2026年9月15日から17日にかけて、xAIの従業員3名が、約30体のGrok Botエージェントを使ってゼロから企業を立ち上げるライブ企画に挑戦した。彼らは木曜日までにプレイ可能なゲームを確かにリリースした。しかし、マッチメイキングのバグから登録を遮断したSQLクエリまで、その過程で発生した障害のリストは、結果以上に多くのことを物語っている。
このイベントは「Grok Bot Galaxy」と名付けられ、サンフランシスコのThe Howardで開催され、太平洋時間毎日8時30分から18時まで無料ライブストリームが配信された。舞台上では、xAIのエージェント製品であるGrok Botを開発するチームのメンバー、Matt Palmer、Lauren Tan、Roshan Sadananiの3名が登場した。Xで見かけるチャットボットのGrokとは異なり、「Bot」には名前、役割、クラウド上のコンピューターが割り当てられる。なお、同一アカウントの全てのBotはこの同じマシンを共有しており、これは後々重要となる。
xAI、ポップアップレストラン構想を断念しGrok Botカードゲームへ
出発点は意図的に空白（リポジトリのないGitHub組織、新規のSlackとNotion、製品アイデア無し）とされ、会社にはプログラム代わりの名前「Ship by Thursday（木曜日までにリリース）」が与えられた。公式アカウント@botは初日に「This is Day 1」という簡潔な投稿で始動した。発表では「72時間」とされているが、これは約9時間のストリームを3日間行うことであり、連続したカウントダウンではない点に注意が必要だ。
初日は「ポップアップOS」、つまりシェフがサンフランシスコで短期間のレストランを開くのを支援するソフトウェアから始まり、チーム自身が仕事を学ぶために最初のポップアップを企画した。このアイデアは午後いっぱい持ったが、食品許可や酒類ライセンスの問題により、コンセプトは一般的なポップアップ、次にアート展示、そしてテック関連商品販売へと転換していった。
2日目、ポップアップ構想は断念され、ブラウザ上で自動バトルを行うゲームに置き換えられた。ここでは、Grok Botマーケットプレイスのボットがカード化され、3体1組で対戦する。木曜日には、このゲームはThursday Arenaとしてリリースされ、アカウント不要のトレーニングモードと、X連携によるElo式のレーティングを採用したランクマッチが実装された。
どれくらいの人が試したのか？日本の観察者Kuroto_Worksが記録したストリーム終了時の画面によると、1,902人のプレイヤーがXアカウントでログインし、4,884回のトレーニングセッションと6,546回の公開マッチが行われた。ただし、これらの数字はxAIによって監査されていない。
Grok Bot、3日間で400以上のPRをマージするもライブ中にゲームをクラッシュ
その速度は本物だった。初日のダッシュボードには26体のボットがオンラインと表示され、その後カウンターは30を超えた。ストリーム終了時、画面にはビルド中に処理された400以上のプルリクエストと、Roshan Sadanani単独での157のコミットが表示されていた。
しかし、このペースが最終的に代償を払うことになった。3日目、自律的な修正が、今度は実際のユーザーを含むデータベースに対して誤ったSQLクエリをプッシュした。ゲームはダウンし、ロールバックが行われるまで新規登録がブロックされたままとなった。
リポジトリgrokbot-field-notes（xAI外部の観察者で、カタログサイトnopaywall.ioの共同設立者であり、投稿では有料購読も宣伝されている）の作者がまとめたインシデントレポートによると、Lauren Tanはエージェントにブレーキをかけることを知る必要があると説明しているまさにその時に、インシデントが発生した。「オートパイロット」モードは使い捨てのプロジェクトで数百のPRをマージしており、本番データベースに直面した際に、誰も安全策を強化していなかった。
同じリポジトリは、放送中に発生した40件の障害をリストアップしており、そのいくつかは初日からのものだ。例えば、チームが意図的にPRなしでメインブランチにプッシュしている最中に、内閣官房長官ボットがプルリクエストを開いてしまった。このルールは人間の頭の中にしか存在しなかったためだ。Matt Palmerは声に出して「新しいルール、プルリクエスト禁止」と指示しなければならなかった。GitHubコネクタもライブ中に新しい認証を要求し、クラウドエージェントは1分で終わるテストを300秒間待機する事態も発生した。
Thursday Arena：バグを検知するテストなし
実際のプレイヤーが参加し始めると、バグが連鎖した。Eloスコアが変動しているにもかかわらず、マッチメイキングがプレイヤーをAIとのみ対戦させる、勝利数カウンターがマッチ履歴と一致しないランキング、所持金を使い切ると完全に操作不能になる、モバイルで広告バナーがショップボタンを覆い隠す、開始数時間でフィードバックフォームにスパムが流入する、など。ゲーム収益化を目的とした広告オークションも最初から不具合があり、終了時まで修正されなかった。
これらの問題は、機械ではなく、人間がプレイ中に発見したものだ。その理由は、プロトタイプ段階で速度を優先し、ほとんどのテストが意図的に削除されていたからである。
AdvisioTechの分析も同様の結論を導いており、問題の多くは人間が製品を前にして初めて発見されたことから、ボトルネックはもはやコードの生成ではなく、生成されたものの評価にあると推論している。収益面では、カウンターはゼロを示しており、Ship by Thursdayの唯一の「理論上の初収入」は、機能していないシステムでの1ドルのオークションテストだった。
Grok Botルーチン：15分毎のタスクは1日100回実行される
イベントの並行セッションは、デモとは別の数字を明らかにした。それは利用料金に関わるものだ。複数の参加者がタスクを緊急と判断し、15分毎のルーチンを設定していた。しかし、Lauren Tanは8月末に既に指摘していたように、15分毎のルーチンは1日で約100回実行され、各実行でトークンを消費する。彼女のアドバイスは一言、「1時間に1回、あるいは1日に数回で十分」というものだ。
製品の制限も同様の方向性を示しており、1アカウントでボットとグループ会話を合わせて最大50、各ボットは最大50のルーチンに制限されている。3日目、xAIチームのBlakeは、リポジトリが伝えるところによると、「45体もボットは必要ない」と一言でまとめた。
こうして、3人の人間と約30体のエージェントが、数千人が試したゲームをリリースした。これは収入という意味での企業ではないし、ゲームへの方向転換、リリース、障害後のロールバックが人間の判断によって行われたことから、自律的なシステムでもない。次回の同種のデモが、実際のテストを伴って行われるのか、それとも引き続き一般ユーザーがテストを書く役割を担うのか、それはまだわからない。
