Anthropicの最近の研究は、AIエージェントを増やせば常に良い結果が得られるという前提に疑問を投げかけています。脆弱性スキャンなどの独立したタスクでは並列エージェントが効果的ですが、共有リソース、動的依存関係、または競合する目標を含むシナリオでは、調整コストの増加により、重複作業、集団的誤判断、行動の収束といった問題が発生します。システムアーキテクトは、エージェント数を増やす前に、タスクの分解可能性とエージェント間の依存関係を評価すべきです。緊密な協調が必要なタスクでは、通信プロトコルと競合解決メカニズムへの投資が、単にエージェントを追加するよりも高いリターンをもたらす可能性があります。
Anthropicの研究により、AIエージェントを増やすと調整コストや競合により性能が低下する場合があることが判明。重要なのは数ではなく、効果的な協調設計。