00:00
あの、AIに明日の戦略会議の資料として、 競合の動向をリサーチして構成案を作っておいて、って頼むことよくありますよね。
はい、もう日常者半時ですね。
で、数分後に完了しました。完璧な構成案ができましたって、 すごく自信満々な返事が返ってくるじゃないですか。
ええ、最近のAIは本当にレスポンスがいいですから。
なんですけど、意気揚々とファイルを開いてみると、 ファイル名は立派なのに、数字の根拠となるリンクが全部デタラメだったり。
ああ、ありますね。幻覚、ハルシネーションの典型ですね。
そうなんですよ。あとは、見た目はすごく綺麗な表ができているのに、 一番大事な今朝の最新ニュースがごっそり抜け落ちているとか。
ええ。
リスナーのあなたも、こういう、ベッドの下にゴミを隠したまま、 部屋の掃除終わったよって満面の笑みで報告してくる子供みたいな AIの挙動に頭を抱えたことはありませんか?
確かにその例えはぴったりですね。出力される日本語やコードがどれだけ滑らかで美しくなっても、 いざ実務のプロセスに組み込もうとした瞬間に、
そういう最後の爪の甘さというか、過程の不透明さが致命傷になるんです。
まさに今多くの人がその壁にぶつかっているフェーズだと思いますね。
だからこそ、今回の深掘りはリスナーの皆さんの日々のフラストレーションを解消するヒントになるはずです。
今日読み解く資料は、2026年6月12日版の AIエージェント日地速報というレポートです。
はい。あるITエンジニアの方がまとめられた非常に詳細なレポートですよね。
ええ。ここには、AI業界全体で起きているある巨大なパラダイムシフトが記録されています。
それが、AIがいかに賢く生成できるかという競争から、
AIがいかに自分の作業が確実に完了したと証明できるかという完了症跡への移行なんです。
この視点のシフトは非常に重要です。
生成AIの生成能力自体は、もうある意味で当たり前のものになりつつありますから。
うんうん、そうですよね。
ええ。これからの本当の競争軸は、その魔法のような能力をどうやって監査可能で、
人間が安心して背中を任せられる自立型のインフラへと落とし込むかという部分にかかっているんです。
監査可能という言葉が出ましたが、今のAIって信じられないくらい手際がいいからこそ、逆に中身がブラックボックス化しやすいですよね。
そうなんです。
レポートの冒頭でも、マネスやジェンスパークといった非常に強力なエージェントが取り上げられていますが、
これらを使っていると、見た目が綺麗すぎることの罠にハマると指摘されています。
これってどういうメカニズムで罠にハマるんでしょうか?
えーと、マネスのような成果物生成に特化したエージェントや、
ジェンスパークのような検索から資料作成まで一定に引き受けるオールインワン型のツールは、
途中の泥臭いプロセスを全部隠してくれるんです。
はいはい。
で、いきなり最終的な綺麗なレポートや動く行動を出力してくれますよね。
03:01
ええ、ぱっと見はすごく助かります。
しかし、実務において、人間が本当に知りたいのは最終結果だけではないんです。
前回のバージョンからどこをどう書き換えたのかとか。
ああ、差分ですね。
はい。あとは、この3ページ目のグラフの元データは具体的にどのURLのどの記述から引っ張ってきたのか、
という差分と根拠なんですよ。
なるほど、ジェンスパークに、先週の市場調査レポートを最新のニュースを反映してアップデートしてって頼んだとしますよね。
ええ。
すごく綺麗な新しいレポートが出てきたけど、どこを書いたのって聞いても明確な答えがない。
結局、マネージャーである私は、先週の50ページのレポートと今日の50ページのレポートを並べて、
間違い探しゲームをやらなきゃいけない、という。
まさにその間違い探しです。
AIが途中の思考プロセスや変更履歴のログを捨ててしまって、
綺麗に盛り付けられた最後の一皿からだけを出してくる。
うーん。
だから、人間側の確認コストが跳ね上がってしまうんです。
これでは自動化の意味がありませんよね。
綺麗に盛り付けられた最後の一皿。
なんかそれって、すごく高級なフレンチレスポランで、
見た目は完璧なフルコースを出されたのに、メニュー名も材料の産地もアレルギー情報も一切教えてもらえない状態ですね。
素晴らしい例えです。
美味しいのかもしれないけど、実務という厳しい場で使うには、裏取りができないから怖くて食べられないんですよね。
その通りです。
厨房の中でシェフ、つまりAIが何十回も味見をしてレシピを調整したはずなのに、その記録が一切ない状態ですから。
はい。
だからこそこのレポートでは、AIに詐欺を投げる前に、プロンプトの工夫よりも先に完了条件を厳密に定義しなさいと強く警告しているんです。
でも、ちょっと待ってください。その完了条件って具体的にどういうものですか?
