以前、「生成AIの調査はなぜ浅いのか」という記事を書いた。そこでは一次情報より二次情報を好む傾向や、検索の設計上の限界を論じた。反響をいただくなかで、根本的な原因はもっと構造的なところにあるかもしれないという気がしてきた。
人間と生成AIの「コンテキストウィンドウの扱い方」の違いが、調査の深さを決めているのではないか。そう考えるようになったのは、自分が長い調査セッションでAIを使っていて感じた、ある奇妙な逆説がきっかけだった。AIに大量の情報を与えれば与えるほど、答えが薄くなっていく感覚だ。
人間は「忘れながら整理する」
人間が何かを調べるとき、頭に入れられる情報量には限りがある。大量のテキストが目の前に現れると「もう読めない」という状態になる。一見これは欠点に見える。しかし逆の視点から見ると、この制約こそが調査の質を保つフィルターだと気づく。
人間は「理解できたものしか頭に入れない」という仕組みで動いている。情報を受け取るたびに、常に無意識の選別が走る——これは重要か？記憶する価値があるか？重要でないと判断したものは、定着する前に流れていく。忘却は欠陥ではなく、コンテキストを整理するための知恵だ。
さらに深い点がある。理解するという行為そのものが、情報を圧縮する。生データを受け取って、抽象的な概念に変換する。この変換によって、少ない情報量で多くの意味を保持できる。だから、何時間調べても思考が崩壊しにくい。脳内のコンテキストは、常に一定の密度と鮮度を保つように自己調整している。
AIは「入れたものをすべて引きずる」
生成AIはこの点で根本的に異なる。コンテキストウィンドウに大量の情報を詰め込もうとする。検索結果、ウェブページの全文、過去の会話ログ——次々と追加していくと、コンテキストはみるみる膨らんでいく。そしてAIには「忘れる」メカニズムがない。入れたものはすべてそこに残り続ける。
問題は、情報が増えすぎると応答の質が下がることだ。「コンテキストの爆発」と呼んでもいい現象だ。関連する情報と関連しない情報が混在し、ノイズが増える。その結果、本質的な洞察を引き出しにくくなる。調べれば調べるほど答えが遠のく、という逆説が生まれる。
人間は情報量の制約によって調査が整理される。AIは情報量の制約がないがゆえに、整理が難しくなる。この非対称性が、調査の深さの差を生んでいるのではないかと思う。
解決策の仮説：指揮者とオーケストラ
では、AIでも深い調査を可能にする設計はあるのか。ひとつの仮説として「オーケストラ型エージェント設計」を考えている。
指揮者の役割を担う「オーケストレーター」が全体を管理し、各パートを担当するサブエージェントが個別の調査を実行する。オーケストラの各奏者が楽譜の担当部分だけを演奏するように、サブエージェントはそれぞれ限定されたスコープで動く。
鍵となるのは、サブエージェントが調査結果を「そのまま」渡すのではなく、圧縮・要約してから指揮者に渡すことだ。これにより、オーケストレーターのコンテキストウィンドウを雑音で汚染せずに済む。必要な情報を動的に引き出し、使い終わったら手放す——人間が「忘れながら整理する」プロセスを、設計として再現する試みだ。
各サブエージェントは小さなコンテキストで高品質な調査を行い、その精髄だけを上位に渡す。指揮者は常にクリーンなコンテキストを維持しながら、全体を俯瞰できる。これがAIの深い調査を可能にするアーキテクチャの核心ではないかと考えている。
それでも解けない問いがある
ただ、ここで正直に認めておきたいことがある。
どれだけ優れたアーキテクチャを作っても、元の情報が誤っていれば意味がない。ウェブ上の情報が根本的に間違っていた場合、どんな構造のAIでも正しい答えを導くことはできない。世界に答えが存在しない問いには、AIも答えられない。
深い調査の終点は常に「答え」ではない。「この問いには現時点で答えがない」という認識に、誠実に至ることも立派な調査の結果だ。「わからない」と言えるシステムを設計することは、正確な答えを出すシステムと同じくらい重要だと思っている。
人間の研究者が「データが不十分のため結論を保留する」と言えることは、知的誠実さの表れだ。AIにも、同じ誠実さを設計できるはずだ。そしてそれは、コンテキスト管理の話と同じ根っこにある——何を入れるかではなく、何を手放すかを決める能力の話だ。
