AIとの仕事、チャット履歴だけで管理していない？ GitHub最新事例が示す「進捗を会話の外へ出す」運用
2026年8月17日、GitHubはAIエージェントとの長い仕事をチャットだけで管理すると、計画、決定事項、検証結果、人間が承認すべき箇所などが長い会話ログの中へ埋もれやすいとして、GitHub Copilot appのCanvasesを使った運用例を公開しました。GitHubは、チャットは目的や相談を伝えるには優れている一方、長時間・複数工程の実行では状態管理に弱くなりやすいと説明しています。紹介されたJava Modernization StudioやSite Studioでは、「今どの工程か」「何が決定済みか」「何が未確認か」「どこで人間の承認が必要か」を持続的な画面へ出し、AIと人間が同じ状態を確認できるようにしています。これはGitHub担当者による実践事例であり、すべての業務で生産性向上を証明した研究ではありません。ただしNISTも2026年3月のAIシステム監視レポートで、実環境のAIについて、動作・品質・人間との相互作用・セキュリティなどを継続的に監視する重要性を整理しています。AIへ長い仕事を任せる時は、プロンプトを長くするだけでなく、「現在地」をチャットの外でも確認できる状態を作ることが重要になっています。
- ChatGPT・Copilot・Claudeなどへ複数工程の仕事を任せる人
- AIエージェントを業務で使う人
- AIとの長いチャットから必要な情報を探すことが増えた人
- 複数人でAIを使って仕事を進めるチーム
- AIへ制作・調査・開発を継続的に任せたい人
長期間AIと仕事を進める場合は、「最新状態」「決定済み事項」「未確認事項」「人間の承認待ち」を会話とは別に確認できる場所へ残してください。AIが覚えているかどうかではなく、人間も現在地を確認できる状態にすることが重要です。
身近な事例を知る
AIと3日間かけてWebサイトを更新していたら、「結局どの案を採用したんだっけ？」となった
初日はページ構成を相談し、2日目にAIが文章とコードを修正、3日目には追加要望を出しました。チャットにはすべて履歴が残っています。しかし「採用済みの仕様」「まだ検討中の案」「AIが変更したファイル」「人間が確認していない箇所」が何十件もの会話へ散らばり、最新状態が分からなくなりました。GitHubが2026年8月17日に公開した実践例では、こうした状態をチャットだけで追うのではなく、工程、ドラフト、判断、承認ポイントを持続的なCanvasへ表示する方法が紹介されています。
あなたならどうする？
まず一つ以上選んでから確認してみてください。
推奨される行動- 現在の工程・決定済み事項・未確認事項・人間の承認待ちを一覧化する
選んだカードの表示を見ながら、今回はどの行動が安心につながるか確認できます。
GitHubの最新事例では、長いエージェント業務で重要なのは、工程を明確にする、重要な判断を表面化する、進捗とドラフトを持続的に保存する、人間の承認ポイントを明示する、という4つのパターンだと整理されています。チャット履歴を捨てる必要はありませんが、履歴は「何が起きたか」を残す場所、状態表は「今どうなっているか」を見る場所、と役割を分けると管理しやすくなります。
確認ポイント
現在のステータスが一目で分かるか
「調査中」「初稿完成」「確認待ち」「修正中」「公開可能」など、今どの段階なのかを会話を読み返さず確認できる状態にします。
決定済みと提案中を分けているか
AIが出した案と、人間が正式に採用した仕様を同じ扱いにすると、後から古い案が復活する原因になります。
人間の承認が必要な場所が見えるか
GitHubの実践例では、エージェントが作業を進めつつ、人間が判断すべきチェックポイントを明示する構造が重視されています。
最新ドラフトがどれか分かるか
チャット内で何度も文章や仕様を書き直すと、どれが最新版か分からなくなることがあります。正本となる成果物を一つ決めます。
AIが実行した変更を確認できるか
「何を変更したか」「何を検証したか」を記録しておくと、人間は会話全文ではなく差分や重要箇所へ集中できます。
未解決事項が別に残っているか
AIが答えられなかった点や人間判断が必要な点を未確認リストへ残すことで、完成したように見える成果物の中に未解決事項が埋もれるのを防げます。
会話ログをそのまま業務台帳にしていないか
履歴は詳細な経緯確認には便利ですが、最新状態の把握には情報量が多すぎる場合があります。状態管理と履歴管理を分けます。
特定のUIを使えば自動的に安全になると思っていないか
GitHubのCanvasesは一つの実装例です。スプレッドシート、タスクボード、文書、Issueなどでも、状態・決定・承認点を明示できれば同じ考え方を応用できます。
現時点での見立て
