Agent Memoryとは
Agent Memoryとは、AIエージェントが過去の対話や行動履歴を保持
読み: エージェント・メモリ
AIエージェントが過去の対話や行動履歴を保持し、文脈を踏まえた自律的な意思決定を行うための記憶機構である。単なる一時的なセッションを超えて情報を永続化する。
かんたんに言うと
昨日の会話の続きを今日いきなり話しかけても通じる、気の利いた同僚の脳内ノートのようなものである。
セッションを超えて文脈を引き継ぐAgent Memoryの記憶機構
ChatGPTのデフォルトのセッション記憶はブラウザを閉じれば消える。Agent Memoryはそれを永続化し過去の文脈を引き継ぐ仕組み。現場では毎回同じ前提条件をプロンプトで食わせる手間に嫌気がさしているはずである。ZepやMem0といった専用のメモリ管理ツールが台頭している。これらを組み込むことでエージェントは過去のやり取りを参照しユーザーの意図を先回りして推論できるようになる。単なる一問一答のチャットボットから脱却するためのコア技術。記憶を持たないAIは毎回記憶喪失になる新入社員と同じで使い物にならない。
短期記憶と長期記憶による情報処理の仕組み
LLMのコンテキストウィンドウはClaude 3.5 Sonnetで200Kトークンあるが全部詰め込めばレイテンシが跳ね上がる。APIの利用料金も馬鹿にならない。だからVector Databaseに逃がす。PineconeやQdrantである。必要な時にRAGの要領で引っ張ってくる。直近の会話は短期記憶としてプロンプトに含め過去の膨大な履歴は長期記憶としてベクトル検索で補完する。ただどこまでを短期に置きどこからを長期に回すか。チャンクサイズの分割基準をどう設定するかで検索精度が劇的に変わる。この設計は非常に悩ましい。
法務や経理業務を推進する代表的なAIツールと活用事例
法務の契約書レビューを想像してほしい。過去のNDAの修正履歴や自社の法務部長が嫌う特定の条項のニュアンス。これをAgent Memoryに保持させる。MemGPTを使えばOSのようにメモリを階層管理し無限の文脈を扱うような振る舞いができる。経理の請求書処理でも特定の取引先のイレギュラーな支払いサイトを記憶させておく。毎回ルールベースで分岐を書くよりはるかにスマートである。実務の泥臭い例外処理こそ記憶機構が活きる。現場の担当者が頭の中に抱え込んでいる暗黙知をいかにシステムへ転写するかが鍵になる。
記憶保持がもたらす業務上の利点と技術的な限界
パーソナライズの精度は確実に上がる。だがGDPRや国内の個人情報保護法との兼ね合いはどうするのか。社員の評価データや取引先の機密情報をメモリに保持したまま別のプロンプトインジェクションで引き出されたら目も当てられない。API経由でAzure OpenAI Serviceを叩くのは当然としてメモリ自体の暗号化やテナント間のアクセス制御をどう実装するか。現場のエンジニアの力量が問われる。便利だからと無邪気に記憶させ続けると後でコンプライアンス部門から強烈な横槍が入ることになる。
自社環境への導入を判断するための評価基準
AWSのインフラにどう組み込むか。既存のActive Directoryと連携してユーザーごとのメモリ空間を厳密に分離できるか。コストも見逃せない。ベクトル検索のクエリ回数が増えればクラウドの課金は容赦なく膨れ上がる。本当に全社員の文脈を永続化する必要があるのか。法務や経理の一部ヘビーユーザーに限定してリソースを集中させるのも一つの手だろう。どこまで投資を許容しどの業務プロセスに記憶を持たせるべきか。一律の正解はなく各社の台所事情によってマネージャーの判断が分かれるところである。
当社の見解
当社はAI長期記憶システムを自社開発・運用している（2026年4月現在、1,655件の記憶データを蓄積）。この仕組みにより、AIが過去3ヶ月分の経営判断や設計方針を文脈ごと保持し、「前にも同じ話をしましたよね」という手戻りが激減した。セッションが切れても議論の続きから再開できるため、壁打ち相手としてのAIの価値が根本的に変わった。技術的にはCognee MCPサーバーによる記憶保存と、FastEmbed（ONNX Runtime）+ LanceDBによる非常駐型ベクトル検索（検索レイテンシ8ms、GPU不要）を採用。Hindsight（LongMemEval 91.4%精度）やomega-memoryなど複数の既製品を実環境で検証・棄却した上での選定であり、「個人PCでもエンタープライズでも負荷なく動く軽量さ」を最優先に設計している。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。