要約:私はClaudeが書いたツールをCodexにレビューしてもらったことがある。第二の意見の価値は、もう一つの、確認を要する観点を得られることにある。モデルの変更、新しいウィンドウ、中立的な問い、読み取り専用の設定は、どれも単独では判断の独立性や結果の正しさを保証しない。本稿では4つの手順を残し、ツールに出力があること、レビューの完了、修正の許可を分けて考える。

私はClaudeで再利用できるレビュー指針を一組作り、そのツールをCodexに確認してもらった。元の作業記録では、2回のレビューでそれぞれ7件と3件の問題が報告されている。これは当時の報告件数であり、10件すべてを今回再検証したという意味ではない。現在のツール一式の安全性を認証するものでもない。

最も残しておきたいのは、その中の一つの指摘だ。ツールが正常終了し、文章が出てきたとしても、それだけでは私が必要とするレビューを本当に終えたとは言えない。

なぜ第二の役割を求めるのか

当時私は、Codex CLIと選択したモデルを使い、Claudeが作ったコード、資料、デザインを見てもらっていた。Codexは作業のためのツールであり、特定の固定モデルとそのまま同一視すべきではない。元の記事で触れたGPT-5.5も、当時の利用についての記述に限られる。

異なるモデル、役割、新しい文脈は、別の観点からの確認をもたらす可能性がある。ただし、共通の盲点がないことまでは保証しない。同じモデルでも、新しい文脈に移すことで役立つ再確認が得られることはある。

別のモデルに替えたからといって、独立した正しい判断が得られたことにはならない。

私が残したいのは、レビューする側がまず証拠を読み、自分の発見を示し、その後で調整役が確認して対応する進め方だ。これは私が考える人とAIの協働の一部でもある。ウィンドウを一つ増やせば完了とするのではなく、それぞれの役割に明確な仕事を持たせたい。

問いには、まず対象と基準を示す

私が先に「問題がないことは確認済みです」と伝えてから、別の役割に確認を頼めば、自分の前提をその作業に持ち込むことになるかもしれない。中立的な問いは、こうした誘導を減らす助けにはなるが、偏りをなくす保証ではない。

私がむしろ渡したいのは、どのバージョンのどのファイルを見るのか、期待する動作、既知の制約、何を問題と見なすかという情報だ。必要な背景は明確に伝え、自分の結論は後で照らし合わせるために残しておける。

中立的な問いは誘導を減らせるが、レビューが独立していることの証明にはならない。

同様に、憶測を禁じることや、読んでいない範囲の報告を求めることも、仕事上の要求にすぎない。実際に守られたかどうかは、レビューする側が何を読み、どのような根拠を示したかを見る必要がある。

4つの手順:証拠も、意見の違いも残す

私はこの進め方を4つの手順にまとめている。

  1. 問いを定める。 固定した対象、背景、基準を渡し、自分の判定を前提にしない。
  2. フィードバックを保存する。 元の発見、対象の場所、バージョン、未完了事項を残し、後から照合できるようにする。
  3. レビューと修正を分ける。 この回では問題を指摘するところまでにする。修正するか、どう直すかは、対応する権限を持つ人が決めて記録する。
  4. 出典に立ち返る。 一致していても意見が分かれていても確認し、両者が同意したからといって証拠の確認を省かない。

元の意見、採用の判断、修正結果は、分けて保存する必要がある。

こうした進め方は判断の過程をたどる助けになるが、統計的な独立性が証明されたことにはならない。また、あらゆる仕事でレビューする側が修正を手伝ってはいけないという意味でもない。今回はまず役割を分け、修正の責任と根拠を明確にするということだ。

文字があること、実行の終了、レビューの合格は別のこと

元のツールは、最後のメッセージが空でないことを確認していた。これによって、プログラムは終了したのに文字が残っていないという、一つの失敗は検出できる。しかし、その文章が正しい対象を読み、必要な範囲を扱い、信頼できる判断を示しているかは確認できない。

公式の非対話実行の説明では、codex execと最後のメッセージの出力方法が紹介されている。メッセージをファイルに保存すれば返答を残せるが、ファイルが存在すること自体は、レビュー完了の証明ではない。

空でないことの確認で分かるのは、文字が残ったことだけだ。

そこで私は、受け入れ確認を分けて考えたい。プロセスは正常に終わったか、出力を完全に取得できたか、指定した範囲を実際に読んだか、発見に根拠があるか、何がまだ未確認なのか。問題が見つからなかった場合も、確認済みの範囲と併せて理解する必要がある。

