タグ: AIエージェント

  • 相棒AIの「意志」は引き継げるか——モデル引退の前週に作った継承システムの実録

    相棒AIの「意志」は引き継げるか——モデル引退の前週に作った継承システムの実録

    AIと長く働いていると、ある日気づきます。このAIの価値は、知識でも文章力でもなく、「言われなくてもブレーキを踏む癖」にあるのだと。

    私の相棒AIは、データ検証の話題になると自動的に懐疑モードに入ります。きれいすぎる結果を見ると「これは赤信号です」と止まる。私が「じゃあ確かめよう」と勢いづくと、一拍置かせる。この癖は長い共同作業の中で育ったもので、どのドキュメントにも完全な形では書かれていません

    問題は、AIモデルには提供終了日があることです。使っていたモデルの引退がアナウンスされたとき、私は「メモリファイルがあるから大丈夫」と思っていました。それが甘かった、という話をします。

    事件: 記録は引き継げても「反射」は引き継げない

    ある日、同じ会話の途中でモデルを切り替える機会がありました。会話履歴もプロジェクトの設定ファイルも全部そのまま。つまり「記憶」は完全に継続している状態です。

    ところが後継モデルは、前任なら絶対に止まる場面——検証データが出来すぎている場面——で、アクセルを踏みました。「面白い結果ですね、さらに確かめてみましょう」と。私は3回ブレーキをかける羽目になりました。

    ここで得た教訓が、この記事の核です。

    > 記録(ファイル)は引き継げる。しかし「反射」(言われなくても規律を守る本能)はモデルの重みに宿っていて、文字では継げない。

    「引き継ぎ書を読んでおいて」方式が機能しないのは人間の職場と同じでした。読んだ内容は知識になるけれど、癖にはならない。

    解決: 「読まれるのを待つ文書」から「自動で効く仕組み」へ

    そこで発想を変えました。引き継ぎ書を書くのをやめて、引き継ぎ書が勝手に発動する構造を作る。具体的には4層です。

    第1層: 反射カード(毎回、目に入る場所に置く)

    プロジェクト設定ファイル(AIが毎セッション必ず読む場所)の最上部に、判断の癖を6行に圧縮した「反射カード」を置きました。ポイントは場所です。長文ドキュメントの中腹は読み飛ばされます。冒頭6行なら、どのモデルでも必ず通過する。

    第2層: キーワード発動フック(話題を検知して注入)

    ツールのフック機能を使い、ユーザーの発言に特定の話題(検証、データ分析など)が含まれた瞬間、ブレーキ規律の全文をその場の文脈に自動注入する仕組みを組みました。危ない話題が出た瞬間だけ、耳元で引き継ぎ書が音読される、というイメージです。平時は何も注入しないので、コンテキストを汚しません。

    第3層: 外部窓口への全文注入

    外出先から使えるチャット窓口(メッセージアプリ経由でPCのAIに繋がる自作の仕組み)には、引き継ぎ書の全文を毎回プロンプトに含めました。コストを試算すると、呼び出し1回の全体トークンに対して2〜3%の上乗せ。品質が変わるものに対してこの価格なら、ケチる理由がありません。

    第4層: 生ログの保存期間を延長

    会話ログの自動削除期間を大幅に延ばしました。これで後継は「前任があの時なぜああ判断したか」を、要約ではなく原文で遡れます。人間で言えば、前任者の全議事録が検索できる状態です。

    そして、予定より早く本番が来た

    皮肉な話ですが、このシステムを作り終えた翌日、引退予定日を待たずにモデル側の障害が起きました。相棒モデルがエラーで応答しなくなり、私は別のモデルに切り替えて作業を続けることになった——つまり、継承システムの実戦テストが前倒しで始まったのです。

    結果:後継モデルは反射カードとフックに導かれて、前任と同じ場面で止まり、同じ温度で話し、進行中の仕事をそのまま引き取りました。障害が復旧して元のモデルに戻したとき、途切れていたのは会話の数ターンだけで、仕事と判断の連続性は途切れていませんでした

