Technology

岡山県がシステム開発に向かない4つの理由

  • POST
はじめに 物事には地域ごとの向き不向きがある、というのはよく言われる話です。 例えば「立ち食いそば」は東京や大阪では駅前の当たり前の光景ですが、地方に行くとほとんど見かけなくなります。 これは単純な人口密度の差だけでなく、都市部特有のせっかちな気質や、通勤・移動の合間に短時間で済ませたいという生活スタイルが背景にあると言われています。 「少しでも早く」「立ったままでも構わない」という都市部の価値観があってはじめて成立する業態であり、時間にゆとりのある地方では同じ理屈が働きにくいわけです。 需要密度やビジネスの成立条件だけでなく、その土地の生活スタイルや文化と合っているかどうかが大きく関係していると言われています。 サッカーの世界でも同様の話があります。 中国は巨額のチャイナマネーを投じて自国リーグの強化を図りましたが、結果として世界トップレベルへの成長には至っていません。 理由の一つとして挙げられるのが、他人を信頼しない・組織のために動く協調性が根付いていないといった国民性が、パスをつないで連携するヨーロッパ型のサッカースタイルと相性が悪かった、という指摘です。 お金をいくら投じても、その土地の文化や気質と合わなければ、望んだ方向には育たないという典型例と言えるかもしれません。 これはシステム開発という仕事にも、同じことが言えるのではないかと思っています。 岡山で長年システム開発に携わっていると、「この土地はシステム開発とあまり相性が良くないのでは」と感じる場面がたびたびあります。 感覚論だけで語ると単なる愚痴になってしまうので、この記事ではできるだけ具体的な事実やデータを示しながら、岡山県とシステム開発の相性について考察してみます。 結論を急ぐ記事ではありません。最後まで読んでいただいたうえで、読者自身がどう感じるかを考えていただければと思います。 1. 図書館のIT関連キュレーションの弱さ 岡山県立図書館は、蔵書数・貸出数ともに全国トップクラスの実績を誇る図書館です。 実際に「都道府県立図書館 貸出冊数」で検索すると、岡山県立図書館は毎年上位にランクインしています。 一方で、IT関連書籍、特にAWS関連の技術書に絞って蔵書を確認すると、2026年時点で該当する蔵書は0冊でした。 他県の県立図書館では、地方であってもAWSやクラウド関連の書籍が一定数揃っているケースが多く、これは岡山県立図書館に限った傾向のように見えます。 読書文化自体は根付いている土地であるにもかかわらず、技術書という観点では選書が薄い。 これは図書館側の選書方針の問題という側面もありますが、裏を返せば「IT関連書籍を求める利用者の声がそれだけ少ない」ということでもあります。 岡山のIT従事者に読書習慣を持つ人が少ない、という仮説を補強する材料の一つと言えそうです。 2. ソフトウェア投資を嫌う文化 岡山のSier(システム開発会社)であっても、勤怠管理や会計処理にソフトウェアを導入せず、Excelで運用しているケースを何度も見てきました。 本業がシステム開発である企業自体が、自社の業務効率化にはソフトウェアへの投資を渋る、という状況です。 この傾向は企業だけでなく、個人のフリーランスエンジニアにも見られます。 クラウド会計ソフトを月額契約で使い続けるのではなく、確定申告の時期だけサブスクを契約してデータをエクスポートし、申告が終わるとすぐに解約するというやり方をしている人が少なくありません。 月額1,000円前後のコストを惜しむかどうかという話ではなく、「継続的にソフトウェアへお金を払う」という発想自体への抵抗感が強いように感じます。 システム開発を生業としながら、ソフトウェアへの投資に消極的というのは、なかなか皮肉な構図です。 3. 合理化・標準化を嫌い、型破りな人材を好む文化 システム開発の本質は、業務を合理化・標準化し、再現性を持たせることにあります。 その観点で見ると、岡山県民性そのものが合理化と相性が良くない側面を持っているように感じます。 例えば以下のような点です。 県内主要道路の渋滞の多さ(合理的な交通導線が整備されているとは言い難い) ウィンカーを出さずに車線変更・右左折をするドライバーが多い(ルールより経験則優先) 「とんかつラーメン」のような、効率よりも奇をてらった方向性のご当地グルメが好まれる いずれも一つ一つは些細な事象ですが、共通しているのは「ルールに則って合理化する」よりも「その場のノリ・ルーズさ」を許容する県民性です。 システム開発は良くも悪くも「決めたルール通りに動く」ことが前提の仕事なので、この県民性とは根本的に相性が悪いのかもしれません。 この傾向は、採用や評価の場面にも表れています。 会社によりますが、ルール通りに堅実に仕事を進める人材よりも、斬新なアイデアを出す型破りな人材の方が評価されやすい空気があります。 実際に岡山のシステム会社の経営者の中には、「うちの社員は色がある」ということを、むしろ自慢げに語る方もいます。 「色がある」こと自体は個性として悪いことではありませんが、システム開発という「決めたルール通りに正確に動く」ことが前提の仕事において、型破りであることを評価軸にしてしまうと、品質や再現性が犠牲になりやすいという側面もあります。 合理化を嫌う県民性と、型破りな人材を好む採用・評価の傾向は、根っこの部分でつながっているのかもしれません。 4. 第三次産業の弱さ 岡山県は製造業(第二次産業)の比率が比較的高い一方、情報通信業を含む第三次産業の集積は他の政令指定都市エリアと比べると弱いことがたびたび指摘されています。 システム開発企業やIT人材の絶対数が少なければ、当然コミュニティも育ちにくく、勉強会やカンファレンスの開催数、技術情報の流通量にも影響してきます。 「エンジニアが少ないから情報が集まらない」のか、「情報が集まらないからエンジニアが育たない・定着しない」のか、因果関係は一概には言えません。 ただ、いずれにしても第三次産業、特にIT分野の集積の薄さが、システム開発という仕事にとって向かい風になっているのは間違いなさそうです。 おわりに ここまで4つの観点から、岡山県とシステム開発の相性について考察してきました。 技術書へのアクセスのしやすさ ソフトウェアへの投資意欲 合理化・標準化を嫌い、型破りな人材を好む文化 第三次産業(IT)の集積度 いずれも「岡山だから絶対にダメ」と断言できるものではなく、あくまで傾向や仮説の域を出ません。 一方で、複数の観点から似たような傾向が見えてくるという事実は、それなりに示唆的ではないかと思います。 皆さんは、この4つの理由をどう捉えるでしょうか。 「たしかに」と感じる部分もあれば、「自分の周りは違う」と感じる部分もあるかもしれません。 もし岡山でシステム開発の仕事をしている方、あるいはこれから岡山でのキャリアを考えている方がいれば、ぜひ自分の経験と照らし合わせて考えてみてください。 本サイトへのご意見、お問い合わせなどありましたらこちらからご連絡下さい。 お問合せフォーム

