自己改善は新しい参入障壁であり、プロダクト企業が LLM API をラップするだけの域を超えることを可能にします。
この学習を収穫できる場所は 2 つあります。ブラウザアクティビティ（ユーザーがアプリケーションで実際に行うこと）と エージェントトレース（エージェントが実際に行ったこと）です。
正しく実装すれば、プロダクトは使われるだけで改善されます。
あなたのプロダクトでは、毎日数百、数千、あるいは数百万ものエージェントとユーザーのインタラクションが発生しているかもしれません。それはデータの宝の山です。
しかし今日、その価値のほとんどは活用されずにいます。
ユーザーがエージェントに「教えた」ことは、その「教訓」が消えてしまうだけです。
データシグナルを取得することは、複利的な資産です。
しかし、取得するだけでは十分ではありません。エージェントは、コンテキストに埋もれることなく、それを活用できなければなりません。モデルには限られたアテンション予算があり、コンテキストにすべてを詰め込むのは解決策ではありません...
記事概要
この記事では、ビジネス上の参入障壁を築ける自己改善型エージェントについて、以下の内容を解説します。
- エージェントトレースとブラウザ内アクティビティからの学習
- 学習内容を適用できる場所：モデルの重み、ハーネス、コンテキスト
- 学習の種類：手続き的、意味的、エピソード的
- データプライバシー：ユーザーデータの保護
- データ所有権：ビジネス上の参入障壁を築く
- AG-UI を使用して、あらゆるエージェントに自己学習を簡単に実装するための実用的なヒント
自己学習ソリューションは数週間以内にリリース予定です。
早期アクセスとデザインパートナーシップについては、こちらからお申し込みください。
エージェントは 2 つの場所から学習すべき
エージェントは、エージェントトレースと、ブラウザ内の周辺アクティビティから学習する必要があります。
ほとんどの学習アプローチはどちらか一方のみを使用しますが、両方を活用するプロダクトは、そうでないものよりも大幅に優れたパフォーマンスを発揮します。
1. エージェントトレース
エージェントが実行され、すべてのステップがトレースとして記録されます。何を依頼されたか、どのツールを呼び出したか、何が返ってきたか、どこで失敗したか。
別のエージェントをそれらのトレースに向けると、失敗パターンを見つけ出し、プロンプト、ツール、指示を書き換えます。
欠けている半分： エージェントのインタラクションの外部で発生するアクティビティ。ほとんどのアクティビティは依然としてここで行われます。
2. ブラウザ内のユーザー周辺アクティビティ
つまり、ユーザーを観察することです。
クリック、編集、応答、ワークフローなど。
Brex はこの方法でオンボーディングを構築しました。アナリストの作業を監視し、人間によるすべての修正をトレーニングシグナルとしてフィードバックしました。
人間による修正のたびに、ラベル付きデータポイントが作成され、次の実行が洗練されます。
欠けている半分： この方法は人間を完全に捉えます。しかし、エージェントが何を試みたか、なぜ失敗したかについては何も知りません。
両方のシグナルを取得すべき
どのように？ いや、むしろどこで？
今日、ほぼすべてのプロダクトにおいて、両方を同時に捉える場所が 1 つあります。それは、人間とエージェントが並んで作業する画面、つまりインターフェースです。
方法は、Agent-User Interaction Protocol (AG-UI) を介することです。これは、アプリ、ユーザー、エージェント間のすべてのイベントをストリーミングするオープンスタンダードです。その重要性については後述します。
学習を適用できる場所
3 つの場所があり、それぞれにトレードオフがあります。
→ モデルの重み: 教訓をモデル自体にファインチューニングします。
→ ハーネス: モデルを取り巻くすべて。それが従うサイクル、呼び出しを許可されたツール、行動前にそれをキャッチするチェック。
→ コンテキスト内: 新しい情報をプロンプトに直接追加します。エージェントは呼び出しのたびにそれを読み取ります。
これら 3 つのレイヤーにわたる 10 のアプローチすべてについては、最初の記事で説明しました ↓
https://x.com/svpino/status/2070210421995569537
学習の種類
エージェントが時間の経過とともに改善するのに役立つ、主に 3 つのタイプがあります。
1. 手続き的（ワークフロー/物事のやり方）
手続き的記憶とは、多くの人がスキルや agents.md ファイルに含めるものです。
タスクを完了するための学習されたワークフローとルールです。
例：
マネージャーが、ロイヤルカスタマーに対する限度額超過の返金を承認する。エージェントはこれを学習し、次回も同じことを行う。
利点： エージェントは同じケースを毎回同じ方法で処理します。一貫性があり、独立しています。
欠点： 間違ったワークフローを学習すると、毎回自信満々に間違ったことを行います。
2. エピソード的（発生した出来事）
特定の過去のイベントやインタラクションの記録です。
例：
「1 月 5 日、ジョー・ジョナスの返金は、彼のカードが期限切れだったため不成立となった。」
利点： 実際の過去のケースは、抽象的なルールよりも優れています。エージェントはそれがどのように展開したかを確認し、うまくいった方法をコピーします。
