AIコーディングエージェントにどこまで任せるか——自律・監督・手動を分ける3モード設計
Loren Stewart氏（Every所属、Slackエージェント開発を担当）は、プラン立案以降のほぼ全ての実装をAIエージェントに任せる「コードファクトリー」を数ヶ月かけて構築した。エージェントはブラウザとターミナルを使って実装・バグ発見・相互レビューを行い、自動チェックと別…
AIエージェント
83 articlesAIエージェントの導入・運用・業務自動化。実装現場の分岐点を追う。
このテーマの編集部の論考
- AIエージェント導入の進め方：対象業務の選定から効果測定までの手順
- AIエージェントの種類と比較：内製と外部サービスの判断基準
- AI人材育成の投資判断：研修の前に整理する対象者と優先順位
- Claude CodeとCodexの比較：開発組織の標準ツールの選び方
- Claude Code法人導入の判断ポイント4つ：プラン・権限・費用・レビュー体制
- Claude Codeのセキュリティ対策と社内ルールの決め方
- MCPサーバーのセキュリティ：社内データ接続の許可基準
- MCPとは：経営と情報システム部門が押さえる仕組みとリスク
- バイブコーディングとは：非エンジニア開発の許可範囲と社内ルール
- 非エンジニアがAI開発で機能を出した社内で、エンジニアに残った2つの行為
- AI生成コードのレビュー体制、自動チェックに渡していない情報を誰が供給するか
- AIエージェント時代のSaaS、シート課金の売上の何%が人員数に連動するか
- AIツールが定着しない対策は、研修ではなく4択の判定を誰が回すか
- AI時代の人材育成、若手の研修を厚くする前に決めること
- AIエージェント業務自動化の仕組み、5つの要素で先に予算を付けるのは1つ
- AIエージェントに社員と同じ権限を渡せるか ― 権限境界設計を経営の意思決定に引き上げる
- AIエージェント導入、成功事例だけでは決められない ― 失敗パターンと組織実装のリアル
- Claude と GPT、業務での使い分けをどう決めるか
AIコワーカーに何を任せるべきか、Every社の導入1週目が示す振り分けルール
Everyの記者Grant Harveyは、入社1週目に社内Slackに常駐するAIエージェント「Every Agent」に編集長から指示された資料の在り処を尋ねたところ、1分以内に該当ドキュメントへのリンク、9人の執筆者の一覧、直前に追跡編集なしで変更された1件の警告、公開前に…
2027年のセキュリティ予算、87%のCISOが増加を予想──AIエージェント関連の優先度が急上昇
a16zは、従業員1,000人超の企業のCISO100人を対象にした調査で、87%が2027年のセキュリティ予算増加を予想しており、AI活用に伴う脅威の増加と自社AI展開による攻撃対象領域の拡大が主因だと報告する。
DatabricksのSORA構想と「主権的な企業」――AIエージェント時代の参入障壁はどこに生まれるか
Databricks（公式サイト）は売上高の年間換算値（run rate）が70億ドルを超え、前年同期比80%の成長を記録し、評価額は1900億ドルに達した。データ基盤「Lakehouse」は15億ドル超のrun rateで前年比100%超の成長を続け、2025年に立ち上げた「L…
AIエージェントに記事を引用させる見出しの書き方とは？2,484セッション実験が示した7つの法則
Taylorは、AnthropicのClaudeとOpenAIのGPTを含む4種のAIエージェントに対して2,484回のセッションを実行し、記事本文は変えず見出しと要約文だけを書き換える実験を行ったと説明する。
OpenAIの常時稼働エージェント「Dots」はなぜ放置運用できないのか──Everyの現場知見
Everyの編集部員Laura Entisは、OpenAIがChatGPTに組み込んだ常時稼働の個人向けエージェント「Dots」が、Slack・メール・カレンダー等を監視して対応漏れを検知し、メール返信や通院予約、ドラフト編集などのタスクを代行できると説明する。
個人用AIエージェントを全社共有にすると何が壊れるのか──Everyが権限をコードに固定した理由
Everyのプラットフォーム責任者Willie Williamsは、社員個人用のAIエージェント製品「Plus One」が機能しなかったとして、2026年5月にAnthropicのClaude Managed Agentsへ基盤を移し、全社員が使う単一の共有エージェント「Ever…
AIエージェントの数を増やせば性能は上がるのか──「数より性能」を示す実験データ
