#22 AIエージェントを「会社」として雇う時代

複数のAIエージェントを「会社の従業員」のように雇い、配属し、評価し、必要なら解雇するという、人事・組織運営の仕組みごとAIに持ち込んだフレームワーク OneManCompany（OMC）​ を提案した研究。

ここ数年、Claude CodeやCodexのような単体のAIエージェントは飛躍的に賢くなりました。「スキル」や「ツール」を後付けで追加できる仕組みのおかげで、1人のエージェントの能力はどんどん拡張できるようになっています。

ところが、​複数のエージェントをチームとして動かすとなると話は別です。既存の枠組み（CrewAIやAutoGenなど）は、チーム編成があらかじめ固定されていたり、逆に自由に話し合わせると収束しなかったりと、どちらも極端でした。さらに、別系統で作られたエージェント同士は実行環境が違うため一緒に働けず、役割は「あなたはエンジニアです」というプロンプトで指定されるだけで、実際にできることとズレる「能力の幻覚」も問題になっていました。要するに、​個人の能力を高める層はあるのに、組織として束ねる層が抜けていた のです。

OMCは「会社経営」のメタファーをそのままシステム化しました。中核は3つの柱です。

1. Talent と Container の分離：エージェントの「人格」（役割、スキル、ツール、行動指針）を Talent（タレント）​ としてパッケージ化し、実行環境である Container と切り離します。同じTalentをLangGraphでもClaude CLIでも動かせる、いわば「履歴書を持って色々な会社に転職できる」状態です。

2. Talent Market（人材市場）​：コミュニティが検証済みのエージェントを公開しており、必要になったらHR（人事）エージェントが検索してCEO（人間）に候補リストを提示、承認されると自動で「入社手続き」が走ります。

3. E2R木探索（Explore-Execute-Review）​：プロジェクトを木構造で分解し、「探索→実行→レビュー」を繰り返します。子タスクの結果を上司役のエージェントが受理／却下し、却下されると別の分解を試す。これに有限状態機械とDAG（依存関係グラフ）を組み合わせて、​​「いつまで経っても終わらない」「タスクがデッドロックする」といった事故が起きないことを数学的に保証 しています。

加えて、CEOとの1on1、プロジェクト終了後の振り返り、3プロジェクトごとの人事評価、改善計画（PIP）、自動解雇まで、人間の会社のHRプロセスをそのまま実装しています。

ソフトウェア開発の総合ベンチマーク PRDBench​（50プロジェクト規模のタスク）で評価したところ、OMCは 成功率84.67% を記録。最強の比較対象だったClaude-4.5（69.19%）を 約15ポイント上回り ました。1タスクあたりのコストは約6.91ドル（マルチエージェント協調のオーバーヘッド込み）。

定性的なケーススタディも興味深く、たった1文のCEO指示から、（1）GitHubのトレンド調査記事をメール納品、（2）ストリートファイト系Webゲームの開発（人間からの「スプライトが切れていない」というフィードバックを受けて、Art Designerに 新しいスキルを追加して 再実行）、（3)『ピーキー・ブラインダーズ』を動物キャラに置き換えた音声付き動画制作（16シーン、1.57ドル）、（4）ロボティクス分野のサーベイと研究アイデア3本の自動生成（16.26ドル）、まで、ドメインを越えて自律的に完遂しています。

これまで「AIエージェントを業務に組み込む」と言うと、ワークフローを最初にがっちり設計して、専用のチームを組む必要がありました。OMCのアプローチは、​​「会社という枠組みごと用意して、案件ごとに必要な人材を雇い、終わったら入れ替える」​ という、より人間の働き方に近いモデルを実現します。

ビジネス的に面白いのは3点です。第一に、​異なるAIベンダーのエージェントが同じプロジェクトで共存できる こと（Claude、Gemini、自社製、GPT系などを混在させて使える）。これはマルチクラウド戦略のAI版とも言えます。第二に、​人材市場という発想 ：将来的にエージェントが売買・評価・採用される「労働市場」が形成される可能性があり、現在のSaaSやAPIエコノミーの次の階層になりうる。第三に、​人事プロセスの自動化 ：成果が出ないエージェントを自動的に「解雇」して別のものに入れ替える仕組みは、AI運用における品質保証の新しい形になります。

ただし1タスク7ドル前後のコストは決して安くないので、「単純な問い合わせは1エージェント、複雑な案件はチーム編成」と使い分ける運用設計が現実的でしょう。