Tokyo Tech Talks #1：Less Noise, More Signal

2月22日、東京大学柏キャンパスの環境棟ギャラリーにて、初のTokyo Tech Talksを開催しました。コンセプトはシンプル：ビルダーを一つの部屋に集め、ハイプを飛ばし、実際に何がうまくいくのかを話すこと。

エンジニア、研究者、創業者、学生など、十数名が集まりました。大規模カンファレンスのような雰囲気ではなく、実際にものを作っている人たちとの集中した午後でした。

トーク

2人のスピーカーが、実践から得た学びを共有しました。

Mitchell Carroll — 見過ごされたコミュニティにおけるAI

メルカリのシニアプロダクトマネージャーであるMitchellは、大手テック企業が見落としがちなAIのユースケースと人々について話しました。AIの最もインパクトのある応用は、最も派手なものとは限らない — 誰も注目していない領域にこそあるという、地に足のついたメッセージでした。

Keenan Thompson — AI支援コーディングの境界線

Arcnem AI CEOのKeenanは、使い慣れた技術スタックがあることで、AIにコードを自由に書かせるべき場面と手綱を引くべき場面を判断しやすくなる、という話をしました。核心は、「良い」がどういうものか分からなければ、モデルが間違えた時に気づけないということです。判断力のないスピードは、速く失敗しているだけです。

トークからのポイント：

• 馴染みのあるツールがフィルターになる。 自分のツールを知っていれば、エージェントのドリフトをリリース前に見つけられる。AIの出力を、生成されるより速くレビューできる。
• ボイラープレートはモデルに任せる。 CRUDエンドポイント、Reactコンポーネント、設定ファイル、テストのセットアップ — リスクが低いパターンの複製。
• 基盤部分は手綱を引く。 データモデル、認証ミドルウェア、アーキテクチャの境界。「だいたい合ってる」が下流のすべてを壊す場所。
• ローカル環境にシードデータを入れる。 開発環境にリアルなデータがあれば、UIのバグや壊れたフローがすぐに分かる。AIのミスも早く見つけられる。

ハッカソン

トークの後、ミニハッカソンを実施しました。お題は「カメラデータを使って最も面白いAIアプリケーションを作る」こと。参加者は1時間で何かを形にし、優勝者にはClaude Max 1ヶ月分が贈られました。

ちょうど良い制約でした — 作業を集中させるのに十分具体的で、クリエイティブになれるほど自由。

今後について

Tokyo Tech Talksはまだ始まったばかりです。イベントは小規模で、実践者中心で、ノイズのないものを維持していきたいと考えています。何かを作っていて、学んだことを共有したい方、あるいは単にその場にいたい方は、今後のイベント情報をお見逃しなく。

スピーカー、パートナー、スポンサーも募集しています。興味のある方はお問い合わせください。