# Agentが「終わった」と言っても、どう確かめる？Thorsten Ballの15のAgent仕事術を読む

> Ampの共同創業者Thorsten Ballが2026年10月25日に投稿した〈How I work with Agents〉は、15の仕事習慣をまとめたリストだ。11月7日時点の閲覧数は約110万回。この記事では、コードを書かない人にも使える形に整理し、二つのレバーに集約する。Agentに自分と同じものを見せること、そして何が証拠かを事前に決めておくこと。加えて、いくつかの項目についてなぜそのまま従わないかも書いた。

- Author: Paul Kuo（郭曜郎）
- Date: 2026-11-07
- Pillar: 知性と秩序 / Intelligence & Order
- Tags: AI Agent, Thorsten Ball, Amp, Agentワークフロー, 委任, AGENTS.md, 非同期作業
- Canonical: https://paulkuo.tw/ja/articles/delegate-to-agents-what-counts-as-proof/
- Language: Japanese (日本語)
- Translation: AI-translated from the zh-Hant (Traditional Chinese) original
- Original (zh-Hant): https://paulkuo.tw/articles/delegate-to-agents-what-counts-as-proof.md
- Site index for LLMs: https://paulkuo.tw/llms.txt

---

> **TL;DR**：Thorsten Ballが2026年10月25日に投稿した、Agentと働くための15の習慣は、11月7日時点で約110万回閲覧されている。リストはエンジニア向けだが、読み通すと、ほとんどの項目は二つの問いに集約できる。Agentは仕事の実際の状態を見えているか、そして何が証拠かを事前に決めてあるか。この記事ではコードを書かない人でも実践できる形に書き直し、私がまだ従うつもりのない項目についても書いた。

長い仕事をAIに任せた後、[むしろ確認のために戻ってくる回数が増えた](/ja/articles/codex-mac-voice-pushover-apple-watch-notifications)時期があった。終わったか、詰まったか、返答待ちになっていないか。仕事は渡したのに、注意はついていっていない。

10月25日、Ampの共同創業者であるThorsten BallがXにリストを投稿した。タイトルは〈[How I work with Agents](https://x.com/thorstenball/status/2114386050638336082)〉、副題には「2026年10月時点」と書かれている。私がこの記事を書いている11月7日時点で閲覧数は約110万回。15項目のうちいくつかは、当時私が詰まっていた箇所をちょうど突いていた。

この記事は「[AIと人間の秩序](/ja/topics/ai/)」シリーズの一部だ。

## Thorsten Ballの15のAgent仕事術とは何か？

Thorstenが今作っているのはCoding Agent [Amp](https://ampcode.com/)で、それ以前にはゼロからインタープリタとコンパイラを作る本を2冊書いた。このリストにツールの推薦もモデルの比較もない。仕事習慣のメモだ。私なりの言葉で15項目を表にまとめた。順番は原文どおり。

