homulaAIエージェントの導入を検討する企業が最初にぶつかる問いは、たいてい同じだ。「どこまで自律に任せていいのか」。承認を挟みすぎれば自動化の意味が薄れ、任せすぎれば事故が怖い。この線引きに答えを持たないまま、多くのPoCが止まる。homula もその設計を数多く手がけてきたが、2026年10月末、この問いに対する実データに基づく手がかりが、意外な場所から出てきた——創薬の現場だ。
Anthropic は2026年10月27日、Claude を使った創薬の初期成果を公開した（Anthropic公式）。報道各社も一斉に取り上げている（HPCwire/AIwire、Endpoints News、Unite.AI）。見出しだけ見れば「AIが新薬をつくる時代」という派手な話に映る。だが企業のエージェント設計という視点で読み直すと、もっと実務的で再利用できる教訓が浮かぶ。自律が機能したのは、自律そのものの力ではなく、その周りに組まれた『検証ループ』の力だった——という構造だ。
何が起きたのか——Claudeが創薬の現場で『実際に』動いた
まず事実を押さえる。Anthropic はライフサイエンス6社との共同研究の成果を報告した。対象は BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines、The Column Group の6社。いずれも前臨床（ヒト試験前）が中心の初期段階であり、承認薬が生まれたわけではない点は Anthropic 自身が明言している。そのうえで、報告された成果は具体的だ。
| 企業 | Claudeがやったこと | 報告された結果 |
|---|---|---|
| Divergence Labs | 研究目標から設計計画を立て、抗体を大量設計 | 約1か月で約35,000件の抗体を設計。食物アレルギー標的（IgE）を外す候補20件のうち3件が既存薬を上回った |
| Generate Biomedicines | 科学者6人が Claude Code で CAR-T 治療の部品を再設計 | 標準比約70%短い設計で、免疫細胞が受容体を約10倍発現 |
| BigHat Biosciences | 社内の実験データ基盤に接続し、2つの抗体断片に改良を提案 | 約10週間で約1,010種の変異体を試験。最良版は結合力が10倍超、溶解性は18℃分向上 |
| Enveda | 1,061ページの製造記録をレビューし、規制文書を起草 | 人間が見つけた11件の問題を全て検出しさらに7件を追加発見。レビュー時間を89%短縮。規制文書の起草は手作業で約3か月を4時間に |
| Bristol Myers Squibb | 臨床試験計画の評価と成功確度の見積もり | 2027年に協業拡大を予定 |
さらに Anthropic は、筋ジストロフィーの希少疾患を扱う一人企業 Mithril Medicine を買収し、自社でも創薬に乗り出した。創業者は Claude を使って11の外部ラボとの契約・物流・実験を調整し、アイデアからマウスでの有望な結果まで18か月未満で到達したという。これらの数字は Anthropic の自己申告と報道に基づくもので、臨床的な有効性が証明されたわけではない。だが「エージェントが研究の現場で実務を回した」こと自体は、複数ソースで裏が取れる。
派手な数字の共通構造——『広く生成し、実地で検証し、ゲートを通す』
6社の事例を並べると、成果を出したやり方に共通の型が見える。どれも次の3段で動いていた。
- 広く生成する：Divergence は3.5万件の抗体を、BigHat は約1,010種の変異体を、Claude に大量生成させた。人間だけでは探索しきれない広さを、エージェントが一気に埋める。
- 実地で検証する：生成物はそのまま採用されない。Divergence は候補20件をラボで実測し、BigHat は10週間かけて実際に変異体を合成・試験した。検証は言葉ではなく物理現象（結合力・溶解性・細胞の挙動）が下す。
- ゲートを通す：Enveda では Claude の起草した規制文書を人間がレビューして提出前に確認し、BMS では試験計画を評価するが実行判断は人間に残る。不可逆で高コストな一歩の前に、必ず人間か実験がゲートに立つ。
注目すべきは、エージェントの「自律性」が発揮されたのは**(1)の生成フェーズに集中している**ことだ。広く速く試す部分は大胆に任せ、採否を決める(2)(3)は実測と人間に委ねる。自律と統制が対立せず、役割分担として噛み合っている。
つまり派手な成果は、エージェントが「賢く正解を一発で出した」から生まれたのではない。大量に生成し→実地で間引き→人間が最終ゲートを握るという検証ループの中で、エージェントが「探索の広さと速さ」という自分の得意分野だけを担ったから生まれた。これは創薬特有の話ではなく、業務システムにそのまま移植できる構造だ。
なぜ規制産業で動いたのか——検証と承認が『最初から埋まっていた』
