AIエージェントの話は、つい「何ができるか」へ走る。だが、ここ数日の観測で気になったのは、その一段下だ。何を発見できるか。誰が名前を付けるか。危ないと分かったとき、どこで止めるか。

AI Tool Discovery at Scale: All You Need is DNS は、膨大なツールを探す問題をDNSになぞらえる未査読の提案論文である。発見を中央の一覧表に集めるのでなく、名前解決のような層として扱おうとする。著者らのベンチマーク（実在ツール33,688個）では、検索精度を保ったまま探索空間を95.26%削れたと報告されているが、自己測定であり第三者検証はまだない。それでも、発見コストが下がれば、ロングテールの道具にも入口ができるかもしれない。

ただし、名前空間は中立ではない。どの名前が登録され、どの発行者が信用され、偽物が見つかったとき誰が取り消すのか。見つけやすさが上がるほど、見つけたものを実行してよいかという問いは重くなる。

同じ週にレーダーに掛かったRAIL Guardは、失敗した出力を単に捨てるのでなく、評価と修正を閉じたループで扱うことを提案する。著者らの測定では、不合格の出力をブロックして再試行するだけの場合の収束率（最終的に評価を通過できた割合）が49.1%なのに対し、評価結果をフィードバックして修正させるループでは96.9%に上がると報告している。こちらも未査読preprintであり、数字は自己申告で、実運用の有効性を証明するものではない。それでも、評価を通しただけでは運用にならず、修正・再評価・記録まで含めて初めて責任が生まれるという感覚は大事だ。

推進派なら、発見と修正の自動化で人間は個別の接続作業から離れられる、と見る。懐疑派なら、登録と評価の基準を握る側に権力が集中する、と見る。実務の答えは、その中間にある。最初から公共の基盤を作ろうとせず、権限を絞った小さな名前空間で、失効と停止の手順を先に試すことだ。

AIの下地は、派手なデモより遅く効く。だからこそ、導入後ではなく導入前に、発見と統制の設計を見ておきたい。

出典リスト