注意力ではなく設定で固める — コーディングエージェントのスコープと権限ガードレール
コーディングエージェント（Claude Code のような）に作業させるとき、本当に効いてくるのは複数のリポジトリを横断する場面です。あるリポジトリの実装を参照しながら別のリポジトリに書く。共通ライブラリを直しつつ、それを使う側のリポジトリで動作を確かめる。設定リポジトリを読みながら、生成物のリポジトリを更新する。単機能の修正よりも、こういう「またがる」作業のほうがエージェントの速さが活きます。 ところが横断作業は、同じだけ事故の口も広げます。参照するだけのつもりのリポジトリをうっかり編集する、別リポジトリの main に直接 push してしまう、目的と関係ないファイルに手を入れる。リ...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
AIエージェントに社内業務をどこまで任せてよいか？ 1時間規模タスクの完遂率5%未満→40%超、一方でテストした全システムに万能脱獄
英国AI安全保障研究所（AISI）が2023年11月〜2025年10月に30以上のフロンティアシステムを評価した報告書を読み解きます。1時間規模の開発タスク完遂率は5%未満から40%超へ。しかし能力と安全対策の強さの相関はR^2=0.097でほぼ無く、テストした全システムで万能脱獄が見つかりました。
続きを読む →
AIエージェントは多段階のサイバー攻撃をどこまで自力で進めたのか（32ステップ中9.8）
英国AI安全保障研究所が、企業ネットワークを模したサイバーレンジでAIエージェントの攻撃遂行能力を実測。32ステップ中の平均完遂数は1.7から9.8へ、最良の単一試行は22ステップまで到達した。一方で産業用制御システム環境では7ステップ中平均1.2〜1.4にとどまる。中小企業の防御の優先順位を、この数字から考える。
続きを読む →
AIエージェントは個人の手元と全社チャットのどちらに置くべきか——Shopifyが30日で59,918セッションを公開した理由は？
Shopifyが社内エージェント「River」の直近30日間の実稼働値を公開した。59,918セッション、マージ済みPRの8件に1件が共著、セッション中央値19分・ツール呼び出し中央値50回。数字の大きさより、エージェントを個人の手元でなく全社Slackに常駐させたという設計判断が中小企業にも効く。ただしこれは提供者自身による発表である。
続きを読む →