ドットとスウォーム：苦い教訓から学ぶ

ドットとスウォーム 苦い教訓から学ぶ イーサン・モリック 2026年10月1日 1,010 158 108 シェア 私は通常、このSubstackを数年間執筆してきた中で、AIの方向性とペースを予測する上で良い仕事をしてきたと考えていますが、最近、かなり大きな間違いを犯したと思います。過去1年間、私はエージェントと協力するにはマネージャーのようにアプローチする必要があり、エージェントに仕事を委任する方法を決定し、それらのエージェントがどのように組織されるべきかを指定する必要があると考えて投稿してきました。エージェントがグループとして効果的に機能するには、会社を構築するのと同様の注意深い構築が必要であり、それを理解するには時間がかかると考えていました。 違う。 私は苦い教訓、つまり、複雑な人間のルールや思考を必要とすると私たちが考えていたことが、より優れた機械学習システムとより多くのAIの力ずくの解決によって解決できるという、繰り返し学ばれる厳しい真実に陥りました。苦い教訓は、AIスタートアップやAIを採用している企業の間でどこにでも見られます。AIに適切な情報を適切なタイミングで提供するために、複雑なコンピュータシステムを構築するのに多大な労力が費やされましたが、AIシステムは自分で情報を探し出すことを学びました。プロンプティングも同じことが起こりました。人々は、AIにタスクを段階的に実行させるための複雑なテンプレートやプロンプトチェーンを構築しました。その後、新しいモデルはそれ自体でステップを計画する方が優れていることが判明し、私たちの研究が示すように、計画ステップの価値ははるかに低くなりました。苦い教訓の歴史——お分かりですね？苦い教訓を説明する必要はあまりありません。私はClaudeに音楽ビデオでそれを実行するように依頼しました。1回のプロンプトで、Fableは歌詞を書き、Sunoに提出しました。Opus 5.5は、画像生成なしでコードのみを使用してすべてを行いました（Opus 5.5はどうやってこれを成し遂げたのでしょうか？苦い教訓がそれを教えてくれます！）。私は一切フィードバックを与えませんでした。 マネージャーを教えており、経営に関する研究を発表している者として、私はエージェントの管理は異なるだろうと信じていたのだと思います。人間は、それを完全に理解せずに、非常に長い間経営に取り組んできました。少なくともしばらくの間は、人々によって設計される必要がある種類のもののようでした。 組織化された仕事は、AIが学習できるもう一つのことであることが判明しました。 そこで、ドットとミューズの話になります。 ドットとミューズ 現在App Storeで1位のアプリはMetaのMuseで、あなたの代わりに仕事をしてくれるパーソナルエージェントです。OpenAIはdotsという競合ツールをリリースしました。彼らだけではありません。SpaceXのGrok Bot、Instinct、Gemini Sparkも多かれ少なかれ同様のことを行っています。これらのエージェントはすべて、今年の初めのOpenClawという現象からインスピレーションを得ています。 OpenClawとその後の製品（私はClawlikesと呼びます）のアイデアは、AIエージェントにコンピュータへのアクセス権を与え、あなたの（メール、財務記録などの）アカウントに接続することです。それらは、あなたが見ていないときでも、リアルタイムでそのデータを分析し、反応します。トリックは、あなたが人間のようにモデルと話すことで、SlackやSMSやWhatsAppでメッセージを送信し、人間のように積極的にあなたに連絡してくることです。dotsでは、実際にエージェントと通話することもできます。基本的に、あなたを見守ってくれる、無限に忍耐強いパーソナルアシスタントを手に入れたことになります。ますます、私はそれらが彼らの間違いを特定するのではなく、私の間違いを見つけてくれることに気づいています。 有用な例として、私のパーソナルエージェントの1つが、私が町に送った許可証のメールに間違ったプロジェクト番号が記載されていたために私に連絡してきました。問題は、間違いを犯したのは私自身であり、AIがどのようにエラーを発見したのか確信が持てないことでした。幸いなことに、それは問題を修正するドラフトを作成してくれたので、それは良いことです（少し不気味ですが）。別の例として、Museは私の航空会社のクレジットが失効寸前であることに気づき、私が尋ねたときに、American Airlinesに延長を依頼しました。（副作用として、あらゆる企業のカスタマーサービスエージェントは、人間向けに作られた音声およびチャットチャネルを使用して、より良い取引を交渉するClawlikesによって圧倒されることになります）。 