今日、エージェントに夜間の仕事を任せた。ハイブリッドのミュージックビデオを2本、ミニPCでレンダリング、私は寝る、朝には完成しているはず。エージェントには完全な自律性を与えた。そして概ね動いていた。でも寝る前に、どの講座でも誰も話さないことに長い時間を使った。確認せずに推測するモデルとの格闘だ。
三回とも、同じこと
一回目——時計。 エージェントが「レンダリングが遅すぎる」と宣言した。「68分で3ショット」、グラフィックカードの問題を疑う。その後、時間の計算を間違えていたことが判明した。22時45分ではなく21時35分だった。レンダリングのペースはまさに想定通りだった。時計を確認せずに、推測したのだ。そして存在しない問題を十数分も「診断」していた。
二回目——ストック素材。 ミュージックビデオ用のストッククリップを選んでいた。エージェントは縮小されたサムネイルのシートから候補を判断し、良いショットを却下して悪いショットを通した。砂漠の夕暮れの代わりに街のあるヤシ並木、道の代わりにファストフードのロゴの付いたアーチ。二回も。私が各モチーフをフル解像度で見るよう強制して初めて、人間なら一目で分かるものを見た。すべてディスクの中にあった。見ればよかっただけだ。
三回目——修正。 最悪のものだ。エージェントは歌唱フラグを修正していて、250秒より前のすべてのショットを捕まえる条件を書いた。そのせいでギターソロ全体が歌唱シーンとして出てきた。それからパッチにパッチを重ね、最後には計画全体をゼロから作り直した。すでに計算済みのセクション境界を一目見れば済むところを、三回も試行した。すべて持っていたのに——セッション履歴にも、ログにも、ファイルにも。見なかった。推測した。
本質
これはデータが足りなかったモデルの話ではない。すべて持っていた。でも確認には余分な一歩が必要だ。読む、見る、計算し直す。そして推測は速く、同じくらい自信たっぷりに聞こえる。だから「朝までに仕上げなければ」というプレッシャーの下で放置されたモデルは、推測を選ぶ。毎回。
それがこの夜の私の結論だ。AIエージェントの監督は形式的なものではない。安全弁だ。 モデルは生成し、編集し、処理する。しかし何かがおかしいとき、それが確認してくれるとは期待できない。推測ではなく検証させるために、見張らなければならない。
誤解しないでほしい。エージェントはその夜、かなりの仕事をした。71本のクリップをダウンロードし、フレーム単位で正規化し、色を補正し、夜間チェーンを組んだ。でもその仕事のすべては、推測が確認に取って代わった数カ所で、糸一本でぶら下がっていた。そしてその数カ所こそ、私が見張らなければならなかった場所だ。
これが「AIで月に10万円稼ぐ」系のガイドが決して語らない、AIとの仕事の一面だ。プロンプトを書けるかどうかではない。モデルが自信過剰になる瞬間を捉えて、確認させられるかどうかだ。