もし私が毎回最終ファイルのIDを記録して、保存場所のパスを明記して、参照したソースのURLを全部リスト化して、前回からの差分をドキュメント化して、みたいなガチガチの指示書を書かなきゃいけないとしたら、それだけで何十分もかかっちゃいますよ。
確かにそうですね。
AIを使って楽をしたいのに、逆に管理の手間が増えて本末転倒じゃないですか。
おっしゃる通り。手作業で毎回その指示を書くのは非現実的です。そこで重要になるのがシステム側での仕組み作りなんですよ。
仕組み作りですか?
ええ。例えば、ジェンスパークなどに指示を出す際、単なる自然言語のお願いではなくて、裏側でこのJSONスキーマの構造に合わせて、必ずソースURLと変更点の差分ログをメタデータとして出力することというシステムプロンプトをかませるんです。
ああ、なるほど。
AIに対して最終成果物と小石ログの2つをセットで出力しない限りタスク完了とみなさないという制約をシステム的にかけてしまうわけですね。
人間がいいちうるさく言うんじゃなくて、仕組みとして証拠のレシートを印刷しないとレジが閉まらないようにしてしまうわけですね。
その通りです。そうやって証拠を出さける仕組みができれば、次に私たちが直面するのは、「じゃあ、AIがその証拠作りの途中で勝手にコケたときはどうするの?」という問題です。
06:10
それすごく気になります。完璧な完了条件を設定しても、突然ファイルが見つかりませんとか、アクセス権がありませんってエラーを吐いて、いきなり沈黙しちゃうことよくありますよね。
ええ。実務では日常茶飯事ですね。
資料ではここで、クロードコードやコーデックスの直近のアップデートに触れていますが、AIが途中で止まってしまう問題に対して、彼らはどうアプローチしているんでしょうか?
ここが実に示唆の飛んでいる部分なんですが、クロードコードの最新リリースノートを見てみると、Windows環境でのバッシュコマンドの失敗を修正とか、セッションの復元機能の強化といった項目が並んでいます。
そして、コーデックスの方では、ローカル環境を診断するコーデックスドクターというツールの強化や、MCP、つまりモデルコンテキストプロトコルによる外部ツール連携のスキーマ保持といったアップデートが行われているんです。
リスナーの中にはエンジニアではない方も多いと思うので、少し噛み砕きたいんですが、そのバッシュコマンドの失敗ってつまりはどういう状態ですか?
AIの頭が悪いから失敗しているわけではないんですよね?
はい。知能の問題ではありません。バッシュコマンドというのは、AIがコンピューターを操作するための手のようなものです。
手ですか?
ええ。AIの頭頭脳は、このタスクを終わらせるためには特定のファイルを移動させなければいけないとわかっているんです。でも、いざ手を動かしてコマンドを打ち込むと、Windowsのセキュリティや権限の問題でアクセスが拒止されましたと弾かれてしまう。
ああ、なるほど。
これがバッシュコマンドですね。
めちゃくちゃ優秀な新入社員が入ってきたのに、会社のパソコンのログインパスワードを教えていなかったり、共有フォルダーへのアクセス権限を付与していなかったりして、仕事が一個も進まない状態ですね。
まさにそれです。
それを、君こんなこともできないの?って怒るのはおもん違いで、単に環境側の設定の問題だということですね。
その通りです。だからこそ、クロードコードは知能を上げること以上に、途中でエラーが起きて止まったとしても、そこまでの状態、つまりセッションを失わずに、完全に復元できることに注力しているんです。
確かに。これまでは1時間かけてコードを書かせて、最後の最後で保存コマンドがエラーになると、コンテクストが全部飛んで最初からやり直しになってましたよね。
ええ。あの絶望感足らないですよね。
画面の前で頭を抱えるあの瞬間ですね。
はい。だから止まってもすぐ再開できる復元機能が必要なんです。さらにコーデックスのコーデックスドクターという診断ツールも面白いですよ。
どんなツールなんですか?
