えっ！？まだ生成AIを24時間動かしてないんですか？

AGI福岡 第10回 - AGI（汎用人工知能）をキーワードに、集い、交流し、議論しましょう。福岡をAGIの都に！
https://agifukuoka.connpass.com/event/387212/

で話したLTの内容です。

Transcript

1. えっ！？ まだ24時間⽣成AIを動かしてないんですか？ ⼈間が寝ている間も⽣成AIが働く 24時間稼働型AIエージェントチャレンジ 舞台裏にはたくさんの試⾏錯誤がありました。 ayane/綾祢 2026年5⽉7⽇ AGI福岡 第10回
2. 「LTの内容 1. はじまり：なぜ24時間AIを試したのか 2. 使ったもの：OpenClaw と Hermes Agent 3. できたこと：Docs解説ブログで形になったこと 4. 詰まったこと：運⽤して⾒えた難しさ 5. 学び：状態管理‧コンテキスト管理‧復旧⼿順 6. まとめ：やってみて感じたこと アジェンダ
3. ⾃⼰紹介 ✿ 旅とテクノロジーが⼤好きです ✿ 『綾祢は今⽇も旅をする。』 という雑記ブログを書いてます ✿ 最近のマイブームはAIを ⽣活の中で気軽に実験すること ✿ ChatGPT、Gemini、最近はClaude Codeがメイン。 ツールを問わずに触れるように⼼がけてます。 X: @blueb Website: https://ayatabi.net/
4. 「AIに毎朝レポートしてほしい」 ✱ そんな発想から始まりました。 ✱ 寝ている間にAIが情報を⾒て、 ✱ 朝には要点だけ受け取れる。 ✱ さらに、チャットやブログに 記録も残せたら便利そう！ ✱ さっそく試してみることにしました。 はじまり
5. 今回試した2つのAIエージェント OpenClaw AIニュース監視とDiscord連携を試すために使 いました。 ⽬指していたのは、AIが定期的に情報を⾒に⾏ き、必要なときにチャットへ知らせてくれる仕 組みです。 ただ、初⽇から想定どおりに動かない状態に なり、修復することも難しくなりました。 Hermes Agent 何を使ったか OpenClawで苦労していた時に、Hermes Agentが使えるタイミングが来ました。 そこで、ドキュメントを解説する記事を作成 してブログに投稿する仕組みを試しました。 1. ドキュメントを読む 2. 記事を書く 3. 投稿前に確認する 4. ブログへ投稿する この流れを、AIエージェントに段階的に進めて もらいました。
6. ⼀般的な情報をざっくり解説 OpenClaw いろいろなチャットアプリから、 AIに話しかけられるようにする仕組みです。 たとえば、Discord、Slack、Telegram、 WhatsAppなどから、AIに「これ調べて」「こ れまとめて」と頼める⼊⼝を作ります。 ざっくり⾔うと、 OpenClawは「AIと話す場所を増やす道具」で す。 Hermes Agent OpenClawとHermes Agentの違い AIに、複数の⼿順がある作業を続けてもらうた めの仕組みです。 たとえば、記事を書く、内容を確認する、 ファイルを扱う、ブログに投稿する、といっ た作業を順番に進めることを想定していま す。 また、過去の作業内容や学んだことを覚え て、次の作業に活かす考え⽅も持っています。 ざっくり⾔うと、Hermes Agentは「AIに作業 を続けてもらう道具」です。
7. ⼩さく分けると、24時間運⽤に近づけそうです ▷ AIニュース監視は、最初のきっかけでした。 ▷ 実際に形になったのは、Hermes Agent Docs や、OpenClaw Docs の解説ブログです。 ◦ 記事を作る。 ◦ 投稿前に確認する。 ◦ ブログへ投稿する。 ◦ 投稿後の状態を記録する。 ▷ こうした流れを段階に分けることで、 AIを継続運⽤する形が⾒えてきました。 できたこと
8. 実際に回すと、⽣成より先に「運⽤まわり」の確認が必要になりました １．OpenClawが想定どおり動かない AIニュース監視やDiscord連携を試そうとしましたが、初⽇から想定どおりに動かない状態になりまし た。途中から、チャットで相談することや、修復を進めること⾃体も難しくなりました。 そのあと4⽇後に再接続すると、なぜか復活していました。 「AIを動かす」よりも「動き続ける状態を保つ」難しさを感じました。 詰まったこと
9. 実際に回すと、⽣成より先に「運⽤まわり」の確認が必要になりました 詰まったこと ２．軽量運⽤のつもりが、想定以上にtokenを使いました 軽く動かすつもりでも、TPM（Tokens Per Minute：1分あたりに処理できるトークン量）の制限や、 コンテキスト肥⼤化に何度もぶつかりました。この検証期間中のAPI利⽤量は、約7⽇間で約52ドル、 約6,600リクエスト / ⼊⼒トークンが約2.3億になっていました。 試⾏錯誤にコストがかかることは想定していました。 ただ、想定外にtokenが肥⼤化することがあるため、利⽤上限‧通知‧停⽌条件などのガードレール は必須だと痛感しました。
10. 実際に回すと、⽣成より先に「運⽤まわり」の確認が必要になりました 詰まったこと ３．記事⽣成より、安定運⽤と状態管理が難しい 記事を作ること⾃体よりも、 「どこまで進んだか」 「何が投稿済みか」 「次に何を処理するか」 を管理する⽅が難しかったです。 state（状態） や artifact（成果物）を分けて残すなど、AIエージェントが次の作業を⾒失わないように する必要がありました。
11. 24時間AI運⽤に⼤事だった3つのこと 状態管理 どこまで進んだか、何を済ませたか。 次に何をするかを記録すること。 コンテキスト管理 AIに毎回どこまで情報を読ませるかを決めること。 読み込む情報が増えるほど、トークン使⽤量とコストも増えます。 復旧⼿順 もう⼀度実⾏してよいのか、⼆重投稿にならないか。 安全にやり直せるかを確認すること。 学び
12. まとめ 24時間AIエージェント運⽤をやってみて、 「作る」よりも「動かし続ける」ことの難しさを感じました。 今回の難しさは、 AIエージェントそのものだけでなく、 実⾏環境の⾒え⽅や、修復しやすさにもありました。 直接CLIやGUIで状態を確認できる、 中⾝が⾒えやすい環境なら、 もっと早く切り分けられたかもしれません。 ⼀⽅で、安定して動き始めると、 ⽬的に沿った作業を進めてくれそうな⼿応えもありました。 AIの精度向上とコスト低下が進めば、 24時間稼働型AIエージェントは、 これからも活⽤していきたいテーマだと感じました。