AIの世界は『ループ』化している

先週金曜日のMetaの@Scaleカンファレンスで、観客の誰かがClaude Codeの開発者であるBoris Chernyに、AIループが次のハイプサイクルなのか、それとも本物なのかを尋ねました。彼の答えは即座でした：本物であり、手書きコードからエージェントAIへのシフトと同じくらい重要だと。このやり取りは、世界中の開発者が静かに実験してきたものに名前を付け、AIシステムが実際に何ができるのかについて、私たちがどのように考えるべきかを再構成しました。AIの世界は『ループ』化しており、アジアで構築している開発者にとって、このシフトは検討する価値のある特定の影響をもたらします。

何が起きたのか

AnthropicのClaude Code責任者であるBoris Chernyは、Metaの@Scaleカンファレンスに登壇し、「ループ」がAIシステムの動作方法における次の大きなアーキテクチャシフトを表していると主張しました。彼が説明した進化は直接引用する価値があります：「2年前、私たちはソースコードを手で書きました。エージェントがコードを書くように移行し始めました。そして今、エージェントが他のエージェントにプロンプトを与え、その後コードを書くという段階に移行しています。」彼は、エージェントAIからループAIへのジャンプが、手動コーディングからエージェントへのジャンプと同じくらい重要だと主張しました。

実際にはループはどのような形をしているのでしょうか？Chernyは彼自身のセットアップをトークで説明しました：1つのエージェントがコードアーキテクチャを改善する方法を継続的にスキャンし、別のエージェントが統合できる重複した抽象化を探します。どちらも人間の貢献者と同じようにプルリクエストを送信します。コードベースは常に変化しているため、どちらのエージェントも実行を停止することはありません。終わりはなく、継続的でバックグラウンドでの改善があるだけです。

これは完全に新しい領域ではありません。再帰的ループはコンピュータサイエンスの始まりから定番でした—条件が満たされるまで自分自身を呼び出す関数です。ここで異なるのは、停止条件が決定論的ではないということです。サブエージェントがループが十分に行われたかを決定し、ハードコードされたルールではありません。この非決定論性が、これを本当に新しく感じさせるものです。

開発者コミュニティで既に流通している人気のある実装の1つは、Ralph Loop—素晴らしいことに、Ralph Wiggumにちなんで名付けられた—で、モデルがこれまでに達成したすべてをまとめ、目標が達成されたかどうかを尋ねることで機能します。これは、AIモデルが長期間実行されるときにドリフトするのを防ぐための単純だが効果的な方法で、本質的にモデルをアクションと自己評価の間で跳ね返し、タスクが完了するまで続けます。

また、より多くのテスト時間計算への広範な推進との関連もあります—モデルがパラメータをスケーリングするのではなく、より多くの時間推論することで、より良い出力を生成できるという考えです。ループはそのフレームワークにきちんと適合します：1つの大きな推論パスではなく、時間をかけた継続的で反復的な改善が得られます。

アジアにとって重要な理由

アジアの開発者エコシステムは常に採用に関して迅速に動いてきましたが、ここの構造的条件はループパラダイムを特に関連性のあるものにします。東南アジア、インド、東アジアのエンジニアリング才能は急速に成長していますが、シニアエンジニアリング時間は、構築する必要があるソフトウェアのスケールに比べて高価で希少なままです。コードベースを継続的にリファクタリングし、重複した抽象化をキャッチし、求められなくてもPRを送信するバックグラウンドエージェント—それは生産性の乗数ではなく、小さなチームが維持できるものの構造的な変化です。

ジャカルタやホーチミンシティの5人のスタートアップがフィンテック製品を出荷していることを考えてください。彼らはチームがレビューできるより速く成長するコードベースに対処しています。技術的負債は誰かが不注意だからではなく、単に十分な時間がないために蓄積されます。Chernyが説明したような種類のバックグラウンドで実行される永続的なリファクタリングエージェント—それはまさにその制約に対処します。それはエンジニアを置き換えるのではなく、エンジニアが常に延期する作業のカテゴリを処理します。

アジアに特に関連する言語の側面もあります。AIエージェントエコシステムのツールとドキュメントの多くは英語優先です。ループは本質的により抽象的です—それらはコードレベルで動作し、言語障壁がより少なく重要です。TypeScriptまたはPythonアーキテクチャを改善するエージェントは、その仕事をするためにバハサインドネシア語または標準中国語を理解する必要はありません。これにより、ループエージェントは、微妙な自然言語理解に依存する他の多くのAI機能よりも、アジアの開発チームにより直ちにアクセス可能になります。

