営業担当者が AI Agent に見積書の作成支援を依頼する場合、顧客が普段使用する通貨や書類形式を覚えておいてほしいと考えるのは当然です。しかし、先月話し合った割引、まだ確定していない納期、あるいは会議で一時的に決まった事項まで長期的なルールとして扱われると、次の見積書でも、すでに無効になった情報が使われる可能性があります。企業にとって、AI Agent が情報を忘れた場合は、担当者が説明を繰り返す手間が増える程度で済みます。しかし、誤って記憶すると、その後の判断に直接影響を及ぼしかねません。
AI Agent の記憶(agent memory)とは、AI Agent がユーザーとのやり取りやタスクの実行を通じて取得した知識を指します。AI Agent はこれらの知識をワークセッションをまたいで保存し、後から読み出して利用できます。Anthropic Research は最近、複数のテストを通じて、記憶を有効に活用するには、将来も利用する情報を選別し、事後に再確認・修正できることが重要だと指摘しています。企業が AI Agent に長期的なタスクを任せる場合は、まず情報を個人の好み、一時的な状態、安定したルールに分類し、どの内容を書き込めるのか、誰が審査するのか、誤りが見つかった際にどのように修正するのかを決めることが推奨されます。
記憶を増やすほど、AI Agent の整理に時間がかかるのはなぜか?
Anthropic Research のゲームテストは、具体的な事例を示しています。Claude Sonnet 3.7 は『Pokémon Red』で約1万歩を移動し、413件の記憶ファイルと225個のフォルダを作成しましたが、最終的に獲得できたバッジは1個だけでした。一方、同種のテストに参加した別のモデルが作成したのは、わずか9個のファイルと2個のフォルダでした。これらの結果を企業のパフォーマンス評価にそのまま用いることはできませんが、現実的な問題を浮き彫りにしています。AI Agent が変化のたびに情報を保存すると、後から整理する負担が増え、どの内容が現在も有効なのかを一つずつ確認しなければなりません。
企業の業務に当てはめる場合、情報はまず三つに分類できます。個人の好みとは、ユーザーが繰り返し使用する形式、文体、業務上の習慣です。たとえば、営業担当者が見積概要に納期を先に記載し、その後に支払条件を記載したい場合などが該当します。この種の情報は保存を検討できますが、ユーザーが確認、変更、削除できなければなりません。一時的な状態には、現在の在庫、未承認の価格、対応中の顧客クレームの進捗などが含まれます。これらの情報は継続的に変化するため、AI Agent はタスクを実行するたびに、現場のシステムや最新の文書から改めて取得する必要があります。安定したルールとは、テストと確認が済んでおり、繰り返し使用される手順です。たとえば、品質管理における判定順序や、調達時の価格比較項目などが該当します。この種の内容は、責任者が検証したうえで、再利用可能なスキルとして整理できます。
プロジェクトチームは、まず長期的に実行するタスクを一つ選び、現在保存を検討している内容を一件ずつこの三つに分類するとよいでしょう。そのうえで、次回の業務でも本当に使用するのか、短期間で変更される可能性はないか、誤って使用された場合に誰が発見し、修正を担当するのかを確認します。いずれか一つでも明確な答えがない場合は、長期記憶への保存を見送るべきです。
AI Agent が誤って記憶した後、企業は誤りが使われ続けるのをどう防ぐべきか?
ワークセッションをまたいだ情報の保存は便利ですが、リスクも伴います。AI Agent が次回、過去のメモを読み込んだ際に、誤った情報や古くなった情報を判断の根拠として扱う可能性があるためです。Anthropic Research は、AI Agent に原文の逐語記録(transcripts)と記憶メモを照合させたことがあります。その結果、誤った PokéCenter の場所を特定してメモを書き直すことができました。修正後、AI Agent はそのまま Mt. Moon に戻り、最終的に Cerulean City に到着しました。一方、誤ったメモを修正しなかったテストでは、AI Agent は三度も以前通ったルートに戻っています。このテストから、書き込み前に内容を選別するだけでは不十分であり、企業は後から照合できるよう原記録を保持し、定期的に再確認する必要があることが分かります。
再確認では、情報源、適用範囲、更新時期を確認しなければなりません。調達時の価格比較を例にすると、「サプライヤーは2週間以内に納品できる」という情報は、特定の見積もり、特定の品番、特定の数量にしか適用できない可能性があります。AI Agent が「2週間で納品」とだけ記憶すると、次回の調達時に誤った情報をそのまま適用しかねません。そのため、未確認の推測は検証済みの内容と分けて保存する必要があります。また、新しい情報が古い内容に置き換わった場合は、直ちに変更または削除しなければなりません。
EgentWrX の記憶は、ユーザーが確認、変更、削除できます。企業は内容に応じて、記憶への書き込み方法を、直接書き込み、要審査、要承認のいずれかに設定することも可能です。長期的かつ安定的に適用する必要があるルールは、スキルとして整理できます。同僚が独自に作成したスキルを全社展開する場合は、事前の審査が必要です。導入チームは、まず記憶とスキルの責任者を指定し、どの内容を直接書き込めるのか、どの内容を営業担当者や業務プロセスの責任者が確認しなければならないのかを明確にするとよいでしょう。さらに、後から照合できるよう原記録も保持する必要があります。
社内文書は Wiki に整理すべきか、それとも直接検索すればよいのか?