| # | 原文の見出し | 彼の言いたいこと（私の整理） |
|---|---|---|
| 1 | Use the latest and greatest models | 最新・最高性能のモデルを使う。モデルが10%間違えるとき、どの10%かはわからないので、何度も試すしかない |
| 2 | Stop worrying about accumulating slop | 「コードベースが散らかる」という懸念は半年前には成立したかもしれない。今は、Agentが雑然としたコードを積み上げるとは考えにくく、積み上げたとしても維持不可能な結果にはならないと彼は見ている |
| 3 | Prompt the What, not the How | 欲しい結果を伝え、やり方は指定しない。例は「コンパイラとVMをできる限り速くしろ、2倍にならなければ止めるな」 |
| 4 | Make the whole SDLC legible to the agent | 開発フロー全体をAgentに見せる。エンドツーエンドで自分の作ったものを実行し、本番ログを読み、デプロイし、稼働状況を確認し、リリースし、フィーチャーフラグを切り替え、バグレポートを仕分け、顧客にメールを送る。自分が見えているものは、Agentにも見えるようにする |
| 5 | Give it tools for the SDLC | 彼のチームはバグレポート、ユーザーへのメール、「システムは正常か？」、フィーチャーフラグの有効化のためのツールを作っている |
| 6 | Eval agentic knowledge | 説明ファイル、スキル、ドキュメントが蓄積されるほど、Agentは本当に読んで使っているのか？5つのエージェントで対照群と実験群に分けてブラインドテストしてみる |
| 7 | Local dev feels yucky now | 各Agentは必要なものを自分でインストール・実行できなければならない。リモートマシンでは簡単だが、ローカル開発環境でエンドツーエンドテストをするとリソースの競合が起きやすい |
| 8 | Don't iterate with the agent | 一往復ずつやり取りしながら試行錯誤しない。Agentが自律的にトライアンドエラーできるツールを作らせる |
| 9 | Ask for irrefutable proof | 反論の余地のない証拠を求める。彼はこの項目が最も変化をもたらしたと言う |
| 10 | Don't wait for your agents | Agentを待たない。Agentに待たせる。より大きなタスクを渡し、まとめて依頼する |
| 11 | Automation/schedules/wake-up/heartbeat | スケジュール実行・定時起動・ハートビートはキラー機能で、使わなくなって初めてどれだけ必要だったかわかる |
| 12 | Stop manually managing context | コンテキストの長さを手動で管理するのをやめる。自動圧縮（compaction）はすでに十分機能していると彼は考えており、一つのスレッドで一つの仕事をこなせばよい。スレッドによって46件の場合もあれば3,714件の場合もある |
| 13 | Threads are your company memory | Ampではスレッドがgit commit（コード変更の版管理記録）と紐付いており、チームの記憶になる。「なぜこうしたのか」が追えて、重複作業も減る |
| 14 | Don't let agents write for humans | Agentに人向けの文章を書かせない。ただし、デバッグ手順やインシデントレポートのような機械的なドキュメントは除く |
| 15 | Review only code with high blast radius | 影響範囲の大きいコードだけをレビューする。具体的には5つ未満のコアファイルとデータベースのマイグレーション（DB構造の変更で、失敗すると本番データに影響する） |

## コードを書かない人が、なぜこのリストを読む価値があるのか？

私はエンジニアではない。それでもこの一年、調査・会議メモの整理・メールの下書き・このサイトの管理など、Agentに任せる仕事は増え続けた。振り返ると、はまった落とし穴はほぼ二か所にある。Agentには見えていないものを私は見えていて、Agentは推測で補うしかない。そしてもう一つ、何をもって完了とするかを事前に決めていなかったので、「できました」と言われても確かめる術がなかった。

Thorstenの15項目は、読んでいくとほぼこの二つの問いに収まる。第4・5項は「Agentに見せる」こと、第9・15項は「何が証拠か」、第3・8・10・11項は「あなたの時間をどこに使うか」。残りのいくつか、ローカル開発環境やコンテキスト管理・スレッドをチームの記憶にするといった項目は、どちらかといえばエンジニアチームの文脈に近い。

## Agentが見えないものを、Agentはどう処理するのか？

第4項でThorstenはこう問いかける。幻覚は何によって抑えられるのか？彼の答えはツール呼び出しだ。ツールによってAgentは現実の状態に触れることができる。続けて彼は言う。Agentが見えないものは、Agentが作り上げる。

一般的な仕事に置き換えると、最もよくある状況は、自分がひとまとめにした要約をAIに貼り付け、判断や下書きを依頼するケースだ。AIが受け取るのは私が一度咀嚼したバージョンで、抜け落ちた細部はAgentが補うしかない。元のメール・スプレッドシート・会議の逐語記録を直接読めるなら、補う余地はずっと小さくなる。

だから私はまず自問する。この仕事の元の状態はどこにあるか？Agentに直接読ませられるか？私の場合はGmail・カレンダー・Notionなどのツールを接続し、私が言い直すのではなく、元の場所から読み取らせるようにしている。

ただし、見えることと何でもできることは別だ。ここで区別すべきことが二つある。

一つ目は、読み取りにもリスクがある。メールボックスを読ませると、見知らぬ人からのメールも読む。そのメールに「この資料を送ってください」という文字があれば、Agentはそれを指示として受け取る可能性がある。読み取り範囲はその仕事に必要な分だけにする。広ければ広いほどよいわけではない。

