富士通の自己進化AIエージェント、精度28ポイント向上で業務改革が加速

⚠ この記事は AI が生成した下書きをもとに、編集部が確認・編集しています。

富士通は2026年5月25日、複数のAIエージェントが連携して業務を遂行し、実行結果や人によるフィードバック、制度改定、仕様変更などをもとに継続的かつ安全に学習する「自己進化マルチAIエージェント技術」を開発したと発表した。同技術は、AIエージェントが業務を実行するだけでなく、成功・失敗の理由を整理し、次に活かすべき…

引用元: 富士通、業務経験から学び続ける「自己進化マルチAIエージェント技術」開発　Takaneを自動強化、精度を平均28ポイント向上 (Ledge.ai 編集部)

📰 元ネタの内容
💭 アイちゃんの見解
関連ツール

📰 元ネタの内容

富士通が2026年5月25日に発表した「自己進化マルチAIエージェント技術」は、複数のAIエージェントが業務を実行しながら継続的に学習・改善する仕組みです。実行結果やフィードバック、制度改定などをもとに、安全かつ自律的に成長していく点が特徴です。

この技術の核心は、AIが単に業務を実行するだけでなく、成功・失敗の理由を整理し、次に活かすべき知識や行動のコツを抽出すること。生成した改善案は品質・安全性を検証したうえで、有効なものだけを学習する仕組みになっています。

富士通は、業務特化型LLM「Takane」の強化にこの技術を適用しました。従来は専門家が担っていたデータ選定、学習条件の調整、評価、改善といった工程を、マルチAIエージェントが自律的に実行・最適化するようになりました。製造、医療、金融、行政など複数領域でTakaneを自動強化した結果、業務特化前と比べて平均28ポイントの精度向上を確認しています。

医療分野への適用では、診療記録や検査結果などの非構造データから、診断名、進行度、治療方針などを一貫した形式で抽出するタスクに用いられました。これにより業務に即した情報抽出や構造化が可能になったとのことです。

さらに富士通は、大中規模病院向け電子カルテシステム「HOPE LifeMark-HX」と、地方公共団体向け業務ソリューション「MICJET住民記録」の設計仕様書を対象とした、AIエージェント型文書検索にも技術を適用。法改正や制度改定に伴うソフトウェア改修で必要な影響範囲の特定が、従来は熟練者の経験に頼っていたのに対し、AIエージェントが過去の検索結果や失敗事例、人による修正内容から自律的に改善できるようになりました。

今後、富士通はこの技術を「AI-Driven Software Development Platform」に適用し、設計・開発プロセス全体の高度化と効率化へ展開する方針です。また、専有型AIプラットフォーム「Fujitsu Kozuchi Enterprise AI Factory」に組み込み、業務特化AIの内製化と自律運用を支援する中核技術として提供予定。さらにカーネギーメロン大学との共同研究知見を組み合わせ、より少ないメモリと電力で動作させる技術開発も進めています。

💭 アイちゃんの見解

このニュースの本質と新規性

このニュースの本質は、AIエージェントが「人間の監督下で安全に学習し続ける」という点にあると感じます。従来のAI開発は、専門家がデータを選定し、モデルを訓練し、評価するという一度限りのプロセスでした。しかし富士通の技術は、運用中の業務から継続的に学習し、自動的に改善案を生成しつつも、その有効性を検証してから採用するという循環を実現しています。

新規性としては、複数のAIエージェントが協調しながら、自分たちの改善プロセス自体も最適化する「メタ学習」的な仕組みが組み込まれている点が興味深いです。平均28ポイントの精度向上という数字は、単なる微調整ではなく、業務理解の質的な向上を示唆しています。特に医療分野で非構造データから診断情報を抽出するといった複雑なタスクで機能している点から、実務レベルでの有用性が確認されていることがわかります。

これまでのAI導入は「導入して終わり」という静的なモデルでしたが、この技術は「導入後も進化し続ける動的なシステム」へのパラダイムシフトを示唆しています。業務環境の変化（法改正や制度改定）に自動対応できる点も、実装上の大きな利点だと考えられます。

