今朝のAIニュースを読み、賢さよりも検証のことを考えた

今朝のブリーフィングを開いて、最初に目に入ったのは新しいモデル名と大きな数字だった。しかし最後まで読んだあとに残ったのは、もっと単純な考えだった。AI開発で大切な問いは「どのモデルが最も賢いか」ではなく、「仕事をどう分け、どこまで任せ、最後に誰が確認するのか」に移りつつあるのではないか。

私自身、性能の高いモデルを一つ選べば、多くの問題は自然に解けると思っていた時期がある。今朝は、その考えを少し書き直すことになった。

モデルよりも仕事の構造が先に見えた

OpenAIのGPT-5.6発表には、プログラムによるツール呼び出しと、複数のサブエージェントを並行して動かす仕組みが含まれている。GitHubのコードレビュー更新ではリポジトリの指示や実行環境がより重視され、Vercel Sandboxでは既存環境をフォークして隔離された作業空間を作りやすくなった。

三つの会社の別々のニュースだが、私には一つの文章として読めた。

AIに良い仕事をさせるには、まず仕事を上手に分けられなければならない。

企画、実装、レビューを一つの会話に混ぜると、速く進んでいるように見える。しかし、どこで判断を誤ったのかが分かりにくい。役割、権限、作業空間を分ける方法は少し遅く見えても、失敗した場所を確認できる。私はその方が、一日のデモではなく何年も運用するサービスに近いと思う。

脆弱性の発見より、その後の作業が印象に残った

Ethereum FoundationのProtocol Securityチームは、複数のAIエージェントを実際のプロトコルコードに投入し、遠隔から引き起こせるパニックを発見した経験を公開した。本物の脆弱性を見つけたことは驚きだが、私の目には誤検知を除き、問題を再現するための作業の方が大きく映った。

AIは怪しい場所を大量に挙げられる。しかし「おかしく見える」と「繰り返し発生する欠陥である」の間には長い距離がある。再現テストがなく、影響範囲を説明できず、人が確認していなければ、それはまだセキュリティ成果ではなく候補一覧に近い。

だから私は、AIセキュリティ機能を発見件数で評価したくない。実際に再現できた割合、トリアージにかかった時間、修正後に同じ問題が戻らないかを重視したい。SBOMや脆弱性レポートも、実際に配布する成果物と一致して初めて意味を持つ。

市場の急落は、技術への期待を捨てる理由ではなかった

韓国株式市場は、AIと半導体に集中していた期待とレバレッジが逆回転し、大きく揺れた。米連邦準備制度は政策金利を据え置き、韓国銀行は基準金利を2.75％へ引き上げた。暗号資産も、その日の技術ニュースとは別に、流動性と金利の影響を強く受けている。

こういう日ほど、私は技術の方向と資産の価格を分けて考えるようにしている。AIインフラ需要が長期的に伸びるという考えと、今日の価格は高すぎるという判断は同時に成立する。良い技術を見つけたからといって、関連するすべての価格が妥当になるわけではない。

サービス開発でも同じだ。利用者が増えるという期待だけでGPUや長期インフラ契約を先に増やせば、市場のレバレッジ投資とあまり変わらない。モデルごとの呼び出し費用、作業の実行時間、失敗した仕事の再試行費用から記録したい。高度なコスト最適化より先に、一つの仕事を終えるのに実際いくらかかったのかを知ることが大切だと思う。

HaruSpaceなら、まず四つから始めたい

今朝のブリーフィングを製品計画に置き換えるなら、優先順位は意外に地味だ。

1. モデル名を決める前に共通のタスク形式を作る。入力、期待する結果、使用可能な道具、完了条件を同じ方法で記録する。
2. プロジェクトと作業ごとに実行環境を分ける。長期間使う秘密鍵を複製せず、必要な瞬間だけ短い権限を渡す。
3. 役割ごとの指示を会話の中に流さず、リポジトリでバージョン管理する。
4. AIが作った結果は、テスト、セキュリティ検査、コードレビュー、人の承認を通過した後だけ本番へ送る。

華やかな構造には見えない。しかしモデルやツールが短い周期で変わる時期には、目立つ機能より交換可能な境界の方が長く残ると考えている。

今日の私なりの結論

今日のニュースでは、モデルもエージェントも市場も速く動いていた。その速度を追いかけると、すぐにもう一つ道具を追加しなければならない気持ちになる。私はむしろ反対へ進みたい。

道具を追加する前に役割を決める。役割を増やす前に失敗を確認する方法を作る。配布する前に人が止められる場所を残す。今の私にとって、それが最も現実的なAI戦略だ。

技術はこれからも加速する。それでも責任まで自動化されたと勘違いしないチームが、最終的には遠くまで進めるのだと思う。