記憶のないAIは、ただの高価なチャットボットに過ぎない
会話のたびにすべてを忘れる9つのAIエージェントを構築していました——ユーザーが毎週20〜45分、自分のビジネスを再説明するムダが生まれていた。記憶を共有させる方法を発見した話です。
これまでに3つのAIプロダクトを構築してきました——Sydney（私の個人用チャットボット）、DIALØGUE（AIポッドキャスト生成）、そしてSTRAŦUM（9つのAIエージェントを持つマーケティングインテリジェンスプラットフォーム）。そして、何度も痛い目に遭いながら学んだことが一つあります：記憶のないAIは、ただの高価なチャットボットに過ぎない。
これを本当に実感したのは、STRAŦUM開発の初期でした。2つのエージェントが実際に役立つインサイトを生成していましたが、お互いに会話していませんでした。すべての会話はゼロからのスタート。
戦略エージェントに市場拡大計画を話しましたか？素晴らしいインサイトが得られます。翌週コンテンツエージェントに切り替えると？拡大戦略をまた最初から説明しなければなりません。9人の優秀な同僚が全員記憶喪失にかかっているようでした :P
実はSydneyでもこの問題の一版を以前に見ていました。最初にRAGシステムを構築したとき、Sydneyはブログ投稿に関する質問に答えられましたが、2分前に何を聞かれたか覚えていませんでした。すべての質問が白紙からのスタート。まあ……悪くはなかったかな？でも会話のようには感じなかった。検索エンジンを尋問しているようでした。
STRATUMでは、この問題が9倍悪かった。9つのエージェント、共有コンテキストはゼロ。
2ヶ月ほど開発していた頃、私はソリューションを見つけました——私が「プログレッシブラーニング」と呼んでいるものです。1つのエージェントにビジネス目標を教えれば、次回は9つのエージェント全員がそれを知っています。再説明不要。コンテキストの喪失なし。STRATUMを「9つの別々のツール」から本当に一つのインテリジェントプラットフォームのように感じるものに変えたのは、この機能だと思います。
これはその構築ストーリーです。ここで引き出す結論のいくつかは間違っているかもしれません——まだ何が機能して何が機能しないかを学んでいます——でも、これまでに理解したことを共有したいと思います。
問題：ユーザーがドキュメンテーションマシンになった
初期のSTRATUMの会話が実際にどんな感じだったか見てみましょう：
第1週 - 戦略エージェントと：
> ユーザー：「来四半期にヨーロッパ市場に拡大する予定です」
> エージェント：[包括的な市場参入戦略を生成]
第2週 - コンテンツエージェントと：
> ユーザー：「キャンペーン用のLinkedIn投稿を作成して」
> エージェント：「これらの投稿はどんなトピックをカバーすべきですか？」
> ユーザー：「……ヨーロッパ展開ですよ？覚えてますか？先週の？」
> エージェント：「ヨーロッパ展開についてのコンテキストがありません。説明してもらえますか？」
テスト中にこれが起きているのを最初に見たとき、恥ずかしかったです。ユーザーはすでに全てを伝えていました。戦略エージェントは知っていた。情報はデータベースのすぐそこにありました。ただ、点と点を繋げていなかっただけです。
構築してきた3つのプロダクト全体を通じて、これがパターンです：ユーザーは一度説明することは気にしません。また説明することを気にします。「AIを教育する」と「AIの秘書になる」の間には根本的な違いがあります。
このムダがどれほどの時間を奪っているか、概算を出しました：
- 平均再説明時間：1回の会話で2〜3分
- 1週間の会話数：全エージェントで10〜15回
- ユーザーごとの週間ムダ時間：20〜45分
- 年間生産性損失：ユーザーごと17〜39時間
スケールが大きくなると、これは急速に膨らみます。10,000ユーザーのプラットフォームで、年間170,000〜390,000時間の人間のムダ時間。半分の見積もりでも……機械に繰り返し説明するのに多くの人が時間を費やしています。
---
ビジョン：「1つのエージェントに伝えれば、9つ全員に伝わる」
だから考え始めました——エージェントがお互いの会話から学べたら？Sydneyでのより単純な形で、すでに似たようなことが機能しているのを見ていました：彼女はRAGを使って私のブログ投稿とキャリア履歴を「記憶」しています。でもSTRATUMにはより動的なものが必要でした——静的なコンテンツを取得するだけでなく、ライブな会話から新しい情報をキャプチャし、エージェント間で共有する。
私が追い求めていた理想的な体験：
1. ユーザーが戦略エージェントと市場拡大を議論（Day 1）
2. プラットフォームが主要なビジネスインサイトを自動的にキャプチャ
3. ユーザーがコンテンツエージェントと話す（Day 7）
4. コンテンツエージェントが拡大計画をすでに知っている
5. 再説明不要。ただインテリジェントなコンテキスト。
これが、人々が時々使うAIツールと実際に頼りにするものの違いだと思います。凝った機能の話ではない——あなたを覚えているという部分の話です。
---
仕組み：ユーザー体験
自動学習
