Engineering · アーキテクチャ

AIエージェントへの選好委任：Project Swap 実験が示す「好みの言語化」の限界と設計戦略

「自分の好みをAIに任せる」——その成否を、Anthropic の大規模実験が数値で明らかにした。

Project Swap 実験の概要

Anthropic は2026年9月25日、「Project Swap」と題した多エージェント選好整合研究の結果を公開しました（n=201）。参加者はまずエージェントとの対話（Intake）を通じて自分の書籍選好を記述し、次にエージェント同士がマーケット形式で書籍の交換交渉を行います。最後に参加者は交渉結果を評価します。

この設計の特徴は「二重の委任」です。選好の言語化をエージェントが補助し（Intake対話、中央値216語）、さらに交渉そのものもエージェントが代行します。人間は最初と最後にだけ関与します。

重要な留意点：以下の数値はすべてこの研究実験の結果です。agens の実装・実績値ではありません。

鍵となる数値：何が分かったか

実験の主要指標は以下のとおりです（いずれも Anthropic「Project Swap」実験値、n=201）。

選好一致率 61%：エージェントが選択した結果が、参加者の事後評価で「自分が選んでいたはず」と一致する割合。ランダム比（50%）を+11 pt上回りました。

満足度 7.2/10：交渉結果への参加者評価。さらに50%が「自分で選ぶよりも良い本を手に入れた」と回答しました。これはエージェントが「単に好みを再現する」以上の価値を生んでいることを示唆します。

市場効率 0.55（理論最大 0.89）：交渉結果の全体最適度。理論値0.89との差が「ロス」です。このロスを掘り下げると、85%は選好理解の精度不足に起因し、残る15%のみが交渉アルゴリズムの限界です。

選好モデルの三層アーキテクチャ

Project Swap の設計から、選好委任エージェントは概念的に三つの層で構成されることが分かります。

① Intake 層（選好収集）：ユーザーとの対話を通じて選好を引き出す層。同実験では中央値216語の対話が行われました。オープンエンドな質問、比較選択、過去の行動履歴の参照などを組み合わせることで、ユーザーが言語化しにくい選好を構造化データに変換します。

② 選好モデル層（内部表現）：収集した選好を内部表現に変換し、未知の選択肢に対しても評価を生成できるようにする層。選好の一般化能力が市場効率に直結します。

③ 交渉エンジン層（外部最適化）：選好モデルに基づいてマーケット上で交渉・最適化を行う層。この層の改善余地は全体ロスの15%に留まります。

モデル選択と効率トレードオフ

同実験はモデル別の比較も行っています（いずれも実験値、agens の実績値ではありません）。Claude Haiku 0.75、Sonnet 0.80、Fable 0.86、Opus 0.88 と、モデルの能力が高いほど交渉効率が向上します。

これはIntake対話の品質（複雑な選好の言語化支援）と、選好モデルの精度（未知シナリオへの汎化）の両方に能力差が影響するためと考えられます。

設計上の示唆として、選好委任タスクには「推論品質」が高いモデルを当てることが、純粋なコスト最小化よりも全体成果を高める可能性があります。ただし、Intakeは会話文脈が深く蓄積される前の初期段階であり、そこだけ高品質モデルを用いるハイブリッド構成も検討に値します。

agens での設計展望（設計段階）

以下は、Project Swap の知見を踏まえた agens の設計方向です。実装済み機能ではなく、今後の設計検討事項です。

Intake 設計の強化：スキル設定時の対話フローを充実させ、ユーザーが自分の選好をより豊かに記述できる場を設けることが、エージェント成果の最大レバーと考えています。単純な設定入力ではなく、比較質問・シナリオ提示・過去の行動参照を組み合わせた対話設計が有効です。

選好の更新サイクル：選好は時間とともに変化します。エージェントが判断の根拠をユーザーに提示し、ユーザーがそれを修正できる「フィードバックループ」の仕組みが、長期的な選好モデルの精度向上に重要です。

透明性の確保：エージェントがどのような選好モデルで動いているかをユーザーが確認・修正できる透明性は、信頼構築と監査の両面で不可欠です。

関連