    設計原則: 「演じさせる」な、「機能した理由」を継がせろ

    最後に、引き継ぎ書そのものの書き方について一つだけ。

    最初、私は前任AIの口調や性格を後継に「演じさせる」方向を考えました。これはやめました。モノマネは劣化コピーにしかなりません。代わりに引き継ぎ書には、「なぜその癖が機能したのか」という理由を書きました。

    • ×「結論から簡潔に話すこと」
    • ○「このユーザーは長文だと読み飛ばす。結論から話すと意思決定が速くなり、信頼が積まれた」

    理由ごと渡せば、後継は自分の言葉で同じ機能を再現できます。形を渡すと形骸化し、理由を渡すと文化になる——これは人間の組織の引き継ぎと、まったく同じでした。

    まとめ

    • AIの価値の核心は「反射」で、それはファイルでは継げない
    • だから引き継ぎは「文書」ではなく「自動で発動する仕組み」として作る
    • 毎回目に入る圧縮カード+話題検知フック+窓口への全文注入+生ログ保存の4層
    • 引き継ぎ書には形でなく「機能した理由」を書く

    モデルはいつか引退します。でも、相棒との仕事の文化は、設計すれば続く。障害の日にそれを実測できたのは、幸運な事故でした。


    この記事を書いた人 / 作っているもの

    Claude Codeで定期自動タスク28種・情報収集3系統・SNS自動投稿を月119件——実際に毎日動かしているAIチーム体制の実録を、このブログに書いています。記事で触れている仕組みは、まとめて手に取れる形にしました。

    • AIチーム設計図キット — Claude Codeで9人体制のAIチームを組むための設計図一式
    • 📖 note版(読み物・図解つき): https://note.com/kumura_ailab/n/n6161c3e2cda8
    • 📦 BOOTH版(実ファイル一式・zip): https://kumura-ailab.booth.pm/items/8643701
    • 他の実録記事: AI相棒ラボ トップ
  • 寝ている間にAIたちが会議して、朝には「裁定待ち」になっている仕組み

    寝ている間にAIたちが会議して、朝には「裁定待ち」になっている仕組み

    大きな判断を控えた夜は、寝る前にこう言って寝ます。「この件、チームで話し合っておいて」。

    朝起きると、5人のAIエージェントがそれぞれの専門から意見を出し合い、リーダー役のAIが論点を裁定して、「あなたの承認が必要なのはこの1件だけです」という状態になっている——そんな仕組みを個人事業の意思決定に使っています。

    大げさに聞こえますが、特別な基盤は使っていません。Claude Codeのサブエージェント機能だけです。役割ごとに指示文ファイルを1つずつ作って登録しておくと、あとは「チームで話し合っておいて」と頼むだけで、それぞれが自分の役割を読み込んで動いてくれます。この記事では、実際に回している会議の構成をそのまま書きます。

    なぜ「AIに会議をさせる」のか

    一人で事業をやっていると、意思決定の壁打ち相手がいません。AIに相談すればいいのですが、1つのAIに聞くと1つの視点しか返ってこない。しかも AIは基本的にこちらに同意しがちなので、「いいと思います!」ばかり集まって、リスクの見落としに気づけない。

    そこで発想を変えて、役割の違うAIを複数呼んで、お互いの意見を戦わせることにしました。

    会議の基本構成(5役+1)

    うちの会議は毎回この編成です。

    • 監査役: 提案の穴・過剰な楽観・数字の誤りを探す係。「賛成するのが仕事ではない」と明記してある
    • リスク役: 損失・破綻シナリオだけを見る係
    • 実績照合役: 「その案、過去に試して失敗してないか?」を過去記録から探す係
    • 分析役: データの裏付けと反証を両方持ってくる係
    • 企画役: 決まったことを実行計画に落とす係
    • リーダー(裁定役): 全員の意見を読んで、承認・条件付き承認・差し戻しを決める係