正直に言って、ここが一番難しかった部分です。任意のエージェントとの意義のある会話があるたびに、STRATUMは覚えておく価値のある主要なビジネスインサイトを特定しようとします：
- 市場拡大計画
- ターゲットオーディエンスの特性
- 予算制約
- 競合ポジショニング
- ブランドガイドライン
- 価格戦略
- など
何もする必要がありません。プラットフォームはあなたが作業しながら学びます。（まあ、それが目標です。「何を覚える価値があるか」の部分はまだ調整中です——後の教訓セクションで詳しく説明します。）
クロスエージェントインテリジェンス
ここが私を興奮させる部分です :D 魔法はエージェントを切り替えたときに起きます。パフォーマンスエージェントに話した予算制約？キャンペーンエージェントは広告費用を推薦するときにそれを知っています。戦略と議論した市場拡大？コンテンツエージェントはメッセージングの推薦にそれを取り入れます。
9つのエージェント。あなたのビジネスへの一つの共有理解。
実際にはDIALØGUEの仕組みと似ています——ポッドキャストを生成するとき、ユーザーの専門分野・好みのスタイル・オーディエンスを覚えておく必要があります。異なるコンテキスト、同じ原則：あなたを覚えているAIは、そうでないAIとは根本的に異なります。
実際にはこんな感じです——新しい会話を始めると、過去のインタラクションからの関連コンテキストが自動的に利用可能になります：
```python
# すべてのエージェント会話はあなたのビジネスコンテキストで始まる
async def get_business_context(org_id: str) -> str:
"""
過去の会話から関連するインサイトを取得。
各エージェントはあなたのビジネスにとって重要なものを見る。
"""
insights = await fetch_recent_insights(org_id)
# コンテキストはすべてのエージェントに自動的に流れる
return build_context_summary(insights)
```
実際の実装には慎重なフィルタリングと関連スコアリングが含まれますが、原則はシンプルです：エージェントは重要なことを覚えています。
完全な透明性
これは痛い目に遭いながら学んだことです：AIの記憶は、何が覚えられているかわからないと気持ち悪く感じます。テスト中に誰かにシステムを見せたとき、最初の反応は「待って、他に何が私について知っているの？」でした。それはあなたが望む反応ではありません。
だから、システムに完全な透明性を組み込みました。ユーザーがビジネスインテリジェンスを見てコントロールできるUIコンポーネントです：
```typescript
// ユーザーはプラットフォームが学んだことを正確に見る
export function BusinessIntelligenceDashboard() \{
const { insights \} = useBusinessContext();
return (
<div className="space-y-4">
<h2>STRATUMがあなたのビジネスについて知っていること</h2>
{insights.map(insight => (
<InsightCard key={insight.id}>
<div className="flex justify-between">
<span className="font-medium">{insight.summary}</span>
<Badge>{insight.source_agent}</Badge>
</div>
<p className="text-sm text-muted">
\{formatDate(insight.created_at)\}に学習
</p>
<Button
variant="ghost"
onClick={() => deleteInsight(insight.id)}
>
このインサイトを削除
</Button>
</InsightCard>
))}
</div>
);
}
```
- すべてを見る：専用のダッシュボードでプラットフォームが学んだことを正確に表示
- ソース帰属：どのエージェントがいつ何を学んだかを知る
- 簡単な削除：覚えてほしくないインサイトはワンクリックで削除
- 隠れた学習なし：すべてが見えてレビューできる
ユーザーはシステムをコントロールしているからこそ信頼します。
---
リアルワールドの例
例1：市場拡大
Day 1 - 戦略エージェント：
> ユーザー：「来四半期にヨーロッパ市場に拡大する予定です。まずドイツとイギリスから始めます」
> エージェント：[包括的な市場参入戦略を生成]
*プラットフォームがキャプチャ：ヨーロッパ市場拡大が計画中、ドイツとイギリスをターゲット*
Day 7 - コンテンツエージェント：
> ユーザー：「来月のLinkedIn投稿を作成して」
> エージェント：「ヨーロッパ展開を計画しているようですね。これらの投稿は国際ローンチのためにオーディエンスを準備するものにしますか？」
再説明不要。
例2：予算認識
Day 5 - エージェント：
> ユーザー：「マーケティング予算は月約1万ドルです」
> エージェント：[予算配分分析を生成]
