AIはRAGで「記憶」を追加し、精度を高める
ここで登場するのが「記憶」である。RAGという言葉を聞いたことがあるなら、それはRetrieval-Augmented Generation（検索拡張生成）の略だ。これは、質問に答えたり誰かに何かを説明したりするときの自分の想起と同じように考えるとわかりやすい。訓練で学んだことだけに頼るのではなく、AIは文書やデータベース、最新の情報を検索して回答に取り込むことができる。これは、話す前に記憶から詳細を引き出して考えるのと似ている。脳は依然として思考を担っているが、より良い、より関連性の高い情報を扱えるようになるため、得られる回答の質が目に見えて変わるのである。
私はこれを「推測」と「記憶」の違いとして捉えている。記憶がなければ回答は一般的なものになりがちだが、記憶があればあなたの状況、会社、いま起きていることを反映し、はるかに有用な回答になり始める。たとえばAIに営業提案書の作成を依頼した場合、脳だけなら優れたテンプレートを提供してくれるかもしれないが、記憶があれば価格設定、過去の提案書、顧客の詳細を取り込み、あなたのニーズに実際に合った回答を生成できるのである。
AIエージェントは仕事を実行するAIの「手」
ここまでのAIは思考の支援だが、AIエージェントはAIに「実行」を可能にするものであり、日々の業務で本当の変化が生まれ始めるのはここである。脳が考え、記憶が適切な情報を想起するのだとすれば、エージェントは「手」のように機能する。つまり、メール送信、ファイル更新、会議の予定調整、複数ツールを横断したタスクの前進など、システムがすでに把握していることに基づいて行動を起こす。
違いが見えやすい例として、会議の計画のようなシンプルな場面を思い浮かべるとよい。脳が候補日時を提案し、記憶が空き状況を確認し、手が実際に招待を送り、あなたが一つひとつ手作業で進めなくてもカレンダーを更新する。ここでAIは、単に話しかける相手から、仕事に参加する存在へと変わる。エージェントはまた、目標を受け取り、それを分解し、各パートに対して行動し、タスク完了まで継続することで、一度のプロンプトでは到底扱えない複雑な業務にも対応できる。
AIに、すべてをつなぐ「神経系」としてMCPが必要な理由
最後のピースは、すべてを結びつけるものである。MCPはModel Context Protocol（モデル・コンテキスト・プロトコル、MCP）の略で、人体の神経系が脳、記憶、筋肉を接続してすべてが連携するように、異なるパーツが一つの協調システムとして機能することを可能にする「神経系」のような役割を果たす。AIにおいてこの層は、さまざまなツール、データソース、ファイルに接続する際、それぞれに個別の設定を必要としない。
