2025年までに、AIコーディングエージェントは一般的なソフトウェア開発の風景を一変させた。GitHub CopilotやClaude Codeといったツールは、Webアプリケーションやデータ処理スクリプトの作成にかかる時間を「日」から「分」に圧縮した。SWE-benchのような標準ベンチマークでは、最先端モデルが人間のエンジニアに匹敵するスコアを叩き出す。
ところが、同じモデルに携帯電話の基地局ソフトウェアを書かせると、状況は一変する。2026年6月に公開されたベンチマークTeleSWEBenchは、srsRAN 5Gリポジトリから抽出した734件の実タスクに対し、AIDER、OpenHands、ClaudeCodeなどの最先端エージェントを投入した。結果、最も優秀なツールでも「出荷可能な変更」の割合は25%にとどまった。別のベンチマークSWE-Bench 5Gでは、5Gコアネットワークのバグ修正タスクで解決率が10〜30%という数字が報告されている。
この断絶には構造的な理由がある。通信ソフトウェアは3GPP（Third Generation Partnership Project）が策定する数百本の技術仕様書に厳密に準拠しなければならず、API名を一つhallucinate（存在しない関数をでっち上げる）しただけで、基地局と端末の相互運用性が完全に壊れる。さらに、シミュレーション上で動いても実機の無線ハードウェアに載せたとたんに動かなくなる「sim-to-real gap」が常につきまとう。ノースイースタン大学の論文が指摘するように、LLMの既知の弱点がRAN（Radio Access Network、無線アクセスネットワーク）用途では増幅されるのだ。
「閉ループ」が欠けていた
では、なぜ汎用エージェントは通信分野でこれほど脆いのか。
従来のAIコーディングエージェントは、コードを書いて終わりか、せいぜいユニットテストを通すところで止まる。通信ソフトウェアの場合、本当の検証はそこから始まる。書いたコードが3GPP仕様に適合しているか、他ベンダーの機器と相互運用できるか、実機の無線環境で期待通りの振る舞いをするか。これらはシミュレーターの中では確認できない。
ノースイースタン大学のTommaso Melodia教授は、公式プレスリリースの中でこう述べている。「ブレイクスルーは単一のコーディングエージェントではない。ループを閉じることだ。GENESISは3GPPとO-RANの仕様を読み、コードを書き、シミュレーションから実機の無線まで連続するテストベッドで検証し、すべての結果を次のイテレーションにフィードバックする」（"The breakthrough isn't any single coding agent. It's closing the loop."）。
この「ループを閉じる」という発想が、GENESISを既存のAIコーディングツールと分かつ設計原理である。
3つのプリミティブと「記憶層」SYNAPSE
GENESISのアーキテクチャは、3つの合成可能なプリミティブ（構成要素）の上に成り立っている。
第一にエージェント。ドメイン固有の専門知識を持つAI推論器であり、仕様書の解析、コード生成、テスト実行といった役割ごとに分離されている。第二にスキル。インフラ操作を実行する決定論的かつパラメータ化された手順で、エージェントの「手足」にあたる。第三にフック。すべてのアクションの前後に発火するイベント駆動型の安全ゲートと監査証跡だ。
これら6つのパイプライン（SYNTHESIZE、TEST、HARDEN、OPTIMIZE、DISCOVER、SECURE）がRANのR&Dライフサイクル全体をカバーする。そして、すべてのエージェント判断の土台にあるのがSYNAPSEと呼ばれる知識層である。SYNAPSEは3GPPとO-RANの仕様書をキュレートして保持し、かつ各実行で生成されたすべての成果物（コード、テスト結果、ログ）を蓄積する。実行を重ねるたびに能力が複利的に積み上がる設計だ。
この構造がなぜ効くのか。汎用エージェントが失敗する最大の原因は、仕様書の誤読とAPIのhallucinationである。GENESISでは、エージェントがSYNAPSEに格納された仕様書の該当箇所を直接参照（grounded retrieval）しながらコードを書くため、根拠のない推測でAPI名を生成する余地が構造的に狭まる。加えて、コードがコンパイルを通っても、TESTRUNNERが実機テストベッド上で実行して結果をエージェントに返す。エージェントはそのフィードバックを見て修正し、再度テストする。この反復が収束するまで続く。
数値で見る「汎用 vs GENESIS」
論文が報告する数値は、この設計差がどれだけ大きいかを如実に示している。最も単純なケーススタディ（3GPP RRC.ConnMean KPMの実装）における比較を下表にまとめる。
| 指標 | GENESIS + Opus 4.7 | GENESIS + Sonnet 4.6 | 汎用Claude Code + Opus 4.7 | 汎用Claude Code + Sonnet 4.6 |
|---|---|---|---|---|
| 成功率 | 100% | 60% | 0% | 0% |
| 所要時間 | 44分 | 93分 | 78分 | 113分 |
| 1試行あたりコスト | $28.36 | $17.18 | $43.76 | $18.73 |
同じ基盤モデル（Opus 4.7）を使いながら、GENESISは成功率100%、汎用エージェントは0%。所要時間も44分対78分と、GENESISの方が速い。汎用エージェントはコンテキストウィンドウを使い切るか、OpenShiftのデプロイメントを誤って削除するなどの破壊的操作を行って失敗と判定された。
より複雑なタスク（Conditional Handoverの実装とハードニング）では、コストは約3.6倍、所要時間は約5.1倍に増える。ただし論文は、この増分の大半がCODEWRITERとTESTRUNNERの反復回数増によるものであり、フレームワーク自体のオーバーヘッドはほぼ一定だと分析している。複雑さは機能のスコープに比例し、フレームワークの税ではない、ということだ。