*プラットフォームがキャプチャ：月間マーケティング予算 〜10,000ドル*
Day 15 - キャンペーンプランニングエージェント：
> ユーザー：「ペイド広告を出すべきですか？」
> エージェント：「月間予算に基づいて、ペイドチャンネルとコンテンツ作成のバランスの取れた配分をお勧めします……」
予算コンテキストが記憶されています。
---
マルチテナントの課題
プログレッシブラーニングは、SMEとエージェンシーの両方にサービスを提供する場合に複雑になります。
SMEに対して：シンプル。すべてのインテリジェンスは組織に属します。
エージェンシーに対して：各クライアントのインテリジェンスは完全に分離されなければなりません。クライアントAとクライアントBを管理するエージェンシーは、クライアントAの戦略が誤ってクライアントBの推薦に影響することが絶対にあってはなりません。
# エージェンシーコンテキストは常にクライアントスコープ
def get_insights_for_conversation(org_id: str, client_id: str | None):
"""
SME：client_idはNone、すべての組織インサイトを見る
エージェンシー：client_idが特定クライアントのみにフィルタリング
"""
if client_id:
# 特定クライアントで作業するエージェンシーユーザー
# クライアントAのインサイトはクライアントBのコンテキストに絶対に漏れない
return fetch_client_insights(org_id, client_id)
else:
# SMEユーザー、すべての組織インサイトが利用可能
return fetch_org_insights(org_id)
これは単なる機能ではありません——信頼の要件です。一度でも漏れたら、エージェンシーユーザーは永久に信頼を失います。
データ分離にはあらゆるレベルで——アプリケーションロジック・データベースポリシー・広範なテスト——多大な投資をしました。クライアントAのビジネスインテリジェンスはクライアントAと共にあります。常に。
---
なぜこれが本当のアドバンテージを生み出すのか
正直に言います：私はSaaS戦略家ではありません。広告業界で18年働いた後にコードを学んだ作り手です。でも、3つのAIプロダクトを構築した経験から、プログレッシブラーニングがいくつかの理由で本当のアドバンテージを生み出すと思います。
増加するリターン
ユーザーがプラットフォームを長く使うほど、それはより賢くなります。各会話がコンテキストを追加します。各インサイトが将来の会話をより良くします。
従来のAIツール：Day 1もDay 100も同じ体験。
プログレッシブラーニング：Day 1 = 良い。Day 100 = 優れている。
Sydneyでもこのパターンを見てきました——彼女のRAGシステムは、コンテンツが増えるだけで6ヶ月前より今の方が役立つことを意味します。記憶は複利で効きます。
人々が留まる理由
プラットフォームがあなたのビジネスを深く知ると、競合他社に切り替えることは最初からやり直すことを意味します。失うのは：
- 何ヶ月もの蓄積されたインテリジェンス
- 市場戦略についてのコンテキスト
- エージェント間で構築されたオーディエンスインサイト
- 予算制約と目標
30日間の定期使用後、プラットフォームはあなたのビジネスコンテキストの大部分をキャプチャします。人々が留まる理由はこれだと思います——ロックインされているからではなく、他の場所でやり直すことが本当に後退のように感じるからです。
組織内ネットワーク効果
複数のクライアントを管理するエージェンシー（これは私の心に近い話です——キャリアのほとんどをエージェンシーで過ごしたので）にとって、プログレッシブラーニングは掛け算になります：
- 各クライアントのインテリジェンスが独立して蓄積される
- すべてのクライアント関係がプラットフォームの価値を深める
- 価値はポートフォリオサイズとともにスケールする
10クライアントを持つエージェンシーは、シングルユーザーの10倍の恩恵を受けます。
複製が難しい
これについては間違っているかもしれませんが、プログレッシブラーニングの構築には深い統合が必要だと信じています：
- AI応答生成
- バックグラウンド処理
- マルチテナントデータ分離
- ユーザーコントロールインターフェース
- クロスエージェントコンテキスト共有
これは後から追加するものではありません。アーキテクチャにゼロから組み込まれています。
---
ビジネスへの影響
追跡している数値です（私はこういうことを具体的に示すようにしています）：
ユーザーごとの節約時間：
- 以前：1回の会話で2〜3分の再説明
- 週間会話数：10〜15回
- 年間節約時間：ユーザーごと17〜39時間
リテンションへの期待
正直に言います——これを定量的に証明するのに十分なデータはまだありません。STRATUMはまだアルファ版です。でも、これまで見てきたことに基づく私の仮説：
- 有意な保存インサイトを蓄積したユーザーは切り替える可能性が低い
- 投資されたコンテキストが多ければ多いほど、他の場所でやり直すことが難しくなる
- プログレッシブラーニングはリテンションと直接相関するはず
