
AIが仕事を確かめる環境をつくる|ハーネスエンジニアリング
AIにコードを書いてもらったあと、そのコードを動かし、結果を確かめ、問題があれば直してもらう。この往復をどこまで任せられるか。OpenAIの「ハーネス・エンジニアリング」という話題は、そうした開発の進め方を考える手がかりになる。
100万行のコードや、約100行のAGENTS.mdという数字も注目を集めている。数字の背景を確かめると、AIが仕事を進めるために、人がどこを整えるのかが見えてくる。
今回は公開リポジトリとOpenAIの公式解説を読み、手元の仕事にも取り入れられる点を整理する。
公開されたものを確かめる

リンク先の「openai/codex」は、OpenAIのCodex CLIを公開しているリポジトリである。CLIとは、文字で指示を入力するターミナルから使うための入口だ。READMEではローカルで動くコーディングエージェントと説明され、Apache-2.0ライセンスで公開されている。Codex公式リポジトリ
一方、100万行という話の出典は、2026年2月11日付のOpenAIの開発報告である。こちらはCodexを使って社内向け製品を作った実験の記録だ。公開されている道具と、その道具で作った製品を分けると、話の位置づけが整理できる。OpenAIの開発報告
Codexの仕組みを説明した2026年1月23日の公式記事では、すでに公開リポジトリを案内している。今回初めて社内の開発環境一式が公開された、という読み方には慎重さが必要になる。Codexの動作解説
リポジトリはソースコードと変更履歴をまとめて置く場所である。そこから学べるのは、道具の実装や設計上の判断だ。自分の製品の仕様、テスト、運用条件は、それぞれの仕事に合わせて用意することになる。
100万行の実験を読む

OpenAIの報告では、人がコードを直接書かない条件で社内製品のベータ版を開発した。約5か月で約100万行に達したという数字には、アプリ本体のほか、基盤、ツール、文書などが含まれる。人は目的や環境を整え、Codexへの指示を通じて開発を進めていた。OpenAIの開発報告
この条件は、特定のチームが試した開発方法として読むのが適切だろう。あらゆる開発者に手書きのコードをやめるよう求めた宣言として受け取ると、報告の範囲を越えてしまう。
また、コードの行数は成果の規模を知る一つの手がかりである。同じ機能でも、採用する言語や設計によって行数は変わる。仕事で評価するなら、利用者の目的を満たせたか、変更後も動くか、修正にどれだけ時間がかかるかも確かめたい。
たとえば予約画面なら、画面を表示できることに加えて、満席時の案内や二重送信への対応まで確認する必要がある。AIが大量に書けるようになるほど、完成を判断する条件を具体的にする意味が出てくる。
短い入口と詳しい記録

AGENTS.mdは、エージェントに作業上の指示を渡すファイルである。OpenAIの実験では、これを約100行の案内役とし、詳しい内容は別の文書へ分けていた。約100行はその構成での実例であり、すべての仕事に共通する最適値とは区別しておきたい。OpenAIの開発報告
現在の公式ガイドも、全体に共通する指示とプロジェクトごとの指示を重ねる仕組みを説明している。作業する場所に近い階層で、より具体的な指示を置ける。説明の単位は「必ず100行」ではなく、指示の対象範囲と読み込む順序である。AGENTS.mdの公式ガイド
ここから先は、自分の仕事に取り入れるならどうするかという話になる。
記事制作であれば、入口には文体、出典の付け方、保存先、完成前に確認することを書く。過去の記事や用語の詳しい説明は、テーマごとに分けておく。数字を使う記事なら、どの統計を優先するか、速報と確定値をどう扱うかも参照できるようにする。
大切なのは、短くした先に必要な情報があることだ。入口を削った分だけ、判断の根拠まで消えてしまえば、AIは推測で埋めることになる。文章を短くする作業と、情報を探しやすくする作業を一緒に進めたい。
実行と確認をつなぐ

ハーネスは、モデルが道具を使いながら仕事を進めるための周辺の仕組みを指す。Codexの公式解説では、モデルが道具の使用を求め、実行結果を受け取り、その結果を踏まえて次の応答や操作を選ぶ循環が説明されている。プロンプトも、このやり取りを構成する要素である。Codexの動作解説
その循環を実務に置き換えると、具体的に考えやすい。
たとえば売上集計のプログラムを直す場合、最初に少量のテスト用データを用意する。通常の注文だけでなく、返品、値引き、空欄を含むケースも入れる。期待する集計結果を決め、修正後の出力と照合する。違いがあれば、その差を手がかりに修正する。
人が毎回エラー文をコピーして渡すところまで担当するか、AI自身が実行結果を読めるようにするかで、往復の負担は変わる。ここに環境を整える意味が出てくる。
ただし、テストの正しさも確認が必要だ。税抜きと税込みを取り違えた期待値なら、そのテストに合格しても集計は誤っている。AIが修正したプログラムと、正解を判断する基準は、それぞれ確かめたい。
「動いた」という報告を受け取るだけで終えるより、何を入力し、どの結果を確かめたかが残っている方が、あとから見直しやすい。
人が決める範囲を残す

AIに任せる範囲を広げるときは、変更できる場所と、確認が必要な操作を一緒に決める必要がある。
Codexの公式説明では、技術的に操作できる範囲を制限するサンドボックスと、操作前に確認する条件を決める承認ポリシーを分けている。自動で作業することと、あらゆる権限を与えることは、別々に設定するものだ。承認とセキュリティの公式説明
売上集計の例なら、最初は複製したデータと作業用フォルダだけを対象にする。元データの削除、顧客への送信、本番システムへの反映は、人が結果を見て判断する。このように、試行できる範囲と外へ影響する操作を分けておく。
同時に、止める条件も決めておきたい。必要な項目が足りない、テスト結果が矛盾する、保存できたか確認できない。そうしたときは、作業を続けるより、状況を残して確認を求めた方がよい。
人が担う判断には、品質の基準もある。どれくらいの速度が必要か、何を優先するか、誤りが起きた場合に誰が影響を受けるか。その条件を具体化して初めて、AIに任せる仕事の輪郭が定まる。
小さな仕事から組み直す

私なら、まず繰り返し行っている小さな仕事を一つ選ぶ。集計表の作成、文章内のリンク確認、Webページの表示確認など、結果を見て良し悪しを判断しやすいものから始める。
最初に決めるのは、入力するもの、作るもの、確認する方法、止まる条件である。そのあとに、必要な指示と参照先をまとめる。
一度動かしたら、失敗した箇所を見直す。何を読めばよいか分からなかったのか。実行する道具が足りなかったのか。完成条件が曖昧だったのか。原因ごとに、説明、道具、テストを整える。これなら、修正した内容を次の作業にも残せる。
プロンプトを書く場面は続く。そこで目的を伝えながら、AIが必要な情報を読み、自分の作業結果を確かめられるようにしていく。指示文と作業環境を一緒に改善する考え方として、ハーネス・エンジニアリングを捉えると分かりやすい。
100万行を目標にする前に、一つの仕事を繰り返し確かめられるようにする。変更したものと確認結果を並べて読めるところまで整える。それが、手元で試せる最初の一歩になる。
本文は2026年11月9日UTC時点で確認した公式情報に基づく。活用例は本記事の提案であり、OpenAIの社内実験や筆者の実測結果とは区別している。