AIによるコーディング支援の議論は「便利」か「危険」かの二者択一になりがちですが、段階的にツールの活用箇所を見つけていく方法もあります。ハシコーポレーションの開発者であるミッチェル・ハシモト氏は、自身のブログで「AIに懐疑的な私が、チャットベースの利用からエージェントベースの運用に移行するまでにとったステップ」を6つのステップに整理している。
私の AI 導入の旅 – ミッチェル・ハシモト
https://mitchellh.com/writing/my-ai-adoption-journey
1: チャット AI でコーディングを試みるのをやめる
橋本さんが最初にやったことは「チャットAIと連携しようとするのをやめよう」ということだった。チャットGPTまたはジェミニこうしたチャットAIは日常的には便利だが、コーディングとなると学習した知識をもとに「それっぽいコード」を思いつくことが多く、人間が間違いを修正するために何度も「それは違う」と言い続けなければならず、効率が悪いと橋本氏は言う。
チャットAIでコーディングに挑戦する際、橋本氏が初めて驚いたのは、オープンソースのコードエディターを使ったことだった」ゼッドGemini のコマンド パレットのスクリーンショットを貼り付けます。SwiftUIそれを再現すると、驚くほど優れたコードが生成されました。コードは橋本氏が開発した端末です。ゴーストティ」は、わずかな変更を加えて macOS コマンド パレットに組み込まれました。
しかし、この成功体験を他の業務に拡張しようとすると、既存のコードベースをベースに修正を加えると結果が安定せず、コピー＆ペーストで入出力を行ったり来たりするだけでストレスが増大することがわかりました。
橋本氏はチャットの延長ではなく、AIそのものがツールを動かせるようにならないと成長は難しいと認識し、「価値を生み出すにはAIエージェントが必要だ」と結論付けた。
2: 同じ品質で作品を再現する練習をする
次に橋本が挑戦したのは、クロード・コードしかし、「アウトプットの手戻りが多い」「自分でやったほうが早い」と最初の印象は良くありませんでした。
それでも橋下氏は諦めず、「二度手間」という方法を選んだ。具体的には、まず人間が手作業でコーディングし、その後、人間が作成したコードを見せることなく、AIエージェントが対話して人間が作成したコードと同じ品質・機能になるまでコーディングを行います。
橋本氏は、この二重複雑な手法でAIを訓練する中で、「いきなり完成図を描かず、セッションを小さく具体的で実行可能なタスクに分割する」「曖昧な要求をする場合は計画と実行を分離する」「検証方法を与えることで自己修正が容易になり後戻りが減る」という3つのポイントを学んだという。
橋本氏はまた、この方法により、最初からエージェントを使用しないほうが良い状況を特定できるため、時間を節約できることも強調します。
この段階では「AIエージェントに頼んだ場合と自分でやるのと同じくらいのスピード」にはなったものの、まだAIに頼った方が早くなったという実感はなく、まだエージェントの世話をしている感覚があったと橋本氏は語った。
3：終業30分前は「準備」の時間を確保する
橋本氏の目標は「仕事ができない間に少しでも前進すること」で、橋本氏は毎日最後の30分を確保して1人以上のエージェントを立ち上げた。つまり、「勤務時間内にバリバリ働く」のではなく、「勤務時間外の仕事はAIにやらせる」という考え方で、最初はうまくいかず挫折したが、すぐにAIが役立つ領域を見つけたという。橋本氏は次の3つを挙げた。
・徹底した調査
新しいツールやライブラリを導入する際には、公式ドキュメントを読むだけでなく、「候補はどれくらいあるのか」「ライセンスは商用利用に適しているのか」「開発は中止されていないか」「既知の欠点は何なのか」などを確認する必要がありますが、下調べを行うと検索したり文章を読んだりする手間が多く、集中力が切れがちな時間帯に行うと時間を無駄にしてしまいがちです。
そこで橋本氏はAIエージェントに条件を渡して候補を特定させ、リンク付きの比較メモにまとめてもらっているそうです。例えば、「言語やライセンスの仕様」「最終更新やコミット頻度などのメンテナンス状況」「長所と短所」「評判」などで整理し、翌朝ノートを読んで「候補になりそうなもの」だけを自分で精査します。
・並行トライアル実施
実装前のアイデアの段階で、実現可能かどうか、落とし穴はないか、どの方向が最適かなどを素早く把握することが重要です。しかし、曖昧なアイデアを1つずつ自分でテストすると、リサーチや小さなプロトタイプを繰り返すため時間がかかります。そこで橋本氏は、AIエージェントに複数のアイデアを並行して試してもらい、翌朝にのみ結果を受け取ることにした。ここでの目的は、完璧な実装を作成することではなく、「このアイデアは無理がある」「これは地雷原である」「これは代替案である」を判断するための材料を収集することです。
・課題・PRトリアージ
GitHub上で開発を行っていると、バグ報告やリクエストが書かれる「Issue」や、コード変更の提案である「PR(Pull Request)」が次々と増えていきます。課題やPRの数が増えると、まず緊急性や種類ごとに分類する「トリアージ」が必要になるが、橋本氏はこのトリアージをAIエージェントに任せている。GitHub CLIリストを入手して内容を確認した後、分類結果をレポートにまとめ、翌朝に読みます。
