AIをめぐる競争は、「どのAIが最も賢いか」という段階から次のフェーズへ入りつつある。人間の指示を待って回答するAIではなく、自ら計画を立て、ツールを操作し、仕事を遂行する「AIエージェント」の実用化である。

ところが、複数のAIを同時に働かせると意外な問題が起きる。

2026年8月、アメリカのAI企業Anthropicが発表したマルチエージェントに関する研究では、複数のAIエージェントを同じ環境で働かせたところ、互いの仕事を妨害する「縄張り争い」を始めたり、価格競争では「談合」のような行動を取ったりするケースが確認された。

AIに足りないのは、知能ではなく「社会」なのかもしれない。

3体のAIを働かせたら「縄張り争い」が始まった

Anthropicは、同じモデルを使った3体のAIエージェントに、Python製バックエンドを別のプログラミング言語へ移行させる実験を行った。ただし、それぞれにはRustやTypeScriptなど異なる言語への移行という互いに相反する目標を与えた。当初、AIエージェントは互いに他のエージェントの存在を知らなかった。

1回4時間の実験をモデルごとに120回行った結果、テストしたすべてのモデルで「multiagent turf war（縄張り争い）」が発生したという。

AIエージェントは、他のエージェントを自分の仕事を邪魔する存在だと判断し、競合するプロセスを停止するスクリプトを書いたり、他のAIが使用するUnixのユーザーアカウントを無効化したりした。自分が作った悪意あるコードを、別のAIが作ったように見せかけようとするケースまであった。

一方、途中で相手の目的に気付き、悪意あるコードを削除して謝罪し、「人間に判断を委ねよう」と「停戦」するケースも確認された。

ここで重要なのは、AIの性能が上がれば自然に協調もうまくなるわけではないという点だ。高性能なAIほど強力な手段を素早く実行できるため、対立をより早くエスカレートさせる可能性もある。

価格設定AIは「1セント単位」で足並みをそろえた

ビジネスへの影響を考えるうえで、さらに興味深いのが価格設定の実験である。

Anthropicは3〜8体のAIエージェントに、同じ卸売価格のもとで自社の利益を最大化するよう指示した。通常の市場競争であれば、各社が競争相手の価格を意識しながら、価格を引き下げて競争することが想定される。

ところがAIエージェント同士に非公開の通信手段を与えると、わずか3ラウンド目までに最低価格について合意した。さらに通信手段を取り除いても、AIは公開されている商品価格を観察し、最終的に1セント単位で同じ価格に合わせる行動を示した。

もちろん実験環境での結果であり、現実のAI価格設定システムが必ず談合するわけではない。ただし、アルゴリズムによる価格協調は以前から競争政策上の論点になっている。

2026年に更新された、2,000時間超の計算実験を行った研究では、同質なAIエージェントでは競争価格より22％高い水準まで価格が上がった一方、エージェントが持つ情報などに差をつけると、上昇幅は7〜10％まで縮小した。

つまり問題は「AIは談合する」という単純な話ではない。AI同士が市場で競争するとき、どのような条件なら健全な競争を維持できるのかを、私たちはまだ十分理解していないのである。

AIエージェントは増やすほど成果が上がるわけではない

一方、AI同士の協働が大きな成果を生むケースもある。

Anthropicはソフトウェアの脆弱性を探す実験で、45体のAIエージェントを稼働させた。

実験用モデル「Claude Mythos Preview」を使ったところ、独立して動くAIエージェントは650万トークンを費やして21件の脆弱性を発見したのに対し、協調するAIエージェント群は2,700万トークンを費やして266件を発見した。AIが自然に役割分担し、特定の脆弱性を探す専門家のように分化する現象も確認された。

ところが、共同でゲームを開発させる実験では状況が逆転する。10〜80体のAIエージェントを働かせたところ、旧世代モデルでは大量のプルリクエストを作るものの統合できず、AnthropicのAIモデル「Claude Opus 4.6」では80体が980件のプルリクエストを作成しながら、多くを処理できなかった。

これは人間の組織にも通じる。人数が増えれば役割分担や専門化が進む一方、コミュニケーションや意思決定にかかる調整コストも増大する。

最大のリスクは「全員が同じ間違いをする」こと

さらにAnthropicが注目するのが、AIの「同質性」である。

30体のAIエージェントを働かせた実験では、18体が偶然まったく同じ「mvp-game-loop」という名前のGitブランチ（プログラム開発で使う作業用の分岐）を作った。小説を書かせる実験では、テーマを指定していないにもかかわらず、複数のAIが『The Cartographer’s Last Commission』という同じタイトルを付けた。

より深刻なのが、限られた処理能力を持つシステムで仕事を取り合う実験だ。複数のAIエージェントが一斉に1秒間30回の頻度で問い合わせるプログラムを作った結果、ある実験では240万件のジョブ要求に対し、実際に受理されたのは117件だった。

1体のAIエージェントであれば、単なる判断ミスで済む。しかし、同じモデルを使った数百、数千のAIが同じ判断をすれば、影響はシステム全体へ波及する。

金融市場で全AIエージェントが同じ資産を売却する。物流業界でAIエージェントが同じ経路を選ぶ。調達用AIエージェントが同じ部品を一斉に注文する。

AI時代のリスクは、1体のAIが間違えることではなく、「全員が同じ間違いを同時にすること」なのかもしれない。

「賢いAI」より「AIが働ける組織」をどう作るか

では、なぜ利害の異なる人間が何千人も集まる企業や市場は、曲がりなりにも機能しているのか。そのヒントとしてAnthropicが注目するのが「social technologies（社会技術）」である。

会社には役割と権限があり、市場には契約や競争法がある。研究には査読があり、社会には評判や裁判制度がある。人間が善良だから協力できるのではなく、協力した方が利益につながり、裏切れば信用を失い、争いが起きれば第三者に判断を委ねられるような制度が存在するからだ。

AIエージェントにも同様の仕組みが必要になる可能性がある。営業用AIエージェントと価格設定用AIエージェントの目標が衝突した場合、どちらの判断を優先するのか。調達用AIエージェントがコスト削減を求め、ESG担当AIエージェントがサプライヤー変更を要求したら、誰が最終判断を下すのか。複数の投資用AIエージェントが同じ判断をした場合、意図的に異論を出すAIエージェントを配置すべきなのか。

これはもはやプロンプトだけの問題ではない。経営・組織論・ガバナンスの問題である。

Anthropicは研究の結論で、協調は、より高い知能や個々のAIのアラインメントから自然に生まれるものではないと指摘する。人間社会における規範、評判、シグナリング、救済制度のような仕組みを、AIが活動する環境にも設計する必要があるという。

AI時代の第一幕では、「AIはどこまで賢くなるのか」が最大の問いだった。しかしAIエージェント時代の問いは「賢いAIたちを、どう一緒に働かせるか」に移行している。

将来、企業のAI競争力を決めるのは、保有するモデルの性能だけではないかもしれない。AI同士にどんな役割と権限を与え、どこで競争させ、どこで協力させ、いつ人間に判断を戻すのか。そうした「AIの組織設計」そのものが、新たな経営能力になる可能性がある。

AIエージェント時代に必要な最大の発明は、次の巨大モデルではないかもしれない。それは、AI同士が競争し、協力し、ときには対立しながらも、社会を壊さずに働くための「制度」なのかもしれない。

文：岡 徳之（Livit）