AIエージェントは、もう「導入して終わり」ではないのかもしれません。富士通が2026年5月25日に発表した新技術は、複数のAIが業務をこなしながら自ら学び続け、しかも「誤った学習」を防ぐ仕組みまで備えた、いわば”自分で育つチーム型AI”です。業務特化型LLM「Takane」に適用したところ、製造・医療・金融・行政の各領域で平均28ポイントもの精度向上を確認。電子カルテや住民記録システムへの応用も始まり、私たちが暮らす社会の裏側で、AIの「使い方」そのものが静かに作り変えられようとしています。
富士通株式会社は2026年5月25日、複数のAIエージェントがチームとして業務を遂行し、実行結果や人のフィードバック、制度改定、仕様変更などの変化から継続的かつ安全に自律学習する自己進化マルチAIエージェント技術を開発したと発表しました。
本技術を業務特化型LLM「Takane」の自動強化に適用し、製造、医療、金融、行政などの複数領域で運用したところ、業務特化前と比較して平均28ポイントの精度向上を確認しました。また、電子カルテシステム「HOPE LifeMark-HX」および地方公共団体向けソリューション「MICJET住民記録」の設計仕様書検索にも適用しています。今後、専有型AIプラットフォーム「Fujitsu Kozuchi Enterprise AI Factory」へ組み込み、提供する予定です。
さらに、カーネギーメロン大学のグラハム・ニュービッグ准教授、ティム・デットマーズ助教との共同研究の知見と、生成AI再構成技術を組み合わせ、オンプレミスやエッジ環境での動作技術開発を進めるとしています。
From: 
業務とともに学び続ける自己進化マルチAIエージェント技術を開発
【編集部解説】
このニュースを単なる「精度向上の発表」として読み流すと、本質を見誤ります。富士通が今回示したのは、AIエージェント運用における長年の課題、すなわち「導入後、誰が継続的にチューニングし続けるのか」という重荷を、AI自身に肩代わりさせる方向性です。
ここ1〜2年、エンタープライズAIの現場では、プロンプトの調整、RAG（検索拡張生成）の評価基準、運用ルールの更新といった保守作業が増大していると指摘されています。法改正や仕様変更のたびに専門家が手作業で介入する構造は、人材不足が深刻な日本企業にとって大きな課題となりつつあります。本技術は、まさにそのボトルネックを撃ち抜こうとする試みなのです。
技術的に注目すべきは、AIエージェントが「生成した改善案をそのまま記憶しない」という設計思想です。これは表面的な工夫ではなく、自己学習型AI研究の最前線で議論されている「ミスエボリューション（誤進化）」リスクへの応答とも捉えられます。AIが自ら生成した不確かな情報で自分を学習させ続けると、雪だるま式に誤りが蓄積する現象です。本技術では、有効性が検証されたものだけを学習対象にする仕組みで、この罠を回避しようとしています。
関連リンクで公開されている論文「イーブ・エージェント（EVE-Agent）」は、この検証思想を学術的に裏打ちするものです。同論文の核心は「自己進化エージェントは、自らが正当化できない例で学習してはならない」という原則です。各学習例に「出典となる根拠スパン」を必ず紐づけることで、学習データの一つ一つに監査可能性を持たせる──これは生成AIの信頼性確保において、極めて重要な発想転換です。
実際の効果として、製造・医療・金融・行政の各領域で「タカネ（Takane）」を業務特化させたところ、特化前と比較して平均28ポイントの精度向上が確認されたと富士通は説明しています。注意すべきは「28％」ではなく「28ポイント」である点で、これはベースラインのスコアに対する絶対値の差を意味します。
応用先として挙げられた電子カルテシステム「ホープ・ライフマーク・エイチエックス（HOPE LifeMark-HX）」や自治体向け「ミックジェット住民記録（MICJET住民記録）」の事例は、医療機関や自治体業務を支える重要な業務領域です。診療報酬改定や住民基本台帳法の改正など、頻繁な制度変更に追従する負担は現場で大きく、ここを自動化できる意義は計り知れません。
研究面では、カーネギーメロン大学のグラハム・ニュービッグ准教授、ティム・デットマーズ助教との共同研究が言及されています。両氏は2026年春に発表された富士通とカーネギーメロン大学のフィジカルAI共同研究センターにも参画しており、ニュービッグ氏は自律エージェント評価ベンチマーク「ザ・エージェント・カンパニー」の中心的な共著者の一人としても知られる人物です。富士通の動きが単発の発表ではなく、組織的な研究連携の上に乗っていることがわかります。
ポジティブな側面は明白です。AI専門人材を抱えられない中堅・中小企業でも、自社業務に最適化されたAIを「育て続ける」運用が現実味を帯びてきます。一方で潜在的リスクも指摘しておかねばなりません。自律的に学習し続けるAIは、ブラックボックス化の温床にもなり得ます。「なぜそう判断したのか」を後から追跡できる証拠保全（エビデンス・トレーサビリティ）の仕組みを、運用側がどこまで使いこなせるかが分水嶺となるでしょう。
規制面では、EUのAI法や日本のAI事業者ガイドラインが、自己学習型システムをどう扱うかが今後の論点になり得ます。「導入時に審査したAI」と「半年後のAI」が実質的に挙動を変えている可能性があるからです。本技術が前提とする「検証付き学習」のアプローチは、監査可能性や検証付き学習という点で、今後のAIガバナンス要件と整合しやすい可能性があります。
長期的視点で見れば、これは「ソブリンAI（自国・自社で制御可能なAI）」をめぐる潮流の一端でもあります。クラウド集中型の海外大規模モデルに依存せず、オンプレミスやエッジ環境で自前のAIを継続学習させる──この路線が現実化すれば、機密性の高い領域でのAI活用は大きく前進するはずです。富士通が描く未来図は、派手さこそないものの、産業AIの基礎構造を静かに書き換える可能性を感じさせます。
【用語解説】
RAG（検索拡張生成）
Retrieval-Augmented Generationの略。LLMが回答を生成する際、外部のデータベースや文書を検索して根拠情報を取得し、それを参照しながら答えを組み立てる手法である。ハルシネーション抑制と最新情報への対応に有効とされる。
