2025年12月、AI業界に根本的な転換点が訪れた。OpenAIのGPT-5.2、AnthropicのClaude Opus 4.5、GoogleのGemini 3 Proが相次いで登場し、数時間から数日間にわたる自律作業が可能となった。Ralphやガスタウンといったオーケストレーションパターンが急速に普及し、開発者の作業フローは数週間で劇的に変化した。Anthropicのエンジニアはもはやコードを書かず、OpenAIは採用を減速させている。能力は飛躍的に向上したが、大多数の知識労働者、そしてOpenAIのCEOであるサム・アルトマン自身でさえ、まだ作業方法を変えていない。この「能力オーバーハング」こそが2026年1月の真の物語である。AIエージェントを使いこなす者と使いこなせない者の間には、かつてないほど大きな格差が生まれつつある。
AI業界のパラドックス サム・アルトマンの告白
OpenAIのCEOであるサム・アルトマンが最近、興味深い告白をしました。彼はCEOという立場にありながら、地球上で最も高性能なAIツールに誰よりも優れたアクセス権を持っているにもかかわらず、そして彼自身の内部データが、AIが適切に定義された知識タスクの4分の3で人間の専門家を上回っていることを示しているにもかかわらず、実はまだ自分の働き方をあまり変えていないというのです。
アルトマンは最近のタウンホールで、自分は今でも同じやり方でワークフローを進めていると認めました。彼自身の言葉を借りれば「もっとAIを活用できることは分かっているんですけどね」ということです。これがサム・アルトマンの現状なのです。
これこそがAIをめぐる奇妙なパラドックスの核心です。2025年12月に何か根本的なものが変化しました。テクノロジーに最も近い人々は、これを相転移、閾値の通過、タイムラインの断絶と呼んでいます。
OpenAIの構築を手伝い、何十年もプロとしてコードを書いてきたアンドレイ・カルパシーは、自分のワークフローがわずか数週間で逆転したと語っています。手動コーディング80%からAIエージェント80%へと。
AIの普及を追跡しているウォートンスクールのイーサン・モリック教授は、率直にこう述べています。6週間前のプロジェクトはもう時代遅れになっている可能性があると。それなのに、OpenAIのCEOを含むほとんどの人々は、まだ追いついていません。能力はそこにあります。でも採用が追いついていないのです。あまりにも速すぎるのです。
このギャップを理解し、何をすべきかを知ることこそが、2026年1月の本当の物語なのです。
2025年12月に何が起きたのか
では、12月に実際に何が起こったのでしょうか。変化は一つのことだけではありませんでした。そして、それ自体が物語の一部だと思います。なぜなら、これまでは「このモデルがリリースされて、これが変化だった」と指摘できたからです。もうそうではありません。
これはモデルリリースの収束なのです。リリース、オーケストレーションパターン、そして実証事例の収束であり、それらすべてが同じ圧縮された期間に、それぞれの閾値を越えたのです。これはまさにAI加速主義者たちが予告していたことです。変化はゆっくり起こり、そして一気に起こる。これはその「一気に起こる」瞬間の一つなのです。
まずモデルから始めましょう。昨年末のわずか6日間で、3つの最先端リリースが上陸しました。GoogleのGemini 3 Pro、OpenAIのGPT-5.1 Codeex Max、そしてその後すぐにGPT-5.2が登場しました。そしてAnthropicのClaude Opus 4.5も。
これらすべてのモデルは、以前のモデルではうまくできなかったことのために明確に最適化されています。数分ではなく、数時間または数日間にわたる持続的な自律作業です。GPT-5.1と今のGPT-5.2クラスのモデルは、1日以上の自律作業のために設計されています。
Claude Opus 4.5は、開発者が推論をダイヤルで上げ下げできるエフォートパラメータを導入しました。そしてAnthropicは、前バージョンより3分の2安い価格設定にしました。そして今、OpenAIとAnthropicの両方からコンテキスト圧縮という技術があり、セッションが延びるにつれてモデルが自分の作業を要約できるようになったので、モデルはより長い時間枠にわたって一貫性を維持しやすくなりました。
