賢いだけのエージェントでは、長く仕事を任せにくい
最近はAIエージェントまわりの話題を追っていても、モデル性能やツール比較の情報が多すぎて、何が本質的な変化なのか見えにくいと感じることがあります。ツクリエでAI活用や実装の相談に向き合っていると、結局気になるのは「実際の仕事の中で、AIがどこまで継続的に役に立てるのか」という点です。
そんな目線で今回のCloudflareの発表記事「Agents that remember: introducing Agent Memory」を読んだとき、かなり印象に残りました。単に新しい機能が増えた、という話ではなく、AIエージェントが本当に長く働くために何が必要かを、かなり正面から扱っていたからです。
この記事では、Cloudflareの元記事をきっかけに、私が読んで気になったポイントと、実務的にどう効いてきそうかを整理してみます。要約だけではなく、「この仕組みが広がると、AIとの働き方はどう変わるのか」というところまで含めて見ていきます。
出発点になったCloudflareの原文
まずは出発点になったCloudflareの公式記事です。何についてのリンクかがすぐわかるように、説明つきのカードで置いておきます。
この発表を見て最初に感じたのは、「AIは賢さだけでは足りない」ということ
AIエージェントの未来を考えるとき、どうしても「どのモデルが強いか」「どのツール連携が便利か」という話に寄りがちです。もちろんそこは重要です。ただ、実際にエージェントを仕事に入れようとすると、割と早い段階で別の壁に当たります。
それが、このエージェントは過去をどう覚えているのかという問題です。
一回きりの質問に答えるだけなら、広いコンテキストウィンドウと強いモデルでかなり多くのことができます。でも、何日も、何週間も、あるいは何か月も続く仕事になると話が変わります。前回どこまで進んだのか、どの判断を優先すると決めたのか、この人はどんな返答スタイルを好むのか、チーム内ではどんな地雷を以前踏んだのか。こういう文脈が抜けると、AIは毎回それっぽく返すけれど、継続して噛み合う相手にはなりにくいです。
CloudflareのAgent Memoryは、この問題にかなりまっすぐ向き合っています。単に履歴を保存するのではなく、会話からあとで効きそうな知識を抽出して、必要なときに思い出せる形に整える。この発想が、私はかなり大事だと感じました。
context window が広がっても、記憶の問題は消えない
AIの文脈長がどんどん増えているので、「全部入れておけばいいのでは」と思いたくなります。実際、初見ではかなり自然な発想です。ただ、私はここはわりと別問題だと思っています。
理由はシンプルで、コンテキストが大きいことと、必要なことをうまく思い出せることは同じではないからです。
まずコストの問題があります。長い履歴を毎回読ませるのは、速度もお金も重くなります。次に品質の問題があります。情報を詰め込みすぎると、重要度の低い話も一緒に入ってしまい、モデルが何を重視すべきかがぼやけます。Cloudflareが元記事で触れていた context rot、つまり文脈を長く抱えすぎるほど大事な情報が埋もれて精度がにごる現象は、まさにそこです。
それに、過去の情報は固定ではありません。以前は正しかった運用が今は変わっていることもあるし、暫定ルールが正式ルールに置き換わることもある。履歴をそのまま持ち続けるだけでは、現在有効な情報と、すでに古くなった情報の区別がつきにくいです。
この話を仕事に引きつけるとかなりわかりやすいです。営業支援なら「この顧客は結論から話したほうがよい」、社内支援なら「この申請は部門ごとに例外がある」、開発支援なら「このリポジトリではその実装パターンは嫌われる」。こうした情報は、毎回履歴を丸ごと見せるより、要点として持っているほうが強いです。
つまり必要なのは、大容量の保管庫というより、意味のある抽出と再提示なんだと思います。
Agent Memory は何をしているのか
Cloudflareの説明を読むと、Agent Memoryは「プロフィール」という単位で記憶を管理し、その中でいくつかの操作を提供しています。
ingest: 会話全体を取り込むremember: 重要事項を明示的に覚えさせるrecall: 必要な記憶を呼び出すlist: 記憶を一覧するforget: 特定の記憶を忘れさせる
このAPI設計はかなりよくできていると思いました。というのも、エージェントに本当に必要なのは「検索できること」だけではないからです。あとで参照してほしい情報を残したい、古くなった記憶を退かせたい、会話圧縮のタイミングで知識だけ残したい、といった運用の意図がある。そこをちゃんと操作として持たせているのが実務的です。
元記事では、WorkersからのバインディングでもREST APIでも使えることや、Agents SDKのSession APIともつながっていることが紹介されていました。ここから見えてくるのは、Agent Memoryが単なる周辺機能ではなく、エージェントのライフサイクルの中に入る前提で設計されているということです。
私が特に面白いと思ったのは、「検索」と「記憶」を分けているところ
