AIエージェントは、質問に答える段階を超えつつあります。
彼らはますます、タスクを実行し、ソフトウェアとやり取りし、ワークフローを管理し、そして最終的には金融およびデジタルインフラ全体で運用することを求められるようになっています。
それによって新たな問題が生まれます。
無制限の行動権限を与えずに、AIエージェントに行動する能力をどう持たせるのでしょうか？
ここで @NEAR Protocol からの IronClaw 1.0 が興味深くなります。
思考から行動へ
従来のAIシステムは、主に回答を生成することを中心に動作しています。
エージェント型システムは異なります。推論し、意思決定し、外部システムとやり取りし、行動を実行する必要があります。
IronClaw 1.0は、意思決定と実行を分離することで、この移行によって生じるリスクに対処します。
そのアーキテクチャは、次のように簡略化できます:
THINK → GUARD → ACT
エージェントは何をしたいかを判断できますが、その行動は実行前に専用のGuardレイヤーを通ります。
これにより、AIの推論と外界に影響を与える能力の間に制御点が生まれます。
機密性の高い操作には明示的な承認が必要になり得ます。また秘密情報は、一回限りの使用を想定し、ログ、エラー、レポートに表示されないよう保護されています。
企業環境では、この違いは重要です。
もはや問いは、AIエージェントが賢いかどうかだけではありません。
重要なのは、その知能を適切な制御のもとで展開できるかどうかです。
ベンチマーク結果
NEAR AIは、deepseek-v4-flashを基盤モデルとして使用し、3つのエージェントベンチマークでIronClaw 1.0が優れた結果を示したと報告しました:
93.5% | PinchBench
88.6% | ClawBench
76.4% | OfficeQA
NEAR AIによると、IronClawはPinchBenchで次善のシステムを約4ポイント上回り、ClawBenchでは全体平均を約5ポイント上回りました。
OfficeQAでは、NEAR AIはHermesより約12%少ないエラー、OpenClawより15%少ないエラーを報告しました。
これらの数値は、適切な文脈で見るべきです。これは2026年7月のIronClaw 1.0リリースについてNEAR AIが報告した結果であり、今日のより広いベンチマーク順位についての主張ではありません。
より興味深いのは、IronClawがモデルの知能と、制御を中心に設計された実行アーキテクチャを組み合わせている点です。
エージェント体験を変える持続性
もう一つの重要な要素は、継続的なチェックポイント作成です。
AIエージェントは、ありふれた理由で失敗することがあります。
プロセスは停止することがあります。接続は切れることがあります。セッションは再開されることがあります。
持続的な状態がなければ、エージェントは自分が何をしていたのかという文脈を失ってしまう可能性があります。
IronClawのチェックポイント方式により、作業が中断されても、単に最初からやり直すのではなく再開できます。
それによって、エージェントは一時的なチャットセッションではなく、永続的なデジタルワーカーのように機能する方向へ近づきます。
IronClawは、CLI、Web、Slack、Telegramの間で共有メモリと安全性モデルも維持します。
それにより、エージェントの文脈を断片化することなく、インターフェースを変更できます。
NEAR AIの位置づけ
ここでも、NEAR AIとのつながりが重要になります。
NEARのより広いAIの方向性は、機密推論や安全な実行を含む、ユーザー所有で検証可能なAIインフラに焦点を当てています。
IronClawはエージェント層を表しています。
NEAR AIは、そのより広いエコシステムを支えるインフラの一部を表しています。
そしてネットワークの下には、もう一つの重要な要素であるステーキングがあります。
ステーキングはしばしば主に報酬の観点で語られますが、そのより深い役割は経済的な सुरक्षाです。
NEARはProof of Stakeを採用しており、バリデーターがネットワークを保護し、委任されたステークがトランザクション処理を行うインフラに経済的な裏付けを提供します。
AIエージェントが、状態の保持、トランザクションの実行、資産へのアクセス、あるいはネットワークをまたぐ調整のために分散型インフラへの依存を強めるにつれ、その基盤となるインフラの安全性はますます重要になります。
そのため、ステーキングは単なる利回りの仕組み以上のものになります。
それは、将来のAIエージェントが依拠できるインフラのセキュリティ基盤の一部になります。
より大きな全体像
IronClaw 1.0は、AIエージェントを評価する方法における重要な変化を示しています。
生の知能は、方程式の一部にすぎません。
有用な自律エージェントには、次の要素も必要です:
推論するための知能。
実行を制御するためのガードレール。
状態を維持する持続性。
さまざまな環境をまたいで動作するためのメモリ。
現実世界での行動を支える安全なインフラ。
それこそが、NEAR AIの方向性を特に興味深いものにしているのです。
次世代のAIエージェントには、何をすべきかを知るだけでは不十分です。
それをいつ実行してよいのか、どのように実行すべきか、そして何か問題が起きた場合に何が起こるのかを、信頼できる方法で判断する必要があります。
IronClaw 1.0は、そのモデルに向けた興味深い一歩です。
次世代のAIエージェントにとって、より重要なのはどちらだと思いますか: より良い推論ですか、それとも実行に対するより良い制御ですか?
参考文献
www.near.ai/blog/introducing-ironclaw-1-0
www.near.org/ai
docs.near.org/protocol/network/validators
github.com/nearai/ironclaw