自己改善エージェント

AI エージェントのハーネスを AI 自身が自律的に最適化するパターン

概要

AI エージェントの構成一式（ハーネス: システムプロンプト・ツール・オーケストレーション）を、AI 自身が自律的に改善するパターン。人間はゴール（成功の定義）だけを与え、最適化はメタエージェントに任せる。

メタエージェントとタスクエージェント

役割	担当
メタエージェント（コーチ）	失敗トレースを分析し、ハーネスを書き換える
タスクエージェント（選手）	メタエージェントが設計したハーネスで実タスクを実行

最適化ループ

メタエージェントがハーネスを書き換える
タスクエージェントがタスクを実行する
スコアを測定する
失敗トレースを分析する
改善なら採用、悪化なら元に戻す（繰り返し）

モデル共感（Model Empathy）

同じモデル同士でペアリングすると、コーチは選手の失敗パターンを「自分ごと」として理解できる。同じ重みを共有しているため推論過程を正確に把握でき、異なるモデルの組み合わせより高い性能を示す。

創発的な改善行動

設計者が意図しなかった行動が自然に出現する:

スポットチェック（小さな編集の高速検証）
強制検証ループ（自己修正ターンのバジェット組み込み）
自前テスト作成（ユニットテストの自律生成）
サブエージェント生成（ドメイン別の役割分担）

Self-Improving Loops（Andrew Ng の予測）

DeepLearning.AI 創設者 Andrew Ng は「自分のタスクの100%はもう AI エージェントがやっている」「3〜6か月で誰もが自己改善ループを使い、プロンプトを手で書く時代は終わる」と述べた。現在の「プロンプトを書く → エージェントが実行する」の先に、「エージェントが自分でプロンプトを改善しながらタスクをこなす」フェーズが来るという見立てで、上記の最適化ループを人間の手離れした形で回すのがゴールになる。

開発速度が生む新たなボトルネック

ソフトウェア開発が10〜100倍速くなると、詰まる場所が エンジニアリングから非エンジニア職へ移動する。コードが数秒〜数分で生成できる以上、次の律速は PM（何を作るか）・法務（規約/コンプラ）・マーケ（ポジショニング）・デザイン（UX 承認）になる。Andrew Ng は「1〜10人の小規模チーム」が次の標準になると予測する（承認プロセス・調整コストを迂回できるため）。この「ボトルネックの移動」は、自律改善ループを組織にどう組み込むかの設計課題でもある。