テーマが見えてきましたか。Cursorチームがこれらのモデルをテストしました。他のチームもテストしました。モデルが1週間分の作業を自律的に行い、最大300万行のコードを書いてから戻ってくるという報告が返ってきています。これは2025年9月や10月に見ていたのと同じカテゴリーの作業ではありません。
新しいカテゴリーなのです。物事が一気に変わりました。そしてご存知のように、より優れたモデルは、私が好きなだけ、必要ではありましたが、十分ではありませんでした。本当のブレークスルーは、12月末にバイラルになったオーケストレーションパターンから来ました。
Ralphの登場 シンプルな革命
最初のパターンはRalphです。明るく無頓着なことで知られるシンプソンズのキャラクターにちなんで名付けられました。オーストラリアの田舎にいるオープンソース開発者のジェフリー・ハントリーは、エージェントコーディングの中心的な限界にイライラしていました。モデルは許可を求めて止まり続けるか、進捗を報告するけれど間違っているか過度に楽観的なのです。そしてすべての一時停止が人間の注意を必要とし、多くの場合、モデルに同じことを言い続けることにイライラするのです。
それでジェフリーがしたことは、gitコミットとファイルをこれらの反復間のメモリとして使用して、ループでClaude Codeを実行するbashスクリプトを書いただけです。そしてコンテキストウィンドウがいっぱいになると、新しいエージェントが前のエージェントが終わったところから引き継ぎ、前のコンテキストウィンドウを消去してそのタスクに対して続けるだけなのです。
このテクニックは、エンジニアにとっては恥ずかしいほどシンプルです。AI業界が精巧なマルチエージェントフレームワークを構築している間、ジェフリーが発見したのは、本当にしつこくすればいいということだけでした。目標を繰り返すことができます。コンテキストウィンドウを消去すれば、どこかにたどり着けるのです。テストが通るまで実行し続けるループは、非常に慎重に振り付けられたエージェントの引き継ぎよりも信頼性が高いのです。
Venture Beatはこれを「今AIで最大の名前」と呼び、それは間違っていませんでした。このパターンが広がったのは、より長期間にわたってはるかに多くの自律作業を可能にしたからです。
2番目のバイラルな作品はガスタウンでした。1月1日にスティーブ・ヤギによってリリースされました。Ralphがミニマリストであるのに対し、ガスタウンは明らかにマキシマリストです。何十ものAIエージェントを並行して生成し調整する、完全に狂ったワークスペースマネージャーです。
正直なところ、ガスタウンは一貫したエンタープライズエージェントパターンを反映しているというより、スティーブ・ヤギの頭脳を反映しているものです。しかし、しかし、それでも関連性があります。なぜなら、両方のパターンが同じ核心的な洞察を共有しているからです。ボトルネックが移動したのです。あなたは今、生産的に追跡できるだけの数のエージェントのマネージャーなのです。
あなたの生産能力は今や、あなたの注意力とタスクを適切に定義する能力によってのみ制限されています。そして物事は変化し続けました。なぜなら1月下旬に、AnthropicがClaude Codeの新しいタスクシステムを出荷したからです。そして突然、Ralphでさえ、今やネイティブなインフラストラクチャを持つ問題への巧妙な回避策のように見えました。もうRalphを使う必要はありません。
Claude Codeのタスクシステム 新たな標準
新しいAIツールをストレステストする開発者のCJ・ヘスは、Claude Codeのタスクシステムが登場したとき、大規模なリファクタリングの真っ最中でした。彼はそれを限界まで押し上げたのです。彼は巨大なタスクリストを作成しました。全体を実行するためにサブエージェントを調整させました。そして彼は、それが完全に成功したと報告しています。
