北京のAIエージェント政策がハーネスエンジニアリング、トークンエコノミクス、OPCを公式化

北京は、Harness Engineering、トークンエコノミクス、一人会社を初めて公式な枠組みに組み込んだとされる、10項目のAIエージェント政策を導入しました。

北京のAIエージェント政策が重要なのは、エージェントを単なる別カテゴリーのソフトウェアではなく、経済システムとして捉えているからです。その焦点はモデルにとどまらず、実行環境、サービス契約、決済方法、専門特化型企業、デバイスにまで及んでいます。

7月23日に公表された報道では、この文書は「AIエージェント主導の発展加速に向けた措置」とされています。しかし、この記事のために確認した検索可能な政策データベースでは、完全版をまだ確認できませんでした。したがって、北京が正式な原文を公表するまでは、特に具体的な規定について慎重に扱う必要があります。

それでも、報じられた方向性は北京の既存の政策展開と一致しています。市当局はすでに、AIを活用した一人会社、産業用エージェント、コンピューティングクレジット、データサービス、製造業へのエージェント導入を支援しています。

中国政府も、より広範な目標を掲げています。そのAI Plus政策では、新たなインテリジェントデバイスとエージェントの普及率を2027年までに70％超とすることが求められています。

対立点は明確です。クラウドAI企業は通常、トークンを通じて利用量を計測しますが、北京はサプライヤーに対し、完了した価値に基づいて料金を請求するよう求めていると報じられています。この転換は魅力的に聞こえますが、商業上および技術上のリスクを顧客からエージェント提供事業者へ移転するものです。

これは、単なる北京と他都市との競争ではありません。中心的な対立は、消費量ベースのAIと成果ベースのAIの間にあります。新政策は、市場をモデルの活動を販売する形から、完了した仕事を販売する形へ移行させようとしています。

これにより、モデル提供事業者、エージェント系スタートアップ、企業の購入担当者、開発者に圧力がかかります。各グループは、成功した成果をどのように定義するか、エージェントがそれを生み出したことをどう証明するか、自動化された作業が失敗した際に責任をどう割り当てるかを決めなければなりません。

北京のAIエージェント政策が実際に変えるもの

この政策における最も重要な動きは、モデルを取り巻くエンジニアリングを、独立した主要産業レイヤーとして扱うことです。

初期報道によると、北京の措置は10項目の規定で構成され、Agentic AI、Harness Engineering、AIオペレーティングシステム、現場導入エンジニア、OPC、複数のサービスモデルに明示的に言及しています。

Harness Engineeringとは、モデルが継続的な作業において役立つためのシステムを設計することを意味します。これらのシステムには、コンテキスト管理、ツール、権限、メモリ、評価、フィードバックループ、実行環境が含まれます。

この表現は、主要なAI研究所ですでに進んでいる変化を反映しています。OpenAIは、harness engineeringを、コーディングエージェントが信頼性の高い作業を実行できるようにする環境の構築、意図の明確化、フィードバックループの作成と説明しています。

OpenAIが報告した社内実験では、エージェントがあるソフトウェア製品のコードを一行残らず作成しました。人間のエンジニアは、仕様、構造、フィードバックシステム、運用管理に集中しました。

Anthropicも同様の結論に達しています。長時間稼働するエージェントに関する同社の研究では、高性能なモデルであっても、構造化された引き継ぎと永続的な成果物がなければ、個別のコンテキストウィンドウをまたいで作業する際に依然として苦戦することが判明しました。

北京の政策は、このエンジニアリング上の教訓を産業的なシグナルへ変換していると報じられています。もはやモデル単体が完成品なのではありません。信頼性は、周囲のアーキテクチャにますます依存するようになっています。

この違いは調達において重要です。2つのサービスが類似した基盤モデルを使用していても、ハーネスが異なるツール、メモリ、制御、検証手順を提供しているため、異なる結果をもたらす可能性があります。

この文書では、ハーネスをエージェントの指示または制御を担うエンジニアリングレイヤーとして表現する現地語訳が使われていると報じられています。英語での正確な対応語よりも、その背後にある政策上の選択のほうが重要です。

北京は企業に対し、オーケストレーション、オブザーバビリティ、評価が、モデル開発と並んで支援に値すると伝えています。これは、より大規模なモデルを訓練する企業だけでなく、既存モデルの周囲に信頼性の高いシステムを構築するチームにも有利に働きます。

