エージェント的バウンティトラップ：AI コーディングエージェントがオープンソースバウンティで苦戦する理由

The promise of the "autonomous AI agent" has captured the imagination of the developer community. A recent viral tweet claimed a coding agent ran unsupervised for 22 hours, discovered a bounty, shipped a pull request (PR), and earned $16.88. To many, this felt like a proof of concept: the loop was finally closed, and AI could now generate passive income by solving open-source issues.

しかし、公開バウンティ市場の現実はそれほど成功的ではありません。Claude を使って $20 のトークン予算でこの成功を再現しようとしたところ、開発者 ztc00 はバイラルツイートと持続可能なビジネスモデルの間に大きなギャップがあることを発見しました。その結果、収益は $0 で、AI 主導のオープンソース貢献の現状に関する厳しいデータが得られました。

実験：自動化 vs. 現実

The setup was straightforward: use Claude as an agent to discover open bounties on Algora (a platform where maintainers attach dollar amounts to GitHub issues), clone the repository, attempt a fix, and run tests. A human-in-the-loop review was maintained to ensure the quality of the PRs before submission.

ループの技術的実現可能性にもかかわらず、実験は技術的ではなくシステム的な即時の障壁に直面しました。最初に遭遇したバウンティは $100 の TypeScript の課題でしたが、"Reserved for SE interview" ラベルで制限されていました。メンテナーはすでに、採用候補者向けのバウンティを「盗む」ことを試みたユーザーを禁止していました。これにより重要な第一の教訓が浮き彫りになりました：多くの公開バウンティは実際には一般に公開されておらず、採用ツールとして使用されている。

データ：飽和した市場

To better understand the landscape, the author built scout.py, a tool to analyze open Algora-labeled issues. The data revealed that almost every bounty falls into one of three problematic categories:

サンドボックススパム: AI の試行にかかるトークンコストが潜在的な支払い額を上回る、低価値バウンティ（例：$1）。
過飽和: 正当なバウンティ（$50–$1,000）は、数時間以内に 8 から 158 件の "/attempt" コメントを集めることがよくあります。エージェントが課題を特定した時点で、すでに 10 件以上のオープン PR が進行中であることが多いです。
デッドロック: メンテナーがハンターを割り当てたがそのハンターが沈黙し、他の機会主義的な貢献者の PR が割り当てられたユーザーに「割り込まれた」ためにマージされずに閉じられる課題。

結論は明白です：公開バウンティ市場は現在「過剰に漁獲された池」になっています。エージェントがミリ秒でバウンティを獲得できるため、ボトルネックは 解決策の発見 から メンテナーのレビュー にシフトしました。メンテナーが $50 のバグに対して 15 件の PR を現実的にレビューすることはできず、通常は最初に受け入れ可能なものを選び、残りを却下します。

「熟成」戦略

Recognizing that speed is a losing game, the author pivoted to a "harvesting" strategy. Instead of racing to be first, the tool was designed to flag "ripe" bounties—issues that were claimed and assigned but had no open PR and had been silent for 14+ days. The theory was that many aggressive bounty hunters fail to follow through.

論理的にもかかわらず、2 日間にわたる 3 回のスキャンで熟成した候補はゼロでした。これは、"放棄された" 市場でさえ、規模が小さすぎるか、他のエージェントによって効率的に監視されていることを示唆しています。

重要な洞察と反論

The community reaction on Hacker News added a layer of sociological critique to the experiment. Several points emerged regarding the sustainability of this approach:

共有地の悲劇

Critics argued that AI-generated PRs are creating a "tragedy of the commons" for open source. When hundreds of agents flood a repository with low-quality or slightly-off solutions, they create immense noise for maintainers.

AI contributions to projects that aren’t your own are pointless. We all have access to the same models so you’re not doing anyone any favors by adding layers of noise.

自分の所有でないプロジェクトへの AI の貢献は無意味です。私たちは皆同じモデルにアクセスできるので、ノイズの層を追加することで誰かに恩恵を与えているわけではありません。

メンテナーの負担

Some users noted that companies are actually stopping the use of bounties because the signal-to-noise ratio has plummeted. The effort required to sift through AI-generated false positives often outweighs the benefit of the fix.

経済的な誤算

From an ROI perspective, the unit economics are precarious. If an agent spends $16 in tokens to earn $16.88, the profit margin is negligible. The viral success stories likely stem from users running "fleets" of agents in parallel on flat-rate subscriptions, rather than single-thread, pay-per-token scripts.

将来の AI エージェントへの教訓

For those looking to build autonomous coding agents, the experiment suggests three pivots:

公開のファイアホースを避ける: Algora のような公開掲示板から離れ、ソリューションの品質と深さが提出速度よりも重視されるプライベートなセキュリティプラットフォーム（HackerOne、Bugcrowd）へ移行する。
まず信頼を築く: OSS に持続的に貢献する唯一の方法は、認知された貢献者になることです。メンテナーは信頼できるユーザーからの PR をマージし、支払う可能性が高くなります。
ハンターではなくツールを作る: 飽和した市場で競争する代わりに、他者が市場をナビゲートできるインフラ（例：scout.py）を構築する。

最終的に、実験は AI コーディングの「ループ」は技術的には機能するものの、経済的なループは現在壊れていることを証明しています。市場は、AI エージェントの速度が従来の公開バウンティモデルを時代遅れにした均衡点に達しています。