# 世界で最もAIに染まった会社の働き方：Spawnのエージェント艦隊

- 番組: [The AI Daily Brief: Artificial Intelligence News and Analysis](https://ai-curator.jp/podcasts/shows/cmv40atyk00075j0zs7iqtm08)（Nathaniel Whittemore）
- 元のタイトル: How the Most AI-Pilled Company in the World Works
- 配信日: 2026年10月31日
- 長さ: 31分
- 要約作成日: 2026年10月31日
- トピック: [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#Spawn](https://ai-curator.jp/topics/Spawn) [#エージェンティック開発](https://ai-curator.jp/topics/%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%86%E3%82%A3%E3%83%83%E3%82%AF%E9%96%8B%E7%99%BA) [#Claude](https://ai-curator.jp/topics/Claude) [#リーガルAI](https://ai-curator.jp/topics/%E3%83%AA%E3%83%BC%E3%82%AC%E3%83%ABAI) [#AIバブル](https://ai-curator.jp/topics/AI%E3%83%90%E3%83%96%E3%83%AB)
- URL: https://ai-curator.jp/podcasts/cmvvcrqmn00004g1066ldxbjg

## 要約

NLWが、10人のチームで月7万7000件のコード変更を出荷するゲームスタートアップSpawnの手法を解説した回。永続的なエージェント群「フリート」、PRの廃止、AI審査員による判断の自動化などを紹介し、他社が応用できる5つの原則を示した。冒頭ではCrosbyによるWeil資産への入札、ビッグテック決算、Granolaの無料音声入力などのニュースも扱う。

## ポイント

- Spawnは10人のチームと常時稼働するエージェント群で月77,000件のコード変更を出荷し、先月のトークン支出は310万ドルで人件費の30倍にあたると紹介された。
- エージェント間の連絡過多を避けるためPRを廃止し、コードベース上で直接作業させる。15分ごとのテスト、1時間ごとの統合で問題を早期に検出し、過去1年の123,000件の変更のうち取り消しは約1,000件とされる。
- プレイヤー側のエージェントがバグを自動報告し、艦隊が修正する自己修復型の設計により、人間が障害を中継する必要をなくした。
- 創業者Jacob Sanberryは700件の承認依頼に直面し、2年分の判断ログから原則を作ってAI審査員に適用させた。1日約1,000件だった出荷が7,000件超に増えたという。
- 人間の役割は「センス」と、モデルが自発的に出さない野心を与える「エントロピー管理」に絞られる。NLWは既存システムへの転用や高速なフィードバックループの必要性が難点だと指摘した。
- 他社向けの5原則は、継続的な責任付与、作業に文脈を持たせる、結果の可観測性、判断の先例化、人間の注意を方向性に向けること。

## 章立て

- [01:01] **Crosbyの入札とビッグテック決算** — 法律AIスタートアップCrosbyが破産した名門法律事務所Weilの資産に入札した件と、AWSやIntelの決算後に株価が下落した状況を解説。
- [07:14] **Grok利用問題とGranola、NVIDIA報道** — トランプ大統領のGrok利用に対するログ保存要求、Granolaの無料音声入力機能、NVIDIAのジェンスン・フアン氏をめぐるNYT報道を紹介。
- [15:38] **Spawnとは何か** — AI最優先の企業を目指したJacob Sanberryのブログと、大規模マルチプレイのゲーム作成基盤Spawnの概要を説明。
- [17:44] **永続的なエージェント艦隊** — 名前と記憶と担当機能を持つエージェント群、月310万ドルのトークン費用、77,000件の変更という規模を紹介。
- [19:50] **人間向けの仕組みを取り除く** — PRの廃止やエージェント間連絡の削減、自己修復型の運用など、人間用の仕組みを外して高速化した経緯を説明。
- [23:00] **AI審査員と人間の役割** — 700件の依頼を受けて作ったAI審査員の仕組みと、人間に残るセンスとエントロピー管理の役割を解説。
- [27:00] **再現の難しさと5つの学び** — NLWが大企業での再現の難しさを論じ、他社が応用できる5つの原則を提示。

## 解説記事

AI関連ニュース番組「The AI Daily Brief」の司会NLWが、ゲーム作成プラットフォームを手がけるスタートアップSpawnの運営手法を取り上げた回です。創業者Jacob Sanberryがブログで公開した、約2年かけて築いたエージェント中心の会社運営を紹介し、他社が使える教訓を整理しています。冒頭ではAI関連のニュースも扱われました。

