本記事の結論 — エージェントがついに「自走」し始めた

2026年5月6日、Anthropic が Claude Managed Agents に dreaming（記憶の自己生成）、outcomes（成果基準による自走）、multiagent orchestration（複数エージェントの並列協働） の3機能を同時投入しました。

SNS では「エージェントが “夜の間に学習” する時代が来た」と話題になり、チャエン氏（@masahirochaen）も「OSSで話題になったAIエージェントの機能が全てClaudeに吸収される」と速報を出しています。

本記事では、3機能の詳細を公式発表とユーザー実装報告を元に解説し、法人で Claude Code を運用するチームが今週やるべきこと を整理します。

i

本記事の結論: Managed Agents の3機能で、エージェントは「セッションを跨いで自己改善し、成功基準を満たすまで自走し、専門家チームを編成して並列に動く」段階に到達。AI エージェントの “運用OS” がついに整い始めました。

業界背景 — AI エージェントが「常駐インフラ」になる分岐点

2026年5月は、AI エージェントが「ChatGPT のような対話ツール」から「常時稼働して業務を回すインフラ」へ移行する分岐点です。

ここ数か月、複数のプレイヤーが次の方向性を示しました:

  • OpenAI Operator — ブラウザ操作を自動化し、人間の代わりにWebタスクを遂行
  • Google Project Astra — 視覚・音声を統合した常駐型エージェント
  • Hermes Agent（OSS） — エージェントが過去の失敗を学び、改善する記憶システム

Anthropic の今回の発表は、こうした 「自己改善」「成果基準」「並列協働」 の概念を、公式 SDK レベルで標準実装 した点に意味があります。オープンソースでの先行実験を、企業が安心して使えるマネージドサービスに昇華させました。

!

法人視点での重要性: これまで「試験的にエージェントを使う」段階だった企業が、今回の3機能で「エージェントに業務を任せる」運用へ移行できます。特に outcomes は本番投入の障壁を一気に下げます。

dreaming — エージェントが「夜の間に学習」する仕組み

何ができるのか

dreaming は、Claude Managed Agents が 過去の複数セッションを横断して記憶を再構成する 機能です。エージェントが日中処理した複数のタスクから、次のようなパターンを自動抽出します:

  • 繰り返しのミス — 同じ失敗を何度もしている箇所
  • 効率的なワークフロー — 成功したタスクに共通する手順
  • ユーザーの好み — 暗黙的に示された判断基準や優先順位

抽出された記憶は、次回以降のセッションで エージェントの判断材料 として活用されます。公式は Research Preview（研究プレビュー） として提供しており、本番稼働前提というより「エージェント運用の方向性を試す段階」の機能です。

法人で何が変わるか — ナレッジ管理の負荷が下がる

Claude Code を業務で使う企業に共通する悩みがあります:

  • 「先週、同じミスをエージェントがまた繰り返している」
  • 「成功した運用をマニュアル化しないと再現できない」
  • 「セッションを跨いだコンテキストが残らず、毎回説明し直し」

dreaming はこれに直接効きます。エージェントが自分の運用を振り返り、成功・失敗パターンを抽出して次のセッションに活かす ので、人間が「ナレッジ文書を書く」「プロンプトに毎回追記する」手間が減ります。

例えば、次のような学習が自動で起きます:

業務 dreaming が抽出する学び
経理レポート作成 「前月と比較して10%以上の変動がある項目は、備考欄に理由を記載すると承認が早い」
契約書レビュー 「“善管注意義務” の条項を見落としたことが3回ある。今後は必ず確認する」
顧客問い合わせ対応 「“納期を教えてください” という質問には、必ず在庫状況も併せて回答すると満足度が高い」

現時点の制約と運用注意点

!

Research Preview の位置づけ: dreaming はまだ本番稼働前提の機能ではありません。本番運用に組み込む場合は、次の体制が必要です:

  • 記憶の定期レビュー — 抽出された学びが正しいか、週次で人間が確認
  • 記憶汚染への対策 — 誤った「学び」が累積しないよう、削除ルールを明文化
  • 監査ログの保管 — どの記憶がどのタスクから生成されたか、トレース可能にする

詳しくは Claude Code セキュリティ・ガバナンス完全チェックリスト を参照ください。

outcomes — 成功基準で「自走」するエージェント

何ができるのか

outcomes は、開発者が 成功基準（rubric） を明文化し、別の grader エージェント が出力を採点して 基準未達なら自動で再生成を促す 機能です。

これまでのエージェント運用は「やってほしいこと（instruction）」だけを渡していましたが、outcomes では 「何を満たせば成功か（success criteria）」 も渡せるようになりました。

Anthropic の内部テストでは、次の効果が確認されています:

+10pt
標準ループ比のタスク成功率向上
+8.4%
.docx 生成タスクの成功率
+10.1%
.pptx 生成タスクの成功率

公式は「難易度の高い問題で効果が大きい」と明記しており、特に定型業務や資料生成タスクでの精度向上が顕著です。

rubric（成功基準）の書き方

outcomes を機能させるには、rubric を適切に定義する必要があります。公式が推奨する rubric の書き方は次の通りです:

