# 昨日できたことが、今日できない。AI時代の「権限ドリフト」に振り回されている > https://bookfactory.kr/board/ai-tech/20331 > 게시판: AI·머신러닝 > 작성자: admin > 작성일: 2026-10-07T18:07:45.129Z --- 昨日までできていたことが、今日やったらできない。 AIやクラウドを触っていると、最近こういうことが増えた気がする。 別に何も知らないわけではない。 一応、G検定も取った。 普段からChatGPTやCodexを使っている。 AI社員まで作って遊んでいる。 それなりに「AIを使う側」の経験値も溜まってきたつもりだ。 それでも普通に困る。 最近だと、Google Driveへのファイル保存で詰まった。 そして先日は、会社のWi-Fiまで調子が悪くなった。 未来の技術を触っているはずなのに、 その日いちばん困っていたのは会社のWi-Fiだった。 AIの資格を取った結果、Wi-Fiには勝てませんでした。 ## 昨日までの「できる」は、今日も「できる」とは限らない 毎日見る株式会社では、AI社員に定期的な仕事をしてもらうため、スケジュール済みタスクをかなり使っている。 調査する。 レポートを書く。 最後にGoogle Driveへ保存する。 そこまで含めて一つの仕事にしている。 ところが最近、Driveへの保存部分で承認待ちになり、そのまま止まることがあった。 「いや、前これできてたやん」 となる。 Chat上では止まる。 でも、自分の環境ではWorkから同じような作業をした時、そのまま保存まで進んだこともある。 何が違うんや。 調べてみると、少なくともOpenAIの現在の公式説明では、スケジュール済みタスクは接続したアプリを利用できるものの、外部データを変更するアクションなどでは承認が必要になる場合があり、その場合はユーザーが確認するまでタスクが止まる。 Google Driveも、 「ファイルを読める」 ことと、 「ファイルを作成・更新できる」 ことは同じ権限ではない。 書き込みには、それに対応したGoogle側の権限と、ChatGPT側で利用可能なアクションが必要になる。 なので、 「最近OpenAIがセキュリティを強化したから急に止まった」 とまでは言えない。 原因は自分の接続状態かもしれないし、権限かもしれないし、タスクの実行方法かもしれない。 ただ、使っている側の感覚としては、 「前まで通っていた道が、今はそのまま通れない」 なのである。 ## タスクにちゃんと書いたら、また動いた 自分のケースでは、 「このレポートをGoogle Driveへ保存する」 という作業をタスク側でより明確に指定したり、再利用する作業手順として持たせたりしたことで、保存まで進むようになった。 ここも少し注意が必要で、 「タスクに明記すれば承認が不要になる」 という公式仕様があるわけではない。 少なくとも、私はそういう記述を確認できなかった。 ただ、自分の運用としては、 「最後にDriveへ保存してほしい」 という期待を人間側がぼんやり持つより、 何を、どこへ、どういう成果物として残してほしいのかを最初から明示する 方が安定した。 そこで少し反省した。 AIが賢くなってるから、 「いつもの感じで頼むわ」 でも何となくやってくれる気になっていた。 でも権限が絡むところは、そういう話ではない。 人間側も、仕事の出口までちゃんと指定せなあかん。 AI社員の上司、意外と仕事ある。 ## 私はこれを勝手に「権限ドリフト」と呼んでいる 最近、この感じを自分の中で、 「権限ドリフト」 と呼んでいる。 ただし先に断っておくと、セキュリティの世界では「permission drift」「privilege drift」という言葉が、時間の経過とともに本来不要なアクセス権限が残ったり、積み上がったりする現象を指して使われることがある。 この記事では、もう少し広い意味で使っている。 最初に自分が理解していた、 「このAIはここまでできる」 「このサービスならこの方法で動く」 「この権限なら保存できる」 という認識と、 時間が経ったあとの実際の環境がズレていく感覚。 できることが増える。 前と同じ方法ではできなくなる。 認証が変わる。 承認が必要になる。 保存先が変わる。 ローカルでやっていた作業がクラウドでも動くようになる。 その一方で、ネットが死んだら全部止まる。 こういう環境全体のズレまで、ここではまとめて「権限ドリフト」と呼んでいる。 ## 便利になっている。なのに、なんで俺は困ってるんだ 面白いのは、 別に不便になっているわけではないことだ。 むしろ逆。 AIはどんどん便利になっている。 ChatGPTにはWorkがある。 接続したサービスも使える。 デスクトップなら、許可したローカルファイルやアプリをWorkから扱える。 Codexには、OpenAIが管理するコンピューター上でコーディング作業を実行するCodex Cloudもある。 昔より選択肢は明らかに増えた。 なのに困る。 なぜか。 たぶん、 便利な道が増えた分だけ、「今どの道を通っているのか」を把握する必要も増えたからだ。 これはChatなのか。 Workなのか。 ローカルなのか。 クラウドなのか。 接続アプリ経由なのか。 ブラウザ操作なのか。 そのアカウントには書き込み権限があるのか。 承認が必要なのか。 