AIエージェントを増やすと、かえって悪化することがある

このシリーズのこれまでの記事は全て、同じ基本的な主張をしてきました。独立したAIの視点は、単一モデルが見落とすものを拾い上げる、というものです。この記事は、その主張に対する必要なチェックです。2026年、シンガポール国立大学と香港中文大学（深圳）の研究チームが、マルチエージェントAIが実際に約束通りの多様性をいつ発揮するのかを検証し、試した中で最も多様性の低い出力を生み出す、ある特定の、しかもよくある構成を発見しました。

最も多様なアイデアが出にくい構成：専門家を割り当てること

Nuo Chen氏、Yicheng Tong氏、Yuzhe Yang氏、Yufei He氏、Xueyi Zhang氏、Qingyun Zou氏、Qian Wang氏、Bingsheng He氏は、20のトピックにわたり1万件以上の研究提案を生成し、AIチームを構成する5つの方法を比較しました。役割を全く定義しない（Naive）、シニアの専門家がジュニアを指揮する（Leader-Led）、階層のないフラットな若手ペルソナ集団（Horizontal）、異なる専門分野のパネル（Interdisciplinary）、そして意図的に経験レベルを混ぜたもの（Vertical）です。真の意味論的多様性は、単なる出力数ではなく実質的に異なるアイデアのクラスター数を数えるVendiスコアという指標で測定し、人間の判断との一致率は87%で検証されています。

「ジュニア主導のフラットな協働が最も高い多様性を達成し、専門分野の異なる専門家チームが最も低い多様性を示した。品質の差はわずかだった」

直感に反するのは、実際の数字です。

• Horizontal（フラット、専門性の割り当てなし）：Vendiスコア8.08 — 最も多様
• Vertical（経験レベルを混合）：約7.5
• Leader-Led（1人の権威的な人物）：5.6
• Interdisciplinary（異なる分野の専門家）：4.65 — 5つの中で最も多様性が低い

エージェントに名前付きの専門性を与えること—まさに部屋の中の視点の幅を広げそうに聞こえる、その一手が—最も狭い結果を生み出しました。全体的なアイデアの品質は条件間でほとんど変わらなかったため（10点満点中7.88〜8.50）、これは多様性と品質のトレードオフではありません。多様性は単純に失われていたのです。

原因：判断ではなく「同意」がデフォルトになる

この論文の説明はメカニズムについて具体的で、モデルの能力不足が原因ではありませんでした。

「エージェントには多様な視点を引き出すために異なるペルソナや役割が与えられているにもかかわらず、彼らは共有された帰納的バイアスに根ざしたままである。…相互作用は、エージェントが独立した批判よりも同意を優先する『エコーチェンバー効果』に陥ってしまう」

重要なのは、専門家という枠組みが具体的になぜ悪影響を与えるのかを特定した点です。専門性そのものが原因ではなく、専門性と暗黙の権威の組み合わせが原因でした。実際、完全にフラットなトポロジーの下では、シニアのペルソナの方がジュニアのペルソナよりも高い多様性を生み出しており、経験年数そのものが原因である可能性は排除されました。原因は、異なる役割と、ある1つの視点が他の全員が自分を測る基準点として機能してしまう構造との組み合わせです。Leader-Ledの構成では、ジュニアエージェントは独立した反論を提示するのではなく、リーダーの回答に自分の意見を合わせていました。

同じ崩壊は規模を大きくしても現れます。エージェントを増やせば生の多様性は増加しますが、追加のエージェント1体あたりが実際に貢献する量—Vendiスコアをエージェント数で割った値—は、3体のときの1.03から7体のときには0.47まで低下します。新しいエージェントは、新しい領域を切り開くというより、グループがすでにカバーした領域を繰り返しているだけなのです。そして、より強力で、より高度にアラインメントされたモデルほど、この問題は悪化しました—改善はしなかったのです。論文はこれを「計算効率のパラドックス」と呼んでいます。より優れたモデルは個々の回答の質を高める一方で、エージェント間でより似通った内容に収束してしまうのです。

実際に防ぐ方法

この論文は問題の診断だけで終わりません。介入策を検証し、2つの具体的な方法が有効であることを示しました。

1. 議論の前に、独立して生成する

「ブラインドライティング」フェーズ—他の誰の回答も見る前に、各エージェントが自分自身の回答を作成する—は、検証した全条件の中で最も高い意味論的多様性からスタートし、セッションを通じてその優位性を維持しました。この手法にはAI研究の外でも名前がついています。「ノミナルグループ技法」— まさにプロダクションブロッキングについての記事で取り上げた、人間のブレインストーミングの失敗パターンを解決するために生まれた、何十年も前からある手法です。人間のグループを助けるのと同じ構造的な解決策が、関連はしているものの別の理由で、AIのグループも助けることが分かりました—人間は自分の番を待つ間にアイデアを失いますが、AIエージェントは、自分の考えを形成する前に他のエージェントの回答を読んでしまうことで、独立性を失うのです。

2. 単なるプロンプトの違いではなく、本当に異なるモデル

「モデルの異質性は、権威構造における多様性を救う」

複数モデルを混ぜたHorizontalチームは、単一モデルによるあらゆるベースラインを上回りました。「あなたは免疫学者です」というペルソナ用のプロンプトは、モデルそのもの—異なる開発元、異なる学習データ、異なるアラインメントの選択—に比べると、本物のばらつきの源としてはるかに弱いものです。同じモデルのコピー5つに5つの異なる肩書きを与えることは、実際に異なる5つのモデルに同じ質問をさせることに比べれば、表面的な多様性にすぎません。

これが実際にどう関係するか

これは、このシリーズの他の全ての記事に対する正直な留保です。複数のAIエージェントを1つの場に置くだけでは、求めている独立した思考は自動的には生まれません。それを確実に潰してしまう構成が2つあります。全員が自分の回答を出す前に他の全員の回答を見てしまう、密に共有された議論履歴の構造。そして、ある1人の参加者が、他の全員がそこに収束していく権威として機能してしまう構造です。どちらも、意図せず簡単に作られてしまいます。

この論文自身が示す解決策は、私たちがRoomの組み立て方として提案しているものと一致します。最初の発散フェーズでは、1つの質問を全モデルに同時に投げかけましょう—本当に独立した状態で、誰も他人の回答に引っ張られることなく。そして、1つのモデルに複数の役を演じさせるのではなく、実際に異なるプロバイダーを組み合わせましょう。共有された、互いに見える議論は、独立した回答がすでに存在した後のために取っておき、その発散フェーズの間は、どの参加者もRoomの事実上の権威として機能しないよう意識的に注意しましょう。

これの具体的な実践方法（ModelSightのブロードキャストが、比較を求めるまで互いの回答を一切見せない構造になっている理由も含めて）は、ベストプラクティスガイドをご覧ください。

参考文献

• Chen, N., Tong, Y., Yang, Y., He, Y., Zhang, X., Zou, Q., Wang, Q., & He, B. (2026). Diversity Collapse in Multi-Agent LLM Systems: Structural Coupling and Collective Failure in Open-Ended Idea Generation. arXiv:2604.18005.