Google DeepMindが提唱する「インテリジェントAI委任」フレームワークは、従来の硬直的なAIエージェント協調システムを根本から再設計し、経済学の取引コスト理論をAI設計に統合することで、数百万の専門AIエージェントがグローバルな市場で動的に協調する新たな経済秩序を提示している。信頼、評価、検証可能性、説明責任といった概念を抽象的な倫理観から計算可能なコスト変数へと転換し、AIエージェントが人間の知性と共に透明性の高い市場メカニズムの中で価値を創出する未来を描く革新的な研究である。
AIエージェントの未来を定義する新フレームワーク
こんにちは、コミュニティの皆さん。また戻ってきてくれて本当に嬉しいです。今、最もホットな話題は何でしょうか?もちろんマルチAIエージェントです。では、それについて今から話していきましょう。
2026年2月11日付けの新しい研究論文、エージェント推論における重要エピソードのための軌跡リスク集約に関するものや、イリノイ大学の研究もあります。あるいはブラウン大学とニューヨーク大学による、オブジェクトレベルの潜在的介入を通じた因果的世界モデル学習に関する研究もあります。しかしよく見ると、彼らは単に画像パッチをオブジェクト中心の表現に置き換えただけなんです。
でも、本当に未来を理解したいなら、Google DeepMindによる全く新しい論文があります。それは「インテリジェントAI委任」と呼ばれるもので、私はこれが世界経済を定義することになると考えています。非常に興味深い内容です。
Google DeepMindの革新的提案
2026年2月12日に発表されたこの論文は、注目すべき内容を含んでいます。現在のタスク構成と委任方法論について、AIにおける既存の手法は単純なヒューリスティックに依存しており、環境の変化に動的に適応したり、予期しない障害モードを堅牢に処理したりすることができないという問題を指摘しています。
現代のエージェントAIシステムは、差別化されたサブエージェント間で複雑な制御フローを実装し、中央集権型から分散型のオーケストレーションプロトコルと組み合わせています。これは問題ないのですが、このプロセス全体が完全にハードコーディングされており、非常に制約が多く、退屈で固定的なものです。柔軟性がなく、知性もなく、機械知性もありません。ほとんどテンプレートのようなものです。
2025年8月の階層的マルチタスクフレームワークによるエージェント協調や、MCPマネージャーと動的ツール作成・検索・再利用メカニズム、あるいは勾配ベースのマルチエージェントLLMスケジューラーとReActオーケストレーション、MCPとReActベースの動的計画ループなど、美しいアイデアもあります。2025年7月のこの論文を見ても、まあ良いけれど、全て退屈だと思うわけです。
そこにGoogleが登場し、新しいアイデアを持ってきました。
委任の概念を再定義する
Googleは「委任について話しましょう」と言っています。もし私の最新動画を見ていなければ、「何のこと?」と思うかもしれません。でも見ていれば、正確に何について話しているか分かるはずです。
もし私がAIモデル、例えばAnthropic Claude 4.6にタスクを依頼するとします。Claude 4.6は私のタスクを解決できません。そこで何をするかというと、私の複雑な人間のタスクを10個のサブタスクに分解します。そして各サブタスクはより低い複雑性レベルを持ちます。つまり、このAIは単にタスク分解を管理可能な行動の単位に実行しているわけです。
サブタスクの作成を超えて、委任にはさあ、靴下をしっかり履いてください、Googleが私たちに告げるのは「責任」の割り当てが必要だということです。それは結果に対する説明責任を意味します。
「Google、正気なの?説明責任?AI に?冗談でしょ」と言いたくなるかもしれません。サム・アルトマンならこの瞬間に心臓発作を起こすでしょう。彼は利益を増やそうとしているのであって、説明責任を増やそうとしているわけではありません。AIシステムに責任とは一体何なのでしょうか。
Googleは、委任という用語には能力マッチングと継続的なパフォーマンス監視だけでなく、フィードバックに基づく動的調整も含まれ、分散されたタスクの完了を真に検証することを保証するものだと述べています。
