JOURNAL — 2026-08-15
AIモデルとハーネスの構造理解
AIを魔法の一枚岩として捉えるのをやめ、モデル・ツール・ハーネスの階層分離からその構造を理解する。
AIの基礎開発・技術
けんさん
案内人個人事業主として、Web・写真・AI活用などに日々向き合っている案内人。現場で試しながら、本質を丁寧に整理する。
まりなさん
受け手けんさんのアシスタント。一般人目線で素朴な疑問や感想を代弁し、読みやすさをサポートする。
AI先生
整理係日々の対話相手であるLLMを擬人化した存在。親しみを込めて「先生」と呼ぶ、構造化の頼れる相棒。
ChatGPTや画像生成AIって、指示するだけでなんでも答えてくれて、本当に魔法みたいですよね！
そうだなぁ。でも、その魔法という幻想から一歩踏み出して、AIがどういう構造で動いているかを知ることが、現場でAIを使いこなすための第一歩なんだよね。
ONE PAGE SUMMARY
今日の核心は、4つの階層に分けて構造で理解すること。
AIを魔法の一枚岩として捉えるのをやめ、役割分担から構造を捉え直します。
アプリケーション層
ChatGPT / 独自Webアプリなど。ユーザーが直接触れる窓口。
ハーネス・制御層
何を許可し、どう動かすかのルール（最重要）。
ツール層
ファイル操作 / コマンド実行など。
モデル層
LLM / 画像生成モデルなどの基礎AI。
- 魔法からの解放
- 4つの階層
- AIエージェントの正体
- ハーネスが難易度を決める
ここからひとつずつ、図で整理していきます。
整理すると、AIサービスはモデル、ツール、ハーネス、アプリケーションという4つの階層に分離して考えることができます。この構造をひとつずつ紐解いていきましょう。
LLMはAI全体の中心ではない
LLMがすべての中心
画像生成や動画生成は、言語モデルであるLLMに専用プログラムを追加して作られている（LLMがすべてのAIの中心である）。
別系統の基礎モデルが並立
LLMは「言語を扱うモデル」の一種にすぎません。画像には画像、動画には動画を生成するための別系統の基礎モデルが土台として独立して存在しています。
LLM（大規模言語モデル）は、あくまでテキストと言葉のパターンを大量に学習した言語モデルです。テキストを入力するとテキストを出力する仕組みであり、画像や動画を生成するモデルとは本来、別系統の基礎モデルとして同列に並ぶ存在です。
あれ？でもChatGPTの画面で「画像を生成して」と頼むと画像を作ってくれますよね？あれはLLMが作っているわけじゃないんですか？
そこが誤解しやすいポイントなんだよね。画面の裏側では、LLMが司令塔になって、画像生成の専門モデル（DALL-Eなど）を呼び出して動かしているだけなんだ。
画像生成AIの生成フロー
プロンプト入力
指示の意味や条件を数値の表現へ変換する。
ランダムノイズ
出発点となる砂嵐のようなノイズ画像を用意する。
段階的なノイズ除去
指示に合う画像へ戻すよう段階的に修正をかける。
画像完成
ノイズが消え、新しい画像が学習パターンから生成される。
画像生成AIは、インターネット上の画像を切り貼りして合成しているわけではありません。学習時に画像へノイズを加え、それを元に戻す練習を繰り返すことで、ノイズから新しい画像を復元するパターンを学んでいます。
砂嵐のようなノイズから画像を作っているんですか！切り貼りだと思っていたので、まったく違う仕組みでびっくりしました。
その通りです。そのため、AIが過去の画像を検索してコラージュしているという理解は誤りであり、学習したパターンに基づいて新しいピクセルを計算しています。
CodexやClaude Codeの正体
コーディング支援ツールは、画像生成のように別系統の新しい基礎モデルがあるわけではありません。基本的には、テキスト処理が得意なLLMに、ファイルの編集やコマンドの実行といった専門的な手足と、実行をコントロールするハーネスを組み合わせたAIエージェントです。
制御ハーネス（安全帯・意思決定）
何を実行し、何を読み込み、いつ停止・検証するかをプログラム制御するルールブック。
意図解釈と提案
コード生成、意図解釈、次にとるべきアクションの提案。
実世界への作用
ファイルの読み書き、ターミナル実行、Git操作、検索。
ハーネスって、なんだか聞き慣れない言葉ですね。具体的にはどういう役割なんですか？
要は、AIが暴走しないようにするための安全帯やルールブックのようなものだよ。AIにどこまでの操作を許すかを決める設計図だね。
AIサービスを理解する4つの階層
1. アプリケーション層（UI / 窓口）
ChatGPTのチャット画面、Vite/Next.jsで構築されたWebアプリ、あるいはエディタのUIなど、ユーザーが直接対話するインターフェース。
2. ハーネス・制御層（命令・安全帯）
AIにどのようなコンテキストを見せるか、どのツールをどの順番で使わせるか、いつ処理をロールバックするかを制御する層。AIツールの利便性と安全性を決める最重要箇所です。
3. ツール層（手足・外部リソース）
Web検索、ファイルの読み書き、データベース操作、プログラムの実行など、AIモデル自身では行えない「現実世界への作用」を仲介する機能。
4. モデル層（脳・基礎モデル）
LLM、画像生成モデル、動画生成モデル、音声モデル、マルチモーダルモデルなどの「AIそのもの」。学習したパターンをもとに、次の出力を計算・生成します。
AIサービスを設計・活用する際は、これら4つの階層を混ぜずに分離して考えることが重要です。ユーザーに見えるアプリケーションの裏には、これらの階層の役割分担が存在しています。
整理すると、複数のモデルを1つのインターフェースで扱うマルチモーダルモデルの登場により、境界線は見えにくくなっています。だからこそ、この階層分離の視点が必要になります。
ハーネス設計がツールの難易度を決める
会話のみ
チャットで返答するだけ。ハーネスは単純で、リスクも極めて低い。
ファイルの入出力
読み書き。書き換え時にバックアップするなどの設計が必要。
コマンド・外部実行
ターミナルやAPIの実行。不正なコマンドの抑止・バリデーションが必須。
DB操作・自律実行
データベース書き換えや複数ステップの自動反復。強固なセキュア設計と監査ログが必要。
AIツールの開発難易度は、チャットかWebアプリかといった動く場所だけで決まるのではありません。AIに与える権限、操作対象、そして自律的に実行させるステップの多さによって、ハーネス設計の複雑さが決まります。
会話するだけなら簡単だけど、AIにファイルを書き換えさせたりコマンドを実行させたりするなら、失敗したときに元に戻す仕組みや、セキュリティの設計が不可欠になるんだよね。
なるほど！だからエージェントツールを作るには、ハーネスの設計が一番の鍵になるんですね。
今日のお話で、AIが魔法ではなく、裏側でモデルやツール、ハーネスが組み合わさって動いている仕組みがよくわかりました！
それはよかった。この構造を理解しておくと、初心者向けの講座を作る際にも、受講生に何を材料として渡せばいいかがクリアに見えてくるはずだよ。
この話、あなたの現場ではどうですか。
記事の話題そのままで構いません。「あの記事の件で聞きたい」——それだけで最初の一言になります。
- ヒアリング無料
- 全国対応（オンライン可）
- しつこい営業はしません