Backend Engineer
Joined April 2007
- Tweets42K
- Following1.3K
- Followers1.1K
- Likes9.5K
この本買ったけどこの文章沁みる「仕事とは、単なる生成物の集積ではありません。誰かと何かを良くしていった時間の総体です」direct.gihyo.jp/view/item/00…
たぶん祖父母の参加の方がメンタル効きそう
父親の育児参加、思春期のメンタル不調防ぐ可能性 - 日本経済新聞 nikkei.com/article/DGXZQOUC1…
rate limit気にしなくてよくなってるってことかな？そこが一番デカい気がする。ciがボトルネックになりそう
なぜ、私たちはBackground Agentを内製したのか？
大規模monorepoでの並列開発や、自社の開発環境との連携といった、バクラクの開発課題に向き合うなかで生まれた「haro」。
その開発背景や活用事例、今後の展望を Staff Software Engineer @izumin5210 が紹介しています。 tech.layerx.co.jp/entry/why-…
SaaSのTemporalと勘違いしてしまった
今日の資料です
Temporal 最高!でも改めて「日付」について調べたら人類の負債すぎる件 #ginzajs
speakerdeck.com/riyaamemiya/…
devin前提なのはなんでなんだろ？🤔
弊社CTO山口（@zigorou）のインタビュー記事が公開されました🎤
AI時代の採用と組織設計について語っています。ぜひご覧ください！
#組織設計 #エンジニア採用
recruiting.findy-code.io/lab…
aiと人間レビューとの切り分けと人間レビューをaiでサポートする手法欲しい
Metaがコードレビューについての興味深いデータを示しています
データからは、人によるコードレビューは既に例外的なタスクになっていて、リスクも高いことが示唆されています
問題なのは人間の認知がコード・PR量に追いついていないことと、全てを確認する能力を人は持っていないということです
ここで重要な問いは「高リスクな変更を人間に回す判断をAIができるのか？」という問いです
そして、このデータではそれができることが示唆されています！
前提として、今回のデータではAIが自動承認するdiffは「低〜中リスク」と判定されたものに限定されています
そのため、本番障害率やリバーと率には選択バイアスがかかっている可能性があることは留意する必要があります
そのうえで、低〜中リスクのdiffでは、以下の結果がでています
- AIレビュー済みdiffsの本番障害率は人間レビュー済みの1/50
- リバート率（マージ後に問題が見つかって変更を取り消した割合）は1/3
この結果から、低〜中リスクなものは自動承認でき、むしろ人間の注意を高リスク側に集中できる可能性を示しています
また、投稿内の追加観察では、AI承認後に起きたインシデントを専門家が確認したところ、人手レビューでも防げなかった類のものだったとされています
まとめると、以下のようになります
- リスクの低い変更については、自動レビューに任せても障害が増えない、むしろ人間より良い結果を出す
- 人間の注意を高リスク側に集中できる
- コードレビューは既に例外的なタスクになっている
evalと改善のloopは自動で回せるようにするのがプラットフォーム的な仕事になりそう
enechainのAI Native開発に関する取り組みの記事を出しました📝
この半年間ほど、開発の現場に入ったり営業に同行したりしながら、AIをいかに事業や顧客価値に繋げるかを考えてきました。
道半ばですが、結果も出てきたので参考にしていただければ！
techblog.enechain.com/entry/…
この手の超絶優秀な人たちに支えられている会社だなと思うなど。素晴らしい👍
はてなブログに投稿しました
日本で一番働きたい会社に入って8年がたった - テストする人。 underscore42rina.hatenablog.…
#はてなブログ
最後に編集してたのを保存し忘れてたので更新した
