NGraphエヌグラフ
Evening Deep Dive

413個のメモを書いたAIは、10個しか書かなかったAIに負けた

2026.11.07 夕 | 株式会社NGraph 方眼紙のメモ風の表紙。「413個のメモを書いたAIは、10個しか書かなかったAIに負けた」と大きく書かれ、付箋には「全部をメモに書く」を消して「選んで書く」とある

AIの記憶は、たくさん書けば育つ。そう考えると外れます。

Anthropicは2026年11月6日、AIの記憶についての研究記事を公開しました。ゲームの攻略で、記憶ファイルを413個書いたAIはバッジ1個、10個しか書かなかったAIはバッジ4個でした。差を分けたのは、何を書かないかを選ぶ判断と、書いたメモを後で直す工程です。

当社NGraphは、AIを現場で使われる形にして残す仕事をしています。自社でも、会社の知識をAIに読ませる「会社の脳」を運用しています。

この記事でわかることは3つです。

「AIの記憶」とは、セッションをまたいで残る、AI自身が書いたメモのこと

Anthropicは、AIの記憶を、Claudeが経験から得て、セッションをまたいで持ち続け、後で読める文脈として保存した知識、と定義しています。セッションとは、AIに作業を頼む1回のまとまりです。

含まないのは、学習で決まる内部の数値の変更、1つの会話の中で覚えたこと、古いやりとりを要約に置き換えるコンパクションです。

Claude Codeの公式文書も、毎回のセッションは新しい文脈から始まる、と説明しています。そこへ知識を運ぶのは、人が書くCLAUDE.mdと、Claudeが自分で書くauto memoryの2つです。

記事は、記憶を4つの層で描きます。下から、検索できる記録ログ、記憶ノート、wikiのような表現、毎回の最初に読み込む文脈です。層の間を行き来して整理するのが、ドリーミングです。ログを振り返り、間違いを直し、新しいノートを作ります。

出どころは、LettaとUC Berkeleyが提案したsleep-time computeで、質問の前に文脈を整理しておく方法です。

発表元日付何を測ったか主な結果
Anthropic2026年11月6日記憶の部品。ゲーム、データベース課題、社内文書413対10ファイル
Letta・UC Berkeley2025年4月17日質問の前に文脈を整理しておく方法回答時の計算量が約5分の1
CL-Bench論文2026年6月4日経験から改善する力。6分野専用の記憶システムを、素の文脈内学習が上回った

4層を会社に当てはめると、記録ログは会議の録音、記憶ノートは担当者のメモ、表現は社内wikiや正本、毎回読む文脈は全員が最初に読む1枚です。これは当社の当てはめで、記事に書かれた対応ではありません。複数のAIに記憶を持たせたときの散らばり方は、AIを増やすほど記憶はバラバラになるに書きました。

413個書いたAIはバッジ1個、10個のAIは4個だった

Anthropicは、ポケモン赤で、AIが何をメモに残すかを見ました。比べたのは、約10,000手時点のSonnet 3.7とFable 5で、どちらも1回の実行です。

Sonnet 3.7は、何でも大事かもしれないと、手当たり次第に書きました。戦闘ごと、拾った物ごと、会った人物ごとにファイルがあり、数は413、文字にして約97万8千字。バッジは1個です。

Fable 5が書いたのは、global.mdを含む10ファイル、約4万3千字で、バッジは4個でした。文字数は、計算すると約23倍の差です。

全部を書いたAIは413ファイル、選んだAIは10ファイル

ポケモン赤・約10,000手時点の記憶ファイル数413Sonnet 3.7(バッジ1個)10Fable 5(バッジ4個)メモは413対10、バッジは1個対4個。進んだのは、少ない方でした出所:Anthropic「The components of agent memory」(2026年11月6日)図4

413ファイルの側は、記録がすぐ古くなりました。約10,000手の付近で4つ目の「master」フォルダを作り始め、続く17手で、ファイルを6つ作り、9つ消し、ゲームの中の行動は0回です。メモの手入れが、遊ぶ手を止めていました。

書かなかったものに、判断が出る

Fable 5が書かなかったのは、所持金や現在地です。毎ターン画面から読めるので、保存しても重複します。書いたのは、戦略、計画、検証したルールで、自分で導かないと存在せず、書かなければ消えるものです。

例えば、コイキングにボールが7回続けて外れたあと、3回以上外れたらタイミングを変える、とメモしました。変えた直後に捕まった、という検証つきです。

当社の読みでは、会社なら何を残すべきでしょうか。売上や在庫は、システムを開けば読めます。残すべきなのは、なぜそう決めたか、どの型で失敗したかです。

会社の知識をAIに持たせる設計は、AI導入支援のページで扱っています。

記憶の論文は「効かない」、Anthropicは「効いた」。測ったものが違う

結論が逆に見えます。どちらを信じればよいのでしょう。

2026年6月4日に投稿された論文「Continual Learning Bench」の要旨の結論は、こうです。エージェントは、目の前の観察に過剰適合するか、知識を使い回せないことが多い。専用の記憶システムは、それを直さない。むしろ、素の文脈内学習が、記憶管理専用のシステムを上回っています。文脈内学習とは、1つの会話の中で得た知識で対応することです。

