TL;DR:Addy Osmani の指摘は、同時にどれだけ多くの agent を走らせても、出力を見る目は一対しかないということだ。モデルが優秀になるほど明らかな誤りは減り、人は「仕事を渡す」から「判断を渡す」へと滑り落ちやすくなる。もっとよく確認しようと自分に言い聞かせるだけでは不十分で、産出量が増えれば省かれる。自分が踏んだ偽の青信号を振り返り、流れに組み込める三つの仕組みを整理した。成功シグナルは「不明」と返せること、レビュアーは結論を知らないこと、完了基準は着手前に書いておくこと。
8 月 9 日、ミラーへのプッシュ前に走らせた git ヘルスチェックが三回連続で崩壊した。複数のミラー間でバージョンに差異がないかを確認するもので、毎回「差異なし」と返していた。実際にはそのうち一つが 3 コミット遅れており、セキュリティパッチも含まれていた。ヘルスチェックは検出処理が終わらないうちに崩れ、私がハードコードしておいた文字列に従って、検証していない結論を返した。この件は〈AI が毎日システムを巡回していた。門番が自分で壊れるまで〉に書いた。
三ヶ月後、Addy Osmani の〈Critical thinking when agents do the work〉を読んだ。彼の X プロフィールには Anthropic で Claude Code を担当していると書かれており、この記事は本人の個人的見解だ。彼自身が agent のヘビーユーザーであり、記事の趣旨は agent の使用を減らすよう勧めることではないとも述べている。あの三回の「差異なし」を思い出させたのは、冒頭のこの一文だった。同時にどれだけ多くの agent を走らせても、“you still only have one pair of eyes on the outputs”(出力を見る目は一対しかない)。
認知的オフロード・服従・投降:三段階のスペクトルとは何か
Addy は人と AI の関係を一つのスペクトルとして並べている。
最初が認知的オフロード(cognitive offloading)だ。仕事を AI に渡しつつ、結果には自分が責任を持つ。彼は一日中これをしており、読者にも勧めると言う。中間が deferral、私は服従と訳した。ツールの出力がそのまま次のステップの入力になり、検証すべき仮説として扱われなくなった状態だ。最後が認知的投降(cognitive surrender)。AI の答えがいつの間にか自分の結論になり、確認が必要だとすら感じなくなる。
「認知的投降」という言葉は Addy が作ったものではない。Wharton の Steven Shaw と Gideon Nave が今年 1 月に執筆した論文〈Thinking—Fast, Slow, and Artificial〉に由来する。彼らは Kahneman の直観(システム1)と熟慮(システム2)に加えて、AI を脳の外にある「システム3」として位置づけ、二種類の使い方を区別した。オフロードは思考の過程で戦略的に委託すること、投降は熟慮を飛ばし、ほとんど確認せずに AI の出力を採用することだ。
彼らは改変した認知反射テストを使って三つの対照実験を行い、合計 1,372 人・9,593 回の回答を集め、AI がいつ正答してどこで誤答するかを密かに操作した。第一実験では、AI を使わない基準と比べて、AI が正答した場合は正答率が約 25 ポイント高く、AI が誤答した場合は約 15 ポイント低かった。AI を使うと自信は上がり、誤答した場合でも同様だった。
📊 重要なデータ
- 実験規模:事前登録済みの 3 実験、合計 1,372 人・9,593 回の回答(Shaw & Nave, 2026)
- AI 正答時:第一実験で正答率が基準より約 25 ポイント高い
- AI 誤答時:同実験で正答率が基準より約 15 ポイント低く、自信は逆に上がった
Addy が描く滑落は緩やかに進む。最初の答えは丁寧に読む。次は流し読みになる。さらに次は構造だけ見る。そしていつか、ある行が何をしているかを聞かれても、説明できなくなっている。
モデルが優秀になるほど、なぜ判断を渡しやすくなるのか
直感的には、AI が精確なほど目を光らせなくていいように思える。Addy の観察はちょうど逆だ。モデルが進歩すると明らかな誤りの割合が下がり、ほとんどの出力はよく書けていておおむね正しい。だから人はもう一度確認しようとしなくなる。誤りは減ったが消えたわけではなく、残った分がより素通りしやすくなる。
Anthropic 自身の調査でも同じ問題が浮かんでいる。2025 年 8 月に 132 人のエンジニアと研究者を対象に行った調査では、より深い技術能力が衰えることを懸念する声があり、調査ページではそれを「監督のパラドックス」と呼んでいた。Claude をうまく使うには監督が必要で、その監督に必要なコーディング能力こそ、AI への過度な依存で退化する部分だ、というものだ。今年 10 月の社内雇用調査にはより直接的な記述がある。agent の産出が加速すると人の注意力がボトルネックになり、非技術職の社員でさえ自分の agent の産出をすべて読もうとすると半週間分の業務時間がかかる、と書かれている。