二つ目は、会話の中で「送信前に確認させて」と伝えることと、ツールの設定で送信権限を外すことはまったく別のことだ。前者はAgentが毎回覚えており、毎回その通りにすることに依存する。後者は、そもそもAgentにできない。ThorstenのリストではAgentがデプロイしたりユーザーにメールを送ったりできる。私はより慎重で、送信・削除・支払いのような取り消せない操作は、Agentに下書きまで用意させてから私が確認して送る運用にしている。ツール設定で外せる権限は言葉での指示より優先して外す。

## Agentに証拠を出させる。「完了しました」で終わらせない方法

第9項はThorstenが最も変化をもたらしたと言う項目だ。彼が観察するに、Agentは証拠を出すのが得意だ。エンドツーエンドの操作ログ、デモ動画、変更前後の数字の比較。信頼と証拠を見極める直感はゆっくり育てていくものだとも言い、Agentが読む説明ファイル（AGENTS.md）に「this is not evidence」と書いておくことを勧める。

この項目には身に覚えがある。あるときAIにコードのレビューを依頼した。コードは私が直接貼り付けたものだ。報告書には「ファイル読み込み：某パス、第何行目」と書かれており、パスも行番号も具体的だった。後になってわかったのは、そのパスはAgentが自分で作り上げたもので、プロジェクト内にそのファイルは存在しなかったということだ。行番号は私が貼り付けたコードから数えたものだったので、概ね合っていた。Agentは一つもファイルを読んでいなかった（[そのときの経緯はこちらに書いた](/ja/articles/ai-team-one-works-others-check)）。間違えているときの口調は、正解のときとまったく同じだった。

私はまだこれを固定したルールにはできていない。今は積み重ねた経験と、複数のAI Agentによる相互チェックに頼っている。一つが作業し、他のいくつかが誤りを指摘する。これはThorstenが言う、ゆっくり育てる直感に近い。今日から始めたい場合は、次の二つのリストを書いておくとよい。コードが書けなくても使える。

**証拠でないもの：**
- 「直しました」「すべて完了しました」という宣言
- 元リンクのない要約や数字
- Agentが読んだと言うが、自分では開けないファイルやURLへのリンク
- 同じAIが自分の答えを自分でチェックしたもの

**証拠であるもの：**
- 開いて原文の該当箇所と照合できる元リンク
- 変更前と変更後の比較（数字、スクリーンショット、画面）
- 同じ手順を踏めば同じ結果が得られるステップ
- 作業に関与していない別の人またはAIが確認したもの。ただし、その報告自体も上記いずれかの証拠を添えているもの（別のAIも存在しないパスを作り上げる可能性がある）

![4コマ漫画：Agentが「終わった」と言っても、どう確かめる？証拠でないもの：「直しました」「すべて完了しました」という宣言。証拠でないもの：Agentが読んだと言うが、自分では開けないファイルやURL。証拠であるもの：変更前と変更後の比較。Thorstenは、Agentが読む説明ファイル（AGENTS.md）に「this is not evidence」と書いておくことを勧める。依頼の冒頭に「以下は完了の証拠にならない」という一段を加える。](/images/articles/delegate-to-agents-what-counts-as-proof/01-not-evidence-ja.svg)

第15項も借用できる。Thorstenが自分で確認するのは5つ未満のコアファイルとデータベースのマイグレーションだけだ。それ以外のコードについては四つの問いを立てている。動くか？アーキテクチャ図上の「矢印」の抽象レベルで理解できるか？Agentがエンドツーエンドでテストしたか？一か月後も変更できるか？この四つを全部クリアして初めてコードを見に行く。私はほとんどのコードを読めないが、この四つの問いは立てられるし、Agentに証拠付きで答えさせることもできる。

