世界的AI研究者が明かす、AIエージェント実用化を加速するブレイクスルーAIエージェントの「協調・記憶・品質」を革新する富士通の挑戦
Article | 2025年12月1日
2025年は「AIエージェント元年」と呼ばれ、技術自体が注目される一方で、実際の導入にはまだ多くの壁があります。MITのレポート[1]では、AIが状況を正しく理解できず、作業の流れが不安定になりやすいことが大きな失敗要因だと指摘されています。ガートナー[2]も同様に、複雑なシステム設計やデータ管理、セキュリティの問題が導入を難しくしていると警鐘を鳴らします。そして、MongoDBによる分析[3]では、マルチエージェント間の協調不足やメモリ管理の不具合、システム構造の不整合が要因でトラブルが連鎖し、実に40％から80％の導入事例に影響しているという厳しい現実を示しています。
富士通では、人と協調して自律的に高度な業務を推進するAIエージェントの研究開発をいち早く開始[4]しており、その研究開発活動を通して、これらの課題に対処するためには3つの根本的なギャップを埋める技術が求められると考えています。具体的には、複数のエージェントがスムーズに協力できるようにする「協調」、文脈を途切れさせずに情報を保持する「記憶」、ルーティングを最適化して信頼性の高い出力を保証する「品質」です。本記事では、富士通研究所の小橋が、これらのギャップに挑む最先端の研究を、研究論文の著者へのインタビューを交えて紹介します。
AIエージェント間の「協調」を支える「Agent Data Protocol」
多様なタスクをこなすマルチAIエージェントが協調して動作するためには、それぞれのエージェントが十分に学習されていることが欠かせません。しかし現状では、その学習の要となる「高品質な教師ありファインチューニング用データ」が不足しており、エージェントの性能向上を大きく妨げる要因となっています。
この課題に挑む画期的なアプローチが「Agent Data Protocol」[5]です。Agent Data Protocolの概念図を下図に示します。各種エージェントデータセットからRaw Data（生データ）を受け取り、Agent Data Protocolで統一的に定義されるAction（行動）とObservation（出力）に基づき処理が行われ、そのTrajectory（履歴）が保存されます。このように様々なデータセットを標準化し、様々なエージェントデータセットを標準化し、すぐに学習に使える形に整えることで、強化学習に入る前の準備段階を大幅に効率化します。すでに160万件を超える学習インスタンスを備えたデータセットも公開されており、誰もがエージェントを十分に鍛えた状態で強化学習に臨めるようになります。
本章では、この課題に挑む「Agent Data Protocol」の詳細について、その論文著者であるNeubig教授にお話を伺いました。
