1. The Signal Shift|誰にでもわかるAIニュース
  2. 公開前のアクセス急増に備える..
公開前のアクセス急増に備える!Claude Docsの開発裏話(第261120A号)
2026-11-20 08:49

公開前のアクセス急増に備える!Claude Docsの開発裏話(第261120A号)

おたよりを送る
AnthropicがClaude Docs公開前、AIにわざと障害を起こさせて弱点を直した
公開後にアクセスが集まる不安は、どの仕事にもあります。Claude CodeというAIエージェントの道具に、試験用の環境で壊して直す作業を任せる方法があります。ただし戻しにくい決定は人が握ります。

【今日の主役】
・公開前のアクセス急増に備える!Claude Docsの開発裏話
【今日のひとことニュース】
① Hugging Faceが発表!大きなAIモデルを自分のパソコンで動かす工夫
② Google Cloudが発表!AIエージェントの通信を交通整理するEnvoyの進化
③ NVIDIAが発表!自動運転やロボットの学習データをAIで作る仕組み

AIの最新情報を、誰にでも判り易くお届けする音声番組『The Signal Shift』。リンとカイが、約10分でお話しします。

■ 今日の主役
Anthropicは文書エディタClaude Docsの公開前に、本番そっくりの試験環境でAIに主要な部品をわざと壊させ、直す作業を回し続けました。公開後は20億回のやり取りでサーバーエラーが60件にとどまったと、発表した側は伝えています。公開前の不安は、待つのではなく事前の試験で減らせるかもしれません。

■ 今日、覚えて帰ってほしいこと
「本番が来る前に、AIにわざと壊してもらう。」

■ 今日のひとことニュース
① Hugging Faceが、メモリの少ないパソコンで大きなAIを動かす試みを発表。書いた人は作業にはまだ遅いとしていて、手元の環境で少しずつ試す段階です。
② Google Cloudが、AI同士の通信や使いすぎを管理できるようEnvoyを更新。会社でAIを増やす時の安全な土台として、今後広がりそうです。
③ NVIDIAが、火事や不良品など珍しい場面の学習データを、少ない指示でAIに作らせる仕組みを紹介。不良品を見つけるAIの訓練に役立つ見込みです。

■ 明日から、ちょっと試せること
・自分の仕事で、元に戻せない決定をメモに書き出す
・公開前の不安な点を、試験で壊して確かめる候補として挙げる

■ チャプター
今日の主役: 公開前のアクセス急増に備える!Claude Docsの開発裏話
ひとことニュース1: Hugging Faceが発表!大きなAIモデルを自分のパソコンで動かす工夫
ひとことニュース2: Google Cloudが発表!AIエージェントの通信を交通整理するEnvoyの進化
ひとことニュース3: NVIDIAが発表!自動運転やロボットの学習データをAIで作る仕組み
エンディング

--------------------------------------------------
【配信番号: 第261120A号】
--------------------------------------------------

■ 参考にした記事(出典)
・主役: Using a "chaos loop" to harden the Claude Docs launch: 60 server errors across billions of requests(Claude Blog)
https://claude.dev/blog/chaos-loop-claude-docs-launch/
・ひとこと①: 180B Parameters, 32GB of RAM: Pushing MoE Inference to the Limit with Transformers(Hugging Face Blog)
https://huggingface.co/blog/moe-expert-streaming
・ひとこと②: Building an agentic stack in Envoy: routing models, tokens, and MCP(Google Cloud Blog)
https://cloud.google.com/blog/products/networking/the-envoy-agentic-stack-routing-models-tokens-and-mcp/
・ひとこと③: Build Training-Ready Physical AI Datasets with Two Prompts in NVIDIA Cosmos(NVIDIA Developer Blog)
https://developer.nvidia.com/blog/build-training-ready-physical-ai-datasets-with-two-prompts-in-nvidia-cosmos/

■ もっと詳しく読む・文字で読む
・今日の話題をもっと詳しく(Note): https://note.com/air_labs
・番組の文字起こし(LISTEN): https://listen.style/p/signal-shift

番組のフォロー・評価・コメントをお待ちしています。いただいたコメントは、毎週チームで全部読んでいます。

※この番組は、出典を明記したうえで、公正な慣行に沿って内容を紹介・解説しています。

感想

まだ感想はありません。最初の1件を書きましょう!

