製品はモデルではなく、Harnessである
AIの真の秘密兵器は基盤モデルではなく、agent harnessです。Gammaの共同創業者兼CPOであるJon Noronha氏は、エージェントを「計画、実行、そして自身の作業をレビューする推論ループ」と定義しています。Harnessとは、エージェントが実行を行うために必要なツール、環境、コンテキスト、ユーザー向けコントロールといった周辺システムのことです。
初期のGamma製品は、手作業で構築された一回限りのLLM呼び出しシーケンスに依存していました。これは、アウトラインや単一のスライドを生成するために、プロンプトを手動でつなぎ合わせることを意味していました。Noronha氏が説明するように、エージェント革命は、この壊れやすく直線的なアプローチを、LLMが以下のことを行える高レベルなループへと置き換えます。
- ツールの選択
- 作業の検証
- 一連の実行呼び出しを通じた出力の修正
Noronha氏は、LLMが作業の90%を担っていることを示唆する「GPT wrapper」という言葉による過小評価に異議を唱えています。彼は、モデルの生の能力を有用な成果物へと変える作業の大部分は、周辺の製品システムであるHarnessが担っていると主張します。OpenAIやAnthropicのようなモデル企業でさえHarnessの開発に多額の投資を行っており、その重要性が浮き彫りになっています。
一つのプロンプトが小さなAI工場を起動させる
今や一つのプロンプトが、小さなAI工場を起動させることができます。Gammaへの典型的なリクエストを考えてみましょう。ユーザーが雑多なメモやPDFを貼り付け、20枚のスライドプレゼンテーションを依頼します。そのプロンプトが入力された瞬間、Gammaのagent harnessは、AIが動作するための専用環境であるクラウドベースのagent sandbox全体を立ち上げます。
このサンドボックス内で、エージェントはまず不足している情報を特定し、ターゲット層（例：「学校向けの教育用プレゼンですか？」）などの質問をユーザーに投げかけます。また、NotionやSlackなどの外部コネクタを呼び出して関連するコンテキストを取得します。この初期段階だけでも、高価なモデルと安価なモデルの両方を含む3〜4種類の異なるモデルが関与し、ユーザーの選択肢のために生成UIをレンダリングします。
次に、システムはデッキのアウトラインを作成しますが、このプロセスにはさらにいくつかのLLM呼び出しが含まれます。その後、数千のライブラリから視覚的なテンプレートを選択します。ここではvision modelsと検索埋め込みを活用して最適なものを見つけ出し、ユーザーの好み（例：「赤か青がいい」）に基づいてカスタマイズします。一枚のスライドを生成する前に、情報収集、UIレンダリング、テンプレート選択といった調整作業だけで、4〜5種類のモデルをまたいで30〜40回のLLM呼び出しが行われることがあります。
最後に、プレゼンテーションの構築が進むにつれて、Harnessは継続的に自身の作業を検証します。Vision modelsが生成されたスライドを分析し、画像の切り抜き、コントラストの悪さ、配置のずれ、間隔の誤りといった一般的な問題をチェックします。問題が検出されると、エージェントは自動修正をトリガーし、納品前に洗練された高品質な出力を保証します。このquality loopは、製品版としてリリースするために不可欠なものです。
汎用エージェントが躓く場所でこそ構築せよ
Harnessは、汎用エージェントが躓く場所で真価を発揮します。Gammaの共同創業者Jon Noronha氏は、カスタムHarnessが不可欠となる2つの明確な兆候を挙げています。それは、作業に主観的な判断が含まれること、そしてユーザーが完成した出力の詳細を深く気にすることです。汎用エージェントはまともなプレゼンを作成できるかもしれませんが、その出力がデザイナーの視点による空間構成や視覚的品質を満たすことは稀です。
視覚的なコミュニケーションについて考えてみましょう。コードが実行されるか、テストに合格するかをエージェントが評価するコーディングとは異なり、クリエイティブなエージェントはデザインの品質を評価する必要があります。例えば、Gammaのharnessは、エージェントがユーザーのアートスタイルやクリエイティブな好みを理解し、画像を生成してレイアウトし、その視覚的な整合性を検証するためのツールを提供します。このフィードバックループは、Gamma - AI-powered Presentations, Documents & Webpagesのような製品にとって不可欠です。
パーソナルなゲーム開発の例を想像してみてください。標準的なエージェントはゲームの初稿を生成するだけかもしれませんが、カスタムharnessがあれば、コーディングができない人でも継続的に世界観を形作ることができます。継続的なフィードバックを通じて、エージェントは環境、キャラクターデザイン、物語の要素を反復的に洗練させ、単なる初期生成を超えた、協調的で詳細なワールドビルディングを実現できます。この反復的な洗練こそが、適切に設計されたharnessの真の力です。
この記事が気に入ったら、毎朝同じようなものをメールで受け取れます。
1日1通 · 2クリックで解除 · サードパーティのトラッキングなし
市場に模倣される前に優位性を確立する
創業者は今、明確な優位性を追求しなければなりません。真にユニークな製品ビジョン、専門ツールをトレーニングするための独自のデータ、あるいはAIと物理的なサービスや現実世界の取引を統合するビジネスモデルという3つの道が、潜在的な優位性をもたらします。これらの道筋は、単にLarge Language Modelをラップするだけのアプローチを超えたものです。
法律や医療のような専門的または規制の厳しい分野では、深いドメインコンテキスト、堅牢な統合、そして厳格な検証の必要性が浮き彫りになります。これらの分野におけるカスタムharnessは、複雑なプロトコルを理解するだけでなく、検証可能なアウトプットを提供しなければなりません。このレベルの厳密さは、harnessを単なる機能以上のものへと高めますが、それでもharness単体では強固な参入障壁を保証するものではありません。
機会を検証するために、エージェントがユーザーに対して何を「見」て、「行い」、「確認し」、「尋ねる」必要があるかを自問してください。なぜ固定されたプロンプトチェーンを持つ汎用モデルでは、これをうまく達成できないのでしょうか？例えば、Gammaの成功は、視覚デザイン、ユーザーの好み、反復的な洗練を理解するharnessによるものであり、これらは基本的なテキストからプレゼンテーションを生成するプロンプトをはるかに超えたタスクです。
真の秘密兵器はモデルそのものではなく、主観的で詳細な作業を実行可能にする、洗練されたコンテキスト認識型の環境です。この「agent harness」への注力こそが次なるイノベーションの波を牽引し、創業者が永続的な価値を構築するための具体的な方法を提供します。
よくある質問
agent harnessとは何ですか？
agent harnessとは、AIエージェントが作業を実行し、結果を検証し、それを改善できるようにするためのツール、環境、指示、およびフィードバックループの集合体です。
agent harnessはプロンプトチェーンとどう違うのですか？
プロンプトチェーンは、モデル呼び出しの固定されたシーケンスに従います。一方、harnessはエージェントにツールと状態を与えることで、エージェントが自らアクションを選択し、進捗を検証し、動的に修正できるようにします。
Gammaはどのようにagent harnessを使用していますか？
Gammaは、モデル、ユーザーコンテキスト、テンプレート、画像生成、レイアウトツール、視覚品質チェックを調整し、プレゼンテーションやその他の視覚コンテンツを作成・洗練させています。
垂直統合型agent harnessに適した機会とはどのようなものですか？
ドメイン特有のツール、判断、意味のあるユーザー入力、あるいは汎用エージェントでは確実に提供できない検証を必要とする作業を探してください。