AI社員40人を作って1ヶ月で全部やめた話 — 壊れない設計のために知っておくべきこと

Claude Code のエージェントを40体つくり、役割を分けてルールを書いて階層もつくった。1ヶ月後、ぜんぶやめた。こはく氏（@Kohaku_NFT）の実体験レポートから、AIエージェント大量運用が構造的に壊れる理由と、そこから見えた「壊れない設計」の考え方を整理する。

やったこと

最初の3日間は動いた。指示を出せばちゃんと返ってくる。SNS でスクショをあげようとした矢先に崩壊が始まった。

Context Rot とは、コンテキストウィンドウに情報が溜まるほど古い情報の精度が落ちる現象のこと。Anthropic の公式ドキュメントにも「トークン数が増えるほど、精度と想起（思い出す力）が劣化する」と明記されている。

ルール、コード、会話履歴が積み上がるほど再現性は低下する。

長時間運用すると、コンテキストウィンドウの容量を確保するために前半の会話内容が自動で要約・圧縮される仕様（compaction）がある。Claude Code の公式リリースノートにも「圧縮後に一部のエージェントが消えたり、重複して生成される不具合」が明記されている。

「自分で作業するな。指示だけ出せ」と書いても、Claude が毎回きれいに従うとは限らない。

LLM にとってルール文は、絶対命令ではなく、文脈の一部として処理される。履歴、途中のやりとり、直前の出力に引っ張られて解釈がズレる。

最近の評価研究でも、LLM は「どの指示を優先するか」の判断や長い文脈での安定した instruction following に弱さがあると報告されている。ルールが増えて競合し始めるほどズレる前提で見たほうがいい。

厳密に書けば書くほど、今度はルールが長くなって context rot が進む。この構造そのものが、人数を増やしたときの壁になる。

「使い込むほど育つ」とよく聞くが、ここで否定しているのは育成そのものではなく順番の話。

guidelines を育てるということは、ファイルが増えるということ。ファイルが増えるということは、コンテキストが重くなるということ。つまり context rot が加速するだけ。

壊れやすい仕組みの上に知識を積んでも、崩れやすくなるだけだ。

人間の会社で考えても同じ:

そんな会社は人を増やすほど混乱する。AI組織もまったく同じ構造。

ここが核心。

エージェントはAのタスクを動かせる。Bのタスクも動かせる。ただし、AがBに影響して、BがCを壊して、CがDに連鎖する。この全体像を把握できるやつが、40人の中にいない。

40人いても、全員が自分のコンテキストの中だけで動いている。隣のエージェントが何をやっているか知らない。自分の出力が他にどう影響するか見えていない。

「じゃあチーフエージェントを置けばいい」と思うかもしれないが、チーフにも同じ問題がある。チーフもコンテキストの範囲でしか判断できない。会社でいうと、部長も課長も自分の部署しか見ていない状態。トップの判断をする人がいない。

ここがAI時代に経営者が担うべき役割の核心:

AIの実行力はすさまじい。1人で10人分の作業をこなせる。ただし全体を見る仕事は、現時点のAIには難しい。コンテキストの壁がある限り、仕組みとして難しい。

経営者の時間の使い方が変わる。プレイヤーから監督者へ。この転換ができるかどうかがAI時代の分かれ目になる。

AIがうまく使えないと感じている人の多くは、プロンプトを疑う。「書き方が悪かったのかな」「もっと詳しく指示すればよかったのかな」と。

問題はプロンプトじゃない。「一発で完璧に」を求めていることが原因。

人間の部下に5秒で企画書を作れと言ったら、まともなものは出てこない。あたりまえ。AIにも同じことをしている。

精度を上げるルールは2つだけ:

1回目の出力は下書き。そこからフィードバックして、磨いていく。レビューと修正をくり返させることで品質は大きく変わる。

自分で作ったものを自分でチェックしても、ミスに気づきにくい。これは人間もAIも同じ。作成と検証を分離するだけで精度は跳ね上がる。

こはく氏はこの2つを徹底してから、やり直し率が体感で7割は減ったという。

AI社員を40人雇うのは、1人を使いこなしたあとでいい。まず1人から始めよう。