これは奇妙なことです。私たちはエージェントが失敗する、完了しないという状況に慣れています。しかしこの場合、単純なto-doリストのように見えるシンプルなタスクシステムが、複雑なマルチエージェント問題にわたってエージェントを調整するのに必要だったものだったのです。
公平に言えば、Anthropicがリリースしたタスクリストは単純なチェックボックス以上のものです。表面下では、各タスクが独自のサブエージェントを生成でき、各サブエージェントはメインの会話から完全に隔離された、新鮮な20万トークンのコンテキストウィンドウを取得できます。つまりそのサブエージェントにクリーンで焦点を絞った仕事を与えることができるのです。
例えば、エージェント1は認証コードを掘り下げ、エージェント2はデータベースクエリをリファクタリングし、エージェント3はテストを進めています。彼らはお互いのコンテキストを汚染したり、他のエージェントが何をしているかで混乱したりしません。なぜなら、お互いの存在を知らないからです。これはヤギがガスタウンで持っていたのと同じ洞察です。
古いアプローチは、Claudeがすべてを1つの長いスレッド化された会話で保持しようとし、新しいことを実装しながら以前の決定を覚えているというもので、複雑になってClaudeは筋道を失いました。これは小さなことにはまだ機能しますが、複雑なことに対しては、コンテキスト管理がボトルネックになり、物事が隙間から落ちてしまうのです。
タスクシステムはそのアーキテクチャを変えます。各エージェントは一つのことだけに集中します。タスクが完了すると、それによってブロックされていたものが自動的にブロック解除され、次の波のエージェントが魔法のようにキックオフします。
つまり、7から10のサブエージェントを同時に実行でき、システムは仕事に適したモデルを選択するだけです。クイック検索にはHaiku、実装にはSonnet、推論にはOpusです。依存関係を定義するだけで、システムがすべてのオーケストレーションを処理してくれます。
ここでの重要なイノベーションは、依存関係が構造的であり、認知的ではないという認識です。それらがないと、Claudeは計画全体をワーキングメモリに保持しなければなりません。そしてコンテキストウィンドウがいっぱいになると、計画は劣化します。エージェントに何度も何度も説明し直すことになります。これが完了している、これが残っている、これが何に依存しているか。
しかし依存関係を外部化すると、グラフは忘れず、ドリフトしません。エージェントに再説明する必要はありません。なぜなら、それは最初からメモリに保存されなかったからです。単なるタスクシートなのです。
Ralphは、この同じ問題に対するbashループの回避策でした。タスクシステムはAnthropicの答えです。同じ能力のためのネイティブプラットフォームインフラストラクチャであり、物事がどれだけ速く動いているかを示しています。パターンがバイラルになり、わずか数週間後には、プラットフォームに吸収されたために時代遅れになるのです。
Cursorの実験 大規模自律プロジェクト
Cursorは、非常に大規模な実行中の自律プロジェクトの旗手です。彼らがブラウザを構築するプロジェクトについて、300万行のコードがかかったことを話しました。彼らはそれについて広範囲に書いていますが、ブラウザで終わりではありません。
CursorはAIエージェントを使用して、同様の実験を実行し、Windowsエミュレータを構築しています。Excelクローンを構築しています。Java言語サーバーを構築しています。これらは大きなコードベースです。50万行から150万行の範囲です。これらはすべて自律的に生成されています。
ここでのポイントは、Cursorがすぐにexcelを出荷してWindowsと競争し始めるということではありません。ポイントは、彼らが自律的AIエージェントが複雑なソフトウェアを構築できることを証明しているということです。
1月下旬のダボスで、ダリオ・アモデイは、今日のAIにおける最も重要なダイナミクス、自己加速ループと呼ばれるものを説明しました。そして私たちがそれを理解することが重要です。彼は言いました。Anthropicには、もうコードを書かないと言うエンジニアがいます。モデルにコードを書かせるのです。