また、この政策はスマートフォン、スマートグラス、自動車、その他の端末内で動作するエージェントを奨励しているとも報じられています。これにより、対象市場はブラウザベースのアシスタントや企業向けダッシュボードを超えて拡大します。

デバイスベースのエージェントは、チャットボットよりも厳しい制約下で動作します。レイテンシー、権限、接続性、センサーデータ、バッテリー消費、プライバシー、物理的影響を管理しなければなりません。

こうした制約によって、ハーネスはさらに重要になります。自動車の機能を制御したり、カメラにアクセスしたりするエージェントには、メールの下書きを作成するアシスタントよりも厳格な境界設定が必要です。

これは、政策がAIオペレーティングシステムに言及している理由の説明にもなります。複数のアプリケーションを横断して動作するエージェントには、アイデンティティ、権限、ツールへのアクセス、メモリ、通信のための安定したレイヤーが必要です。

エージェント相互運用プロトコルが盛り込まれているとの報道も、同じ方向性を示しています。すべてのサービスが互換性のないアイデンティティ、メッセージ、制御システムを使用していては、専門特化型エージェントの市場は拡大できません。

ただし、政策がカテゴリーを名指ししただけで技術標準が確立されるわけではありません。相互運用性を信頼できるものにするには、開発者向けの仕様、リファレンス実装、適合性テスト、セキュリティ規則が必要です。

したがって、北京の介入はアジェンダ設定として捉えるべきです。当局が企業に構築してほしいレイヤーを示していますが、それらのレイヤーがインフラになるのか、政策用語にとどまるのかは実装次第です。

北京がトークンから成果へ移行する理由

提案されている課金方式の変更は、生成AIにおける最も単純な商業モデル、すなわち顧客が消費した計算量に応じて料金を請求する方式に異議を唱えるものです。

トークンとは、言語モデルによって処理または生成されるテキストの小さな単位です。提供事業者は一般に、入力および出力トークン数を使用してAPIの利用量を計測します。

トークンは計算処理量を測定可能な形で近似するため、この方法は理解しやすいものです。一方で、実行リスクの大部分を顧客側に負わせることにもなります。

エージェントが大規模なコンテキストを消費し、複数のツールを呼び出し、失敗した手順を繰り返した末に、使用不能な回答を返したとしても、顧客はその活動に対して料金を支払います。

北京のAIエージェント政策は、トークン消費ベースの課金から価値ベースの課金への移行を求めていると報じられています。この方式では、支払いは完了したタスク、受け入れられた成果物、測定可能な事業成果に、より直接的に連動します。

また、この政策はTask-as-a-Service、Agent-as-a-Service、Reasoning-as-a-Serviceを奨励しているとも報じられています。これらのカテゴリーは、自動化された作業の異なる部分をサービスとしてパッケージ化するものです。

Task-as-a-Serviceは、定義された仕事の完了を販売するものです。Agent-as-a-Serviceは、ツールやワークフローを備えたエージェントへの継続的なアクセスを提供します。Reasoning-as-a-Serviceは、より複雑な計画策定や意思決定支援をパッケージ化します。

これらの名称は、まだ標準化された商業カテゴリーではありません。提供事業者によって解釈が異なる可能性があり、購入者は、同じ名称を使用するすべての製品が同等の説明責任を提供すると考えるべきではありません。

重要な変化は、価値の単位です。トークンベースのサプライヤーは処理を販売します。成果ベースのサプライヤーは処理の結果を販売します。

これにより、直ちに測定上の問題が生じます。コーディングエージェントはプルリクエストを作成できますが、完了したからといって、そのコードが正確、安全、保守可能であり、製品要件に沿っているとは限りません。

リサーチエージェントはレポートを提出できますが、文字数は正確性を測る意味のある指標ではありません。カスタマーサービスエージェントは、顧客が不満を抱えたままでもチケットをクローズできます。

したがって、成果ベースの契約には受け入れ基準が必要です。購入者とサプライヤーは、何を成功とみなすか、誰がそれを検証するか、例外が支払いにどのように影響するかを明確にする必要があります。

Harness Engineeringは、そのような契約を可能にする仕組みとなります。ハーネスは行動を記録し、権限を適用し、評価を実行し、証拠を保存し、不確実なケースを人間に振り分けることができます。

