スタートアップの資金調達プラットフォームであるVentureCrowdがAIコーディングエージェントを導入し始めたところ、他の企業と同様の効果が見られました。いくつかのプロジェクトではフロントエンド開発のサイクルを90%短縮できたのです。
しかし、それは簡単なことではなく、試行錯誤も多く必要でした。
VentureCrowdの最初の課題はデータとコンテキストの品質をめぐるものでした。VentureCrowdのチーフ・プロダクト・オフィサーであるDiego MogollonはVentureBeatに対し、「エージェントは実行時にアクセスできるあらゆるデータに対して推論する」ため、その結果「与えられたコンテキストに基づいているだけなので、確信を持って『間違える』ことになる」と語っています。
もう一つの障害は、多くの企業と同様に、データが散らかっており、プロセスが不明確だったことです。Mogollonはコンテキストと同じように、コーディングエージェントは不適切なデータを増幅してしまうため、会社はまず十分に構造化されたコードベースを作らなければならなかったと述べました。
「課題は、エージェントそのものというより、エージェントの周りにあるすべてのことに起因することがほとんどです」とMogollonは言いました。「それはAIの問題を装ったコンテキストの問題であり、エージェント型実装において私が見ている最大の失敗パターンです。」
Mogollonは、ソフトウェア開発を刷新するにあたり、VentureCrowdがいくつかの行き詰まりに遭遇したと語りました。
VentureCrowdの経験は、AIエージェント開発におけるより広範な問題を示しています。モデルがエージェントを失敗させているのではなく、むしろ同時に与えられたコンテキストとツールが多すぎて圧倒されてしまうのです。
多すぎるコンテキスト
これは、AIシステムがますます多くのデータ、ツール、または指示を蓄積するほどワークフローが複雑になっていくという現象
