メインコンテンツへスキップ
見出し画像

テストは踊る、ハーネスの上で。── Devin Fusion批評:ハーネスの時代、その次へ

    Cognitionが発表した「Devin Fusion」は、多くの人がAIエージェントの未来として思い描いていた姿を一歩現実へ近づけた。

    高性能モデルを一人の「リーダー」とし、安価なモデルを「サイドキック」として並列に働かせる。機械的な作業は低コストモデルへ委譲し、重要な判断だけを高性能モデルが担う。さらに、作業の途中でも適切なモデルへ切り替える。

    この発想自体は極めて合理的である。

    実際、人間の組織も同じように動いている。設計者が全てのコードを書くのではない。設計判断を行い、実装はチームへ委譲する。Devin Fusionは、その構造をAI内部へ持ち込んだと言える。

    しかし、私はCognitionの発表には一つ、大きな違和感を覚えた。

    それは、「従来のモデルルーティングはクソ(traditional model routing sucks)」という挑発的な表現である。

    確かに、単純なモデルルーティングには限界がある。

    最初のプロンプトだけを見て、「この仕事は高性能モデル」「これは安価なモデル」と分類するだけでは、実際のソフトウェア開発は扱えない。

    途中で難しい設計問題が現れることもあれば、逆に難しそうに見えて実際は単純な置換処理だけで済むこともある。

    その意味で、Devin Fusionが提示した動的ハーネスは一歩前進である。

    しかし、それは「モデルルーティングが間違っていた」のではない。

    単に、「より良いハーネス」が登場しただけだ。

    にもかかわらず、「従来は間違っていた」と語るのは、技術的な説明というよりマーケティングのレトリックに近い。

    さらに気になるのは、評価指標である。

    Cognitionは、

    「35%のコスト削減」

    「社内PRの88%がDevin Fusionで処理された」

    という数字を前面に出している。

    もちろん、それは立派な成果だ。

    しかし、本当に知りたいのはそこではない。

    レビュー工数は減ったのか。

    設計品質は向上したのか。

    保守性は改善したのか。

    要求仕様の意味は保存されたのか。

    ユーザー体験は守られたのか。

    数字だけでは、その答えは分からない。

    ここに、現在のAI業界全体が抱える問題がある。

    私たちは「生成できたか」を測ることには長けている。

    しかし、「意味が保存されたか」を測る方法をまだ持っていない。

    これはソフトウェア開発だけの問題ではない。

    文章でも、設計でも、経営でも同じである。

    AIが生成した成果物は、一見すると正しく見える。

    しかし、その途中で、本来守るべき意図が少しずつ変質していることがある。

    テストでは通る。

    レビューでも気付かない。

    それでも、何かが失われている。

    現在のAIハーネスは、その「失われたもの」を検知できない。

    だから私は、Devin Fusionは「ハーネスの時代」の始まりではあるが、「意味の時代」にはまだ到達していないと考える。

    本当に必要なのは、

    「どのモデルへ振り分けるか」

    ではない。

    「この作業は何を保存しなければならないのか」

    を理解することである。

    実装なのか。

    判断なのか。

    価値観なのか。

    設計思想なのか。

    責任なのか。

    それらを区別できない限り、どれほど賢いハーネスを作っても、「速く」「安く」作れるだけで、「正しく継承する」ことはできない。

    Chronicle Theoryでは、知識とは情報の集積ではなく、判断の連続性である。

    重要なのは、「何を作ったか」ではない。

    「なぜそう判断したのか」である。

    だから、未来のAIハーネスに必要なのは、モデルルーティングではない。

    Chronicle Routingである。

    つまり、

    この変更はどのIntentから生まれたのか。

    どのDecisionに基づくのか。

    どのEvidenceによって支えられているのか。

    どのConstraintを守らなければならないのか。

    そして、この変更は元の意味を保存したのか。

    そこまで追跡して初めて、人間はAIへ安心して仕事を委譲できる。

    ハーネスの時代は確かに始まった。

    しかし、その次に来るのは、「意味を扱うハーネス」の時代である。

    テストは踊る。

    ハーネスの上で。

    だが、意味は踊らない。

    意味は、クロニクルの中で継承される。

    参考文献

    日本語文献

    1. ITmedia AI+「Cognition、『従来のモデルルーティングはクソ』 複数LLMを動的切り替えする『Devin Fusion』を発表」2026年6月30日。
      https://www.itmedia.co.jp/aiplus/article/2606/30/2000000140/

