AI Agentのワーキングメモリ：フォルダ構造でAIを迷わせない

最近、業界ではAI Agentへの関心がかなり高まっています。カスタマーサポート、見積もり、さらには初期段階のデザインデータチェックまで、自動化を入れたいという同業者も少なくありません。ただ、多くの人の実感としては、AIはしばしば的外れな返答をします。会社の標準見積もりを間違えて覚えたり、A社のブランドカラーをB社のデザインに使ってしまったり。結局、人が手で直す時間のほうが、AIで浮いた時間より長くなることもあります

私が長く生産現場と顧客側を見てきた感覚では、この問題の根っこは、AIモデルそのものの力不足ではないことが多いです。むしろ、私たちが渡している「コンテキスト（Context）」が散らかりすぎている。AI Agentを新入社員だと考えるなら、Contextはその人に渡す業務マニュアルと今回の作業指示書です。そこに全資料を一気に放り込めば、混乱するのは当然です

AI Agentはなぜいつも「あれこれ忘れる」のでしょうか

AI Agentの「Context Window」は、人間でいう「ワーキングメモリ（Working Memory）」に近いものです。一度に扱える情報量には上限があります。考え、判断し、返答するために必要な情報は、すべてこの限られたメモリの中に入れなければなりません

以前よくあった素朴なやり方は、長大なシステムプロンプト（System Prompt）を書くことでした。会社の規則、ブランド規定、考えられる作業指示を全部まとめて書いておく。単純なタスクならそれでも動くかもしれません。しかしAIに複数の業務を任せたり、顧客ごとに条件が変わったりすると、この「全部入りマニュアル」はすぐに破綻します

理由は単純です

・情報の干渉：関係のない情報が重要な指示の効き目を薄めます。AIがフォルダの奥に残っていた古い見積書に引っ張られることもあります

・コストと遅延：呼び出しのたびに数万字分のデータベースを読み込むと、APIのToken費用が上がるだけでなく、AIの反応も遅くなります

・挙動の不一致：大量で矛盾した指示の中では、AIは簡単に混乱します。前回はCMYKにこだわっていたのに、今回は勝手にRGB画像を生成する、といったことが起きます

迷わないAIのワーキングメモリは、どう作ればよいのでしょうか

最近、海外のAIアプリケーションプラットフォームMindStudioがまとめていた手法に、「Agentic Context Management System」というものがあります。要するに、AIのワーキングメモリをシステム化し、モジュール化する考え方です。発想そのものは、パソコンの中でプロジェクトファイルをフォルダ分けするのと同じくらい直感的です

派手なベクトルデータベースや複雑なアーキテクチャは必要ありません。AIに必要な情報を種類ごとに分け、Markdown（.md）のテキストファイルとして保存し、意味がはっきりしたフォルダに置けばよいのです

この仕組みの要点は、情報を大きく2種類に分け、「いつ呼び出すか」のルールを決めておくことです

・静的ルール（Static Rules）：ほとんど変わらない「会社方針」や「ブランドバイブル」です。たとえば、

・自社の標準用紙と見積もり計算式

・あるチェーンブランド顧客の企業識別システム（CIS）。標準色番号、Logoのアイソレーション、専用フォントなどを含みます

・入稿前に確認すべき10項目のチェックリスト

・動的コンテキスト（Dynamic Context）：各タスクごとの「作業指示書」です。たとえば、

・今回、顧客からのメールで問い合わせられている具体的な内容

・この注文の特別要件、たとえば2日早く納品してほしい、といった条件

・今回デザイナーがAIに生成を手伝わせたいコピーのテーマと素材

タスクが始まると、システムは関連するファイルだけをAIのワーキングメモリへ「必要に応じて注入」します。たとえば「スターラックス航空のA4カタログ見積もり」を処理する場合、読み込むのは「スターラックス航空のブランド規定.md」「A4カタログ印刷見積もり計算式.md」「顧客メール.txt」だけです。エバー航空の資料やポスターの見積もりロジックは読み込みません。だからAIは、その作業に集中し、正確に処理できます

これは印刷会社やデザイナーにとって、どんな実利があるのでしょうか

この方法は技術寄りに聞こえますが、印刷・デザイン業界の日々のワークフローには、かなり具体的な改善をもたらします。AIが、常に人の監視を必要とする厄介な存在ではなく、本当に現場で使える頼れる補助者になるということです

