コードを書く時代からAgentを育てる時代へ：ジェンスン・フアンが「次のChatGPT」と呼ぶ「ロブスター」の実力とは

AI Agentは、「やり方を知っている」ことと「実際にやる」ことの距離をなくしつつあります。OakMegaのシニアバックエンドエンジニアであるShaneは、この変化をひと言で表現します。「ロブスター・モデル」――実行はAIに任せ、エンジニアは設計と判断のポジションに戻る、という考え方です。以下は、彼が現場で得た一次情報です。

目次

Q1 なぜ「ロブスター」と呼ばれるのか？

Q2 具体的な流れは？

Q3 なぜエンジニアに似ていると言われるのか？

Q4 従来のエンジニアリングとの違いは？

Q5 ロブスター・モデルにリスクはあるのか？

おわりに

‍

OpenClawではなく、なぜ「ロブスター」と呼ばれるのか？

Q：このツールの名前にはどんな由来がありますか？

OpenClawが「ロブスター」の愛称で呼ばれる理由を説明する前に、そのユニークな改名の歴史に触れておきます。OpenClawの最初の名前はClawd（Clawdbotとも呼ばれた）で、わずか1週間のうちにMoltbotへ改名し、最終的にOpenClawに落ち着きました。

最初のClawdから最後のOpenClawまで、どの名前にもClaw（ハサミ）という単語が入っています。作者のPeter Steinbergerの意図は明確で、このツールを「a playful pun on 'Claude' with a claw」、つまり遊び心のあるダジャレにしたかったのです。ClawdとClaudeの発音が近いことを生かしつつ、「ハサミ」のイメージから直感的にロブスターを連想させ、強く印象に残るようにしています。この生き生きとしたイメージが開発者の枠を越えて広まり、中国語圏のコミュニティでは親しみを込めて「小さなロブスター」と呼ばれるようになりました。

この比喩が共感を呼んだのは、AI Agentの魅力の本質を突いているからだと私は考えています。エンジニアの世界には動物のモチーフがあふれています。Pythonはニシキヘビ、Firefoxはキツネ。でも「ニシキヘビを飼っている」とは誰も言いません。AI Agentは違います。パソコンにインストールされた単なるツールではなく、本当に仕事を手伝ってくれる生きたアシスタントのような存在です。「ロブスターを飼っている」という言い方は、AI Agentに対して抱く、少し頼りきってしまう気持ちと、少し誇らしい気持ちが入り混じった不思議な感覚を見事に捉えています。

ロブスター・モデルの具体的な流れは？

Q：1つのタスクは実際にどのように動くのですか？

OpenClawの仕組みを理解するには、まず従来のAIチャットサービスとの本質的な違いから見ていく必要があります。

この2〜3年、私たちの使い方はこうでした。ChatGPTやClaudeを開いて質問を入力し、AIが「答え」を返すのを待つ。それは文章かもしれないし、コード、画像、スライドかもしれません。しかし答えを受け取った後の作業は、すべて人間が行う必要がありました。文章をメールにコピーし、コードを開発環境に貼って実行し、画像をダウンロードしてプレゼン資料にアップロードする。率直に言って、この一問一答のやり取りは、AIを少し賢い検索エンジンにしただけで、本当の意味での「協働者」にはしていません。

OpenClawのようなAI Agentの決定的なブレークスルーは「環境」にあります。パソコンに直接インストールされ、豊富なpluginとtoolのエコシステムによって、AIは質問に答えるだけでなく、自ら手を動かして実行できます。さらに重要なのは、Telegram、Slack、Discordなどのメッセージツールと深く連携している点です。パソコンの前に張り付いていなくても、メッセージを1通送るだけでAgentにタスクを指示でき、完了すれば向こうから結果を報告してくれます。いつでも呼べて、残業に文句ひとつ言わないリモートアシスタントのようなものです。

