WebSwarm: 深く広範なウェブ検索のための再帰型マルチエージェントオーケストレーション

インターネットで何かを調べるとき、あなたはどうしていますか？通常は、検索窓にキーワードを打ち込んで、出てきた結果をざっと眺めるというパターンが多いと思います。でも、本当に詳しく知りたいことを調べるときは違います。最初の検索結果から新しい疑問が浮かぶ、その疑問を検索する、また新しい質問が出てくる…こうした「掘り下げ」と「広がり」を同時に行う必要があります。

この複雑な調べ物を、AIに任せようというのが「WebSwarm」の考え方です。最新の大規模言語モデル（LLM）は、単発の質問に答えるのは得意です。例えば「東京オリンピックはいつ開催された？」という質問には、すぐに正確な答えが返ってきます。しかし、「日本のスタートアップ企業の資金調達トレンドを、過去5年間にわたって調べたい」といった複合的な課題となると、話は別です。どこから手をつけるか、どの情報が正確か、さらに掘り下げるべき領域は何か—こうした判断がAIには難しかったのです。

WebSwarmが優れている理由は、複数のAIエージェントが「チームプレー」をする点にあります。野球の試合を例に考えてみてください。1人の優秀な選手だけでは試合には勝てず、守備・打撃・走塁が連携する必要があります。同じように、WebSwarmではエージェント同士が互いの検索結果を共有し、「あなたが見つけた情報と、私が見つけた情報を組み合わせると、新しい質問が浮かぶ」といった相互作用を生みます。

もう1つの特徴は「再帰的」という考え方です。これは、複雑な問題を小さな問題に分割し、それを段階的に解いていくということ。例えば「テレワークがもたらした労働市場の変化」という大きなテーマを、「企業の採用方針の変化」「賃金格差の拡大」「地方移住の増加」といった細かいテーマに分け、それぞれを徹底的に調べてから全体像を組み立てる、という具合です。

現在、LLMベースの検索ツールは、ChatGPTやGoogleの新機能など、既に私たちの生活に入り込み始めています。しかし多くのツールは、まだ「答える」段階にとどまっており、「深く調査する」という本来の検索の醍醐味をAIに担わせるには至っていません。WebSwarmが実用化されれば、記者や研究者、コンサルタントといった「調べることが仕事」の人たちが、AIアシスタントの恩恵を大きく受けることになるでしょう。

ただし、注意も必要です。複数のエージェントが情報を集めるほど、その中に誤った情報や古い情報が混じるリスクも増えます。AIが「集めた情報が信頼できるか」を判断できるようになるまでの間、人間による最終的な検証は欠かせません。