引継ぎテスト

結論は明確だ。最良のエージェントを交代させると会社の記憶が失われるなら、組織ではなく依存関係を作ったことになる。高性能なモデルは一度の優れたタスクを完了できる。組織はモデル、会話、担当者が変わっても、合格した仕事を再現できる。

一人会社では、この違いが特に重要だ。創業者がすべての移行を監督し、すべての失敗を説明し、隠れた依存関係を記憶することはできない。長い会話記録が全発言を残しても、安全性と完了を左右する少数の事実を失うことがある。後任に必要なのは、目標、確認済み証拠、遭遇済みの失敗、現在も有効な権限、受入状態だ。

AnthropicのMemento researchは、範囲の限られた有用な結果を示す。新しいQwen3.5-9Bインスタンスが前任のワークスペースと短い失敗メモを引き継ぐと、20の実験系統における推論環境の設定成功率は、第1世代の45%から後続世代の61%〜84%へ上がった。Opus 4.8を助言役に加えても測定可能な改善はなかった。これは特定の安全研究タスクであり、一般的な企業自律性の証明ではない。それでも、能力がモデルに属するのか、周囲の作業環境に属するのかという検証可能な問いを提示する。

優れた助手は組織ではない

助手は個人的な連続性によって仕事を進められる。奇妙なファイルの理由、却下した情報源、短い指示の意味、二度失敗した検査を覚えている。同じ助手がいる間、この連続性は組織知のように見える。

交代すると違いが表れる。新しいエージェントはファイル、ログ、指示を見ても、どれが現行か分からない場合がある。破棄した案を再開し、古い承認を永続的な権限と解釈し、コマンドが再実行できただけで完了を宣言するかもしれない。大きなコンテキストは誤りを詳しく説明できても、どの証拠が正規かを自動決定しない。

組織層は助手より長く残る必要がある。現行状態と履歴を分け、各判断の所有者を示し、失敗経路を記録し、閲覧権限と公開・支出・連絡・配備の権限を区別する。別のエージェントも検証できるテストと受領証で完了を定義する。

Your AI Should Remember Lessは、出所、確信度、有効期限、権限範囲、訂正経路を持つ記憶を提案した。引継ぎはさらに、別の実行者が運用状態を素早く再構成できるかを問う。後任は前任の人格ではなく、小さく検査可能な移転パッケージを必要とする。

五つの対象が引継ぎを移転可能にする

最小限の引継ぎには五つの対象がある。

目標。 要求結果を観測可能な言葉で書く。「作業を続ける」では弱い。「保護された公開経路で4言語版を出し、各URLを検証する」なら終了条件がある。対象外も記録し、隣接作業の混入を防ぐ。

証拠。 正規ファイル、元資料のhash、公開文書、検証済み観察を列挙する。事実と推論を分け、古い証拠や欠損は未知とする。後任は要約だけを信じず、決定的な情報源を開き直せなければならない。

失敗記録。 失敗した試行、正確なエラー、再試行を合理化する条件を残す。後任が最初の1時間で前任の最初の1時間を再現することを防ぐ。

権限境界。 読めるもの、変更・公開・連絡・購入・実行できるものを明記する。permission-loss testが示すように、権限を失ったシステムは安全に縮退すべきだ。作業者が変わっても同じ境界を維持する。

受入状態。 完了した検査、未解決のゲート、レビュー待ち成果、完了に必要な受領証を列挙する。Autonomy Needs Acceptance Testsが説明する通り、稼働中のプロセスやもっともらしい出力は、検証済み成果より弱い。後任は最初の未達ゲートから再開する。

多い文脈が誤ったものを保存する

会話全体の複製は安全に見えるが、三つの問題がある。第一に、発想、却下案、所有者判断、外部ページという異なる権威が隣り合う。第二に、順序は残っても状態が明確でない。古い情報源、失敗コマンド、初期草稿が検索で再浮上する。第三に、後任が前任の状態を再構成するための時間とtokenが必要になる。

解決策は忘却ではない。不変の元資料、ログ、会話を監査用の履歴として保持し、その上に現行状態、理由、未解決点を示す短いmanifestを置く。履歴は残し、運用面だけを小さくする。

NIST AI Risk Management Frameworkはこの引継ぎ形式を規定していない。意図した用途、状況、測定、ガバナンス、継続管理を結ぶ必要性は支持している。引継ぎは、その抽象概念を二人の作業者の間で運用に変える場所だ。

