2026.08.24

「どのモデルを使うか」より「どう囲うか」で結果が3倍以上動くという定量的な裏付けが出た。ループ設計・コンテキスト管理・スーパーバイザー役の分離が、そのまま性能とコストに直結する。

「スキルを置いたのに読まれない」の原因が BOM だったケースが実在する。Windows で skill を書くときに真っ先に踏む地雷で、原因表示が一切出ないぶん自力では特定しづらい。Bedrock の二重課金も、気づかないまま請求だけ膨らむ種類の不具合だ。

「スキルの原本をどこに置くか」の選択肢が増えた。チームで共有する手順書を Notion 側に持ち、各自のエージェントへ配る運用が組める。SKILL.md という同じ書式が Notion・Claude Code・Codex・Cursor で通ることは、書き方を1つ覚えれば済むという意味を持つ。

小さいモデルと作り込んだエージェント設計の組み合わせが、巨大モデルの素の力を特定タスクで上回った実例だ。コーディング部分を自作せず既存の Codex に任せた判断も、道具の組み合わせで戦うという意味で参考になる。なお数値は Inherent の自社発表であって第三者検証ではない。

「AI に学習させること」と「AI の生成物に権利があるか」は別の問いで、混ざりやすい。制作物を仕事で使う側としては、100% AI 生成だと著作権が付かないという Thaler の線と、直接競合を狙った学習は不利になるという線の2本を押さえておけばよい。ただし米国法の話で、日本の著作権法30条の4とは枠組みが異なる。

フロンティアラボが自主規制から法規制の側へ寄る動きが続いている。エージェントを業務に組み込む立場からは、監視・ログ・インシデント報告の要件が今後どう固まるかの前触れとして見ておく価値がある。

正体不明のまま無料で高性能な推論モデルが配られる状況自体が、今の相場を表している。エージェント用途で本番投入を考えるなら、提供元が誰か分からないモデルに業務データを流す判断は保留すべき、という実務的な論点も含んでいる。