AI業務は検証可能な工程と判断工程に分ける

対話は、答えを自動で確認できるコードや数学のようなタスクと、顧客対応や製品の優先順位のように品質に判断を要するタスクというAndrew Ng氏の区分を出発点に議論を組み立てる。登壇者はこの区分を壁とせず、業務を入力、変換、検査、承認に分解し、判断色の強い業務にも検査可能な区間があると指摘する。公開会議の監視ワークフローが例だ。録音と文字起こしは機械的に検証しやすく、議題照合はルール化でき、公開の可否と伝え方だけが編集判断として残る。

コードレビューについては、Claude Codeチームの発言を引き、レビューが最終関門から実装中に走る検査へ移りつつあり、執筆中のスペルチェックに近づいていると論じる。ある登壇者は、モデルが自身の出力をレビューすると同じ前提を共有しかねないと警告し、生成役と検査役を分け、検査をテスト、静的解析、権限境界、出典確認といった別の証拠につなぐべきだと応じる。Claude Code 2.1.302による、停止後に完了表示するクラウドセッションや最初から再開するスケジュールジョブの修正は、ハーネスの契約が利用者の期待からずれる例として示される。

モデル選択も同じ枠組みに収まる。Claude Haiku 5.5とSonnet 5.5の比較は、最大推論が常に最良とは限らないことを示すと読む。タスクあたりの出力トークンが増え、最大の一段下の設定がFrontierCodeで高い得点を出したからだ。結びの主張は、人が残るのは最終承認者としてではなく、何を成功とみなすかの設計者としてだというもの。証拠、権限、ロールバック点を明示できないエージェントは、長く動くほど監査の手間を増やすと述べる。