著者:Take's公開:更新:

AIエージェントの「ハーネス」とは何か ― 認識のズレを減らす設計と、実際の運用例

要約

  • AIに仕事を任せると速く形にはなるが、指示していない部分をAIが「無難な判断」で埋めるため、意図とのズレが積み重なる。
  • そのズレを抑えるのが、ツール・実行環境・状態管理・検証・権限制御を含む実行基盤の設計=「ハーネス」であり、モデル性能とは別に設計・運用する対象である。
  • 本記事では、運営者が実際に回している複数AIモデルの分業運用を例に、ハーネスを構成する4つの部品(役割分担、引き継ぎの固定形式、検証、承認と枠の管理)を紹介する。

ズレは「AIが決めていない部分を埋める」ことから生まれる

AIに作業を任せると、骨格は速く出来上がります。しかし細部を見ると「頼んだものと少し違う」が積み重なっていることが多い。原因の多くは能力不足ではありません。人間が指定しなかった箇所を、AIが妥当そうな選択で埋めていることです。

たとえば「会員システムを作って」とだけ頼めば、月額制か買い切りかはAIが決めます。その判断が頼んだ側の前提と一致する保証はありません。小さな作業なら1〜2か所で済みますが、工程が長くなるほど未指定の判断は増え、最後には「なんとなく違う成果物」になります。

このズレへの対策として使われる考え方が「ハーネス」です。本記事では、ハーネスを「モデルそのものではなく、モデルが働く実行基盤全体の設計」と定義します。複数モデルの統括はその一部にすぎません。どのツールを使わせるか、どの実行環境で動かすか、状態や記録をどう持たせるか(状態管理)、成果物をどう確かめるか(検証)、どこまでの操作を許可するか(権限制御)、依頼の出し方や引き継ぎの形式まで——これらを場当たりではなく仕組みとして用意しておくことです。

以下は概念論ではなく、運営者がこのサイトや関連プロジェクトで実際に運用している分業体制を、そのまま実例として分解したものです。

実例:複数AIモデルの分業体制

運営者は、1つのAIに全部を任せるのではなく、役割ごとにモデルを分けています。2026年10月29日に設計し、同30日から運用している分担は次のとおりです。

担当役割
運営者(人間)方針・予算・公開やマージの承認・優先順位の最終決定
Muse司令塔。状況把握、優先順位付け、障害判断、成果物の検証
Gemini調査と一次処理。長尺動画・大量資料の読解、文字起こしの構造化
Claude執筆と品質確認。記事の推敲、素材の点検、仕様レビュー
ChatGPT企画・設計と独立レビュー。別系統からの評価役
CodexGitHub上の実装。Issue対応、PR作成、日常の修正
Claude Code設計を伴う変更や難解な不具合など、難しいローカル改修

運営者の環境で採用しているルールの1つが、生成と検証を同じ系統にやらせないことです。作った本人(モデル)が自分で「問題なし」と言うだけでは検証になりにくいため、レビューは別モデルが担います。また、司令塔は判断と検証に絞り、大量処理や実装は担当モデルへ寄せています。これは後述する「枠(利用上限)の管理」とも直結します。ただし、これはあくまで自分の環境での採用ルールです。小さな修正では同じモデルに自己確認させる方が速い場面もあり、別モデルにも固有の見落としはあります。「分ければ安全」ではなく、検証の系統を分けることで見落としの種類をずらす、という位置づけです。

ハーネスの部品1:引き継ぎは固定形式にする

分業で最初に崩れるのは引き継ぎです。自由文で頼むと、前提の抜けや解釈の違いが成果物のズレに直結します。そこで、依頼は固定項目で渡すことにしています。

ブリーフ(依頼文)に必ず含める項目は、目的/対象の識別子/前提と入力(出典URL必須)/作業範囲とスコープ外/使用モデルと思考量の指定/検証できる形の完了条件/報告形式、の7つです。実装の依頼ならベースブランチと実行すべきテスト、調査の依頼なら未確認の固有名詞を確定させず「未確認」と明記する扱い、といった種別ごとの追加項目もあります。

作業単位の引き継ぎには「依頼票」というYAML形式の票も使います。目的、入力、担当、検証者(担当とは別のモデル)、成果物の保存先、完了条件、承認が必要な操作の有無、禁止事項、状態(未着手/実行中/検証待ち/承認待ち/完了/失敗/未確認)を1枚にまとめ、台帳ファイルに追記して受け渡します。完了条件は票を作る時点で固定し、後から変えないのがルールです。

ハーネスの部品2:完了報告は鵜呑みにせず、成果物を開いて確かめる

次に効いたのが検証の固定化です。担当モデルからの「完了しました」という報告は、そのままでは信用しません。成果物そのものを開き、チェックリストで照合します。

  • 件数・数値:依頼で指定した数と、成果物の実数が一致するか
  • 識別子:タイトル・URL・IDに転記ミスがないか
  • 変わりやすい状態:公開状態や審査状態は記録を信用せず、その場で一次情報(公開ページや管理画面)を確認したか
  • テスト:報告の「合格」を鵜呑みにせず、主要なチェックは再実行するかログで裏を取ったか
  • スコープ:指定外の変更が混ざっていないか

