APEX EMとは
APEX EMとは、APEX-EMとは、AIエージェントが過去の作業プロセス全体を構造化して記録
読み: エーペックスイーエム
計画ステップ、成果物、やり直しの履歴、エラー分析を含めた経験リプレイにより、モデルの重みを変えずに行動を改善する。記憶なしの41.3%から記憶ありの89.6%へ、48.3ポイントの改善が報告されている。
かんたんに言うと
人間が「前にこのやり方でうまくいった」と思い出して仕事するように、AIも過去の作業プロセスをまるごと記録して、次に似た仕事が来たら自動で引き出す仕組み。失敗した経験も「何がダメだったか」付きで保存される。
経験リプレイの構造
作業の全プロセスを記録する。計画ステップ、生成した成果物、やり直しの履歴、エラー分析、品質スコア。失敗事例は「何がうまくいかなかったか」の注記付きで保存される。次に似た作業が来たとき、ハイブリッド検索で過去の経験を自動発見する。
モデルを変えずに行動を改善する
ファインチューニングのようにモデルの重みを変えるのではなく、経験の蓄積と検索だけで行動が改善される。コンテキストエンジニアリングの考え方と共通する部分がある。何を記憶し、どう引き出すかの設計が成果を左右する。
既存の教訓注入との違い
テキストで教訓を注入する方式では、教訓の文脈が失われやすい。APEX-EMは作業プロセス全体を構造化して保存するため、「なぜその教訓が生まれたか」の背景まで含めて再利用できる。ただし構造化のコストが高く、全ての作業に適用するのは現実的ではない。
当社の見解
記憶を大量に保存しても、AIは自分からは思い出さない。聞けば検索して答えるが、聞かなければ関連する記憶があっても引き出さない。当社が5層検索を設計した理由はここにある。さらに、教訓を全部注入するとAIが情報過多でルールから逸脱する確率が上がる。ルールを詳細に1万文字書いてもAIはその1万文字を読まない。これは人間と同じで、毎回1万文字のルールを読まされても段々と忘れてしまい守れなくなってしまうのと同じである。AIも人間もルールを守ってもらうには、必要な教訓だけをタスクに応じて選択的に注入する仕組みに切り替えた。これで「覚えてくれているな」という実感が増えた。記憶の量より、つながりと想起の仕組みの方が価値が高い。