AIを3人の専門家に見立てて議論させると、一人へ質問するより深い答えが出そうに見えます。実際、最初の数往復では異なる観点が並び、会議らしい動きが生まれます。ところが続けていると、全員が同じ前提を受け入れ、互いの文章を丁寧に言い換えるだけになることがあります。結論が出たように見えても、反対意見が検討されたとは限りません。
私はASTRUMへ、異なるモデル同士でも会話がループしたり、早い段階で相互同意へ流れたりするという観察を記録していました。同時に、3人の専門家役へ議論させ、途中で論点を深め、批判的思考を挟む方法も試しています。そこから強く感じたのは、複数AIを使う技術の中心は人数や長いプロンプトではなく、会話を進行するファシリテーションにあるということです。
この記事では、複数AIの議論を「賛成が多い案を選ぶ仕組み」ではなく、「見落としている対立点を発見し、人間が判断できる材料へ変える仕組み」として設計する方法を整理します。
AI同士の議論が同調する3つの理由
第一の理由は、回答の出発点が似ていることです。同じ基盤モデル、同じ指示、同じ資料を与えれば、別の人格名を付けても推論の癖や知識の範囲は強く相関します。「マーケター」「エンジニア」「デザイナー」と肩書きを変えただけでは、同じ常識を別の語彙で説明する3人になりやすいのです。
第二の理由は、会話履歴の共有です。最初の回答を全員へ見せると、後続のAIは独立して考えるより、直前の文章を会話の前提として扱います。「建設的に議論してください」という指示も、対立を避けて相手へ同意する方向へ働くことがあります。
第三の理由は、終了条件が「合意」だけになっていることです。根拠の強さ、反証の有無、まだ確認できない点を評価せず、全員が納得したら終了する設計では、速く同意するほど成功に見えます。しかし意思決定で必要なのは、気持ちよくまとまった文章ではなく、採用案がどの条件で失敗するかを理解することです。
マルチエージェント討論は万能ではない
複数AIの討論には可能性があります。Duらの[Multiagent Debateの研究](https://arxiv.org/abs/2305.14325)では、複数のモデルインスタンスが回答と批判を交換することで、限定された数学・戦略推論・事実性の課題に改善が示されました。異なる回答を比較し、誤りを指摘させる構造には価値があります。
一方で、「AIを増やせば正解へ近づく」とは言えません。Huangらの[自己修正に関する研究](https://openreview.net/forum?id=IkmD3fKBPQ)では、外部フィードバックのない自己修正がしばしば改善せず、条件によって悪化することも示されています。同研究の実験では、生成する回答数を揃えると、マルチエージェント討論がself-consistencyを上回りませんでした。
両者は単純な矛盾ではありません。課題、モデル、議論の手順、比較条件が違います。ここから得られる実務上の教訓は、討論という形式そのものに知性が宿るのではなく、独立した候補が生まれ、誤りを検出できる外部基準があり、発言が意思決定へ接続されるときに効果が期待できるということです。
肩書きではなく「対立する責任」を与える
私は、役割名を職業だけで分ける方法をあまり信用していません。全員の目的が「よい案を考えること」なら、肩書きが違っても協調へ寄ります。代わりに、各役へ相反する責任を与えます。
| 役割 | 責任 | 禁止すること |
|---|---|---|
| 提案者 | 最も実行可能な案を一つ出す | 複数案を並べて逃げない |
| 反証者 | 提案が失敗する最強の条件を示す | 表面的な欠点だけを挙げない |
| 証拠監査者 | 事実、推測、未確認を分ける | 新しい案を勝手に追加しない |
| 決定者 | 採用、保留、棄却と理由を残す | 未解決点を合意で消さない |
