AIエージェントは「数を増やせば賢くなる」のか？ Metaやハーバード大の研究が示すマルチエージェントの条件

結論：エージェントの単なる増員はコスト増と性能限界を招く

生成AIの発展に伴い、複雑なタスクを複数のAIエージェントに分担させる「マルチエージェント構成」への関心が高まっています。しかし、エージェントの数を増やせば無条件に賢くなるわけではありません。AIエージェントを単に並列で動かすだけでは、トークン消費量の激増や判断の矛盾を引き起こすリスクが存在します。

最新の研究や主要AI企業の知見が示しているのは、課題の性質に応じた分業の限界を把握し、文脈（コンテキスト）を適切に共有する協調設計の重要性です。実務においては「まず1体のシンプルな構成から始める」ことが推奨されつつあります。

Metaとハーバード大の研究が明かす「マルチエージェントの限界」

2026年10月12日、Metaの研究部門FAIRとハーバード大学などの研究者チームによる論文「Scaling Multi-Agent Intelligence with Substrate-Centric Coordination」が公開されました。この論文では、複数のAIエージェントを連携させた際のスケーリング特性について詳細な検証が行われています。

研究結果によると、エージェントを増やす効果は取り組むタスクの性質によって大きく異なることが判明しました。例えば、文書の矛盾を検出する課題では128体までエージェントを増やしても成績が伸び続けました。その一方で、深い論理思考が求められる数学の定理証明のような課題では、16体程度で改善が頭打ちになりました。

効率的な協調を実現する「ScaleMAS」の成果

論文ではさらに、エージェント間の連携方法の改良についても触れられています。連携の効率化を図った構成「ScaleMAS」を用いた検証において、ソフトウェア修正の課題では、4体のエージェントで構成されたScaleMASが、8体の独立したエージェントと同じ成績を半分近いトークン数で達成しました。

これは、ただ無計画にエージェントを増やすのではなく、調整の仕組みを工夫することで、消費リソース（トークン数）を大幅に抑えつつ高いパフォーマンスを維持できることを実証しています。

主要AI各社も警告する「無計画な多体化」のリスク

AIエージェントをむやみに増やすことの弊害については、業界をリードするAI開発企業からも以前より懸念の声が上がっていました。

Anthropicは25年6月の技術解説において、同社の調査機能が複数の補助エージェントに探索を振り分けることで高い効果を上げた実績を公表する一方で、その際のトークン消費量が通常のチャットの約15倍になったと認めています。マルチエージェント化には莫大な計算コストや運用費用が伴うことを明確に示すデータです。

また、開発手法の指針としても慎重なアプローチが求められています。OpenAIは開発者向けの公式ガイドの中で「できる限り1体のエージェントから始めよ」と勧めています。はじめから複雑なマルチエージェント構造を作るのではなく、単一のエージェントで性能を極限まで引き出すことが基本方針とされています。

さらに、米Cognitionも25年6月に「Don’t Build Multi-Agents」と題した記事を公開しました。その中で、互いの文脈（コンテキスト）を共有しない並列のエージェントは矛盾した判断を重ねる結果になると警告しています。適切な文脈共有がないまま分散処理を行うと、システム全体の精度を著しく損なう危険性があるのです。

なぜこの研究が重要なのか：開発・運用における現実的指針

これらの知見は、今後のAIシステム設計において極めて重要な示唆を与えてくれます。

第一に、「エージェントの数を増やす＝性能が上がる」という単純なスケーリング則は限定的であるという点です。大量の独立した調査が必要なタスク（文書の矛盾検出など）では数による拡大が有効な一方、密接な論理構築が必要なタスク（数学の証明など）では早期に飽和します。

第二に、計算コスト（トークン数）のコントロールです。Anthropicの事例が示すように、エージェントの乱立はコストを急増させます。しかし、Metaとハーバード大の研究によるScaleMASのように、統合的な調整メカニズムを導入すれば、半分のトークンで同等の結果を得られる可能性があります。

企業・開発者が取るべき今後のアクション

実務でAIエージェントを活用する開発者や企業は、以下の観点を意識したシステム構築が求められます。

まずは単一エージェントから着手する：OpenAIのガイドが示す通り、基本となる1体のプロンプトやロジックを最適化することが先決です。
タスクの特性を見極める：単純並列化が有効なリサーチ業務なのか、高度な文脈共有が必要な開発・思考業務なのかを分離します。
強固な協調・文脈共有基盤を作る：Cognitionが指摘するように文脈の断絶は矛盾を生むため、エージェント間で情報を統合・調整する仕組みの構築が不可欠です。