10月1日、InfoWorldが「Stack Overflow expands Stack Internal to give AI agents 'trusted' enterprise knowledge」と題した記事を公開した。Stack OverflowがAIエージェント向けに社内の技術知識へ「信頼スコア」を付与する仕組みをStack Internalに追加したことを伝えている。コーディングエージェントが社内ナレッジをそのまま鵜呑みにしてコードを生成してしまう問題——信頼スコアはその構造的な解決策として位置づけられている。

「信頼スコア」という発想が核心

最大のポイントはナレッジへの「信頼スコア（trust score）」付与だ。各知識アイテムを、情報の出所（provenance）・鮮度（recency）・作成者の専門性（expertise）・他情報との照合（corroboration）・人間による検証（human validation）という5つの観点で評価し、スコアを算出する。AIエージェントはこのスコアを参照することで、「この情報を使ってよいか、それとも追加の検証や人間への確認が必要か」を判断できるようになる。

HFS Researchのエグゼクティブリサーチリーダー、Ashish Chaturvedi氏はこの仕組みの意義を次のように語っている。

「コーディングエージェントは通常、社内知識をすべて等しく信頼できるものとして扱うため、矛盾する情報を自分で処理しなければならず、開発者は前提を検証したりコードを書き直したりする羽目になる。Stack Internalの信頼スコアは、エージェントが機械可読な形で信頼できる情報を特定し、矛盾した情報を処理する手間を避けられるようにする。開発者にとっては、監視の手間が減り、手戻りサイクルが少なくなり、トークン消費も抑えられる可能性がある。」

なお、スコアの算出ロジック自体はStack Overflowが公開していない。スーパーマーケット大手H-E-Bのシニアデータエンジニア、Aditya Ranjan氏はこの非公開という点そのものを問題視しており、「どの要素がどう重み付けされているかわからない状態では、スコアをどこまで根拠として使えるか判断しにくい」という立場をとっている。この懸念は後述するリスクの議論とも直結している。

追加された3つの機能

信頼スコアに加え、今回のアップデートで追加された主な機能は以下のとおりだ。

① 専門家へのバリデーションワークフロー
人間の確認が必要と判断された場合、Stack Internalが適切な社内専門家を自動特定し、Slack経由でアラートを送信する。専門家はその場で情報の確認・更新が可能だ。Ranjan氏は「手動で専門家を探したり、たまたま捕まえられる人に頼ったりしなくて済む」点を評価している。

② 矛盾情報のフラグ機能
エージェントが応答を生成する際に、情報間の矛盾を検出してフラグを立てる。コードに影響が出る前に矛盾を把握・修正できる。

③ MCPサーバーの提供
Model Context Protocol（MCP）サーバーをStack Internal向けにリリースし、社内ナレッジをClaude Code、Codex、GitHub Copilot、Gemini CLIといったAIコーディングツールやIDEから直接参照できるようにした。BroadcomのシニアSRE、Advait Patel氏は「コーディング環境と別の知識ソースを行き来する手間がなくなる」と指摘する。

また、知識を取り込む手段としてMicrosoft Teams、Slack、Google Docsなどと連携する新しいコネクタと取り込みAPIも追加されている。

ガバナンス面では、カスタムロール・権限設定、アクティビティ追跡、エージェントの判断根拠を示す監査証跡のエクスポートといった機能も加わった。

「信頼スコア」がもたらすリスク

新機能のリスクについても複数の専門家が言及している。

Chaturvedi氏は「出所・鮮度・検証を1つの数値に圧縮するスコアは、各要素の重み付けに関する判断を内包しており、高スコアの回答が依然として誤っている可能性がある」と指摘する。スコアを高リスクな意思決定の代替として使うべきでないとも警告している。前述のとおりRanjan氏が算出ロジックの非公開を問題視しているのも、この文脈においては自然な懸念といえる。スコアの根拠が不透明なままでは、エージェントがスコアを基に判断を下した際の責任の所在も曖昧になりかねない。

HyperFrame ResearchのAIスタック担当プラクティスリード、Stephanie Walter氏は「何を知識ベースに含めるかの判断」を最大の課題として挙げる。Slackスレッドや社内会話には有用な文脈が含まれる一方、推測・誤り・センシティブな情報・保存を意図していない会話も混在している。何を取り込み、誰が検証し、いつ廃棄するかの管理は相当な工数になりうる。

そして検証ワークフローそのものについて、Chaturvedi氏は「エージェントの利用が増えるにつれ、検証依頼が専門家の処理能力を超えてボトルネック化しうる」と述べる。

セキュリティの観点では、Patel氏がSlackやTeamsのプライベートなコンテンツを取り込むことによる情報漏洩リスクを指摘している。「取り込み時点でのパーミッション遵守だけでは不十分かもしれない。制限情報と公開情報が混在した要約が、権限のないユーザーに提供されうる」というのがその理由だ。

AIエージェントに社内知識を「安全に」使わせるという課題は、コーディングエージェントの実用化が進む中で多くの企業が直面している問題だ。Stack Internalのアプローチは具体的な解の一つを示しているが、スコアの算出ロジックの透明性や専門家バリデーションのスケーラビリティなど、実運用上の課題も残っている。

詳細はStack Overflow expands Stack Internal to give AI agents 'trusted' enterprise knowledgeを参照していただきたい。