タイムアウトについては、元の付録は初期設定では時間制限を設けていなかった。また、ラッパープロセスが終了しただけで、すべての子プロセスが停止したとは保証できない。今回は、検証済みの早期失敗や課金停止を保証する仕組みとしては扱わない。

読み取り専用は、あらゆる動作を保証するものではない

私はレビューの回を、読んで発見を示すだけに設定し、それに応じたツールの制限を設けた。ただし、プロンプトに対象ファイルを列挙しても、それが自然に技術上の読み取り許可リストになるわけではない。「変更しないで」という要求も、実際の権限設定には代わらない。

公式の権限に関する説明では、sandboxとapprovalが分けて説明されている。読み取り、書き込み、接続、外部ツールでできることは、実際の環境に応じてそれぞれ確認する必要がある。「読み取り専用」という一つの表示だけで、全面的に保証されたものとしてはいけない。

モデルが生成する書き込み動作を制限しても、処理全体に副作用がないことにはならない。

ラッパーが出力ファイルを書き、ツールが作業記録を保存することもある。モデルサービスを使う場合は、レビュー対象の内容がサービス側へ送られる可能性もある。ローカルで起動することは、データがローカルにだけ残ることを意味しない。機密性のある資料を扱うときは、どの内容をそのサービスに渡してよいかを先に決める必要がある。

もう一度レビューする価値は、仕事とコストによる

私は第二の意見を、一律に「コストが低い」とは言わない。公式の認証に関する文書では、ChatGPTのサブスクリプションによるアクセスと、APIキーによる従量課金が区別されている。個別の利用可否、利用枠、コストは、アカウントとプランに応じて確認する必要がある。

比較する際には、モデルをもう一度動かす利用量だけを見ればよいわけでもない。対象の準備、発見を読む作業、確認、修正、再確認にも時間がかかる。重要な仕事や見落としやすい仕事なら、別の観点を加える価値があるかもしれない。ごく小さな字句の修正なら、必要性に応じて組み込めばよい。

もう一度レビューする価値があるかは、確認と修正のコストも含めて考える必要がある。

モデルで利用できる設定も変わる。元の付録の初期設定を、すべてのアカウントに適した固定の答えにはできない。

付録は、そのまま実行するひな型としては残さない

元の記事には、skillとシェルのラッパーを付けていた。今回はコピー可能なコードを取り下げ、方法を残す。「例を読んで理解できること」と「そのまま実行するのに適していること」は異なるからだ。

前述のタイムアウトと空でない出力の限界に加え、旧例は、出力ファイル名の十分な分離、書き込み失敗時の受け入れ確認、パス制限を完全に保証するものでもなかった。「書き込みはこれだけ」「コピーすれば使える」といった説明や、固定モデルを前提とする約束を添えたままにすべきではない。

今回はこれを起動しておらず、現在のCLIとの互換性テストをやり直してもいない。旧コードを、修正済みのツールとして包み直したわけでもない。同様の仕組みを実装するなら、現在の文書とプロジェクトの条件に沿って、改めて設計、確認、テストを行う必要がある。

過去の例が存在することは、今そのまま採用できることを意味しない。

4コマ漫画:別のモデルに替えたからといって、独立した正しい判断が得られたことにはならない。中立的な問いは誘導を減らせるが、レビューが独立していることの証明にはならない。元の意見、採用の判断、修正結果は、分けて保存する必要がある。空でないことの確認で分かるのは、文字が残ったことだけだ。同意する意見も、意見が分かれる場合も、確認が必要だ。過去の例が存在することは、今そのまま採用できることを意味しない。

耳を傾けても、うのみにしない

あるレビュアーが的確な問題を指摘したことがあれば、次の発見も真剣に読む価値がある。ただし、それによって確認を免除される立場を与えるべきではない。私が見落とすこともあれば、相手が誤ることもある。

同意する意見も、意見が分かれる場合も、確認が必要だ。

私は発見を元の資料に戻し、どれを採用し、どれを採用せず、どれは証拠が足りないのかを説明する。ルールを調整するかどうかも、そのルールが抑えていたリスクが今もあるかを見て決めるべきだ。モデルがより自信を持っているように見えるだけで、境界を外してはいけない。

これが、私の残したい複数モデルによる協働の方法だ。第二の意見は確信に穴を開けることがある。それでも最後の判断には、対応する権限を持つ人の責任と、後から照合できる理由が必要になる。