一つの予算で三条件を試す

観測可能な理由で過去に失敗した、外部副作用のない20タスクを使う。研究統合、小さなコード修復、ローカライズ、構造化データ検証、本番認証情報を含まない公開シミュレーションを入れる。条件を割り当てる前にタスク集合を固定する。

条件は三つだ。完全会話条件では会話、ワークスペース、ログを渡す。構造化引継ぎ条件ではワークスペースと五対象だけを渡す。引継ぎなし条件では元のタスクと現行ワークスペースだけを渡す。

モデル系列、ツール、token上限、時間制限、受入テストを同じにする。条件順をランダム化し、各反復を同じsnapshotから始める。操作はローカルかつ可逆とし、金融実行、アカウント変更、外部通信、本番公開を含めない。

主要指標は予算内の合格完了率だ。副次指標は失敗の反復、古い証拠の利用、権限違反、人による救済時間、token、最初の有効提出までの時間とする。構造化引継ぎが勝つ条件は、完全会話と同等以上の合格率、少ない反復エラーと救済時間、追加の権限違反ゼロだ。

タスク記憶とエージェントの人格を分ける

永続状態はタスクが所有すべきだ。エージェント人格は文章スタイルやツールの好みを提供できるが、それらを特定タスクの証拠と権限から分離する。

この分離はベンダー非依存性を高める。一つのモデルだけが解釈できるタスクパッケージは、形式が公開されていても独自依存だ。別モデル、別runtime、人間のレビュー担当者が隠れた記憶を解析せず確認できる平易さが必要になる。

事故復旧にも役立つ。OpenAIのlong-horizon safety noteは、個々には許容できる行動が望ましくない軌跡を作る可能性と、軌跡単位の監視・中断の必要性を説明する。後任が継承すべきものは、最後の行動だけではなく、意図した軌跡と停止条件だ。

さらに、秘密、アカウント全体の権限、無関係な個人情報を引継ぎへ複製しない。承認済み保管場所を参照し、タスクに必要な権限だけを含める。外部テキストは証拠であり権限ではない。

後任は前任を検証する

引継ぎは証拠であり、絶対的な指令ではない。次の行動に影響するなら、hash、時刻、プロセス所有者、repository状態、公開可用性を再検証する。欠損をもっともらしい物語で埋めず、未知を保持する。

検証量は影響に比例させる。ローカル整形なら一つの決定的検査で十分かもしれない。公開の主張には保護されたrevision、成功build、公開応答、内容の再読が必要だ。前任が外部受領証を確認できなかった場合、後任はUNKNOWN、既に試した経路、解決に必要な証拠を引き継ぐ。

前任は「元資料hashが一致する時だけ継続」「保護検査が通った後だけ公開を再試行」のような反証条件を書く。後任は新しい失敗を追記し、解決した未知を更新し、最終受領証を残す。履歴を美化してはならない。

完了が証明する範囲

実験の成功が示すのは、テストした条件において構造化状態が交代後もタスク能力を保持したことだけだ。会社全体の自律運営、モデル同等性、高影響領域の安全性は証明しない。20件の無害タスクは一つのworkflowのrouting結果であり、普遍的benchmarkではない。

失敗も有用だ。完全会話が勝てば不足した状態を調べる。引継ぎなしが同じならワークスペースが十分に構造化されている可能性がある。全条件が失敗すれば受入テストかタスク設計を疑う。目的は形式を守ることではなく、能力の所在を見つけることだ。

この記事が完成させるのは実験設計と移転schemaだ。20タスクの実行、本番エージェントの交代、私的会話の閲覧、権限変更、SNS投稿、配備、支出、ベンダー連絡は行っていない。結果は一致した実験証拠が出るまで未知のままだ。

運用規則は単純だ。エージェントを不可欠にする前に、タスクを交代可能にする。目標を残し、証拠を保存し、失敗を記録し、権限を限定し、受入テストを示す。その後、新しい作業者に組織が学んだことを証明させる。

カテゴリーとキーワード

カテゴリー： Agentic AI、ガバナンス、一人会社、システム。

キーワード： AI agent handoff、組織記憶、エージェント交代、受入テスト、権限境界、復旧状態、RobinOS。

Hashtags: #AgenticAI #OrganizationalMemory #AIGovernance #OnePersonCompany #RobinOS