AIレイヤーを削除する？少し待ってください。

Claude Codeの先見的な生みの親であるBoris Cherny氏は、最近「6ヶ月ごとにAIレイヤーをすべて削除せよ」という挑発的な指令を出し、AI開発コミュニティに衝撃を与えました。これは単なる提案ではなく、実存的な指令として受け取られ、世界中の開発者フォーラムやソーシャルメディアで即座に激しい議論と懸念を巻き起こしました。

この大胆な宣言はエコシステムに地震のような衝撃を与え、苦労して築き上げたプロンプトエンジニアリングの専門知識を全面的に否定するものとして広く誤解されました。多くの人が即座に導き出した結論は、Opus 5のような最先端モデルが劇的に進化したため、これまで緻密に作り上げてきたプロンプトチェーン、カスタムロジック、複雑なガードレールがすべて完全に時代遅れになったというものでした。コミュニティは、能力の低いLLMを導くために費やしてきた苦労が、今や不要であるどころか、むしろ有害ですらあるかもしれないという考えに苦悩しました。

この示唆は開発者のアイデンティティの核心を突き、深く傷つけました。それは、何ヶ月、何年もかけて作り上げた複雑なグローバルルール、専門的なスキル、洗練されたフックといった、開発者独自のAIレイヤーが、突然使い捨ての無価値な荷物として烙印を押されたことを意味していました。LLMの絶え間ない革新によって、この集団的な努力が無意味なものに成り下がったように見え、コミュニティ全体に懸念が広がりました。多くの開発者は、堅牢なAIシステム構築への多大な投資の即時的な価値に疑問を抱き、苦労して得た知的財産が今や時代遅れになったのではないかと恐れました。

Claude Codeの生みの親による「AIレイヤーをすべて削除せよ」という挑発的な指令は、一見するとデジタルニヒリズムの呼びかけのように聞こえます。しかし、詳しく見てみると、彼は苦労して得た進歩を盲目的に排除することを推奨していたわけではありません。Cherny氏が提唱しているのは、研究に裏打ちされた体系的な評価プロセス、すなわち「アブレーション（除去実験）」です。

AI研究から直接借用された用語であるアブレーションとは、完全に白紙の状態から始めることを意味します。苦労して構築したすべてのプロンプト、すべてのグローバルルール、すべてのカスタムスキルを剥ぎ取ることを想像してみてください。そして、これらの要素を1行ずつ再導入し、それぞれの追加がどのような影響を与えるかを体系的に評価します。この緻密な再評価によって、何が本当にAIのパフォーマンスに寄与し、何が冗長、あるいは制限的になってしまったのかが明らかになります。

これは単なる学術的な演習ではありません。現代のLLMの振る舞いに対する極めて重要な洞察です。Opusのような新しいモデルは、過度に具体的なステップバイステップの指示ではなく、より高次元の目標と堅牢なガードレールによって真価を発揮します。かつて能力の低いモデルには必要不可欠だった過度に指示的なプロンプトは、現在ではしばしばモデルの創発的な能力を阻害してしまいます。アブレーションは、こうした指示のボトルネックを特定するのに役立ち、最小限かつ効果的なガイダンスで「モデルに自由に考えさせる（let the model cook）」ことで、その潜在能力を最大限に引き出すことを可能にします。

Cherny氏の体系的なアブレーションは、理論的には理にかなっていますが、ほとんどの業務において驚くほど高いハードルとなります。このプロセスでは、システムプロンプト全体を削除し、すべてのスキル、フック、グローバルルールを1行ずつ慎重に再導入して、個々の影響を測定する必要があります。このような徹底的な評価は、トークン、開発者の工数、エンジニアリングリソースの面で極端なコストを強いるため、現実的には実行不可能な演習となってしまいます。