こうした制御がなければ、価値ベースの課金はマーケティング上の約束にすぎません。提供事業者は、顧客が結果を評価するための十分な証拠を示さないまま、エージェントが作業を完了したと主張できます。

政策におけるトークンエコノミクスという表現を、暗号資産と混同すべきではありません。ここでのトークンエコノミクスは、モデル利用のコスト、配分、事業価値に関するものです。

中心的な問いは、エージェントが多くのトークンを消費したかどうかではありません。それらのトークンがコストに見合う成果を生み出したかどうかです。

この違いは、効率的なエンジニアリングに報いる可能性があります。提供事業者には、単純な作業をより小規模なモデルに振り分け、不要なコンテキストを削減し、検証済みの結果を再利用し、生産性のないループを停止するインセンティブが生まれます。

一方で、隠れた妥協を促す可能性もあります。完了したタスクごとに報酬を得るベンダーは、検証を減らしたり、より安価なモデルを選んだり、部分的な作業を成功として分類したりするかもしれません。

企業の購入担当者には、監査権と品質指標が必要になります。完了率だけでなく、エラー率、レビュー工数、レイテンシー、セキュリティインシデント、後工程での手直しも併せて評価すべきです。

知識集約型の仕事には、さらなる課題があります。その価値は後になって現れることが多く、文書、会話、過去の意思決定に分散した情報に依存します。

信頼性の高いAIナレッジベースは、エージェントの出力を裏付ける証拠の保存に役立ちます。帰属の問題を解決するものではありませんが、レビューをより実用的にします。

成果ベースの課金は、双方がエージェントの結果に至る過程を確認できるようになって初めて、信頼に足るものになります。北京の政策は目的地を認識していますが、市場は依然として測定システムを構築する必要があります。

Harness Engineeringがエージェント提供事業者に圧力をかける

政策がハーネスを製品の一部として認めれば、提供事業者はすべての失敗を基盤モデルのせいにすることはできません。

これが北京の動きによる最も鋭い商業的影響です。市場ではこれまで、エージェントの性能を説明する主要因としてモデルの能力が扱われることが多くありました。

しかし、提供事業者がモデルを取り巻くプロンプト、ツール、権限、メモリシステム、ルーティングロジック、評価を選択している以上、その説明の説得力は弱まります。

OpenAIが報告した実験は、この変化を示しています。同社によると、エージェントは約100万行のコードを含むソフトウェア製品を、手作業での開発に予想される時間のおよそ10分の1で作成しました。

これらの数字は一つの社内プロジェクトに関するものであり、独立した業界ベンチマークではありません。それでも、組織が現在、コーディングエージェントを取り巻く環境に投資している理由を示しています。

Anthropicの研究は、反対側の側面を明らかにしています。高性能なモデルであっても、一度に多くの作業をこなそうとしたり、セッション間の連続性を失ったりすると、長期プロジェクトで失敗する可能性があります。

その対策には、初期化エージェント、段階的なタスク、進捗ファイル、構造化された引き継ぎが含まれていました。その後の研究では、継続的なアプリケーション開発のために、プランナー、ジェネレーター、評価者の役割も追加されました。

これらの実践は、表面的な製品機能ではありません。エージェントが作業を再開し、エラーを検出し、制約を遵守できるかどうかを決定するものです。

北京がHarness Engineeringを認めたとされることにより、ベンダーにはそうした仕組みを説明する圧力がかかります。企業顧客は、エージェントが何を記憶し、どのツールにアクセスでき、その出力がどのようにテストされるのかを問うことができます。

また、人間による承認がどこで行われるのかを尋ねることもできます。タスクが金銭、個人データ、物理デバイス、または規制対象の意思決定に影響する場合、完全自動化が必ずしも優れているとは限りません。

モデルプロバイダーは、別の圧力にも直面しています。価値の中心がハーネスと成果へ移るなら、強力な基盤モデルへのアクセスは製品を構成する一要素にすぎなくなります。

エージェントプラットフォームは、ドメイン知識、ツール統合、評価、ワークフロー設計を通じて差別化できます。これにより、モデル層を所有することによる商業的優位性が低下する可能性があります。

