AI エージェントの国で真価を問うのは検証者、ソナーのシャウカート氏

AI エージェントの国で真価を問うのは「検証者」：ソナー CEO シャウカート氏が語る、生産性低下を防ぐ新フレームワーク

生成AIによるコード自動生成が劇的な速度向上をもたらす一方で、その実務導入は「3ヶ月で生産性が元に戻る」という壁に直面しています。ソナー（Sonar）のCEOシャウカート氏は、ハルシネーションやセキュリティ脆弱性といったリスクを無視したままツールを導入するだけでは技術的負債が蓄積するだけだと警鐘を鳴らします。彼が提唱するのは、検証を開発後の工程ではなく、エージェントの思考プロセスに組み込む「AC/DC（Agent Centric Development Cycle）」という新フレームワークです。

AI コード生成の限界と「3ヶ月の壁」

現在のAIモデルは驚異的な進化を遂げており、人間が1時間かかるタスクを16〜18時間で完了させる能力を持つようになりました。しかし、シャウカート氏はこのデータに重要な注釈をつけます。

「この速度向上は、成功率が50%の状態で達成されたものです」

精度を80%まで引き上げようとすると、所要時間は3.5時間程度に戻ってしまいます。企業レベルで考えると、80%の精度では不十分です。シャウカート氏は顧客のCTOとの会話でこう指摘しています。

「80%の情報しか提供できない人を、私はパフォーマンストレビューでどう評価するか。これはエンタープライズグレードではありません」

実際には、最新のモデルでもコードの複雑さが高く、バグやセキュリティ上の問題が含まれることが依然として多いです。カーネギーメロン大学の研究データが示す通り、AIエージェント導入直後は生産性が3〜5倍に跳ね上がりますが、3ヶ月後にはその効果は消滅し、以前のレベルに戻ってしまいます。

なぜでしょうか？それは速度向上の裏で、セキュリティ問題、保守性の低下、信頼性の欠如、そしてコードの複雑化が同時に進行しているからです。結果として、私たちはコードを生成するスピードと同じ速さ、あるいはそれ以上に技術的負債を積み上げているのです。これが実務における最大のボトルネックです。

検証は「後付け」ではない：AC/DCフレームワークの提唱

この課題に対するシャウカート氏の解決策は、検証（Verification）を開発プロセスの後工程として扱うのではなく、エージェントによるコード生成のプロセスそのものに組み込むことです。彼らが提唱する「AC/DC（Agent Centric Development Cycle）」は、以下の3つの要素をサイクルとして統合します。

1. Guide（ガイド）：エージェントへの事前指導と制約の設定
2. Verify（検証）：生成されたコードに対する多層のチェック
3. Solve（解決）：問題発見後の修正ループ

このアプローチでは、単なるコードレビューではなく、開発サイクル全体を「検証駆動型」へと再設計します。

事前ガイドで効率化とトークン削減を実現

AC/DCの最初のステップである「Guide」は、エージェントに対して文脈（Context）と制約（Constraints）を提供することを意味します。これは単なる指示ではなく、エージェントが自社のコードベースを理解し、適切な判断を下せるようにするための基盤です。

• 文脈の提供: 数百万行に及ぶリポジトリにおいて、アーキテクチャ認識やセマンティックなナビゲーションマップを提供することで、エージェントが「領土」を正しく理解できるようにします。
• 制約の設定: コーディング規約、使用可能な依存関係、禁止事項、そして目指すべき将来のアーキテクチャといったガードレールを設定します。

シャウカート氏はこの事前ガイドにより、トークン消費量を30%削減できると実証しています。エージェントが迷う余地が減り、検証や修正の対象となる箇所も減るため、結果として効率とコストパフォーマンスが劇的に向上するのです。

ゼロトラスト型多層検証でセキュリティを担保

ガイドの次は、生成されたコードに対する「ゼロトラスト型多層検証」です。シャウカート氏は「すべてのモデルにはバイアスがあり、性格や癖がある」と指摘し、単一の手法に依存しないことを強調します。

この検証アプローチは2つのレイヤーで構成されます。

1. アルゴリズムによる検証: データフロー、制御フロー、既知のパターン、機密情報の漏洩など、定型的な問題を検出します。
2. エージェントによる検証（意図の理解）: ビジネスロジックや「未知の未知」を、AIエージェント自身が意図として捉えて評価します。

このように異なる手法とモデルを組み合わせた多層構造により、セキュリティと品質を担保します。実際にこのアプローチを採用したパートナー企業では、AI由来のプロダクション障害が44%減少するという結果が出ています。これは、信頼性と保守性が実証された証拠です。

まとめ：技術的負債の蓄積を防ぐ「検証駆動型」開発へ

シャウカート氏の提唱するAC/DCは、生成AIを単なる「コード生成ツール」として扱うのをやめ、品質保証とセキュリティを組み込んだ成熟した活用モデルへと移行させる道筋を示しています。大規模銀行でのテストでは問題発生率が92%削減されるというデータも示されており、企業は開発プロセスの再設計を通じて、AIの可能性を最大限に引き出すことが可能になります。

「コードは証明可能ですが、大規模なソフトウェアは複雑で messy（乱雑）です。だからこそ、検証が鍵となります」

AIエージェントの時代において、真価を問うのは生成する側ではなく、それを厳しく検証し、健全な開発サイクルを維持する「検証者」なのです。