サマリー

Anthropicの文書エディターClaude Docsでは、公開前に本番を再現した試験環境へ大量の文章を流し、AIエージェントに主要部品を意図的に壊させて修復する「カオスループ」を回しました。データベース構造の変更など戻しにくい判断は人が確認し、メモリ使用量を約3GBから約180MBへ削減、想定サーバー数も約500台から約50台に減らしたと説明されています。公開後は20億回のリクエストでサーバーエラーが60件だったという発表側の数字も紹介されました。後半では、Hugging Faceの省メモリな大規模モデル実行、Google CloudによるEnvoyのAIエージェント通信管理、NVIDIA Cosmos Data Factoryによる自動運転・ロボット向けの珍しい場面の学習データ生成を取り上げています。

Claude Docsの公開前カオス試験
こんにちは。最新AI情報を誰にでも分かりやすくお届けするAIラボのお時間です。
カイさん、大変なんです。うちの公務店でも、もしホームページにお客さんがドット押し寄せて予約や電話がパンクしちゃったらどうしようって、今からすごく心配で。
でも、公開前にそんな本番並みの試験をする時間もひと手もないですし、どうしたらいいんでしょうか。
林さん、落ち着いてください。その公開前の不安は、アクセスが来るのを待つのではなく、事前にどう備えるかがポイントなんですよね。
今日は、アンソロピックが公開した、AIと人が一緒に作業する文書エディター、CloudDocs を例に、公開前にどうやって弱点をつぶしたかというお話をお伝えします。
文書エディターってことは、みんなで一緒に文字を書いたりするツールですよね。それがどうやってアクセスへの備えとつながるんですか。
まず、結果からお伝えすると、公開から6日後の9月22日までに、460万件超の文書が作られました。その中で、どれくらいエラーが起きたと思いますか。
460万件ですか。すごい数ですね。たくさんの人が使ったなら、エラーも何千件、何万件って出たんじゃないですか。
それがですね、20億回のリクエストに対して、サーバーエラーはわずか60件だったんです。巻き戻しも一度も起きていません。
20億回で60件ですか。それってどれくらいすごいものなんですか。
大切なのでしっかりお伝えしますが、これは20億回という膨大なやりとりがあった中で、サーバーエラーがほんの60回しか起きなかったということなんですよ。
例えるなら、20億回のお店への出入りの中で、ちょっとしたつまづきが60回あったくらいの感覚ですね。ただ、これは発表した側の数字ですので、あくまで目安として受け止めてください。
なるほど。それだけ見ると、ほとんど失敗がなかったってことですよね。でも、公開の3週間前は、まだ社内の数千人が1台のサーバーで使っているだけの試作品だったんですよね。
本番のアクセスがない状態で、どうやってそんなに自信が持てるまで試験できたんですか。
そこが今日の確信なんですよ。本番と同じような試験用の環境をわざわざ用意して、人工的な文章を1日当たり100万件超も流し込んだんです。
本番そっくりの模型みたいな環境を作ったわけですね。でも、人間がそれだけの量をずっと監視していたわけじゃないですよね。
そうです。ここからが面白いところで、AIに本番が来る前にわざと壊してもらうという方法を取ったんです。
具体的には、AIエージェント、つまり自分で動いて作業を進めるAIの助手に、主要な部品をわざと壊させ続けたんですよ。
え?AIにわざわざ壊させるんですか?それで勝手に直して大丈夫なんですか?かえって手間が増えるだけになっちゃいません?
確かに心配になりますよね。だから、データベースの構造を変えるような後から元に戻しにくい決定は、AIが必ず人間に相談して確認するという約束にしていたんです。
AIが試験を選ぶ、実行する、記録を読む、直し方を提案する、試すという流れを、人がつきっきりにならずにぐるぐる回し続けたわけですね。
ちゃんと人間がブレーキを握る仕組みになってたんですね。それで具体的にどんなところが直ったんですか?
例えば、メモリの無駄遣いを見つけて直した事例があります。最初は一つの大きな文書が約3GBもメモリを使っていたんですが、
AIが原因を絞り込んで約3日で約180MBまで減らしたんです。
