C5. LLMより、ハーネスとドメイン知識が肝

前章で、AI と人の役割分担を IntelligenceAI に任せられる情報処理と Judgment人に残る価値判断の2軸で整理しました。AI に任せられる領域は確実に広がっています。ではここで、もう一段深い問いを立てます。「広がる AI 領域の中で、何が差別化要因として残るのか」

この章で扱うのは、LLM大規模言語モデルそのものではなく、その外側の話です。Anthropic 自身が 2026 年 3 月に公開したエンジニアリング記事 "Harness design for long-running application development" を補助線に、なぜ ハーネスモデルを乗りこなす外側の装具 と ドメイン知識 こそが本丸なのかを論じます。

LLM はコモディティ化する ── 差別化はその外側にある

フロンティアモデル（Claude、GPT、Gemini）は、四半期ごとに性能が更新されています。今年世界一だったモデルが、半年後には三番手に落ちる ── これが当たり前の業界です。

つまり、「最強のモデルを使っていること」自体は、もはや競争優位ではありません。誰でも、API を叩けば同じ知能にアクセスできるからです。

では、AI プロダクトの差別化は、どこに残るのでしょうか。答えはモデルの外側 ── モデルをどう運用するか、モデルに何を入力するか、モデルの判断をどう設計するかです。これを総称した言葉が、Anthropic の言う「ハーネス（harness）」です。

ハーネスとは何か ── モデル単体では解けない領域を埋める層

ハーネスとは、もともと馬具のことです。馬という強力な存在を、人が乗りこなし、目的地まで連れて行くための装具。AI の文脈でも、意味は同じです。LLM という強力な汎用知能を、特定のタスクで安定して走らせるための外側の構造です。

Anthropic Labs の Prithvi Rajasekaran 氏は、この「ハーネスとは何か」を、ある種の決定的な一文で表現しています。

every component in a harness encodes an assumption about what the model can't do on its own, and those assumptions are worth stress testing, both because they may be incorrect, and because they can quickly go stale as models improve.

ハーネスのあらゆるコンポーネントは、モデル単体ではできないことについての仮定を符号化している。そしてその仮定は検証する価値がある。仮定そのものが間違っているかもしれないし、モデルが進化すれば仮定は急速に陳腐化するからだ。

— Prithvi Rajasekaran（Anthropic Labs）出典：Anthropic Engineering Blog "Harness design for long-running application development"（2026年3月24日）

この一文は、ハーネスの本質を突いています。ハーネスとは、「モデルがまだ解けない問題」のリストそのものなのです。タスク分解、コンテキスト管理、ツール連携、評価、エラー復帰 ── これらはすべて、「モデルに丸投げしても期待通りに動かないから、外側で支える」ために存在します。

したがって、ハーネスを設計するとは、「自分のドメインで、モデルが何に詰まるか」を理解しているということに他なりません。モデルの限界を最も正確に知っている者だけが、最良のハーネスを書ける。これがハーネス設計の第一原理です。

「モデルが進化してもハーネスは消えない」 ── 位置が動くだけ

ここで多くの人が抱く疑問があります。「モデルがもっと賢くなれば、ハーネスは要らなくなるのでは？」── 実はこの問いに対しても、Anthropic は明確に答えを出しています。

From this work, my conviction is that the space of interesting harness combinations doesn't shrink as models improve. Instead, it moves, and the interesting work for AI engineers is to keep finding the next novel combination.

この経験から私が確信していることがある。モデルが進化しても、興味深いハーネスの組み合わせの空間は縮まない。位置が移動するだけだ。AI エンジニアにとって面白い仕事は、次の新しい組み合わせを見つけ続けることだ。

— Prithvi Rajasekaran（Anthropic Labs）出典：Anthropic Engineering Blog "Harness design for long-running application development"（2026年3月24日）

前章で扱った「Judgment と Intelligence の境界は時間とともに動く」と、構造的に同じ主張です。モデルが賢くなれば、これまでハーネスで支えていた領域の一部は不要になります。が、同時に、これまで考えもしなかった新しい応用領域が解けるようになり、その応用ごとに新しいハーネスが必要になります。

ハーネス設計者の仕事は減りません。位置が動くだけです。そしてその「動く先」を最初に押さえた者が、その領域の標準を握ります。

Claude Code の正体 ── 汎用コーディング用の "agentic harness"

ハーネスという概念を、もっとも身近な例で説明します。Claude CodeAnthropic 純正のコーディング AI 環境をご存知でしょうか。エンジニア向けに公開されている、Anthropic 純正の AI コーディング環境です。