この仕組みを入れたきっかけは、実際に起きた引き継ぎの失敗です。記事の本数を数え違えたブリーフを渡してしまったこと、公開済みの記事を下書きと記録していたこと、確認を経ないままマージされたことがあったこと——いずれもモデルの性能の問題ではなく、形式と検証を固定していれば防げる種類の失敗でした。その1つを、因果が分かる形で書いておきます。

実例:公開済みの記事を「下書き」と記録していた

2026年11月、note記事の整理で起きた例です。

  • 何を依頼したか:下書きのまま残っている記事が3本あると記録されていたため、その削除を進める段取りでした。運営者からも了承が出ていましたが、その前提はあくまで「下書きであること」でした。
  • 何が失敗したか:記録のほうが実態とずれていました。対象の3本はいずれも2026年10月に公開済みで、下書きは1本もありませんでした。記録を信じていれば、公開中の記事を削除するところでした。モデルの判断ミスではなく、「状態の記録が更新されないまま残っていた」ことが失敗の本体です。
  • どの検証で発見したか:削除という取り返しのつかない操作の前に、対象記事の公開状態をその場で直接確認して判明しました。記録と実態が食い違うため、削除は行いませんでした。
  • どう仕組みを変えたか:2つ変えました。1つは、「変わりやすい状態」(公開状態や審査状態)は記録を信用せず、その場で一次情報(公開ページや管理画面)を確認することを、検証チェックリストの固定項目にしたことです。もう1つは、前提が崩れた場合(下書きのはずが公開済みだった等)は、元の指示をそのまま実行せず、前提が変わったことを示して改めて確認を取ることにしたことです。同じ型のずれはその後も繰り返し見つかっており、この確認は今も例外なく入れています。

ハーネスの部品3:利用枠を台帳で管理し、モデルの使い分けを決める

複数の有料プランを併用すると、各サービスの利用上限がそのまま運用の制約になります。残量を自動で横断取得する公式手段はないため、台帳ファイル(quota.yaml)で実測を記録しています。プールごとに状態を3段階(70%未満=通常、70〜85%=節約、85%以上=停止目安)で管理し、赤くなったプールの担当は代替モデルへ回します。

モデルの使い分けについて、運営者の環境で採用している既定は「完了条件を満たす最も軽いモデル+低〜中程度の思考量」で、失敗したときだけ一段上げる、というものです。ただし上げる前に、まず入力や前提、権限が足りているかを確認します。情報不足はモデルを強くしても解けません。最上位モデルは、判断を誤ると後戻りが高くつく場面に限る運用で、目安は全タスクの約5%です。限界も明記しておきます。これはコストと利用枠の制約が強い個人運用での既定であり、常に最適とは限りません。軽いモデルで失敗と手戻りを繰り返せば総コストはかえって増えますし、最初から高い判断力が要る作業では一段ずつの昇格自体が遠回りです。

この台帳が実際に役に立ったのが2026年11月16日です。司令塔役の週間枠が90%に達して「停止目安」に入ったため、その日のうちに「司令塔が使えなくなった場合の代替スキーム」を他の4モデル全員に相談し、役割の再配分と引き継ぎ台帳の整備を先に進めました。枠切れを「起きてから慌てる事故」ではなく「台帳が知らせる予定されたイベント」に変えるのが、この部品の役割です。

ハーネスの部品4:承認ゲートと、引き継ぎの自動化

最後に、止めるべき操作の線引きです。読み取りと調査は各担当が自由に行い、下書きやPR作成などのローカルな成果物も担当側で進めてよい。一方で、マージ、公開、デプロイ、課金、各種申請といった外向きの確定操作は、人間の明示承認が必須です。承認はチャットの文章ではなく、タップして承認できるカード形式で求めることにしています。「進めて」の一言で確定操作が走らないための、意図的な摩擦です。

引き継ぎ自体の自動化も進めています。実装担当のCodexへは、SSH経由で定型の実行コマンド(codex exec)にブリーフを渡し、結果はファイルで受け取る形にしました。手作業のコピー&ペーストをなくすと、転記ミスと「渡し忘れ」が消えます。ただし自動化したのは運搬だけで、検証と承認は前述のとおり人間と司令塔が担い続けます。

まとめ:ハーネスは「設計して、記録して、確かめる」仕組み

本記事の実例をまとめると、ハーネスは次の4点の組み合わせでした。

  1. 役割分担:生成と検証を分け、司令塔は判断に絞る
  2. 引き継ぎの固定形式:前提・完了条件・出典を欠かさない
  3. 検証の固定化:報告ではなく成果物そのものを確かめる
  4. 承認と枠の管理:確定操作は人間の承認必須、利用上限は台帳で先回りする

正直な限界も書いておきます。台帳は実測の記録であって、リアルタイムの残量表示ではありません。固定形式にしても、最初の設計が実態とずれていれば手戻りは起きます。それでも、「ズレたら都度叱る」運用から「ズレにくい形を先に作る」運用へ移すことで、任せられる作業の範囲は広がりました。統括の仕組みであるハーネスの重要性は下がらない、というのがこの体制を回し始めて約3週間の実感です。