オープンにできないデータは意外と多い
AIは便利ですが、すべてのデータをそのまま扱えるわけではありません。
実際には、
- 社内の情報
- 個人のデータ
- 権限が絡むファイル
こういったものは、簡単に外に出すことができない。
だからこそ、「使えそうで使えない」状態になることも多いです。
この制約は、思っている以上に大きいと感じています。
内部で完結させる構造を作る
ここで出てくるのが、
外に出さずに、内部で処理を完結させるという考え方です。
例えば、LangChain のような仕組みを使うと、
- ファイルにアクセスする
- 必要な情報を取り出す
- AIに渡して処理する
といった流れを、外に出さずに構築できる。
単体のAIを使うというよりも、
「AIを含めた処理の流れ」を設計するイメージです。
この構造を作ることで、
扱える範囲が一気に広がる感覚があります。
精度ではなく、構造で価値を出す
これまでAIというと、
モデルの精度や性能に目が向きがちでした。
でも実際に触ってみると、
- どんな情報を渡すか
- どんな順番で処理するか
- どこまで自動化するか
といった“構造”の部分で、できることが大きく変わると感じています。
これは、
Anthropic Claude のコード操作や、
antigravity のような仕組みも同じで、
裏側の設計によって、体験が大きく変わっている。
精度を追うだけではなく、
どう組み合わせるかという視点も重要になってくると感じました。
まとめ
AIによって「処理すること」自体は簡単になってきています。
その中で価値になるのは、
どこで使うかではなく、
どういう構造で使うか。
特に、クローズドな環境の中で、
- データを守りながら使う
- 複雑な処理を扱う
- 内部で完結させる
こういった設計ができると、
できることの幅はかなり広がる気がしています。
まだ触り始めた段階ですが、
この方向はもう少し深く掘ってみたいと思っています。