私の因果推論テストのパズルを見たことがあれば、多くのモデルが単純にクラッシュして終わりになることを知っているでしょう。タスクの完了を保証するということがありません。もし私たちがこれを新しいAI委任フレームワークの一部だと主張するなら、私は大賛成です。
より知的な委任へ
Googleは「世界の新秩序を発明するのだから、もっと知的なものにしましょう。インテリジェント委任にしましょう」と言っています。
Googleは提案します。AIエージェントの明確な役割はどうでしょうか?明確に定義された境界、AnthropicからOpenAIまで、どこかで各エージェントが利用できる明確な評価。信頼について話しましょう。倫理的な主題としての信頼ではなく、財務的リスク要因としての信頼です。透明性について話しましょう。認証可能なエージェント能力について話しましょう。
「何ですって?突然、どのAIエージェントがどのタスクをどの複雑性レベルで実行できるかを示す証明書があるの?誰がこの証明書を発行するの?」と思うかもしれません。あるいは検証可能なタスク実行について話しましょう。本当にAIシステムから結果を受け取れるのか検証できるのです。もはやサンドボックスで月額200ドルや2000ドル払って行う実験ではありません。
しかし最も重要なのは、スケーラブルなタスク配分について話すことです。そして今、私が昨日投稿した「25,000エージェント」というタイトルの動画の意味が理解できるはずです。それは両方の視点を示しています。でも今日は、Googleによるインテリジェント委任という未来についてだけお話しします。
5つの核心要件
この論文は新しいフレームワークを提案し、5つのシンプルな要件があります。
市場状況の動的評価が必要です。単一または複数エージェントシステムの適応的実行が必要です。常に構造的透明性が必要です。スケーラブルな市場協調が必要で、「市場って何の話?」と思うかもしれません。そして、私が仕事の実行に対価を支払うなら、マルチエージェントAIシステムの体系的なレジリエンスが必要です。
「そういう用語には馴染みがないな。だって私はAIモデルを構築しているし、新しいAIエージェントを作っているんだから」と思うかもしれません。でも私が話しているのは新しいマーケットプレイスのことです。
見てください。フレームワークの柱として5つの要素、核心要件があります。そしてGoogleはこの論文で技術的実装と方法論、数学について詳しく説明しています。タスク分解、タスク割り当て、適応的協調、監視、検証可能な完了、信頼と評価、リスクと金銭的要因、多目的最適化について、すぐに話します。絶対に魅力的で新しいセキュリティ問題、そして許可ハンドリングもあります。
でも、私が気に入っているのは、Googleがこうも言っていることです。これらすべては人間の知性と協力するのだから、人間の労働の尊厳を尊重するような形の社会的知性が機械知性から必要になるだろうと。シンプルな一文ですが、何となくこのアプローチが好きです。
既存プロトコルの限界
「でも待って、私たちにはまだ初歩的なプロトコルしかないよ。MCP、A2A、AP2、そしてUCP(ユニバーサル・コマース・プロトコル)しかない。こんなものは何もないじゃないか」と言うかもしれません。
Googleは「ええ、分かっています」と言います。そしてGoogleはMCPを見て、何が欠けているかを示しています。
Googleは述べています。MCPにはポリシー層がなく、セマンティック減衰のネイティブサポートがありません。MCPは内部推論に関してステートレスで、意図や痕跡ではなく結果のみを公開しています。このプロトコルは責任に対して不可知論的です。なんてこった。そしてこのMCPには、評価や信頼のネイティブメカニズムが一切ありません。
GoogleがMCPにだけ批判的だと思うなら、いいえ、A2Aピアツーピア転送層もGoogleの自社製品です。A2Aは協調のために設計されたと言っています。でも敵対的安全性のためではありません。検証可能なタスク完了を強制する暗号化スロットがありません。認証証明、デジタル署名を添付するための標準化されたヘッダーがありません。事前定義されたサービスインターフェースを前提としています。なんてこった。構造化された事前コミットメント、交渉、範囲、コスト、責任に関するネイティブサポートが全くありません。
Googleの具体的ビジョン
そして、単なる偶然ですが、Googleは次のプロトコル実装について非常に明確で絶対的にレーザーフォーカスされたアイデアを持っており、アイデアを提示してくれます。
