@Esadeの起業家インレジデンス、iHealth Labsの諮問委員会メンバー、MIT起業家精神のためのMartin Trust Centerのアドバイザー、メンター、コーチ、エンジェル投資家Self、Eduのプロダクト@Googleヘッド、BrightBytes(Googleに買収)の創設者、CPO兼CEO、iEARN-USAの理事、カリフォルニア大学バークレー校のメンター兼コーチ ヒシャム・アンワル、起業家 - テクノロジスト - エンジェル投資家 エンタープライズ対応エージェントを構築する上で最大の課題は、AIのコーディング能力ではなく、コンテキストギャップです。 従来のAIアシスタントは、セッションが拡大するにつれて全体像を見失いがちです。彼らは建築基準や特定の技術スタックの特徴、長期的なプロジェクトロードマップを忘れてしまいます。 エンタープライズの環境では、これが(記憶喪失)を招き、コードの再ワークや一貫性の欠如を招きます。 私はClaude CodeのGSD(Get Shit Done)フレームワークを深く調べていますが、これはエージェント型ワークフローにとって画期的なものでした: 永続記憶:構造化された計画/ディレクトリを用いてクロードに長期記憶を与え、プロジェクトの目標を見失わないようにします。 自動化されたコンテキストエンジニアリング:/gsd:map-codebaseのようなコマンドを使うことで、単にコードを読み取るだけでなく、それはあなたのアーキテクチャ全体のメンタルモデルを構築します。 検証可能なロードマップ:上級エンジニアのワークフローを模倣した「計画>実行>検証」ループを強制し、常に世話をする必要性を減らします。 解決点: - 発見時間を数週間から数日に短縮する - 既存システムから暗黙領域モデルを抽出する - 本番コードからセマンティックレイヤーの基礎を生成する - 実際のデータフローと意図されたアーキテクチャのドキュメント 重要な洞察: ビジネスロジックはすでにドメインモデルをエンコードしています。GSDはステークホルダーインタビューを通じて手動で再構築するのではなく、プログラム的に抽出することを可能にします。 これはコンテキストギャップの完全な解決策ではなく、人間の専門知識、データガバナンス、検証が必要です。しかし、発見段階では強力な加速剤となります。 ...