ミスエボリューション（誤進化）
自己学習を続けるAIエージェントが、誤った学習データや不適切なフィードバックを取り込み、想定外の方向へ性能や挙動が劣化していく現象。学術的にも自己進化AIの主要リスクとして議論されている。
エビデンス・トレーサビリティ
AIが下した判断について、その根拠となった情報源や学習過程を後から追跡・検証できる性質を指す。AIガバナンスや規制対応の文脈で重要視される概念である。
ソブリンAI
自国または自組織の管理下で運用可能なAIのこと。データ主権やセキュリティ要件の観点から、海外クラウドに依存せず、オンプレミスや専用環境で完結させる方向性を指す。
OneFujitsuイニシアティブ
富士通グループ全体で共通のグローバル標準業務プロセス（ゴールデン・スタンダード）を定義し、国や組織を跨いで業務を統一・最適化する社内変革の取り組みである。
【参考リンク】
富士通株式会社（外部）
グローバルにデジタルサービスを提供する企業。AI、コンピューティング、ネットワーク、データ＆セキュリティを軸に事業を展開している。
Fujitsu Kozuchi Enterprise AI Factory（外部）
富士通の専有型AIプラットフォーム。生成AIモデルとAIエージェントの開発・運用・継続改善を自社環境で自律的に管理できる。
HOPE LifeMark-HX（電子カルテシステム）（外部）
富士通が提供する大中規模病院向け電子カルテシステム。診療・運営・経営のデジタル化された情報の活用を支援する。
MICJET 住民記録（外部）
富士通の自治体向け住民記録パッケージシステム。大都市自治体業務に特化した豊富な機能を標準装備している。
Fujitsu One Compression（GitHub）（外部）
富士通研究所が公開する、LLM圧縮・後処理量子化のためのオープンソースPythonライブラリ。
OneComp: One-Line Revolution for Generative AI Model Compression（arXiv論文）（外部）
メモリやハードウェアコスト、レイテンシ等の制約緩和を狙う生成AIモデル圧縮フレームワークに関する富士通発の論文。
カーネギーメロン大学 Language Technologies Institute（外部）
ニュービッグ准教授、デットマーズ助教らが所属する、自然言語処理研究の世界的な拠点である。
【参考記事】
Fujitsu Develops Self-Evolving Multi-Agent AI for Enterprise Use（IBTimes JP）（外部）
電子カルテと住民記録への応用、28ポイントの精度向上、CMUとの共同研究の3点を整理した英語記事。
Fujitsu Self-Evolving Multi-AI Agent Technology Transforms Business Operations（Electronics Media）（外部）
4領域での適用結果と28ポイントの精度改善を強調し、医療分野の情報抽出例にも踏み込んだ記事。
EVE-Agent: Evidence-Verifiable Self-Evolving Agents（arXiv: 2605.22905）（外部）
今回のプレスリリースの理論的背景となる論文。各学習例に根拠スパンを付与する仕組みを提案している。
Fujitsu and Carnegie Mellon University launch joint center for Physical AI（Fujitsu Global）（外部）
2026年4月23日付。ニュービッグ准教授、デットマーズ助教を含む研究連携体制を発表した一次情報である。
Fujitsu automates entire software development lifecycle with new AI-Driven Software Development Platform（Fujitsu Global）（外部）
2026年2月発表の富士通AIドリブン開発基盤。今回の自己進化技術と地続きの取り組みを示している。
Simulated Company Shows Most AI Agents Flunk the Job（CMU School of Computer Science）（外部）
ニュービッグ准教授らが指揮した「ザ・エージェント・カンパニー」を紹介。最良モデルでも24％の完遂率と報じている。
【関連記事】
富士通×カーネギーメロン大学、フィジカルAI研究の新拠点設立
2026年4月に発表された両社の共同研究センター設立を伝える記事。今回の自己進化技術における共同研究者ニュービッグ准教授・デットマーズ助教の活動母体を解説している。
Cohere、エージェントAI「Command A+」をオープンソース化｜富士通と連携、ソブリンAIの本命に
Takaneの基盤となるCohere製モデルの最新動向と富士通連携を扱った直近記事。本記事の「ソブリンAI」論点を補完する内容となっている。
富士通、NVIDIA協業で「Fujitsu Kozuchi Physical AI 1.0」発表。AIエージェント連携で調達業務50%削減
同じFujitsu Kozuchi基盤上でのマルチAIエージェントフレームワーク発表。今回の自己進化技術が連なる系譜上の重要な前段階である。
富士通のLLM「Takane」、行政のパブコメ業務を10分で処理し8割超の精度達成
業務特化型LLM「Takane」の行政適用事例を伝える記事。今回の行政領域での精度向上と地続きで読むと理解が深まる。
【編集部後記】
AIエージェントが「自分で学び、自分で育っていく」時代の入り口に、私たちは立っているのかもしれません。今回の富士通の発表は、派手な新サービスの登場ではなく、むしろ業務の裏側で静かに進む地殻変動を示しているように感じます。
みなさんの職場や暮らしの中で、もし「この判断、AIが代わりに考えて、しかも経験を積み上げてくれたら」と感じる場面があれば、ぜひ教えてください。同時に、自律的に変化していくAIをどこまで信頼できるのか、その線引きを一緒に考えていけたら嬉しいです。
