【要約】さくらのAI Engineたちに「どう盛り上げるか」を議論させたら、結論は「どれをやるかは人間が決めてください」だった [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
筆者は、AIの活用を「会議の要約」から「会議の主体」へと進化させたいと考えた。しかし、AIに議論をさせると、以下の技術的・運用的な課題に直面した。
- ・認知バイアスの発生：参考資料に既存ツールが記載されていても、AIがそれを無視して再発明を提案する。
- ・オーケストレーターの脆弱性：議長モデルがAPIエラーを起こすと、議論の集約が困難になる。
- ・独創性と収束の矛盾：AIに結論を出させようとすると、アイデアの飛躍が失われ、平凡な回答に落ち着く。
// Approach
筆者は、複数モデルによる自動討議を実現するツール「超AI議事録」を開発した。このツールを用いて、以下のステップで実験を行った。
- ・役割の定義：
tools/ai_meeting.pyを用い、議長、参加者、書記の役割を各モデルに割り当てた。 - ・コンテキストの注入：既存のRAGツール等の情報を参考資料として与え、議論の精度を制御した。
- ・思考量の調整：外部LLMを統合し、モデルの思考の強さ（reasoning_effort）を調整可能にした。
- ・実験条件の変更：指示書で「面白さ優先」と明記し、意図的に発散を促す環境を構築した。
// Result
実験を通じて、AIとの協働における最適なワークフローが明らかになった。
- ・現実的な計画立案：既存資産をコンテキストとして与えると、精緻な5週間開発計画を生成した。
- ・独創的なアイデアの創出：発散を促した際は、「リクエスト数＝AIの寿命」といったメタな提案が出た。
- ・役割分担の最適解：AIには「発散（アイデア出し）」をさせ、人間が「収束（意思決定）」を行う手法が最も有用であると結論付けた。
Senior Engineer Insight
> マルチエージェント・システムにおけるオーケストレーターの重要性が示された。議長モデルの可用性が、システム全体の信頼性に直結する。また、AIに「収束」を強いると、出力の多様性が損なわれる。実務では、AIには発散を、人間には意思決定を割り当てるべきだ。これは、開発の初期フェーズにおけるブレインストーミングに極めて有効である。