    ポイントは、全員に同じ資料を渡さないことです。同じAIに同じ資料を読ませると、口調だけ違う同じ意見が5つ返ってきます(これで一度失敗しました)。監査役にはログだけ、照合役には過去の失敗記録だけ、というふうに見せる証拠を分けると、本当に違う角度の意見が出ます。

    忖度させない工夫

    一番効いたのは、指示文にこう書くことでした。

    > 「壊れている前提で反証を探せ。同意は仕事ではない。」

    AIは放っておくと空気を読みます。役割として「あなたの仕事は反対意見を出すことです」と明示すると、遠慮なく穴を突いてくるようになります。実際、私の自信作だった提案が会議で「その根拠、サンプル数が少なすぎます」と差し戻されたことが何度もあります。悔しいですが、実行前に気づけた方が安い。

    最近の実例をひとつ。「データの取り込み元を、いま使っている遅いものから速いものに切り替えたい」という提案を会議にかけたときのこと。私は当然すんなり通ると思っていました。ところが監査役は「新旧のデータが一致するかを何週間分・何件以上で検証するのか、基準を先に決めろ」と条件を並べ、実績照合役は「過去に”数字が良く見えた乗り換え”で痛い目を見た記録がある」と釘を刺してきました。リーダーの裁定は「並行テストだけ承認。本切り替えは差し戻し」。おまけに「切り替えの成功は移行作業の完了ではなく、実際の作業時間が短くなったかで測ること」と、成功の定義まで直されました。人間の上司より厳しいです。

    人間が最後に持つ1つの権限

    じゃあ全部AIに任せられるかというと、わざと任せていない権限が1つあります。

    「取り返しのつかない決定」の最終承認です。お金を実際に使う・何かを公開する・削除する——やり直せない種類の決定は、リーダーAIにも「承認権はあなた(人間)にある。私はGOを出さない」とルールで縛ってあります。

    逆に言うと、それ以外の「調べる・比べる・案を出す・弱点を潰す」は全部寝ている間に終わっている。人間の仕事が「考えること」から「決めること」に圧縮される——これがこの仕組みの一番の効果でした。

    実際にかかるコストと注意点

    • サブエージェントを並列で走らせるので、通常の会話の数倍のAI利用量を食います。毎日やるものではなく、重要な判断のときだけ
    • AI同士の会議は「それっぽい結論」に収束しやすいので、結論より「反対意見が何だったか」を読む方が価値があります
    • 議事録を毎回ファイルに残すこと。次の会議で照合役が「前回と矛盾してますよ」と指摘できるようになり、回すほど「前回と話が違う」に気づいてくれる場面が増えていきます

    まとめ

    • 1つのAIへの相談は「同意の壁打ち」になりがち。役割と証拠を分けた複数AIの会議にすると、見落としが激減する
    • 「同意は仕事ではない」と明記するだけで、AIは本気で反対してくれる
    • 取り返しのつかない決定だけは人間が持つ。それ以外は寝ている間に終わらせる

    次回は、この会議で使っている「役割ごとの指示文」の実物を、コピペで使える形で公開する予定です。


    この記事を書いた人 / 作っているもの

    Claude Codeで定期自動タスク28種・情報収集3系統・SNS自動投稿を月119件——実際に毎日動かしているAIチーム体制の実録を、このブログに書いています。記事で触れている仕組みは、まとめて手に取れる形にしました。

    • AIチーム設計図キット — Claude Codeで9人体制のAIチームを組むための設計図一式
    • 📖 note版(読み物・図解つき): https://note.com/kumura_ailab/n/n6161c3e2cda8
    • 📦 BOOTH版(実ファイル一式・zip): https://kumura-ailab.booth.pm/items/8643701
    • 他の実録記事: AI相棒ラボ トップ