    英語文献・公式発表

    1. Cognition. “Devin Fusion.” 2026.
      https://cognition.com/blog/devin-fusion
      ※Devin Fusionの構成、動的ルーティング、コスト削減、社内利用実績に関する一次情報。

    2. Anthropic. “Claude Code Documentation.”
      https://docs.anthropic.com/en/docs/claude-code
      ※コーディングエージェントの実行環境、ツール利用、作業委任の比較対象。

    3. OpenAI. “OpenAI Agents SDK.”
      https://openai.github.io/openai-agents-python/
      ※エージェント、ハンドオフ、ガードレール、トレーシング、人間参加型ワークフローの公式ドキュメント。

    4. Surapaneni, Rao, Miku Jha, Michael Vakoc, and Todd Segal. “Announcing the Agent2Agent Protocol (A2A).” Google Developers Blog, April 9, 2025.
      https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
      ※異なるエージェント間の能力発見、タスク委任、状態共有、成果物交換を扱う公式発表。

    5. Bai, Yuntao, et al. “Constitutional AI: Harmlessness from AI Feedback.” 2022.
      https://arxiv.org/abs/2212.08073
      Anthropic公式ページ:
      https://www.anthropic.com/research/constitutional-ai-harmlessness-from-ai-feedback
      ※AIによる批評・修正・評価を用いた行動制御と、ハーネス内部の評価構造に関する基礎文献。

    マルチエージェントおよびハーネス設計

    1. Wu, Qingyun, et al. “AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation.” 2023.
      https://arxiv.org/abs/2308.08155
      ※複数エージェント、ツール、人間入力を組み合わせた協調実行フレームワーク。

    2. LangChain. “LangGraph Documentation.”
      https://langchain-ai.github.io/langgraph/
      ※状態を持つエージェントワークフロー、分岐、再試行、永続化、人間による介入の設計例。

    3. Harvey. “Don’t Train the Model, Evolve the Harness.”
      ※モデル自体を変更せず、プロンプト、ツール、環境との接続、失敗フィードバックなどのハーネスを改善する研究。公開版の恒久URLが確認できた段階で追記する。

    4. Karpathy, Andrej. “Software 3.0.” 2025.
      ※自然言語がプログラム記述の一部となり、LLMを操作・委任するソフトウェア開発への移行を示した講演・議論。引用時には講演動画または公式投稿のURLを確定して記載する。

    関連する独自研究

    1. Kano, Tomoyuki. “ΔM Value Generation Theory.” Zenodo.
      DOI: https://doi.org/10.5281/zenodo.20282012
      ※生成物を、元の意味状態から次の意味状態への変化量として評価する理論。

    2. Kano, Tomoyuki. “Resonant Deviation Evaluator(RDE).” Jxiv.
      DOI: https://doi.org/10.51094/jxiv.4624
      ※生成物が元の意図、価値、設計思想をどのように保存・変換・補完・逸脱したかを評価する枠組み。

    3. Kano, Tomoyuki. “Resonance Theory of Intelligence(RTI).” Zenodo.
      DOI: https://doi.org/10.5281/zenodo.20078865
      ※知性を、孤立した能力ではなく、環境・他者・意味との関係的な共鳴として捉える理論。

    4. Kano, Tomoyuki. “Chronicle Theory I: From AI Safety to a Fundamental Theory of Intelligence.”
      DOI未確定。
      ※意図、判断、関係、意味変化の連続性を、知性およびAIガバナンスの基盤として扱う研究。

    参照上の注意

    Cognitionが示す「最大35%のコスト削減」は、同社のDevin環境および評価条件に基づく結果であり、一般的なソフトウェア開発全体にそのまま適用できる数値ではない。

    「マージされたPRの88%」はCognition社内での利用率を示す指標であり、設計品質、保守性、レビュー負荷、意味保存を直接証明するものではない。

    本稿における「Chronicle Routing」「意味を扱うハーネス」「意味保存」という表現は、Cognitionの公式用語ではなく、Chronicle Theory、ΔM価値生成論、RDEから導いた著者独自の批評概念である。


    Copyright © 2026, Tomoyuki Kano <tomyuk_AT_zyxcorp.jp>
    License: CC BY-NC-ND 4.0


    #AI #生成AI #AIエージェント #DevinFusion #ソフトウェア開発 #AI設計 #ChronicleTheory #RDE #Kazane #意味監査

     
     
    「知性に灯を、制度に詩を──」Smart, Cute & Cool 1957年生。AI連独りユニコーン。複数のIT企業の起業と多分野のITシステム構築。 経験を背景に、制度詩学を実装に落とし込みながら、人とAIの未来を描き続けている。

    あなたへのおすすめ