Alex Kimらの[DEBATE研究](https://aclanthology.org/2024.findings-acl.112/)も、テキスト評価という限定領域ではありますが、悪魔の代弁者など役割を分けた討論の有効性と、ペルソナや討論量が結果へ影響することを報告しています。重要なのはキャラクター設定の華やかさではなく、誰が何を疑う責任を持つかです。
会話ルーターを5段階で設計する
会話ルーターは、すべての発言を自由会話へ流すのではなく、現在の論点に応じて次の発言者と目的を決める進行役です。私なら次の5段階で組みます。
- 独立回答を作る：提案者と反証者へ同じ問いを渡し、互いの回答を見せずに初稿を作らせる。
- 争点だけを抽出する：ルーターが一致点ではなく、前提、予測、優先順位の食い違いを最大3件に絞る。
- 反証を指名する：各争点について「誰が」「どの主張へ」「何の証拠で」反論するかを指定する。
- 証拠を監査する：引用可能な根拠、観察、推測を分け、不足情報を検索または人間確認へ戻す。
- 結論と未解決点を分ける：決定者は採否だけでなく、結論が変わる条件と次に確かめる項目を残す。
ルーターへ渡す最小テンプレートは、「現在の問い」「対立している前提」「次に話す役」「その発言で更新したい判断」「終了条件」の5項目です。これがあれば、会話が広がりすぎたときも「面白いが今の判断に必要か」で戻せます。
ルーターの出力は、長い議事録ではなく判断表にします。各争点について「提案」「最も強い反証」「根拠の状態」「結論が変わる条件」「次の確認担当」を一行ずつ並べます。これなら、文章量が増えたことを議論の深さと取り違えません。前の巡回から新しい反例か証拠が一つも増えていなければ打ち切り、増えた場合だけ次の発言者を指名します。
評価するときは、最終回答の美しさではなく、初稿では見えなかった前提が何件見つかったか、根拠のない主張を何件分離できたか、人間が次に確かめる行動が決まったかを見ます。これは正答率を保証する尺度ではありませんが、自由会話が意思決定へ近づいたかを毎回比較するための実用的な記録になります。
人間が介入すべき3つの場面
進行をAIへ任せても、人間が外れてよいわけではありません。第一に、議論が同じ言葉の言い換えになったときです。新しい証拠、反例、前提変更のどれも増えていなければ、その往復は止めます。
第二に、もっともらしい架空の事実が判断材料へ入ったときです。AI同士は同じ誤りを共有する可能性があります。多数決では検証できないため、公式資料、実データ、実装結果など外部の証拠へ接続します。
第三に、価値判断が隠れたときです。速度、安全性、独自性、収益性のどれを優先するかは、事実だけでは決まりません。ここはAIの合意へ委ねず、責任を持つ人が優先順位を宣言します。私は、AIを扱う力は命令文の精密さより、どの対立を残し、どの瞬間に自分の思想を入れるかを決める力へ近づいていると考えています。
複数AIを使わない方がよい条件
答えが公式仕様の確認だけで済む場合、AI会議より一次資料を読む方が速く確実です。医療、法務、財務、セキュリティのように誤りの影響が大きい判断も、AI同士の合意を根拠にしてはいけません。専門家の確認や実測を置き換えないことが前提です。
また、意見を増やしても検証手段がないテーマでは、討論量だけが増えます。2巡しても争点、証拠、不確実性のどれも更新されなければ終了する。追加の1エージェントが新しい情報源か異なる評価責任を持たないなら増やさない。この停止条件が、トークン消費と長文の錯覚を防ぎます。
よいAI会議は未解決点を消さない
複数AIを使う目的は、賛成票を増やして決断を正当化することではありません。一人では見落とす前提を表へ出し、反対意見を最も強い形で検討し、判断が変わる条件を残すことです。
まずは次の議題で、同じ会話欄に3人を並べるのをやめてみてください。初稿を独立させ、ルーターに争点を3つだけ抽出させ、提案者、反証者、証拠監査者へ順番に責任を渡す。最後に人間が「何を採用したか」だけでなく「何がまだ分からないか」を書く。
AI同士が気持ちよく同意した瞬間を完成とせず、人間が判断できる対立へ変換できた瞬間を成果とする。会話の質を決めるのは参加者の数ではなく、異論を残して次の行動へ渡す設計です。