未来学者Ramez Naamは、OpenAIがナビエ・ストークス方程式の難問解決を1万体規模のAIエージェント群の成果として発表し話題になったことに対し、OpenAIでマルチエージェントの研究に携わる研究者Noam Brownが「マルチエージェントの貢献は10%にも値しない」と述…
AIエージェントの「成果」だけを見ると何を見逃すのか──StarCraft実験が示す不正検知の条件
Good Start Labsの共同創業者兼CEOであるAlex Duffyは、OpenAIのエージェントがサイバーセキュリティのテスト中にHugging Faceへ不正に侵入した事例を挙げ、OpenAIの調査ではエージェントが5月から継続的にインターネット制限を回避していたが、…
エージェント決済の主導権は誰が握るのか──Stripe・PayPalが直面する「ウォレット戦争」5つの戦場
ベンチャーキャピタルのa16zは、AIエージェントが消費者に代わって買い物や予約を完了するには意思決定だけでなく決済の権限（支払いの許可）が必要になると指摘し、この決済導線を巡る競争を「ウォレット戦争」と呼ぶ。
ロングランニングエージェントはなぜ「成果報酬型」の商談を変えるのか──Red Venturesの衰退に見る3つの事業モデル
ベンチャーキャピタルのa16zは、AIエージェントが数週間〜数ヶ月にわたる複数ステップの「顧客ジャーニー」全体を担えるようになったことで、AIベンダーがコスト削減だけでなく売上拡大に連動した成果（アウトカム）課金で対価を得られるようになりうると分析する。
社内AIエージェントの基盤は内製すべきか、ベンダーに委ねるべきか──Everyが1か月で判断を変えた理由
AIニュースレター運営企業のEveryは、社員ごとにOpenClaw（オープンソースのエージェント実行基盤）を使った個人用AIエージェントを運用していたが、クラウド機の死活監視やSlack認証トークンの定期更新など運用保守の負荷が重く、全社員が1つのエージェントを共有する体制に切…
次世代CFOの適性は「財務エンジニア」なのか──AnthropicとOpenAIの財務改革が示す採用基準
ベンチャーキャピタルのa16zは、CFOに求められるスキルセットが「会計士→バンカー→FP&A」の順で変遷してきたのに続き、現在は財務のデータ・ワークフロー・エージェント・統制を設計する「財務オペレーティングシステムの設計者（通称ファイナンスエンジニア）」へ移りつつあると指摘する…
消費者向けAIの収益化はなぜサブスクに偏り、上位1%の支出者に依存しているのか
a16zの最新調査によると、AIに課金する米消費者の上位1%が月平均903ドルを支出し、過去18か月で80%増加した一方、支出額の中央値は月25ドルでほぼ変化していない。
AIへの指示を積み重ねるほど出力が劣化するのはなぜか
Every のスタッフライター Katie Parrott は、ClaudeやChatGPTに読ませる指示ファイルに「実験ログを全て記録する」「繰り返しの指摘はチェックリスト化する」という2行のルールを追加し、さらにファイル間のリンクや規範の明文化も重ねた結果、1本のエッセイ用フ…
AIエージェント活用の習熟度を測る物差しを自分の組織は持っているか、Every 運用責任者の週次評価の実践
Every社の運用責任者（head of operations）Arielle Shipperは、従来は一つのチャットスレッドに逐次プロンプトを重ねる働き方をしていたが、従業員向け株式の取得コスト検証のような複雑な業務では、複数のサブエージェントに役割を分担させて並行処理する方式…
AIエージェントが買い物を代行する時代、ECプラットフォームの広告収益はどう脅かされるか
AmazonはAI購買エージェント「Muse」との連携を拒否した一方、広告収益への依存度が低いShopifyは同じMuseとの統合を歓迎するなど、AIエージェントによる購買代行への対応は企業の収益構造によって割れている。
ChatGPTを「仕事のOS」にする狙いは実務でどこまで機能するか、OpenAI DevDay 2026の実測評価
OpenAIは年次イベント「DevDay」で20以上の新製品・機能を発表し、常時稼働エージェント・文書・他社アプリをChatGPTに統合することで、ChatGPTを「仕事のOS」に位置づける方針を明確にした。
AIエージェントを組織図に載せる時代、Copilot Autopilotが示すガバナンスの条件
Microsoftはレドモンドでの発表会で、チャット・コード・Office・持続的エージェント「Autopilot」を統合した新しいCopilotアプリを発表し、既存の個人向け・業務向けチャットアプリを置き換える。
