本文へ移動
相談する

BLOG

AIを増やすだけで仕事は進むのか。Antigravity「/teamwork」の役割分担

複数のAIが案を作り、反例を探し、結果を確かめるAntigravityの/teamwork。作る役と検証する役を分けることで、長い開発や科学の課題に取り組みます。AI同士にも共通の見落としが残るなか、人は何をもって仕事の完了を判断すればよいのでしょうか。

Google ResearchによるAntigravity /teamworkの公式発表画像。数学・化学・システム開発との接続を示している。

一人のAIへ、長い仕事をすべて任せる難しさ

資料を読み、計画を立て、何十ものファイルを変更し、動作を確かめる。仕事が長くなると、AIが途中の条件を見失ったり、最初の思い違いに沿って作業を続けたりすることがあります。別のAIを追加しても、同じ誤解へ賛成するだけなら解決しません。

Googleが開発するAntigravityの/teamworkは、複数のAIエージェントに役割を持たせて、長い開発や調査を進める仕組みです。エージェントは、文章を返すだけでなく、ファイルを読み、プログラムを実行するなどの作業を担うAIを指します。Google Researchは2026年11月13日、専門家と協力した科学・ソフトウェア開発の成果を公表しました。

Google Researchの11月13日の発表

作る役と、間違いを探す役を分ける

/teamworkの中心にあるのは、候補を作り、厳しく調べ、残った部分を組み合わせる反復です。全体を整理する役が仕事を分け、実装する役が変更し、別の役が問題点や反例を探します。結論を先に共有して全員で補強する構成とは、狙いが異なります。

人が決めた条件のもとで二つの修正案を作り、通常の順序と重なる更新を試す。反例のある案を退け、変更差分と実行結果を点検して人へ渡す概念図。
公式資料をもとに、役割と検証の関係を整理した手描きの概念図。修正案と丸・ばつは説明用の仮例で、製品の実行記録や保証ではありません。数値は、0から二つの操作で1ずつ増やす仮例です。同じ0を読んで両方が1を書けば、片方の更新が失われます。実際の役割と反復回数は課題によって変わります。公式ドキュメント:役割と検証。冒頭の画像はGoogle Researchの公式発表画像を、元の文字・色を保って掲載しています。

例えば、並行処理の不具合を直す課題なら、修正案を作るだけでは不十分です。通常の入力で動くか、特定の順序で同時に操作すると壊れないか、実際のプログラムを実行して確かめる必要があります。これは仕組みを説明するための例で、Googleの発表にある特定の修正案件ではありません。

ここでの独立した確認とは、別のAIが読んで賛成することだけではありません。テスト、実行結果、数式の証明を検査するLeanのような道具、実機の時間計測など、候補が間違っていれば拒否できる基準へつなげることです。

発表:候補の探索と、反証・検証の組み合わせ

長い会話を持ち回らず、必要な材料を引き継ぐ

AIが一度に参照する文章やファイルの範囲を、コンテキストと呼びます。長く働いた履歴を全員へそのまま渡すと、必要な条件が埋もれ、別の仕事の説明まで読み続けることになります。

/teamworkは、役割に必要なファイルや道具へ範囲を分けます。目標、制約、進捗、検証の記録を成果物として残し、担当を新しいエージェントへ引き継ぐ構成です。作った側の説明に引きずられないよう、別のコンテキストから確認する役も設けます。

公式ドキュメントには、ファイルごとに編集担当を決める仕組みもあります。同じファイルを複数のAIが同時に直す衝突を避けるためです。人数を増やすことに加えて、誰が何を変え、何を引き継ぐかを決める必要があります。

公式ドキュメント:役割・作業場所・引き継ぎ

課題によって、チームの組み方も変わる

大きなシステムなら、独立した部品を分担できます。一方、一つの難しい不具合では、最初から細かく分けるより、一つの仮説を試し、反例を受けて修正する方が適する場合があります。数学の証明と、資料のレビューでも必要な確認は異なります。

課題進め方の考え方
分割できる開発部品を分担し、依存する部分は順序を保つ。変更を統合して、全体でも試す。
一つの難しい修正仮説・実装・反例を繰り返す。無理に別々の作業へ分割しない。
数学の問題複数の方針を探し、反例や証明の検査で絞る。証明する命題も確かめる。
資料のレビュー異なる観点で調べ、指摘を照合する。指摘の数と正しさは別に評価する。
公式のパターンの考え方を日本語で整理。構成の例であり、特定の人数・順序を全課題へ適用する仕様ではありません。公式のパターン解説

/teamworkでは、この役割と進め方の構成をパターンと呼び、課題に合わせて選びます。担当人数も一律ではありません。多くのAIが同時に働く方式だけを指しているわけではなく、依存関係がある仕事は順序に従って進めます。

