが困難になり、さらにカオスに なっていく こまめなレビュー・リファクタリング なるべくタスクは細分化し、レビュー可能な範囲に絞っていた 15 

安全性の観点 Vibe Codingで作られた（と思われる）プロダクトによるインシデ ント ex) Teaの情報流出 自撮り写真や写真付き身分証明書など7万枚の画像が流出 プライベートなユーザー間のメッセージもアクセス可能 セキュリティ的な部分は人間が必ずチェックしないといけない 外部公開はせず、基本的にLocal環境で実装＆検証していた 16 

品質担保におけるエンジニアリングの重要性 AI が生成した結果の責任を取るために、人間の専門知識と介入 が必要 ガードレール設計としてのソフトウェアエンジニアリングや 技術の3本柱（バージョン管理、テスティング、自動化）の 重要性がさらに増している — t-wadaさん “ “ 17 

だから、AI と協働するために... だから、AI と協働するために... 1. 自分の引き出しを増やす 好奇心を持って知識の裾野を広げる 2. AI/SWEのベストプラクティスを学ぶ AIの暴走を防ぎ、検証速度を落とさない 3. 品質保証について学ぶ セキュリティ, CI/CD, 自動テスト, バージョン管理, 設計 etc... 結論: 多様なLT が聞け、かつ多様な専門知識を持つ人々と交流 できる、俺の勉強会に参加しましょう！ 18 

Thank you! Thank you! 19 

参考文献 参考文献 https://page.gensparksite.com/slides_pdf/b6d0fd11-a0e4- 4cf1-96a3- 668d26b34087/ai_era_skills_development_20250728135342. pdf https://www.nature.com/articles/s41586-023-05773-7 https://speakerdeck.com/twada/agentic-software- engineering-findy-2025-07-edition?slide=26 https://9to5mac.com/2025/07/29/tea-app-security- breaches-reveal-private-chats-and-photo-id-as-it-tops-app- store/ 20