・見積もりがより正確で、より早くなる：見積もりAI Agentは、最新の価格表や加工費の計算方法を正確に呼び出せます。3年前の古いファイルを拾ってくることがなくなります。営業担当者が深夜に顧客から問い合わせを受けても、スマートフォンからAIにかなり精度の高い見積書を作らせ、翌朝出社して最終確認する、という流れが作れます

・顧客対応の文脈が途切れない：カスタマーサポートAIは、返答前にその顧客の「過去注文.md」や「特別な好み.md」を読み込めます。「この李マネージャーは、前回、明るすぎる黄色は好まないと言っていた」と覚えている。顧客は、自分のことを見てもらえていると感じます。記憶のないbotと話している感じにはなりません

・デザイン審査の自動化がより信頼できる：長期契約があり、規定の厳しいブランド顧客には、専用の「ブランド規定Agent」を作れます。デザイナーが入稿データを仕上げたあと、まずAgentに自動チェックを走らせる。Logo、フォント、色、レイアウトがすべて顧客の細かな要求に合っているかを確認できます。修正の往復にかかる人手と時間を大きく減らせます

・デザイン提案の幅を広げられる：デザイナーは、あるデザインコンセプトの「コアルール.md」を作っておき、AI Agentにそのルールをもとに複数の「商品画像.md」や「マーケティングコピー.md」を組み合わせさせることができます。短時間で数十パターンのビジュアルレイアウトを生成し、顧客提案や社内ブレストに使えます

結局のところ、AI Agentの賢さは、私たちが用意する「知識の土台」がどれだけ堅く、整理されているかに大きく左右されます。より大きく強いモデルを追いかけるより、まず自社の知識体系をきちんと整えること。それがAIを現場に落とし込む最初の一歩です

・AI Agentのワーキングメモリは、新入社員の机のようなものです。ファイル庫を丸ごと渡しても混乱するだけです。大事なのは、タスクに応じて必要なフォルダを渡すことです

・情報を「静的ルール」（ブランドガイド、見積もり計算式など）と「動的コンテキスト」（今回の顧客要件など）に分けることが、AI Context管理の核になります

・もっとも効果的なAI Context管理システムは、高価で複雑なデータベースではなく、整理されたMarkdownファイル群であることが多いです

・関連情報を正確に「注入」することで、AI回答の精度を大きく高め、運用コストを下げ、挙動の一貫性も保てます

・より強力なAIモデルを待つより、自社の知識とプロセスを「ファイル化」「構造化」すること。それがAI導入の現実的な第一歩です

印刷会社の視点で見ると、この「Context管理システム」という考え方は、単にチャットボットをつなぐよりはるかに価値があります。工場のために、デジタル化された「熟練職人の頭脳」を作るようなものです

これまで、多くの印刷ノウハウや顧客ごとの細かな勘所は、熟練職人やベテラン営業の頭の中にありました。今は、それらの暗黙知をMarkdownファイルとして一つずつ作り、「見える化」し、構造化できます。たとえば「ある製薬会社顧客のパッケージ箱は、青の要求が特にシビア。色校正ではCyanを5%多めにする」といった一文を、client-pharma-brand.mdに書いておけます

AIが関連タスクを処理するとき、このファイルが自動で読み込まれます。これにより、人が入れ替わっても、重要な生産知識や顧客の好みを継承し、実行できます。特に最近はエッジコンピューティング（Edge Computing）の能力がどんどん高まっています。将来的には、印刷会社が自社サーバー上で専用のAI Agentを動かし、このファイル化されたContextシステムと組み合わせることもできます。データの安全性とプライバシーを守りながら、本当に自社仕様で、高効率な自動見積もり、自動審査、カスタマーサポートを実現する。それこそが、AI導入の現実的な進め方です

デザイナーにとっては、自分個人、またはチーム専用のAIデザインアシスタントを育てられるという意味があります。自分のデザイン原則、よく使うレイアウトスタイル、好みのフォントの組み合わせを、すべて「個人スタイルContextライブラリ」として作っておく。次に新しい案件が来たとき、AIに自分のスタイルを土台にした多様なラフ案を素早く出させることができます。反復作業から解放され、より高いレベルの発想に集中できます

・AI Agentの「ワーキングメモリ」をどう設計するか：Agentic Context管理システムで自動化フローを迷わせない