一人で複数の agent を動かす私のような働き方には、特に響く話だ。agent はもう一つ増やせる。目は増やせない。
青信号は何を証明しているのか
Addy の検証原則は二文だけだ。青信号が点いたら、それが何を証明しているかを問う。次に、何を証明していないかを問う。
自分の記録を振り返ると、同じ問いに二度つまずいていた。
一つ目は冒頭のヘルスチェックだ。その青信号が証明したのは「一行印字した」ことだけで、「差異を実際に検出した」ことではなかった。検出処理が終わらないうちに崩れていたからだ。
二つ目は Codex に Claude が書いたツールをレビューさせたときだ(〈Codex に Claude の誤りを指摘させる〉)。もともとの検収条件は「最後のメッセージが空白でないこと」だった。プログラムが終了しても何も出力しない失敗は防げるが、その文章が正しい対象を読んで十分な範囲を網羅していることは証明できない。
二つに共通するのは、ハードコードされた成功シグナルに、それが一度も問わなかった問いの答えを代弁させてしまったことだ。これが服従だ。ツールの出力がそのまま次のステップの入力になる。
この原稿自体も、もう少しで服従になるところだった
この記事の初稿は Claude に依頼した。別の AI が整理した Addy の記事メモを渡したのだが、そこには「毎週一回のキャリブレーション練習」と「AI がなければどれほど迷子になるか」という二文が書かれていた。Claude はさらに Perplexity に原文を確認させた。
最初の検索で返ってきた原文の段落には、その二文がなかった。Claude はそれを受けて初稿にこう書いた。メモにある二文は出典が確認できない、二つの AI が互いに裏付け合っても、一次情報に戻ったことにはならない、と。
レビュー時、Antigravity はその段落に要修正のマークをつけた。著者自身が検索でヒットした段落しか読んでいないと認めているなら、「見つからなかった」を結論にはできない、という理由だ。Claude が再度確認すると、二文はどちらも原文に存在し、末尾近くの「日常の実践」の節にあった。
Addy の記事にはちょうどこの状況への言及がある。それぞれの agent が前の agent の要約を引き継いでいくと、三番目の agent が来る頃には、誰も元の文書を読んでいない、というものだ。
問題になったのはそのメモではなく、下書きを生成したラウンドだった。原文の半分しか受け取っていないのに記事全体の結論を出し、その結論がたまたま記事のテーマとよく合っていたので、読んでいて違和感がなかった。下書きを生成した側は自分では気づかなかった。止めたのは、事前に結論を知らされていなかったレビュアーだ。
もっとよく確認しようと自分に言い聞かせても、なぜ不十分なのか
Addy の記事には自問のリストが長く並んでいる。答えを見る前に仮説を立てたか、この答えが誤りであるためにはどんな条件が必要か、このコードを保守する人の前でその品質を保証できるか、といった問いだ。どれも正しく、私も同じように問いかけている。
問題は、いずれも自律に依存していることだ。この記事の前提は、agent はどんどん増え、注意力は一つしかないということだ。産出量が増えると、最初に省かれるのが、自分で覚えておかなければならない類の確認だ。ヘルスチェックのとき、Codex のとき、この原稿の下書きのとき、三回とも確認すべきだとわかっていた。ただ、その瞬間に自分を強制するものが何もなかった。
Addy も方向を示している。Claude Code に完全に新しいコンテキストのサブ agent で自分の仕事を確認させること、そしてこのステップは流れに組み込んで毎回走らせる価値がある、思い出したときだけでなく、と述べている。
産出量についても触れている。agent が生み出す量と、自分が保証できる量の差を、彼は orchestration tax と呼ぶ。産出物が見切れる速さより早く積み上がるとき、セッションをもう一つ開いても意味がない。まず確認を絞り込んで自分が見るべき量を減らすか、ペースを落とすかだ。産出量が自分で保証できる量を超えたとき、あなたはもうレビューしていない。祈っているだけだ、と彼は言う。同じ記事にはもう一つの方法もある。達成できなかったとき、その理由を共有設定・hook・テストに書き込んで、同じことが繰り返されないようにする、というものだ。
そこで、自問を仕組みに変えることにした。以下の三つは私がすでに使っているものだ。
流れに組み込む三つの仕組み