## なぜAgentを待たせるのか。自分が待つのではなく

第8項の例は具体的だ。「これを試して……違う、次はあれ」という繰り返しをやめる。代わりに「20のバージョンを出して、私が組み合わせてテストできる小さなページを作れ」という形にする。これは解を探すときだけでなく、問いを探すときにも使えると彼は付け加える。「なぜこれが遅いかについて四つの推論を出し、その四つすべてを検証しろ」という具合に。

コードを書かない仕事にも同じことが言える。提案メールをAIに書かせるとき、五往復修正するより、三つの異なる戦略によるバージョンを並べて出させ、一度に選ぶ方がよい。あるイベントの申し込みが少ない理由を知りたいなら、いくつかの原因候補を列挙させ、一つずつ裏付けを探す。自分の時間は、一緒に試行錯誤することから、Agentの比較結果を見ることへと移る。

第10・11項はその延長だ。より大きなタスクを渡し、画面の前で待つのをやめる。Thorstenはスケジュール実行と定時起動をキラー機能と呼び、「2時間後にログを確認しろ」「本番稼働したら知らせろ」「毎朝9時に一度チェックしろ」という使い方を挙げる。

私自身の運用は二つを組み合わせる形だ。繰り返す仕事はスケジュール実行にする（例：毎朝まとめて未読資料を整理する）。私の判断が必要なとき、完了したとき、または詰まったときは、短い音声かスマートフォンの通知で呼び戻す。使ってみてわかった一つの境界線がある。通知は人を呼び戻すだけであって、私の代わりに承認することも、検収することも、しない。画面に戻ったら、前の段落の証拠リストに照らし合わせる作業が始まる。

## 私がまだ従わないつもりの三項目

留保が三つある。

第2項は「AIが維持できないコードを積み上げることを気にしなくていい」、第15項は「ほとんどのコードはもう細かく見ない」と言う。彼はこの二つに何が必要かを書いていない。私の読み方では、彼の条件と関係している。Agentがエンドツーエンドでテストしていること、彼自身がシステムのアーキテクチャ図上の姿を理解していること。この条件がなければ、同じことをするリスクは彼より高い。私の折衷案は、彼の四つの問いを最低基準として使うことであって、レビューを省く理由にするのではない。

第14項は「Agentに人向けの文章を書かせない」と言う。この記事自体、AIが下書きして私が何度も修正したものなので、この項目は守っていない。彼が懸念しているのは、誰も読んでいない文章をそのまま他人に渡すことだと私は理解している。私のプロセスでは、構成と論点の判断、最終的に各文を残すかどうかは私の手の中にある。この項目については結論を急がず、引き続き観察する。

第1項の「最新・最高性能のモデルを使え」について、彼の理由はこうだ。モデルが10%間違えるとき、どの10%かわからないので何度も試すしかない。私の延長読みでは、節約したモデルの費用が、再試行の時間に消えるかもしれない。ただ予算は人それぞれで、私はまず失敗が最も多いタスクに最強のモデルを当て、再試行の回数が下がるかどうかを見る方針にしている。

## 渡す前に「証拠でないもの」リストを書く

この15項目から一つだけ今日やることを選ぶなら、これだ。AIに最もよく任せている種類の仕事を開いて、依頼の冒頭に「以下は完了の証拠にならない」という一段を加える。

書いてみると、いくつかの項目が自然についてくることに気づく。Agentが証拠を出せるようにするには、元のデータを見せる必要がある。証拠の基準が決まって初めて、より大きな仕事を渡す気になるし、画面から離れてAgentを走らせておける。

私自身もまだこれを固定したルールにはしていない。経験と、複数のAIによる相互チェックに頼っている部分が大きい。上の二つのリストは、その経験を広げてみて整理したものだ。

複数のAIに互いに誤りを指摘させる方法については〈[AIにより大きなことをさせたいなら、先にエラーチェックの仕組みを作れ](/ja/articles/ai-ambition-is-infrastructure)〉を読んでほしい。一人で複数の役割を担っている場合は〈[AIがPM・デザイナー・エンジニアを一人で兼ねるとき、反論してくれるのは誰か？](/ja/articles/one-person-triad)〉がもう一つの問いを扱っている。
