AIに「会話の圧縮」されても、「約束」は守らせる法

2026年7月、ペンシルベニア州立大学の研究チームが論文「Lost in Compaction: Evaluating Side-Constraint Loss under Context Compaction」を発表しました。Claude CodeやCodexなどのAIエージェントが会話のラリー数が増えてコンテキスト上限に達すると、それまでの会話を自動要約する処理が走ります。その過程で、「XXするときは、必ずYYしてね」といった指示（Session Constraints）が大量に落ちることが判明しました。実験では、圧縮後に生き残る約束は、モデルによって6.7%から最大98%までばらつき、平均では83%が忘れられるという結果が示されています。

ここが業務で使う上で重大なのは、「タスクの目的は覚えてくれるのにルールは忘れる」という非対称性です。Codexの要約プロンプトを見ると、要約の目的は「タスク継続」であり、細かい約束は削ぎ落とされるよう設計されています。プロンプトで何度も繰り返したり強調したりしても、保持率は40%弱が限界です。論文が提案した解決策は、「小さな言語モデル（SLM）を別途用意して、会話からセッション全体に適用される制約だけを抽出し、圧縮後の要約の末尾に連結する」というもので、これにより保持率が90%超えまで劇的に改善しました。つまり「要約と約束の分離」という地道な設計工夫で、AIの弱点をカバーできるということです。それは、モデルの性能を信頼するのではなく、エージェントが何を忘れやすいかを冷徹に観測し、そこに構造的な対策を打つというエンジニアリングの発想です。

エージェントに業務指示を出すときは、「大事なルール」が圧縮時に消えてしまうリスクを認識する必要があります。プロンプトの工夫だけでは足りず、本当に守らせたい指示（「コマンド実行前に必ず承認を取る」など）は、別の仕組みで監視・保持することが実務上不可欠です。AIに仕事を任せるなら、AIが何を忘れるのかを知る方が、AIが何ができるのかを知るより重要になります。