エラーで止まったとき、AIが単に失敗しましたというのではなく、このお医者さんツールが環境変数やファイルパス、メモリの状態を診断して、なぜ転んだのかを特定して人間に報告してくれるんです。
へえ。つまりこれからのAIツールは絶対に失敗しないスーパーマンを目指しているわけではなくて、実務ではどうせ予期せぬエラーで止まるんだから、どこでどのツールのせいでどう転んだのかを正確に記録して、人間がすぐに助け舟を出せるようにする方向に向かっているんですね。
09:17
そうです。MCPのスキーマ保持というのも同じ文脈で、AIがどの外部ツールにどんなパラメータを渡して失敗したかというパンクズリストを詳細に残すための企画なんです。
なるほど。
一発で完璧に終わらせるという期待値を捨てて、止まる前提でその症跡を太くするという設計思想への転換ですね。
いやーすごく腑に落ちました。私たちユーザー側もAIに対する付き合い方を変えないといけないですね。そしてそうやってエラーの症跡までしっかり残せるようになると、AIエージェントはいよいよ単なる便利なチャット相手から、私たちの業務に常駐するインフラへと進化していく。
ええ、まさに。
レポートの後半では、よりスケールの大きな話として、アンチグラビティ、ハーメスエージェント、オープンクローといったツールの動向が分析されていますね。
はい。特にインフラへの移行という点で象徴的なのがアンチグラビティの話題です。
2026年6月18日にジェミニCLIからの移行期限が迫っているという内容なんですが、ここで問われているのが、移行の完了とは何かという定義なんです。
移行の完了。リスナーのあなたも、会社で明日から経費生産のシステムが新しくなりますって言われて、いざ使ってみたら過去のデータが引き継がれてなくて大混乱なんて経験あるんじゃないでしょうか。
よくあるパターンですよね。
AIの移行でも、単に新しいソフトをインストールすれば終わりじゃないですよね。
全く違います。ITインフラにおいて、移行の真の完了条件は、以前の環境と全く同じ業務結果が出せることです。
全く同じ結果ですか。
はい。出力されるファイルのフォーマット、ログの保存場所、エラー発生時のリトライ回数の設定、さらにはAPIのタイムアウトの挙動まで、これらが完全に再現できて初めて移行完了といえます。
なるほど。もしCLIが夜中に自動で走るバッチ処理に組み込まれていて、新しいツールのログ出力の形式が少しでも違えば、人間が気づかないうちにデータ処理が止まってしまう大事故につながりますから。
引っ越し作業のアナロジーがぴったりですね。新しい家に荷物を運び込んで、段ボールを山積みにした状態って、引っ越し業者の作業としては完了かもしれない。でも、私たちの生活はまだ完了してないですよね。
ええ、その通りです。段ボールを開けて、お皿を棚にしまって、Wi-Fiをつないで、前と同じように朝コーヒーを入れて仕事に行けるようになって、初めて引っ越し完了ですもんね。AIも業務フローに完全に馴染んで初めた移行完了なんだ。
その生活の再建までを含める視点、素晴らしいですね。そして、ハーメスエージェントのアップデートを見ると、AIがいかにその生活のインフラになろうとしているかがわかります。
12:04
ブラウザベースの管理パネルの強化や、ネイティブのデスクトップアプリ化、そしてウェブフックの導入が行われています。
リスナーのために少し解説をお願いしたいんですが、そのウェブフックの導入って、実務にどういうインパクトがあるんですか?
これまでは人間がAIに向かって、このデータを分析してと話しかける、いわばチャット相手としてのプル型の使い方でしたよね。
はい。自分が指示を出してから動く感じですね。
しかしウェブフックが使えると、外部システムからの通知を受け取って、AIが自律的に動き出せるんです。
自律的に?
例えば顧客管理システムにクレームが登録されたというイベントを引き金にして、AIエージェントが自動的に過去の類似ケースを検索し、
対応ドラフトを作成して完了したらスラックで人間に通知するといったプッシュ型の自動化が組めるんです。
なるほど。人間が起点になるんじゃなくて、業務システムの中にAIが常駐して、条件を満たしたら裏側で勝手に動き出す。だからインフラなんですね。
その通りです。
でも裏側で勝手に動くとなると、オープンクローのようなオープンソースの基盤はどうなるんでしょうか?自由に組める分管理が大変そうですが。
おっしゃる通りで、オープンクローのように複数のモデルやツールを組み合わせて独自のパイプラインを作れるオープンソース基盤では、自由度が高い反面依存関係が非常に複雑になります。
はい。
AというモデルがBというスクリプトを呼び出して、Cというデータベースを書き換える。もしどこかでエラーが起きたとき、誰が悪いのか、それを追跡するためのログと依存関係のグラフそのものが、システム運用における最大の価値になるんです。
なるほど。ログ自体が価値を持つわけですね。
へー。ここを最初に設計しておかないと、誰も手出しできない恐ろしいブラックボックスが社内に誕生してしまいます。
勝手に動いて勝手に間違ったデータを上書きしていく透明人間が社内にいるようなものですもんね。
へー。本当に怖いです。
ここまで壮大なAIインフラと小石の話をしてきましたが、じゃあ明日からリスナーの私たちは具体的にどうすればいいのか。このレポートすごく親切なことに、最後に明日からの仕事にすぐ役立つAIエージェントの完了小石チェックリストを提示してくれていますよね。
はい。この10項目のリストはインフラエンジニアだけでなく、フランの業務で日常的にAIエージェントを使っている全ての人にとって、今すぐ役立つ非常に実用的なフレームワークですね。
もしリスナーのあなたが今自分のパソコンのデスクトップにある最終バージョン3、本当の最後。docxみたいなファイルを見つめながらため息をついているとしたら、ここからの話は超重要です。
はい。
このリストの中で、明日からすぐプロンプトに組み込めるような特に重要なポイントをいくつか解説してもらえますか?
