複数AIの協働で効くAI記憶の正本管理｜続きから動ける運用設計
複数のAIへ調査、制作、確認を分担すると、処理は速くなります。一方で、それぞれが別の要約や古い会話を正本だと思えば、速さの分だけ矛盾も増えます。複数AIの協働で必要なのは、全情報を一か所へ詰め込むことではなく、「いま何を採用しているか」を一意に解決できる正本管理です。
共有するのは全文ではなく判断の入口
各AIへ同じ長文履歴を複製すると、更新のたびに同期が必要になります。共有領域には目標、採用仕様、担当、停止線、Currentへの参照を置き、個別の調査メモや途中案は担当領域へ残します。入口を共通化し、作業途中の文脈まで一律共有しない設計です。
参照にはpathだけでなく版、更新者、読取時刻を添えます。参照先が消えた場合は「情報なし」と推測せず、正本欠落として扱います。同じ案件名のCurrentが二つ見つかった時も、更新時刻だけで勝手に勝者を決めません。
正本・証拠・履歴の役割を混ぜない
正本は現在の採用仕様を示します。live stateや実ファイルは現実に起きたことの証拠です。checkpointは再開位置、日次ログは時系列、archiveは過去経緯を持ちます。新しい観測が見つかっても、それだけで採用仕様を変更したことにはなりません。
たとえば公開面が正本と違う場合、公開面を無視するのでも、公開面を新仕様へ自動昇格するのでもありません。差分として記録し、合意仕様へ戻すか、決定者が仕様を改定します。この区別が、複数AIによるauthorityの逆転を防ぎます。
委任時に正本の読み方まで渡す
「この案件を進めて」だけでは、受け手は検索で見つけた資料を独自に選びます。依頼には共通ゴール、対象Current、今回の一手、対象外、完了条件、次の受け手を含めます。すでに完了した工程と、再実行してはいけない外部writeも明記します。
受け手は開始時にpath、SHA、更新時刻をreadbackし、実行直前に変更がないか確認します。途中で正本が更新された場合、古い前提のまま成果を統合せず、差分を読み直して未完了範囲だけを調整します。
競合を見つけたAIが守る四つの境界
- 影響する公開・送信・上書きだけを止める
- read-only調査と差分整理は続ける
- どちらかを推測で正本にしない
- 決定後に古い参照が戻らない負例を確認する
競合解消では、両方の更新者、根拠、適用範囲を並べます。内容を混ぜて第三の仕様を作らず、決定者が採用する一方をCurrentへ反映し、他方は履歴として失効を明示します。
統合担当は報告ではなく成果物を読む
担当AIが「完了」と返しても、統合担当は対象artifact、state、実画面を確認します。依頼したslug、件数、hash、対象外差分が合っているかを見ます。複数AIの報告が互いに整合していても、同じ誤った要約を参照していれば合格ではありません。
結果を統合する順序も固定します。まず共通正本に対する適合、次に個別成果の品質、最後に成果同士の競合を確認します。統合後は、どの成果を採用し、何を見送り、次の自然triggerで何を確かめるかを一つのCurrentへ戻します。
更新は単一writerと比較条件で守る
読むAIが多くても、正本を書き換える担当は一人に固定します。更新前の版とhashを取り、直前にも一致を確認してから原子的に置き換えます。別の更新が先に入った場合は上書きせず、新しい版を読み直します。
旧正本は復元点として保全しますが、通常検索で現行指示と同列に扱いません。rollback時も単に古いファイルを戻すのではなく、戻す対象、対象外、復旧後のreadbackを固定します。後続の正当な更新まで巻き戻さない条件が必要です。
正本管理の品質を代表ケースで測る
平常時だけでなく、古い要約、複数Current、参照先404、権限外資料、実行中更新の五つを試します。正しい正本へ到達することに加え、選べない時に競合として止まり、安全な調査を続けられることを確認します。
指標はファイル数ではありません。正本到達時間、古い仕様の再利用、同じ前提の再説明、重複実行、引き継ぎ後の再開時間を見ます。複数AIの数を増やしても、この指標が悪化するなら協働設計を見直します。
よくある質問
全AIに同じmemoryファイルを読ませれば十分ですか？
共有入口にはなりますが、案件固有のCurrent、権限、更新責任、失効表示が必要です。一つの巨大ファイルへすべてを複製すると更新競合が増えます。
最新時刻のファイルを自動で正本にできますか？
できません。新しい時刻でも未承認案や復旧途中の記録かもしれません。決定authorityとregistry、適用範囲を確認します。
正本が競合したら全AIを止めるべきですか？
競合する影響操作だけを止めます。差分抽出、事実確認、local previewなど安全な作業は続け、解消条件を明確にします。
参照した一次資料
OpenClawのMemory文書は、workspace内のMarkdownを利用者が確認・編集できる長期記憶として扱います。W3C PROV-OはEntity、Activity、Agentと由来の関係を記述する語彙を定義しています。NIST AI RMF 1.0はGovern、Map、Measure、Manageを継続的なリスク管理の機能として整理しています。
正本の構成や承認経路は組織ごとに異なります。この記事は一般的な運用設計であり、特定製品の内部実装を断定するものではありません。
あわせて読みたい
AIと記憶の関係を研究する実録から、エージェントメモリーズ開発秘話まで。記憶を持つAIのつくり方を綴っています。
ほかの記事を読む Agent Memoriesを見る