---
title: ③AIエージェント設計の新常識_ハーバード×NASA
tags:  #システム工学  
author: [Yukiko](https://www.docswell.com/user/yukiko_it)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/YJ6WDY1QJV.jpg?width=480
description: ③AIエージェント設計の新常識_ハーバード×NASA by Yukiko
published: July 03, 26
canonical: https://www.docswell.com/s/yukiko_it/57NNXN-2026-07-03-181608
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/YJ6WDY1QJV.jpg)

研究に基づく AI活用シリーズ
AIエージェント設計の新常識
ハーバードの発見 × NASAの処方箋
なぜ「AIが賢いのに成果が出ない」現場があるのか。
Harvard Business Schoolの大規模実験とNASAの技術文書から、
プロンプト設計とAIエージェント構築の実践知を読み解く。
うさうさ研修工房 ｜ うさうさ先生
出典：Harvard Business School / NASA Technical Reports Server（詳細は巻末参照）


# Page. 2

![Page Image](https://bcdn.docswell.com/page/GJ5M3G42J4.jpg)

なぜ「AIが得意なこと」は予測しづらいのか
キーワード：ジャギー・テクノロジー・フロンティア（ jagged technological frontier）
同じ難易度に見える作業でも、
AIの得意・不得意はギザギザに分かれる
Harvard Business Schoolの研究チームは、758名のコンサルタントを対
象とした実証実験から、AIの能力には明確な「境界線」があることを発
見した。
境界の内側：AIは高品質な出力を安定して生み出す
境界の外側：もっともらしい誤り（ハルシネーション）を生みやす
い
厄介なのは、人間には「今どちら側にいるか」を示す明確なサインがな
境界内（フロンティア内）＝ AIが力を発揮
AI
対応
力
•
•
境界外＝人間の判断が不可欠
いこと。
難易度（人間の感覚）→
出典：Dell'Acqua et al., "Navigating the Jagged Technological Frontier," Organization Science 37(2), 2026. DOI:10.1287/orsc.2025.21838
2


# Page. 3

![Page Image](https://bcdn.docswell.com/page/9E29ZYV17R.jpg)

実験デザイン： 758名のコンサルタントで検証
Harvard Business School × Boston Consulting Group（BCG）による無作為化比較実験（ RCT）
① AIなし
通常どおり自力で
課題に取り組む統制群
② GPT-4のみ
③ GPT-4＋研修
簡単なプロンプト
設計の手引き付き
AIツールを提供、
使い方の指導なし
課題A：新商品の企画立案
課題B：ブランド戦略の難問
アイデア出し・分析・文章作成・説得力のある提案。
表計算データと、インタビュー記録に埋め込まれた
矛盾する手がかりを統合する必要がある。
→ 後の分析で「フロンティアの内側」に該当。
→ 後の分析で「フロンティアの外側」に該当。
出典：Dell'Acqua et al., "Navigating the Jagged Technological Frontier," Organization Science 37(2), 2026. DOI:10.1287/orsc.2025.21838
3


# Page. 4

![Page Image](https://bcdn.docswell.com/page/D7Y4RG34EM.jpg)

結果①：境界の内側で伸び、外側で崩れる
課題A（フロンティア内）｜ GPT-4利用群の変化
課題B（フロンティア外）｜正答率の変化
重要な発見： AIは表面的な数値は正しく処理できたが、インタビュー記録に埋もれた本質的な手がかりを見逃した。にもかかわらず利用者は
AIの分析を
信頼し、誤った結論に従ってしまった。「知識不足」ではなく「 AIへの過信」が失敗の主因だった。
出典：Dell'Acqua et al., "Navigating the Jagged Technological Frontier," Organization Science 37(2), 2026. DOI:10.1287/orsc.2025.21838
4


# Page. 5

![Page Image](https://bcdn.docswell.com/page/VENYDGV6J8.jpg)

結果②：恩恵が最も大きいのは「下位層」
ベースライン評価で下位 50%だった参加者ほど、 AI活用による伸びが大きかった
AIは「平準化装置」になり得る
AI活用によって、経験の浅い層と熟練層の成果差が縮小す
る傾向が確認された。
一方で上位層にも一定の恩恵があり、「誰にとっても無意味」
ではない。
研修設計者にとっての示唆：新人・若手ほど
AI活用支援の
投資対効果が高い可能性。
出典：Dell'Acqua et al., "Navigating the Jagged Technological Frontier," Organization Science 37(2), 2026. DOI:10.1287/orsc.2025.21838
5


# Page. 6

![Page Image](https://bcdn.docswell.com/page/Y79PGW6RE3.jpg)