Googleは例えば、狂ったアイデアかもしれませんが、MCPのようなプロトコルを拡張して追加の監視ストリームを含めることを検討できると言っています。そのようなストリームは、サービス終了イベントを介してエージェント内部の制御ループイベントをロックします。あるいは例えばA2Aタスクオブジェクトを拡張して、検証基準を組み込むフィールドを含めることができます。これにより、以前に議論された契約ファーストの分解をプロトコルレベルで突然強制できるようになります。
Googleは次のプロトコルについてかなり詳細なアイデアを持っているようです。そしてGoogleは、狂ったアイデアですが、インテリジェント委任には市場メカニズムが必要だと言っています。なぜなら、お金を稼ぎたいわけですから。利益について話しましょう。
グローバルマーケットプレイスの構想
市場が必要で、市場は製品に価値を与えます。コスト、スピード、プライバシーをトレードオフする市場メカニズムが必要です。これは実装可能で、Googleはこの論文で未来についていくつか詳細な情報を持っています。
アイデアはタスク配分です。もし私のタスクが10個のサブタスクに分割され、それがマーケットプレイスに送られるとします。このマーケットプレイスには、コンサルティング会社、例えばマッキンゼーやアーンスト・アンド・ヤング、あるいは大学の研究者、インドやアジア、東南アジア、どこかの企業など、異なるエージェントがいます。そして市場には他の機関、他のエージェントからの入札が入ってきます。
重要な考慮事項には、信頼とあなたの評価が含まれます。このエージェントが何ができるか知りたいのです。このエージェントが成功のログを持っているか知りたいのです。動的運用状態の監視を見たいのです。コストや効率性、その他多くの要因についての情報が欲しいのです。
したがって、この透明性があるマーケットプレイスがあり、高い重要度と低い可逆性を持つタスクを設計できます。これにはさらに構造化された許可といくつかの階層的承認が必要で、靴下をしっかり履いてください、説明責任の明確な構造が必要です。
私はAIエージェントとともにこの方向に進んでいくというアイデアが本当に好きです。これが進むべき道だからです。なぜなら、AIエージェントに対価を支払うなら、説明責任、透明性、すべて、検証、監視、全体を望むからです。
ここにあるアイデアは、この論文からの引用ですが、将来のグローバル経済の重要な構成要素は、アイデアとして、この美しい地球上のあらゆる場所に組み込まれた、企業内の数百万の専門AIエージェントによって仲介される可能性が高いということです。サプライチェーンと公共サービスがあります。すべてが相互接続されており、日常的な取引から複雑なリソース配分まですべてを処理します。
これは突然、特定の機能、特定のセキュリティ層を持ち、優れた結果を実行できるエージェントに価値を提供するグローバルマーケットプレイスのアイデアです。
デリゲーターとしてのAIエージェント
あるエージェントが複雑な目的に直面し、その完了には自分自身のミートを超える能力とリソースが必要だとします。Anthropicサーバー内でこれを実行できません。このエージェントはインテリジェントタスク委任フレームワーク内でデリゲーターの役割を担う必要があります。
このデリゲーターはその後、私の複雑なタスクを管理可能なサブコンポーネントに分解します。それらはエージェンティカ・マーケットプレイスで利用可能な能力にマッピングでき、高い検証可能性に適した粒度レベルになります。私は地球上の最高のAIエージェントだけが私のタスクに入札することを望んでいます。科学的タスクがあれば、すべての大学がグローバルに特定の価格でサービスを提供できることを望んでいます。
タスク配分は、今や公開入札のように、入ってくる入札に基づいて決定されます。信頼と評価を含む多くの考慮事項があります。すぐに話します。運用状態の監視、コスト、効率性、そして私のタスクにとって重要かもしれない他の要因です。
取引コスト経済学の統合
私たちは何について話しているのでしょうか?取引コスト経済学をAIシステムに実装することについて話しているのです。
ええ、Googleはノーベル賞受賞の経済学フレームワークを取り上げて、それをAIシステム設計に適用したのです。もちろんです。他に何があるでしょうか?