この発表を読んでいて、多くの人がまず思うのは「RAGと何が違うのか」だと思います。私も最初にそこが気になりました。
Cloudflare自身も、Agent MemoryとAI Searchは別物だと整理しています。ここはかなり重要です。
RAGが得意なのは、もともと存在している文書やデータベースから、今の質問に関係する情報を引いてくることです。社内規程、FAQ、マニュアル、議事録、仕様書みたいな、比較的静的で文書としてまとまった知識には強いです。
一方、Agent Memoryが扱おうとしているのは、セッションや継続関係の中で育っていく文脈です。たとえば、
- このユーザーは長い前置きを嫌う
- 先週の会話で一度この認識を訂正した
- この案件では今週だけ特例運用になっている
- 前回ここで失敗したので、今回は別手順を優先する
こういう情報は、正式な文書にはなっていないことが多いです。でも実務ではすごく効きます。
私は今後、AI活用の現場では、公式知識を引く仕組みとしてのRAGと、関係の中で蓄積する知識を扱う仕組みとしてのMemoryの両方が必要になると思っています。前者だけだと硬すぎるし、後者だけだと危うい。この二層構造で考えると、かなり整理しやすいです。
記憶でいちばん難しいのは、「何を覚えるか」の判断
Cloudflareの元記事で私がいちばん実務っぽいなと思ったのは、取り込みのパイプラインです。単に会話を保存するのではなく、抽出、検証、分類、重複排除、ベクトル化まで多段で処理しています。
これ、裏返すと「記憶の難しさは保存先ではなく抽出にある」ということだと思います。
会話の全部が記憶に値するわけではありません。雑談もあるし、その場だけの仮説もあるし、あとで否定された認識もあります。そこから本当に残すべきものだけを拾い、再利用可能な形に変えないと、記憶はすぐノイズになります。
Cloudflareは、事実、出来事、指示、タスクといった分類を行い、検証段階では誰の話か、何の話か、時間や関係性が整合しているかまで見ています。この慎重さはかなり大事です。エージェントが本当に困るのは、知らないことよりも、間違って覚えたことを自信ありげに使うことだからです。
今後は、同じLLMを使っていても、どんな情報を拾うか、どう検証するか、どの粒度で保持するかで、エージェントの使い心地がかなり変わってくるはずです。私はこの差が、見た目以上に大きいと思っています。
forget があるのは、実はかなり重要
記憶というと、つい「どれだけ覚えられるか」に意識が向きます。でも、業務で使うなら、忘れる設計のほうがむしろ重要な場面もあります。
Cloudflareが forget を明示的な操作として持っているのは、かなり実務的です。
企業の現場では、記憶不足よりも、古い記憶の残留のほうが厄介なことが多いです。以前の手順をずっと引きずる、前任者向けの前提が残る、暫定運用が正式ルールみたいに扱われる。AIが長く働くほど、こういうズレは起こりやすくなります。
元記事では、事実や指示にキーを持たせて、新しい記憶が古い記憶を単純削除ではなく上書き関係で扱えるようにしていると説明されていました。ここはかなりいい設計だと思いました。現場では「前はこうだったが、今はこう」が追えることのほうが安全なことが多いからです。監査や説明責任の面でも助かります。
AIエージェントを本当に相棒にしたいなら、記憶は増やす仕組みではなく、更新され、無効化され、ときには意図的に忘れられる仕組みとして考える必要があると感じます。
Retrieval の勝負は、検索方法の多さより統合のうまさにある
元記事の Retrieval パートもかなり面白かったです。Cloudflareは、全文検索、正確なキー検索、生メッセージ探索、通常のベクトル検索、HyDEを使ったベクトル検索など、複数の経路を並列に走らせて結果を統合しています。
この設計を見て、私は「やっぱりメモリ検索は普通の検索より難しい」と感じました。
ユーザーの問い合わせは、保存時と同じ言い方とは限りません。曖昧な言い回しの中に、実は正確な事実キーで引くべきものが隠れていることもあるし、逆に厳密一致だけでは拾えない含意もあります。だから単一の検索方式では弱い。
ここで大事なのは、検索チャネルの数自体より、どう融合して最終的に自然な答えにまとめるかです。ユーザーが欲しいのは、ベクトル検索が走ったことではなく、「必要なときにちゃんと思い出してくれること」なので、その意味でかなりプロダクト設計の勝負だと思います。
これが広がると、AIエージェントは「継続して噛み合う相手」に近づく
Agent Memoryみたいな仕組みが普及すると、AIエージェントの性質はかなり変わると思います。単に長文を覚えたチャットボットになるのではなく、継続して学習する仕事相手に近づいていくはずです。
たとえばコーディングエージェントなら、以前嫌がられた実装パターン、チームが好む命名規則、過去に起きたデプロイ事故、リポジトリ固有の罠を思い出せるようになるかもしれません。そうなると、ただコードを書く存在ではなく、チーム文脈に沿って補佐してくれる相手になります。
