僕たちは、AI の仕事を2つに分けています。指示とレビューと判断は Claude、実装や資料の生成といった手を動かす作業は Codex です。この分担をすべての作業の決まりにしてから3週間ほど経ち、うまく回る場面と、決まって詰まる場面がはっきりしてきました。
結論を先に書きます。壁のほとんどは、Codex の能力ではなく、僕たちの渡し方の問題でした。どこまでやってよいか、何をもって終わりとするか、どう確かめるか。この3つを指示書に書くと、手戻りはかなり減りました。この記事では、実際に踏んだ4つの壁と、それぞれの潰し方を書きます。
分担の形と、モデルの使い分け
分担の考え方は、AWS で言えば流れの制御と個々の処理を分ける形に近いです。Step Functions が流れを持ち、Lambda が個々の処理をする。僕たちの場合は、Claude が要件を整理して指示書を書き、Codex が作業し、Claude が差分とテスト結果と描画した画像を見て、差し戻すか報告するかを決めます。人は方向を決めて、最後の責任を持ちます。
分けた理由は2つあります。1つは、判断の場所を1つにしたかったからです。作業を並列に何本走らせても、判断する場所が1つなら方向がぶれません。もう1つは、作業の記録と判断の記録を分けたかったからです。誰が何を作り、誰がなぜ通したのかが分かれていれば、差し戻しのときに前提が食い違いません。
Codex のモデルは場面で使い分けています。ここではモデルの名前ではなく、役割で書きます。
| 場面 | モデル | 理由 |
|---|---|---|
| 初回の制作(新しい実装・資料・画像の1回目) | 上位のモデル | 最初の形で品質の上限が決まるため |
| 2回目以降の修正・調整・量産 | 標準のモデル(既定) | 直す場所が決まっていれば十分に足り、速い |
| 手戻りが多い、高い品質が要る修正 | 上位のモデル(推論を最も強く) | 標準のモデルで直らないものを引き上げるため |
この表に落ち着くまでに、決まりを何度か変えています。「修正は差し戻しのときも標準のモデルだけ」「画像は枚数で上位と標準を分ける」といった決まりを試しました。初回の品質が足りない、手戻りが減らない、という理由で捨てています。今は「初回かどうか」を成果物の単位で判断します。上位のモデルは標準のモデルより遅く、利用枠の減りも速いです。それでも初回に使うのは、最初の形が弱いと修正の往復が何度も続き、その往復のほうが時間も利用枠も多く使うと分かったからです。新しい画像を何枚か作るなら1回目はすべて上位のモデル、そのうち数枚の直しは標準のモデルです。
委任は、Codex の CLI の非対話の実行(codex exec)を包んだ1本のシェルスクリプトから行います。中で組み立てているのは、次のようなコマンドです。モデルの名前は、手元で使えるものに置き換えてください。オプションは版によって変わるので、使う前に codex exec --help で確かめてください。
# 初回の制作。上位のモデルを指定し、作業場所だけ書き込めるようにする
timeout 1800 codex exec \
--model <上位のモデル> \
--sandbox workspace-write \
--cd ./work \
"$(cat instructions.md)" < /dev/null
# 手戻りが続く修正。推論の強さを上げる
timeout 1800 codex exec \
--model <上位のモデル> \
-c model_reasoning_effort=high \
--sandbox workspace-write \
--cd ./work \
"$(cat fix.md)" < /dev/null
# 終了コード 124(timeout による打ち切り)なら、指示を分けて1回だけ再実行する修正は --model を省いて既定のモデルで流します。利用制限に当たったときは、スクリプトが決まった終了コードを返し、その場合だけ Claude が代わりに作業します。最後の < /dev/null で標準入力を閉じているのは、閉じないと Codex が入力待ちのまま止まることがあったからです。