Claude Code の本体は、Claude モデルそのものではありません。Claude というモデルを「コーディングタスクで安定して走らせるための」ハーネスです。ファイル読み書きのツール、コマンド実行のサンドボックス、長時間タスクのメモリ管理、サブエージェントの呼び出し設計 ── これらが束になって、ようやく「自律的にコードを書き続けるエージェント」になります。

言い換えると、こうです。Claude Code は、汎用コーディング領域に特化した、Anthropic 純正のハーネスです。同じ Claude モデルを叩いても、Claude Code というハーネスを介すか、生 API を叩くかで、出力の安定性は桁違いに変わります。

ここから自然な問いが立ちます。「コーディングですらハーネスが必要なら、パートナーセールスはどうなのか？」

SoA は「パートナーセールス専用のハーネス」

synergeee の SoA次の一手を提案する層（System of Action）は、まさにこの問いに対する答えです。コーディングに Claude Code が要るのと同じ意味で、パートナーセールスには専用のハーネスが要ります。なぜなら、Anthropic の言葉を借りれば「モデル単体ではできないこと」がパートナーセールスには大量にあるからです。

パートナーセールスでモデル単体では解けない問題

関係性の文脈把握 誰と誰が、どの温度感で繋がっているのか。Slack・メール・Chatwork に分散した会話を統合し、Team Power として整列させる必要がある
5軸コンテキストの構築 パートナー / コンタクト / エンドユーザー / 案件 / アクティビティ。これらを正しく束ねないと、まともな提案は生まれない
ライフサイクル別の判断ロジック 戦略立案・開拓・契約・オンボーディング・育成・離反防止。各段階で必要なドメイン知識が異なり、全部を一つのプロンプトには詰められない
承認／非承認のフィードバック吸収 「事実誤認」「タイミング」「優先度低」「そもそも不要」── 4種の非承認タグを学習信号として循環させる仕組みが要る
誤動作時の信頼の保護 パートナーセールスは関係性産業。間違ったアクションは一発で信頼を壊す。だから人間の承認レイヤーをハーネスに組み込まなければならない

これらは、Claude にプロンプトを投げただけでは絶対に解けません。前章までで説明した SoR事実の唯一の記録元（5軸データの記録）、Intelligence/Judgment の仕分け、提案カードのライフサイクル、PRIsynergeee が提唱する新カテゴリというカテゴリ宣言 ── これらすべてが、SoA というハーネスを構成するコンポーネントです。

SoA は、ジェネラリスト（全体を統括する司令塔エージェント）と、スペシャリスト群（戦略・開拓・育成・離反防止などライフサイクル各段階に特化したエージェント）の組み合わせとして設計されています。これは Anthropic が「面白い仕事は、次の新しい組み合わせを見つけ続けること」と言うときの「組み合わせ」そのものです。

この章の含意

LLM はコモディティ化していきます。モデルそのものは差別化要因になりません。差別化は、モデルの外側 ── ハーネスとドメイン知識に移っています。

Anthropic の Rajasekaran 氏が言うように、「ハーネスのあらゆるコンポーネントは、モデル単体ではできないことの仮定を符号化している」。だから、ハーネス設計者には「自分のドメインで、モデルが何に詰まるか」を最も正確に知っていることが要求されます。

── では次の問いです。パートナーセールス専用ハーネスを、いったい誰が設計できるのか？ 国内に、この領域でモデルの限界を最も正確に語れるプレイヤーは存在するのか。次章で、その答えを正面から提示します。

語句

SoRエス・オー・アール: System of Record。業務における "事実の唯一の記録元" を担うシステム。顧客情報なら CRM、商談なら SFA。パートナーセールス領域ではこれまで SoR 自体が存在していなかった、というのが synergeee の出発点。
SoAエス・オー・エー: System of Action。SoR を素材として "次の一手" を提案・実行する層。AI エージェントが提案カードを出すレイヤー。
PRIピー・アール・アイ: Partner Relationship Intelligence。PRM の延長として synergeee が提唱する新カテゴリ。関係性データを意思決定に駆動する層を指す。
LLMエル・エル・エム: Large Language Model。膨大なテキストで事前学習された生成 AI モデルの総称。GPT・Claude・Gemini など。
Intelligenceインテリジェンス: Sequoia Capital の "Intelligence vs Judgment" フレームでの一方。AI に任せられる情報処理・推論・実行の領域。
Judgmentジャッジメント: 同フレームのもう一方。価値判断・優先度判定・倫理判断など、本質的に人に残る領域。
ハーネス: LLM 単体ではできないことを外側で支える構造（タスク分解、ツール連携、メモリ、評価、エラー復帰など）。Anthropic の用語。
Claude Codeクロード・コード: Anthropic が公開する Claude を使ったコーディング用ハーネスの代表例。汎用コーディング領域に特化した agentic harness。