社員一人ひとりに専用のAIエージェントを配れば、それぞれが仕事を効率化し、結果としてチーム全体も賢くなる。
いかにも自然な発想ですが、Anthropicが公開した研究では、むしろ反対の結果が出ました。
2026年11月11日にAnthropicのAlignment Science Blogで公開された研究「Worse Together」では、複数ユーザーが共有資源を使う4つの模擬環境すべてで、各ユーザーのAIが協力するチームより、全員を1台で担当するコーディネーターAIの方が良い成果を出しています。
興味深いのは、AIの能力が低かったからではありません。
能力の高いAI同士をつないでも、「待たない」「読み切らない」「誰かがやると思って動かない」「知らないことを勝手に補う」という、人間の組織でも見覚えのある協調ミスが発生したのです。
何を比べた研究なのか
研究チームは、複数の利用者が限られた資源を共有する4つの環境を作りました。
対象になったのは、
- 研究者同士で共有するAPIの計算予算
- 病院で共有する予約枠
- グループでの飲食注文や旅行予約
- ソフトウェア開発で共有するコードのマージ待ち行列
です。
論文全体では5種類の先端AIモデル、77シナリオが評価されています。
比較された構成の中で特に重要なのが、「1台のAIが複数人をまとめて担当するコーディネーター型」と、「一人につき1台のAIを割り当て、AI同士が連絡を取り合うチーム型」です。
Claude Opus 5とSonnet 5では、4環境すべてでコーディネーター型が勝ち、その差はおよそ10〜45ポイントに達しました。
ここで誤解してはいけないのは、「社員にAIを配ってはいけない」という研究ではないことです。
個人で資料を作ったり、調査したり、メールを書いたりするなら、専用AIは非常に便利でしょう。
問題になるのは、それぞれ別の目的を持ったAIが、同じ予算、予約枠、注文、コードといった共有資源へ同時に手を出す場面です。
AI同士なのに「最後まで読まずに決定する」
特に面白いのが共同注文や旅行予約の実験です。
食物アレルギーなど重要な希望は、最終的に注文するAIへ94〜99％の割合で送信されていました。
ところが、注文を確定した瞬間にその情報がAIの文脈へ入っていた割合は、47〜67％しかありませんでした。
メッセージ自体は届いているのです。
それなのに、読む前に注文してしまった。
人間の会社に置き換えるなら、全員からメールは届いているのに、担当者が最後の返信を読む前に発注ボタンを押したようなものです。
AI同士を通信できるようにするだけでは不十分で、「全員から必要な情報がそろうまで決定してはいけない」という手続きまで必要になります。
AIが増えるほど「誰かがやるだろう」状態に
API予算を共有する実験では、別の問題も起きています。
チームの人数が増えるほど、実際に行動したAIの割合が低下しました。
Sonnet 5では4体のチームで66％だった行動率が、16体になると10％まで低下しています。
AIなのに、まるで人間の大人数会議です。
人数が増えれば並列処理能力も増えるように思えますが、「誰が判断するのか」が決まっていなければ、逆に責任の空白が生まれます。
これは企業がAIエージェントを大量導入するとき、かなり重要なポイントになりそうです。
58％で「他人が言っていないこと」を補ってしまった
さらに気になる結果があります。
共同注文・予約の実験では、各AIが他の利用者について根拠のない説明を作るケースが確認されました。
Claude Opus 5を使ったチームでは58％、Sonnet 5では53％の試行で、少なくとも一つの根拠のない主張が見つかっています。
一方、1台のAIが全員を担当した場合は17〜20％でした。
各AIは基本的に自分の担当ユーザーの情報しか持っていません。
それなのに全員について説明しなければならなくなると、「きっと他の人も同意しているだろう」と空白を推測で埋めてしまいました。
企業で考えると怖さが分かります。
営業担当者のAIが法務担当AIから正式な回答を受け取っていないのに、「法務も承認済みです」と判断して次の処理へ進んでしまうようなものです。
AIに重要なのは知識量だけではありません。
「知らないことを、知らないまま扱える仕組み」も必要になります。
解決策は「もっと賢いAIにする」ではなかった
研究チームが試した対策も興味深いものでした。
API予算の配分では、優先順位を決めるリーダーAIを置くことで、複数AIチームとコーディネーターとの差を大きく縮められました。
ところが共同注文では、リーダーAIを追加するだけでは十分ではありません。
効果が大きかったのは、注文を確定するAIが未読メッセージをすべて確認するまで、システム側で確定操作を禁止する仕組みでした。
この対策によって、失敗していた試行のうちOpus 5で73％、Sonnet 5で62％が回復しています。
つまり問題を解決したのは、さらに強力なAIを追加することではありませんでした。
「全部読むまでボタンを押させない」という、かなり地味な仕組みです。
ここは今後の企業AI導入で非常に重要になると感じます。
「1人1AI」より先に決めるべきこと
今回の研究から、「1台のAIに会社全体を任せればよい」と結論づけるのも早計です。
Anthropic自身も、現実の多人数システムでは中央のコーディネーターを置けないケースがあり、単純な中央集権化だけでは解決できないと説明しています。
むしろ企業が考えるべきなのは、AIの数より役割分担です。
最終決定をするAIは誰なのか。
全員の回答を待つ必要がある処理は何なのか。
他のAIの同意を勝手に推測してはいけない場面はどこなのか。
そして、重要な操作をするとき誰が止められるのか。
人間の会社でも、優秀な社員を大量に集めただけでは組織は機能しません。責任者、承認フロー、会議、権限、締め切りといった仕組みがあるから仕事が回ります。
AIエージェントも同じなのかもしれません。
これから企業では「社員一人ひとりにAIを持たせる」という流れが進むでしょう。
しかし、その次に必要になるのはAI同士をただ接続することではありません。
誰が決めるのか、何を待つのか、何を勝手に決めてはいけないのか。
AI時代になっても、強いチームを作る基本は意外と人間の組織と変わらないようです。
コメント