以前なら、 「できる／できない」 くらいだったものが、 今は、 「どの環境から、どの権限で、どの経路ならできる？」 になってきた。 便利です。 便利なんですけど。 取扱説明書、勝手にページ増えてません？ ## そして最強の敵、Wi-Fi そんなことを考えていた先日、 会社のWi-Fiが調子悪くなった。 Google Cloudへファイルを上げたい。 クラウドで作業したい。 AIに働いてもらいたい。 しかし、 Wi-Fiが死ぬ。 終わり。 高度な生成AI。 クラウドコンピューティング。 AIエージェント。 アクセス権限。 認証。 最先端の技術をいくら並べても、 Wi-Fiが死んだら、ただの箱である。 未来の働き方について考えている横で、 ルーターのランプを見ながら、 「お前か？」 と言っていた。 2026年です。 ## 「じゃあクラウドへ移せばいい」でも終わらない ちょうど今、OpenAI側にもクラウドで作業できる環境が増えている。 Codex Cloudでは、リポジトリや必要なツール、依存関係、アクセス設定などをまとめた環境を作り、OpenAIが管理するコンピューター上でコーディングタスクを実行できる。 PCを閉じてもクラウドタスクは続けられる。 これを見ていると、 「ゲーム制作の環境とか、少しクラウドへ寄せてもいいかもな」 と思う。 ローカルのフォルダも増えてきた。 プロジェクトも増えた。 PCの中もだいぶ賑やかになっている。 じゃあ全部クラウドへ持っていけばスッキリするのか。 ……たぶん、そんなに簡単ではない。 Codex Cloudも、単純なファイル倉庫ではない。 タスクごとに独立した作業環境が作られ、新しいタスクを始めても別タスクの未コミット変更が勝手に戻ってくるわけではない。 保存されたVM状態も永続的な保管場所ではなく、重要な変更はソース管理へコミットする必要がある。 つまり、 ローカルの管理から解放される代わりに、 今度はクラウド環境の管理が始まる。 リポジトリはどこ。 どの環境を何に使う。 何をGitへ残した。 これはローカル。 これはクラウド。 これはDrive。 これはChatGPTのLibrary。 ……。 結局、人間の把握量には限界がある。 半年後の自分、 たぶん普通に忘れてる。 ## 新しい便利機能には、「移行コスト」がついてくる 新しい環境が出ると、 「便利そう」 と思う。 実際、便利なんだと思う。 ただし、新しい仕組みが登場した瞬間に、 昨日の自分の作業まで自動的に便利になるわけではない。 理解する。 設定する。 試す。 失敗する。 既存の作業をどこまで移すか決める。 管理方法を考える。 そして、 「やっぱりこれはローカルでええか」 となることもある。 新しい技術を知ることと、 自分の仕事へ組み込めることは別なんだな と、最近よく思う。 ## AIを勉強するって、何を覚えれば終わりなんだろう G検定を取った時は、当然ながら勉強した。 AIの基本。 機械学習。 ディープラーニング。 社会実装。 法律や倫理。 知識として勉強することには、今でも意味があると思っている。 ただ、実際に毎日AIを使っていると、 もう一つ別の力が必要になってきた気がする。 「昨日との差分を確認する力」。 前はできた。 だから今日もできる。 ではない。 前はできなかった。 だから今日もできない。 でもない。 昨日までなかった機能が増える。 権限の扱いが変わる。 別の実行方法が出る。 環境がローカルからクラウドへ広がる。 その度に、 「今はどうなってる？」 を確認する。 AIリテラシーって、 仕様を一回覚えることだけではなく、 仕様が変わる前提で、差分を追い続ける習慣 まで含むようになるのかもしれない。 ## 詳しい人ほど困らない、とは限らない 昔はなんとなく、 AIに詳しくなれば、困ることは減ると思っていた。 でも実際は逆の部分もある。 知れば知るほど使う。 使えば使うほど接続する。 接続すればするほど権限が増える。 できることが増えれば、運用するものも増える。 つまり、 AIを使い込むほど、新しい種類の「分からん」が増えていく。 これは悪いことではない。 たぶん技術って昔からそういうものだ。 ただ、 「勉強したら追いつく」 という感覚から、 「追いつき続けるのが勉強」 へ変わってきている感じがする。 ## 先日は、Wi-Fiに置いていかれた AIはこれからも賢くなる。 できることも増える。 ローカルでしかできなかったことが、クラウドでできるようになる。 昨日止まった作業も、明日は別の方法で通るかもしれない。 便利になっていくこと自体は、かなり楽しみだ。 ただ、使う側も、 昨日と何が変わったのか。 そこを追い続けないと、 「前できたから」 という記憶だけでは通用しなくなる。 AIリテラシーというと、 AIについてどれだけ知っているか、という話になりがちだ。 でもこれからは、 変わったことに気付いて、自分の理解を更新できること。 そっちも結構大事になるのかもしれない。 AIはどんどん先へ進んでいる。 私も頑張って追いかけようと思う。 なお、先日はWi-Fiに置いていかれた。 **출처:** [note 원문](https://note.com/aio_ky/n/n598fe37c4b0f) *번역: Gemma 3(.44) 초벌 + 교정 검수* [원문 보기](https://note.com/aio_ky/n/n598fe37c4b0f) | 출처: note.com