エージェントは増やせば賢くなるのか　Metaとハーバード大が条件を提示

何が発表されたか

• Meta の FAIR 研究グループとハーバード大学などの研究者による論文「Scaling Multi-Agent Intelligence with Substrate-Centric Coordination」（arXiv:2610.16120、2026年10月12日）を ITmedia AI＋ が10月29日に解説した。
• 問題設定は、マルチエージェントの性能がエージェント数に比例して伸びないこと。論文は原因を3つに整理し、エージェント間の協調と情報の受け渡し方を変える枠組み「ScaleMAS」を提案している。
• タスク別の結果：ソフトウェアのバグ修正では ScaleMAS の4体が独立した8体に匹敵し、トークン消費は約半分。文書の矛盾検出は128体まで性能が伸び続けた。数学の定理証明は16体前後で伸びが止まった。
• 結論は「エージェント数ではなく、タスクの性質と情報共有の構造で効果が決まる」。同じ体数でも情報の渡し方を変えると精度とコストの両方が変わる。
• 記事は背景として、Gartner が2026年の戦略技術トレンドにマルチエージェントを挙げたこと、Google が Gemini at Work 2026（10月8日）で一時的な補助エージェントを組む「Gemini agent」を発表し、DBS 銀行が与信審査に70〜80の専門エージェント、SOMPO が従業員3万4000人に1万以上のカスタムエージェントを展開した事例を紹介している。
• 同時に各社の警告も整理されている。Anthropic はマルチエージェント調査機能が通常チャットの約15倍のトークンを使うと報告（2025年6月）。OpenAI のガイドは単一エージェントから始めることを推奨。Cognition はコンテキストを共有しない並列エージェントが矛盾した判断をしうると指摘した。

開発者への影響

• 受託でAI機能を組む場合、いちばん効くのは「まず1体で作る」という判断の裏づけが増えたこと。エージェントを分けた時点でトークン消費と管理コストが跳ね上がるのに、精度が上がる保証はない。見積もりの段階で分業前提を置くと、コストだけ膨らむ構成になりやすい。
• 分業が効く条件は「並列に独立して確認できる作業」。文書の矛盾検出が128体まで伸びたのは、チェック対象を分割しても相互依存が小さいから。逆に定理証明のように前の結論に依存する作業は早く飽和する。実務に当てはめると、大量ページの表記揺れ・リンク切れ・構造化データの検証は分業向き、仕様策定や設計判断は不向き。
• トークン半減という結果は、情報共有の構造を設計するだけで運用コストが変わることを示す。エージェント数を売り文句にせず、何をどう共有させるかを設計項目として見積もりに入れたい。

補足

公式発表は未確認（プレプリントを扱った解説記事）。引用元の記事は全5ページで、詳細な条件や企業向けの推奨は後半に記載されている。