Step 1: 成功の定義を箇条書きで列挙 — 「〇〇を含むこと」「△△の条件を満たすこと」のように、Yes/No で判定できる基準にする

Step 2: 失敗例を明示 — 「××が欠けている場合は不合格」「数値の根拠が不明な場合は再提出」など、NG パターンを併記

Step 3: 優先順位をつける — 必須項目（Must）と推奨項目（Should）を分け、grader が「どこまで厳密に採点するか」を調整できるようにする

例えば、経費申請書のレビューであれば、次のような rubric が考えられます:

# 経費申請書レビューの成功基準（rubric）

## 必須項目（Must）
- 規定外の経費項目がある場合、すべて指摘していること
- 指摘に対して、社内経費規定の該当条文を引用していること
- 金額に不整合がある場合、具体的な箇所を明示していること

## 推奨項目（Should）
- 承認を早めるための改善提案があること（例: 領収書の添付漏れを指摘）
- 前回の申請と比較して異常値がある項目に言及していること

## 不合格例
- 規定外項目を見落としている
- 指摘の根拠が「常識」や「一般論」にとどまり、社内規定を引用していない

法人で何が変わるか — 人間レビューが最終確認だけで済む

これまでの Claude Code の運用は「プロンプト調整 → 出力を人間が確認 → 修正指示を返す」のループでした。outcomes を入れると、次のように変わります:

Step 1: rubric を1度だけ定義（上記の経費申請レビューの例など）

Step 2: エージェントが提出 → grader が rubric に対して採点

Step 3: 不合格なら自動で再生成、合格するまで人間に渡らない

Step 4: 合格した成果物を人間が最終確認（細かい修正指示は不要）

人間のレビュー負荷が「プロセス全体の管理」から「最終結果のチェック」だけに軽減されます。

特に効果が大きいのは、次のような業務です:

業務 outcomes で自動化できること
月次決算レポート 前月比・予算比の乖離を rubric で定義し、基準を満たすまで自動再生成
提案書作成 「競合比較表を含む」「ROI試算を記載」など必須要素を rubric 化
議事録要約 「決定事項」「アクションアイテム」「期限」が漏れなく記載されているかチェック
契約書レビュー 社内法務基準を rubric 化し、必須条項の抜け漏れを自動検出

導入の優先順位 — まず outcomes から触る

デジライズ 視点では、Managed Agents の3機能の中で outcomes が最も ROI が見えやすい と考えます。理由は次の通りです:

  • Public Beta 扱いで本番投入可能 — dreaming（Research Preview）と異なり、運用リスクが低い
  • 効果測定が簡単 — 「人間レビューの回数」「やり直し率」が数値で見える
  • 既存業務に組み込みやすい — rubric は既存の業務マニュアルから流用できる

社内で「やり直しが多い業務」（経理レポート、提案書、議事録要約など）から rubric を作り、1週間サンドボックスで回してみることを推奨します。

multiagent orchestration — 専門家チームを編成する

何ができるのか

multiagent orchestration は、lead agent（リーダー） が複雑なタスクを分解し、それぞれ専門の specialist agent（専門家） に割り振る機能です。

各 specialist agent は独自のモデル・プロンプト・ツールを持ち、共有ファイルシステム上で並列に作業 します。lead agent は各 specialist の結果を統合し、Claude Console から全体の進捗を追跡できます。

簡単に言えば「プロジェクトリーダー + 専門家チーム」をエージェントで再現したものです。

具体例 — 競合調査レポートの自動生成

例えば「競合3社の最新動向を調査し、自社への影響をまとめた報告書を作成する」タスクを、次のように分担できます:

エージェント 役割 使用ツール
lead agent プロジェクト全体の統括・最終レポート統合 -
researcher agent 競合3社のニュースリリース・IR情報を収集 Web検索、PDF解析
analyst agent 収集データから数値・トレンドを抽出 データ分析、グラフ生成
writer agent 調査結果を経営層向けの報告書にまとめる 文章生成

lead agent が「まず researcher に競合3社の情報収集を依頼 → analyst がデータを分析 → writer が報告書にまとめる → lead が最終レビュー」という流れを自動で組み立てます。

業務での使いどころ — 無理に分割しない

multiagent orchestration は便利ですが、すべての業務に向くわけではありません。向いているのは次のケースです:

業務 lead agent specialist agents
競合調査レポート プロジェクトマネージャ リサーチャー / データ分析者 / ビジュアライザ
経営報告書 経営企画担当 KPI 抽出 / 文章生成 / グラフ作成
顧客対応フロー 受付ボット 商品知識専門 / 契約照会専門 / 解約手続き専門
採用フロー 採用担当 履歴書スクリーニング / 質問生成 / 面接フィードバック分析

逆に、次のような業務は 1つのエージェントで完結させたほうが早い です:

  • 単純な文章要約（議事録、メール整理など）
  • 定型フォーマットへの入力（経費精算、勤怠記録など）
  • 1回のAPI呼び出しで完結するタスク

判断基準: タスクが「複数の専門領域にまたがる」「並列処理で時間短縮できる」場合に multiagent orchestration を検討する。単純に「ステップが多い」だけなら、1つのエージェントで十分です。

運用上の注意点 — 共有ファイルシステムの管理

multiagent orchestration では、各 specialist agent が 共有ファイルシステム 上で作業します。この仕組みには、次のリスクがあります:

!

