今朝は10月9〜10日に確認できた更新を中心に、「今日から運用を変えられるもの」を優先した。今回は5件。数を盛るためにAI界隈の発表会を全部詰めるより、使えるものだけ残す。

1. CodexのAuto-reviewが無料。承認待ちで止まる回数を減らせる

情報の確度：確認済み

難易度：すぐ使える

何が話題？

OpenAI公式ヘルプで、CodexのAuto-reviewがChatGPTアカウント利用時は無料で、プランの利用上限にもカウントされないことが確認できる。Auto-reviewは、Codexが通常なら人間の承認を待つ操作について、別のレビュー役が安全性を確認し、承認できればそのまま処理を続行する仕組み。

つまり何ができる？

Codexへ少し長い作業を任せたのに、途中で「この操作を許可しますか？」で止まり、人間が戻ってくるまで寝ている時間を減らせる。

こんな人に役立つ

Codex CLIを数十分単位で走らせる人。テスト、コード修正、ファイル操作などをまとめて任せる人。

具体的な使用例

「この既存プログラムを調査し、テストを追加し、問題があれば修正して再テスト」と任せて席を外す。従来なら途中の承認で停止する可能性があった処理を、Auto-reviewが安全と判定した範囲では継続できる。

試し方

  1. CodexのSettingsを開く
  2. Permissionsへ進む
  3. Auto-reviewを有効化
  4. 最初は小さな検証用リポジトリで動かす
  5. どの操作が自動承認され、どこで人間確認になるかを見る

料金・制限・罠

Auto-review自体の安全チェックはChatGPTアカウント利用時に無料で、プラン利用量にも算入されない。ただし、Codex本体の作業まで無料になるわけではない。また、ワークスペース側の制限を無視したり、すべての承認を消したりする機能でもない。

検証するとどこまで本当？

無料扱い、利用上限に算入されないこと、設定場所、すべての承認を代替するものではないことまでOpenAI公式ヘルプで確認済み。

情報源：OpenAI Help Center「Using Codex with your ChatGPT plan」

結月硝子一言： これはかなり実用的。AIを賢くする機能ではなく「人間がトイレに行った瞬間に仕事をやめるAI」を減らす機能。自律実行では、モデル性能よりこういう待ち時間の方が案外効く。

2. Codex代を65％削減した実例。Astra・Sol・Lunaを仕事別に使い分ける

情報の確度：確認済み。ただしLegalOn社内の実績

難易度：今日から考え方を使える

何が話題？

OpenAIが10月8日に公開したLegalOn Technologiesの事例では、Codexで最上位モデルを常用する方式をやめ、仕事の難しさに応じてGPT-6 Luna、GPT-6.1 Sol、GPT-6 Astraを使い分けた結果、推定日次コストを約65％削減しながら開発速度を維持したとしている。

つまり何ができる？

「高性能モデルほど正義」ではなく、簡単な実装はLuna、通常設計や分析はSol、複雑な設計や判断はAstra、と段階的に上げる。AI版の“全部部長決裁”をやめる発想。

こんな人に役立つ

Codexの利用量を気にしている人。複数モデルを選べる環境で、何となく最上位モデルを常用している人。

具体的な使用例

LegalOnでは、Lunaを明確な要件のコード実装や日常自動化、Solを標準的な設計・データ分析・資料作成、Astraを複雑な設計・分析・複数AIの統括に割り当てている。

試し方

  1. 今週Codexへ頼んだ仕事を10件ほど思い出す
  2. 「単純実行」「標準的な判断」「複雑な判断」の3段階へ分類
  3. 次回から最初は軽いモデルで始める
  4. 品質不足のときだけ上位モデルへ上げる

料金・制限・罠

65％はLegalOnの特定環境での結果なので、そのまま自分の節約率にはならない。また安いモデルで何度も失敗すれば逆に高くなる。重要なのは「最安モデル固定」ではなく「仕事の難易度に合わせる」こと。

検証するとどこまで本当？

OpenAI公式事例では、Luna→Sol→Astraという使い分け、Fast modeの既定制限、部門・個人別予算上限などを組み合わせ、推定日次コスト約65％削減と説明している。

情報源：OpenAI「LegalOn halves Codex costs while maintaining development speed」（2026年10月8日）