同時に、モデル企業は上位レイヤーへ進出できます。マネージドエージェント、ホステッド実行、永続セッション、特化型開発者システムを提供できます。

これにより、誰が顧客との関係を握るのかをめぐる競争が生まれます。インフラプロバイダーは開発者に自社プラットフォーム上で構築してもらいたい一方、エージェント企業は完遂されたビジネス業務に対して購入者に料金を支払ってもらいたいと考えています。

デバイスメーカーは第三のグループを形成します。スマートフォン、自動車、スマートグラスは、すでに重要なユーザーインターフェース、センサー、ID、権限を掌握しています。

これらのデバイスにエージェントを組み込むことで、メーカーは流通上の優位性を得られます。同時に、ユーザーのすぐそばで、場合によっては物理世界において、エージェントの挙動に責任を負うことにもなります。

北京の産業政策は、その予告編となります。同市の産業エージェント計画は、2028年までに100件の高品質な産業データセット、50社のインテリジェントソリューションプロバイダー、100件の先進的な産業エージェントを整備することを目標としています。

この計画は、開発、展開、監視、行動監査、チューニング、反復を含むライフサイクル全体を重視しています。文書内で異なる用語が使われていても、これらはハーネスに関する課題です。

製造業では、成果の測定もより具体的になります。産業エージェントは、ダウンタイム、欠陥検出、プロセスの安定性、エネルギー使用量、または検証済みのタスク完了に照らして評価できます。

しかし、物理的な運用ではミスの代償が高まります。チャット画面での誤回答と、生産ラインにおける誤った制御推奨は同じではありません。

エージェントが実行できる範囲が広がるほど、そのハーネスは行動をより厳しく制限、記録、検証する必要があります。これにより、権限管理、シミュレーション、ロールバック、人間へのエスカレーションに対する需要が生まれます。

開発者は、購入者からこうした制御の証拠を求められることを想定すべきです。洗練されたデモよりも、ログ、テスト結果、障害の境界、復旧手順の方が重視されるようになります。

したがって、北京のAIエージェント政策は、エージェントの導入を支援すると同時に、エンジニアリングの基準を引き上げます。この政策は、運用信頼性を企業が設計し、守らなければならない産業レイヤーとして扱っています。

OPC支援が一人AI企業モデルを試す

北京は、エージェントインフラの整備と、ごく小規模な企業でも商業的に重要なソフトウェアを生み出せるという賭けを組み合わせています。

この政策文脈におけるOPCとは、One Person Companyを意味します。これは、1人の創業者またはごく少人数のチームが運営するAI主導型ビジネスを指し、新しい会社の法的形態ではありません。

この概念は、単純明快な主張に基づいています。エージェントは、コーディング、調査、デザイン、マーケティング、運用、カスタマーサポートを十分に担えるため、事業を成立させるために必要な人員を削減できるというものです。

新たなエージェント施策が登場する前から、北京はすでに理念の表明を超えて動いていました。6月に発表された公式のOPC行動計画は、エージェント開発、生成コンテンツ、モデルチューニング、産業応用に注力する企業を支援しています。

この計画は、専用のスタートアップ支援、コミュニティ型ワークスペース、モデルへのアクセス、コンピューティング資源、データ支援、資金調達支援、コンペティション、コンプライアンス指導、大学プログラムを求めています。

また、信用評価にトークン消費量、コンペティションの結果、創業者の信用、知的財産、自社開発技術を考慮することも認めています。

この規定は、野心とリスクの両方を示しています。トークン消費量は活動の指標にはなりますが、活動は売上、製品品質、顧客維持と同義ではありません。

企業は、実用的な製品を模索する過程で大量のモデル容量を消費する可能性があります。一方、ワークフローが効率的であるため、より少ないトークンで価値あるサービスを構築する企業もあり得ます。

報じられている価値ベース課金への移行は、この緊張をある程度是正します。北京が成果志向のエージェント企業を望むのであれば、支援プログラムは資源使用量だけでなく、受け入れられた業務と持続的な需要を測定すべきです。

OPCは、成熟したハーネスから大企業以上の恩恵を受ける可能性があります。1人の創業者が、開発、サポート、営業、管理のすべてにわたるエージェントの行動を手作業で監督することはできません。

創業者には、再現可能なワークフロー、明確な権限、永続的なコンテキスト、例外事象へのアラートが必要です。そうでなければ、自動化によって個人的な対応を必要とする障害の数が増えてしまいます。

このため、OPCはエージェントの信頼性を試す実践的な試験場となります。常時エンジニアリングによる監督がなければ機能しないシステムでは、より大きなチームの機能を代替できません。

北京は、地域のOPCコミュニティや公開展示も支援してきました。公式アカウントでは、教育、産業応用、エンターテインメント、アニメーション、健康、個人データの可視化に取り組むAI企業が紹介されています。

これらの事例は製品の可能性の幅広さを示していますが、このモデルが一般的に成功することをまだ証明してはいません。展示事例の選定では、必然的に魅力的な例が優先されます。

経済的な試金石となるのは、OPCが有料顧客を維持し、コンプライアンスを管理し、サポート需要に対応し、モデル価格やプラットフォームアクセスの変化を乗り越えられるかどうかです。

集中リスクにも注意が必要です。1人企業は、1人の創業者、1社のモデルプロバイダー、複数の外部APIに大きく依存する可能性があります。

政策支援を受けたコミュニティは起業時の摩擦を減らせますが、その依存関係を取り除くことはできません。サービス停止、アカウント制限、モデル変更が事業全体に影響を及ぼす可能性があります。

責任の所在も未解決の問題です。自律型エージェントが誤った財務情報を送信したり、保護対象データを不適切に扱ったりした場合でも、責任を負うのは企業です。

エージェントが運用タスクの大部分を実行する場合でも、創業者はレビュー体制を維持しなければなりません。人員が少なくても法的義務は軽減されません。

複数のエージェントが広範なアクセス権を共有すると、セキュリティも難しくなります。ハーネスが信頼できないコンテンツと実行可能なコマンドを分離していなければ、文書内に隠された指示によってエージェントが操作される可能性があります。

OPCには、限定的な権限、認証情報の分離、行動ログ、承認ゲートが必要です。こうした制御は負担に感じられるかもしれませんが、自動化が権限の範囲を超えて動作することから創業者を守ります。

大学やスタートアップコミュニティは、プロンプト設計と並行して運用規律を教えることで支援できます。北京のOPC計画はすでに、大規模モデルのエンジニアリングと起業家教育を組み合わせたコースを求めています。

OPCモデルの最も強力な形は、1人の人間がチャットボットに会社経営を依頼することではありません。責任を負う1人の創業者が、テスト済みの専門エージェント群を管理することです。

この違いによって、OPCが持続可能なビジネス形態となるのか、従来型のフリーランス業務に付けられた一時的な呼称に終わるのかが決まります。

この政策の最大の期待は、同時に最大のリスクでもある

北京はエージェントがより多くのデバイスや産業で行動することを望んでいますが、自律性の拡大は信頼できない挙動の代償を高めます。

中国の国家的枠組みは、すでにエージェントを知覚、記憶、意思決定、対話、実行が可能なシステムとして定義しています。

2026年5月のエージェントガバナンス枠組みは、安全性、信頼性、信用性を開発、展開、普及の全段階に位置付けています。

北京の成長政策は、このガバナンス方針の範囲内で運用されなければなりません。迅速な導入への支援によって、データ、アルゴリズム、セキュリティ、消費者保護、説明責任に関する要件がなくなるわけではありません。

報じられている施策には、いくつかの未解決の問題があります。第一に、正式な文書および実施ガイダンスを公式データベースで公開する必要があります。

二次報道は詳細な用語一覧を示していますが、開発者には正確な定義が必要です。政策用語は、適格性、報告義務、調達、支援へのアクセスに影響する可能性があります。

第二に、価値ベース課金には検証可能な指標が必要です。政府はこのモデルを奨励できますが、各タスクにおける価値の意味については、顧客とプロバイダーが交渉しなければなりません。

単純なタスクでは、直接的な受け入れテストが可能です。複雑な調査、クリエイティブ業務、戦略的助言、長期的な自動化ではそうはいきません。

第三に、相互運用性にはセキュリティ境界が必要です。エージェント間通信は連携を改善できる一方、なりすまし、データ漏洩、不正な行動につながる新たな経路を生み出します。

プロトコルには、認証、同意、取り消し、来歴管理、監査可能性が必要です。メッセージの互換性だけでは不十分です。

第四に、デバイス統合には明確な権限モデルが必要です。スマートグラスや自動車に組み込まれたエージェントは、機密性の高い文脈情報にアクセスし、ユーザーの安全に影響を及ぼす可能性があります。

ソフトウェアが行動を提案する段階から実行する段階へ移るにつれて、開発者はより厳しい監視を想定すべきです。ツールを追加するたびに、有用性と潜在的な危害の両方が拡大します。

第五に、OPCプログラムには成果データが必要です。スタートアップ数やトークン消費量は参加状況を示せますが、持続可能な事業であることは証明できません。

有用な指標には、顧客維持率、継続利用、タスク受け入れ率、コンプライアンス違反、創業者の作業負荷、継続的な支援なしでの生存率などがあります。

この政策は、調達上の課題も生み出します。政府や企業の購入者はエージェントサービスを購入することで市場を刺激できますが、調達規則は従来型のソフトウェアを前提としている場合が多くあります。

成果契約には、確率的システムを評価する方法が必要です。購入者は、許容範囲、エスカレーション手順、データの取り扱い、下流で生じる結果への責任を明確にしなければなりません。

リスクは、北京が流行の用語を挙げたことではありません。制度的な導入が、それらの用語を実運用可能にするために必要な制御より速く進むことです。

しかし、完全な信頼性を待つのは現実的ではありません。エージェントシステムは、展開、観察、修正を通じて改善します。

実用的な答えは、範囲を限定した展開です。組織は、元に戻せるタスク、限定的な権限、強力なログ、人間によるレビューから始められます。

変更を裏付ける証拠が得られた場合にのみ、自律性を拡大できます。これは、信頼性の高いハーネスが、1つのエージェントにすべてを一度に完了させるのではなく、長いタスクを分解して進捗を評価する方法と共通しています。

この政策の最も価値ある貢献は、こうしたエンジニアリング上の問題を非技術系の意思決定者にも見えるようにしたことかもしれません。Harness Engineeringが政策枠組みに登場すれば、信頼性は調達と経営の課題になります。

購入者が証拠を要求すれば、その可視性は市場を改善できます。一方、企業がシステムを変更せずに製品説明へ「ハーネス」を追加するだけの表面的な看板の掛け替えを促す可能性もあります。

したがって、新文書をめぐる検証の空白は重要です。政策文言は、公式文書、その後の規則、資金提供基準、技術標準、調達文書を通じて評価すべきです。

今後3か月間、読者は3つの兆候に注目すべきです。

第一は、施策の全文および実施機関に関する公式発表です。正確な文言により、報じられた概念に定義、期限、または実行力のあるプログラムが伴っているかが明らかになります。

第二は、価値ベースのエージェント課金に関する具体的な実証実験です。信頼できる実証実験では、受け入れ基準、障害への対処、プロバイダーがタスク完了を証明する方法を開示すべきです。

第三は、エージェントの相互運用性とデバイス権限に関する技術ガイダンスです。標準、リファレンス実装、または適合性テストによって、広範な支援を利用可能なインフラへ変えられます。

これらの兆候により、この記事の中心的な判断が試されます。北京は、AIの経済性をコンピューティングの販売から、説明責任を伴う業務の販売へ移行させようとしています。

実施の重点が主にトークンクレジットとスタートアップ数に置かれるなら、その評価の説得力は弱まります。この政策は、新しい言葉をまとった従来型の産業支援の拡大にとどまるでしょう。

調達および技術上のルールが、検証済みの成果、制御された実行、相互運用可能なエージェントを評価するなら、この転換は実質的なものになります。

開発者にとって当面の教訓は、ハーネスをプロダクトアーキテクチャとして捉えることです。自律性を拡大する前に、アクションを記録し、ツールを制限し、成果をテストし、証拠を保存してください。

企業の購入担当者にとっての教訓は、エージェントの活動とビジネス価値を切り分けることです。成功がどのように測定され、失敗がどのように検出されるのかを確認してください。

ナレッジワーカーにとって、この政策は、エージェントが日常的なデバイスやワークフローにますます組み込まれていくことを示しています。検索可能な個人ナレッジシステムを維持することで、レビュー可能な状態でソース資料を保持しながら、コンテキストを充実させることができます。

北京のAIエージェント政策は、高度な産業用語を公的な経済アジェンダに組み込みました。次の焦点は、北京がその言葉を、測定可能で説明責任を伴うエージェントの業務へと転換できるかどうかです。