AIに仕事を100件頼んだとする。返事は「全部できました！」。すごい。では、100件のうち何件が本当に正しい？
そこを人間が一件ずつ確かめるなら、今度は人間が残業する。
AIの部下が100人。検品係は人間1人。 もう嫌な予感しかしない。
AIを増やすと強い仕事、弱い仕事
同じ資料から10社の特徴を調べる。こういう仕事なら、AIを分担させる意味がある。それぞれが調べて、最後に結果を並べればいい。
ところが、前の答えを使って次の判断をする仕事は違う。途中で誰かが間違えると、後ろの仕事まで道連れになる。確認や相談の手間も増える。
Google Researchは2026年1月、AIエージェントの180通りの構成を比べた研究を紹介した。分担しやすい金融分析の課題では、司令塔のいる複数AIの構成が単独より約81％良かった。一方、順番どおりに考える必要がある課題では、複数AIにした構成の成績が39〜70％下がった。
10人集めたら10倍進むのかと思ったら、10人の会議が始まる。 人間の職場で見たことがある。
「できました」を数える仕事が増える
AIを増やすと、作る速さは上がっても「合っているか確かめる速さ」が追いつかないことがある。
例えば、AIに文章を100本書かせる。100本できた。でも間違った数字が混ざっていないか、同じ話を繰り返していないか、そもそも読者が知りたい答えになっているか。ここを放置すると、間違いまで大量生産される。
同じGoogleの研究では、互いに確認せず並列で働くAIの構成で、誤りの影響が大きく増える例も見つかった。だから「人数が多い」だけでは強さにならない。
増員より先に、落第を見つける
必要なのは、次の流れをつなぐことだ。
作る → 確かめる → 間違いを直す → もう一度確かめる。
プログラムなら、実行できるか、テストに通るかを調べられる。文章なら、数字や引用元を確認し、最後に実際の読者が理解できるかも見る。合格できないものは先に進ませない。
ただし、検査にも落とし穴がある。「クリックされれば合格」にすると、中身より刺激的な見出しばかり増えかねない。テストで満点、読者は置き去り。 それでは何のための合格か分からない。
検査の数字と、最終的にほしい結果を混同しないことも大切だ。
最初は1体でいい
いきなりAIを100体並べるより、まず1体で小さな仕事を最後まで通す。成果物を読み返し、どんな失敗をするか確かめる。失敗を見つけて直せるようになったら、独立した仕事から少しずつ分担させる。
増やす前に、間違いを止める。これだけで「100体いるのに、全部人間が確認している」という悲劇を避けやすくなる。
AIの能力が増えたからといって、こちらの目が100個に増えるわけではない。増員の前に検品台を作ろう。
参考資料（1件）
- Google Research（2026年1月28日）「Towards a science of scaling agent systems: When and why agent systems work」 https://research.google/blog/towards-a-science-of-scaling-agent-systems-when-and-why-agent-systems-work/
