AIが「経験」から学ぶ？AgentCore Memoryのエピソード戦略を試してみた

最近、AIエージェントを作る技術がどんどん進んでいます。
ただ、AIには1つ大きな課題があります。

それは「経験から学ぶのが苦手」ということ。

人間は、

• 以前こうしたらうまくいった
• この方法は失敗した

という経験を覚えて次に活かします。

AIエージェントでも、同じことができたら便利ですよね。
そこで今回は Amazon Bedrock AgentCore Memory の「エピソード戦略」 を試してみました。

この記事のポイント

今回の検証で分かったことは大きく3つです。

• AIエージェントに「経験」を記憶させる仕組みが作れる
• 過去の成功・失敗を次の判断に活かせる
• AIが単なるQ&Aツールから、成長するエージェントに近づく

AgentCore Memoryとは？

AgentCore Memoryは、
AIエージェントに「記憶」を持たせる仕組みです。

通常、LLMは「ステートレス」といって基本的に会話を覚えていません。

そのため

• 過去の会話
• ユーザーの好み
• 以前の問題解決方法

などを覚えておくには、外部の仕組みでメモリ管理する必要があります。

AgentCore Memoryは、その部分をAWSが提供しているサービスです。

長期記憶には4つの戦略がある

AgentCore Memoryでは、長期記憶の保存方法として 4つの戦略 が用意されています。

サマリ（Summary）

会話や出来事を要約して記憶する方法

長い履歴をそのまま保存するのではなく、重要なポイントだけ残します。

ユーザー嗜好（User Preference）

ユーザーの好みや特徴を記録します。
例えば

• このユーザーは技術的な説明を好む
• 簡潔な回答を好む

などを覚えておくことで、ユーザーごとに最適な応答ができるようになります。

セマンティック（Semantic）

知識や事実を記録する戦略です。

例えば

• プロジェクト情報
• 技術仕様
• 業務知識

などを保存します。

これはいわばAIの知識データベースです。

エピソード（Episodic）

そして今回注目したのが エピソード戦略。

これは「出来事」を単位に経験を記録する方法です。

例えば

• どんな状況だったか
• 何をしようとしたのか
• 結果はどうだったか

といった形で成功や失敗の経験を保存します。

さらに複数の経験から「次にどうすればよいか」という学びも生成されます。

つまり、AIが経験から改善する仕組みです。

どんな場面で役立つ？

この仕組みが活きるのは、次のようなケースです。

サポートAI

過去のトラブル対応を覚えて次回はより早く解決

業務自動化エージェント

失敗した処理を避けて成功パターンを優先

開発支援AI

トラブルシューティングを記録し同じ問題を減らす

今回の検証で感じたこと

AIエージェント開発では「知識」より「経験」が重要になると感じました。

RAGは「情報を検索する仕組み」ですが、エピソードメモリは「行動と結果を覚える仕組み」です。

この違いがAIの賢さを大きく変えます。

まとめ

AgentCore Memoryには

• サマリ
• ユーザ嗜好
• セマンティック
• エピソード

という 4つの長期記憶戦略があります。

その中でもエピソード戦略は、
AIが経験から学ぶための重要な仕組みです。

AIエージェントは今、

• 情報を検索する
• ユーザーを理解する
• 経験から学ぶ

という段階に進んでいます。

Acroquestでは、
こうした新しいAI技術も実際に触って検証しています。

もし
「AIエージェント開発に興味がある」
「新しい技術を試してみたい」

そんな方がいれば、ぜひ一度お話しましょう。

他の長期記憶戦略の詳細説明や、具体的な実装コードなど詳しくは当社技術ブログに記載しておりますので、詳細を知りたい場合はこちらをご覧ください。

ぜひ、当社で一緒に働いてみませんか？

チャレンジングな案件が多く、成長の機会が多く得られる環境です

当社では、機械学習／AIや生成AIに加えて、AWSやAzureを活用したITサービス開発事業を推進しています。そこで、最先端技術を駆使しながら、社会を進化させたい情熱とスキルのある機械学習・AIエンジニア、クラウドエンジニアを募集しています！

私たちが取り組む案件は、最先端技術を用いる内容や高難易度の内容が多く、チャレンジングな環境なので、成長の機会が多く得られることをお約束します。