また、橋本氏が自律的に試行錯誤するほどAUエージェントを一晩で準備したわけではなく、そのほとんどは30分以内に完了したという。勤務時間の終わり近くになると従業員は疲れて生産性が低下するため、その時間を準備に充てることで翌朝の良いスタートが切れるようです。
4: 成功が保証されているタスクのみを AI に依頼し、通知をオフにする
この時点で橋本氏は「AIの強みと弱み」の概要が明らかになったとし、前夜のトリアージ結果を見て「AIエージェントならほぼ解決できる」と思われる課題をピックアップしてバックグラウンドで1つずつ実行しながら、他の業務に移っていく。
ここで橋本氏が強調するのは「AIエージェントからの通知によって業務を中断しないこと」だ。実装中に突然呼び出された場合、何を考えていたのかを思い出し、元の行動に戻るまでに時間がかかります。橋本氏はAIエージェントに「呼び出される」のではなく、都合の良いタイミングで進捗状況を確認する運用方法を推奨する。
このAIと人間の並行動作こそが、AIに頼っていてはスキルは上がらないこれにより、AIに任せるとスキルが伸びにくくなる一方、自分でやり続けると自然とスキルが向上するため、トレードオフを調整できるという考え方であると橋本氏は語る。
この段階で橋本氏は「もう元には戻れない」と感じたという。橋本氏は、AIを活用することで効率が上がったと実感したほか、好きな仕事に集中できるようになり、苦手な仕事もある程度きちんとこなせるようになったと語った。
5: 二度と間違いを犯さないようにハーネスを作成する
橋本氏は、AIエージェントを実用化に近づけるには、何か問題が起きたときに人間が修正する必要がないことが重要だと語る。次回同じ依頼があったときに同じ失敗を繰り返さないように環境を整える考え方を橋本氏は「ハーネスエンジニアリング」と呼ぶ。
これを行うには主に 2 つの方法があります。
1 つ目は、AI エージェントのルールをどのように作成するかです。例えば橋本氏は、「このプロジェクトではこのコマンドを使う」「このAPIは使わない」「この手順で検証する」といったルールがAGENTS.mdなどのファイルにルールコレクションとして書かれており、AIエージェントが間違ったコマンドを選択したり、存在しないAPIを検索したりした場合、失敗に基づいてルールコレクションに追加すると説明する。
2つ目は、正しいかどうかをすぐに確認できるツールを用意することです。例えば、画面表示が崩れていないかを確認するために「自動的にスクリーンショットを撮る」や「関連するテストだけをすぐに実行する」などの補助スクリプトを用意しておくと、「直したつもりだったのに、実は直っていた」かどうかをAIエージェント自身で確認しやすくなります。
橋本氏は、こうしたツールの存在をルールブックに記載し、AIエージェントに知らせることが非常に効果的だと語る。
橋本氏は、問題が発生した場合は「再発防止のためのルールやツールを追加」、うまくいけば「正常に動作していることを確認する方法を追加」し、徐々にハーネスを開発している段階だという。
6：AIエージェントが常に動いている状態を目指す
橋本氏の目標は「AIエージェントを常に稼働させること」だが、現状ではAIエージェントがバックグラウンドで稼働できるのは通常の稼働日の10～20％程度で、「目標はまだ目標だ」としている。
あと橋本さんもアンプまた、 が提供する AI エージェントのディープ モードなどの「ゆっくりだが丁寧な」モデルも使用しており、小さな変更を加えるのに 30 分以上かかりますが、より良い結果が得られる傾向があります。
しかし橋本氏は、手作業と「世話をする必要があるが、なぜか生産的なロボットの友人」とのバランスが絶妙で、「複数のAIエージェントを同時に実行したくない」と語る。
橋本氏のこの投稿はソーシャル掲示板Hacker Newsでも話題となった。
私の AI 導入の旅 |ハッカーニュース
https://news.ycombinator.com/item?id=46903558
あるユーザーは投稿全体を「刺激的になりすぎずバランスが取れている」と評価し、2025年はかつて懐疑的だった開発者が「まずは試してみるべきだ」とワークフローにAIエージェントを組み込み始めた転換点だったのかもしれないと述べた。コメントやってますよ。
橋本氏が重視する「ハーネスエンジニアリング」の考え方を拡張し、AGENTS.mdのようなルール集を「成熟度」という観点から捉える意見もある。あるユーザーは「ありがちな間違いをなくす段階で終わらせるのではなく、予防接種などのルールに間違いを落とし込んで蓄積していけば、ハーネスは免疫のように機能するだろう」と話す。意見投稿しています。
「良い結果を得るために必要な金額や時間コストについては言及されていない。便利な利用方法であればあるほど、トータルでのコストが高くなる可能性が高い」と主張する人もいます。コメントもありました。
この記事のタイトルとURLをコピーします