生成系AIが正しいナレッジカットオフを答えない理由

  • POST
はじめに 生成系AI(LLM:Large Language Model)を使っていて、「あなたのナレッジカットオフは?」と聞いたときに、明らかに間違った日付を返されたことはありませんか? 例えば、Redditのユーザー報告によると、Geminiに英語で「今日の日付は?」と聞くと「2024年6月11日」と答えることがあるそうです。これは一見すると単純なバグのように見えますが、実はLLMの構造的な特性によるものです。 この記事では、AIの「ナレッジカットオフ」と「トレーニングカットオフ」の違い、そしてなぜAIが現在の日付について虚偽の報告(hallucination)をしてしまうのかを解説します。 ナレッジカットオフとトレーニングカットオフの違い まず、2つの重要な概念を理解する必要があります。 トレーニングカットオフ(Training Data Cutoff) トレーニングカットオフとは、AIモデルの学習に使用されたデータの最終日付です。例えば: あるモデルが「2025年7月までのデータ」で訓練された場合、トレーニングカットオフは2025年7月となります この範囲内のデータは、すべてモデルの学習に使用されたことを意味します ナレッジカットオフ(Reliable Knowledge Cutoff) 一方、ナレッジカットオフは、モデルの知識が最も広範で信頼できる日付を指します。 トレーニングデータに含まれていても、すべての情報が同じレベルで学習されるわけではありません モデルが最も確実に知識を持っているのは、ナレッジカットオフまでの情報です 具体例:Claude Sonnet 4.5 Anthropicの透明性レポートによると、Claude Sonnet 4.5は以下のように定義されています: トレーニングカットオフ: 2025年7月 ナレッジカットオフ: 2025年1月 つまり、7月までのデータで訓練されていますが、最も信頼できる知識は1月までということです。これは、後半のデータが学習に含まれていても、その範囲の情報はまだ十分に網羅的ではない、または検証が不十分であることを示しています。 なぜAIは今日の日付を間違えるのか システム時刻へのアクセスがない LLMは、リアルタイムのシステム時刻にアクセスできません。これが問題の根本原因です。 通常のプログラムであれば、OSのシステム時刻APIを呼び出せば現在の日付を正確に取得できます。しかし、LLMは以下の理由でこれができません: 純粋な言語モデル: LLMは入力されたテキストに基づいて次のテキストを予測するだけ 外部APIへのアクセス制限: セキュリティやアーキテクチャ上の理由で、外部システムへの直接アクセスは制限されている 学習データからの推論: 「今日は何日ですか?」という質問に対して、学習データ内のパターンから「それらしい答え」を生成してしまう トレーニングデータの模倣 LLMは、学習データ内に含まれる「今日は〇〇年△△月××日です」という記述を模倣して答えを生成します。 例えば: 学習データに「今日は2024年6月11日です」という記述が多く含まれていた場合 モデルは「今日の日付を聞かれたら、2024年6月11日と答えるのが適切」と学習してしまう可能性がある これは、モデルが意図的に嘘をついているのではなく、学習データのパターンを忠実に再現しようとした結果です。 Hallucinationのメカニズム この現象は、AIの「hallucination(幻覚、虚偽の報告)」の一種です: 学習データ内の日付の分布: 学習データ内で最も頻繁に「今日」として言及された日付 パターンの強化: 訓練中に繰り返し学習された日付が強く記憶される 現実との乖離: 実際の現在日とは無関係に、学習データのパターンを再現してしまう 実例:各AIモデルの状況 Gemini(Google) Redditの報告によると: