GoogleのMechanize人材獲得は完了したように見えるが、真の試金石はより優れたAIコーディング

Googleは、共同創業者1人と十数人以上の従業員がDeepMindに加わったと報じられており、Google Mechanize人材獲得を完了したように見える。その根拠は正式発表ではなく、公開されている職歴プロフィールだ。この違いにより、人事異動の信頼性は高い一方で、取引の最終条件は未検証のままである。

Business Insiderは以前、GoogleがMechanizeの従業員を採用し、その技術をライセンス供与する高額な契約について協議していると報じた。同社の最新のtalent deal報道によれば、移籍はすでに実施された。Mechanizeの元CEOであるTamay Besirogluは、Google DeepMindのリサーチサイエンティストとして自身を記載しているとされる。

これは単なるAI人材獲得の新たな一幕ではない。Mechanizeは、複雑なソフトウェアタスクでコーディングエージェントを訓練するための環境と評価手法を構築している。つまりGoogleが獲得するのは、モデルを大きくするエンジニアだけでなく、エージェントがどこで失敗するかを見極める専門家でもある。

この焦点により、この取引はAnthropicとOpenAIとの直接的な競争に位置づけられる。両社はコーディングを、汎用AIが継続的かつ経済的価値のある仕事を遂行できるかを示す、目に見える試験へと変えてきた。

Google Mechanize人材獲得は、GoogleがCharacter.AIやWindsurfで用いた構造も繰り返している。同社はスタートアップ全体を買収せずに、重要な研究者をDeepMindに迎え入れ、選択した技術をライセンス供与できる。

当面の人員移動は明確に見える。一方、戦略的な成果はまだ定まっていない。Googleは今後、追加された評価人材が、開発者が実際のリポジトリ、デプロイ、デバッグ業務を任せられるコーディングエージェントを生み出せることを示さなければならない。

Google Mechanize人材獲得が実際に変えるもの

GoogleはMechanizeの中核的な専門性を確保したと報じられているが、公開情報だけではすべての商業条件は確定できない。

Business Insiderが確認した公開プロフィールによると、Besirogluと十数人以上の元Mechanize従業員がDeepMindで働いているとされる。記載された業務は主にミッドトレーニングに集中している。これは、幅広い事前学習と最終的なタスク特化型の調整の間にある、モデル開発の段階だ。

この集中には意味がある。ミッドトレーニングでは、より限定的なポストトレーニングが始まる前に、構造化されたタスク、ツール、フィードバックにモデルを触れさせられる。研究者にとっては、長期にわたるソフトウェアプロジェクトで必要となる振る舞いを開発する別の機会になる。

GoogleもMechanizeも、取引に関する詳細な発表は公表していない。Googleがどの知的財産をライセンスしたのか、そのライセンスが独占的なのか、Mechanizeにどの義務が残るのかを特定する公開文書もない。

したがって、入手可能な証拠が支持するのは慎重な結論だ。人材移籍は完了したように見える一方、契約の法的・財務的な構造は明らかにされていない。

Mechanizeは2025年4月、Besiroglu、Matthew Barnett、Ege Erdilによって設立された。同社のcompany announcementでは、AIシステム向けのシミュレーション作業環境、ベンチマーク、訓練データを構築する計画が説明されていた。

創業者らは、価値ある仕事を自動化するより広範な取り組みの最初の対象として、ソフトウェアエンジニアリングを位置づけた。コーディングベンチマークをはるかに大きな経済的主張と結び付けたため、この目標は注目を集めた。

Mechanizeの現在の資料では、エージェントが機能を構築し、アプリケーションをデプロイし、未知のコードベースをデバッグする環境が説明されている。グレーダーが成果物を評価し、強化学習とモデル評価のためのフィードバックを生成する。

強化学習とは、スコア化された結果に基づく訓練である。この文脈では、エージェントは回答がもっともらしく見えるかではなく、ソフトウェアが実際に動くかどうかに応じてフィードバックを受け取る。

これにより、報じられた採用にはより具体的な意味が生まれる。Googleは単に別のコーディングインターフェースチームを加えたのではない。自律エージェント向けのタスク、フィードバックシステム、失敗の測定方法を設計する人材を採用したのである。

この違いは重要だ。短い関数を書くことは、もはや決定的な課題ではない。現代のコーディングエージェントには、リポジトリを調査し、変更を計画し、ツールを使い、テストを実行し、初期の仮定が誤っていた場合に立て直す能力が求められる。

Mechanizeの仕事は、こうした長い連続作業を対象にしている。同社のエンジニアは、失敗を観察し採点できる統制された環境を作る。これらの環境は、強化学習と接続されれば訓練インフラになり得る。

ただし、人材移籍がMechanizeの手法をGoogleへ円滑に移せることを保証するわけではない。社内のデータシステム、モデルアーキテクチャ、セキュリティ要件、リリース計画は、評価フレームワークの使われ方を変える可能性がある。

最初に確認できる変化は組織面だ。Google DeepMindは現在、コーディングエージェント環境の設計経験を持つ、集中した人材グループを雇用しているように見える。このグループがGeminiの性能を変えるかどうかは、製品とベンチマークの証拠を待つ必要がある。

Googleが得るのは、モデル開発者だけでなく評価の専門性

戦略的な価値は、エージェントの失敗を発見することと、その失敗を避けるようモデルを訓練することの間に、より速いループを作る点にある。

AIコーディング製品が競うのは、生成コードの品質だけではない。計画、ツール利用、粘り強さ、検証、既存のエンジニアリングプロセス内で働く能力でも競争している。

モデルは印象的なコード断片を生成しても、エージェントとして失敗し得る。リポジトリを誤解したり、誤ったモジュールを編集したり、テストを見落としたり、未知のビルドシステムに遭遇した後にタスクを放棄したりするかもしれない。

評価環境は、こうした失敗を測定可能にする。エージェントを統制されたワークスペース内に置き、タスクを与え、その行動を記録し、最終結果を採点する。

Mechanizeによれば、その環境は機能実装や未知のコードの診断といった実践的なソフトウェア作業を対象にしている。同社のcoding environmentsは、評価と強化学習の両方のためのシグナルを生成するよう設計されている。

この組み合わせには価値がある。評価と訓練はフィードバックループを形成できるからだ。研究者は弱点を特定し、それを露呈させるタスクを構築し、エージェントの試行を集め、得られたスコアに基づいて訓練する。

このプロセスは単純に聞こえるが、有用な環境を作ることは難しい。タスクは意味を持つほど現実的であり、繰り返せるほど安定しており、スコアを不当に押し上げる近道に耐えられなければならない。

弱いベンチマークは表面的な振る舞いに報いる可能性がある。エージェントがグレーダーの隙を突いたり、公開済みの解法を記憶したり、本番ソフトウェア開発を十分に表さないテスト向けに最適化したりする恐れがある。

Mechanizeの最も目立つプロジェクトは、このアプローチの魅力と限界の双方を示している。GBA Evalは、RustとWebAssemblyを用いてGame Boy Advanceエミュレーターを構築するようエージェントに求める。

このタスクは長く、技術的であり、機能的な挙動を通じて評価しやすい。benchmark methodologyでは、リプレイ、手続き的、音声のテストを横断して出力を比較する。

エミュレーターという課題には、アーキテクチャ、デバッグ、コンパイル、反復的な検証が求められる。そのため、より小規模なコーディング問題ではほとんど測れない能力を明らかにする。

とはいえ、要求の厳しい1つのタスクだけで、すべてのソフトウェアエンジニアリングを代表することはできない。エンタープライズ開発には、不明確な要件、レガシー依存関係、セキュリティレビュー、チーム内コミュニケーション、変化する優先順位も含まれる。

Googleの機会は、基礎となる手法を拡張することにある。DeepMindは多様な環境を構築し、それらを社内モデルに対して実行し、大規模な計算資源を持つ訓練パイプラインへ結果を接続できる。

移籍したチームはミッドトレーニングに取り組んでいると報じられており、これはその戦略に合致する。完成したモデルが公開製品で失敗するのを待つのではなく、研究者はより早い段階で構造化されたエージェント経験を導入できる。

これがGoogle Mechanize人材獲得の中核的な仕組みだ。より良い環境はより良いフィードバックを生み、より良いフィードバックは、長いタスクをまたぐエージェントの行動を改善し得る。

この仕組みは自動的に機能するものではない。環境に対する訓練は、モデルをその環境に過剰適合させる可能性がある。未知のリポジトリで同等の改善を生まなくても、スコアだけが上がることはあり得る。

したがってGoogleは、統制されたタスクで得た改善が、エージェントが新しいツール、言語、組織上の制約に出会った際にも続くこと、すなわち転移を示さなければならない。

これはリーダーボードで勝つより難しい。非公開評価、統制されたデプロイ、そしてエンジニアがエージェントの修正や監督に費やす時間が減ることを示す証拠が必要になる。

DeepMindがこの転移を実現できれば、Mechanizeの専門性はコーディング製品以上のものを改善し得る。同じ環境構築技術は、ブラウザ、スプレッドシート、データベース、その他の職場用ツールを操作するエージェントにも活用できる。

現時点では、コーディングが最も信頼できる検証の場であり続けている。ソフトウェアタスクは観察可能な成果物を生み、コンパイラやテストは、多くの知識労働活動より明確なフィードバックを提供する。

このことは、スタートアップの当初の野心がはるかに先まで及んでいたとしても、Mechanizeが今日のGoogleにとって重要である理由を示している。コーディングは、モデル研究と顧客がすでに使っている製品との間に、測定可能な橋を提供する。

AnthropicとOpenAIが競争の時間軸を定める

コーディングが、遠いモデル知能の実演ではなく製品競争になったため、Googleにはプレッシャーがかかっている。

AnthropicのClaude CodeとOpenAIのCodexは、AIコーディングを自動補完から委任可能な作業へ移す助けとなった。開発者はますます、エージェントがファイルを調査し、コマンドを実行し、失敗を反復的に修正することを期待している。

Googleには独自のモデル、インフラ、開発者との関係、コーディング製品がある。しかし、これらの資産があっても、エンジニアが自発的に選ぶエージェント体験の必要性はなくならない。

開発者による採用は、厳しいフィードバックサイクルを生む。頻繁に利用するユーザーはエッジケースを素早く見つけ、モデル間で出力を比較し、過度な監督を必要とするツールを見放す。

製品が継続的な利用を集める場合、AnthropicとOpenAIには優位性が生じる。難しいリポジトリや失敗したタスクのすべてが、モデル、インターフェース、評価システムのどこを改善すべきかを明らかにし得るからだ。

Googleの対応には、社内開発と外部からの人材採用が含まれている。Mechanizeからの採用は、この改善サイクルを支えるテストと環境の構築に焦点を当てる専門家を加えるものだ。

この取引は、GoogleによるWindsurfのリーダーと研究者の以前の採用に続くものだ。2025年、GoogleはWindsurfのCEOであるVarun Mohan、共同創業者Douglas Chen、その他の従業員をDeepMind向けに採用した。

Googleは選択されたWindsurf技術について非独占的ライセンスも受けた。confirmed hiringに関する声明では、新たな従業員がDeepMindのエージェント型コーディングの取り組みを前進させるとされていた。

Windsurfは開発者向け製品を構築した経験をもたらした。Mechanizeは、訓練環境、評価、長期的なエージェント行動に関する補完的な焦点をもたらす。

この2つのグループにより、Googleは2つの重要な層における専門性を得る。一方は開発者が操作する製品に関するものだ。もう一方は、その基盤となるエージェントを改善するために使われるフィードバックシステムに関するものだ。

それでも、チームを集めるだけで統合コストがなくなるわけではない。別々の取引を通じて加わる研究者は、共有されるモデル、インフラ、リーダーシップ、製品目標に足並みをそろえなければならない。

AnthropicとOpenAIも引き続き製品を改善している。Googleが目指しているのは固定されたベンチマークではなく、統合が遅れれば、競合他社がすでに拡張した能力を追いかける状況になりかねない。

圧力は個々のコーディング支援ツールにとどまらない。成功したエージェントは、開発者が最初に触れるモデル、ワークロードを処理するクラウドプラットフォーム、そして企業のエンジニアリングプロセスに参入するベンダーを左右しうる。

コーディングエージェントは、より深いプラットフォーム統合の機会も生み出す。モデル利用をリポジトリ、デプロイシステム、セキュリティツール、クラウドサービスと接続できるためだ。

この立場では、開発者からの信頼がとりわけ大きな価値を持つ。チームがエージェントを中心に権限、ワークフロー、レビュー基準を整備すると、切り替えは単に別のモデルを選ぶ以上の作業になる。

したがってGoogleには、開発ループ全体で信頼性高く機能する製品が必要だ。生のベンチマークスコアは注目を集められるが、チームが利用範囲を広げるかを決めるのは再現性のある挙動である。

Mechanizeチームが報じられているmidtrainingへの注力は、この課題の一面に対応するものだ。タスクへのより良い接触は、製品固有のチューニングが始まる前にモデルを改善しうる。

Windsurfからの採用は別の側面に対応する。製品を構築する人材は、レイテンシ、インターフェース、コンテキスト管理、日常的な利用を左右する運用上の細部を理解している。

Googleの競争戦略は、両グループを組み合わせることにあるようだ。DeepMindは、評価インフラ、モデル学習、開発者向けエージェントを一つの組織内で結び付けられる。

この体制はGoogleの能力を高める。ただし、リーダーシップを確立するものではない。AnthropicとOpenAIは依然として、開発者が今後のリリースを評価する際の比較基準であり続ける。

リバース・アクイハイアは人材を集中させる一方、難しい疑問を残す

この取引構造によりGoogleは迅速に動ける一方、不確実性はスタートアップ、その投資家、顧客、残る従業員に移される。

リバース・アクイハイアとは、大企業がスタートアップ全体を買収するのではなく、そのリーダーと選抜した従業員を採用し、技術のライセンスを取得する形態を指す。

Googleは以前にも関連する構造を用いている。Character.AIとの契約では、共同創業者と研究者がGoogleに復帰し、非独占的ライセンスを通じて技術へのアクセスが提供された。

Windsurfの取引も同様の形を取った。Googleは上級従業員を採用し、技術のライセンスを取得した一方、WindsurfはGoogleの支配下に入らない独立企業として存続した。

他のテクノロジー企業も比較可能な取り決めを進めている。MicrosoftはInflectionのリーダーを採用し、AmazonはAdeptから経営陣と研究者を採用、MetaはScale AIへの投資と上級人材の移籍を組み合わせた。

こうした取引は従来型の買収よりも速く完了しうる。また買い手は、最も価値が高いと判断する人材と技術資産に絞って獲得できる。

規制当局はすでに、このより広範なパターンを調査している。FTC staff reportは、主要クラウド事業者によるAI開発企業への投資と提携を検討した。

この報告書は、その後のMechanizeの取り決めを評価していない。しかし、人材、技術、計算資源、機密情報へのアクセスをめぐる、より広範な競争上の懸念を指摘した。

GoogleによるMechanize人材取引は、買収が公表されていなくても、この政策議論に当てはまる。スタートアップの中核従業員が既存大手に移る一方、法人としての企業は取引の外に残りうるからだ。

その結果、スタートアップが独立して競争する能力は低下しうる。技術知識は一部がコードや文書に存在するが、その大半はシステムを設計したチームの中にも宿る。

そのためMechanizeの将来は、最も大きな未解決事項の一つとなっている。ウェブサイトが引き続き稼働していても、外形上の継続性だけでは、運営上の独立性や実行可能な製品ロードマップを示すことにはならない。

同社の他の共同創業者も、別の未解決点である。公開報道ではBesirogluの移籍と十数人以上の従業員移動が確認されているが、各創業者の役割を完全には説明していない。

顧客や研究パートナーにも明確な説明が必要だ。人員変更後に誰が既存ツールを保守し、データを管理し、評価システムを運用し、サポートを提供するのかを知る必要がある。

非独占的な技術ライセンスは、スタートアップが他社と協業する形式上の能力を維持しうる。しかし、技術を生み出した従業員が去った場合、実質的な独立性を保つことは難しくなる。

Googleも内部的なリスクに直面する。集中的な採用は専門性をもたらすが、特別な取引を通じた人材統合は、通常の採用とは異なるインセンティブを生み出しかねない。

従業員には明確な権限、インフラへのアクセス、研究から実運用製品へ進む道筋が必要だ。こうした条件がなければ、貴重な知識は大組織の内部で孤立しかねない。

市場全体におけるトレードオフもある。リバース・アクイハイアは資本を還元し、形式上の競争を維持する一方、希少な専門家を最も大きな資源を持つ企業へ移動させうる。

このパターンが業界全体で繰り返されれば、大手モデル提供企業に挑戦できる独立系ラボの数を減らしかねない。

代替案も単純ではない。高度な学習インフラを構築するスタートアップには、高価な計算資源、信頼できる顧客、最先端モデルへのアクセスが必要だ。大規模プラットフォームは、その三つすべてを提供できる。

Mechanizeの創業者たちも、異例に広範な使命を選んだ。完全な業務自動化の追求には、ほとんどの若い企業が単独では確保できない資源と流通網が求められる。

DeepMindに加わることで、その仕事の一部は加速しうる。一方で、特にGeminiや関連製品を支えるコーディング能力について、チームの方向性がGoogleの優先事項へと転じる可能性もある。

したがって、この取引の価値は視点によって異なる。Googleは経験豊富な研究者を得る一方、Mechanizeが当初描いていた独立した軌道は不確実性を増す。

規制上の注目は、不正行為を証明するものではない。それは、同等の審査を受けずに、買収と実質的に同じ競争上の効果を生む構造ではないかを問うものだ。

より多くのAIスタートアップが二つに分かれるにつれ、この疑問は残り続ける。価値ある人材は既存大手に入り、残る企業はその後に残されたすべてを担うことになる。

より良いベンチマークでも、より良いソフトウェアは保証できない

Mechanizeの評価に関する専門性は学習を改善しうるが、ベンチマークだけでエージェントが本番環境で信頼できるとは示せない。

コーディングベンチマークは、複雑な活動を測定可能なタスクに圧縮する。これにより進歩は可視化されるが、あらゆる圧縮は重要な細部をスコアの外に残す。

管理された環境では通常、リポジトリ、ツール、時間制限、成功判定テストが指定される。実際のエンジニアリングチームは、不完全な要件、隠れた依存関係、変化する組織上の制約の中で活動する。

本番ソフトウェアには、ベンチマークタスクが避けている影響も伴う。一見もっともらしいパッチでも、データを露出させたり、互換性を壊したり、コストを増やしたり、数週間後に初めて現れる障害を生んだりする可能性がある。

したがってエージェントは、合格する出力に到達するだけでは足りない。前提を伝え、権限を尊重し、保守性を維持し、レビュー担当者が評価できる証拠を示す必要がある。

Mechanizeの環境は、こうした挙動の一部を試験する助けになりうる。同社は、未知のコード、デプロイ、デバッグ、複数段階の実行を含むタスクを作成できる。

ただし、モデルが何を重視するかは採点システムによって決まる。採点者がテストの合格だけを評価するなら、モデルには明確な設計や安全な運用判断を生み出すインセンティブがほとんどない。

研究者はセキュリティチェック、コード品質指標、隠しテストを追加できる。追加するたびにカバー範囲は改善するが、エージェントが攻略方法を学べる別の代理指標も導入される。

ベンチマーク汚染も関連する問題を生む。公開されたタスク、解答、議論が学習データに入り込むことで、後続モデルが一般的な問題解決能力を学ばないまま、より高性能に見える可能性がある。

非公開で継続的に更新される評価は、その露出を抑える。しかし外部の研究者がタスクを調べたり、スコアを再現したりできないため、独立した検証は難しくなる。

Googleはこの両方の必要性を両立させなければならない。内部環境は学習を導ける一方、公開評価は開発者が主張を観察可能な証拠と照合することを可能にする。

GBAエミュレータのタスクは有用な例である。明確に境界が定められたプロジェクト内で、長時間の実行、コンパイル、デバッグ、機能的な正しさを試験する。

この課題を通過することには意味がある。ただし、エージェントが金融データベースを安全に移行できること、認証変更をレビューできること、あるいはプロダクトマネージャーと不明確な要件を調整できることを示すわけではない。

最も強い証拠は複数の層から得られる。公開ベンチマークは技術的進歩を示し、非公開評価は未公開の弱点を検出し、管理されたデプロイは実用的な価値を測定できる。

顧客の成果が全体像を完成させなければならない。チームは完了率、レビュー時間、回帰の頻度、セキュリティ上の指摘、そしてエンジニアが失敗したタスクを再開しなければならない頻度を確認すべきだ。

Googleには、こうした証拠を迅速に生み出せる十分な流通力がある。社内プロジェクト、クラウド環境、開発者向け製品にコーディングエージェントを配置できる。

規模はリスクももたらす。エージェントが多くのリポジトリにまたがって大量の変更を生む場合、わずかなエラー率でも重大になりうる。

影響の大きいコードには、人間によるレビューが引き続き不可欠だ。問うべきなのは、レビュー、テスト、修正を含めた後でも、エージェントが総作業量を減らせるかである。

この基準は、受け入れられた提案の数を数えるより厳しい。エンジニアは生成されたコードを受け入れても、その理解、修復、文書化に多くの時間を費やす可能性がある。

報じられているMechanizeからの採用は、Googleがより厳しいテストを設計する助けになるはずだ。ただし、慎重なデプロイと透明性のある測定の必要性をなくすことはできない。

これが、この取引をGoogleがエージェント型コーディングを解決した証拠として扱うべきでない理由である。これは、失敗を発見し修正するための仕組みへの投資だ。

懐疑的な見方は単純明快だ。Googleは、参画したチームが形作った環境内でスコアを改善できても、未知の顧客業務において同等の信頼性を実現できない可能性がある。

楽観的な見方にも説得力がある。現実的な環境に専念するチームは、モデルを短い回答型のコーディングの先へ押し出し、顧客が遭遇する前に弱点を露呈させられる。

どちらの見方も、同じ検証基準に行き着く。Googleは、学習システムを前提に設計されていないリポジトリ、言語、ツール、ワークフローをまたいで一般化できることを示さなければならない。

取引の成否を示す三つのシグナル

次に注目すべき証拠は、製品、独立した評価、Mechanizeの継続的な事業運営の順に現れるはずだ。

最初のシグナルは、参画したチームの仕事を明確に反映したGoogleのコーディングエージェントのリリースである。意味のある更新は、単に孤立したコード断片の生成を改善するだけでなく、継続的な実行能力を向上させるべきだ。

大規模リポジトリを調査し、連携した編集を計画し、テストを実行し、エラーから回復し、変更内容を説明できるエージェントに注目したい。Googleは、こうした挙動をどのように測定するのかも説明すべきである。

新たな学習環境との明示的なつながりがあれば、Mechanizeの統合が成果を生んでいるという根拠は強まる。曖昧なモデルアップグレードでは、はるかに弱い証拠にとどまる。

二つ目のシグナルは、独立した長期評価における性能である。Googleが管理するスコアは開発を導けるが、信頼できる比較には外部テストが必要だ。

単一のベンチマークで結果を決めるべきではない。異なるリポジトリ、プログラミング言語、ツール、採点方法にわたって、結果が引き続き強いものである必要がある。

一般化可能性は、単一の公開タスクでの劇的な勝利よりも重要だ。Geminiベースのエージェントが無関係な評価でも改善を示すなら、この取引の背後にある仕組みはより説得力を持つ。

開発者は、完了率だけでなく信頼性も比較すべきだ。より多くのタスクを完了しても、微妙な回帰を持ち込むエージェントは、コストの高いレビュー負担を生み出す。

3つ目のシグナルは、Mechanize自体に何が起きるかだ。研究の継続、ベンチマークの維持、新規採用、活発な顧客対応が見られれば、残る企業が意味のある独立性を保っていることを示す。

公の場での存在感が縮小すれば、この取引は事業運営の中核を取得する買収に近いものだった可能性を示唆する。その結果は、逆アクハイヤーをめぐる疑問をさらに強めるだろう。

BarnettとErdilの役割も重要になる。彼らの今後の仕事は、Mechanizeが創業者主導の組織として存続するのか、それともライセンス資産を取り巻く縮小した抜け殻となるのかを明らかにしうる。

このシグナルでは、規制当局の動向にも注意を払うべきだ。情報提供の要請や政策指針は、Googleなどの企業が今後の人材契約をどのように構成するかに影響を与える可能性がある。

開発者にとって実践的な対応は、無関心ではなく忍耐だ。GoogleとMechanizeの人材取引はDeepMindに信頼できる専門知識を加えるが、組織に関するニュースだけでワークフローが改善するわけではない。

自社のリポジトリに近い環境で、結果として生まれる製品を評価すべきだ。レビュー時間、失敗したタスク、回帰、権限要求、生成された説明の明瞭さを追跡しよう。

エンタープライズの購買担当者は、ベンダーが評価をどのように設計し、ベンチマークへの過適合をどう防いでいるのかを問うべきだ。また、セキュリティ、保守性、なじみのない社内コードに関する証拠も求めるべきである。

ナレッジワーカーは、このより広範な実験を注視すべきだ。Mechanizeはソフトウェアの枠を超える使命から始まり、コーディングはその自動化仮説を検証する最も明確な試金石となる。

環境主導のトレーニングによって信頼できるコーディングエージェントが生まれるなら、同様の手法は他のコンピューター業務にも広がるだろう。成果がベンチマークの範囲にとどまるなら、より広範な自動化に関する主張は大幅な見直しを迫られる。

Googleは、それらのテストを作ることを専門とする人材を獲得した。今やテストは信頼できる製品にならなければならず、その製品はGoogleが想定していない業務にも耐えなければならない。