スクレイピングを楽しもう！

  ここ10年、ソフトウェア業界の“暗黙のルール”はとてもシンプルでした。 「先にリリースした者が勝つ」。 新規プロジェクトで言語選定をする時、多くの企業は Python か TypeScript を選んできました。理由は単純です。エコシステムが巨大で、人材を集めやすく、コンポーネントを組み合わせれば、金曜には上司にデモを見せられる。 一方で、Rust や Go、C++ は性能面では Python を10倍、100倍上回ることもあります。しかし代償は重い。学習コストは高く、エンジニア採用も難しく、開発環境はすぐエラーを吐く。 だから皆、心の中では分かっていながら Python を選びました。 「性能最適化は後でやります」 実際には、その“後で”が来ることはほとんどありませんでした。 しかし今、その常識が崩れ始めています。 理由は LLM、大規模言語モデルです。 これまで「難しすぎる」「学習コストが高い」と敬遠されていたハードコアな言語を、AI が普通に書けるようになったからです。 複雑な言語を書く難易度を AI が吸収してくれるなら、なぜ私たちは低性能な言語に妥協し続ける必要があるのでしょうか。 人間には難しい言語ほど、AI は得意になる 2年前、GPT-4 に Rust を書かせると、存在しないライブラリ名を平然と生成していました。 しかし2026年現在、Claude、GPT-5.5、DeepSeek といったモデルは、もはや“コード生成AI”ではなく、ほぼ熟練エンジニアです。SWE-bench のような高難度ベンチマークでも、上級エンジニア級の性能を見せ始めています。 現在の AI は単純なロジックだけでなく、並列処理、競合状態、アーキテクチャ最適化のような低レイヤー領域にも強くなっています。 なぜ AI は Rust を好むのか。 先月、X の技術系ブロガー CtrlAltDwayne は、こんな言葉を投稿しました。 「2026年に Rust を選ぶ理由は、性能でもメモリ安全性でもない。AI が C++ より Rust を圧倒的に上手く書けるからだ。」 一見すると逆説的ですが、理屈はかなり筋が通っています。 Rust のコンパイラは、まるで厳格なチューターのように振る舞います。 そして、そのエラーメッセージは AI にとって極めて価値の高い“リアルタイ...

  Cursor は新人エンジニアより速くコードを書き、GPT-5.5 は機能単位で完成したモジュールを生成する。 そんな時代に、「わざわざプログラミングを学ぶ必要があるのか？」という疑問を持つ人は、日本でも急速に増えています。 特に大学の情報系学部では、こんな光景が珍しくなくなりました。 授業で教授がソートアルゴリズムを説明している横で、学生は AI に「バブルソートを書いて」と入力する。数秒後には、コメント付き・テスト付きのコードが完成する。 すると自然に、こんな疑問が浮かびます。 「4年間かけて学ぶ意味って、本当にあるの？」 AIはすでに“コードを書く”能力を持っている 現実として、AI の進化は非常に速いです。 CRUD 開発、API 実装、データ処理、アルゴリズム問題など、多くの定型作業は AI が短時間で生成できます。 エラー解析やコードレビューも得意で、初心者にとっては 24 時間対応のメンターのような存在です。 さらに最近では、単なるコード生成だけではなく、システム設計やアーキテクチャ提案まで行うようになりました。 つまり、「コードを書く作業」そのものの価値は、確実に変化しています。 それでも、プログラミング教育の価値は消えない ただし、ここで重要なのは、 「プログラミングを学ぶ＝コードを書くこと」 ではない、という点です。 日本のIT業界では、特にこの違いが重要になります。 AI が代替しやすいのは、文法やテンプレート作業です。 しかし、 問題を分解する力 システム全体を理解する力 要件を整理する力 AI の出力を検証する力 こうした能力は、依然として人間側に求められます。 特に日本企業では、単純な実装力よりも、 チーム開発 保守運用 要件調整 品質管理 安定性 が非常に重視されます。 AI がコードを書けても、「そのコードを本番運用できるか」を判断するのは、まだ人間です。 極端な考え方は危険 最近よく見るのが、次の二つの極端な意見です。 「AIが全部やるから、もう勉強不要」 これは危険です。 プログラミングを知らなければ、AI が出したコードの品質を判断できません。 AI は便利ですが、時々かなり自信満々に間違えます。 特にセキュリティ、性能、設計の問題は、知識がないと見抜けません。 「全部手書きできないと意味がない」 逆にこれも現実的で...