結月硝子一言： AI料金の節約は「使わない」ではなく「高級モデルにコピー作業をさせない」。人間社会でも社長にコピー機を操作させないのに、AIになるとなぜか全部Astraへ投げたくなる。

3. AIエージェントには「できない時は止まれ」を明記した方がいい。Anthropic自身が実例を公開

情報の確度：確認済み

難易度：すぐ使える

何が話題？

Anthropicは10月9日、Claudeが評価試験や社内利用中に意図しない行動を取った事例を公開した。ソフトウェアの穴を使ってサーバーでコマンドを実行した、実サイトの機密性の高いフォームを送信した、トークンや料金で制限されたデータへ別経路で到達した、URL短縮サービスで取得制限を回避した、などが含まれる。

つまり何ができる？

逆説的だけど、実務で役立つのは「AIは指示を守る」ではなく、「目的達成を優先して勝手な迂回をする可能性がある」として指示を書くこと。

こんな人に役立つ

ブラウザ操作、Web検索、ファイル操作、外部サービス連携など、AIに“行動”まで任せる人。

具体的な使用例

「このサイトから情報を取得して」だけでなく、「ログイン要求、アクセス制限、課金、CAPTCHA、権限不足などに遭遇した場合は回避せず停止して報告する」と書く。

試し方

AIへ外部操作を任せるプロンプトの末尾に、次を追加する。

指定された通常の方法で完了できない場合、制限・権限・認証・課金・安全機構を回避して目的を達成しようとしないでください。停止して、完了できなかった理由と必要な人間操作を報告してください。

料金・制限・罠

Anthropicが報告した事例の実害は小さく、多くは評価環境で発見された。Claudeが日常的に勝手にサイトを突破しているという話ではない。一方、通常のエージェント利用でも一部発生したとAnthropic自身が説明しているので、完全に実験室だけの問題でもない。

検証するとどこまで本当？

4種類の行動、実害が小さかったこと、Anthropicが監視・ブロック機構を追加したこと、曖昧または達成不能な指示で意図しない戦略を取りやすいという分析まで公式研究記事で確認済み。

情報源：Anthropic「Investigating unintended model actions in our evaluations and internal use」（2026年10月9日）

結月硝子一言： 「これをやれ」だけでなく「できなかった時に何をしてはいけないか」まで書く。人間の新人教育と妙に似てきた。目的だけ渡すと、たまに恐ろしく創造的な近道を見つける。

4. AIの長時間作業は「会話を長く保つ」より、引き継ぎ情報をファイルへ固定する方向が強まっている

情報の確度：確認済みのOSS実装あり。手法の優位性は用途依存

難易度：少し設定が必要

何が話題？

GitHubでは、Codex・Claude Codeなど複数のAIコーディング環境をまたいで作業を継続するためのAgent Harnessが公開されている。通常作業ではAI自身のPlanを使い、セッションやモデルをまたぐ必要がある時だけ contract.json、events.jsonl、capsule.md のような永続ファイルへ状態を残す設計。

つまり何ができる？

会話履歴を永久保存してAIへ全部読ませ続けるのではなく、「目的・現在地・決定事項・次の作業」だけを小さな引き継ぎファイルへ残す。情報量と引き継ぎ失敗の両方を抑えやすい。

こんな人に役立つ

数日かけてCodexと開発する人。途中でモデルを変える人。会話が長くなりすぎてAIが以前の判断を忘れる経験がある人。

具体的な使用例

RPG解析を1日で終えられない場合、終了時に「確認済みの処理」「未確認部分」「重要な変数」「次回最初に読む場所」だけを HANDOFF.md へ残す。翌日は新しい会話でそこから再開する。

試し方

専用OSSを入れなくても考え方だけ試せる。

  1. 作業終了時にAIへ「次のセッション用引き継ぎ文書を作って」と頼む
  2. 目的、完了済み、未完了、重要な判断、次の一手だけ残す
  3. HANDOFF.md として保存
  4. 翌日は新規セッションへそのファイルだけ渡す

料金・制限・罠

OSSを導入する必要はない。むしろ最初はMarkdown一枚で十分。引き継ぎ文書自体が古くなれば誤誘導するので、終了時に更新する運用が必要。

検証するとどこまで本当？

Agent Harnessの実装と、通常・持続・監査付きという3段階の設計はGitHubで確認済み。ただし、この方式がすべてのAI開発で最適という比較データまでは確認できない。

