仕事への影響
情シスのマルチエージェント投資判断、コスト5倍でも品質はほぼ据え置き
複数のAIを連携させれば、1体で動かすより良い成果物ができるのでしょうか。情シスや開発部門がマルチエージェント構成への投資を検討するなら、コストと品質の両面を示すデータを見てから判断すべきです。
何が起きたか
AI評価を手掛けるVals AIが、複数のAIエージェントを連携させる「マルチエージェント」構成と、単一エージェントの性能をコーディング用ベンチマーク「Vibe Code Bench」で比較した結果を公表しました。対象モデルはGPT-6 SolとClaude Opus 5.5で、推論の強度を「中」と「最大」の2段階に分けて検証しています。
結果、チーム構成のコストは単体エージェントの1.8倍から5.1倍に達した一方、4つの比較のうち統計的に有意な改善が見られたのは1件のみでした。唯一の改善例はGPT-6 Solを中程度の推論強度で動かした場合で、チーム構成はスコアが7.3ポイント高くなりました。最大推論強度では、両モデルともチーム構成による明確な優位性は確認されていません。
開発元のAnthropicが独自に行ったOpus 5.5のテストでも、エージェント数を1、10、30、100と増やした際、10から100に増やしてもスコアの伸びは24時間後でもわずかにとどまりました。OpenAIの研究者Noam Brown氏はポッドキャストで、マルチエージェント構成は主に速度を買うものであり品質向上にはつながらないと述べ、4エージェントで処理速度が2倍になった一方コストも2倍になったと説明しています。OpenAIのエンジニアEric Provencher氏は、エージェントを大量投入する構成はエージェント間の調整が崩れるため、ほとんどの場合コストの無駄になると指摘しました。
背景・解説
マルチエージェントとは、複数のAIエージェントを同時に動かし、タスクを分担・連携させながら処理させる仕組みのことです。トークンはAIモデルがテキストを処理する際の最小単位で、利用量に応じて課金されるため、エージェントを増やすほど消費トークンも膨らみます。「推論強度」はモデルがどれだけ思考過程に計算資源を割くかを示す設定で、強度を上げるほど処理時間とコストが増える一方、複雑な問題への対応力が高まるとされています。
Vibe Code Benchは、AIにコーディング作業をさせて出来栄えを点数化する評価基準の一つです。Vals AIはこのベンチマークを使い、同じモデルを単体で動かした場合とチームで動かした場合の費用対効果を比較しました。背景には、AI開発企業がエージェントを多数連携させる構成を売り込む動きが広がる一方、その効果を客観的に示すデータが乏しかった事情があります。
仕事や業務への影響 — AI Topicaの見方
マルチエージェント構成への投資は、現時点では慎重に判断すべきです。今回のデータが示すのは、エージェントの数を増やしてもコーディング品質はほとんど上がらず、コストだけが1.8倍から5.1倍に膨らむという実態です。例えば、社内システム開発を担当するエンジニア3人の情シス部門が月間のAI利用コストを10万円と見積もっている場合、マルチエージェント構成を導入すると同じ作業でも20万円近くまで費用が増える一方、成果物の品質向上はほとんど体感できません。
すでに最大推論強度でモデルを動かしている現場ほど、チーム構成を追加する効果は薄くなります。追加のエージェントは、品質ではなく処理速度を買うための投資だと割り切るべきです。Web調査や数値計算のように作業を分割しやすい業務には向きますが、まとまった文章の作成や込み入った設計のように一人の思考の一貫性が求められる業務には向きません。例えば、提案書を1本作成する業務にエージェントを10体投入しても、作業時間はほとんど短縮されず、内容の整合性を保つための調整コストがかえって増えます。
マルチエージェント導入を検討する際は、まず単一エージェントを最大推論強度で動かした場合の品質とコストを基準にすべきです。その上で、処理速度の短縮が業務上どれだけの金額換算の価値を生むかを見積もり、1.8倍から5.1倍のコスト増に見合うかどうかを判断材料にするのが実務的な進め方になります。速度が求められない定型作業であれば、単体エージェントの運用で十分です。
不確かな点・注意
今回の検証はコーディング作業に関するベンチマーク結果であり、文章作成や営業資料のような他業務でも同様の傾向が出るかどうかは、出典からは判断できません。検証を行ったVals AIは評価サービスを手掛ける企業であり、ベンチマークの設計や評価基準に偏りがないか、第三者による追試結果が待たれます。また、Anthropicが行った1〜100エージェントの比較は同社自身によるテストであり、外部機関による査読を経た論文としての公表は確認できていません。Noam Brown氏やEric Provencher氏の発言も、ポッドキャストや個人の見解として紹介されたものであり、所属企業の公式見解とは限らない点に注意が必要です。