  あさがくナビとは？ 「あさがくナビ」は、学生や若者の職場デビューやアルバイト探しをサポートする求人情報サイトであり、就業条件や勤務先の情報を提供することで、求職者が適切な仕事を見つける手助けをしています。学生や新卒者を対象に、アルバイトや短期の仕事、インターンシップ、派遣などの求人情報を提供しています。主に学校生活や学業と両立できる柔軟な勤務条件の求人が特徴です。 スクレイピングツールの概要 ScrapeStorm とは、強い機能を持つ、プログラミングが必要なく、使いやすい人工知能 Webスクレイピングツール です。違う基盤のユーザーに二つの スクレイピング モードを提供し、1-Clickで99％の Webスクレイピング を満たします。 ScrapeStorm により、大量のWebデータを素早く正確的に取得できます。手動で データ抽出 が直面するさまざまな問題を完全に解決し、 情報取得 のコストを削減し、作業効率を向上させます。 抽出されたデータは下記のようにご覧ください   1.タスクを新規作成する (1)URLをコピーする 今回はインターンシップ・仕事体験開催企業をキーワードとして、その検索結果ページのスクレイピング方法を紹介します。まず、URLをコピーしてください。   (2)スマートモードタスクを新規作成する ScrapeStormのホムページ画面にスマートモードタスクを新規作成します。また、持っているタスクをインポートすることもできます。 詳細には下記のチュートリアルをご参照ください。 スマートモードタスクの新規作成方法   2.タスクを構成する (1)ページボタン ScrapeStormは自動的にリスト要素とページボタンを識別できます。下記のチュートリアルも参照してください。 ページ分けの設定方法   (2)詳細ページに行く ソフトウェアの「詳細ページに行く」機能を利用して、ホームページ、設立年月などのデータを抽出します。   (3)事前操作 右上の緑ボタンをクリック、コンポーネントを追加し、企業情報ページに移動できます。   (4)フィールドの追加と編集 「フィールドを追加」ボタンをクリックして、画面に必要な要素を選択、データが自動的に抽出されます。また、必要に応じてフィールドの名...

  ここ数年、AIプログラミングツールは開発効率を大きく変える存在として注目されています。GitHub Copilot や Claude Code などの登場により、開発者は簡単な指示だけでコード生成やデバッグを行えるようになりました。そのため「AIがプログラマーの仕事を奪うのではないか」という議論も増えています。 しかし最近、その流れに変化が見え始めています。GitHub は Copilot の料金体系を、従来のサブスクリプション中心のモデルから  使用量ベース（トークン課金）  へと移行する方針を発表しました。また Anthropic も Claude Code の高性能モデル利用に制限を設け、追加料金が必要になるケースが出てきています。 背景にあるのは、 AIの計算コストの高さ です。 大規模言語モデルは、入力・出力・推論のすべてで「トークン」を消費します。さらに AI エージェントのような自動化ツールでは、内部で何度も推論やツール呼び出しが行われるため、ユーザーが気づかないうちに大量のトークンが消費されることがあります。 企業環境ではこの傾向がさらに顕著です。AI エージェントが複数のタスクを自動実行すると、短時間で膨大なトークンが使われ、コストが急増する可能性があります。そのため、一部の企業では  AI利用に予算上限を設定する動き  も出ています。 例えば、エンジニア1人の年間コストが約25万ドルだとすると、月あたり約2万ドルになります。もしAIツールが数百ドルで生産性を大きく向上させるなら非常に有効です。しかし、チームのAI利用料が毎月数万ドルに達するのに成果が限定的であれば、AIはコスト削減どころか新たな支出になる可能性もあります。 つまり重要なのは、「AIを使うかどうか」ではなく、**「どう使うか」**です。 適切なプロンプト設計やエージェントの利用管理、不要なモデル呼び出しの削減など、AIの使い方を最適化することが求められています。 AIは確かに開発効率を高める強力なツールです。しかしその価値は、 生み出す成果がコストを上回るかどうか にかかっています。これからのAI活用は、効率だけでなくコスト管理も重要なテーマになりそうです。

  IT転職ナビ IT転職ナビは、日本最大級のIT系専門の求人・転職サイトです。IT業界・IT職種専門の転職コンサルタントのサポートが受けられる無料サービスもあってあなたの転職を強力にサポートいたします。IT転職ナビは、kipplyが運営しております。 スクレイピングツールの概要 ScrapeStorm とは、強い機能を持つ、プログラミングが必要なく、使いやすい人工知能 Webスクレイピングツール です。違う基盤のユーザーに二つの スクレイピング モードを提供し、1-Clickで99％の Webスクレイピング を満たします。 ScrapeStorm により、大量のWebデータを素早く正確的に取得できます。手動で データ抽出 が直面するさまざまな問題を完全に解決し、 情報取得 のコストを削減し、作業効率を向上させます。 抽出されたデータは下記のようにご覧ください   1.タスクを新規作成する (1)URLをコピーする 今回は営業（システム開発）・東京都の求人情報一覧ページを例として、そのスクレイピング方法を紹介します。まず、URLをコピーしてください。   (2)スマートモードタスクを新規作成する ScrapeStormのホムページ画面にスマートモードタスクを新規作成します。また、持っているタスクをインポートすることもできます。 詳細には下記のチュートリアルをご参照ください。 スマートモードタスクの新規作成方法   2.タスクを構成する (1)自動識別 ScrapeStormは自動的にリスト要素とページボタンを識別できます。偶に誤差があれば、手動で選択してください。下記のチュートリアルも参照してください。 ページ分けの設定方法   (2)詳細ページに行く ソフトウェアの「詳細ページに行く」機能を利用し、応募資格、休日休暇、待遇福利厚生などの情報を抽出します。   (3)フィールドの追加と編集 「フィールドを追加」ボタンをクリックして、画面に必要な要素を選択、データが自動的に抽出されます。また、必要に応じてフィールドの名前の変更または削除、結合できます。 フィールドの設定の詳細には下記のチュートリアルをご参照ください。 抽出されたフィールドを配置する方法   3.タスクの設定と起動 (1)起動の設定 必...