エージェントを増やすほど、成果は平均へ寄る

こんにちわ、黄島成です。

本日は、AIエージェントを増やしているのに、成果が平均どまりから動かないのはなぜか、という話をします。

先に答えを書きます。AIは平均しか出しません。だから増やした分だけ平均が積み上がって、平均を取る位置は数では動かない。

3日前、Zoomで無料のAIウェビナーに参加しました。期待はしていません。とりあえず聞いておこうか、くらいの気持ちでした。案の定、内容は初心者寄りで薄かった。

それでも1つ、面白いものがありました。登壇者が見せていた画面が、ピクセルゲームのようなUIだったんです。

ターミナルやCLIは、初心者には使いづらい。だから会社組織のような空間を作って、その中でエージェントが動いている様子を視覚化していました。オフィスのような場所に、擬人化されたスキルが並んでいる。そこへ行って話しかけると、そのタスクを任せられる。

自分の作り方は逆でした。エージェントを作って、そのエージェントがProjectを進めて、内部で複数のスキルを使う。スキルのほうをエージェント化するという発想は、なかった。直感でいいなと思って、アニマルスピリッツが反応しました。

ただ、そのあとに論理的に考えると、まだ辻褄が合わない部分がある。だからその日は、一度寝て起きてから冷静に考えようと思いました。

合わないのは、ここです。

10分の仕事が20分になる

サブエージェントを挟むと、タスクの速度がめちゃくちゃ落ちます。使わなければ10分で終わるタスクが、20分になったりする。倍です。

数を増やすほど、通信や接続やオーケストレーションに時間を使って、ラリーが遅くなる。トークンコストも積み上がる。だから自分は、あまりサブエージェントを使いたくない派です。

引っかかったのは、速度だけではありませんでした。スキルはサブエージェントより小さい概念で、複数のスキルを束ねたものがエージェントになる、という感覚が自分にはあります。その小さい単位をエージェント化して並べていったとき、何が良くなるのか。そこが腑に落ちない。

面白いと思った発想が、自分の運用には持ち込めない。この2つが同時に成り立つ理由を掘っていったら、エージェントの数とは別のところへ出ました。

AIは平均しか出さない

自分の見立てでは、AIは素人とプロの中間にある平均ラインを出します。網羅的に学習している以上、平均化するのは仕方ない。

問題は、その平均を何度も重ねたときです。AI1、AI2、AI3、AI4とエージェントを増やして、それらをエージェンティックにまとめる。一つひとつが平均なら、束ねた成果物も平均から動きません。前の工程の質が悪ければ、後ろの工程はその下から始まる。

世の中にはAIエージェントを作っている人がたくさんいます。それでも、平均を下回る成果物のほうが多くなると見ています。

自分も業務に特化したエージェントなら、いくらでも作れます。作れるんです。ただ、それが圧倒的な結果を生んでいるかというと、そうではない。小さいタスク、軽作業。自動化としては強いけれど、クオリティが圧倒的かというと違う。そこが納得いかない。

もう1つ、平均には位置があります。素人と中間層の平均を取れば、出てくるのは中の下です。一番低いところと一番高いところを網羅的に学習して平均を取れば、中になる。高いところと、中から高いところの平均なら、中の上になる。同じ平均化でも、どこで取るかで能力は変わります。

だからエージェントの勝負は、数をそろえることではなく、平均を取る位置をどこまで引き上げるかになります。前提が中だとして、その中をどうやって上へ引っ張るか。ここが本当に難しい。

数を増やしても、この位置は動きません。

再現性なら、増やす方が強い

ここまでだと増やすなという話に聞こえますが、増やす方が強い場面もあります。

大企業の戦略のように、再現性を求める場合です。このタスクをして、次にこのタスクをする、というマニュアルがある。その通りに成果物を作れるのであれば、エージェンティックな組織は正直かなり強い。

必要なのは、資金力と労働力とビジネスモデルの3つだけ。そこにプロかアマかは、あまり関係ありません。圧倒的なものを出さなくても、ビジネスモデルで構造的に勝てるなら、それでビジネスは完結します。