「使い方任せ」から「設計された AI」へ
ジャギー・フロンティアが示すのは、AI活用の成否がユーザー個人の勘に依存しているという現実。
この課題に対し、NASAの技術文書は「エージェントを工学的に設計する」方法論を提示する。
NASA/TM-20260000926
Collaborative Agent Reasoning Engineering（CARE）
NASA Marshall宇宙飛行センター/アラバマ大学ハンツビル校の研究チームが発表した技術メモ。試行錯誤的なプロンプト調整に代えて、専門家
（SME）・開発者・AI補助エージェントの三者協働により、AIエージェントの振る舞いを「明文化された成果物」として段階的に設計する手法を提案する。
出典：Ramachandran, Jha & Ramasubramanian, NASA/TM-20260000926 "Collaborative Agent Reasoning Engineering (CARE)," NASA STI Program, 2026.
6


# Page. 7

![Page Image](https://bcdn.docswell.com/page/G78DVNZG7D.jpg)

CAREメソッド： 5段階のステージゲート方式
各フェーズの終わりに、専門家と開発者が「成果物」をレビュー・承認してから次へ進む
1
2
3
4
5
スコープ定義と
分解
情報収集
（ツール/文脈/出力）
推論方針と
ガードレール
プロンプト設計と
ツール連携実装
ベンチマークと
検証
対象ワークフロー・想定ユー
ザー・制約を明確化
使用ツール・前提知識・期待さ
れる出力形式を整理
不確実性や曖昧な質問への対
応方針を策定
承認済み成果物をプロンプトへ
翻訳・実装
現実的な質問セットで性能を継
続的に測定
4つの設計対象：① 対話方針・推論戦略 ② ドメイン知識の裏付け ③ ツール連携 ④ 評価と検証 ―― この4つを各フェーズで具体化する
出典：Ramachandran, Jha & Ramasubramanian, NASA/TM-20260000926 "Collaborative Agent Reasoning Engineering (CARE)," NASA STI Program, 2026.
7


# Page. 8

![Page Image](https://bcdn.docswell.com/page/L7LM5PDXJR.jpg)

効果検証： NASA地球科学データ検索エージェント
同一モデル・同一ツールで、 CARE設計版とシンプル版（ベースライン）を比較
Gate 1：合成ベンチマーク（ n=621）Recall@1
Gate 2：専門家作成ゴールドセット（ n=43）Recall@5
CARE設計版のエージェントは、合成ベンチマークと SME作成の高難度ゴールドセットの両方で、同一条件のベースラインを上回る検索性能を示した。
効果は「作り込みの丁寧さ」ではなく、「設計プロセスの構造化」に由来する点が重要。
出典：Ramachandran, Jha & Ramasubramanian, NASA/TM-20260000926 "Collaborative Agent Reasoning Engineering (CARE)," NASA STI Program, 2026.
8


# Page. 9

![Page Image](https://bcdn.docswell.com/page/4EMY34P3EW.jpg)

研修・OJTの現場への示唆
2つの研究をつなぐと、 IT研修・新人育成の設計原則が見えてくる
「AIの言うことは正しい」を前提にしない
境界外のタスクでは過信が誤答を誘発する。受講者には検証習慣そのもの
を教える。
プロンプトは「思いつき」でなく「設計」
CAREの4要素（対話方針・根拠・ツール連携・検証）を研修テンプレートに援
用できる。
新人・若手への投資対効果が高い
AI活用支援は経験の浅い層ほど恩恵が大きい。サブ講師育成やOJTと相性
が良い。
検証基準を先に決めてから使う
ステージゲート方式のように、演習でも「合格基準」を先に定義してから着手
させる。
出典：Dell'Acqua et al., "Navigating the Jagged Technological Frontier," Organization Science 37(2), 2026. DOI:10.1287/orsc.2025.21838 ／ Ramachandran, Jha & Ramasubramanian, NASA/TM-20260000926 "Collaborative Agent Reasoning
Engineering (CARE)," NASA STI Program, 2026.
9


# Page. 10

![Page Image](https://bcdn.docswell.com/page/PER9QW1RJ9.jpg)

参照文献（ References）
Harvard Business School
Dell'Acqua, F., McFowland III, E., Mollick, E. R., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2026). Navigating the Jagged
Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2),
403–423. https://doi.org/10.1287/orsc.2025.21838
NASA Technical Reports Server
Ramachandran, R., Jha, N., & Ramasubramanian, M. (2026). Collaborative Agent Reasoning Engineering (CARE): A Structured Three-Party Design Methodology for
Systematically Engineering AI Agents with SMEs, Developers, and Helper Agents. NASA/TM-20260000926. NASA Langley Research Center. Available: NASA STI Program,
ntrs.nasa.gov/citations/20260000926
本資料の統計値・引用はすべて上記一次資料に基づく。数値の再利用時は出典明記のうえご活用ください。
うさうさ研修工房
10