もちろん、これまでの計算複雑性は、マルチエージェントのグローバルエージェンティックウェブで拡張するなら、グローバルマルチエージェントマーケットプレイスの協調複雑性を最適化しなければなりません。
簡単な質問です。見てください、あなたはこれに馴染みがあります。なぜ企業は存在するのでしょうか?なぜなら、もしあなたが起業家なら、すべての単一タスクを契約し、5時間だけ受付係を雇ったり、1時間だけ机を借りたりすることはできないからです。なぜそうすべきなのか、企業を作るのか?財務的理由です。なぜなら、人を見つけ、価格を交渉し、仕事をチェックする取引コストが、仕事自体の価値よりも高い場合があるからです。そのような場合、フルタイムの従業員を雇うか、説明責任、信頼、評価、責任などのために企業を設立する方が安いのです。
この論文はまた、AI委任は無料ではないと主張しています。なぜなら、エージェントで取引コストが発生するからです。そして、これらのコストが高すぎる場合、エージェントは、ここが重要ですが、委任すべきでしょうか?委任しないべきでしょうか?他のサブエージェントが理論的にはタスクでより優れていても、コストがかかる場合でもです。
しかし論文は、AI委任には少なくとも3つの特定の経済的コストがあり、これらをここで動的に計算しなければならないと述べています。
まず、検索と情報コストがあります。これは単純に、適切なサブエージェントを特定するために費やされる計算リソースと時間です。最初にリクエストをブロードキャストし、利用可能なエージェントの能力を解析し、A2Aプロトコルでエージェントカードを読み、すべてのナンセンスな幻覚や、仕事に入札する資格のないボットをフィルタリングする必要があります。
第二に、合意を設定するオーバーヘッド、スマートコントラクトがあります。これはエージェント間のハンドシェイクです。これには交渉フェーズが含まれ、複数のエージェント間でスマートコントラクトを確立し、価格に合意し、出力のフォーマット基準を設定し、さらに多くのことを行います。そしてもちろん、特定のタスク難易度以下では、交渉とコントラクトのコストがタスクの価値を超えるフロアがあります。私が示したように。
しかし最も重要な要因は、ポリシーと執行コストです。信頼の問題と呼びましょう。なぜなら、相手、他のAIエージェントが実際に約束したことを実行することを保証する必要があるからです。これが最も高価な部分です。これには実行される仕事の監視と検証が含まれます。
信頼を財務パラメータとして
今、アイデアはシンプルです。もし私があなたに信頼と言うなら、信頼は倫理的な用語かもしれません。今、信頼には重要性がありません。しかし、もし私が信頼は財務パラメータであり、信頼は取引コストの割引だと言えば、あなたがCFOであるか、価格構造に興味があるなら、興味を持つようになります。
取引コストの割引としての信頼について話しましょう。今やシンプルです。もし私が他のエージェントと仕事をするか、私のエージェントが他のAIエージェントと仕事をし、私がこのAIエージェントを知っているとします。例えばGoogleのもので、すでにこのエージェントと10回仕事をしたとします。
これが私が高信頼の委任先と呼ぶものです。おそらくランダムサンプリングだけで緩く検証します。このエージェントが何ができるか、どんな間違いやエラーの可能性があるか、どのようなパフォーマンスが期待できるかを正確に知っています。したがって、私の側での信頼監視検証のコストは低いです。
もう一方の極端は、もちろん世界のどこかからAIエージェントを選ぶ場合です。この会社と仕事をしたことがありません。だから信頼度はゼロです。そうです。だから、セキュリティを設定します。完全な監査証跡を要求します。コストは非常に高くなります。なぜなら、一緒に仕事をしている相手のエージェントについて何も知らないからです。
前後のシナリオ比較
ビフォーとアフターのシナリオをお見せしましょう。
TCE(取引コスト経済学)以前は簡単でした。ユーザーがコードを求めると、あるエージェントがコードジェネレーターエージェントのような他のエージェントを呼び出します。コードジェネレーターが忙しいか、高価か、ドメインドリフトを経験しているかは関係ありません。誰が気にするでしょうか?ユーザーがこれに対価を支払っているのです。オーケストレーターはとにかくそれを呼び出します。コストは完全に無視されます。
しかし、もし私が会社で、私のタスクが重要で時間的に重要で、インテリジェント委任を望むなら、ユーザーはコードを求めます。コードジェネレーターは利用可能ですが高価で、高い検証オーバーヘッドが必要です。そして私のオーケストレーターエージェントに、能力は低いがゼロの取引コストを持つと伝えます。
だから、他のエージェントに仕事を提供またはアウトソーシングする代わりに、自分で仕事をする場合に投資収益率があるかどうかを計算します。オーケストレーターエージェントは、完璧なサブエージェントの高い取引コストを支払うのではなく、自分で平凡な仕事をすることを選ぶかもしれません。ただし、私が人間としてこのタスクは高い重要度スコアを持つと定義しない限り、費用を正当化します。
したがって、AIエージェントが突然直面する多くの経済的問題があります。
