富士通株式会社は2026年5月25日、複数のAIエージェントがチームとして業務を遂行しながら、日々の実行結果や人からのフィードバック、制度改定や仕様変更といった環境変化を取り込み、継続的かつ安全に自律学習する「自己進化マルチAIエージェント技術」を開発したと発表しました。
この技術の特徴は、AIエージェントが業務を遂行する中で成功・失敗の理由を整理し、次に活かすべき知識や行動のコツを抽出した上で、生成した改善案の品質や安全性を検証し、有効なもののみを学習する点にあります。従来は専門家が継続的に行っていたプロンプト調整や評価基準の更新といった作業を、AIエージェント自らが担うことが可能になります。
企業業務における継続的な変化への対応という課題
企業業務では、法改正や制度改定、仕様変更、現場ルールの変更が継続的に発生しています。特に業務文書や設計仕様書が膨大な業種では、どの情報を参照し、どの判断基準を優先し、どの範囲まで影響を確認すべきかは、これまで熟練者の経験や暗黙知に依存してきました。
従来のAIエージェントは、与えられた指示に対して高い処理能力を発揮する一方で、失敗した理由を自ら整理し、次の業務に安全に反映することは困難でした。このため、AIエージェントを最新の業務環境に適応させるには、専門家がプロンプト、検索方法、評価基準、運用ルールを継続的に調整する必要があり、運用負荷の高さが課題となっていました。
業務特化型LLM「Takane」の自動強化で平均28ポイントの精度向上
富士通は今回開発した技術を2つの領域に適用し、精度評価を実施しています。
1つ目は業務特化型LLMの自動強化と継続進化です。本技術は、業務特化型LLMの構築プロセス全体に適用でき、従来は専門家が担っていたデータ選定、学習条件の調整、評価、改善といった一連の工程を、マルチAIエージェントが自律的に実行・最適化します。
製造、医療、金融、行政などの複数領域に向けて「Takane」を自動的に強化し、運用を通じて継続的に改善を実施したところ、業務特化前と比較して平均28ポイントの大幅な精度向上を確認したとのことです。例えば医療分野では、診療記録や検査結果といった非構造データから、診断名、進行度、治療方針などを一貫した形式で抽出するタスクにおいて、業務に即した情報抽出・構造化が可能になったと説明されています。
2つ目は大規模業務システムの設計仕様書検索への適用です。富士通の大中規模病院向け電子カルテシステム「HOPE LifeMark-HX」および地方公共団体向け業務ソリューション「MICJET住民記録」の設計仕様書群を対象とした、AIエージェント型文書検索に本技術を適用しました。
法改正や制度改定に伴うソフトウェア改修の影響範囲を特定するためには、従来、制度や業務に関する知識と、システム構造への深い理解を持つ熟練者に頼る必要がありました。本技術を適用した結果、AIエージェントが過去の検索結果や失敗事例、人の修正内容を学習し、探索範囲の拡張や関連文書の抽出戦略を自律的に改善するようになり、従来は専門家が試行錯誤を繰り返して構築していた検索ロジックの設計・改善プロセスを自動化できたと報告されています。
生成AIの「運用」に焦点が移りつつある業界トレンドとの符合
今回の発表は、生成AI活用が「導入」から「運用・継続的改善」のフェーズへと移行しつつある業界トレンドを象徴するものと捉えられます。
これまでの生成AI活用においては、プロンプトエンジニアリングやRAG(Retrieval-Augmented Generation)の構築といった初期設計に注目が集まってきました。しかし実際の業務運用では、制度変更や業務ルールの更新、現場での試行錯誤の結果を継続的にAIシステムに反映していく必要があり、そのための専門人材の確保や運用コストが課題となっていました。
富士通の今回の技術は、この「継続的な適応」を人手に頼らず、AIエージェント自身が担うという方向性を示しています。これは単なる精度向上の手法ではなく、生成AI活用における設計思想の転換とも言えそうです。つまり、「最初に完璧なシステムを作る」のではなく、「現場で使いながら育てる」というアプローチへのシフトを可能にする技術と位置づけられます。
また、AIエージェントが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上で有効なもののみを学習するという仕組みは、生成AIの業務活用における重要な論点である「信頼性」や「説明可能性」への配慮が反映されていると見ることもできます。
ITツール選定において意識しておきたい変化
企業がITツールや生成AI基盤を選定する際、これまでは「導入時点での機能の充実度」や「初期構築の容易さ」が重視されてきました。しかし今回のような技術動向を踏まえると、「運用の中でどれだけ自律的に改善していけるか」「専門人材への依存度をどこまで下げられるか」という視点も、今後は比較軸の一つになっていくと考えられます。
特に業務文書や設計仕様書が膨大で、継続的な制度変更への対応が求められる業種――医療、金融、製造、行政といった分野――では、こうした「自己進化」の仕組みの有無が、長期的な運用コストや業務効率に大きく影響する可能性があります。
また、富士通は本技術を専有型AIプラットフォーム「Fujitsu Kozuchi Enterprise AI Factory」に組み込み、業務特化AIの内製化および自律運用を支援する中核技術として提供予定としています。カーネギーメロン大学との共同研究により、より少ないメモリと電力で動作させる技術開発も進めており、クラウド環境だけでなく、機密性が高い現場のオンプレミス環境やエッジ環境でも活用できる方向性を示しています。
まとめ
富士通が開発した自己進化マルチAIエージェント技術は、生成AI活用の焦点が「初期構築」から「継続的な運用と改善」へと移行しつつある現在の流れを象徴する取り組みと言えます。
AIエージェントが業務経験から学び、安全に自律的に進化していく仕組みは、専門人材への依存度を下げ、現場での試行錯誤を資産として蓄積していく道を開くものです。今後、生成AIを業務基盤として本格的に活用していく企業にとって、こうした「育てる」視点を持ったAI基盤の選択肢が広がっていくことが期待されます。
業務環境の変化が常態化している今日、AIシステムもまた、固定的なものではなく、現場とともに成長していく存在として捉える時代が近づいていると見ることができそうです。