ファイル競合と上書きリスク: 複数の specialist が同じファイルを同時編集すると、意図しない上書きが起きる可能性があります。運用では次の対策を推奨します:

  • ファイル命名規則の徹底 — {specialist名}_{タスク名}_{タイムスタンプ}.md など、一意性を保証
  • lead agent によるファイル統合 — specialist が生成したファイルは lead が統合し、specialist は直接書き換えない
  • 定期的なバックアップ — 共有ファイルシステムの全内容を日次でバックアップ

memory 機能 — 明示的に「覚えさせる」

3機能と並んで、memory も Public Beta に格上げされました。memory は、エージェントが学んだ事実や好み、進行中タスクの状態を 明示的に保存・参照 できる仕組みです。

dreaming が「自動の学び」だとすれば、memory は 「明示的に覚えさせる」 補完機能です。

dreaming と memory の使い分け

機能 記憶の生成方法 用途
dreaming エージェントが過去セッションから自動抽出 暗黙的なパターン学習（繰り返しミス、成功ワークフロー）
memory 開発者が明示的に保存 固定事実の保持（組織ルール、顧客情報、進行中タスク）

例えば、次のように使い分けます:

  • memory で保存するもの: 「経費申請の上限は月10万円」「A社との契約更新日は毎年4月1日」など、変わらない事実
  • dreaming で学ぶもの: 「B社からの問い合わせは、過去3回とも “納期” に関するものだった → 次回は先回りして納期を案内すべき」

memory の運用注意点

!

保管期間と削除ルールの明文化: memory に保存する情報には機微情報（顧客名、契約金額など）が含まれうるため、次の運用ルールを推奨します:

  • 保管期間: タスク完了後90日で自動削除、または年度末に一括削除
  • 削除権限: 情シス・法務が memory の内容を確認し、必要に応じて削除できる仕組み
  • 監査ログ: どの memory がいつ誰によって作成・削除されたか、トレース可能にする

詳しくは Claude Code セキュリティ・ガバナンス完全チェックリスト を参照ください。

法人導入チームが今週やるべきこと

デジライズ 視点で、Managed Agents 新機能を 1〜2週間で取り込む ための具体的アクションをまとめます。

1. outcomes から触る（優先度: 高） — 一番ROIが見えやすい。社内で「やり直しが多い業務」（経理レポート、提案書、議事録要約）をリストアップし、rubric を1つ作る。サンドボックスで1週間回し、人間レビュー回数を計測。

2. dreaming はサンドボックスで検証（優先度: 中） — Research Preview 段階なので、本番投入は慎重に。まずは「記憶の確認・削除フロー」を社内で決めてから、限定的なタスクで試す。

3. multiagent orchestration はワークフロー再設計が前提（優先度: 中〜低） — 「lead が specialist を呼ぶ構図」が向いている業務を選ぶ。無理に分割しない。まずは1つのユースケース（例: 競合調査レポート）で小規模に試す。

4. memory ＋ Skills で組織知を載せる（優先度: 高） — デジライズ の Claude Code Skills 完全ガイド と組み合わせると、組織独自業務の自動化精度が一段上がる。memory に「社内用語集」「契約書テンプレート」「過去プロジェクトの知見」を載せる。

情シス・法務の確認ポイント

!

ガバナンス体制の整備: dreaming/memory が記憶する内容には機微情報が含まれうるため、次の項目を社内ガイドラインに追加することを推奨します:

  • 保管期間・削除方針 — タスク完了後90日で自動削除、または年度末に一括削除
  • 監査ログ — どの記憶がどのタスクから生成されたか、トレース可能にする
  • アクセス権限 — memory の内容を確認・削除できる権限を情シス・法務に付与

詳しくは Claude Code セキュリティ・ガバナンス完全チェックリスト を参照ください。

まとめ — 「エージェント運用OS」がついに整った

3
同時発表された新機能
+10%
outcomesによるタスク成功率向上
2026/5/6
Anthropic 公式発表日

dreaming（学び）／outcomes（自走）／multiagent orchestration（協働）の3機能で、Claude Managed Agents は 「単発のAI処理」から「自己改善する業務エージェント運用基盤」 へと飛躍しました。

特に outcomes は、rubric（成功基準）を1度定義すれば、エージェントが基準を満たすまで自動で再生成する 仕組みにより、法人での本番投入ハードルを一気に下げます。

法人で Claude Code を導入しているチームは、今週中にサンドボックスで outcomes を試し、来週には rubric ベースの業務をひとつ自動化する くらいのスピード感で取り込むことを推奨します。

デジライズ では、Claude Managed Agents を含むエージェント設計・社内ガバナンス整備の支援を行っています。詳しくは Claude Code 法人導入の判断基準 をご覧ください。

関連記事

参考ソース