AIに必要なのは、より多くの注意ではなく、よりよいワークスペースだ

AI チームは、よりよい仕事には「もっと多く」が必要だと考えがちです。より多くのコンテキスト、より多くのツール、より多くのメモリ、より多くの agent ループ、そしてより多くの注意です。この直感は理解できます。モデルが何百万 token も読み、数十のサービスにつながり、生成を続けられるなら、より有能になるはずだと思えるからです。

しかし、容量は集中と同じではありません。

大きなコンテキストウィンドウは、AI システムが見られる範囲を広げます。けれども、それは今何が重要か、どのツールを安全に使えるか、どのファイルを変更すべきか、作業がどの状態にあるか、何をもって完了とするかを自動的に決めてはくれません。長く続く作業では、ボトルネックは生の注意量ではなく、ワークスペースの設計であることが多いのです。

だからこそ、Anthropic が 2026 年に発表した Jacobian Lens と J-space に関する研究は、解釈可能性を超えて役に立ちます。この論文は、言語モデルの内部には、言語化可能な表現の選択的な集合があり、それが機能的なグローバル・ワークスペースのようにふるまうと論じています。情報は、すべてを一度に露出したときではなく、適切な共有ワークスペースに入ったときに、報告、推論、柔軟な制御に使いやすくなります。

MCPlato wands は、同じ製品設計上の教訓をワークフロー層に適用します。wand は、モデル内部の J-space そのものだと主張するものではありません。モデルとユーザーの外側にある外部ワークスペースです。1つのフェーズ、1つの成果物、1つのスコープされたツール面、1つの書き込み境界、1つの可視状態、そして1つのゲートに集中します。

つまり、AI にもっと注意を払わせるのではなく、AI が働きやすい場所を与える、という発想です。

J-lens と J-space が示したこと

Anthropic の論文 "Verbalizable Representations Form a Global Workspace in Language Models" は、Jacobian Lens、つまり J-lens を提案しています。これは、将来言語化されうる内部表現を調べるための方法です。簡単に言えば、J-lens は「モデルは次にどの token を言うのか」だけを問うものではありません。どの内部概念が、すでに言葉にできる状態にあるのかを問います。

論文はこれらの表現を J-space と呼びます。重要なのは、モデル内部のすべての活性化が同じように重要だということではありません。より小さな言語化可能表現の集合が、ワークスペースのような性質を持つように見える、という点です。

• 報告可能性: モデルは活性化した概念を言語化できる。
• 方向づけられた調整: 指示によって特定の概念をワークスペースに入れられる。
• 内部推論: 多段階推論の中間変数がそこに現れることがある。
• 柔軟な一般化: 1つの表現を異なる計算で再利用できる。
• 選択性: すべてがワークスペースに入るわけではない。

最後の点が、ワークフロー設計にとって最も重要です。J-space が有用なのは、まさに選択的だからです。ワークスペースは、すべての信号を捨て込む場所ではありません。現在関連する情報を制御に使えるようにする場所です。

選択された AI 表現が共有ワークスペースに入る様子

ここでの J-space は機能的な比喩として有用です。選択された表現は報告と制御に使えるようになり、多くの信号はアクティブなワークスペースの外に残ります。

この研究は、Global Workspace Theory や Global Neuronal Workspace 研究の言葉も参照しています。Dehaene と Naccache による意識へのアクセスに関する研究もその背景にあります。ただし、この関連づけは慎重に扱うべきです。機能的なワークスペースの類比は、主観的体験の証明ではありません。実用的な教訓はもっと限定的です。複雑な推論は、関連情報が共有され制御可能なワークスペースに選択されることで助けられる、ということです。

製品設計の教訓：露出より選択

同じ問題は日常の AI 作業にも現れます。

チャットスレッドが長くなると、モデルは関連する事実をコンテキスト内に持っているかもしれません。それでも、ユーザーとモデルの双方が現在の目的を見失うことがあります。agent が多くのツールを呼べると、システムは強力になりますが、行動空間も広がります。モデルがリポジトリ全体を編集できると、多くを助けられる一方で、誤った場所に触れる可能性も高まります。完了条件が暗黙的なままだと、作業が本当に準備できる前に次へ進んでしまうことがあります。

