#55 AIのスキルを「重み」に埋め込む新発想

最近のAIエージェントは、複雑な作業をこなすために「スキル」と呼ばれる再利用可能な手順書を使います。たとえば「家事をこなす手順」や「検索して答えを出す手順」を文章で書いておき、AIが行動を選ぶたびにその文章をプロンプト（指示文）に貼り付けるのです。

しかしこの方式には弱点があります。作業が長くなるほど、同じ手順書を何度も貼り付けることになり、入力（コンテキスト）が膨らんで処理コストが増大します。さらに長文を読ませると、AIが情報をうまく使いこなせなくなる問題も知られています。加えて、手順書がそのまま読める文章として残るため、企業独自のノウハウが流出したり、悪意ある指示に書き換えられるリスクもあります。

LatentSkillの発想は「手順書を文章のまま渡すのをやめ、AIの“部品”に変換してしまう」というものです。

ここで使うのが LoRA（ローラ）​ という技術。これはAI本体を作り直さずに、小さな追加パーツを差し込むだけで振る舞いを調整できる仕組みです。LatentSkillは、手順書を読み込んでこのLoRAパーツを自動生成する「スキルコンパイラ（変換装置）」を訓練しました。専門的には ハイパーネットワーク​（別のAIの部品を生み出すAI）と呼ばれます。

イメージとしては、これまで「料理のたびにレシピ本を音読していた」のを、「レシピを体得した専用の腕パーツに付け替える」ようにしたわけです。一度変換すればプロンプトに手順書を入れる必要がなくなり、入力が軽くなります。しかもこのパーツは着脱・交換・強弱調整が自由で、複数を組み合わせることもできます。本体を作り直さなくていいのが大きな利点です。

家事タスク環境「ALFWorld」と検索型質問応答「Search-QA」で検証しました。

ALFWorldでは、従来の「手順書をプロンプトに貼る方式」と比べて成功率が 21.4ポイント​（既知タスク）と 13.4ポイント​（未知タスク）向上し、同時に入力トークン量を 64.1% 削減しました。特に複数手順が必要な難しいタスクでは、2番目に良い手法を 41.2ポイント も上回りました。Search-QAでも正答率が 3.0ポイント 向上し、手順書部分のトークンを 72.2% 削減しています。

さらに、悪意ある指示で乗っ取ろうとする攻撃に対しても、従来方式が成功率52.9%→8.57%に崩壊したのに対し、本手法は38.6%を維持しました。

この研究は「AIに知識をどう持たせるか」という根本的な設計に新しい選択肢を示しました。

これまでは「毎回プロンプトに知識を書く（柔軟だが高コスト・流出リスクあり）」か「AI本体に学習させる（効率的だが後から修正・削除しにくい）」かの二択でした。LatentSkillは、その中間に位置する“いいとこ取り”を狙ったものです。スキルを部品化することで、入力コストを抑えながら、必要な手順だけを後から付け替えたり組み合わせたりできます。

ビジネス的には、AIエージェントを社内業務に導入する際のコスト削減につながる可能性があります。長い手順書を毎回読ませないので処理が軽く、応答も速くなります。また、企業独自のノウハウが“読める文章”として外に出にくくなるため、機密保護の面でも有利です。手順書をそのまま盗み出させる攻撃にも強いという結果は、AIのセキュリティを気にする企業にとって見逃せないポイントでしょう。