Junpei Maruyama

🚨「AIエージェントは多いほど良い」という常識が、GoogleとMITの大規模研究で完全否定された 「マルチエージェント導入で業務効率化！」と意気込んで投資したのに、逆に2〜6倍も非効率になった…そんな企業が続出する可能性があります。 📊180構成×4ベンチマークで科学的に検証した結果、衝撃的な事実が判明： ✅ツール依存度の高いタスクでは、マルチエージェントは単一エージェントより2〜6倍非効率 ✅単一エージェントの性能が45%を超えると、エージェントを増やしても改善効果はほぼゼロ ✅独立型エージェント構成では、誤りが17.2倍に増幅される💥 🔍なぜこんなことが起きるのか？ マルチエージェントでは文脈や計算リソースが分断され、重複処理や通信コストが急増。 誤った判断が連鎖的に増幅してしまうんです。 一方、単一エージェントは全体の文脈を保持したまま処理できるため、逐次性の高いタスクでは圧倒的に効率的✨ 💡ただし例外も！ 金融分析のように並列化できるタスクや、中央で検証する「集中型協調」構成では、マルチエージェントが有効なケースも。 タスクの性質と構造設計が決定的に重要です。 📈Before/Afterの明確な対比 【従来の思い込み】 「複雑で大規模なマルチエージェントシステム = 高性能」 【科学的事実】 「小規模で賢く、構造化されたエージェント設計 = 最適」 → 効果的なエージェント数は3〜4体程度が限界 ✅今すぐ取り組むべき3つのアクション 1️⃣タスク分析：自社業務が「逐次型」か「並列型」かを明確化 2️⃣小規模テスト：3-4体の小規模構成でPoCを実施。効果が出なければ単一エージェントに 3️⃣構造設計：マルチエージェントを使う場合は「集中型協調」構造を採用し、誤りの増幅を防止 GoogleとMITが示した定量的な法則を理解し、科学的根拠に基づいたAI戦略で、無駄な投資を避け真の業務効率化を実現しましょう🚀 ソース：arxiv.org/abs/2512.08296