生成AIにKaggleの「アイデア探索〜実装〜実験」をどこまで任せられるか、ROGIIコンペでの実体験ベースでわかります。3週間で341実験を回しつつ13位（金メダル相当の成果）を出した進め方と、失敗から得た具体的なTipsが詰まっています。 ・公開ディスカッション767件をAIに読ませて「画像化＋物理的に筋の通った合成データ」という解法の骨格を見つけさせる方法 ・1〜3行の指示でAIに自律的に実験を回させ、人間は方針・評価基準・最終提出だけを判断する役割分担 ・AIがやりがちな失敗（間違ったカットオフ基準、リーク見逃し、過剰に複雑化する、本質的な改善を避けて微調整ばかり提案する）とその対策（事前ルール設定・定期的な外部ベンチマーク確認・「これもっと単純にできない？」と問い直す習慣） Kaggleだけでなく、社内のデータ分析やモデル開発でも「AIに任せる部分／人が判断すべき部分」の線引きが明確になります。実験の進め方やツール連携（Kaggle CLI、nvidia-kaggleなど）の知見をそのまま業務の効率化に転用しやすいです。 単なる「AIでコードを書かせた」話ではなく、アイデア探索まで踏み込んだ実例と、失敗を詳細に振り返った実践Tipsが豊富。ツールの具体的な使い方や「人間に残った役割」が明確に書かれている点が強いです。 speakerdeck.com/k951286/ima-…