露出を増やすことは、調整コストも増やします。

良い AI ワークフローは、次の問いに答えなければなりません。

• 現在の目的は何か？
• どの情報がアクティブなワークスペースに属するのか？
• 今使ってよいツールはどれか？
• どのファイルやリソースを安全に変更できるのか？
• 永続的な状態はどこにあるのか？
• ユーザーは進捗をどう確認できるのか？
• 注意を次のステップに移す前に、どのゲートを通過すべきか？

ここで wands が役に立ちます。

MCPlato wand とは何か

MCPlato wand は、パッケージ化された AI ワークフローオブジェクトです。AI 作業を単なるチャットの流れとして扱うのではなく、構造を持つ永続的な成果物に変えます。

wand は、フェーズ、スコープされたツール、リソース境界、永続状態、ランタイムビュー、エクスポート可能な出力、完了ゲートを定義できます。ユーザーと AI はメッセージを交換するだけではありません。同じオブジェクトを構築し、検査します。

役に立つ区別は次のとおりです。

プロンプトは AI にどうふるまうかを教える。wand は AI とユーザーに、一緒に構築するための共有ワークスペースを与える。

この点で、wands は通常の prompt-only ワークフローと異なります。プロンプトは「まず調査し、次にアウトラインを書き、次に草稿を書き、最後に QA する」と言えます。wand はそれらをフェーズにし、それぞれに異なる指示、見えるツール、書き込めるリソース、ゲートを持たせられます。

軽いブレインストーミングには、この構造は不要かもしれません。しかし、状態、ファイル、検証、最終パッケージを必要とする多段階作業では、その構造こそが価値になります。

wands はどのように注意を集中させるのか

J-space が、役に立つ推論は何が選択的ワークスペースに入るかに依存することを示唆するなら、wands はその考えをモデルの外側に持ち込みます。注意を奪い合うものの数を減らすのです。

wand のフェーズは、「今やる仕事はこれだ」と示します。アクティブな指示は、そのフェーズで重要なことを説明します。ツール面は可能な行動を狭めます。書き込み境界はリソース面を狭めます。状態オブジェクトはワークフローがどこにいるかを記録します。ランタイムビューは成果物を見えるようにします。ゲートは、注意を前に進めてよいかを決めます。

wand ワークフローがフェーズ、ツール、リソース、状態、ゲートで AI 作業を狭める様子

wand はアクティブなワークスペースを狭めます。現在のフェーズが、目的、ツール、ファイル、状態、完了条件を定義します。

これはモデルを魔法のように賢くするものではありません。作業の探索コストを下げるものです。同じモデルが、コンテキストを再発見したり、多すぎるツールから選んだり、誤編集を防いだり、会話履歴から状態を再構築したりする負担を減らせます。その分、成果物そのものに能力を使えます。

実例：記事ファクトリーをワークスペースにする

長文記事のワークフローを考えてみましょう。

普通のチャットでは、ユーザーは調査、トピック案、アウトライン、草稿、画像、翻訳、QA、パッケージング、公開メモを順に頼むかもしれません。これは可能ですが、状態の多くは会話の中にあります。ユーザーとモデルは、何が終わったのか、次に何をすべきかを覚え続けなければなりません。

wand では、同じプロセスを構造化されたワークスペースにできます。

1. Intake が brief を記録する。
2. Research がソースファイルを作る。
3. Secondary research がユーザーの痛点と SEO 機会を整理する。
4. Topic selection が選んだタイトルと slug を記録する。
5. Planning が構成、引用、ビジュアル、ローカライズ規則を定義する。
6. Drafting が英語原稿を書く。
7. Asset production がカバーと本文画像を作る。
8. Translation が各言語で同じ slug と画像パスを保つ。
9. QA がソース、frontmatter、画像、ローカライズ、パッケージ構造を確認する。
10. Packaging と status reporting が再利用可能な成果物を作る。

重要なのは、すべてのワークフローがこの手順を持つべきだということではありません。各ステップにワークスペース境界があることです。モデルはプロジェクト全体を一度に解く必要はありません。現在のフェーズを満たし、ゲートを通ればよいのです。

それが注意の設計です。

他の方法が勝つ場所、wands が合う場所

wands はすべての AI インターフェースを置き換えるものではありません。耐久性があり、検査可能で、多段階の作業という具体的な問題への答えです。

クイックチャット、長コンテキスト、ツール agent、ワークフロー自動化、耐久的な wand ワークスペースを比較する意思決定マップ

状況によって勝つ方法は異なります。wands は、耐久的な成果物、可視状態、スコープされたツール、検証ゲートが必要な作業に最も合います。

速い答えだけが必要なら、チャットで十分なことが多いでしょう。低レベルのカスタム自動化エンジンが必要なら、agent フレームワークが適切かもしれません。予測可能な業務ルーティングが必要なら、視覚的ワークフロービルダーがよい選択です。