えーと、まず絶対に取り入れるべきなのは、生成物ごとの保存先が明記されているかということと、何を参照したかという入力ソースが残っているかですね。
はいはい。
AIに何かを作らせた時、最後の返答に必ず出力したファイルの保存先パスと、参考にしたウェブページやドキュメントのURLリストをまとめさせるんです。
15:08
それなら、いつもの指示の最後に、必ず最後にソースURLと保存場所を明記してねって一言書き足すだけで実践できますね。他にはどうでしょう?
実務において最もパラダイムシフトになるのが、未完了項目の明示と次工程への引渡し文ですね。
引渡し文ですか?
ええ。人間はついAIに対して、完璧に全部終わらせろと期待してしまいますが、そうではなくて、どこまで完了して、どこからが人間の仕事なのかをAI自身に言語化させるんです。
ああ、言語化させるんですね。
例えば最後に、リサーチとスライドの下書きまでは完了しました。
ただし、〇〇市場の最新の売上データについてはアクセス権限がなく取得できなかったため、人間が確認して入力する必要がありますといった一文を添えさせるんです。
なるほど。ここはできてませんって正直に申告させるわけですね。これ、心理的にもすごく楽になります。
そうなんですよ。
全部やってくれたはずだって信じ込んで会議の5分前に抜け漏れを発見してパニックになるより、ここは私がやる部分ねって最初から分かっている方が遥かに仕事がスムーズで安全に進みますよね。
まさにその通りです。
AI運用の最大の罠は、AIなら魔法のように全部やってくれると期待してしまうことです。
どんなにAIが進化しても、大事なのは終わったことと終わっていないことの境界線を後から人間が確実に確認できることなんですよ。
炎症石を残し、限界を深刻させ、人間とシステムがバトンを渡すポイントを明確にする。
それが結果的に最も早く確実な業務の自動化につながるんです。
今日は寒涼症石という一見地味だけれど実務においては核となる部分を深掘りしてきました。
AIエージェントの競争軸は、もはやどれだけすごい文章やコードを生成できるから、
いかに確実な寒涼症石を残し、人間とシステムをつなげるかに完全にシフトしているんですね。
はい。ツールベンダーの最新のアップデート情報という点と点をつなぐと、その明確なトレンドが線として浮かび上がってきますね。
リスナーのあなたも、次にAIに何か仕事をお願いするときは、
できたよという威勢のいい言葉だけを信じるのではなく、
どうやってどこまでやったか、そして次に私がやるべきことは何かまでをセットで報告してもらうようにぜひ意識してみてください。
さて、ここで最後に一つ、皆さんに考えてみていただきたい問いがあります。
何でしょう?
もし今後、AIエージェントの基盤がさらに進化して、一切の漏れがない完璧な寒涼症石と完璧な引きまたし文を自動で生成できるようになったとします。
私たちが一切疑う必要のないレベルで、です。
はい。
そうなったとき、私たち人間の仕事は、AIが提示した完璧なログを読んで、
はい、承認しますとボタンを押すだけの単なる反抗仕掛けになってしまうのでしょうか?
18:00
うーん、それは。
それとも、全てが可視化され、泥臭い作業が完全に自動化されたそのインフラの上から、
人間にしかできない全く新しい役割や創造性が生まれるのでしょうか?
うわー、それはすごく背筋が伸べる問いですね。
ベッドの下までピカピカに掃除して、写真付きで完璧な証拠レポートを出してくるAI。
それを承認した後、空いた時間と安心感を使って、私たちは一体どこへ向かうべきなのか。
ぜひリスナーのあなたも、明日の通勤電車の中や、コーヒーを飲みながら、少し手を止めて考えてみてください。
それでは、今夜の深掘りはここまでとさせていただきます。
また次回の探究でお会いしましょう。
お疲れ様でした。
おやすみなさい。