では、1つのタスクは実際にどう動くのか

「今四半期の競合分析レポートをまとめて」という依頼を例にすると、流れはおおよそ次のとおりです。

1. 指示を受け取る：SlackでOpenClaw Botに「今四半期の競合分析をまとめて、Google Slidesで出力して」と送ります。Agentは指示を受け取り、タスクの目的を理解します。
2. 実行ステップを計画する：Agentが自らタスクを分解します。まずWebで競合情報を収集し、構造化したアウトラインに整理し、そのうえでスライドの内容を生成する、という具合です。
3. ツールを呼び出して順に実行する：
   • Webブラウジングツールを呼び出し、競合の公式サイト、プレスリリース、レビュー記事を検索
   • 重要な情報を整理・要約
   • Google Slides APIを呼び出し、対応するページとグラフを自動生成
4. 判断に迷えば自ら確認する：ある競合の価格情報が不確かな場合、Agentは作業を止め、Slackで「XX社のEnterpriseプランの価格が見つかりません。スキップしますか、それとも推定値を使いますか？」と自分から確認してきます。
5. 完了したら報告する：タスクが終わると、AgentはSlidesのリンクを送り、どのデータをどこから集めたかを説明する実行サマリーも添えてくれます。

この一連の流れで、あなたが使うのは指示に30秒、待ち時間に5分ほど。それで、普段なら半日かかるかもしれないレポートが手に入ります。AI Agentの威力は、あなたより賢いことではありません。「やり方を知っている」と「実際にやる」の間の距離を完全になくせることにあるのです。

初めて使ったエンジニアが「鏡を見ている」と感じるのはなぜか？

Q：この働き方はエンジニアに似ていると言われますが、その例えはどこから来ているのですか？

エンジニアの本質は、ソフトウェアで問題を解決することです。この定義に照らすと、OpenClawの動作ロジックは確かにエンジニアと非常によく重なります。

この進化を時系列で見てみましょう。初期のChatGPTは、エンジニアにより強力な頭脳を与えるものでした。アーキテクチャ設計、境界条件、ロジックの推論が、一人で考えるものからAIと一緒に決めるものへと進化しました。続いてCursorのようなツールが登場し、エンジニアは明確な要件と手順を示すだけで、AIがコードを書き、エンジニアはレビューと方向修正に集中できるようになりました。これが、今では広く知られるVibe Codingです。

OpenClawは、この2つの段階を1つにまとめます。問題解決のアーキテクチャと実装計画を自ら作り、その計画に沿ってコードを書き、外部ツールを呼び出し、実行結果を検証していきます。プロセス全体が、エンジニアの仕事の進め方そのものをなぞっています。まずやり方をしっかり考え、それから手を動かしてやり遂げる、というものです。

だからこそ、OpenClawを初めて本格的に使ったエンジニアは、しばしば「鏡を見ている」ような不思議な感覚を覚えます。それはあなたの思考を置き換えるのではなく、あなたの思考パターンを形にし、自動化し、10倍の速さで代わりに実行してくれるのです。

従来のエンジニアリングと比べて、最も本質的な違いは？

NotionのCEOであるIvanも最近のインタビューで、私たちは「How should we build」から「What should we build」へと移ったと指摘しています。

Q：これはエンジニアの役割の定義にどんな影響を与えますか？

最も大きな変化は、「エンジニアの役割」の再定義です。これまで、ジュニアエンジニアの中心的な価値は「コードを実装する力」にありました。要件を動くプログラムに落とし込めるか、このバグを直せるか。しかしAI Agentが普及する時代には、こうした仕事はますますAIに任されるようになり、エンジニアの希少価値はより高い抽象レイヤーへと移っていきます。

エンジニアは自らを「Coder」と位置づけるのをやめ、問題を解決する設計者・意思決定者になるべきです。優れたユーザー体験をどう設計するかを考え、費用対効果に見合うアーキテクチャを選定し、AIが生成したコードが品質とセキュリティの基準を満たしているかを確かめる。コードを書くこと自体は、AIで大幅に自動化できる工程になります。エンジニアの時間は、AIには代替しにくい判断と創造に使うべきです。

目標は変わりません。高品質なソフトウェアを生み出す必要があることは同じです。ただ、そこに至る道筋が変わりました。同じ時間で、エンジニアはより多く、より複雑な課題を同時に進め、かつてはもっと大きなチームが必要だったプロダクトを作れるようになります。