MCPlato wands が最も強いのは、作業がオブジェクトになるべき場面です。レポート、デッキ、記事パッケージ、分析、アプリ成果物、メディア資産など、フェーズ、検証、検査が価値を持つ成果物です。

J-space が証明していないこと、wands が主張しないこと

J-space 研究は刺激的ですが、読み過ぎるべきではありません。

それは言語モデルに主観的意識があることを証明しません。解釈可能性がモデルの心を完全に読めることも意味しません。すべての内部状態が透明になるわけでもありません。VentureBeat、The Decoder、CIO などの報道は、この研究が注目された理由を示しています。しかし最も安全な解釈は機能的なものです。ある表現が、選択的ワークスペースの中で報告と制御に利用可能になるように見える、ということです。

wands も同じ慎重さで説明すべきです。

wand は AI に意識を与えません。モデルの心を読むものでもありません。完全な推論を保証するものでもありません。別途測定しない限り、wands が token、時間、注意を特定の割合で節約すると主張すべきでもありません。

主張はもっとシンプルです。wands は AI 作業における避けられる曖昧さを減らします。アクティブな目的、ツール、リソース面、状態、成果物ビュー、完了ゲートを定義します。それにより、ユーザーとモデルの双方がワークスペースを扱いやすくなります。

より大きなウィンドウではなく、よりよいワークスペースを

次世代の AI ワークフローは、より大きなコンテキストウィンドウや長時間動く agents だけで定義されるわけではありません。それらの能力は重要ですが、それだけでは選択の問題を解きません。

AI システムには、今何を焦点に入れるべきかを決めるワークスペースが必要です。

それは J-space がモデル内部で新たに見せてくれた教訓であり、wands がモデル外部で適用する教訓です。よりよい AI 作業は、アクティブな面を狭めることから生まれます。無関係なツールを減らし、曖昧なファイルを減らし、状態を明確にし、成果物を見えるようにし、いつ安全に前進できるかを示すゲートを置くことです。

AI に必要なのは、より多くの注意だけではありません。よりよいワークスペースです。

FAQ

言語モデルにおける J-space とは何ですか？

J-space は Anthropic が、言語モデル内部で選択的ワークスペースのように機能するように見える、言語化可能な内部表現の集合に付けた名前です。この研究は、それらが報告、指示による調整、中間推論、柔軟な再利用、選択性を支える可能性を示しています。

J-space は AI の意識を証明しますか？

いいえ。ここでは J-space を、主観的体験の証拠ではなく、機能的ワークスペースに関する発見として扱うべきです。表現、報告可能性、制御を理解する助けにはなりますが、モデルが人間のような意識を持つ証拠ではありません。

MCPlato wand とは何ですか？

MCPlato wand は、フェーズ、スコープされたツール、リソース境界、永続状態、ランタイムビュー、出力、ゲートを持つ、パッケージ化された AI ワークフローオブジェクトです。ゆるいチャットスレッドを、耐久性があり検査可能なワークスペースに変えます。

wands は AI agents が集中するのをどう助けますか？

wands はアクティブな作業面を狭めます。フェーズは現在の目的を定義し、見えるツールは行動空間を定義し、書き込み境界は作業できる場所を定義し、状態は進捗を記録し、ゲートはワークフローがいつ前に進めるかを定義します。

参考文献

• Anthropic / Transformer Circuits: "Verbalizable Representations Form a Global Workspace in Language Models"
• Stanislas Dehaene and Lionel Naccache: "Towards a cognitive neuroscience of consciousness: basic evidence and a workspace framework"
• Global Neuronal Workspace review: "Conscious Processing and the Global Neuronal Workspace Hypothesis"
• Anthropic: "Auditing Hidden Objectives"
• Anthropic: "Agentic Misalignment"
• VentureBeat: "Anthropic's new J-lens reveals a silent workspace inside Claude that mirrors a leading theory of consciousness"
• The Decoder: "Claude's hidden inner monologue is now readable thanks to Anthropic's new Jacobian Lens"
• CIO: "Anthropic shines a light into the Claude AI black hole"