興味深いのは、最も規制が厳しく失敗コストが高いはずの創薬で、エージェントが実務に食い込めた点だ。理由は逆説的で、規制産業には検証と承認のゲートが初めから制度として埋まっているからだ。
ラボの実測、治験の各フェーズ、規制当局への提出前レビュー——創薬は構造的に「生成したものを必ず外部の現実で検証する」工程を持つ。エージェントがどれだけ大胆に生成しても、間違いは実験で淘汰され、人間のレビューゲートで止まる。Enveda の事例が象徴的だ。Claude は人間が見逃した7件の問題を追加で発見した一方、その Claude の起草物もまた人間のレビューを通してから提出された。エージェントは検証する側にも、検証される側にも立っている。この二重の検証ループが、自律を安全に機能させた。
裏を返せば、検証ループが組み込まれていない業務にエージェントを放つのは危うい。「生成したものが現実に照らされない」領域——例えば社外への確定的な回答、不可逆な取引の実行、検証なしの意思決定——では、創薬で見られたような『自律の安全な活用』は成立しない。自律の大胆さは、検証の厳しさとセットでしか正当化できない。
企業システムへの翻訳——自律は『付与』ではなく『獲得』される
この構造を、創薬ではない一般企業のエージェント設計に翻訳すると、冒頭の問い「どこまで自律に任せるか」への実務的な答えが出る。線引きの基準はタスクの重要度ではなく、そのタスクに検証ループを組めるかだ。
| 創薬での部品 | 一般企業での対応物 |
|---|---|
| 抗体を大量生成する | 候補案・ドラフト・選択肢を幅広く生成する |
| ラボで実測して間引く | テスト・サンドボックス実行・データ照合で自動検証する |
| 人間のレビューゲート | 不可逆・対外・高額な操作への承認フロー |
| 工程ごとの記録 | どのエージェントが何をしたかの監査ログ |
ここから導ける設計原則はシンプルだ。自律はエージェントに最初から『付与』するものではなく、検証ループを通過させることで『獲得』させるものと捉える。具体的には——
- 生成は広く任せる：案出し・下書き・探索は大胆に自律へ。ここを絞ると自動化の価値が消える。
- 検証を自動化できる範囲を見極める：テストで落とせる、既存データと突き合わせられる、サンドボックスで試せる——この「実測に相当する仕組み」が置ける業務ほど、自律の幅を広げられる。
- 不可逆・対外・高額の一歩には必ずゲートを置く：ここは創薬の治験ゲートと同じく、人間かルールが最終判断を握る。
- 全工程を記録する：どの生成物が、どの検証を経て、誰の承認で実行に至ったかを後から追えるようにする。
homulaの観点：検証ループを『実装』に落とす
homula はエンタープライズ向けの AIエージェント・インテグレーターとして、n8n / Dify / LangGraph や MCP を使い、企業の業務システムにエージェントを安全につなぐ設計を手がけてきた。創薬の事例が示した「広く生成し→実地で検証し→ゲートを通す」というループは、私たちが実装で重視してきた型とそのまま重なる。重要なのは、この三段をスローガンで終わらせず、動くシステムの部品に落とすことだ。
接続基盤の Agens（MCP を活用し、200以上のツールと構築ゼロで接続）が「生成フェーズでエージェントが業務データや社内システムへ広く手を伸ばす」部分を担う。そして Agens Control が、検証ループの後半——承認フロー、不可逆操作のゲート、5年分の監査ログ、RBAC——を押さえる。生成の自律と実行のゲートを別々の仕組みで組むのではなく、一つの統制レイヤーの上で「自律の幅」と「検証の厳しさ」を調整できるようにしておくことが、自律を事故なく広げる前提になる。
実務の進め方としては、(1) まず検証ループを組みやすい業務から着手する（テストや既存データで自動検証できる領域）、(2) 生成は広く、実行ゲートは厳しく、を初期設計で分けておく、(3) 監査をあとから足すのではなく最初から仕込む——という順序が現実的だ。どの業務なら自律を広げられるか自社で判断しづらい場合は、業務棚卸しからプロトタイプ構築・ROI試算までを3〜5日で回す AIエージェント・ブートキャンプで、小さく検証ループを回しながら見極めるのが近道になる。
まとめ：自律の大胆さは、検証の厳しさが支える
Anthropic の創薬レポートは、「AIが新薬をつくる」という未来像として読むこともできる。だが企業がいま取り出せる教訓は、もっと手触りのあるものだ——規制産業でエージェントが機能したのは、自律が優れていたからではなく、その自律を囲む検証ループと承認ゲートが最初から組まれていたから。
「どこまで自律に任せるか」という問いの答えは、タスクの大小ではなく、そのタスクに検証ループを組めるかで決まる。生成は広く任せ、検証は実測と自動化で厳しくかけ、不可逆な一歩にはゲートを置き、全工程を記録する。この型を先に設計しておけば、自律は怖いものではなく、獲得して広げていける資産になる。創薬の現場が示したのは、まさにその順序だった。
自社のどの業務なら、エージェントに自律を広げられるか。検証ループと承認ゲートの設計から、一度棚卸ししてみませんか。