東京, 2026年5月25日 - (JCN Newswire) - 当社は、このたび、複数のAIエージェントがチームとして業務を遂行し、日々の実行結果、人によるフィードバック、制度改定、仕様変更などの様々な変化から継続的かつ安全に自律して学習する自己進化マルチAIエージェント技術（以下、本技術）（注1）を開発しました。
企業業務では、法改正、制度改定、仕様変更、現場ルールの変更が継続的に発生しています。特に、業務文書や設計仕様書が膨大な業種では、業務対応において、どの情報を参照し、どの判断基準を優先し、どの範囲まで影響を確認すべきかは、これまで熟練者の経験や暗黙知に依存していました。また、システム対応においても、変更内容をプロンプト、検索方法、評価基準、運用ルールなどへ反映し続ける必要があり、専門家による継続的な調整が必要でした。
従来のAIエージェントでは、与えられた指示に対して高い処理能力を発揮する一方で、失敗した理由を自ら整理し、次の業務に安全に反映することは困難でした。このため、AIエージェントを最新の業務環境に適応させるには、専門家がプロンプト、検索方法、評価基準、運用ルールを継続的に調整する必要がありました。
当社は、この課題を解決するため、AIエージェントが業務経験を自ら検証しながら安全に学習する技術を開発しました。
本技術は、業務実行の結果や人のフィードバック、制度改定や仕様変更などの変化を取り込みながら、継続的に安全に進化するマルチAIエージェント技術です。
最大の特長は、AIエージェントが業務を遂行しながら成功・失敗理由を整理し、次に活かすべき知識や行動のコツを抽出し、生成した改善案をそのまま記憶するのではなく、品質や安全性を検証したうえで、有効なものだけを学習する点です。これにより、従来は専門家が継続的に行っていたプロンプト調整や評価基準の更新といった作業を、AIエージェント自らが担うことが可能になります。また、AIを顧客環境内に配置することで、業務運用の中で発生する個別ルールや判断基準にも継続的に適応し、人と環境とともに進化する業務基盤を実現します。
今回開発した技術を以下の2つに適用し、精度評価を実施しました。
1. 業務特化型LLMの自動強化と継続進化
本技術は、業務特化型LLMの構築プロセス全体に適用でき、従来は専門家が担っていたデータ選定、学習条件の調整、評価、改善といった一連の工程を、マルチAIエージェントが自律的に実行・最適化します。各AIエージェントは、業務実行結果や評価結果をもとに改善案を生成し、それを検証した上で有効なもののみを反映することで、継続的にモデル性能を向上させます。これにより、従来は専門家が継続的に行ってきた作業を代替し、業務運用の中でAIが自律的に進化し続ける仕組みを実現しています。
製造、医療、金融、行政などの複数領域に向けて「Takane」を自動的に強化し、運用を通じて継続的に改善を実施したところ、業務特化前と比較して平均28ポイントの大幅な精度向上を確認しました。また、高度化したAIは、汎用AIモデルと比較しても高い精度を示しており、各業務に最適化されたAIの有効性が確認されています。例えば医療分野では、診療記録や検査結果といった非構造データから、診断名、進行度、治療方針などを一貫した形式で抽出するタスクにおいて、本技術を適用することで、業務に即した情報抽出・構造化が可能となりました。これは、単に回答精度が向上するだけでなく、従来は専門知識に基づく設計や調整が必要であった業務特化型LLMの構築・改善プロセスを、マルチAIエージェントが代替し、運用の中で継続的に最適化できることを示しています。これにより、企業はAI専門人材に大きく依存することなく、自社業務に合ったAIを短期間で構築し、業務の変化に合わせて継続的に改善できるようになります。
また、当社では、OneFujitsuイニシアティブ（注2）のもと、社内のIT・データ・業務プロセス等のグローバル標準化を進めてきました。本技術と「Takane」を搭載したマルチAIエージェント基盤をグローバルに適用することで、自律的な業務遂行と経営スピードの向上を実現し、Data & AI-driven経営への転換を加速しています。
2. 大規模業務システムの設計仕様書検索への適用
当社の大中規模病院向け電子カルテシステム「HOPE LifeMark-HX」および地方公共団体向け業務ソリューション「MICJET住民記録」の設計仕様書群を対象とした、AIエージェント型文書検索に本技術を適用しました。法改正や制度改定に伴うソフトウェア改修の影響範囲を特定するためには、従来、制度や業務に関する知識と、システム構造への深い理解を持つ熟練者に頼る必要がありました。本技術を適用した結果、AIエージェントが過去の検索結果や失敗事例、人の修正内容を学習し、探索範囲の拡張や関連文書の抽出戦略を自律的に改善するようになりました。これにより、従来は専門家が試行錯誤を繰り返して構築していた検索ロジックの設計・改善プロセスを自動化し、学習・改善にかかる工数を削減するとともに、精度向上も確認しています。これは、AIエージェントが単に検索を繰り返したのではなく、業務を通じて関連する周辺文書まで確認する、一見対象外と見られる文書でも同じ業務領域であれば候補から外さないといった熟練者の探索のコツを掴み、次の業務に活用できたことを示しています。今後、これらの知見と技術を当社の AI-Driven Software Development Platform に適用し、設計・開発プロセス全体の高度化と効率化へと展開していきます。
今後について
当社は、本技術を専有型AIプラットフォーム「Fujitsu Kozuchi Enterprise AI Factory」に組み込み、業務特化AIの内製化および自律運用を支援する中核技術として提供予定です。
また、AIプラットフォーム「Fujitsu Kozuchi」の先端AI技術の一つとして、専門知識と継続的な改善が求められる幅広い領域への適用を進めます。また、カーネギーメロン大学のGraham Neubig准教授、Tim Dettmers助教との共同研究の知見と、当社が開発した生成AI再構成技術を組み合わせることで、自己進化マルチAIエージェントシステムをより少ないメモリと電力で動作させる技術開発を進めます。これにより、クラウド環境だけでなく、機密性が高い現場のオンプレミス環境やエッジ環境でも、業務を学び続けるAIチームの活用を目指します。
当社は、クラウドだけでなく、オンプレミスやエッジ環境においても継続的に学習可能なソブリンAIの実現を目指します。さらに、現場で起きた失敗や人の指示、環境変化をAIがその場で学び、安全に次の作業に活かすことで、AIを現場とともに成長する知能基盤へと進化させます。これにより、専門人材の不足、制度改正への対応、属人化した業務知識の継承、現場作業の高度化といった社会課題を解決し、人とAIが互いに学び合いながら産業全体を進化させる未来を創造します。
URL https://global.fujitsu/ja-jp/pr/news/2026/05/25-01