QCon AI Boston 2026は転換点となりました。私たちはここ2年、AIエージェントの構築方法を学んできました。今問われているのは、それらを本番環境で安全かつ確実に運用する方法です。ほぼすべてのセッションで共通のテーマが繰り返されました：エージェントはチームに、それらを取り巻く本物の本番インフラを構築することを強いている、というものです。

OpenAIのMartin Spierがオープニングキーノートで基調を定めました。彼の講演はパフォーマンスについてでしたが、「推論を高速化する」という狭い意味でのものではありませんでした。推論の前には、製品が会話を利用可能な状態にするための静かな作業があります。モデルを支援するのに十分なコンテキストと、高速性を保つための適切なトリミングです。つまり、モデル自体が高速であっても、製品を高速にするための作業はまだたくさん残っているのです。

「基本がより重要になった。」
Martin Spier「Keeping ChatGPT Fast as AI Development Accelerates」

この視点は、会議の残りの部分を理解する上で有効でした。エージェント周りの作業は派手さを失いつつあります。実際のユーザーとの接触でシステムが生き残れるかどうかを決める、退屈なインフラ作業になりつつあるのです。最初に繰り返し見られたトレンドは、コンテキストとエージェントインフラが独自のプラットフォームレイヤーとして台頭していることです。チームは単一目的のアプリケーションを超え、コンテキスト、ツールアクセス、アイデンティティ、ステートを共有するシステムへと移行しています。ここで、コンテキストエンジニアリング、MCPゲートウェイ、セマンティックツールカタログといった考え方が、基盤インフラのように見えてきます。そして基盤となるビルディングブロックとして、それらには所有者と契約が必要です。

「精度 + セキュリティ + コスト」
Fabiane Nardon「Architecting the Data Layer for AI Agents: From Transactional Systems to MCP and Semantic Models」

「コンテキストエンジニアリングは機能ではなくアーキテクチャだ。これを正しく行えば、他のすべてが簡単になる」
Ricardo Ferreira「Beyond Prompting: Context Engineering for Production-Grade AI」

「ステートを所有せよ。ミューテーションを順序付けよ。アクションを証明せよ」
Vinoth Govindarajan「The Agent Harness: Control Planes, Invariants, and Approval Boundaries for Production AI Agents」

2つ目のトレンドは信頼でした。プロンプトレベルのガードレールから、信頼できる実行、ハーネスへのシフトです。エージェントがツールやファイルにアクセスするようになると、セキュリティはプロンプト内の指示だけに依存できなくなります。ハーネスはモデルの周囲に位置するシステムです。ツールはユーザーが何も見えない状態で実行される可能性があるため、本番システムにはステートの明確な所有権、順序付けられた書き込み、承認境界、そして本物の監査証跡が必要です。問題はもはやエージェントが良い回答を出すかどうかではなく、システムがどのコンポーネントが、どの制約と権限の下で、どのようなアクションを取ったかを証明できるかどうかです。

「最も効果的な組織は2つのことを行う：

  1. SDLC全体でのAI活用を徹底的に改善する
  2. 成果を制限するボトルネックを解決する」

Lizzie Matusov「The Five Stages of AI Maturity in Engineering Organizations — Where and Why Teams Get Stuck」

「戦略を早期に書き、顧客を中心に構築し、会社に適合するサーフェスを所有せよ」
Siddharth KodwaniとSwaroop Chitlur「Building GenAI Platform at DoorDash」

3つ目のトレンドは、AIの採用自体がエンジニアリングの運用モデルになりつつあることです。一度利用が広がると、すぐに退屈な質問がやってきます：誰がこれに支払うのか、誰がどのツールを呼び出せるのか、障害はどこに現れるのか、チームはそこからどのように学ぶのか、です。API経由でモデルを公開したり、エンジニアにチャットボットを渡したりするだけでは十分ではありません。チームが必要とするのは、舗装されたパス、共有ポリシーサーフェス、評価ループ、観測可能性、コスト帰属、および正しい行動を素早く危険な行動よりも簡単にするフィードバックメカニズムです。

際立ったトピックは、エンジニアリング組織が評価についてどのように考えるべきかです。ワンショットテストは明らかな失敗を捉えることができますが、エージェントは常に最初のターンで失敗するわけではありません。シングルターンテストや静的ベンチマークは、ツールを使用し、ステートを維持し、コンテキストを持ち、ターンごとに異なる振る舞いをするシステムには適していません。そのため、テストは製品の形状に近づける必要があります：会話、トレース、シミュレーション、本番フィードバックです。それがなければ、テストは成功を報告する一方で、ユーザーはベンチマークが一度も実行しなかった失敗に遭遇する可能性があります。

総合すると、QCon AI Boston 2026は、本番AIがプロンプトエンジニアリングからシステムの問題へと移行しつつあることを示唆しました。難しい問題は、コンテキスト、データ契約、LLMおよびMCPゲートウェイ、ステート、評価、レイテンシ、コスト、観測可能性、そして最終的にはセキュリティと信頼へとシフトしています。モデルの周りのハーネスは、今や内部のモデルと同じくらい重要です。エージェントは同僚のように話すかもしれませんが、ソフトウェアのように失敗します。そしてそれをうまく運用するには、プラットフォームエンジニアリングと分散システムから得られた古い教訓に依存することになります。

About the Author

Tatiana Fesenko