私はこの変化を、「製造」から「設計とサービス」への転換だと表現しています。エンジニアの軸は「それを作ること」から、「それを明確に定義し、AIに正しく作らせ、本当に正しくできたかを確認すること」へと移ります。実装を深く掘り下げることに慣れたエンジニアにとっては少し不安かもしれません。しかし私は、これこそがエンジニアという職業がより大きな影響力を持つようになる出発点だと考えています。

ロブスター・モデルで見過ごせないリスクとは？

Q：最近、Meta のAI専門家が「ロブスター」に裏切られたというニュースが大きな話題になり、「AI Agentはできることが多く権限も強い。問題が起きたら深刻なのでは？」と考える人が増えています。

そのとおりで、決して軽視できません。AI Agentはできることが多く、権限が強く、動きが速い。だからこそ、ひとたび問題が起きれば、その影響範囲は従来のツールよりはるかに大きくなります。以下では、OpenClawで知られている主なリスクと、それぞれの対策をいくつかの観点から整理します。

• 修正済みの深刻な脆弱性：ClawJacked
  2026年初め、セキュリティ研究企業のOasis Securityが、OpenClaw Gatewayの「ClawJacked」と呼ばれる深刻な脆弱性（CVE-2026-25253、CVSS 8.8）を公表しました。根本原因は見落とされがちなセキュリティの盲点で、ブラウザのWebSocket接続は同一オリジンポリシー（CORS）の制限を受けません。通常のHTTPのクロスオリジンリクエストはブラウザにブロックされますが、WebSocketのハンドシェイクは対象外です。サーバー側が `Origin` headerを能動的に検証しない限り、どのWebページからでもローカルのGatewayに接続できてしまいます。初期のOpenClawはまさにこの検証を行っておらず、さらにloopback接続にはレート制限がまったくありませんでした（失敗した試行はカウントもスロットリングもされない）。そのため、悪意あるサイトのJavaScriptが、ユーザーに気づかれることなく毎秒数百回のペースでパスワードを総当たりできました。よくあるパスワードなら1秒以内に突破されることも多く、攻撃者はそのままAgentの完全な制御権を密かに奪えます。さらに、Agentが攻撃者のサイトにアクセスしたり、ユーザーが悪意あるリンクをクリックしたりすると、主要な認証tokenがそのまま漏えいするおそれもあり、これはすべての制御権を差し出すのと同じです。幸い、これらの脆弱性はv2026.1.29で修正済みです。WebSocketの `Origin` headerの検証を必須にし、想定外のオリジンからの接続を拒否する方式です。お使いのOpenClawがこれより古い場合は、すぐにアップデートしてください。
• アーキテクチャ設計のリスク：複数人で共用する危うさ
  たとえば、社内のSlackにOpenClaw Botを設置し、Google Drive、Shellコマンド実行、メール送信などのツールと連携させて、部署の全員が使えるようにしたとします。このシナリオには、見過ごせないリスクが2つ潜んでいます。
  
  • セッション分離の不足：OpenClawのデフォルトでは、すべてのDMが同じ「main」sessionを共有します。つまり、AliceがBotに作成を頼んだばかりの契約書の下書きが、Bobの次のメッセージで「前の文書」として誤って扱われ、受け取るべきでない人に送られてしまう可能性があります。
  • 権限を越えたツールアクセス：Botは個々のユーザーではなく、自分自身のIDでツールを呼び出します。そのため、Carolに給与表の閲覧権限がなくても、Botに指示さえ出せれば、Botが自分の認証情報でその文書を読み、結果を彼女に返してしまうかもしれません。
  • さらに深刻な脅威がPrompt Injectionです。悪意あるユーザーが、Botに渡す文書の中に隠し指示（白地に白文字など）を仕込むと、Botは「文書を整理する」過程で、ほかのユーザーの会話履歴を盗む、外部にメールを送るといった悪意ある操作も同時に実行してしまいます。これは理論上の攻撃ではなく、実際に実行可能なシナリオです。
• 設定ミスのリスク：見えない攻撃対象領域
  デプロイ時の問題の多くは、OpenClaw自体の脆弱性ではなく、不適切な設定から生じます。
  
