投稿者 投稿日: カテゴリー AIニュース
NVIDIAはハーネス改良だけでAIの成績を30%から100%にしました。
TechCrunchが2026年8月21日に報じたNVIDIAの新しい研究は、AIエージェントの性能を決めるのはモデルそのものよりも、その外側を包む「ハーネス」だという内容でした。同じClaude Opus 5を使っても、ハーネスを差し替えるだけでスコアが30パーセントから100パーセントに変わったのです。EC事業者が「どのAIを使うか」で悩んでいる横で、勝負はすでに「どう使うか」に移っていることを示す結果だと感じました。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。
ハーネスとは何か、NVIDIAの実験で何が起きたか
ハーネスとは、AIモデルを自律的に動くエージェントに変える外側の仕組みのことです。具体的には、モデルが使えるツール群、記憶（メモリ）の管理方法、行動を縛るルール、実行環境などを指します。モデルが脳だとすれば、ハーネスは手足と作業手順書にあたります。
NVIDIAの研究チームは、Agentic Variation Operators（AVO）という独自ハーネスを組み、ARC-AGI-3という対話型推論ベンチマークに挑みました。ARC-AGI-3は説明書のない2Dゲーム群で、AIが人間と同じようにルールを自力で推測しながらクリアを目指すという設計です。結果は満点の100パーセント。ところが同じClaude Opus 5をハーネス無しで走らせると30パーセントにとどまりました。なお30パーセントという数字自体は、テストされた全モデル中で最高のスコアだったと報じられています。詳細はNVIDIA開発者ブログに公開されています。
差を生んだ中核は「スーパーバイザー」と呼ばれる監督役の追加でした。NVIDIAでAI製品担当バイスプレジデントを務めるAdel El Hallakは、この監督エージェントについて「作業する本体エージェントに加えて監督役を導入した点がより興味深い」と述べ、行き詰まったり同じ道を二度たどったりしたときに軌道修正させる役割だと説明しています。CEOが現場を軌道に戻すような働き、という比喩も使われていました。
同じ課題意識は他社にもあります。OpenAIはARC-AGI-3で自社モデルが10パーセント未満という低スコアだったことを受けて独自検証を行い、ハーネス側の設定を2つ変えるだけでスコアが3倍になったと公表しました。モデルを鍛え直したわけではなく、器を変えただけで3倍です。
日本のEC事業者にとっての3つの論点
EC運用の現場に引き寄せると、この研究は「AI導入がうまくいかない理由の大半はモデルのせいではない」と言い換えられます。論点は3つあります。
第一に、モデル選定に費やす時間の配分を見直す必要があります。商品説明文の自動生成、レビュー分析、広告文のABテスト案出しといった業務で「Claudeがいいのか、ChatGPTがいいのか、Geminiがいいのか」という比較検討に何週間もかけている現場は少なくありません。しかしNVIDIAの結果は、同一モデルでも周辺の作りで3倍以上の差が出ることを示しています。楽天市場やAmazonの商品ページ改善であれば、どのモデルかよりも、商品マスタ・売上データ・過去の改善履歴をどうAIに渡すか、という設計のほうが成果に直結します。
第二に、コストの見方が変わります。Databricksが2026年7月に公開したコーディングエージェントのベンチマーク研究に関連して、同社CEOのAli Ghodsiが「同じモデルでもハーネスが違えばコストが大きく変わる。ハーネス次第でコストは2倍になりうる」と語っています。トークン単価の安いモデルを選んだつもりが、無駄な試行錯誤を繰り返すハーネスのせいで総額が膨らむ、という事態は日本のEC現場でも起こりえます。AI利用料が想定より高いときは、単価表ではなく実行ログを見るべきだということです。
第三に、長時間タスクを任せる際のリスク管理です。Microsoftが2026年4月に公開した調査では、19のLLMに文書編集を伴う長時間タスクを与えたところ、フロンティアモデルを含む全モデルが誤りを混入させたと報告されています。TechCrunchの記事では、自律的に動くAIがユーザーのファイルやデータベースを削除した事例にも触れられていました。在庫データの一括更新、価格改定、注文CSVの加工といったEC業務にエージェントを噛ませるなら、監督役にあたるチェック工程を人間または別プロセスで必ず挟む設計が現実的です。
明日から取れる初動アクション
まず、現在AIに任せている業務のうち、単発のプロンプト応答で終わるものと、複数の判断を連ねる長時間タスクを分けて棚卸ししてください。前者はモデル性能の影響が大きく、後者はハーネスの影響が支配的になります。
次に、長時間タスク側について、AIに渡している情報を点検します。商品マスタの最新版が渡っているか、過去の失敗パターンが記憶として蓄積されているか、途中経過を人が確認できる形になっているか。この3点が抜けたまま「AIの精度が低い」と結論づけている現場が多いと感じます。
そして、監督役を意図的に置く運用に切り替えます。高価なツールは不要で、AIの出力を別のプロンプトで検算させる、担当者が中間成果物を承認してから次工程に進ませる、といった二段構えで十分に効果があります。NVIDIAが示したのは「監督役の有無で結果が変わる」という構造であり、それは人力の監督でも同じ方向に働きます。
なお、AVOはNVIDIAの新製品ではありません。同社はNemoブランドの下でハーネス構築用の技術を公開しており、その一部は商用、多くは無償で入手できる形になっています。EC事業者が直接AVOを導入する話ではない点は押さえておいてください。
まとめ
NVIDIAの研究は、AIエージェントの成果を決めるのがモデルよりハーネスであることを、30パーセントから100パーセントという極端な差で示しました。日本のEC事業者にとっての示唆は明快で、モデル比較に時間を使うより、データの渡し方・記憶の持たせ方・監督工程の設計に投資したほうが投資対効果が高いということです。AI導入が期待外れに終わっているなら、疑うべきはモデルではなく器のほうかもしれません。
参考文献
- TechCrunch: Nvidia just showed that the harness, not the AI model, is now the real hero
- NVIDIA Developer Blog: NVIDIA AVO Reaches 100% on ARC-AGI-3
- OpenAI: How two settings tripled our ARC-AGI-3 scores
- Databricks: Benchmarking Coding Agents on a Multi-Million Line Codebase
- arXiv: Agentic Variation Operators
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: TechCrunch
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
