チーム・ヘイズ、自動運転開発レポート公開──100 体の Claude Code 並列運用で得た教訓
自動運転AIチャレンジ2026の開発で 102 体のエージェントを並列稼働させた結果、成果の 9 割が 12 体に集中した要因と、失敗を防ぐためのエージェント運用指針を公開した。
リリース: 2026-09-01 · 読了 3 分記事の要約
1. 核心（What）
- 102 体の Claude Code を並列稼働させた自動運転レース開発で得られた実績と失敗の数値を公開
- 成果の 9 割が 12 体のエージェントに集中し、全 8 件の不具合は特定コードやログを読み解いた 3 体が発見
- 検証役のエージェント 90 体が実行量の 88% を消費した一方で、成果は全体の 1 割にとどまった
- パラメータ調整前のコード未読や計測器の未確認など、エージェント運用以前の 4 つの失敗要因を整理
2. 影響（Why）
- 検証エージェントの限界: 検証役は候補のフィルタリングしか行えず新規の不具合を発見できないため、数を増やしても見落としは解消されない。
- 国内開発チームへの示唆: [国内のロボティクス開発現場] のような組織では、エージェントの投入数を無闇に増やす手法から脱却し、コスト対効果を最適化する設計が求められる。
3. 根拠・詳細（How）
- 並列化の適材適所: 数百のリポジトリ検索や 96 本のログパースなど、広くて浅い作業のみ並列化が機能し、関数単位のデバッグなど狭くて深い作業は 1 人の読み手で実行。
- 新たなエージェント運用指針: 資料探索には 2 から 5 体、自社コードの不具合調査には 1 から 3 体を充て、15 体を超える場合は追加ごとに明確な発見目的の記載を義務付ける体制へ変更。
4. 展望・課題（Next）
- 共有リソース管理の徹底: エージェントによる作業フォルダの誤削除を防ぐため、エージェントごとに独立した作業ディレクトリを割り当てる運用を標準化。