問題：速く深くは矛盾するのか
AIにECUの不具合解析を任せている現場で、あるジレンマにぶつかる。
- 1つの強いエージェントに全部任せる → 精度は出るが、時間がかかりすぎる
- 複数エージェントに分担させる → 速くなるが、解析が浅くなる
「速くて深い」は本当に両立しないのか？結論から言うと、組織構造の設計で解決できる。
ヒント：Anthropic「Mythos」から学ぶこと
2026年4月、Black Hat Asia 2026で元OpenAI研究員が興味深いデモを行った。複数のオープンソースモデルを連携（スキャフォールディング）させることで、Anthropicの限定ツール「Mythos」と同等のバグ発見能力を実現できたのだ。
重要なのは「複数モデル」ではなく、「異なる視点を持つ複数のエージェントを協調させる」という設計思想だ。1つのLLMであっても、役割を変えた複数のインスタンスを組織化すれば同じ効果が得られる。
2層アーキテクチャ：「偵察隊＋主任検査官」
鍵は「浅い処理を並列で高速に回し、深い処理を1つの強いエージェントに任せる」という2段構えだ。
第1層：スカウト隊（並列・高速・浅い）
深い思考は不要。「データの山から目印をつける」作業に特化する。
- 🔍 ログ異常検知係 — 「タイムスタンプ3.2秒付近に異常スパイクあり」
- 📊 DTCパターン係 — 「過去3件の類似ケースと共通点あり」
- 🔧 信号変化係 — 「CAN ID 0x1A2が3σ外れを記録」
- 📝 環境要因係 — 「低温時のみ再現の傾向あり」
各エージェントは箇条書き＋確信度で出力するだけ。分析・考察はしない。これが速さの秘密だ。
第2層：主任解析官（単体・高effort・深い）
第1層の出力をすべて受け取り、1つのコンテキストでじっくり考察する。
- 複数の「怪しいポイント」を相関させる
- 根本原因仮説を立案し、証拠で裏付ける
- 矛盾する情報を整理し、最有力シナリオを決定
これは人間の専門家が「会議で色々出た意見を聞いてから、一人でじっくり考察する」のと同じ構造だ。
なぜ深さが落ちないのか
従来の「エージェント分担＝薄くなる」問題は、各エージェントが結論を出していたことに起因する。
2層アーキテクチャでは、第1層は結論を出さない。「ここを見ろ」というポインタを提供するだけだ。結論は主任解析官が1つの文脈で出す。だから深さが落ちない。
従来 vs 2層構造
- 従来: 各エージェントが分析＋結論 → 統合時に文脈が薄まる → 速いが浅い
- 2層構造: 第1層は発見だけ、第2層が分析＋結論 → 主任が全情報を1コンテキストで処理 → 速くて深い
実際の効果
- 速度: 第1層が並列処理のため数分で完了。主任Agentは前処理済みデータを受け取るので処理が速い
- 深さ: 主任Agentが全情報を1つの視点で統合考察するため、単一Agentと同等以上の深さ
- 見落とし防止: 第1層の多様な視点が、1人の盲点を補完する
実装のポイント
落とし穴と対策
- ノイズが多すぎる → 第1層に「確信度（High/Med/Low）」を付けて出力させる
- 主任が情報に溺れる → 第1層の出力フォーマットを統一テンプレートにする
- 元データへのアクセス → 主任Agentが生ログも参照できる仕組みを残す
フォーマット例
## ログ異常検知係 (確信度: High) - 3.2s: 電圧低下 11.8V→9.1V (異常) - 3.2s: CAN ID 0x1A2 フレーム欠落 3回連続 - 低温環境(-10℃以下)でのみ発生 ## DTCパターン係 (確信度: Med) - 過去ケース#12,#34とDTC P0705が共通 - 再現条件: 冷間始動後30秒以内
まとめ
「速さ」と「深さ」の両立は、組織の構造設計で解決できる問題だ。
- 第1層（並列・高速）は「発見」に徹する — 結論は出さない
- 第2層（単体・深い）は全情報を統合して「考察・結論」を出す
- この分担により、速さと深さを同時に実現できる
ECUの不具合解析に限らず、セキュリティ監査、品質管理、障害分析など、あらゆる「データから原因を特定する」作業に応用可能な設計パターンだ。
Mythosの神話が崩れたように、「特別なツール」に頼る時代から「正しい組織設計」で成果を出す時代へ移行している。あなたの現場でも、まずは「前処理を並列化する」小さな一歩から始めてみてはどうだろうか。