AIに詳しい資料を渡しても、別の仕事のルールを取り違えることがあります。Metaは、手順を管理する役と専門知識で判断する役を分けました。
AIへの指示を増やしたのに、前より回答がちぐはぐになった。商品Aの説明に商品Bの条件が混ざるなど、そんなときは資料の不足だけを疑っても解決しないかもしれません。正しい知識でも、適用する仕事を取り違えれば誤りになります。
Metaは2026年10月19日、社内のAIエージェントで起きた混乱と、設計を見直した経緯を公開しました。中心となる考え方は「Thin Orchestrator」。難しい名前ですが、要点は、全体を取り仕切る役に専門判断まで集中させないことです。一般の仕事でAIの役割を見直す際にも、参考になる切り分けがあります。
この記事でわかること
- Metaの事例：知識をまとめて与えたAIが、別のシステムのルールを混同した経緯
- 見直しの要点：決まった確認手順と、専門知識が必要な判断を分ける方法
- 仕事への応用：指示を追加する前に、どこで取り違えたかを整理する判断基準
- 成果の読み方：Metaの社内実績を、自分の業務の効果保証と混同しない注意点
MetaのAIで起きたのは「知らない」より「使う場所の間違い」
公開された事例は、推薦システムに新しいデータ項目を追加する社内業務です。複数のコード保管場所やプログラミング言語をまたぎ、設定、検証、テストなどの工程を進める必要がありました。
一つのAIにまとめた知識が混ざった
当初は、一つのエージェントに設定の形式、コード生成のルール、データの取り込み方、工程の振り分けなどを集めていました。Metaによると、実演では動いたものの、本番では別のシステムの項目名の付け方を使ったり、対象と違うデータ元向けの生成パターンを適用したりしたといいます。
これは、単に説明文を長くすれば直るとは限らない種類の問題です。必要な知識が存在していても、「今回使うべきルール」が選び切れていませんでした。Metaは、この事例では知識を増やすほど信頼性が下がる状態になったと説明しています。すべてのAIや長い指示が必ず悪くなるという一般則ではなく、同社が扱った業務での観察です。
「司令塔」と「専門担当」で仕事を分け直す
新しい設計では、司令塔は必要な項目の収集、既存の対象がないかの確認、警告や確認者のチェック、担当への引き渡しを進めます。専門的なコードや設定の判断は、担当分野の情報を持つエージェントへ渡します。Metaは14の専門エージェントを使い、それぞれが独立した文脈で作業する形にしました。
毎回同じ確認は、AIの自由な判断に委ねない
重要なのは、担当数を増やしたことだけではありません。Metaの司令塔は、決められた順序を実行する仕組みです。対象がすでにあるか、必須項目がそろっているか、警告が残っていないかを確認し、専門担当の結果を受け取ります。司令塔自身はコードを作成したり、コードを変更したりしません。
| 役割 | Metaの事例で行うこと | 分ける意味 |
|---|---|---|
| 司令塔 | 重複、必要項目、警告、引き渡し順序を確認する | 同じ条件には同じ確認手順を適用する |
| 専門担当 | 担当領域の資料を使い、必要な設定やコードを判断する | 別領域のルールを同じ文脈へ詰め込みすぎない |
「AIが考える必要のない部分まで、毎回考えさせない」ことが設計上の分かれ目です。同社の7段階の流れでは、言語モデルによる推論は専門担当に委譲する段階に限定されています。
専門知識は、必要な担当が必要なときに読む
専門担当には、参照する資料、先に集める情報、作業手順、問題が起きたときの対処などを決めています。専門知識をすべて司令塔の指示へ埋め込むのではなく、必要なファイルを読み込む構成です。工程の組み合わせを変えれば、既存の担当を別の流れでも使えるようにしました。
普段の仕事では、まず「どのルールが混ざったか」を調べる
この発表は、一般向けチャットに新しい設定項目が追加されたというニュースではありません。すぐに14個のAIを用意する必要もありません。自分の仕事に取り入れるなら、指示を追加する前に、失敗の種類を整理するところから始められます。
商品資料を扱う例で、切り分けを考える
たとえば、複数商品の説明文を作る仕事を考えます。以下はMetaの業務そのものではなく、発表の考え方を当てはめた編集部の例です。対象商品が決まっていない失敗なら、先に商品IDを必須項目にします。別商品の条件を使った失敗なら、今回の商品の資料と全商品共通の規則を区別して渡すことを検討します。
一方、正しい資料を読んだうえで説明が分かりにくい場合は、文章の判断基準や具体例の不足かもしれません。すべてを「担当を分ければ解決する」と処理せず、入力の不足、参照先の取り違え、文章の判断を区別すると、対策を選びやすくなります。
分けた後は、境目で情報が欠けないかを見る
担当を分けても、商品IDや資料の版が引き渡されなければ別の混乱を招きます。対象、使用する資料、返す結果を明確にし、誤った商品の条件が混ざった既存の例で、同じ取り違えが起きないか確かめます。単に回答が短くなった、速くなっただけでは改善と判断できません。
「1時間未満」という成果は、適用範囲と一緒に読む
Metaは、新しいデータ項目の設定準備について、手動で3〜4日かかっていた作業が、以前の設定ベースの仕組みで約1日、今回の仕組みでは1時間未満になったと報告しています。また、変更の約3分の2が、人による大きな修正なしに反映されたとしています。
これらは同社の特定業務における報告です。すべての作業が完全自動になったという意味ではなく、個人のチャットや他社の業務で同じ時間短縮が得られる保証でもありません。注目したいのは数値だけでなく、繰り返す手順を固定し、専門知識を適切な担当へ分けた設計です。
実務上の注意
業務を分ける際は、各担当が何を読み、何を変更できるかも確認します。資料を分けることだけで、権限や機密情報の問題が解決するわけではありません。また、この発表を理由に過去のチャットや資料を削除する必要はありません。まず既存の失敗例を残し、変更前後で同じルールの取り違えが起きないか比べる方が、改善を判断しやすくなります。
まとめ
Metaの事例が示すのは、AIに知識を集めるだけでは、適用先の混乱を防げない場合があるということです。決まった確認は固定した手順にし、専門判断には担当範囲の資料を渡す。自分の業務では、まずどの条件が混ざったかを特定してから、必要な分け方を検討することが実用的です。
よくある質問
AIへの指示は短くするほどよいのでしょうか？
一律にはいえません。今回の焦点は文字数ではなく、別領域のルールが同じ文脈で混ざる問題です。必要な情報を削るのではなく、適用対象と役割を明確にします。
ChatGPTやClaudeでも同じ仕組みをそのまま使えますか？
発表はMetaの社内設計であり、一般向けサービスの新機能ではありません。利用する製品や構成に応じた実装と検証が必要です。
担当を細かく分ければ、必ず品質が上がりますか？
保証はありません。引き渡し時の情報不足も起こり得ます。取り違えが起きた具体例を使い、品質を確かめてから適用範囲を広げます。
出典・参考情報
一次資料の再確認日：2026年11月9日。記事中の発表日・調査期間は、それぞれの出典に記載された時点を示します。
運営元について
AXメディアは、株式会社ジーズ AX事業部が運営しています。AX事業部では、AI研修・AIエージェント開発・ローカルLLM開発・補助金／助成金の活用支援を提供しています。
