AI エージェントによる成果物作成：システム・評価・原則と機会に関する調査

生成モデルは、自然言語のプロンプトから画像、テキスト、コード、その他のコンテンツを生成できるため、ドラフトやコンポーネントの作成コストを低下させます。しかし、その実用的なインパクトは、これらの成果物が完全で信頼性の高い納品物へと進化できるかにかかっています。

本調査では「エージェント型アーティファクト作成（Agentic Artifact Creation）」を取り上げます。これは、AI システムが状態を保持しながら納品物を構築・改訂し、その過程での中間観測結果がその後の作業を方向づけるプロセスと定義されます。機能的には、このプロセスはアーティファクトの運用表現、構築ポリシー、そしてフィードバックによって後続のアクションを再調整できるランタイム検証という 3 つの要素を結びつけるものです。

2026 年 8 月 20 日時点で入手可能な 259 の論文を検証しました。そのうち 230 は本定義に合致するシステム、残りの 29 はエージェント型アーティファクト作成のベンチマークです。ここでは 6 つのアーティファクトファミリーを比較し、さらにアプリケーション設定と評価手法を別々の次元として分析します。

各ファミリーに共通する課題は、単なるモダリティの違いだけでなく、意思決定がどれほど密接に結合しているか、そして失敗が発生した際にそれが可視化されつつも修復可能な状態にあるかどうかにも起因しています。分解によって局所的な複雑さは減らせますが、その分、調整や再組み立てのコストは増大します。また、学習された評価者（ジャッジ）は、生成モデルと同じ嗜好や盲点を共有している場合、独立した証拠をほとんど提供できません。

最後に、コミットメントと責任の明示化、フィードバックを指向性の高い修復へと転換する手法、変更後の影響を受けた状態の再検証に関する原則を提案します。

また、アートの作成者や構築システムが進化する中で、一貫性のある責任ある制御を維持するための機会も特定しました。関連する論文のリストは https://github.com/GeminiLight/awesome-agentic-artifact-creation で確認できます。