一方Anthropicは、CL-Bench 1.0のデータベース課題で、記憶ありが記憶なしを大きく上回ったと報告しています。

記憶を足した利得は、Sonnet 4.6で0.034、Opus 5で0.264

データベース課題の平均報酬記憶なし記憶ありOpus 5.50.6550.838Sonnet 5.50.6440.833Opus 50.5640.828Opus 4.70.3830.700Sonnet 50.3060.610Sonnet 4.60.3300.364同じ記憶フォルダでも、伸びはモデルごとに違いました出所:Anthropic「The components of agent memory」(2026年11月6日)図3

利得の大きさは、モデルでまるで違います。Opus 5は0.564から0.828で、差は0.264。Sonnet 4.6は0.330から0.364で、差は0.034です。差は図からの計算です。

ここからは、両方の資料に書かれていない、私たちの読みです。論文は、記憶管理の仕組みを比べました。Anthropicの結果は、フォルダ1つという同じ仕組みでも、モデルの判断力で利得が開くことを示します。測った軸が違うので、2つは矛盾していない、と読んでいます。

指示の効き方も、モデルで変わりました。「失敗だけを記録せよ」という固定ルールは、Opus 5の利得を0.234下げています。強いモデルは、何が重要かの判断を任せる方が伸びました。逆にSonnet 4.6は、「答える前に記憶を読み、仮説を試せ」と指示すると、記憶なしの0.330に対して0.641と、ほぼ2倍です。

指示が一定の確率で無視される話は、AIは指示を一定確率で無視するに書きました。モデルを替えた日は、指示の効き方を測り直してください。

間違った記憶は、直さない限り次の回も信じられる

Anthropicは、記憶は予測だと書いています。ルールを書くのは、この型がまた要るという予測。検証済みの事実を書くのは、次のセッションが二重確認なしに頼るという予測です。

予測が外れた例は、ポケモンの山、お月見山の入口にありました。落ちると元のルートへ戻る段差があります。Claudeは、入口の建物が山の東側にあると誤って書き、ノートを「Mt Moon DONE」にしました。数手後に段差から落ちても、「西に行き過ぎた」と結論し、正しい側にいたと思い込みます。

直さなかった実行は、同じ段差から3回落ち、次の町に着かないまま終わりました。ドリーミングで直した実行は違います。記憶の誤りを、セッションの記録と突き合わせて見つけ、書き直しました。直したノートを持ったClaudeは、山に戻り、次の町に着きました。

ただし、直すには計算資源が要ります。全部の記憶を常に検査するのは現実的でないかもしれず、変わりやすい情報に絞ることが要るかもしれない、とAnthropicは書いています。

当社の「会社の脳」は、この工程を、AIではなく機械と人でやっています。知識の各ファイルに、最後に確かめた日と有効期限を持たせ、毎朝、期限切れか、確かめた日から90日を超えたものを、スクリプトが赤で一覧にします。今朝、2026年11月7日は、会社の脳で18件、代表個人の知識置き場で8件でした。当社の決まりは、中身を見ずに日付だけ動かすのを禁止すること。

社内文書をwikiにすると、複数の文書をまたぐ問いで伸びた

wikiとは、Claudeが書いて維持するページの集まりで、1つの主題の知識を集め、ほかのノートへリンクします。リンクが、記憶の中を探す地図になります。

実験の相手は、買収したStainless社の内部文書、約35万ファイルです。25問の評価セットで、検索ツールとwikiを試しました。担当するのは、Opus 5のエージェントで、128セッションに及びます。

ドリーミングを2セッションから128セッションへ増やすと、wikiだけで答えた場合の採点基準の達成が、13%から48%へ上がりました。ただ、一番高かったのは、検索と組み合わせたときです。wikiが育つにつれ、54%から61%へ上がり、検索だけは53%のままでした。

検索にwikiを足すと61%、検索だけは53%、wikiだけは48%

社内文書25問・採点基準の達成率検索+wiki61%検索だけ53%wikiだけ48%検索とwikiを組み合わせたときが、一番高い値でした出所:Anthropic「The components of agent memory」(2026年11月6日)図10

伸びない場面もあります。Harveyの法律文書の課題と、合併の文書集で試した結果です。合併についての24問は、基準の大半が複数の文書にまたがり、wiki参照が87%、検索だけが73%でした。一方、57の基準の大半が1つの文書の文字検索で足りる課題では、wikiに明確な利得はありませんでした。

