AI エージェント（自分で判断して作業するAI）の実装では、モデル自体よりも、それを囲む8層の技術スタックが成否を左右する。

何が起きたか

Claude Fable 5というAIモデルが、SQL実行やデータベースへの直接操作など複雑なタスクを自動で実行できることが示された。しかし、誰がそのアクション（例：払い戻し）を実行できるか、監査ログをどう記録するかといった制御は、モデル単体では対応できず、デプロイ環境（Retoolなどのランタイム）が提供する必要があることが明らかになった。

なぜ重要か

同じモデルを異なる環境に配置するだけで、まったく異なる製品になる。つまり、AI事業の成功はモデルの性能だけでなく、トークン配信、コンテキスト管理、エージェントループ制御、検索・メモリ管理、学習・適応、評価・監視、安全性といった8層の周辺技術に左右される、ということを示している。

注目点

記事は、モデルを取り巻く8つの技術層（モデル基礎、推論・配信、コンテキスト工学、エージェント・制御、検索・メモリ、学習・適応、評価・可視性、安全性・信頼性）を詳細に図解し、各層の具体的な実装トレード・オフを説明している。