欠点： ほとんどの過去のケースは役に立たないノイズです。誰かがそれらを選別し、記憶する価値のあるものだけを残さなければ、有用なものが埋もれてしまいます。
3. 意味的（事実）
エージェントが知っておくべき安定した事実です。
例：
「すべてのクレジットカードプランには何らかの限度額があるが、限度額はプランによって異なる」
利点： どこでも再利用可能です。事実は事実です。
欠点： 警告なく陳腐化します。限度額が変更された日、エージェントは自信満々に間違った情報を基に行動します。
CopilotKit Intelligence と AG-UI による自己学習の動作
意味的は真実を保持します。
エピソード的は発生したケースを保持します。
手続き的はそれを処理するためのルールを保持します。
エージェントとユーザーのインタラクションから自己学習へのフロー
ループを自社で所有し、参入障壁を築く
学習データはプロダクトの最も重要な部分であり、ソフトウェアをゼロから作成するコストが下がるにつれて、その価値はますます高まります。
学習データを所有することで、LLM API のラッパー以上の存在になることができます。
エージェントのミスと人間による修正は、通常、異なる 2 つの場所にたどり着きます。
そして、誰もそれらを結び付けません。
そのための表面は、すでにプロダクト内に存在しています。インターフェースです。
トレースツールはエージェントしか見ません。
ブラウザを監視するような周辺ツールは人間しか見ず、プライバシーを侵害してそれを取得します。
しかし、CopilotKit は両方のシグナルを捉えます。
CopilotKit は、アプリを流れるイベント（ツールコール、状態変更、承認、編集など）を、エージェントとそれを使用する人間の両方から読み取ります。
これは、AG-UI (Agent-User Interaction Protocol) を通じて行われます。このプロトコルは、アプリ、ユーザー、エージェント間のすべてのイベントをリアルタイムで伝送します。
これにより、エージェントの試行と人間による修正が同じストリームに到着します。
AG-UI はあらゆるエージェントとハーネスで動作
AG-UI は、フレームワークに依存しないオープンスタンダードです。
AWS、Google、Microsoft、Oracle、LangChain、Mastra、Pydantic AI、CrewAI、LlamaIndex などで採用されています。
AG-UI はイベントを認識し、学習したコンテキストを、そのエージェントの基盤となるハーネスが何であれ、直接エージェントに注入します。
つまり、同じ学習が、今日でも来年でも、導入するあらゆるエージェントに自動的に適用され、新しいエージェントごとにカスタム統合作業は不要です。
ある顧客は、CopilotKit のエージェント + Google ADK + Microsoft Agent Framework と通信する UI を実行しており、すべての記憶は 3 つすべてで共有されています。
フレームワークの選択から切り離された記憶 = 移植性
すべてが自社のインフラで実行されるため、学習を所有できる
CopilotKit Intelligence は、お客様自身の Kubernetes クラスター上でセルフホストされます。完全なデータ主権、SOC 2 Type II、必要に応じてエアギャップ環境へのデプロイも可能です。
データはお客様の手元に残ります。 エージェントがそこから学習するすべてのものも同様です。
他のアプローチは、学習データを自社のクラウドに保持するか、Meta のように、それを得るために監視に頼ります。
@CopilotKit Intelligence は現在、Fortune 500 企業で本番稼働しており、早期アクセスを受け付けています。エージェントを使う人が増えるほど、エージェントが賢くなるようにしたいなら、お問い合わせください。
学習コンテナ：新しい学習内容を「誰が」受け取るかを決定する
プロダクトで学習を有効にするとすぐに、「学習はどこまで広がるのか？」という疑問が生じます。あるユーザーからの機密情報が、別のユーザーのエージェントコンテキストに漏れてはいけません。
CopilotKit の解決策は学習コンテナです。これは、開発者が制御可能なスコープであり、各教訓がどの程度「広がる」かを決定できます。
CopilotKit を使用すると、さまざまなユーザーコホートに対して学習コンテナを簡単に定義できます。
- ユーザー単位。 特定の好みなど。
- チーム単位。 承認手順など。
- アプリ単位。 会社全体のルールなど。
学習コンテナは完全に監査可能です。何が学習され、どのコンテナに格納されたかを正確に確認できます。
これについては、まだまだ多くのことがあります。
最近、ここで述べたすべての内容を詳しく説明する、詳細なライブストリームを開催しました。
完全な録画は[こちら](https://www.youtube.com/watch?v=TvUWDQ21y4w)からご覧いただけます。
簡潔なまとめ
このグラフィックを TL;DR としてネットワークで共有してください
@CopilotKit Intelligence は、すでに大企業内で本番稼働しており、早期アクセスを受け付けています。
ユーザーが使うほど賢くなるエージェントをご希望なら、お問い合わせいただければ、ご案内します。
詳細は @ataiiam をフォローしてください。