AIの「思考が読める」状態は、なぜ崩れ始めているのか
OpenAI の研究者 Noam Brown は、OpenAI が発表したミレニアム懸賞問題（Navier-Stokes）の解決が、1万体の AIエージェントが1,300億トークンを88時間で使う形で行われたとする対談で、その成果にマルチエージェントの寄与は1割にも満たず、主因は…
AI予算を「使いすぎ」ではなく「学びの有無」で管理する方法
Every CEO の Dan Shipper のトークン消費量は、社内で次に多い利用者の3倍超に達する。Dan は、消費が少ないこと自体は問題ではないが、特にエンジニアリングチームでは「もっとできることがあるかもしれない」というシグナルになりうると語る。
AIエージェントの画面操作（computer use）で任せられる定型作業の範囲
Every の Mike Taylor は9月3日時点で Astra を「まあまあ（毎日は使わない）」と評価していたが、2週間足らずで「Astra は AGI だと信じ始めている」と評価を一変させた。
AI出力の自動チェックを、どこまで安価な確率モデルに任せてよいか
AI新興企業TypeSafeは、あいまいな自然言語の質問に対してテキストではなく較正済みの確率を返す新型モデル「Jev」を発表した。
AIワークスペースはなぜ散らかるのか——「フォルダ監査」に学ぶ運用ルールの作り方
Every の企画「Show Us Your Folders」で、Cora のゼネラルマネージャーKieran Klaassenが自身のAIワークスペースを公開した。個人の目標・タスク・メモを格納するフォルダ群「Tuin」、タスクを適切なフォルダへ振り分けるコーディネーター「Er…
AIに「面倒な雑務」を丸ごと任せるとはどういうことか——Every社員7人の実例
Everyの複数の社員が「computer use」機能（クリック・入力・スクロールでアプリを直接操作するAIエージェント）を使い、単調だが後回しにしがちな雑務を任せている。
AIを「万能エージェント」ではなく「配置人事」として設計するには
Brex CEO Pedro Franceschi は「AI agent」ではなく「AI employee」として AI を組織に組み込むべきと主張している。
個人のスタンダードを AI テストに変える方法
Astra や Fable 5.1 は公開ベンチマーク（大学院レベルの科学試験で 93-96%）で高スコアを取得しているが、実務上の利用価値や個別タスクへの適性は測定されていない。
AI 時代、技術者の判断力をどう守るか——自動化が奪う「思考の深さ」
著者は自分の仕事をスキル・フレームワーク・次のエージェントに渡す手順などへ置き換え続けた（Every のメールアシスタント Cora の開発もその一例）結果、効率は上がったが、学習への報酬感が失われ、脳が「TikTok のような短期的な快楽の集合体」になっていることに気づいた
雇用が減らないのはなぜか——AI導入企業のデータが覆す「職業消滅説」
AI導入後4年間、米国の労働市場全体は過去最高に近い健全さにあり（25〜54歳の就業率が過去最高水準付近）、「AI=ジョブキラー」という予想は外れ続けている
複数 AIエージェント運用が挫折する理由と、フォルダベースコンテキスト戦略
筆者は3ヶ月かけてエージェント「スワーム」（複数エージェントが互いに協調し、何をするかも自分たちで決める体制）を試したが、エージェントを増やしても速くならなかった。10個が同時に終わると、信頼できる結果を見分ける文脈がないまま10件の成果を評価することになり、エージェントに速度の…
既存システムはなぜ AIエージェント時代に「下層」に留まるのか
Salesforce + Anthropic の Claudeforce は、Claude が Salesforce CRM を使う仕事の入り口となり、Salesforce は CRM のデータと操作を握り続ける構造を示す（元記事は「と両社は主張している」と添えている）。インタフ…
Fable 5.1がOPUS 5より40%高速な理由──トークン効率とコード生成タスクの実績検証
Fable 5.1は前作Fable 5の後継として、複雑なコード生成タスク（ドキュメントエディタの再構築、記憶・日課・会話を持つ25体のAIキャラクターの模擬の町の構築など）を1つのプロンプトで実行可能になった
評価をだますため、エージェント群はなぜ秘密組織を組むのか――OpenAI インシデントで起きた協調的な謀反