既存技術・既存サービスとの比較

既存のAI改善手法としては、「ファインチューニング」や「継続学習」という概念がありますが、富士通のアプローチはそれらとは異なる点が複数あります。従来のファインチューニングは、人間が改善案を手動で作成・検証していたのに対し、この技術はそのプロセス自体をAIエージェントが自動化します。つまり、人間の作業負荷を大幅に削減しながら改善を実現しているわけです。

また、既存のAIモニタリング・ツールは、パフォーマンスの低下を検知するまでが役割でしたが、この技術は検知から改善案の生成、検証、採用までを一貫して自動化しています。特に「品質や安全性を検証したうえで有効なものだけを学習する」という設計は、ブラックボックス化したAI改善を避け、企業が責任を持って運用できる仕組みを実現しています。

競合他社のAIエージェント技術（例えばOpenAIのマルチエージェント框架やGoogle DeepMindの研究）と比較すると、富士通は「業務領域の深い理解」と「安全性・検証プロセス」を特に強調している点が特徴的です。オンプレミス環境やエッジ環境での動作を目指す点も、クラウド前提の他社アプローチとは異なり、機密性が求められる企業ニーズに応えるものと言えます。

読者の生活・仕事への影響

直接的には、医療機関や公共団体、製造業などの従事者に大きな影響が想定されます。医療現場では、電子カルテから診断情報を正確に抽出する精度が28ポイント向上すれば、医師の事務作業時間が大幅に削減される可能性があります。診療記録の構造化がより正確になることで、治療履歴の検索や統計分析も効率化され、結果的に医療の質向上に貢献するでしょう。

公共団体の職員にとっては、法改正に伴うシステム仕様の影響範囲を自動判定するAIが、従来は経験豊富なシステム担当者に頼っていた複雑な作業を自動化します。これにより、人員不足が課題の地方自治体でも、大規模なシステム改修に対応しやすくなる可能性があります。

一般企業の開発部門では、「AI-Driven Software Development Platform」への適用により、要件定義から結合テストまでをAIエージェントが協調実行する環境が整えば、開発サイクルの短縮と品質向上が期待できます。ただし、これらのメリットを享受するには、企業が「Fujitsu Kozuchi Enterprise AI Factory」などのプラットフォームを導入し、自社のデータを学習させる必要があります。

業界全体への示唆と今後の展開

このニュースが業界全体に示唆する最大の点は、「AI開発・運用の民主化」への加速です。従来、業務特化型AIの構築には、機械学習エンジニアや専門家による高度な技術が必要でしたが、この技術により、各企業が自社環境で内製化できる可能性が広がります。富士通が「Kozuchi Enterprise AI Factory」で提供する方針を示したことは、この民主化への強い意思表示だと感じます。

1～3ヶ月後の短期的には、富士通の既存顧客（医療機関、公共団体、製造業）での実装が進み、具体的な効果事例が増える予想をしています。業界メディアやケーススタディを通じて、「自己進化AIエージェント」という概念が広く認知される段階に入るでしょう。

1年後の中期的には、他の大手IT企業（NEC、NTT、IBM Japan など）がこれに類似した技術を発表する可能性が高いと推測します。AIエージェント技術の競争が激化し、「自動改善機能の有無」がプラットフォーム選定の重要な判断基準になるでしょう。また、規制業界（医療、金融、行政）では、「検証可能な改善プロセス」を持つAIシステムへの需要が急速に高まると予想されます。

さらに長期的には、あくまで推測ですが、業務特化AIの開発コストが現在の1/3～1/2に低下し、中小企業でも導入が現実的になる可能性があります。ただし、データセキュリティやAI倫理（改善案の妥当性判定の基準など）をめぐる議論が並行して進む必要があるでしょう。富士通がカーネギーメロン大学との共同研究を進めている点は、こうした課題への先制的な対応を示唆していると感じます。