生成AIとのチャットは、相談、発想、指示には非常に便利です。しかしAIが長時間の仕事を実行するようになると、チャットだけでは計画、実行、修正、承認が同じ時系列へ混ざります。GitHubが2026年8月17日に紹介したCanvasesの実践例では、エージェントの状態を持続的な共有画面へ出すことで、人間が進捗、判断、検証、承認箇所を確認できる構成が採用されています。これは特定製品だけの話ではありません。AIとの仕事が長くなるほど、「会話を保存する」ことと「現在状態を管理する」ことを分ける考え方が役立ちます。
安全な対処方法
安心につながる行動
- 長いAI業務では簡単なステータス欄を作る「未着手・作業中・確認待ち・完了」だけでも、長いチャットを毎回読み返す必要を減らせます。
- 決定事項だけを別欄へ移すAIの提案と正式採用した内容が混ざることを防げます。
- 未確認事項を明示するAIが回答できなかったことや、人間がまだ確認していない点を完成物から分離できます。
- 正本となるファイルや文書を一つ決めるチャット内に複数の最新版候補が生まれることを防げます。
- 人間が確認する工程をステータスとして残すAIが作業を終えたことと、人間が承認したことを区別できます。
- AIに現在状態を定期的に要約させる「決定済み・作業中・未確認・次の作業」に分けて整理させれば、状態表の更新補助としてAIを利用できます。
- 繰り返す仕事では状態管理の型をテンプレート化する記事制作、調査、開発、資料作成などで同じ項目を再利用すれば、毎回ゼロから管理方法を決める必要がありません。
避けたい行動
- チャット履歴が残っているので進捗管理は不要と考える履歴が存在することと、現在状態をすぐ確認できることは別です。
- AIが「完了しました」と言った時点で人間承認も完了扱いにするAIの作業完了と、人間による品質確認・採用判断は分けた方が安全です。
- 古い提案と採用済み仕様を同じ文書へ混ぜ続ける後からAIや人間が古い案を最新版だと誤認する可能性があります。
- 状態管理を細かくしすぎて、管理作業そのものを増やすすべての発言を台帳化すると、AIで減らした作業時間を記録作業で使うことになります。重要な状態だけ残します。
- GitHub Canvasを使わなければ同じ運用はできないと思う今回の記事はGitHub上の一つの実践例です。タスク管理ツール、スプレッドシート、Issue、Markdownなどでも考え方は応用できます。
- このGitHub事例を「Canvasを使えば生産性が上がると証明された研究」と紹介する2026年8月17日の記事はGitHub担当者による実践事例であり、統制実験や一般的な生産性効果を測定した研究ではありません。
AIの前向きな活用
AIを「チャット相手」から「進行ボードを更新する担当者」へ広げる
AIは成果物を作るだけでなく、仕事の現在状態を整理する役にも使えます。例えば作業終了時に「今日決まったこと」「変更したこと」「未確認」「次回やること」を4項目で更新させれば、人間は次の作業開始時に長い会話を読み返さずに済みます。GitHubのCanvasesは、この考え方をインタラクティブな共有画面として実装した一例です。NISTも、実運用中のAIについて、機能、品質、人間との相互作用、セキュリティなどを継続的に監視する必要性を整理しています。AIに仕事を任せる範囲が広がるほど、「作らせるAI」と同時に「状態を見えるようにするAI」を使う価値も高まります。
- 記事制作で「構成決定済み・本文作成中・出典未確認・公開承認待ち」を一覧化する
- AI開発で「実装済み・テスト済み・人間レビュー待ち」を分ける
- 調査案件で「確認済み情報・未確認情報・追加調査」を毎回更新する
- 会議資料作成で「採用した数字・仮置き数字・要確認」を分ける
- AIとの作業終了時に次回引き継ぎ用の状態サマリーを作る
- 複数人でAIを使う場合、チャットではなく共有ボードを現在状態の正本にする
今回、覚えておきたいこと
AIとの会話は履歴、進行ボードは現在地。長い仕事では両方を分けて持つ。
情報源
- How canvases make agentic workflows visible, steerable, and cost-efficient（外部リンク） GitHub 公式発表
- How to bring your software delivery workflow into GitHub with agent apps（外部リンク） GitHub 公式発表
- New Report: Challenges to the Monitoring of Deployed AI Systems（外部リンク） National Institute of Standards and Technology 官公庁
- Challenges to the Monitoring of Deployed AI Systems（外部リンク） National Institute of Standards and Technology 官公庁
誠主任からひとこと