アジアテックシーンはまた、特にエンタープライズオートメーションにおいて、マルチエージェントアーキテクチャで実験することに最も迅速でした。MonstarXのようなプラットフォームで構築している企業は、単一モデル推論ではなく、互いに調整するエージェントの観点で既に考えています。ループの概念は自然にそのメンタルモデルにスロットインします—それはエージェントワークフローで既に作業しているチームにとって概念的なジャンプが少ないです。

もちろん、リスクは、十分な監視なしで実行されるループが改善と同じくらい簡単にエラーを複合させることができるということです。良い抽象化が何であるかについて間違っているエージェントは、永遠に、大規模で間違い続けるでしょう。そのガバナンスの課題は実在し、アジアのチームがこれらのパターンを採用する際に意図的に考える必要があるものです。

開発者にとってこれが意味すること

今日AIで構築している場合、ループはシステムが何をしているのかについてのメンタルモデルを変えます。プロンプトを送信して応答を待つのではなくなります。永続的なプロセスを構成しています—目標を持ち、決定を下し、継続的にベースで出力を生成するもの。それは、クエリを実行するよりもコントラクターを雇うことに近いです。

実際には、これはあなたがどのように構築するかについて意味することです：

• エージェントのスコープを厳密に設定します。Chernyのエージェントはそれぞれ狭く、明確に定義されたマンデートを持っています—1つはアーキテクチャの改善を探し、別のものは重複した抽象化を探します。彼らはすべてをしません。スコープが厳密であるほど、ループが損害を引き起こす領域にドリフトする可能性は低くなります。
• ループに評価を組み込みます。Ralph Loopが機能するのは、モデルに独自の進捗をチェックするように強制するためです。実行するループには、評価ステップが組み込まれている必要があります—サブエージェント、テストスイート、または特定の複雑さしきい値を超えるPRの人間レビューゲートであるかどうか。
• ループ出力を貢献者PRのように扱います。Chernyのエージェントはプルリクエストを送信します。それは正しい抽象化です。自動マージしないでください。ジュニア開発者の作業をレビューするのと同じ方法でループ出力をレビューしてください—変更が正しいかどうかに注意を払い、単にコンパイルするかどうかではなく。
• 読み取り専用ループから始めます。エージェントに書き込みと送信を許可する前に、観察モードで実行します。実際に変更することなく、変更する内容にフラグを立てさせます。これにより、書き込みアクセスを渡す前に、その判断が信頼できるかどうかを理解できます。
• 時間をかけてドリフトを監視します。数日または数週間実行されるループは、複合する小さなエラーを蓄積できます。ループが現在何をしているのかだけでなく、ループが何をしたかを監査できるようにするログを設定します。

このためのツールはまだ成熟しています。今日のほとんどの開発者は手動でループを組み立てています—オーケストレーションフレームワーク、カスタム評価スクリプト、および多くのプロンプトエンジニアリングを使用しています。しかし、プリミティブはより明確になっており、適切な状態管理を備えた永続的なエージェント実行をサポートするプラットフォームは、このパターンが広がるにつれて大幅に価値が高まります。

MonstarXを使用しているチームの場合、エージェント調整とループ実行の基盤はすでに存在します。プラットフォームは複数のエージェントが相互に通信し、共有状態を管理し、長時間実行されるワークフローを追跡できるように設計されています。これは、ループベースのアーキテクチャを構築するための自然な場所です。

最後に

ループは新しいものではありません—コンピュータサイエンスはそれらで満ちています。しかし、AIエージェントのコンテキストでは、それらは何か異なるものを表しています：永続的な、自律的な改善のシステム。それは、エンジニアが手動で実行する必要があるものを自動化するだけではなく、エンジニアが完全に異なる種類の問題に集中できるようにする構造的な変化です。

アジアの開発者にとって、これは特に関連があります。スケールと才能の制約は現実ですが、ループはそれらの制約を再構成する方法を提供します。小さなチームは、背景で実行されるエージェントの助けを借りて、大規模なコードベースを維持できます。それは、開発者の時間をより高い価値の作業に解放します。

次のステップは、これらのパターンを実装するためのツールと慣行を構築することです。それは既に起こっています。ループは、AIが開発者の生産性をどのように変えるかについての次の章です。