AIエージェント
AI 利用ルールは増やすより削れているか——Claude Code 開発者が新モデル導入時に指示を 80% 削減する理由
Claude Code チームの Thariq Shihipar とのポッドキャスト・インタビューから、モデルアップグレードのたびに指示・ルールを棚卸しする運用の要点を読み解く。
原題
“How I Plan, Build, and Run Loops with Claude Code in 40 Minutes” （新しい AI モデル導入時にシステムプロンプトを 80% 削減する理由）
原文からの引用
“When a better AI model is released, the first thing you should try is to remove instructions. When a new model is released, audit your CLAUDE.md and skills to remove deterministic instructions. Plan with Claude to discover and remove unknowns. Before building his one-shot video workflow, Thariq asked Claude to explain how voice transcription tools like Whisper could fail.”
日本語訳 より優れた AI モデルがリリースされたとき、最初に試すべきは指示を削ることだ。新モデルが出たら、CLAUDE.md とスキルを点検して、決め打ちの指示を取り除くとよい。 Claude と一緒に計画を立てて、未知数を見つけて取り除く。ワンショットの動画ワークフローを作る前に、Thariq は Whisper のような音声書き起こしツールがどう失敗し得るかを Claude に説明させた。
要点
- 新モデル導入時は指示削減が鍵: Claude Code チームの Thariq Shihipar は、モデル性能が向上すれば硬い制約ルールや具体例はむしろ制約になるとして、指示を 80% 削減する。アップグレード時には CLAUDE.md や skills の点検が必須だと述べる
- 計画段階で「未知数を除去」: Thariq は実装に入る前に Claude と対話して問題を洗い出し、人間が手作業で検証する。事前計画こそが品質を大きく左右する
- /goal は「検証可能なゴール」に限定: Thariq によれば「素晴らしいゲームを作れ」というゴール設定では失敗する。「1080p で 30秒のポーランド版動画をレンダリング完了」のような検証可能な状態の指定が必須
- Slack を中核に複数エージェント並行実行: Thariq は creator と verifier のエージェントを分離し、Slack 経由でタスク管理することで、スケーラビリティと可観測性を両立している
- AI の書いたコードから学ぶ姿勢: Thariq は、AI が実装してくれるからこそコードを丹念に読んで技術力を高めるという逆転の学びを実践している
編集部の考察
ガバナンスの論点は「ルールを増やすかどうか」ではなく、「ルールを定期的に削る仕組みを持っているか」に移っている。Thariq が新モデル登場時にやっているのは「CLAUDE.md やスキル定義の指示を 80% 削除する」という具体的な作業（要点1）だ。これは裏を返せば、自分の組織の AI 利用ガイドライン・プロンプトテンプレート・業務マニュアルが「古いモデルの弱点を補うために積み上げた制約」でできている可能性が高い、ということを意味する。新モデルへの切り替えは多くの組織で「対応表の更新」「使用申請の再承認」程度で止まっており、既存ルールそのものを疑う工程がない。自分の組織に置き換えると、決めるべきは「モデルアップグレードのたびに社内ガイドラインを棚卸しする担当者・頻度・トリガー条件」を誰が持つかだ。四半期ごとの利用規程レビューに紐づけるのか、モデルリリースごとに都度レビューするのか、そもそも棚卸しを担う役割（法務・情報システム・現場マネージャーのどこに置くか）が未定義の組織は多い。ここを放置すると、モデル性能は上がっているのに、古い制約ルールが足かせになって ROI が頭打ちになるという逆転現象が起きる。冒頭の「削る仕組み」の有無こそが、その分岐点になる。
本記事は海外記事の独自キュレーション・考察であり、原文の翻訳ではありません。引用部分の著作権は原著者に帰属します。