Nvidia は 2026 年 8 月 21 日、AI エージェントに複雑な長期タスクを任せる際、どのモデルを使うかよりも「ハーネス」と呼ばれる周辺システムの設計の方が、最終的な性能を大きく左右するという研究結果を発表しました。
ハーネスとは、AI モデルがどのように情報を受け取り、ツールを使い、状態を記憶し、失敗から立て直すかを制御する仕組みのことです。平たく言えば、モデルを動かす「舞台装置」に相当します。
Nvidia の研究チームが開発した「 AVO 」というハーネスは、 AI の推論能力を問うベンチマーク「 ARC-AGI-3 」で満点（ RHAE スコア 100.00 ）を達成しました。このベンチマークはルール説明のない 2D ゲームをプレイさせる試験で、 AI がゲームのルールを自力で推測し、試行錯誤しながら攻略法を見つける能力を測ります。
注目すべきは、同じモデル（ Anthropic の Claude Opus 5 ）を使った場合でも、ハーネスなしでは 30 ％のスコアにとどまっていた点です。ハーネスを組み合わせることで同じモデルが満点を取れるようになったという事実は、「どのモデルを使うか」だけに注目してきた従来の議論に一石を投じています。
この仕組みの鍵となるのが「スーパーバイザー」と呼ばれる監視エージェントです。 Nvidia の AI 部門 VP の Adel El Hallak 氏は「メインエージェントが同じところを堂々巡りし始めたとき、スーパーバイザーが介入して軌道修正する」と説明しています。長い作業の中で AI が迷子になるのを防ぐ、いわば「上司役」です。
同様の傾向は他社の研究でも確認されています。 OpenAI は先月、ハーネスの設定を少し変えるだけでスコアが 3 倍になることを確認し、 Databricks の調査では、ハーネスの違いが推論コストを最大 2 倍変えることが示されました。
こうした動向が示すのは、企業が AI に投資する際の判断軸の変化です。「どのモデルと契約するか」という問いと同じくらい、「その周囲をどう設計するか」が重要になっています。なお、 Nvidia は Anthropic に最大 100 億ドル（約 1 兆 5,000 億円）を投資して技術パートナーシップを結んでおり、今回の研究もその関係の中で生まれたものです。