社内オペレーション支援でも同じです。総務、人事、経理、営業支援、CS、どの部門でも本当に難しいのは、公式ルールと現場運用のズレです。Memoryを持つエージェントは、そのズレの部分を少しずつ継続学習していける可能性があります。
さらにCloudflareが書いていたように、個人単位だけでなくチーム共有の記憶として使えると、これは単なる便利機能ではなくなります。ある人のエージェントが学んだことを別の人のエージェントも参照できるなら、それはかなり新しい意味での組織知です。従来の静的なナレッジベースとは違う、会話や運用の中から生まれる動的な知識層ができる。
この点は、以前書いた OpenClawのTED講演を見て、AIエージェントの未来が急に現実味を帯びた話 とも地続きだと感じます。AIが一発回答の道具から、継続して働く相手に変わっていく流れの中で、Memoryはかなり重要な部品です。
ただ、便利さの先にはかなり難しい論点もある
ここまで読むと夢がありますが、私は同時にかなり難しい話でもあると思いました。記憶を持つエージェントは、便利になるほどセンシティブになります。
なぜなら、覚える対象には、
- 人の好み
- 過去のミス
- 社内事情
- 暫定判断
- 意思決定の背景
みたいな、かなり繊細な情報まで入りうるからです。
ここで問題になるのは、個人情報の有無だけではありません。誰の記憶なのか、どこまで共有していいのか、会話から抽出された含意をどこまで保存していいのか、あとから修正したいときに追えるのか。これは技術の話であると同時に、運用とガバナンスの話です。
Cloudflareが「記憶は顧客のもので、エクスポート可能」と強調していたのも、私はかなり重要だと思いました。AIエージェントが本当に組織に入っていくと、その記憶は企業の資産になります。業務の癖、判断の履歴、失敗知、担当者ごとの暗黙知まで蓄積されるからです。そこが強いベンダーロックインになってしまうと、企業は怖くて深く使えません。
今後は、モデルの賢さだけでなく、記憶の所有権、移行性、監査可能性が、AI基盤選定の大きな条件になっていくと思います。
企業が今から考えておきたいこと
Cloudflareの発表を読んでいて、企業側は少なくとも次の観点を早めに持っておいたほうがよさそうだと感じました。
1. どこまでを個人記憶にして、どこからを共有記憶にするか
個人の好みや作業スタイルは便利ですが、そのまま共有すると違和感やリスクもあります。一方で、障害対応の学びや手順上の注意点は共有価値が高い。記憶の階層分けはかなり重要です。
2. 公式情報と会話由来の記憶をどう区別するか
AIが思い出した情報が、正式なルールなのか、現場の暫定知なのかは、回答時に区別されるべきです。ここが混ざると、一気に危うくなります。
3. 記憶の更新責任を誰が持つか
自動で覚えてくれるのは便利ですが、完全放置は危険です。誰が誤りを直し、いつ古い記憶を退かせるのか。運用責任なしには回りません。
4. 参照元をあとから追えるか
なぜその判断になったのか、どの記憶を参照したのか、いつ保存されたのかが追えないと、業務利用は広げにくいです。説明可能性はかなり大事です。
5. 「覚えるほど強くなる」が、偏りも強めることをどう扱うか
Memoryはパーソナライズを強くしますが、同時に過去の好みやバイアスを再生産しやすくもします。便利さだけで見ないほうがいいです。
この発表が示しているのは、「AIの未来は一発回答から継続関係へ移る」ということ
このCloudflareの記事を読んでいて、私がいちばん大きい変化だと感じたのはここです。
これまでのAI活用は、「一回使って便利だった」が中心でした。でもこれからは、「使うほどこちらのことを理解し、任せやすくなる」が価値になっていくはずです。
これはかなり強い変化です。人は、一度だけ高性能なツールより、時間とともに噛み合ってくる相手に価値を感じやすいからです。だからこそ、AIエージェントの未来では、モデルのIQだけでなく、何を覚え、何を忘れ、どのタイミングで思い出させるかが重要になります。
CloudflareのAgent Memoryは、その入口としてかなり示唆が多い発表でした。魔法のような未来予測というより、「本当に運用するならここを作らなければいけない」という現実的な設計論が見えているのがいいです。
まとめ
CloudflareのAgent Memoryを読んで、私はあらためて、AIエージェントの未来は「より大きなモデル」だけでは決まらないと感じました。重要なのは、会話から意味のある知識を抽出し、検証し、必要なときに取り出し、古くなったら更新や忘却もできることです。
つまり勝負は、単なる保存容量ではなく、記憶の設計にあります。
AIが本当に仕事の相棒になっていくなら、瞬間的な賢さより、時間の中でどれだけ関係を学習できるかのほうが効いてきます。そしてそこには、便利さだけでなく、所有権、監査、共有範囲、更新責任といったかなり現実的な設計課題もついてきます。
それでも私は、この方向はかなり重要だと思っています。なぜなら、AIエージェントが単なる一問一答の道具ではなく、継続して働く存在になるためには、「記憶」は避けて通れない論点だからです。AIの未来を見たいなら、モデル比較だけでなく、この記憶の設計まで見にいくと面白いと思います。