私たちはTwitterでそれをたくさん聞いていますし、メカニズムはシンプルです。しかしAnthropicがそれをやっているという事実を理解することは本当に重要です。なぜなら根本的に、彼らはAIを使用して次のAIシステムの生産を加速しているからです。AIは自己加速ループに入ったのです。
OpenAIの採用減速 新しい現実
これが、OpenAIが採用を減速し始めている理由でもあります。ちょうど先週、アルトマンはOpenAIが採用を劇的に減速する計画だと発表しました。彼がそうした理由は、既存のエンジニアから見える能力とスパンのためだと言いました。
彼らは採用を完全に停止するわけではありませんが、彼が共有したことの1つは、AIツールができることによって、新規採用者への期待が今や非常に高くなっているということです。彼は文字通り、面接ループにいるなら新規採用者に座ってもらっていると言いました。そして彼は言いました。「通常なら数週間かかることを、AIツールを使って10分か20分でやってもらうよう求めています」
それは合理的な要求です。Claude in Excelを使って、数週間分の作業を10分から15分で行う方法を以前に共有しました。これが2026年の仕事の現実なのです。そしてサムが選択していることは責任あることです。なぜなら彼が言ったように、彼は気まずい会話をしたくないし、過剰採用したくないのです。彼はむしろ適切な人材を雇用し、彼らを維持し、AIツールで彼らのスパンを拡大したいのです。
この決定の背後にある数字は、OpenAI自身のベンチマークGDP valから来ています。これは、適切に定義された知識作業において、AI出力が人間の専門家の出力よりも好まれる頻度を測定します。そして私たちは、2025年の年末の最後の数週間頃に転換点に達したことを見ています。なぜなら、秋のモデルであったGPT thinkingは、わずか38%の時間で人間と同等または勝利していたからです。
年末から今年初めにかけてリリースされたGPT-5.2 Proは74%に達しました。2倍になったのです。つまり、定義された知識タスクの4分の3で、AIが今や好まれているのです。そしてそれは、最先端モデルの一般的なパターンとして読むことができます。
今やChat GPTだけではありません。そしてサムが言ったように、もし同僚に1時間かかることを割り当てて、74%の時間で人間がやるよりも良いものが得られ、それがはるかに短い時間でできるなら、それはかなり素晴らしい感覚です。
能力オーバーハング なぜ変化が遅れているのか
そしてこれが私たちをパラドックスに戻します。もしモデルがこのように定義されたタスクで人間の専門家を打ち負かし、それをより速く行っているなら、なぜ仕事はもっと変革されていないのでしょうか。なぜOpenAIのCEO、サム自身が、彼が言うように、まだ同じ方法でワークフローを実行しているのでしょうか。
これは能力オーバーハングです。なぜなら能力がはるかに先に飛躍し、人間はそんなに速く変わらないからです。採用は追いついていません。ほとんどの知識労働者は、私が言うところのChat GPT-3.5やChat GPT-4レベルでAIを使用しています。質問をして、答えを得て、先に進む。この文書を要約してください。このメールの下書きをしてください。
彼らは一晩中AIエージェントループを実行していません。彼らはAIの同僚に1時間のタスクを割り当てていません。彼らはバックログ全体で並行ワーカーのフリートを管理していません。
このオーバーハングが、なぜ議論がこれほど切り離されているように感じるのかを説明しています。能力の最前線で生活していて、今日の仕事がどのように見えるかを振り返ると、常に時差ぼけのように感じる理由を。
AnthropicでタスクループやRalphを実行している人は、1日に4、5回Chat GPTにクエリする人とは異なる技術的現実に住んでいます。たとえ彼らが全く同じ基礎ツールに毎日アクセスできるとしてもです。
一方の人は加速を見ています、すべてが一度に起こっている。もう一方の人は段階的な改善を見ていて、なぜAIがそんなに大したことなのか疑問に思っているのです。
