AIエージェントを増やすより、何を共有させるかが鍵

複数のAIエージェントを使ったワークフローは「多様な視点を活かせる」という期待で組まれることが多い。ところが最新の研究が示す実態は逆だ。

arXivに公開された論文「The Interaction Tax」では、11種類の検証スコア付きタスクを使い、複数のLLMエージェントが互いの回答全文を読み合う条件でどう振る舞うかを調べた。結果、エージェントたちはわずか1ラウンドのやり取りで提案内容が収束し、最初に出てきた回答に引き寄せられる形で多様性が失われることが確認された。

研究者たちはこれを「インタラクション税（Interaction Tax）」と呼ぶ。エージェントを増やしてコミュニケーションさせることで、むしろ多様な解を探索する能力が「課税」されてしまうイメージだ。複数モデルを組み合わせる動機そのものが、完成形を共有させる設計によって打ち消される。

よく使われる設計として「一方のエージェントが出した答えをもう一方に批評させる」というパターンがある。これも万能ではないことが今回の実験で明確になった。

批評・修正のループが効果を発揮するのは、「違反しているルールをLLM自身が見つけやすい場合」に限られる。言い換えると、問題が構造的に複雑だったり、正解の定義があいまいだったりするタスクでは、批評を加えても精度は上がらない。むしろ「最初の答えを微修正する」方向にエネルギーが使われ、根本的な別解が生まれにくくなる。

AIの「精度のばらつき」が次の評価軸になるでも触れたように、AIの出力品質は「タスクの性質と評価設計のかけ合わせ」で大きく変わる。批評ループを組み込む前に、そもそもそのタスクでフィードバックが機能するかどうかを確認するステップが必要だということだ。

ポイントを整理すると、有効な批評ループの条件は「①違反・ミスがルールベースで明確に定義できる」「②修正の方向が一意に近い」「③フィードバックに必要な情報が揃っている」の三つが揃ったときだけ、と見ておいた方がいい。

この研究が突きつけるのは「エージェントの数より、何をいつ共有させるかの設計が精度を左右する」という事実だ。実用面で今すぐ使える判断軸を三つ挙げる。

① 最初から完成形を見せない 各エージェントに他のエージェントの回答全文を渡すのは収束を招く。独立して案を出させてから、最後に統合するステップを挟む順番に変えると結果が変わりやすい。Perplexity的な「並列検索→後から統合」の発想に近い。

② 共有するなら「ルール・制約」だけにする 完成形ではなく「このタスクで守るべき条件」だけを共有し、提案内容は独立させる。これが今回の実験で「情報共有の粒度」として有効だったアプローチだ。

③ 批評ループを入れるかどうかの判断基準 修正すべき点が「ルールに照らして自明か」を先に確認する。コードのシンタックスエラー修正や、指定フォーマットへの準拠チェックなら有効。「もっと創造的に」「よりユーザー視点で」のような抽象的な指示では機能しにくい。