3GBから180MBって、荷物の詰め込み方を直して置き場がぐっと小さくなったみたいですね。
でも、AIの最初の直し方は最初から上手くいったんですか?
いえ、実は最初の見立ては外れていたんです。
AIがいきなり完璧な答えを出したわけではなくて、間違えた後も記録を細かく見直して本当の原因にたどり着いたんですよね。
この見える化された記録を元に直していくところがポイントでした。
間違えても記録で確かめ直すのが大事なんですね。それでサーバーの台数も減ったんですか?
はい。無駄を見つけて直した結果、最初に見積もっていた500台長のサーバーが約50台まで減ったそうですよ。
サーバー台が10分の1になったなんて、経営者としては一番そこが気になります。
うちみたいな小さいところでもそのやり方は使えるんでしょうか?お金はどれくらいかかるんですか?
今回のような大掛かりな案件では、AIの利用量もかなり高額だったようです。
小さなサービス向けの金額はあくまで書いた本人の見積もりにとどまっていますね。
ただ考え方を取り入れることはできますよ。自分の現場で使うならまずは小さな範囲で試してみること。
そして最後は自分でしっかり確かめることが大切です。
全部をいきなり真似するのは難しいですけど、分かる範囲から試してみるのが良さそうですね。
おっしゃる通りです。本番が来る前にAIにわざと壊してもらうという発想で、
あらかじめ記録をちゃんと残し、元に戻せる範囲から任せてみる。
これが新しい技術と付き合うための確実な一歩になりますね。
さてお次は今日の一言ニュースのコーナーですね。
Hugging Faceの省メモリAIモデル実行
一言ニュースの一番目です。
ハギングフェイスのトランスフォーマーズという仕組みで、
メモリの少ないパソコンでも大きなAIモデルを動かせるようにする試みが発表されました。
カイさん、私のパソコンでも大きなAIがサクサク動くようになるなら嬉しいんですけど、仕事のスピードも速くなるんですか?
AIの頭脳の必要な部分だけを効率よく読み込む工夫がされていますが、
記事を書いた人はまだコーディングの作業には少しスピードが遅いとも書いています。
パソコンの環境に合わせて少しずつ試せる段階ですね。
自分のパソコンの力に合わせて、無理のない範囲で試すのが良さそうですね。
Google Cloud EnvoyのAI通信管理
一言ニュースの二番目です。
GoogleクラウドがオープンソースのツールEnvoyをアップデートし、
AIエージェント同士の通信を安全に交通整理できるようにしたという発表です。
カイさん、いろんなAIが勝手にやり取りするようになると、
うちの会社でも使いすぎたりセキュリティが心配になりそうですが、そこは管理できるんですか?
AIの通信や使いすぎの制御を、これまでのクラウドの仕組みのままで
しっかり管理できるようになる方向に進んでいます。
企業でAIを安全に使うための土台が整えられていく段階ですね。
会社でたくさんのAIを使うときには、こういう交通整理の仕組みが大事になりますね。
NVIDIA Cosmosの学習データ生成
一言ニュースの三番目です。
NVIDIAのNVIDIA Cosmos Data Factoryというプラットフォームで、
自動運転やロボットに必要な学習データを、少ない指示からAIに作ってもらえるという紹介です。
カイさん、めったに起きない失敗のデータって集めるのが大変ですけど、
それがAIで作れるなら便利ですね。
家事や工場の不良品といった、現実にはなかなか用意できない珍しい場面のデータを安全に作ることができます。
これからは不良品を見つけるAIの訓練などに役立っていく見込みです。
公開前の不安をAIで減らす方法
危険なテストをしなくてもデータが揃うなら、現場の作業にもすごく助かりそうです。
今回は、公開前の不安をAIに手伝ってもらって減らす工夫についてお届けしました。
お使いのPodcastアプリから、ぜひ番組のフォローや評価、コメントをお願いします。
概要欄には、今日の話題をさらに詳しく書いたノートの記事や文字起こしへのリンクもありますので、ぜひチェックしてみてくださいね。
いただいたコメントはチームみんなで全部読んで、これからの番組作りにしっかり活かしていきます。
それでは、バイバイ。
08:49

コメント

スクロール