記憶、ナレッジベース、スキルには、それぞれ異なる用途があります。個人の好みは、確認、変更、削除が可能な記憶に保存できます。社内規程、製品文書、帳票類は、ナレッジベースから検索するのに適しています。検証済みで、一定の方法で適用する必要がある判断基準は、スキルとして整理します。この三つを混同すると、一時的な内容が会社のルールとして扱われたり、AI Agent が情報を見つけられないときに個人の記憶を使って回答したりする可能性があります。
Anthropic Research は、約35万個のファイル、約4億2,000万 token に相当する社内文書を使い、ナレッジ Wiki をテストしました。研究結果によると、複数の文書を横断して情報を探し、判断や計算を行う必要がある質問では、Wiki と検索ツール(search tool)の組み合わせが有効でした。一方、単一の文書から直接答えを見つけられる場合、Wiki が必ずしも追加の効果をもたらすとは限りません。整理後の内容が原文書より多くなることさえあります。そのため、企業はすべての文書を先に Wiki へ整理してから利用場面を探すのではなく、実際の業務上の課題を起点に、知識をどのような形で保存するかを決めるべきです。
たとえば、カスタマーサービスが最新版の返品・交換規定を1件確認するだけなら、まず直接検索を試すことができます。調達部門が複数のサプライヤー仕様、社内の検収条件、過去の記録を同時に比較する必要がある場合は、Wiki の利用を検討するとよいでしょう。EgentWrX は、Wiki、ベクトル、テーブルの3種類のナレッジベースを提供しており、類似度のしきい値や最小引用数も設定できます。AI Agent は十分な根拠を見つけられない場合、回答を拒否します。プロジェクトチームは、まず実際の業務で想定される質問を用意し、回答時に必ず引用すべき情報源と、どのような場合に回答を拒否すべきかを明確にする必要があります。そのうえで、同じ質問を使って直接検索と Wiki の結果を比較し、必要性を確認してから構築範囲を拡大すべきです。
よくある質問
AI Agent はユーザーからのすべての要求を記憶すべきですか?
すべてを記憶すべきではありません。繰り返し使用する個人の好みは、保存を検討できます。現在の価格、在庫、対応状況は、タスクの実行時に改めて取得する必要があります。検証済みで、安定的に適用する必要があるルールは、責任者が確認したうえでスキルとして整理し、一時的な要求が長期的な運用ルールにならないようにします。
情報を長期記憶へ保存できるかどうかは、どのように判断すればよいですか?
次回のタスクでも使用するか、内容が短期間で変わらないか、誤って使用された場合に誰が修正を担当するかを確認します。情報源が不明確な場合、適用範囲が未確認の場合、またはそのタスクに限った一時的な状態である場合は、まず原記録に残し、長期記憶へ直接保存しないことを推奨します。
AI Agent がすでに誤って記憶している場合、企業はどう対処すべきですか?
まず誤った内容の使用を停止し、原文の逐語記録、最新の文書、またはシステム上のデータと照合して修正します。同時に、その内容が過去にどの業務で参照されたかも確認する必要があります。また、企業はユーザーが記憶を確認、変更、削除できるようにすべきです。重要な内容については、書き込み前に指定された担当者による審査または承認を受ける必要があります。
社内文書は必ず事前に Wiki へ整理する必要がありますか?
必ずしも必要ではありません。答えが単一の規程文書にまとまっている場合は、まず直接検索を利用できます。業務上、複数の文書を統合し、さらに判断や計算を行う必要がある場合は、Wiki と検索の組み合わせをテストするとよいでしょう。構築前に、回答時に必ず引用すべき情報源、回答を拒否する条件、保守責任者を決め、知識が際限なく増え続けることを防ぐ必要があります。
参考資料
- The components of agent memory — AI Agent の記憶の選別、再確認、ナレッジ Wiki に関する Anthropic Research の研究。