これは非常に一時的な裁定取引を生み出します。もし競合他社より先にこれらのモデルの使い方を理解できれば、チームにそれをさせることができれば、あなたは大きなアドバンテージを持っています。
そして、AIが十分に賢くなるまでワークフローを変えるのを待っているなら、あなたはすでに遅れています。そしてあなたがAIをうまく使っていないことを示しているのです。
パワーユーザーのスキル 能力オーバーハングを埋める方法
では、特にこの数週間で発展したこのオーバーハングを埋めることはどのように見えるのでしょうか。パワーユーザーが説明する具体的なスキルとは何でしょうか。いくつかのパターンが浮かび上がります。
第一に、本当に最先端にいるパワーユーザーはタスクを割り当てています。彼らは質問をしていません。AIをオラクルとして扱うとき、あなたは間違ったメンタルモデルにいます。シフトは私が宣言的仕様と呼ぶものに向かっています。欲しい最終状態を記述します。成功基準を提供し、システムにそこに到達する方法を見つけさせます。
これはある種のポストプロンプティングの世界です。まだプロンプティングですが、仕様にずっと近いものに見えます。
第二に、不完全さを受け入れ、反復を始めることです。Ralphが機能するのは、失敗を受け入れるからです。AIは壊れたコードを生成します。だから修正するまで再試行させるだけです。AIは決して疲れず、再試行し続けます。あなたはコーヒーや昼食を取りに行き、戻ってくると完了しています。
これには、AIが最初から正しくやるべきだという期待を捨てる必要があります。多くの場合そうはなりませんし、それは問題ではありません。なぜなら疲れないからです。
第三に、仕様に投資してください。レビューに投資してください。実装にはあまり投資しないでください。仕事がシフトしています。コードを書く時間が少なくなっています。何が欲しいかを定義する時間がずっと多くなっています。そこに到達したかどうかを評価する時間がずっと多くなっています。
これは本当に大きなスキルの変化です。ほとんどのエンジニアは、実装に関する直感を開発するために何年も費やしてきましたが、それらは今やあまり役に立ちません。
新しいスキルは、AIがそれを構築できるほど正確にシステムを記述すること、そして実際の成功基準を捉えるテストを書くこと、そして単純な構文ミスではなく微妙な概念的エリアについてAI生成コードをレビューすることです。エラーはここで非常に興味深くなります。
これらのツールを分析してきたデザイナーのマギー・アップルトンは、私が思うに本当にうまく表現しています。エージェントがコードを書くとき、デザインがボトルネックになります。そしてあなたを遅らせる質問は、ますますコード構文の詳細についてではなくなります。それらはますますアーキテクチャ、ユーザーエクスペリエンス、組み合わせ可能性についてです。
これはどのように感じるべきか。ここに適切な抽象化があるか。これらはエージェントがあなたのために決定できない決定です。そしてそれらはあなたのコンテキストとあなたの好みとあなたのビジョンを必要とします。
正直に言うと、スピードそれ自体が危険です。フットガンに注意してください。AIエージェントで本当に本当に速く動くことができますが、そこに出しているゴミの量を忘れることができます。
正直なところ、何をやりたいかをよく考えていないなら、スピードはあまり役に立たない巨大なコードの山を非常に速く構築することにつながる可能性があります。それは良くも悪くも誰もが手にした超能力であり、私たちは誰が本当にうまく考えることができるかを見ようとしています。
はい、並行して複数のエージェントを使用する時が来ました。それは別の教訓です。それは変革的です。なぜなら、一つ一つがあなたの能力を積み重ねるからです。一部の開発者は、1日に数件のPRから数十件に移行しています。制約はコーディングから調整に移ります。どのようにタスクを定義できるか。どのように出力をレビューできるかなど。