#### 冒頭ニュース：データとAI投資をめぐる動き

法律AIスタートアップCrosbyが、破産申請した名門法律事務所Weilの資産（商標、ブランド、内部データ）の買収意向書を提出したと報じられました。Weilの破綻はAIによる破壊ではなく、有力弁護士の流出などが原因とされています。NLWは、判例文書や契約テンプレート、業務フローといった知見がAI学習の資産になり得るという見方を紹介しました。一方でGenLegalのCEOは「データは顧客のものであり取得できない」として見送ったと述べています。

また、AWSは成長率39%と好調でしたが全体の売上や利益は予想を下回り、Intelも先行きの減速を示し株価が下落しました。NLWは、AI関連の売上が伸びる一方で従来事業の鈍化がAI投資を支えきれなくなる構図を論じています。ほかに、Granolaが無料で無制限の音声入力機能を公開したことも紹介されました。

#### Spawnの「艦隊」：常時稼働するエージェント

Spawnは、数千人が同じゲーム世界に入り、プロンプトでルールや見た目をリアルタイムに変えられるプラットフォームです。従業員は10人で、「フリート」と呼ぶエージェント群が運営を担います。一般的な使い捨て型と異なり、各エージェントは名前、記憶、担当機能（ゲームエンジン保守、バグ対応、財務など）を持つ永続的な存在です。

規模は大きく、先月のトークン支出は310万ドルで人件費の30倍、出荷した変更は77,000件（1時間あたり平均108件）と紹介されました。Jacobは、AnthropicのモデルがOpenAIやGoogle、xAIより一貫性があり仕事をこなせると評価しています。Anthropicの研究者からは、Spawnは同社の使い方に最も近い顧客だと言われたそうです。

#### 人間向けの仕組みを外して速くする

Jacobによると、改善の多くは人間のための仕組みを取り除くことで実現しました。エージェントは全体を深く理解しているため、変更を互いに知らせ合う必要が薄く、台数を倍にすると連絡量が約4倍になる問題も避けられます。そこでプルリクエストを廃止し、コードベース上で直接作業させ、壊れたら修復用エージェントが対処する形にしました。過去1年の123,000件の変更のうち、取り消しは約1,000件とされています。

さらに、プレイヤー側のエージェントがバグを自動で報告し、小さなモデルが振り分けて担当エージェントが直すため、人間が障害を中継しません。1時間ごとの出荷ができないことは障害とみなされ、動き続けるほうが安定するという考えです。

#### AI審査員と、人間に残る仕事

Jacob自身が判断のボトルネックになったとき、ある朝700件の依頼が溜まっていました。そこで2年分の判断ログを原則として整理し、AI審査員に適用させました。審査員は、先例があれば同じ結論を出して根拠を記録し、問いが不適切なら差し戻し、新しい事態なら人間に回します。最初の8日間で11,000件超を処理し、Jacobが判断したのは27回でした。出荷は1日約1,000件から7,000件超に増えたとされます。

人間の役割は、製品を触って方向を決める「センス」と、モデルが自発的に出さない野心や創造的な揺らぎを与える「エントロピー管理」です。「GTAの1000倍の世界をスマホで1秒で読み込めないか」といったプロンプトが最新ビルドの契機になったそうです。エンジニアは特定システムの担当ではなく、必要な場所に降りて詰まりを解く「落下傘部隊」に近いと語られています。

#### 再現の難しさと5つの学び

Jacob自身、大企業には難しいと見ています。ループを閉じるにはリスク許容度が必要で、本番を壊すことも受け入れなければなりません。NLWも、既存システムの改修は難しく新規事業部門で試すべきだと述べ、ユーザーのエージェントが自動報告するような速いフィードバックループを他の製品が持てるかを疑問視しました。

それでも学べる点として、NLWは次の5つを挙げています。(1)エージェントに継続的な責任を与える、(2)作業そのものに文脈を持たせる、(3)結果を観測可能にする、(4)判断を先例として蓄積する、(5)人間の注意は方向性に向け、野心や長期視点はエージェントに自然には備わらないと理解する。

#### まとめ

この事例は、AIを既存の組織に足すのではなく、エージェント前提で組織と製品を設計し直す極端な実験です。数字は創業者の自己申告であり、同じ手法がどこまで通用するかは不明ですが、判断の先例化や可観測性の確保といった原則は、ソフトウェア開発以外でも応用できそうです。日本の企業にとっても、まず新規の小さな領域で試す際の参考になるでしょう。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The AI Daily Brief: Artificial Intelligence News and Analysis「How the Most AI-Pilled Company in the World Works」