【ITニュース解説】ALTK-Evolve: On-the-Job Learning for AI Agents

AIエージェントが多くの分野で活用されるようになったが、その能力にはまだ改善の余地がある。特に問題視されているのは、エージェントが過去の経験から「本質的な知識」を学ぶのが苦手な点だ。多くのAIエージェントは、過去の指示や対話の記録（トランスクリプト）を繰り返し読み込むだけで、その経験から汎用的な原則やルールを導き出すことができない。このため、同じような状況で過去の過ちを繰り返したり、少し状況が変わっただけで学んだことを応用できなかったりする。まるで、特定のレシピは完璧に覚えているものの、キッチンのオーブンの癖や常連客の好みを記憶せず、レモンが手に入らないだけで途方に暮れてしまう料理人のようなものだ。このようなAIエージェントは、与えられたプロンプトに従うのは得意だが、環境に関する「知恵」を蓄積する能力に乏しい。過去のログを単に再利用しても、それは過去を再読するだけであり、そこから汎用的な教訓を引き出すことには繋がらない。真に信頼できるエージェントは、個別の「レシピ」を覚えるだけでなく、「酸味が油のバランスを取る」といった「原則」を学び、それを様々な新しい状況に応用できる「シェフ」のような存在であるべきだ。実際、ある研究では、AIエージェントが現場で適応・学習しないことが多くの失敗の原因となっていることが指摘されている。

この「永遠の新人」問題を解決するために開発されたのが「ALTK-Evolve」という長期記憶システムである。ALTK-Evolveは、AIエージェントが過去の行動から得られた教訓やガイドラインを学習し、それらを利用して自身のパフォーマンスを時間とともに向上させることを可能にする。これは、エージェントが単なる記録の再読から脱却し、経験を通じて賢さを蓄積していくための仕組みだ。

ALTK-Evolveは継続的な学習ループとして機能する。まず、「下降フロー（Downward flow）」と呼ばれる段階で、AIエージェントの全ての行動履歴が詳細に記録される。これには、ユーザーの発言、エージェントの思考プロセス、利用したツール、そしてそれらの結果など、あらゆる情報が含まれる。これらの履歴は「Interaction Layer」という部分で捕捉され、特定のツール（Langfuseなど）で追跡される。その後、システム内の抽出器がこれらの記録を分析し、行動の中に隠れた構造的なパターンを見つけ出す。そして、それらのパターンを「候補となるエンティティ」（原則やガイドラインの仮の形）として保存する。

次に「上昇フロー（Upward flow）」という段階に進む。これはバックグラウンドで実行される処理で、保存された候補エンティティを整理し、洗練させる役割を担う。具体的には、重複するルールを統合したり、効果の薄い、または間違っているルールを排除したり、逆に成功した、証明済みの戦略を強化したりする。このプロセスを通じて、システムは高品質な「ガイドライン」「ポリシー」「標準作業手順書（SOP）」といったエンティティのライブラリを継続的に構築し、進化させていく。そして、AIエージェントが特定の行動を起こす必要があるときには、Interaction Layerを介して、その状況に最も関連性の高い情報だけがライブラリから取得され、エージェントの現在の作業に必要な情報（コンテキスト）として提供される。これにより、エージェントは常に最も適切で洗練された情報に基づいて判断を下すことができるようになる。

このアプローチが効果を発揮する理由は三つある。第一に、ALTK-Evolveは「判断力」をエージェントに教え込む。単発のイベントから、様々なタスクに応用できる汎用的な戦略へと変換することで、エージェントはより賢い判断を下せるようになる。第二に、「ノイズ」を効率的に制御できる。システムはガイドラインを評価し、品質の低いものや不要なものを自動的に削除・整理するため、記憶が無秩序な情報で埋め尽くされることなく、常に精選された有用な情報だけを保持する。第三に、「段階的開示」という考え方を取り入れている。これは、エージェントが行動するまさにその瞬間に、必要な情報だけを供給するというものだ。これにより、エージェントの思考の範囲（コンテキスト）に不要な情報を詰め込みすぎてしまうのを防ぎ、効率的かつ迅速な意思決定を可能にする。

実際の評価結果も、このシステムの有効性を強力に裏付けている。AppWorldという、エージェントが複数のステップを経てAPIを通じてタスクを完了するような現実的な環境で、ALTK-Evolveは評価された。その結果、特に難易度の高いタスクにおいて、AIエージェントの信頼性が大幅に向上することが示された。例えば、非常に難しいタスクでは、成功率がベースラインと比較して14.2%も向上し、相対的な成功率では74%もの改善が見られた。この評価から得られた主な結論は重要だ。一つは「一般化」能力の向上。エージェントが事前に学習していない新しいタスクでもパフォーマンスが改善したことは、単に過去の「レシピ」を記憶しているのではなく、「原則」を学習している証拠である。二つ目は「複雑性への対応」。タスクが複雑であればあるほど、ALTK-Evolveから得られる簡潔なガイドラインがエージェントにとって大きな助けとなることが分かった。そして三つ目は「一貫性」。このシステムによって、エージェントはタスクを解決するだけでなく、多様なシナリオにおいて、より安定して、信頼性の高い方法でタスクをこなせるようになった。これは、予測不能な「不安定な」挙動が減少したことを意味する。

ALTK-Evolveを自分のAIエージェントに組み込む方法も、いくつかの選択肢が用意されている。手軽に試したい場合は、Claude CodeやCodex、IBM Bobといったプラットフォーム向けの「ノーコード（Liteモード）」プラグインが提供されている。これをインストールするだけで、エージェントの行動履歴からガイドラインが抽出され、ファイルとして保存される。より深く既存のAIエージェント（例えばReActエージェントなど、思考と行動を繰り返しながらタスクを遂行するAIエージェントの典型的なパターン）に組み込みたい場合は、「ローコード」での導入が可能だ。特定のコードを一行追加し、設定を調整するだけで、エージェントの活動トレースを生成し、そこから改善のためのガイドラインを学習させることができる。OpenAIやHugging Faceといった一般的な大規模言語モデル（LLM）クライアントやエージェントフレームワークと連携できるため、既存の環境を大きく変えることなく導入できるのが特徴だ。さらに高度な統合を目指す場合は、CUGAというプラットフォームとの「プロコード」統合が用意されており、ALTK-EvolveがCUGAの学習ループに直接組み込まれ、タスク実行前後の情報交換を通じて効率的な学習が行われる。

ALTK-Evolveは、AIエージェントが「毎朝、何も知らない新人」として目覚めることなく、日々の経験から学び、着実に賢さを積み重ねていくことを可能にする画期的なシステムだ。このシステムを導入することで、AIエージェントはより信頼性が高く、応用力のある、自律的な存在へと進化していくだろう。