しかし、このアドバイスはリソースがほぼ無制限であるという視点に基づいています。Anthropicの従業員であるCherny氏は、多くの企業が夢見るようなトークン予算で運用しています。彼はエージェントのセッションを「2週間」、さらには単一のタスクに対して「14日、15日」実行することについて何気なく言及しています。これは、トークン単位で料金を支払っているチームや、Opus 5のような強力なモデルで常にレート制限と戦っているチームにとっては、すべてのインタラクションに現実のコストがかかるため、不可能な贅沢です。

大多数の企業にとって、6ヶ月ごとのフルシステム・アブレーション（除去）は、実行可能な戦略ではなく、高コストで業務を中断させる空想に過ぎません。不要なプロンプトを削ぎ落として最適化しようとする意図は称賛に値しますが、このような体系的でトークンを大量に消費する反復作業は、一般的なエンタープライズ環境では到底実現不可能です。Claude by Anthropicやその他のLLMを活用しているほとんどの開発チームの経済的現実とはかけ離れた、研究レベルの贅沢と言えます。

一括削除の代わりに、プロンプト管理のためのより賢明な戦略として、コンテキストのスペクトルという考え方が浮かび上がります。AIのペルソナや中核となる指示を定義する常時稼働の「グローバルルール」と、特定のモジュール化されたタスクを実行するオンデマンドの「スキル」や「サブエージェント」を区別しなければなりません。この区別は、実用的な最適化において極めて重要です。

積極的なアブレーションの取り組みは、まずこれらのグローバルルールを対象とすべきです。これらは推論のたびにリソースを消費し、最も高いトークンコストを発生させるだけでなく、最新のLLMを過度に制限してしまうリスクも最大です。Boris Cherny氏の洞察は、当初の誤解にもかかわらず、ここにおいては的を射ています。古いモデルには不可欠だった多くの基礎的な指示が、Opus 5のような強力な新しいモデルにおいては、むしろその能力を積極的に阻害しているのです。

したがって、グローバルルールは外科手術のように無駄を削ぎ落とし、不要な指示を削除するために頻繁に見直してください。逆に、スキルやサブエージェントは、より永続的な資産として扱います。これらの専門化されたコンポーネントは必要な時にのみアクティブ化されるため、継続的ではなくオンデマンドでコストが発生します。これらを6ヶ月ごとではなく年次で見直すことで、大幅なエンジニアリング時間を節約し、大規模なアブレーションに伴う「10億トークンの死角」を軽減できます。このバランスの取れたアプローチは、効率とインパクトを優先し、絶え間なく発生する法外なオーバーホール費用をかけずに、AIレイヤーを常にシャープに保つことを可能にします。

AIの「アブレーション」手法とは何ですか？

アブレーションとは、AIシステムのプロンプトやルールを体系的に評価するプロセスです。システムプロンプト全体を削除し、各行やコンポーネントを個別に再追加して、新しいモデルにおけるパフォーマンスへの影響をテストする作業を含みます。

なぜClaudeの作成者はAIレイヤー全体を削除することを提案したのですか？

Boris Cherny氏の主張は、現代のLLMは非常に高性能であるため、古いモデルで必要とされていた過度に具体的で段階的な指示を必要としないことが多い、という点です。彼は、不要な制約を取り除き、モデルがより効果的に機能できるようにするためにアブレーションを推奨しています。

AIシステムに対してフルアブレーションを実行することは現実的ですか？

ほとんどの開発者や企業にとって、6ヶ月ごとのフルアブレーションは非現実的です。このプロセスは非常に時間がかかり、トークン消費も激しいため、非常に高コストであり、進行中の開発を中断させる可能性があります。

プロンプトを効率的に保つための、より実用的なアプローチは何ですか？

より賢明な戦略は、グローバルルールやシステムプロンプトなど、AIレイヤーの中で最も頻繁に使用され、トークン消費が激しい部分にアブレーションの取り組みを集中させることです。スキルやサブエージェントのようなオンデマンドのコンテキストは、見直しの頻度を下げることができます。