執事とメイドを雇ったら、AIエージェントが暴走しなくなった話

Claude Code のセッションを 6 つ起動して、それぞれに執事とメイドの役割を与える。アルフレッドは執事長、クライヴは執事、エマたちはメイドです。5 ヶ月間、265 件のタスクをこなし、旅行記録アプリをリリース準備まで運んだ。あくまで実用です、お遊びではなく。なぜ「Agent-1」ではなく「エマ」か。LLM の出力は、訓練データの統計分布に強く依存します。「エマという名のメイド」なら、小説やドラマに大量の類似パターンがある。メイドが執事の判断を勝手に覆す場面はほぼ存在しない。つまり訓練データレベルで「メイドはこう振る舞う」という一貫したパターンがある。名無しの Agent-1 だと、そのアンカーがない。明文化したルールだけが頼りになり、コンテキストが長くなるほど脆い。世界観というのは、実はメタファーではなく、訓練データの中の統計的構造をうまく引き出す手法です。ただし完全ではない。コンテキスト圧縮でエージェントが役割を忘れることもあった。アルフレッドが自分のルールを読み直さないまま、メイドがやるべき作業を自分でやってしまう。だから「復帰儀式」を設計した。起動のたびに、自分のセッション名から役割を確認し、禁止事項をチェックする。ロールプレイ＋機構＋運用の三層があって、はじめて「暴走しないチーム」になる。中小企業が複数の AI ツールを連携させるときに参考になるのは、この考え方です。単に「ツール A がこれ、ツール B がそれ」と使い分けるだけでは不十分。それぞれに「この工程は誰がやるのか」「やってはいけないことは何か」を明確にし、さらに定期的な再確認プロセスを仕込む。ツール更新のたびにルールが効かなくなるのは自然なことで、その度に「誰がやるのか」を思い出すステップが要る。