富士通の「自己進化マルチAIエージェント」発表：エージェント運用の主戦場は“賢さ”から“更新管理”へ

2026年5月25日、富士通は、複数のAIエージェントが業務を分担し、実行結果・人間のフィードバック・制度改定・仕様変更などを取り込みながら継続的に学習する「自己進化マルチAIエージェント技術」を発表した。対象は単なるチャット応答ではなく、業務特化型LLM「Takane」の自動強化や、大規模業務システムの設計仕様書検索など、変化し続ける企業内プロセスである。富士通はこの技術を「安全に自律して学習する」仕組みとして位置づけている。(global.fujitsu)

今回の発表で重要なのは、「AIエージェントがタスクを実行する」こと自体ではない。多くの企業で本当に難しいのは、業務ルールが変わった後に、プロンプト、検索方法、評価基準、運用ルールを誰が、どの頻度で、どの根拠に基づいて更新するかだ。富士通の説明では、従来のAIエージェントは与えられた指示には強い一方、失敗理由を自ら整理し、次の業務へ安全に反映することが難しかった。この課題に対し、今回の技術は、成功・失敗の理由を抽出し、改善案をそのまま記憶するのではなく、品質や安全性を検証したうえで有効なものだけを反映するという設計を採る。(global.fujitsu)

これは、エージェント開発の論点が「一回の推論性能」から「運用中の更新ループ」へ移っていることを示している。モデル単体の能力が高くても、制度改定、業務仕様、社内ルール、例外処理が変われば、昨日の正解は今日の誤答になりうる。特に医療、行政、金融、製造のような領域では、最新情報への追随だけでなく、「なぜその判断基準に変えたのか」を説明できることが必要になる。自己進化という言葉は派手だが、実務的には「現場で起きる変更を、監査可能な形でAIの振る舞いに反映する技術」と読んだ方が正確だ。

富士通は、この技術を二つの用途で評価したとしている。一つ目は、業務特化型LLM「Takane」の構築・改善プロセスへの適用で、データ選定、学習条件調整、評価、改善をマルチAIエージェントが自律的に実行・最適化する。製造、医療、金融、行政など複数領域でTakaneを強化し、業務特化前と比較して平均28ポイントの精度向上を確認したという。ただし、この「28ポイント」は富士通発表に基づく数値であり、評価データ、指標、ベースライン、再現条件の詳細は公開情報だけでは十分に検証できない。(global.fujitsu)

二つ目は、大中規模病院向け電子カルテシステムや地方公共団体向け業務ソリューションの設計仕様書検索への適用だ。法改正や制度改定に伴うソフトウェア改修では、影響範囲の特定が熟練者の暗黙知に依存しやすい。富士通によれば、AIエージェントは過去の検索結果、失敗事例、人間の修正を学習し、探索範囲の広げ方や関連文書の抽出戦略を改善した。ここで面白いのは、単に検索精度を上げる話ではなく、「熟練者がどこまで周辺文書を見るか」という探索の作法を運用から学ばせようとしている点だ。(global.fujitsu)

関連リンクとして挙げられているEVE-Agent論文も、この発表を読む補助線になる。EVE-Agentは、自己進化型エージェントが自分で生成した訓練例を使う場合、その例が検証可能な根拠を持つべきだと主張し、質問・回答・根拠スパンを生成させ、その根拠が回答精度にどれだけ寄与するかで評価する枠組みを提案している。富士通の発表と完全に同一の技術内容だとは限らないが、「自己改善は、証拠なしに回すと危うい」という問題意識は共通している。(arxiv.org)

今後の計画として、富士通はこの技術を「Fujitsu Kozuchi Enterprise AI Factory」やFujitsu Kozuchiの先端AI技術に組み込み、業務特化AIの内製化・自律運用を支援するとしている。また、カーネギーメロン大学のGraham Neubig氏、Tim Dettmers氏との共同研究の知見や生成AI再構成技術を組み合わせ、クラウドだけでなく、機密性の高いオンプレミスやエッジ環境でも継続学習するAIチームの実現を目指すとしている。(global.fujitsu)

ただし、ここには慎重に見るべき点もある。自己進化型エージェントでは、誤った人間フィードバック、局所的な業務慣行への過適応、評価基準の劣化、改善案の連鎖的な誤反映が起こりうる。安全な自己進化を名乗るなら、必要なのは「学習すること」ではなく、学習前後の差分、採用理由、棄却理由、ロールバック方法、責任境界を記録することだ。企業内AIにおける信頼性は、モデルが賢いかどうかだけではなく、変化した振る舞いを後から説明できるかに依存する。

今回の発表は、LLMエージェントの実装論を一段現実側へ引き戻している。エージェントが業務を代行するなら、業務が変化したときにエージェントも変わらなければならない。しかし、勝手に変わるAIは危険であり、まったく変わらないAIはすぐに古くなる。この矛盾をどう扱うかが、これからのAgentOpsの中心課題になる。富士通の取り組みは、その答えを「検証された経験だけを運用知として取り込む」という方向に置いたものだと言える。真に注目すべきは「自己進化」という言葉ではなく、進化をどこまで記録し、検証し、止められる設計になっているかである。