MongoDB の Pete Johnson が語る、リトリバルがエージェント性能をどう駆動するか

MongoDB の Field CTO、Pete Johnson は、AI エージェントの進化においてコンテキストウィンドウの拡大やトークン数の最大化が永続的な解決策ではないと指摘します。Uber が 2026 年のトークン予算をわずか 13 週間で使い果たした事例のように、文脈を無制限に拡張するアプローチはコスト面で持続不可能です。

AI は問題を増幅するだけで解決しない

企業における AI 導入の失敗原因について、Pete Johnson は鮮明な見解を示します。AI エージェントを導入しても、元々のデータ品質が低かったりセキュリティ体制が不備であったりする問題は解決されません。むしろ、AI がその欠陥を増幅する結果となります。

「悪いデータ品質やセキュリティ体制の不備は、AI によって解決されるものではなく、むしろ AI によって増幅されるため、インフラ基盤の整備が不可欠である」と指摘しました。データベース技術の歴史を振り返れば、1970 年代にはディスク容量が希少資源であり、データを効率的に保存するための正規化が重視されました。しかし、2007 年の MongoDB 誕生以降、クラウドやモバイルの普及により時間と開発速度が新たな希少資源となりました。AI エージェントにおいても同様で、単にモデルを選定するだけでなく信頼性の高いデータ基盤を整備することが成功の鍵となります。

埋め込みモデルはコモディティではない：14% の精度差

多くの開発者が埋め込みモデルを標準化されたコモディティと考えていますが、Pete Johnson はこれを否定します。使用する埋め込みモデルによって検索精度に最大で 14% の差が生じる可能性があります。

「埋め込みモデルはコモディティではなく、選択するモデルによって検索精度に最大 14% の差が生じ、コストと性能のトレードオフを考慮する必要がある」と述べました。MongoDB が Voyage AI を買収した背景には、この精度向上への取り組みがあります。Voyage AI のモデルは Hugging Face のベンチマーク（RTEB）でトップクラスの結果を出しており、14% の精度向上がハルシネーション（嘘の生成）と正解を分けるケースもあります。また、Matryoshka 構造を持つ埋め込みモデルを採用することで、開発者は異なる次元数への切り替えを容易に行え、検索精度とストレージコストのバランスを迅速に最適化できます。

エージェント・メモリの核心は忘却機能の実装

AI エージェントが長期的な記憶を持つためには、書き換えや変更、想起に加え、最も困難な要素である忘却のループを構築する必要があります。現在の技術では、過去の情報をいかにして適切に整理し不要になった情報をシステムから削除するかが大きな課題です。

「エージェントメモリにおける『書き換え・変更・想起』に次いで最も困難な課題は『忘却』であり、適切なデータ管理ループが必要である」と強調しました。MongoDB はこの忘却を含む完全なデータライフサイクルを管理するための機能を提供しており、開発者がインフラの複雑さに悩まされずにビジネスロジックに集中できるよう支援しています。

地理的制約の消失：米国以外でも先進的な実装が進む

Pete Johnson は、今年訪れたインド、ブラジル、メキシコ、欧州などの現場から驚くべき事実を報告します。多くの企業が「米国の方が AI 技術で先行している」という前提を持っていますが、実際には地理的な格差は縮まっています。

「米国以外の地域でも先進的な AI エージェント実装が進んでおり、地理的な格差は縮まっている」と述べました。クラウドインフラやモバイル環境の世界的な普及により、特定のデータセンターへの依存という壁がなくなりました。今年、Pete が最も洗練された顧客と対話したのは、実は米国ではなくメキシコシティとサンパウロでした。アクセス権限の民主化が進んだ現在、地理的な位置が AI 導入の成否を左右することはほぼなくなっています。

まとめ：インフラ選定とデータライフサイクル設計の重要性

MongoDB の Pete Johnson が語る教訓は、AI エージェントの実装においてモデル選びだけでなくリトリバルの質とデータ管理がいかに重要かを示しています。企業は単に大規模言語モデルを選定するのではなく、検索精度を高めるための埋め込みモデルやベクトルデータベースの選定、そしてデータのライフサイクル特に忘却機能を設計するインフラ基盤の整備に注力すべきです。

技術の進化が加速する中で、開発者がパイプラインの構築に時間を割くのではなくビジネスロジックやデータ戦略に集中できる環境を整えることが、持続可能な AI エージェントの実現へとつながります。