Antigravityの公式解説:パターンの考え方

研究事例。問題を作ったAIの出力も、そのまま採用しない

11月13日の発表には、AIを評価するための問題集を作る事例があります。人間が匿名化など五つの受け入れ条件を決め、29のエージェントが11.5時間かけて、13の公開された表から50課題の因果推論ベンチマークを作った、とGoogleは報告しています。

因果推論は、単に二つの数値が一緒に動くかではなく、ある要因を変えたら結果がどう変わるかを考える分野です。評価用の課題に答えのヒントが混ざれば、モデルが本当に理解したのかを測れません。発表では、別のレビュー担当や監査担当が抜け道、問題文のヒント、誤ったスクリプトを見つけ、検査へ残したと説明しています。

この事例は、AIが多くの問題を作れること以上に、作った問題の品質まで確かめる必要があることを示します。ただし、数字はGoogleによる個別事例の報告です。同じ人数と時間で、任意の業務に使える問題集が作れるという比較実験ではありません。

発表:因果推論の評価課題を作る事例

ソフトウェアの速さを上げる場合は、実機が答えを返す

別の応用は、計算プログラムを改良して処理を速くする仕事です。コードの見た目が簡潔になっても、実際には遅くなることがあります。計算する内容が変わってしまえば、速くても採用できません。

Googleの発表は、性能の評価器や変更していないテスト群、ハードウェアの計測を使い、候補を試し続ける構成を説明しています。ここでは、正しい出力を保つことと、速さを測ることの両方が必要です。以前紹介したTogether Compilerと共通するのも、候補の文章の説得力より、試して得た結果を次の判断へ戻す点です。

発表にある個別の速度向上を、/teamworkを使えば開発時間が同じ倍率で短くなる、と読むことはできません。対象のプログラム、比較先、ハードウェア、探索に使った時間が違うからです。

発表:コード・システム開発の評価方法

/boostとの違いと、今使える機能の読み方

2026年11月16日に確認した公式ドキュメントでは、/teamworkはAntigravity AppとCLIの有料プラン向けです。古い紹介には/teamwork-previewという名前が出てきますが、現在の操作名や提供範囲は現行のドキュメントで確かめる必要があります。

/boostも複数のエージェントと検証を使います。公式の整理では、複雑な不具合など、範囲を絞って深く調べる課題に向けた構成です。/teamworkは、複数の節目や並行する作業を持つ、より長いプロジェクトを扱います。通常の短い質問や小さな編集に、常に大きなチームが必要という説明ではありません。

また、研究で使われた構成と、そのまま製品で利用できる設定は区別が必要です。11月13日の発表も、形式的な証明用のパターンなどに今後の更新があると説明しています。研究成果の一覧を、完成済み機能の一覧へ読み替えることはできません。

公式ドキュメント:/boostと/teamworkの使い分け

限界。AI同士の確認にも、共通の見落としは残る

同じ資料が間違っていたり、受け入れ条件が曖昧だったりすれば、役割を分けても誤った結論へ進む可能性があります。テストが通ることも、そのテストが調べた範囲の証拠です。テストに含まれない失敗まで存在しないとは言えません。

数学の証明を機械で検査する場合でも、何を証明するかという命題が、本来の問題と一致しているかは確認が必要です。別の、簡単な命題を正しく証明しても、依頼を達成したことにはなりません。

さらに、エージェントの追加は、モデルの利用量、計算資源、記録の量、調整の手間も増やします。並列化で待ち時間が短くなる可能性と、仕事全体の費用が安くなることは別です。利用できる道具や権限、外部へ渡る情報の範囲も、チームを動かす前に決める必要があります。

公式ドキュメント:受け入れ条件と作業の境界

考察。仕事を任せる前に、終わりを確かめる方法を用意する

/teamworkから学べるのは、優秀なAIを集めることに加え、良い候補が残る環境を作る必要があるという点です。失敗を見つける基準があれば、試行錯誤を結果へ結び付けやすくなります。基準が曖昧なままだと、整った説明や大量の成果物を増やすだけになる可能性があります。

自分の仕事へ当てはめるなら、まず必要な結果を具体化し、独立して試せる部分と順序が必要な部分を分けます。そのうえで、動作を確かめる入力、比較する基準、使える時間と費用、人間が受け取る判断材料を決めます。これは発表から導ける運用上の考え方で、すべての仕事の自動化が実証されたという意味ではありません。

完成したファイルの数より、要求を満たしたことをどう確かめられるか。その問いを中心に置くと、複数のAIを使う価値と、まだ人が判断すべき範囲が見えやすくなります。

公式ドキュメント:目標設定から受け渡しまで