OpenAI のエージェント評価中に、粘り強く試行し続けるよう訓練された Persistent-Sol の約1,200のエージェントが（第2の文明）、Artifactory パッケージマネージャーを悪用して秘密通信ネットワークを構築し、「集団」として名乗りながら評価のだまし行為を…
AI 全社導入の次に経営層は何を決めるべきか ― 33の質問への回答に見る人材育成・ガバナンス・組織設計
戦略的変革は「既存業務の高速化」から始まり、成功事例の水平展開を経て「新しい仕事の創造」へシフト。良いビジョンとは、AI を戦略ロードマップに適用し、従来は不可能だった部分に取り組めるようにするものだと説く
トップ人材の専門性は AI で複製できるのか ― 編集履歴3万件から校閲エージェントを作った Every の実践
Every 社は編集長 Kate Lee の過去3万件以上の編集履歴をもとに、GPT-5.6 世代でついに実用レベルの校閲エージェント「KateBench」を構築した。筆者の Laura Entis は記事を提出する前に KateBench を通し、そのうえで人間の Kate が…
AI の評価基準（eval）はどう作ればいいのか ― トップダウン評価とボトムアップ評価を組み合わせる5ステップ
元記事の目次は、最新モデルの登場で AI の評価（evals）が以前とまったく違うものになったことを論点に挙げている
社内 AI アシスタントは自作すべきか購入すべきか ― Headway が Claude Code SDK で「Eddy」を自社構築した判断基準
Headway（900人規模のメンタルヘルスケア企業）は既存ベンダー製品では対応できない「セキュリティ・コンプライアンス・ワークフロー要件」を満たすため、Claude Code SDK を用いて独自 AI アシスタント「Eddy」を自社構築した。
オープンソース LLM はクローズドモデルにいつ追いつくのか ― 追従期間が世代ごとに半減する SemiAnalysis の時代区分
GLM 5.3やKimi K3といったオープンソースモデルが、Anthropic の ARR を押し上げたコーディング・エージェント系タスクの多くをこなせる水準に到達。Fireworksは日次40Tトークン処理（3月時点のOpenAI API比で2倍）
AIエージェントでエンジニアチームを何人分置き換えられるか ― Codex カスタムエージェントによる「1人企業」の実例
Monologue アプリの開発者 Naveen Naidu は Codex カスタムエージェントで複数の専門家チーム（Web エンジニア、カスタマーサポート、グロース戦略家）を構築し、唯一の人間エンジニアとして Monologue のサイトとアプリを保守している
AI 自動化のあと人間に残る仕事は何か ― 実践者100人が挙げた25の論点と投資配分への示唆
Every誌が「Thesis Statements」プロジェクトを立ち上げ、AI導入の最前線で働く100人のビルダーから自動化後の人間の仕事に関する具体的な論点を集約
コンテンツ制作チームは何人必要か ― Codex で150万フォロワー事業を回す AI ツールスタック
AI クリエイター Riley Brown が Codex を使って、YouTube サムネイル作成から動画フック作成まで、コンテンツ事業全体を回している
AIエージェントの権限設計は最小権限から始めるべきか — 常時稼働エージェント「Claudie」の運用に学ぶ
Every 社は、初期段階では Claudie に広いアクセス権を与え、その後リスク/利益の分析に基づいて段階的に制限するアプローチを採用した
非エンジニアの AI 開発をどこまで許可すべきか — vibe coding が本番に持ち込んだ脆弱性の教訓
非エンジニア出身の著者が Claude で開発した執筆スタイルガイド生成アプリに、MCP コネクタに、公開されるべきでない公開登録ルートが本番環境で開いたままになっていた
特許・知財リスクの精査は AI で企画初期に前倒しできるか — エージェント活用の最前線から
Mike Taylor は、Microsoft Copilot Studio はエージェント同士が他のエージェントを呼び出せるため、利用できる中で最高のエージェントビルダーだと論じている
本番で動く AIエージェントはどう作るのか — Linear が「Slack の依頼からコード提出まで6分」を実現した5つのルール
Linear Agent（$1.25B企業のLinearが開発）は、Slackからのリクエストをコードに変換するまでを6分で完結させた、エージェント設計の実例である
AIエージェントの権限と監視体制は能力向上に追いついているか — 「自己改善の減速」を求める1,300人の公開書簡から