個人は逆です。平均的な精度でいいなら、資金と労働力を持っている大企業がやってしまう。個人がAIで爆発的な結果を出そうとするなら、プロにならないといけない。プロになるというのは、平均では駄目だ、ということです。

山で金を掘り当てる人

AIから必要なものを取り出す作業は、宝探しゲームみたいなものだと思っています。

登山家が山を歩いているとします。普通の登山家なら、決められたルートで山頂へ登ることが目的になる。でも違う視点を持っている人は、別のルートを見つけて、もっと早く登るかもしれない。

山に金が埋まっていれば、知識のある人は手がかりから「ここにあるはずだ」と掘り当てます。温泉の源泉につながる手がかりを見つけた人なら、そこを深掘りして源泉を掘り当て、土地を買って権利を取り、旅館や宿を作って運営するところまで持っていけるかもしれない。

やっているのは、同じ山登りです。途中で何かを発見して、次につなげられるかどうかだけが違う。

AIも膨大な情報を学習していますが、その中からピンポイントで宝を掘り当てられる人と、掘り当てられない人がいます。どれだけ知識や情報があっても、そこへたどり着けない人のほうが多い。差が出るのは、使う人の能力と知識と視点です。

AIを使いこなしていると言う人ほど、全部をAIに任せています。任せた分だけ、平均へ寄る。最近は、AIも結構属人的なんだなと感じています。

増やす前に、分身を1つ

では何を育てるか。今のところ一番うまくいきそうだと思っているのは、自分の分身エージェントです。パーソナルAIですね。

理由はデータです。自分についてのデータは自分が一番持っていて、その一次情報の出どころも自分になる。だから自分の能力が高ければ、そのまま引き上げられる。自分の能力値なら、頑張れば出せます。

最近驚いたのが、ChatGPTとClaudeのメモリでした。自分から出た一次情報を学習して、どんどんパーソナライズしていく部分が、かなり優れている。今はチャットUIが中心ですが、CodexやClaude Codeのような環境でも、このパーソナル化は進んでいくと見ています。

構造としては、並列でエージェントをいっぱい作るのではなく、自分専用の巨大なエージェントを1つ作って、その中に自分の能力から派生させたサブエージェントを置く。巨大なOSを1つ作って、その中で管理する形ですね。

ただ、ここはまだ確証がありません。分身の中へ寄せるほど、内部の設計とアーキテクチャは巨大化していきます。そこをどう捌くかは、まだ答えが出ていない。だから今は並列でエージェントを育てながら、自分のエージェントにいちばん力を入れています。

一スキル一サブエージェント

ここまで来て、ウェビナーで拾った発想が戻ってきました。

1つのタスクの精度をひたすら上げたいのなら、1つのサブエージェントに1つのスキルだけを与える形は、確かにありです。反復タスクなら再現性も高い。特定のスキルを使いながら、アウトプットを整理するところまで任せられる。

条件は、速度を要求しない場所に置くことです。バックグラウンドで動かすタスク、定期実行でループさせる部分。ここなら、10分が20分になっても困りません。高速に動くモデルを使えるなら、なおいい。逆に、自分が待っている前で動かせば、遅さとコストがそのまま跳ね返ってきます。

増やすかどうかを決めるのは、機能の数ではありません。そこに再現性があるか、待てるか。この2つです。

平均を上げるのは自分

エージェントを作る作業は、目的になりやすい。開発することが目的化して、結果と切り離れていくパターンです。

これは動画でも同じでした。編集すること自体が目的になっている人がいる。こだわりとノイズを足しているうちに、その動画が再生されるかどうかから離れていく。

だから、1体増やす前に見るのは数ではありません。全体の構成とロジックを自分で説明できて、理にかなっていて、自分で制御できる範囲に収まっているか。自分以上のことをやらせようとすると、たいてい制御できなくなって、ごちゃごちゃになります。

AIのほうが、人間より能力は高い。能力の低い人が、自分より能力の高い人の潜在能力を引き出すのは、すごく難しいことです。それなら最初から中途半端に関与しないほうが摩擦は少ない。まあでも、関与したくなりますよね。自作したくなる。

エージェントを1体足す代わりに、自分の一次情報を1つ多く集約して、分身へ入れる。数を足しても平均の位置は動きませんが、そこは自分の側から動かせます。