AIエージェントに「入札制」を導入したら精度が上がった話

AIエージェントが複数のモデルやツールを使い分けるとき、これまでの仕組みはざっくり言うと「タスクの種類に合いそうなモデルを呼び出す」という粗い判断に頼っていた。数学が得意なモデルに数学を振る、コード生成が得意なモデルにコードを振る——一見合理的に見えるが、問題は「同じ種類のタスクでもモデルごとに得手不得手がある」「コストが全然違う」という現実を無視している点にある。

同程度の機能を持つモデルが複数ある場合、どれを使うかでアウトプットの質もかかるコストも変わる。しかも、自信過剰なモデルほど積極的に手を挙げるという「過信バイアス」が存在し、重要な判断ほど間違ったモデルに任せてしまうリスクがある。

この構造的な問題に目を向けたのが、今回arXivで公開された研究「Agora」だ。

Agoraが提案するのは、AIエージェントの推論ステップを「競売にかける品物」として扱うアーキテクチャだ。各モデル・ツールが自分の実力とコストを踏まえた「入札額」を提示し、最も適切な入札者がそのタスクを担当する。

ポイントは「インセンティブ互換（incentive-compatible）」という設計思想にある。日本でいうところの「正直者が得をするオークション設計」——虚偽の申告をするよりも実力通りに入札するほうが有利になる仕組みを取り入れている。これにより、自信過剰なモデルが重要なタスクを奪ってしまう問題を構造的に抑制する。

5つのベンチマークで評価したところ、単一モデルを使う場合・従来のルーティング方式・カスケード方式（次々に別モデルへ引き継ぐ方式）のすべてを上回る推論精度を記録した。さらに、オークションの「競り方を制御するパラメータ」をひとつ調整するだけで、コストを削ることも精度を上げることも選択できる。全体最適か局所最適かを切り替えるような操作感だ。

AIは「組み合わせ技」を自力で編み出すでも取り上げたように、複数のAIを組み合わせてどう動かすかは今のエージェント開発の核心的テーマだが、Agoraはその「割り振り判断」そのものをゲーム理論で解こうとしている点が新しい。

現時点でAgoraを即座に自分のシステムに組み込む、というよりも、「設計思想をどう活かすか」という視点が実用的だ。

特に刺さるのは「コストと精度のトレードオフを事後的に調整できる」という発想。通常、複数モデルを組み合わせたエージェントは、どのモデルをどの順で呼ぶかを設計段階で固定してしまう。Agoraはオークションパラメータを変えるだけでその均衡を動かせるため、「今月はコスト優先モード」「精度優先で動かしたい期間」という切り替えが原理的には可能になる。

AIの限界は「賢さ」より「評価」にあるでも触れた通り、AIシステムの精度は評価の枠組みと切り離せない。Agoraが5つのベンチマークを横断して検証している点も、単発の精度比較ではなく汎化性能を見ようとする姿勢として読める。

LangChainやDSPyなど既存のオーケストレーションフレームワークを使っている人にとっては、「どのモデルに何を振るか」の判断ロジックを見直すきっかけとして参照する価値がある。