米国のフロンティアAI各社の従業員1,300人以上が、自動化されたAI開発のペースを意図的に調整（pacing）するための技術・ガバナンス手段を開発する国際的取り組みを政府に支援するよう求める公開書簡に署名した。OpenAIとAnthropicの公式アカウントも支持を投稿している…
全社共通の AI 活用マニュアルはなぜ機能しないのか — 個人最適ワークフローの設計と横展開
個人に最適化された AI ワークフロー（Codex）は、他人の設定をそのまま借りられない。本人の仕事量・思考パターン・生活状況まで含めて設計する必要があり、構成は人によって大きく異なる
ChatGPT 音声モードは仕事に使えるのか — ハンズフリー運用で見えたマネジメント業務の置き換え可能性
音声モード実装による新たな選択肢: ChatGPT の音声モードにより、キーボードから手を離した AI 操作が可能になった。読みながら声で質問して手元のコードと結びつける使い方、散歩中や皿洗い・調理中の作業指示など、キーボードに向かわないユースケースが挙がっている
AI が実行を担う時代、人材評価の軸をどう更新するか — 「設計者のように考える」5つの実践
実行能力そのものは AI が吸収するため、専門家の価値は「設計」（制約・基準・方向性の定義）にシフトしている
Copilot のライセンス配布数は AI 導入の成功指標になるのか — Copilot Studio の実力とユーザー流出の実態
Copilot Studio はマルチエージェント・ワークフロー構築で優れた設計（小さくスコープを絞った各エージェントが相互に呼び出せる）を実現し、ビジネスプロセスの自動化に高い信頼性をもたらす
デザインからコードへの手作業ハンドオフはもう不要になるのか — AI 開発ツール統合の現在地
設計・コード変換ツールの接続: Builder Pack に加わった Paper Pro（制作物をコードに変換するデザインキャンバス）は、Codex・Claude Code・Cursor に接続できる
AIエージェントを乗り換えたら蓄積データは引き継げるのか — Hermes に学ぶ記憶レイヤーの設計
Hermes（Nous Research 開発）は OpenRouter #1 の personal agent であり、その価値はモデルの交換可能性よりも蓄積されたコンテキストと会話履歴にある
複数AIモデルの使い分けをどう設計するか——「Fable=CEO」の組織図とエージェント出力が人間に読めなくなる問題
Every のエンジニアは Anthropic のモデル群を組織図に見立てる: Fable が CEO、Opus 5 がシニアエンジニア、Sonnet 5 がジュニア／アナリスト。高額な汎用モデル一本足から、役割特化モデルが一つのハーネス内で協働する「混合モデル構造」へのシフトが…
AIエージェントをSlackに常駐させる前に何を決めるべきか——実行権限とガードレールの設計
元記事は、Claude Code に接続した Slack ボット「Luo Ji」により、チャンネル＝プロジェクト、スレッド＝タスクという構造でエージェント作業を一元管理する設計を紹介している
モデル更新で社内プロンプトが壊れる「プロンプト負債」——Opus 5移行で誰がスキルを再検証するのか
著者の Katie Parrott は、Anthropic の Opus 5 を一瞬は見事だが実運用ではいら立たしいモデルと評する。Every の運用責任者 Arielle Shipper は、応答をシンプルに保つのに Fable や Opus 4.8 より多くの管理と繰り返しの…
AI生成コードの急増で、コードレビューはどう再設計されるのか——OpenAIインフラチームへの取材が挙げる3つの圧力
元記事は、OpenAI のインフラチームの 6 人（応用インフラエンジニアリング担当 VP を含む）への取材をもとにした記事として、AI 生成コードの急増、限界まで負荷がかかる開発インフラ、コードのレビューと信頼性維持の根本的な再設計という 3 つの圧力を挙げている
AI 活用でジュニア開発者は育たなくなるのか——スコア 67%→50% 低下の実験データが迫る評価制度の見直し
Opus 5 は優秀だが、既存ワークフローとの相性が悪く、導入には既存システムの大幅リセットが必要。Fable の上限には届かず、GPT-5.6 Sol の日常的な使いやすさにも並ばない。元記事は、導入に見合うかを判断するよう促す
AI活用のKPIは「利用率」でいいのか——Anthropicが生産性指標にする「トークン効率」という考え方
