株式会社ずんだもん技術室AI放送局

AIやテクノロジーのトレンドを届けるPodcast。平日毎朝6時配信。朝の通勤時間や支度中に情報キャッチアップとして聞いてほしいのだ。

マジカルラブリー☆つむぎのピュアピュアA.I.放送局 podcast 20260713

2026年07月13日

MP3ファイルをダウンロード

内容紹介

GitHub Actions の parallel でデプロイは8分→3分、CI はコスト3割減になった、情報漏洩に敏感な金融機関で、Claude・Gemini・ChatGPTを導入した話、有名エンジニアの .claude/skills 公開ラッシュから学ぶ、良い Claude Code Skills の書き方

出演者

春日部つむぎ
春日部つむぎ

youtube版(スライド付き)

関連リンク

2026年6月25日にGitHub Actionsでステップ単位の並列実行機能（parallel / background）がGA（一般公開）されました。これにより、同一ジョブ内・同一ランナー上で複数のステップを並列に実行することが可能になりました。

本記事では、新人エンジニアでも理解しやすいよう、この新機能を用いた最適化のポイントが解説されています。主な効果は以下の2点です。

  1. 時間の短縮: 直列に配置されていた処理を並列化することで、全体の実行時間を短縮できます。例として、本番環境へのデプロイ工程を並列化した結果、8分かかっていた処理が3分まで短縮されました。
  2. コストの削減: 別々のジョブ（ランナー）で行っていたセットアップ処理を1つのジョブに統合し、並列化することで、checkoutやnpm install等の重複を排除できます。これにより、CI全体の実行時間は維持しつつ、ランナーの利用時間（コスト）を約3割削減することに成功しています。

一方で、注意点として「リソースの競合」が挙げられています。同一ランナー内で重い処理を詰め込みすぎると、CPUやメモリを奪い合い、かえって処理が遅延する可能性があります。リソースを多く消費するテストやビルドは無理に統合せず、既存のジョブ並列化（needsなど）と適切に使い分けることが、効率的なCI/CD構築の鍵となります。

引用元: https://zenn.dev/hatsu/articles/github-actions-steps-parallel

本書は、セキュリティ要件が極めて厳しい金融機関において、ChatGPT・Claude・Geminiという主要な生成AIを全社導入した際の実践的なリスク管理手法を解説しています。

導入において特に重要な視点は「導入しないリスク（人材流出や生産性低下）」を可視化し、リスク管理部門と建設的な議論の土俵を作ることです。著者は、懸念される情報漏洩経路を「チャット入力」と「外部ツール連携」に分解し、段階的な対策を講じることで合意形成を図りました。

具体的な対策は以下の3段階です。

  1. 契約条件の整備: エンタープライズプランを選択し、入力データがモデル学習に利用されないことを担保する。
  2. 既存基盤の活用: 生成AI利用時もProxyやメールフィルタリング等の社内ネットワーク基盤を適用し、既存のガードレールをそのまま機能させる。
  3. 許可制による防波堤: 実行可能な操作をリスト化・承認制とし、許可されたもの以外は実行不可とする。

また、AIエージェントの扱いについては、「個人の効率化ツール」と「業務プロセスの一部」に分類し、後者のみを台帳管理することで、ガバナンスと利便性を両立させています。セキュリティとイノベーションの両立を目指すエンジニアにとって、リスクを抽象的に恐れるのではなく、具体的な技術経路に分解して潰していくアプローチは非常に参考になる知見です。

引用元: https://zenn.dev/seiuchi3939/articles/b12d6746d9f187

GitHub上で著名エンジニアが公開している「.claude/skills」が、Claude Codeの実用的な知見として注目を集めています。特にMatt Pocock氏やAddy Osmani氏のリポジトリは、抽象的なドキュメントでは語られなかった「現場で効く技術」の宝庫です。

本記事では、これらを比較分析し、新人エンジニアが押さえるべき「良いSkillを書くための共通原則」を以下の通り整理しています。

  1. Descriptionの最適化: 呼び出しの精度はDescriptionで決まります。三人称で「何をするか・いつ使うか」を明記し、先頭に効くキーワードを配置します。また、Descriptionで手順を要約すると、かえってエージェントが本文を読まなくなるため注意が必要です。

  2. 段階的な情報開示 (Progressive Disclosure): 全てをSKILL.mdに詰め込まず、500行以内を目安に要約し、詳細は別ファイルに切り出します。多段参照を避け、情報が欠落しない構成を心がけます。

  3. 決定論的な設計: 「AIの確率的な挙動」を抑制するため、副作用がある操作はユーザーが明示的に呼ぶ（User-invoked）設計にし、自動呼び出しと明確に使い分けます。

  4. AIの「言い訳」の先回り: Addy Osmani氏が提唱する「言い訳テーブル」のように、AIが手を抜きそうな箇所（「テストは後で良い」等）を想定し、反論やチェックリストを事前に組み込むことで品質を担保します。

最後に、他人のSkillsコードを読むことは最強の学習法ですが、導入には注意も必要です。複数の設定を混ぜると衝突の恐れがあるため、自身のワークフローに合わせて段階的に取り入れ、育てていく姿勢が求められます。

引用元: https://note.com/ai_eng_tech/n/n1ef4d57df219

VOICEVOX:春日部つむぎ