大規模言語モデル（LLM）エージェントの活用が進む中、複数のエージェントによる議論や対話が、問題解決の精度を向上するとされる一方で、実際には逆効果になる可能性があるという懸念が高まっている。一見、複数のエージェントが異なる視点から問題を検討し、互いに検証することで誤りを修正し、より正確な結論に至るはずだと考えられる。しかし、実際の実験と分析から明らかになったのは、エージェント数の増加が精度を低下させる「マルチエージェント失敗」のリスクだ。 複数のLLMエージェントが意見を交わす際、各エージェントは自身の推論に確信を持ち、誤った前提を強調する傾向がある。結果として、誤りが繰り返され、互いに「正しそうな誤り」を確認し合う「フィードバックループ」が生じる。この現象は、単一エージェントが独自に推論する場合よりも、最終的な答えの正確性が低下する原因となる。特に、エージェント間の対話が「議論」や「対立」を目的とする場合、論理的な整合性よりも「主張の強さ」が重視され、結果として信頼性が損なわれる。 研究では、複数エージェントの協調が精度向上に寄与するのは、明確な役割分担と厳密な検証プロセスがある場合に限られることが示されている。一方、無計画な議論や反論の連鎖は、むしろ誤りを強化する。したがって、「エージェント同士で議論する」ことが常に最適とは限らない。 正しいアプローチは、単一エージェントによる段階的推論を徹底し、必要に応じて人間の検証を加えること。複数エージェントの導入は、コストとリスクを伴うため、精度向上のための「必須手段」ではなく、むしろ「罠」になり得る。AIエージェントは、一人で完結する方が、むしろ信頼性が高い場合が多い。