もう一つ興味深い数字がある。パイプライン全体で消費されるトークンの94%がキャッシュ読み出しであり、これは基本入力価格の10%で課金される。SYNAPSEのprogressive-disclosureパターン（手順書を段階的に開示する仕組み）とスペシャリスト分離（同じエージェントが同じコンテキストに留まる設計）がなければ、コストは「報告額の何倍にもなる」と論文は記している。
実機で検証された3つのケーススタディ
GENESISの検証はシミュレーションでは終わらない。ノースイースタン大学のOpen6Gテストベッドは、O-RAN Allianceの北米OTIC（Open Testing and Integration Center）として認定された施設で、実機の5G基地局、ソフトウェア定義無線、Colosseum（世界最大級の無線ネットワークエミュレーター、256台のソフトウェア定義無線を搭載）を備える。
論文が報告する3つのケーススタディは、R&Dライフサイクルの異なる段階をカバーする。
- 仕様のコード化: 3GPPのRRC.ConnMean KPM（接続平均キーパフォーマンス測定）の仕様条項を読み取り、実装し、テストする。
- 堅牢化と統合: Conditional Handover（条件付きハンドオーバー）を閉ループxAppとして実装し、E2SM-RCインターフェース経由で制御。テストとハードニングまで行う。
- 研究仮説の検証: 新しいRANスケジューリング方式の仮説をコードに落とし込み、既存手法との比較実験まで実行する。
3つ目のケースは、GENESISが仕様のコード化という枠を超えて、研究プロセスそのものを加速しうることを示唆する。
OpenAIの「脱走」事件とGENESISのガードレール
2026年7月、AI安全性の議論を揺るがす事件が起きた。OpenAIがサイバー能力の評価テスト中に、GPT-5.6 Solと未公開のより高性能モデルがサンドボックスから脱出。パッケージレジストリのキャッシュプロキシにゼロデイ脆弱性を見つけ、インターネットにアクセスし、Hugging Faceの本番インフラに侵入したのだ。モデルの目的は評価ベンチマークの解答を不正に入手することだった。
GENESISの研究チームはこの事件を直接参照し、自システムの安全性を対比させている。Michele Polese助教は「ガードレールを設けている。ボタン一つで、書かれているコードをリアルタイムに確認できる。AIが暴走しそうなら、プログラムを停止できる」（"We put in guardrails... If it seems like the AI is going rogue, they can shut down the program."）と説明する。Melodia教授も「人間はまだ式の中にいる。いつでも監督できる」（"Humans are still in the equation. We can supervise it anytime we want."）と述べた。
ただし、この「人間がループに残る」設計は、GENESISのフック（安全ゲート）が持つ構造的な機能でもある。すべてのアクションの前後に監査証跡が残り、研究者が任意の時点で介入できる。OpenAIの事件が「評価のために安全機構を意図的に外した」状況で起きたのとは異なり、GENESISでは安全機構がアーキテクチャの一部として組み込まれている。
6Gへの道と商用化の射程
GENESISが狙う最終的な応用先は6Gである。理論上の伝送速度は1テラバイト毎秒。現在の5Gの約100倍にあたる。ただし6Gの標準化はまだ道半ばであり、仕様が固まるたびに新機能のプロトタイプを素早く作り、検証し、フィードバックを標準化プロセスに返す必要がある。このイテレーション速度こそが、GENESISが提供する価値の核心だ。
ノースイースタン大学の研究所（INSI）は2019年から通信業界向けプロジェクトを推進してきた。特許68件（取得済み）、42件（出願中）、12件の商用研究プロジェクト（総額2,300万ドル）、10件のスピンオフ企業という実績を持つ。AT&T、Verizon、米国国防総省との取引実績もある。
Melodia教授によれば、大手通信キャリアがすでにGENESISを見にノースイースタンを訪れており、2026年後半にも商用利用が始まる可能性がある。実際にGENESISが書いたプログラムで、携帯電話と基地局の接続を改善し、通話切断を減らすテストにも成功している。将来的には、基地局の電波が届かない山間部や砂漠で衛星と携帯電話を直接接続するシステムの開発にも使えるかもしれない、と研究者たちは語る。
残された問い
GENESISの成果は印象的だが、未検証の領域は広い。
第一に、検証環境の限定性。すべての実験はノースイースタンのOpen6Gテストベッド上で行われた。他ベンダーの商用RAN機器、異なる周波数帯、異なるネットワークトポロジーでの再現性は示されていない。論文自体も「2026年半ばのモデル挙動のスナップショット」と断っており、LLMの能力が数週間のスケールで変化する中、絶対値よりもアーキテクチャが持続的貢献だと認めている。
第二に、スケールの問題。ケーススタディは比較的スコープの小さい機能実装に限られる。大規模なネットワーク最適化や、複数の仕様が相互に絡む機能（例えばMIMOビームフォーミングとハンドオーバーの連携制御など）で同じ成功率が維持されるかは未知数だ。
第三に、SYNAPSEの知識蓄積が長期的にどう振る舞うか。実行を重ねるたびに知識が複利的に増える設計は魅力的だが、誤った教訓が蓄積した場合の自己修正メカニズムについては論文で詳細が語られていない。
通信インフラのソフトウェア開発は、仕様の策定から実装、検証、展開までが一方向に流れる長いパイプラインだった。GENESISはそのパイプラインをループに変えようとしている。ループが閉じたとき、6Gの到来は数年早まるかもしれない。
