【前編】APIが成功したか分からない。AIの再実行も怖い――AIガバナンスを実行時に動かすRPR

AI エージェントに外部操作を任せるとき、最も怖い局面がある。API の実行を指示した直後に通信が切れた場合だ。成功したのか失敗したのか分からない。もう一度送れば二重登録になるかもしれない。失敗として閉じれば、実は反映された変更を見失う。成功として閉じれば、証拠のない完了記録が残る。「重要な操作は人間が確認する」「操作履歴を残す」といった基本的なアプローチだけでは、この場面を安全に扱えない。必要なのは、操作を事前に止める、実行結果を独立に確認する、結果が分からないまま保持する、外部状態を読み直す、修復と再開の担当者を決める――という一連の経路だ。小野昭久が公開した Responsibility Pathway Runtime（RPR）は、こうした「責任経路」を実行時に動かすための Python Runtime である。AI と人間のあいだで責任を切断させない設計だ。 RPR が重要なのは、「AI ガバナンス文書」ではなく「実行時に動く責任経路」だからだ。RPR に組み込まれた状態機械は、実行候補の操作、権限確認、実行、外部結果の確認、結果不明のホールド、再開という流れを硬く構造化している。回数無制限の再試行は許さない。外部サービスが返した 200 を「成功」と勘違いしない。対象データが本当に保存されたか、記録が本当に残ったか、独立に確認するまで completed へ進めない。このとき「分からないなら推測で進めない」という判断が人間へ返される。また RPR は責任経路全体を MIT License のオープンソースで公開しており、状態遷移を JSON、検査可能な不変条件を Lean 4 で提供している。ガバナンスを説明する文書ではなく、ガバナンスを実行時に走すランタイムにした。 実務への含意は、AI による自動化は「便利さより先に可逆性」だということだ。金銭関係・在庫・顧客データの変更を AI に任せるなら、RPR のような「止める・確かめる・修復・再開」の経路が必須だ。現状の多くの AI ツールは「操作が返ってきた＝完了」と錯覚している。本当は外部の状態が変わるまで、責任は完了していない。その隙間を埋めるのが RPR であり、企業が AI を本格運用する際の必須インフラになっていくだろう。