#5 使うほど全員のAIが賢くなる「集合知スキル進化」の正体

複数ユーザーがAIアシスタントを使う中で遭遇した成功・失敗の経験を自動的に集約し、AIの「スキル」を夜間に自律改善・全ユーザーへ配信する仕組みを実現した研究。ユーザーは何もしなくても、使うたびにAIが賢くなっていく。

ChatGPTのようなAIアシスタントは、「スキル」と呼ばれる手順書（ツールの使い方や作業の段取りをまとめたもの）を使ってタスクをこなします。ところが現状では、このスキルは一度作ったら 基本的に変わりません 。あるユーザーがAIと格闘して「このAPIはポート9110で動く」と発見しても、別のユーザーはまた同じ試行錯誤を繰り返すことになります。似たような仕事をしている人たちが、それぞれ独立に同じ壁にぶつかっては同じ解決策を見つけている——この「車輪の再発明」が延々と続く構造が問題でした。個人の経験がシステム全体の知恵として蓄積されないのです。

SkillClaw の発想は、​​「みんなの失敗と成功を集めて、スキルを夜のうちに自動改善する」​ というものです。仕組みは大きく3つのステップに分かれます。

①経験の記録と共有: 各ユーザーのAIエージェントが日中のやりとり（どのツールを呼び、何が返ってきて、最終的にどうなったか）を詳細に記録します。いわばAIの「業務日報」です。

②自律的な進化（Agentic Evolver）​: 夜間に、集まった日報をスキルごとにグループ化し、AI自身が分析します。「このスキルは3人のユーザーで成功したが、2人では失敗。失敗の共通原因はAPIのポート番号の間違い」といった具合に、成功パターンと失敗パターンを照らし合わせ、スキルの修正案を自ら作成します。ここが従来と大きく異なるポイントで、固定のルールではなく AIが自由に推論して改善点を見つける のです。

③検証と配信: 修正案は実環境でテストされ、改善が確認されたものだけが翌日の全ユーザーに配信されます。改悪されたスキルは弾かれるので、 品質が下がることはない 設計です。

WildClawBench という実世界タスクのベンチマークで、8ユーザー・6日間の運用をシミュレーションした結果、4つのタスク領域すべてで性能が向上しました。特に目を引くのは ​「クリエイティブ生成」が初日の約11.6%から21.8%へと相対 88%向上 した点です。これは、コンテンツ生成能力そのものではなく「ファイル配置やディレクトリ設定」といった環境準備の手順が改善された結果でした。「検索・情報取得」も 22.7%→34.6%と相対52%向上 し、段階的にスキルが積み上がっていく様子が確認されました。さらに、制御実験では「レポート保存」タスクが 28.3%から100% に改善されるなど、手順的な知識の欠落をスキル進化が的確に補えることが示されました。

この研究が示す未来像は、 ​「使えば使うほど、全員のAIが賢くなる」​ というものです。

たとえば社内で100人がAIアシスタントを使っている状況を想像してみてください。ある営業担当が「Slackのメッセージからタスクを抽出する」作業でAIと試行錯誤し、うまくいく手順を見つけたとします。SkillClawの仕組みがあれば、その知見は夜のうちに自動的にスキルに反映され、翌朝には他の99人のAIも同じ改善の恩恵を受けられます。ユーザー側は何もする必要がありません。

これは、SaaS製品の「使っていくうちに勝手にアップデートされる」体験に近いですが、アップデートの中身を AIが自分で考えて作る 点が革新的です。企業にとっては、AIツールの導入後に「使われるほど投資対効果が上がる」仕組みが現実味を帯びてきたことを意味します。特に、同じような業務を多くの人がこなす組織（カスタマーサポート、データ分析、社内情報検索など）では、効果が大きくなると考えられます。