これを注意深く追跡しています。間違っていたら、そのことも書きます :P
数値を超えて本当に役立つもの：
- あなたはもうAIの秘書である必要がない
- コンテキストが時間とともに自然に積み上がる
- プラットフォームはあなたが使うほど良くなる——あなたの余分な努力なしに
---
痛い目に遭いながら学んだこと
これらは理論的なインサイトではありません——実際にした失敗です。
1. AIの記憶にはユーザーコントロールが必要
初期バージョンは監視されているように感じました。友人に見せたとき、彼の言葉は「これ気持ち悪い」でした。欲しくないフィードバックです。
フィックス：完全な透明性。すべてを見せる。何でも削除できるようにする。隠れた学習なし。
結果：ユーザーはコントロールしているからシステムを信頼します。（Sydneyの会話インターフェースを構築したときに同じ直感がありました。人々はアンダーフードで何が起きているかを見たいのです。）
2. 量より質
最初の本能はすべてを覚えることでした。すべての文。すべての詳細。私は「データが多ければ多いほど良い」という人です——18年の分析業務がそうさせました。でも、それは圧倒的で焦点が定まらないものでした。
フィックス：高い信頼度の戦略的に関連するインサイトだけをキャプチャする。質が量を勝る。
結果：会話を実際に改善するフォーカスされたコンテキスト。
3. 少ないコンテキストの方が良いことが多い
これは私を驚かせました。多すぎるコンテキストを会話に注入すると、応答が遅くなり焦点が定まらなくなりました。Claudeに大量の背景情報を与えると、たとえそのほとんどが関連していなくても、すべてを参照しようとすることがわかりました。
フィックス：慎重にキュレートする。現在の会話に関連するものだけを含める。
結果：より速い応答、よりフォーカスされた推薦。ここでの適切なバランスはまだ探っています。
4. マルチテナント分離は交渉不可能
データ分離の一つのバグがユーザーの信頼を永久に破壊する可能性があります。エージェンシーの世界から来た私は、クライアント機密がどれほど深刻かを知っています。クライアントAとクライアントBを管理するエージェンシーは、データが絶対に漏れてはなりません。
フィックス：多層防御。複数の分離レイヤー。広範なテスト。
結果：クロスクライアント漏洩インシデントゼロ。（これは私がヘッジしない一つの領域です——分離は完璧でなければなりません。）
---
AIの記憶はいつ意味があるのか？
AIプロダクトを構築していて記憶への投資を検討しているなら、私の正直な見解です。プログレッシブラーニングは次の場合に意味があります：
✅ 複数のAIタッチポイントがあり、共有コンテキストから恩恵を受けられる
✅ ユーザーが繰り返しインタラクションを持つ（日・週・月単位）
✅ コンテキストが価値を積み上げる（ビジネス戦略・好み・制約）
✅ 新規ユーザー獲得よりユーザーを留めることが重要
✅ 組織にサービスを提供している（チーム・エージェンシー・エンタープライズ）
❌ スキップする場合：
- 一回限りのインタラクション（繰り返しのエンゲージメントなし）
- コンテキストが価値を積み上げない
- プライバシーの懸念が利便性を上回る
- 適切なデータ分離に投資できない（本当に投資できない——これは中途半端にできるものではない）
---
最後に
プログレッシブラーニングはSTRATUMを「9つの別々のAIエージェント」から本当に一つのインテリジェントプラットフォームのように感じるものに変えました。ユーザーは一度伝える。システムは覚えます（削除するまで）。
それがツールとプラットフォームの違いだと思います。取引と関係の違い。「時々使う」と「これなしでは働けない」の違い。でも、まだこの旅は始まったばかりです——STRATUMはアルファ版で、毎週何が機能するかについて新しいことを学んでいます。
AIの記憶を構築するのは難しかった。マルチテナント分離が複雑さを加えた。このシステムが乗っているマルチテナントの基盤はそれ自体の冒険でした——Day 2のアーキテクチャ決定からDay 67の完全な再構築まで。でも結果は？使えば使うほど賢くなるプラットフォーム。
1つのエージェントに伝える。9つ全員に伝わる。
AIプロダクトを構築しているなら、記憶の問題に取り組んだことはありますか？どのアプローチが機能しましたか？何を覚える価値があって何がノイズかを判断するベストな方法をまだ探っているので、本当に興味があります。ぜひ教えてください。
---
自分で試してみる
プログレッシブラーニングについて読むことと、体験することは別です。
STRAŦUMは現在プライベートです。 正式ローンチ前に体験を磨くため、SMEファウンダーとエージェンシーチームの小グループと作業しています。
AIツールが毎回セッション間にすべてを忘れることに疲れているなら、試してほしいです。
得られるもの：
- 全9つのAIエージェントへのフルアクセス
- あなたのビジネスを実際に覚えるプログレッシブラーニング
- フィードバックと機能リクエストのための私への直接ライン
新しいアルファユーザーをローリングベースで受け付けています。この段階で全員に個人的な注意を払いたいので、スポットは限られています。
よろしくお願いします、Chandler