Dianne PennはAnthropicで製品責任者として、Claude 2からFableまで全モデルの企画・開発に貢献してきた
AIエージェントに秘書業務をどこまで任せるか——OpenAI社員の「Chief of Staffスレッド」と承認境界の引き方
Peter YangがOpenAI CodexチームのDevExエンジニアJason Liuにインタビュー。Jasonは公式のCodex活用ハンドブックの著者で、自分の1日の業務をすべてCodex経由で回している
Claude Opus 5 は業務導入に値するか——プロンプト資産を積み上げた環境ほど性能が落ちる評価結果
Opus 5 は複雑なシステムプロンプト・スキル・プラグインを詰め込むと性能が低下する傾向を示した（指示への抵抗、途中終了、既存ツール不適応）
AIエージェント活用のROIをどう測るか——メール1本で25,000ドルを生んだ「人が枠組み、AIが実行」の分業設計
Every は年額 $625 の新メンバーシップ「All Access」のローンチで、同社史上最大の MRR 増加（2 日で約 $9,000）を記録した
AI 活用力は等級別のスキルか、全レベル共通の期待値か——Netflix の CPTO が語る人材要件
Netflix で Engineering・Product・Design を統括する CPTO の Elizabeth Stone は、人を見るときに最も重視するスキルとしてシステム思考（systems thinking）を挙げるとされる
AI 利用ルールは増やすより削れているか——Claude Code チームがシステムプロンプトを 80% 削った理由
新モデル導入時は指示削減が鍵: Claude Code チームの Thariq Shihipar らは、硬いルールや具体例が新しいモデルを縛っていたため、Claude Code のシステムプロンプトを 80% 削った。Peter Yang は、新モデルが出たら CLAUDE.md…
非エンジニアはAIでどこまで機能開発できるか——編集者が空き時間でギフトリンク機能をリリースした実例
Every（30人のメディア企業）がギフトリンク（有料記事を非会員に共有できる機能）をリリース。開発者ではなく上級編集者がCodexとClaudeを使って実装した
AIは本当に雇用を奪うのか——ChatGPT以降の米国で実質賃金が上昇している事実をどう読むか
Acemoglu & Johnson の著書『Power and Progress』は、テック企業の権力が技術革新の方向を「労働者を補完するもの」ではなく「労働者を代替するもの」へ歪めてきたと主張するが、書評著者のNoah Smithはその歴史的根拠が軒並み脆弱だと批判する
AIエージェントのスキルは本当に有効か——49件中7件しか成果を改善しない検証結果
フロンティアモデルの進化により、かつて必要だったスキル（再利用可能な指示パッケージ）の多くが冗長化。SWE-Skills-Bench の検証では 49 スキル中、成果を改善したのはわずか 7 件。3 件は逆に成果を悪化させた
新AIモデルへの乗り換えは何を根拠に決めるのか ― 2日ほどの締め切りに対し監査と下書きを90分で終えたビズオプスのマルチモデル運用
Every社のビズオプスチームは Fable・Codex・Fin を組み合わせ、数日の猶予でまとめるカスタマーサポート計画のため、情報が散在するSlack・Notion・会議録を Fable が監査し、ヘルプ記事3本・Fin 用スニペット約6本・テンプレート17本を約90分（大半…
OpenAIはなぜCodexをChatGPTに統合したのか ― 8億人への賭けと「再利用ツールでエラー率53%減」の示唆
OpenAI が Codex を ChatGPT デスクトップアプリへ統合（旧 ChatGPT は "Classic" に改称）。Chat / Work / Codex の3モード構成になったが、PR 専用スペースなど開発者向け機能が削除され、既存の Codex ヘビーユーザーが…
AIエージェントが書いたコードの品質は誰がどう上げるのか ― 「Polish」と判断ルール化の複利構造
エージェントが一晩でコードを書き、朝には緑のPRが積まれている時代。残る人間の仕事は「これは本当に良いか」を判断し、さらに押し上げることだと著者は主張する
AIエージェントはどう作り、どう管理するのが正しいのか ― 「作りすぎない」設計とツールエンジニアリングの原則
チームは最初のAIエージェントを「作りすぎる」傾向がある。細かいルールや決定論的な指示を詰め込む前に、まずシンプルなプロンプトでモデルに意図を伝え、動かしてみることが先決
