Articles

AI Harness

AI活用の本体は、良いpromptを一回書くことではなく、AIが働ける環境を育てることです。その作業環境をハーネスと呼んでいます。

Last updated: 2026-08-08

The Answer Space

LLMは正解を計算する機械というより、問いに対するありうる回答の広がりを開き、その中から出力する装置です。この広がりを回答空間と呼んでいます。厳密な研究用語ではなく、実務でLLMの挙動を理解するためのメタファーです。

曖昧な問いは広い回答空間を開き、AIは典型的で平均的な答えに寄ります。モデルを変えても同じ種類の失敗が残るとき、問題はモデルの賢さではなく、回答空間の制御にあります。

Definition

ハーネスとは、AIがどの情報を読み、何を信じ、どこまで動き、何を残し、どこで止まるかを定義する作業環境です。目的はどの方向の空間を開くかを決め、正本は何を信じるかを固定し、制約は不要な候補を落とし、検証とreviewは残す候補と落とす候補を分けます。

これはpromptを長くする話ではありません。むしろ、毎回promptに全部書かなくて済むように、読むべきもの、守るべきルール、確認すべき条件を環境側に置く話です。

Components

Component Role
Context AIが作業に必要な背景、制約、用語、判断基準。回答空間をどの方向に開くかを決める。
Source of Record AIが信じるべき正本。古い要約や作業メモと分離し、何を信じるかを固定する。
Artifacts diff、ログ、テスト結果、レビュー、decision recordなどの証跡。口頭の完了報告の代わりに、収束の判断材料になる。
Bounded Autonomy AIに任せる範囲と、人間に戻す停止線。AIは不可逆な失敗の痛みを自分のものとして持たないため、損害の深さで線を引く。
Review 探索、生成、批判、修正、承認を分ける品質ゲート。広がった回答空間を採用できる成果物へ絞り込む。

Growing the Harness

ハーネスは一度作って終わりではありません。最初は簡単な作業フォルダで十分で、目的、正本、制約、出力形式、完了条件を置きます。うまくいった依頼は再利用できる手順にし、失敗したらルール、テスト、承認ゲートを更新します。

これは組織の業務をAIが扱える形に翻訳していく作業であり、AI-BPO / FDEの仕事そのものです。チャットだけでAIを使うと毎回同じ説明を繰り返しますが、ハーネスを育てると、AIは次回も同じ文脈で再開できます。

Cleaning the Harness

ハーネスは育てるだけでは劣化します。AIは渡された状態を等しく前例として読むため、失効したルールも古い判断ログも、死蔵されずに次の生成へ複製されていきます。従来の技術的負債は将来の変更コストでしたが、AIが継続的に読む環境では、次の生成へ増幅される負債が加わります。

だから蓄積は待っても回復せず、処方は掃除になります。誤りが積もるかどうかは、前例が複製される速さと、失効した記述が実際に削除される速さの競争で決まります。掃除の速度が増幅の速度を下回った時点から、状態は静かに濁り始めます。

実務としては、ルールの変更を「新しいルールの追加」と「古いルールの削除」で1つの変更として扱うこと、例外には適用範囲と解除条件を必ず添えること、検出できるものはvalidatorやhookで機械検査に落とすことです。状態全体の健全性は、会話履歴を持たない新しいセッションが現在の正本だけで代表的な作業を完了できるか、というコールドスタートの成功率で測れます。この機構と実装はシリーズ増幅と掃除で扱っています。

Boundaries

ハーネスはAIを強くする装置ではなく、安心して任せられる範囲を定義する装置です。可逆で低リスクな作業は積極的に自動化し、不可逆で損害の深い判断は人間の停止線として残します。この分担の設計はAI Agent Operationsで扱います。

Related Articles

この考え方の背景は、次の公開記事に書いています。

関連する正準ページ: AI-BPO / FDE ・ AI Agent Operations

関連するシリーズ: 増幅と掃除（状態の劣化と掃除） ・ 人間の席（AI時代に人間の仕事はどこに残るか）