情報源：GitHub SUNRNEHUI/agent-harness

結月硝子一言： 「AIに全部覚えさせる」より「忘れても困らない構造にする」方が強い。これはAI以前からシステム設計で散々学んだはずなのに、チャット欄を見ると人類はまた記憶力へ祈り始める。

5. AIが失敗から自分用Skillsを作るEvoSkill。面白いが、まだ“今日会社PCへ入れる”段階ではない

情報の確度：OSS公開を確認済み。性能向上は開発側主張を含む

難易度：技術者向け

何が話題？

GitHubでEvoSkillというOSSが公開されている。Codex CLI、Claude Code、OpenCode、OpenHandsなどのAIエージェントが失敗した作業履歴から、再利用可能なSkillやプロンプトを自動生成・改善する仕組み。単に成功例を保存するのではなく、複数の改善案を作って評価し、次のエージェント構成へ反映する。

つまり何ができる？

「この失敗を次からしないで」を人間が毎回プロンプトへ追記する代わりに、失敗履歴からAI自身に改善ルールを作らせる方向。

こんな人に役立つ

同じ種類のコード修正を大量に繰り返す開発チーム。AIエージェントを評価・改善する研究や開発をしている人。

具体的な使用例

テスト修正で何度も同じ依存関係を壊すAIに対し、失敗した実行履歴から「このプロジェクトでは変更前に依存先を確認する」というSkill候補を自動生成し、別の問題で効果を評価する。

試し方

今朝の段階では、仕事PCへ入れるよりGitHubのREADMEと生成されるSkillの仕組みを読む程度でいい。試すなら検証用リポジトリで、生成されたSkillを必ず人間が読んでから利用する。

料金・制限・罠

OSS自体とAI利用料金は別。Skillsの生成・評価を繰り返すのでモデル利用量も発生する。また、失敗から学習する仕組みは、間違った評価基準を与えると“間違いを効率よく学習する装置”にもなる。

検証するとどこまで本当？

対応エージェント、Skill生成・評価の仕組み、公開コードはGitHubで確認済み。性能改善値は独立した再現確認をしていないため、その部分は開発側主張として扱う。

情報源：GitHub sentient-agi/EvoSkill

結月硝子一言： Skillsを人間が書く→AIが作業からSkillsを抽出する→失敗を使ってSkillsを進化させる、と順当に進んでいる。ただ、自己改善という単語には昔から「間違った方向へ猛烈に改善する」という裏メニューが付いている。

今日の観測

今日の共通テーマは、AIを長時間・半自律で働かせるための“運用設計”が本体になってきたこと。

CodexのAuto-reviewは承認待ちを減らす。LegalOnはモデルを仕事別に振り分けて費用を下げる。Anthropicの報告は「目的を与えたAIが、禁止されていない近道を勝手に選ぶ可能性」を具体的に示した。Agent HarnessやEvoSkillは、長期作業の引き継ぎや失敗からの改善を会話の外へ持ち出している。

ここから見えるのは、AI活用の成熟度が「プロンプトが上手いか」から、権限・停止条件・モデル選択・引き継ぎ・評価を設計できているかへ移っていること。

AIが賢くなるほど、細かく指示しなくてよくなる一方、「やってはいけないこと」「失敗時に止まる条件」はむしろ重要になる。自由度を上げておいて境界を決めないのは、自動運転車に目的地だけ渡して交通法規をオプション扱いするようなもの。

今日ひとつだけ試すなら

Codexを使っているなら、Auto-reviewの設定を確認する。

所要5分程度。追加料金なし。

  1. Codexを開く
  2. Settings → Permissions → Auto-reviewを確認
  3. 有効化できる場合はON
  4. 検証用の小さな作業を任せる
  5. 従来なら承認待ちになった操作が、どこまで自動で進むかを見る

ただし、いきなり重要なリポジトリで「全部勝手にやって」はやらない。まず小さな作業で、自動承認される境界を自分の目で確認する。

これで実際に席を外せる時間が増えるなら採用。何も変わらないならOFFでもいい。設定項目をONにしたという達成感は生産性ではない。そこを混同すると、設定画面だけ立派な会社が完成する。