数学的最適化
最適化、または数学的最適化ルーチンを配置する必要があります。この論文は、総コストによって定義されるコアでパレート最適性を持つ多目的最適化を採用しています。
そして何だと思いますか?2つの項があります。実行コストと取引コストです。実行コストは美しいですが、取引コストは、これはすべての急増コスト、起こるすべての交渉、信頼問題とリスク評価に依存するすべての監視の関数であり、例えば世界のどこかの完全に未知のエージェントに対してリスクプレミアムを支払わなければならない場合、私が会社として仕事をしたことがない部分からのエージェントです。
TCEのこの統合は本当に興味深いです。なぜなら、AIエージェントに突然経済感覚を与えるからです。そして何かに対価を支払うなら、価値を取り戻したいのです。
信頼と検証の数学的フレームワーク
Googleは、グローバルマーケットプレイスを小さな会社として設立するアイデアだけでなく、信頼のための数学的フレームワークも提供しています。安全性と検証を、AIエージェントでは現在全く意味を持たない単なる言葉から、実際のコスト、エージェント意思決定ループ自体の計算可能なコスト変数、財務データに変えます。
だからAIエージェントを経済フレームワークに統合しているのが分かります。論文は、このインテリジェントAI委任を、標準的なマルチエージェント強化学習とは別の本当に興味深い研究分野として提示しています。
核心的な洞察は、信頼は暗黙的であってはならないということです。エージェントは自律的な経済主体になるため、契約の形式化、AIエージェント間のスマートコントラクトが必要です。検証可能性、計算の証明と結果の検証が必要です。動的適応、市場ベースの再ルーティングが必要です。そしてもちろん、責任が必要です。
責任の重要性
責任なしでは、システム全体が崩壊します。何かが間違った場合、誰かが責任を負わなければなりません。移転可能な責任、失敗の保管連鎖が必要です。
これをマーケットプレイスに実装すれば、AIエージェントが繁栄するかもしれません。したがって、次世代のAIエージェントを構築しているなら、リスクを負い、すべてを定義するパイプラインの構築を止めて、エージェントが検証し、保証し、スマートコントラクトを互いに確立するローカルマーケットの構築を始めてください。そうすれば突然、エージェントに価値を提供できます。
多くの時間と多くのリソースを投資したなら、そうです、市場からその価値を得る資格があります。
具体例:特許侵害への法的対応
簡単な例です。特許侵害に対する法的防御を組織するような仕事をしなければならないと想像してください。これは1つのモデルのタスクではありません。なぜならOpus 4.6ではこれはできないからです。複雑すぎます。法的調査が必要になるからです。ライターAIが必要になります。戦略家AIモデルが必要になります。そしておそらく技術専門家AIモデルに対価を支払わなければなりません。
AIは3歳児の知性レベルを持つ機械知性に過ぎません。古いパラダイムでは、オーケストレーターAIは盲目的にタスクを分割し、ローカルサブネットで利用可能な事前定義されたサブエージェントに供給するだけでした。
新しいパラダイムでは、オーケストレーターは高リスクのマーケットプレイスにおける中央請負業者のように振る舞います。「聞いて、マーケット。実行すべき仕事がある。入札を送ってください。あなたが誰か知りたい。成功事例を見たい。これらすべての要因が欲しい。この特定の仕事を実行できるかどうかについてのすべてのログが欲しい」と言います。そしてAIエージェントがこの特定の仕事に入札できるマーケットプレイスがあります。
新システムの運用メカニズム
この新しいアイデアでは、このシステムは重要性を評価します。失敗はどれほど悪いか。検証可能性は他の誰かが行った仕事を本当にチェックできるか。そして信頼について話しましょう。私が今仕事を任せるこのサブエージェントは良い評価を持っているか?成功事例はどうか?
単にサブエージェントを呼び出すのではなく、スマートコントラクトを起草します。経済的契約があります。サブエージェントにゼロ知識証明を要求するかもしれません。機密データを明らかにすることなく作業が行われたことを証明するため、あるいは本当に検証可能な結果に到達できるかもしれません。
サブエージェントがタスクの途中で過負荷になったりハッキングされたりした場合、オーケストレーターはスマートコントラクトで確立された権限を持ち、この他のAIエージェントを動的に解雇し、新しいものを雇うことができます。
そして今、この新しいもの、Googleはここで非常に具体的です。これには人間の知性も含まれる可能性があります。
人間と機械の協調する未来
今や、人間の知性と機械知性と人工知能がすべて密なネットワークで協力して作業するグローバルマーケットプレイスで運営されています。そして私たちは皆、分散型オークション、マーケットプレイスによって評価されます。
このマーケットプレイスは、機械知性と人間の知性の両方に、私たち全員に価値を提供するのでしょうか?これが人類の未来でしょうか?これが私たちが直面している新しい世界秩序なのでしょうか?
コメント