業務とともに学び続ける自己進化マルチAIエージェント技術を開発
富士通は、複数のAIエージェントが連携し、日々の業務実行結果から自律して学習する技術を開発した。専門家による調整が不要となり、業務特化型LLM「Takane」で精度が平均28ポイント向上した。
📋 記事の処理履歴
- 📰 発表: 2026年5月26日 00:00
- 🔍 収集: 2026年5月25日 15:32
- 🤖 AI分析完了: 2026年5月27日 14:19（収集から46時間47分後）
富士通は、複数のAIエージェントがチームとして業務を遂行し、実行結果、人のフィードバック、制度改定などの変化から自律的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。
業務現場では法改正や仕様変更が絶えず発生しており、どの情報を参照すべきかといった判断基準はこれまで熟練者の暗黙知に依存していた。従来のAIでは、失敗理由の整理や改善反映に専門家の調整が不可欠だった。新技術は、AI自身が成功・失敗理由を整理し、品質と安全性を検証した上で有効な改善案だけを学習する。
業務特化型LLM「Takane」への適用評価では、製造・医療・金融・行政などの領域で平均28ポイントの精度向上を確認。例えば医療分野では、診療記録からの情報抽出において高い有効性を示した。これにより、企業はAI専門人材に頼らず、業務変化に応じたAIの自律的最適化が可能となる。また、同社はOneFujitsuイニシアティブのもと、グローバルなデータ駆動型経営を加速させている。
業務現場では法改正や仕様変更が絶えず発生しており、どの情報を参照すべきかといった判断基準はこれまで熟練者の暗黙知に依存していた。従来のAIでは、失敗理由の整理や改善反映に専門家の調整が不可欠だった。新技術は、AI自身が成功・失敗理由を整理し、品質と安全性を検証した上で有効な改善案だけを学習する。
業務特化型LLM「Takane」への適用評価では、製造・医療・金融・行政などの領域で平均28ポイントの精度向上を確認。例えば医療分野では、診療記録からの情報抽出において高い有効性を示した。これにより、企業はAI専門人材に頼らず、業務変化に応じたAIの自律的最適化が可能となる。また、同社はOneFujitsuイニシアティブのもと、グローバルなデータ駆動型経営を加速させている。
よくある質問
今回開発された技術の最大の特長は何ですか？
AIエージェントが業務遂行の結果やフィードバックから成功・失敗理由を整理し、品質と安全性を検証したうえで有効な改善案だけを自律的に学習・反映する点です。
この技術はどのような業務に適用されましたか？
業務特化型LLM「Takane」の自動強化・継続進化、および「HOPE LifeMark-HX」や「MICJET住民記録」といった大規模業務システムの設計仕様書検索に適用されました。
精度評価の結果はどうでしたか？
製造、医療、金融、行政などの領域で精度評価を実施した結果、業務特化前と比較して平均28ポイントの精度向上を確認しました。
この技術の導入による企業のメリットは何ですか？
AI専門人材への依存を抑えつつ、自社業務に最適化されたAIを短期間で構築し、運用を通じて継続的に進化させることが可能になります。
なぜ従来技術では業務への適応が困難だったのですか？
業務環境の変化に合わせてAIエージェントを適応させるには、プロンプトや評価基準、運用ルールの継続的な調整が不可欠であり、これらを専門家が手動で行う必要があったためです。