一、成功シグナルは「不明」を返せること。 ヘルスチェックの件の後、報告文字列を「差異状態:不明(検出未完了)」に変え、隣に一文の注記を添えた。文言を「差異なし」に戻すことを禁止する、という内容だ。差異の有無は「なし」ではなく「不明」だ。確認が終わっていなければ結果は不明であり、ハードコードされた成功文字列で代用することはできない。この仕組みは誰かが「何を確認しなかったか」と問い続けることを必要としない。シグナル自体が語る。
二、レビュアーは結論を知らないこと。 Codex・Grok・Antigravity の三つの AI に原稿のレビューを依頼するとき、対象と基準だけを渡し、問題ないと思っているとは事前に伝えない(方法は〈AI にもっと大きな仕事をさせたいなら、先にエラー検出の仕組みを整える〉に書いた)。検収も分割する。プログラムが出力した、正常に完了した、レビューを通過した、の三つは別々の条件だ。この原稿のあの誤りは、この方法で止まった。人間に頼む場合も同じで、同僚に何かを見てもらうとき、問題ないと思うとは先に言わない。
三、完了基準は着手前に書いておくこと。 Addy の言い方はこうだ。何をもって検証済みとするかを事前に定義する、なぜなら事後には何の結果に対しても理由をつけてしまうから。ゴールは目に見えるものであるべきで、たとえばテスト通過、スクリーンショット一枚、ログ一段だ。私のサイトのデプロイスクリプトは、五つの条件がすべて成立して初めて成功と記録する。デプロイのコマンドが成功した。デプロイ後にオンライン上の本番バージョンの ID が取得できた。その ID が今回のデプロイのものだと確認できた。公開後の自動チェックが完全に走り、すべて通過した。チェック完了後にもう一度本番バージョンの ID を読み、依然として今回のデプロイのものだった。どこかのステップで結果が取得できなければ、成功とは記録しない。
三つに共通するのは、疲れているときや焦っているときでも、私が気を張り続けることを要求しない点だ。
仕組みも壊れる
万能薬のように書くつもりはない。〈AI が毎日システムを巡回していた〉が論じたのは、まさに門番が自分で壊れることだ。仕組みをきちんと作っても、それ自体が新しい青信号になる。
だから仕組みを作った後も、人が仕組み自体を確認する時間を残しておく必要がある。Addy が勧める定期的な実践が二つある。毎週、agent に頼らずに少し何かをする。やり方を忘れると困るものを選ぶ。毎月、もうやらなくなったことを書き出し、どれを手放してよいかを判断する。彼はかつて自分が書いた記事の問いも再び引いている。AI がなければ、あなたはどれほど迷子になるか、と。
その一対の目
Addy の記事にこんな一文がある。仕事はオフロードできる、ほとんどの確認もオフロードできる、責任はできない。
agent はいくらでも増やせる。目は一対しかない。目が足りないなら、最も見るべき場所を明示する。どのシグナルが「不明」を返すべきか、どのレビューが自分の結論に引きずられていないか、どの「完了」が着手前に定義されていたか。
この記事は「AI と人間の秩序」の人機協作のカテゴリに置いている。次に「完了」という言葉を目にしたとき、まず問うべきは、それが何を確認したか、そして何を確認しなかったか、だ。
出典
- Addy Osmani、〈Critical thinking when agents do the work〉、X 長文投稿、2026 年 11 月 3 日。本文の三段階のスペクトル・自問リスト・検証原則・サブ agent による自己確認・orchestration tax と日常の実践はこの記事による。英語の引用は原文のままだ。
- Steven D. Shaw、Gideon Nave、〈Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender〉、The Wharton School Research Paper、2026 年 1 月 11 日執筆、2026 年 2 月 2 日 SSRN 掲載。認知的投降の定義・実験規模・第一実験の正負 25/15 ポイントはこの論文による。
- Anthropic、〈How AI is transforming work at Anthropic〉、2025 年 12 月 2 日。132 人のエンジニアと研究者の調査・「監督のパラドックス」はこの記事による。
- Anthropic、〈How employment is changing at Anthropic〉、2026 年 10 月。人の注意力がボトルネックになること・agent の産出をすべて読むと半週間分の業務時間がかかることはこの記事による。
以上のリンクは 2026 年 11 月 6 日に確認済み。Addy の X 原文は同日にブラウザで全文を開き、一文ずつ照合した。


💬 コメント
読み込み中...