根本的に、トリッキーでこの新しい世界でレビューがどのように見えるかを理解しなければならないとしても、乗法的効果のためにこれが私たち全員が向かっている場所です。あなたが考えている正しい方向を向いているエージェントが、あなたがどこに向かっているかについて、ただお互いの上に積み重なって、複数のタスクを一度に解決していくのです。
そしてこれには、エージェントを常に実行させることが含まれます。Ralphは一晩のセッションのために設計されました。仕事を定義し、ループを開始し、寝るというのが新しいエンジニアの一日です。もちろん、これは適切なガードレールがある場合にのみ機能しますが、機能すると、以前はアイドル状態だった時間から24時間体制で生産的な時間を得ることができます。
そして、パワーユーザーからの最後のことは、これは真実だと思いますが、実際に試してみる必要があります。これは信じられないほど明白に聞こえますが、それが主な障壁です。ほとんどの人は数分以上エージェントループを実行したことがなく、モデルは12月に大幅に改善されました。もしそれ以来AIワークフローを再検討していないなら、おそらく実際に何が可能かについて古い仮定で動いているのです。
仕事の形が変わる エラーの質と管理スキル
正直に言うと、仕事の形そのものが変わりつつあります。アンドレイは、現在のモデルが犯すエラーについて非常に重要なことを指摘しました。それらは単純な構文エラーではありません。そして彼は、そして私は彼が正しいと思いますが、性急なジュニア開発者は、モデルが今犯しているエラーの質と非常に似た概念的エラーを犯すだろうと考えています。
そしてそれは良いことです。なぜならモデルがジュニア開発者のレベルに到達していることを意味するからです。彼らは間違った仮定をして、チェックせずに実行しています。時々トレードオフを表面化させることに失敗しています。これらはジュニア開発者がやることです。これらは監督の問題であり、能力の問題ではありません。
そして解決策は自分で仕事をすることではありません。マネジメントスキルを向上させることです。エージェントを監視する必要がありますが、そうすれば、100行で解決できる問題を解決するために1000行を実装した瞬間を捉えることができます。
そしてこれは、率直に言って、私たちの技術チームがレベルアップする必要があるところです。彼らがこの種のエージェントの管理ができ、正しくテストする評価を書くことができるように。エージェントがこの問題に対して十分にシンプルなソリューションを書いているかどうかをテストする評価を書くことができます。それが私たちが考える必要がある種類の評価であり、従来の機能テストだけではありません。
これがサムがエンジニアであることがこれほど急速に変化していると言うときに意味することです。あなたはタイピングに時間を費やしていません。デバッグもしていません。率直に言って、ほとんどの時間をマネージャーとして過ごしています。
そして、はい、正直に言うべきです。手動でコードを書く能力はスキルセットとして萎縮し始めるでしょう。なぜならあまり使わないからです。生成と識別は非常に異なるスキルセットであり、毎日それらを使用しています。
これは失敗ではなく、恥ずかしいことでもありません。これは、レバレッジがより高いスキルに向けた、非常に希少な人間の認知リソースの再配分なのです。
開発者とコードの距離 リスクプロファイルに応じた判断
さて、これは明らかに議論につながります。開発者はコードにどれだけ近くいるべきでしょうか。ここにはシニア開発者による広く異なる意見があり、私が主張したいのは、正しい答えはあなたが構築しているものの関数だということです。
ミスに対するリスク許容度が非常に低い場合、エージェントがIDEでコーディングしているのを監視し、それを放置したいなら評価を非常に慎重に書く必要があります。
本当に良いフロントエンドコードを書こうとしているなら、何かがどのように見えるかを定義することが依然として課題であるため、今はバックエンドコードよりも複雑です。
しかし、実験する意思があり、反復する意思があり、それがグリーンフィールドプロジェクトでプロトタイプであれば、本当に一歩引くことができます。
だから私が思うに、これがエンジニアリングから別のレベルの抽象化を求めるものです。技術リーダーとして、そのコードベース自体のリスクプロファイルに基づいて、エンジニアがコードに対してどこに立つべきかを考える必要があります。それはチームのポリシーとして意図的に設定できるものになります。