  • ネットワークへの露出：Gatewayを `0.0.0.0`（LANモード）にバインドすると、インターネット全体に公開しているのと同じです。攻撃者はShodanで特定のportをスキャンするだけで、世界中の露出したOpenClawインスタンスを見つけられます。多くの解説動画がLANモードを積極的に勧めていますが、このリスクを十分に説明していないことがよくあります。
  • URLに含まれるtoken：初期のOpenClawは、デフォルトでアクセスtokenをURLのquery parameter（`?token=xxx`）に付けていました。これでは、tokenがブラウザの履歴やサーバーのlogに残り、Referer headerを通じて外部サイトに漏れることさえあります。正しくは、tokenをHTTP Authorization headerに入れることです。
  • root権限での実行：高い権限のアカウントでOpenClawを直接起動すると、Agentが侵害された時点で、攻撃者はマシン全体の完全な制御権を握ることになります。すべてのファイルを読み取り、バックドア用のアカウントを追加し、ほかのシステムへ横展開することも可能です。

この3つの問題は、単独で見ればどれも「小さな問題」です。しかし組み合わさると――外部への露出＋tokenの漏えい＋root実行――典型的なシステム全体の乗っ取りシナリオになります。基本的な対策として、OpenClawを利用中またはデプロイを検討中なら、次の点を優先的に実施することをおすすめします。

1. 直ちにv2026.2.25以降へアップデートし、ClawJacked脆弱性が修正されていることを確認する
2. Gatewayは `0.0.0.0` ではなく `127.0.0.1` にバインドし、リモートアクセスにはTailscale VPNを使う
3. 強固なパスワード認証を有効にし、tokenがURLに含まれないようにする
4. root以外の専用の低権限アカウントで実行し、コンテナのサンドボックスで分離する
5. 社内で複数人が共用する場合は、session分離とツールのアクセス権限の設計を必ず検討し、権限を越えた操作が起きないようにする
6. 定期的に `openclaw security audit` を実行して設定状況を確認する

‍

AI Agentの時代、エンジニアの競争力の源泉は移りつつある

私たちは今、興味深い転換点に立っています。AIは「質問に答えられる」段階から「自ら仕事をこなせる」段階へと進化しました。一見小さな一歩ですが、実は人と機械の協働のロジックそのものを作り変えています。

ロブスターが人を惹きつけるのは、何でもできるからではありません。「アイデアを現実にする」ことの摩擦を大きく減らしてくれるからです。かつてはチームで半日かけていたタスクも、今では明確な指示1つで済むかもしれません。これはエンジニアを置き換えるのではなく、エンジニアが下す一つひとつの判断の影響範囲を広げるものです。

ただし、この記事の後半で触れたリスクのとおり、大きな力には大きな責任が伴います。ロブスターを飼うなら、世話の仕方や制限のかけ方、どこへ行ってよくてどこへ行ってはいけないのかを理解しておく必要があります。設定を誤ったAI Agentは、設定を誤ったサーバーよりも危険になり得ます。受け身でデータをさらすだけでなく、自ら動いてあなたの代わりに行動するからです。

これから最も競争力のあるエンジニアは、最も多くコードを書く人ではなく、AI Agentをどう指揮し、レビューし、信頼し、制約するかを最もよく理解している人です。このロブスターは、うまく育てれば頼もしい戦力に、育て方を誤れば火種になります。そして、どううまく育てるかこそが、この時代のエンジニアが最も深く考えるべきテーマなのです。

ロブスター以外にも、Manus、Claude、Antigravity、Perplexity Computerなど、同様の可能性を追求しているサービスは数多くあります。

あなたの仕事の領域では、どんなツールを導入していますか？そして、どんなブレークスルーを生み出しましたか？

👉 ぜひ私たちとお話ししましょう

インタビュイーについて：ShaneはOakMegaのシニアバックエンドエンジニアです。AIツールの導入とバックエンドシステムのアーキテクチャ設計を専門とし、LLMの活用と開発者向け生産性ツールの実務への定着に長く関心を寄せています。

参考資料：Oasis Security、SecurityWeek、Kaspersky、The Hacker News、Bitsight、Giskard、OpenClaw公式ドキュメント