【ITニュース解説】Inside LinkedIn's cognitive memory agent for agentic personalization

LinkedInのAI採用アシスタントに、人間のような賢さと個別対応の能力を与えるために、革新的な「認知記憶エージェント」というシステムが導入された。これは、従来のAIが抱えていた「記憶の欠如」という課題を克服し、ユーザー一人ひとりのニーズにきめ細かく応えるための重要な技術的進化だ。

従来のAIは、一度会話が終わると、それまでの対話内容やユーザーから得た情報を忘れてしまうことが多かった。そのため、次に同じユーザーがアクセスしても、AIはまた最初から質問をしたり、過去の文脈を無視した回答をしたりすることが頻繁にあった。これでは、まるで毎回初めて会う人と話しているようなもので、ユーザーは不便さや煩わしさを感じていた。特に、LinkedInの採用アシスタントのように、キャリアに関する重要な相談や情報提供を行うサービスでは、ユーザーの経歴や志向、過去の活動履歴といった情報を継続的に覚えておくことが不可欠となる。

この課題を解決するために開発されたのが、今回の「認知記憶エージェント」である。このエージェントは、まるで人間が経験を通じて知識や記憶を蓄積していくように、ユーザーとの対話や活動履歴を永続的に記憶し、それを元に思考し、行動する能力を持つ。これにより、AIがユーザー一人ひとりのことを深く理解し、その人に最適化された、まるで専任のアドバイザーがいるかのような「エージェント的パーソナライゼーション」を実現する。例えば、以前に「〇〇の業界で、リモートワークが可能な求人を探している」と伝えていれば、次回は「〇〇業界のリモート求人で、さらにあなたのスキルに合いそうな新しい募集があります」といった具合に、過去の情報を踏まえた上で、より的確な提案をしてくれるようになる。

この賢い記憶能力を支えているのが、システム内に構築された「4層のメモリーシステム」だ。これは、単一の大きな記憶庫ではなく、情報の種類や役割に応じて異なる複数の記憶層を組み合わせることで、効率的かつ柔軟な記憶管理を実現している。

まず一つ目の層は「短期記憶」にあたる。これは、現在の対話セッション中に発生する一時的な情報を保持する役割を担う。例えば、ユーザーが直前に言ったこと、現在のタスクの目的、対話の主題などがこれにあたる。アクセスが非常に高速である必要があり、AIがリアルタイムで文脈を理解し、自然な会話の流れを維持するために不可欠な記憶層だ。セッションが終了すると、この層の情報は基本的にはクリアされる。

二つ目の層は「イベント記憶」と呼べるものだ。これは、ユーザーとの過去の特定のやり取りや発生した出来事を時系列で記録する。具体的には、「〇月〇日に〇〇の求人に応募した」「〇〇という企業の情報を尋ねた」「〇〇のスキルに関するフィードバックを受け取った」といった具体的な経験やアクションが、いつ、どのような状況で発生したかという情報とともに保存される。この層の情報は、長期的にユーザーの活動履歴を把握し、過去の経験に基づいて今後の行動を推測したり、適切なアドバイスを提供したりする上で重要な役割を果たす。

三つ目の層は「長期記憶」である。これは、ユーザーの永続的なプロフィール情報、スキル、職務経歴、興味、志向、応募履歴、閲覧履歴といった、普遍的で構造化された情報を保持する。この情報は、短期記憶やイベント記憶とは異なり、長期にわたって蓄積され、AIがユーザーの基本的な属性や趣向を深く理解するための基盤となる。例えば、特定のプログラミング言語の経験年数や、希望する企業の文化、キャリアパスの目標などがこの層に格納される。この長期記憶が充実しているほど、AIはより高度でパーソナルな判断を下すことが可能になる。

そして四つ目の層は「戦略的記憶」だ。これは、AIエージェントが「どのように思考し、どのように行動すべきか」といった、より高レベルな意思決定や計画のための知識やルールを保持する。具体的には、ある状況でどのような情報が必要か、どのように情報を収集し分析するか、どのような推論プロセスを経て結論を出すか、どのような表現でユーザーに伝えるか、といったエージェント自身の振る舞い方や戦略が格納される。この層があることで、AIは単に情報を記憶するだけでなく、その記憶を活用して主体的に問題を解決し、ユーザーの目標達成を支援するための戦略を立てることができる。

これらの4つの記憶層はそれぞれ独立しているだけでなく、密接に連携し合っている。短期記憶で得られた情報がイベント記憶や長期記憶に書き込まれたり、長期記憶の情報が短期記憶の文脈で利用されたり、戦略的記憶が各層の情報を活用して行動計画を立てたりと、相互に影響し合うことで、AIはユーザーの状況や履歴を総合的に判断し、的確なアクションを取ることが可能になる。この多層的な記憶システムにより、LinkedInの採用アシスタントは、まるでユーザーをよく知るキャリアアドバイザーのように、文脈を理解し、過去の経験を踏まえた上で、常に最適なサポートを提供できるようになるのだ。

このような高度なAIシステムを構築し、運用していくためには、単にAIのアルゴリズムを理解するだけでなく、その裏側でデータをいかに効率的に、永続的に、そして安全に管理するかというシステムエンジニアリングの知識とスキルが不可欠だ。大量のユーザーデータや対話履歴を処理するためのデータベース設計、異なる記憶層間で情報をやり取りするためのAPI連携、システムの可用性とスケーラビリティを確保するためのアーキテクチャ設計、そしてユーザーのプライバシーを守るためのセキュリティ対策など、システムエンジニアの役割は多岐にわたる。今回のLinkedInの事例は、AIの進化が、その背後にある堅牢なシステムによって支えられていることを明確に示している。システムエンジニアを目指す皆さんにとって、AIの賢さを実現するための基盤技術と、その設計・構築の重要性を理解する良い機会となるだろう。