AIエージェントを増やすほど遅くなる理由：ボトルネックは生成速度ではなく運用設計にある

複数のAIエージェントを並列に動かすと、生成は速いのに全体の仕事が終わらない現象が起きる。著者は原因をモデル性能ではなく、生成後の流れにあると整理する。Instructionから始まり、Agent、Output、Review、Decision、Execution、Evidenceと続く流れで、Agentを増やしても後段のReviewやDecisionが遅ければ、未処理の出力が積み上がるだけだ。役割分担を決めるだけでは足りず、Agent間で状態が正しく渡らなければ再確認が増える。そこで著者が勧めるのは、引き継ぎを INPUT、ACTION、RESULT、EVIDENCE、BLOCKER、NEXT OWNER、NEXT ACTION の固定形式にすることである。

面白いのは、ボトルネックが「生成」から「後工程」へ移るという見立てだ。多くの現場はAIが何本記事を書いたか、何件コードを書いたかを成果として数える。著者はそれを参考値に格下げし、事業の状態がどこまで前に進んだかで測れと言う。「公開しました」はRESULTであり、実際にアクセスできるURLがEVIDENCEだという区別は、AIが大量に「完了したことになっている未完了」を生む問題への処方箋として膝を打つ。本音を言えば、問題は作業の速さではなく、「完了」の定義がAgentごとにばらばらなことにある。

中小企業の現場では、AIに任せた仕事が「作った」で止まり、公開や反映を誰も確認していない事態が起きやすい。明日から使えるのは一言である。AIに「完了」と報告させる前に、外部から確認できる証拠は何かを一行書かせることだ。承認も全部を人間に戻す必要はなく、支出や法的判断など本当に人が決めるべき一点に絞ればよい。