ねえ、これは本番環境です。これは失敗できないものです。このコードベースに対してエージェントを使ってコーディングする方法についての、リーダーシップとしての私たちの期待はこれです。それは私たちが始めなければならないことです。そうしないと、それは単なる無秩序になり、誰もが自分のルールを作り、本番環境であらゆる種類の問題が発生するからです。
新しいベースライン 自己加速の世界へ
では、これはすべて私たちをどこに導くのでしょうか。12月の、モデル、オーケストレーションパターン、Ralphのようなツールの収束は、新しいベースラインを確立しました。モデルは今や数日間一貫性を維持できます。エージェントのフリートを管理するオーケストレーションパターンは存在します。そして経済性は絶対に機能します。
これは、Ralphを具体的に使用しなければならないという意味ではありません。ポイントは、これらのツールが取り組んでいる問題が根本的に異なり、特に技術分野における私たちの働き方の非常に急速な変化を指し示しているということです。
もしコンテキストの永続性と並行調整に取り組んでいて、それらの問題が突然、私がタスクとワークフローの処理方法、長時間実行する作業パターンのために設計されたより有能なモデルについて説明したものによって、桁違いに簡単になったら、突然天井が上がるようなものです。
大きなものを構築しているとき、すべてが桁違いに簡単になります。そしてこれが一度に起こるときに生成されるオーバーハングは現実です。もしアモデイが正しく、AIが6から12か月以内にエンドツーエンドのソフトウェアエンジニアリングタスクを処理できるなら、今日私たちがやっていることと完全な自動化の間のギャップは、これまでになく大きく感じられます。
過去数週間の後でオーバーハングが大きいと感じるなら、私がここで説明していることを聞くと、オーバーハングは大きくなるだけです。なぜならAIは加速し続けているからです。
Anthropicがco-workをわずか10日で出荷できた速さを見てください。彼らがよりネイティブに統合されたRalphのバージョンを出荷した速さを見てください。
はい、この瞬間を構築している人々は、時にはまだそれに完全に入っていません。彼らはまだ家具を新しいAIの働き方に移動させているところです、比喩を使えば。サム・アルトマンは彼自身についてそれを認めました。
しかし未来は今ここにあります。そしてオーバーハングを乗り越えて、AIに大きなタスクを求める世界に加速し始めることができれば、質問を伴うプロンプティングから仕様の定義に移行しているのです。
マルチエージェントパターンを実行しています。これはあなたの一日を根本的に変えるでしょう。個人的な話をすると、もしあなたが、画面上に5つか6つのClaude Codeウィンドウを同時に開いている力を見ていない、感じていないなら、それを乗り越えるのは難しいです。自分がどれだけ速く進めると感じるか、それに匹敵するものはありません。
そして未来は、そのスピードを責任を持って扱い、それについて思慮深くある方法を知っている人々のものです。オーバーハングは継続し、それを乗り越えることができる人々への利益はますます大きくなるばかりです。なぜなら私たちが見ているのは指数関数的な利益だからです。
並行して実行できるすべてのエージェントがあなたの生産性を倍増させます。だからこれが私たちが見ている未来です。一つのモデルメーカーによって作られた未来でもなく、一つのブレークスルーでもなく、この5、6週間のモデル能力全体としての集団的相転移によって作られた未来です。十数個のエージェントを実行することがやや不合理だった世界から、数日間自律的なタスクを行う十数個のエージェントを実行していないなら、あなたは遅れているという世界に私たちを移動させました。
そして物事はここからさらに速くなるだけです。幸運を祈ります。私はこれについてSubstackで完全な記事を書いています。質問があるところを教えてください。そして私たち全員で乗り越えましょう。
コメント