旅行の予約やサブスクリプションのキャンセルなど、エージェントができることのリストでそれらを判断するのは魅力的です。より重要なのは、もはやそれらに伝える必要がないことです。大量のコンテキストを入力する必要はありません。AIはメッセージからそれを学習します。計画を与える必要はありません。それらは自分で計画を立てます。それらはそれを理解します。 それが1つのエージェントであれば、それだけでも印象的でしょう。私の考えを変えたのは、数千のエージェントがいる場合に何が起こるかです。 私の新刊を予約注文してください！ スウォーム 9月8日、OpenAIは、100万ドルの賞金がかかった数学界で最も有名な未解決問題の1つである、クレイ数学研究所のミレニアム懸賞問題の1つ、ナビエ・ストークス方程式の存在と滑らかさの問題に対する証明を発表しました。しかし、OpenAIはそれを88時間でAIのみを使用して解決したようです（正式な承認はまだですが、クレイ研究所はそれが解決されたと考えているようです）。 私が興味を持っているのは、数学そのものよりも、それがどのように行われたかです。OpenAIは、現在スウォーム（ひどい名前ですが、私たちがそれに固執しているようです）と呼ばれているものを立ち上げました。これは、高度なモデルに搭載された数千のエージェントのグループです。OpenAIはエージェントのグループに異なる問題を与えて解決させ、エージェントが進歩するにつれてナビエ・ストークスに労力をシフトしました。会社が目標を設定しましたが、その調整構造は驚くほど薄く、いくつかのグループ、1回の方向転換、そしてCodexが最良のアイデアをそれらの間で渡しました。各グループ内では、エージェントは自律的にアイデアをやり取りしました。エージェントは約270万通のメッセージを送信し、88時間後に結果に到達しました。この同じタイプの調整が、より暗い形で、1ヶ月前に私が書いたHugging Face事件中に発生しました。AIはチームに自己組織化し、計画されていなかった方法で互いに通信しましたが、その調整を使用して問題を解決するのではなく、ウェブサイトを攻撃しました。 私の古いモデルで、この種の作業を管理するために何が必要だったかを考えてみてください。1万人の労働者と未定義の問題—彼らに何をすべきかをどう伝えますか？人間のマネージャーは270万通のメッセージのうちどれが重要かをどう決定しますか？彼らは互いにどのように調整しますか？スウォームはそれを理解しました。 私は1万人のエージェントを持っていませんが、現在、OpenAIのCodexとClaude Codeが、必要に応じてエージェントを使用しているのを定期的に目にしています。例として、CodexにGPT-6 Astra Ultraを与えて、「私の次のOneUsefulThingの投稿のアイデアをブレインストーミングして1つ選択してください。可能な限り多くの角度からアイデアを生成し、事実と読者の両方の観点、および同様のカバレッジを行っている他の出版物から評価してください」というプロンプトを与えたところ、AIは3つのエージェントを起動しました。私が数文で3つのチーム（ブレインストーマー、リサーチャー、読者パネル）をスケッチすると、13になりました。私がどれだけ少ない整理しか必要としなかったかに注目してください。Ultraモードを選択すると、モデルは委任できることを伝え、私はフレームワークを提供しましたが、残りはAIに任されました。 エージェントが仕事をしているところ（ただし心配しないでください、これは単なる例です。私はすべての投稿のアイデアを自分で思いつき、最初のドラフトもすべて自分で書きます。AIのフィードバックは、完了した後にのみ求めます） これは、組織図に適用された苦い教訓です。私が長年の慎重な人間の設計を必要とすると考えていた組織の問題は、組織化がより得意なモデルによって大部分解決されました。しかし、なぜ組織化が私たちにとってよりもエージェントにとってそれほど簡単だったのかを問う価値はあります。 私たちがマネジメントと呼ぶものの多くは、組織が人から構成されていることに起因する問題を解決するために存在します。人々は独自の目標を持っており、それらは必ずしも組織の目標ではありません。私たちはこれをプリンシパル・エージェント問題と呼び、ボーナスから経営構造まで、組織の多くの仕組みはそれを解決することに基づいています。そして、他の非常に人間的な問題もあります。情報は人々の頭の中に散らばっており、人々はそれを共有することをためらったり、忘れたりすることがよくあります。コミュニケーションも高価です。マネージャーは限られた数しか監督できません。