壁1 画面を見ないまま「完了」と報告される
最初に何度も踏んだのがこれです。Codex に画面の実装を任せると、型の検査もテストもビルドも通った状態で「完了」と返ってきます。ところが、僕たちが使っている設定のサンドボックスでは、Chromium を起動できず、ローカルの開発サーバーのポートも開けません。Codex は画面を一度も見ていないのです。
報告には正直に「画面の目視は未実施」と書いてあります。ただ、指揮役がそこを読み流すと、崩れは後の確認まで見つかりません。実際に、列幅が足りずに選択欄の文字が途中で切れていたことがありました。停止のボタンを押したのに、関係のないダウンロードのボタンまで読み込み中になっていたこともあります。
対策は2つです。1つ目に、画面の確認が要る作業はサンドボックスを外して全権限で動かします。その代わり、指示書の冒頭に禁止事項を明記します。
## 権限
- 全権限で実行する(ブラウザーと開発サーバーを使うため)
- 禁止: commit / push / デプロイ / AWS への書き込み / 依存の追加 / サーバーの停止
- 端末のカメラやマイクに触れる許可を与えない
## 確認(自分で回して、結果を報告に貼る)
- 確認用のスクリプトを実行し、全ルートのコンソールエラーが 0 件であること
- 幅 1440px と 375px、ライトとダークの4通りで撮影すること
- 撮影した画像のパスを報告に列挙すること
- 縦に長い画面は、最下部までスクロールできることを測ること2つ目に、確認用のスクリプトと合格条件を指示書に書いて、Codex 自身に回させます。「確認しておいて」と書いても、何も確かめません。どのスクリプトを、どの条件で回し、何が出たら合格かを書くと、Codex は自分で直してから返してきます。指揮役は、貼られた画像を見るだけで済みます。
カメラとマイクの1行には理由があります。全権限で外部のサービスを試させたとき、端末のカメラが起動しかけたことがありました。全権限にするなら、触ってほしくない物を先に書いておく必要があります。
壁2 サンドボックスと30分の打ち切りに合わせて仕事を切る
僕たちの設定では、Codex のサンドボックスはネットワークと .git への書き込みを制限しています。そのため、依存パッケージの取得と git のコミットができません。作業用の worktree を作って Codex に渡すと、依存が無いので型の検査が始まらず、そこで止まることがありました。今は、指揮役が先に worktree に依存を入れてから渡しています。コミットは指揮役が差分を見てから行います。
もう1つは時間です。僕たちの委任スクリプトは、1回の実行を30分で打ち切ります。大きな機能を1回で頼むと、実装の途中や全体テストの途中で時間が切れ、どこまで終わったか分からない状態で返ってきます。
そこで、1回の指示を3つに分けました。
- 補完。実装を最後まで書き切る。終わりの条件は、型の検査とその機能の単体テストが通ること
- 全体テスト。全体のテストを回し、落ちたものを直す。終わりの条件は、全件が通ること
- コミットの準備。差分を整え、変更点と未確認の点を報告に書く
分けておけば、時間切れになっても失うのは1段だけです。どこから再開すればよいかも、報告を見れば分かります。
並列で何本も走らせるときは、もう1つ決まりがあります。共有するファイル(レイアウト、共通の部品、型)を先に1本で固め、各作業が書いてよい場所を指示書で決めることです。同じリポジトリで Nuxt のビルドを並列に走らせると出力先が衝突して止まるので、ビルドの出力先も作業ごとに分けます。
壁3 Codex の報告を、そのまま信じない
Codex の報告は、たいてい正しいです。だからこそ、外れたときに気づきにくいです。
先週の PC の引っ越しでは、資料を画像にすると日本語が消える問題を、Codex が「環境変数で解消した」と報告しました。描画結果を開くと消えたままで、原因はフォントの探し先の設定でした。
展示会用のデモデータを作らせたときも似たことがありました。まとまった数の業務の説明を頼むと、キーや件数や日付は契約どおりで、検証にも通ります。ところが説明文はほとんど同じ型の文で、業務の流れも全件が同じ形でした。検証に通ることと、人が見て自然なことは別です。
ここから決めたのは2つです。報告ではなく成果物を見ること。見る基準を数値にしておくこと。文章なら、業務名や部門名を伏せてから、文の重複の少なさと語尾の重複の割合を測ります。名前を伏せないと、名前だけ差し替えた定型文が「すべて違う文」に見えるからです。作り方も変えました。構造は標準のモデルで作り、文章は上位のモデルに1件ずつ書き直させる二段構えです。合格の数値は指示書に書き、Codex 自身に測らせます。
壁4 指揮役が手を出してしまう
最後の壁は、Codex ではなく Claude の側にあります。レビューで数行の直しを見つけると、Claude は自分で直してしまいがちです。そのほうが速く見えるからです。
僕はこれをやめさせました。ある機能の開発中に、実装後の小さな手直しを Claude が直接書き換えているのに気づき、「作業は Codex にやらせてね。指揮命令は Claude で」と伝えました。理由は2つあります。指揮役が作業を始めると、その数行を誰もレビューしない状態になります。そして、作業の記録が Codex の側に残らないので、次の差し戻しで前提が食い違います。
今は、レビュー後の数行の修正も、実機での確認中に見つけた修正も、Codex に差し戻します。ブラウザーやネットワークが要る確認も、全権限で動かして Codex 自身に回させます。Claude が自分で手を動かすのは、3つの場合だけです。要件が曖昧で設計の判断が要るとき。Codex に2回差し戻しても合格しないとき。Codex が利用制限のとき。

試してやめたことと、次にやること
やめたことも書いておきます。資料を作るたびに別の AI にデザインのレビューを毎回させる運用は、やめました。資料の見た目は、受けた指摘を数値の決まりに変え、作る段階で守らせる形に置き換えたからです。実装の差分やテスト結果のレビューは、今も指揮役が毎回行っています。分担を「利用枠が余っている間だけ」とする但し書きも外しました。分担は一時的な節約ではなく、品質のための仕組みだと考えるようになったからです。
次にやりたいのは、見た目の崩れを機械で拾う範囲を広げることです。今の自動の確認は、撮影とコンソールエラーの検査が中心です。文字の切れや要素の重なりは、指揮役が画像を見て判断しています。ここを測れるようになれば、指揮役の目視はもっと減らせると考えています。
AI に作業を任せるときに詰まるのは、たいてい渡し方です。同じように Claude Code と Codex を組み合わせている方がいれば、どこで詰まっているかをぜひ聞いてみたいです。




(別タブで開きます).webp&w=640&q=85)

.webp&w=640&q=85)






