AI開発の遅れ、周辺の仕組みが結果左右

筆者の出発点は個人的な経験だ。非エンジニアとしてAIで作ったサービスが予定より3か月遅れ、なお本来の状態に届かなかった。遅延を単一の原因に決めつけるのではなく、この経験をAnthropicが公表した長期稼働エージェントの報告と照らし合わせている。同報告では、エージェントが中途状態を残したり、実装の一部だけを見て作業完了と宣言したりしたという。

そこから筆者はハーネスを4つの役割に整理する。変更の範囲を限定すること、状態を先へ引き継ぐこと、期待する動作が実際に機能するか確認すること、続行するか、さらに調べるか、誰かに相談するかを決めることだ。ユーザーが最初から4つすべてを設計すべきという話ではない。それは非現実的で、紙上の設計にすぎなくなると筆者は言う。有益な問いは、非エンジニアが用意すべき部分（誰のためのサービスか、どんな動作を期待するか）と、ツールが担える部分（どのログを見るか、どのコードが使われているか、以前の変更がどう引き継がれるか）はどこか、という点にある。

記事は進行中のアプリにもう一つの懸念を加える。次の作業に渡す前に、開発が実際どこまで進んでいるかを誰かが確定しなければならない。エンジニアの知人と作った試作ツール「copid_」は、進行中のアプリを検査してレポートを生成することで、この空白を埋めようとしている。筆者は、観察は報告された実験条件と、非エンジニアの水準でAIと共に行った検証から得たものであり、あらゆるモデルやツールの挙動についての主張ではないと注記している。