ハーネス効果：オーケストレーションデザインが企業エージェントAIのトークンエコノミクスを決定する
研究によると、オーケストレーションレイヤー（ハーネス）を最適化することで、モデル自体に焦点を当てるよりも、企業エージェントAIの運用コストを大幅に削減し効率を向上できる。実験では、Writer Agent Harnessを使用すると、タスクあたりのコストが41%削減、時間が44%短縮、トークン消費が38%減少し、品質は同等またはわずかに向上した。
最近arXivに提出された研究論文（番号2607.06906）「ハーネス効果：オーケストレーションデザインが企業エージェントAIのトークンエコノミクスを決定する」において、研究チームはエージェントAI開発において見過ごされがちな重要な要素、すなわちオーケストレーションレイヤー（ハーネス）の設計がコストとパフォーマンスに与える大きな影響を明らかにしました。
現在、エージェントAI開発では「トークンマキシング」現象が一般的です：開発者はより多くのトークンを消費することで能力を向上させようとします（より長い推論トレース、より多くのターン、より大きなツールペイロード、より大きな再生コンテキスト）。その結果、タスクあたりのトークン消費はタスク価値よりも速く成長します。トークン単価は下落していますが、総支出は増加し続けています。
研究チームは、トークンマキシングに対抗する決定的なレバレッジは「ハーネス」、すなわちコンテキストを組み立て、ツールを公開し、ターンをシーケンスし、作業を委任し、企業の可観測性とガバナンスを担うオーケストレーションレイヤーであると主張します。この仮説を検証するため、彼らは制御実験を設計しました：22の固定評価タスクにおいて、6つの異なる基盤モデル（Claude Sonnet 4.6、Gemini 3.1、Gemini Flash 3.5、Qwen 3.6、GLM 5.1、Palmyra X6）を使用し、オーケストレーションレイヤーのみを変更（凍結された従来のプロダクションループとWriter Agent Harnessを比較）しました。
結果は顕著でした。モデルを一定に保ったまま、ハーネスはタスクあたりのブレンドコストを41%削減（0.21ドルから0.12ドル）、中央値の壁時計時間を44%短縮（48秒から27秒）、タスクあたりのトークン消費を38%削減（14.2kから8.8k）しました。タスク完了品質は同等でした（0.78から0.81、このサンプルサイズでは方向性のみ）。効率向上はモデル不変であり、すべてのモデルが安くなりました（33-61%の削減）。一方、品質向上は能力依存性を示しました：モデルの向上はベースライン強度とほぼ完全に相関しました（r=0.99、n=6）。著者らはこの現象を「ハーネスレバレッジ」と名付けました。
さらに、1ドルあたりの品質は82%向上し、100万トークンあたりのタスク完了数は54.9から92.0に増加しました。このワークロードでは、オーケストレーションレイヤーがタスクあたりのコストを、モデルメニューの全範囲の差よりも大きく動かしました。論文はまた、オーケストレーションレイヤーにおけるトークンエコノミクスを形式化し（プロンプトキャッシュ下での実効入力価格を含む）、効果の背後にある6つのメカニズムファミリー（キャッシュ形状の規律から故障支出ガバナンスまで）を詳細に説明し、同じ軸上で6つの広く使われているエージェントシステムを比較し、ハーネスは組織が現在および将来実行するすべてのモデルにわたって効率が倍増する唯一のコンポーネントであると主張しています。
この発見は、企業がエージェントAIシステムを構築・展開する際に重要な指針を提供します：より強力なモデルを追求するだけでなく、オーケストレーションレイヤーの設計を最適化することで、より顕著なコストと効率の利点が得られる可能性があります。