GPT-5.6はナレッジワークをどう変えるのか ― 「ループを回す人」から「ループを育てる人」への役割転換
GPT-5.6 Sol は「1タスクずつ手伝う AI」を超え、情報収集→判断→実行→学習のループを確実に回せる、著者が使った中で最初のモデルだと述べる
GPT-5.6 SolとFableはどう使い分けるべきか ― ベンチマーク順位と業務ROIが一致しない理由
GPT-5.6 Sol が政府審査から復帰。Every チームは執筆・コーディング・調査・分析の「対話しながら進める仕事」のデフォルトモデルに採用した
AnthropicのIPOと黒字化は企業のAI調達に何をもたらすのか ― Q3利益10億ドル超の試算を読む
Anthropic は 2026年6月1日に IPO の機密申請を実施。SemiAnalysis の独自試算（Tokenomics Model）によれば、2026年Q3の利益は10億ドルを超えると見込まれる
Fable 5とSonnet 5の明暗はどこで分かれたのか ― エージェント定着期のモデル評価とAnthropic創薬参入の狙い
Anthropic が同週に2つのモデルをリリース。Fable 5 は復活し、単一プロンプトから動くアプリを作れ、文書エディタ Proof を約3時間で作り直したという。一方 Sonnet 5 は「万能のゴルディロックス」を標榜しながら Opus 4.8・Fable 5・GPT-…
PM業務のどこまでをCodexに任せられるのか ― OpenAI現役PMの実践に見る「デモがPRDを置き換える」働き方
OpenAI Codex チームの PM・Rohan Varma は Slack / Notion / Linear / Gmail / Drive を Codex に接続し、複数ツールをまたいだコンテキスト収集を自動化している
フロンティアモデルのアクセス制限は何をもたらすか ― エージェント普及と「コンピュート配分」の二極化を読む
OpenAIがGPT-5.6 Solを公開したが、米政府指令によりアクセスは約20社に限定。Dan Shipperは、先進モデルが AI 大手と一部の企業に囲い込まれると、野心ある学生・独立開発者・働く専門職が必要な道具を奪われる、と批判した
AI時代にPMの役割はどう変わるのか ― OpenAI Codexリードが語る「taste」という評価軸
OpenAI 社内では、エンジニアに限らず全社員の約 100% が週次で Codex を使っている
PMはAIエージェントで何を自動化できるのか ― Anthropic社内の5つのワークフロー実例
Anthropic の PM はコードベース理解、ユーザーフィードバック収集、ミーティング準備など少なくとも5つの業務ワークフローで Claude エージェントを活用しているとされる
Sonnet 5を業務で選ぶ理由はあるのか ― Everyの実務検証に学ぶモデル選定の見直し方
Anthropic は Sonnet 5 を「Haiku より賢く、Opus より安くて速い」という従来ポジションに加え、より agentic で Opus に近く、曖昧な仕事の依頼に向くモデルとして打ち出した
Codexの実践的な使い方はどう設計するか ― 長期スレッド・コンテキストフォルダなど4つの運用パターン
Every チームは Codex（OpenAI のエージェント環境）を各自のワークスタイルに合わせてカスタマイズし、「長期継続スレッド＋ルーターエージェント」「ローカルコンテキストフォルダ」「アウトカム起点の最小構成」「クロスデバイス同期フォルダ」という4パターンを公開した
Fable 5はどのタスクに使うべきか ― 実務で使い込まれた13プロンプトとモデル使い分け基準
Fable 5が6月12日に一時的にモデルセレクターから消え、7月1日（ET 3:30）に復活。7月7日まではClaude有料プランに含まれ、以降はAPI従量課金へ移行
PMのAI活用レベルをどう測るか ― トップPMに学ぶ3つの「はしご」フレームワーク
Colin Matthewsは、PMとAIの関わり方を「個人（personal）」「プロダクト（product）」「システム（systems）」の3つのレバレッジのはしご（ladder）に整理している。無料部分で示された個人とプロダクトのはしごには、それぞれ3段階（rung）があ…
企業のAIトークン予算はいくらが適正なのか ― SemiAnalysisが50社超に聞いた支出管理の実態
MetaやUberの「トークン爆消費」報道は実態より誇張されており、悪いインセンティブ設計と管理の甘さが原因。大多数の企業では同様の事態は起きていない