書き方の指示を直すと、残る事実が増えた

契約条項の課題では、4つのエージェントが同じ共有ページに同時に書き、1つの保存が別のエージェントの行を消しました。採点対象の事実57件のうち、残ったのは41件です。失敗を振り返って指示を直すと、契約ごとに1ページ、担当は1エージェント、条項は要約せず一字一句引用する書き方に変わり、57件が残りました。

共有の表に要約すると72%、1契約1ページで原文を引くと100%

採点対象の契約条項57件のうち、wikiに残った割合72%共有の表に要約100%1契約1ページで原文を引用差 28ポイント書き方の指示を直しただけで、残る事実が41件から57件に増えました出所:Anthropic「The components of agent memory」(2026年11月6日)図14

中小企業が決めるのは4つ。当社の索引は、公式の上限を超えていた

毎回読ませる1枚は、小さく保つ必要があります。間違ったノートが毎回持ち込まれ、読んでもClaudeが従うとは限らないからです。Claude Codeのauto memoryは、MEMORY.mdの最初の200行か25KBだけを読み込み、この先頭が索引になります。御社が毎回AIに読ませている1枚は、何行あるでしょうか。

今日、私たちの索引で測ったこと

この記事を書いている側のClaude Codeの記憶
2026年11月7日に当社が数えると、記憶ファイルは630本。1ファイル1事実です。索引のMEMORY.mdは109行、32,720バイトでした。公式の上限、200行か25KBに当てると、行数は内側、容量は外側です。25KB、つまり25,600バイトの境界は83行目で、83行目以降の27行が上限の外にありました。
今日のセッションでは末尾まで読めていたので、切られていた、とは言えません。ただ、上限を超えていることに、私たちは今日まで気づいていませんでした。各行には「→ 商談の返事待ち」のように、いつ読むかの合図を付けています。Anthropicの言う、記憶は予測、そのままの形です。

よくある失敗は3つ

次の手は4つ

手やること根拠の数字
1 小さく毎回読ませる1枚の行数と容量を測るCLAUDE.mdは200行未満が目安。auto memoryは先頭200行か25KB
2 原文事実は要約せず、1文書1ページで原文を引く共有の表では57件中41件、1契約1ページでは57件
3 根拠ルールに、正しいとどう分かったかを書く。当社は行ごとに、見た、聞いた、推測、本人確認の印を付け、推測は確定の根拠にしないOpus 5の記入が持っていた型
4 点検日確かめた日から90日を超えたものを一覧に出し、中身を見て直す90日。今朝は18件と8件

AIに読ませる知識の棚卸しを、一緒にやります。

無料で相談する

よくある質問

ChatGPTやClaudeの「メモリ機能」と同じ話ですか?

Anthropicの定義では、経験から得て、セッションをまたいで持ち続け、後で読める文脈として保存した知識が、AIの記憶です。重みの変更や、1つの会話の中で覚えたことは含みません。製品ごとの実装は確かめていないので、断定しません。

メモを増やせば、AIは賢くなりますか?

増やすだけでは、なりません。ポケモン赤では、413ファイルのAIがバッジ1個、10ファイルのAIが4個でした。各1回の実行の比較です。記憶の利得もモデルで開き、計算するとSonnet 4.6は0.034、Opus 5は0.264でした。

「ドリーミング」は、自社でできますか?

Anthropicは、入門用のコード集を公開しました。ただ、計算資源が要るので、変わりやすい情報に絞る工夫が要る、とも書かれています。当社は、機械と人で直しています。

社内文書は、wikiにまとめるべきですか?

複数の文書を突き合わせる24問では、wiki参照が87%、検索だけが73%です。1つの文書の文字検索で足りた課題では、wikiに明確な利得はありませんでした。

Claude Codeで、最初に何をすればよいですか?

公式文書によると、CLAUDE.mdは1ファイル200行未満が目安です。足すのは、同じ間違いを2回されたときや、前と同じ訂正をチャットに打ったときです。MEMORY.mdは先頭の200行か25KBだけが読み込まれるので、先頭を索引にします。

まとめ

AIの記憶は、書いた量では決まりませんでした。413ファイルのAIはバッジ1個、10ファイルのAIは4個です。違いは、書かないものを選ぶ判断と、後で直す工程でした。

まず、AIに毎回読ませている1枚の行数と容量を、測ってみてください。相談は無料相談から。

参考(一次情報):
・Anthropic「The components of agent memory」(2026年11月6日)
・arXiv「Sleep-time Compute: Beyond Inference Scaling at Test-time」(2025年4月17日)
・arXiv「Continual Learning Bench: Evaluating Frontier AI Systems in Real-World Stateful Environments」(2026年6月4日)
・Claude Code Docs「How Claude remembers your project」
← ブログ一覧に戻る