投稿者 投稿日: カテゴリー AIニュース
AIの文脈圧縮は、直近の指示の効き目を弱めると研究で示されました。
長時間のAI作業で「さっき伝えたルールを守ってくれない」と感じたことはないでしょうか。2026年8月6日にarXivで公開された論文Toward Reliable Context Compression for Long-Horizon Agentsは、その体感に裏付けを与えるものでした。AIエージェントが長い作業履歴を要約して詰め直す「文脈圧縮」は、単に情報を削るだけでなく、実行の安定性そのものを壊していたのです。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。
何が起きたか：文脈圧縮が直近のやり取りを弱める
文脈圧縮とは、AIが長い作業履歴を要約して短く詰め直す処理のことです。ChatGPTやClaudeの長時間セッション、Claude Codeのような自律型エージェントが、上限に近づいたときに内部で走らせています。
論文の著者らは、この圧縮が起きるたびに「直近のやり取りの影響力が弱まる」ことを実験で確認しました。結果として、実行がブロックされるアクションが増え、すでに調べたはずの情報を何度も探し直す挙動が増え、同じ指示を2回流しても結果が揃わなくなります。
検証には、実在アプリを模した長時間ツール利用ベンチマークAppWorldのtest-normal分割168問（易57問・中48問・難63問）が使われました。圧縮ウィンドウは4,096トークン、1回の実行は50ステップ上限です。エージェントにはMiniMax-M3とKimi-K2.7-Codeが用いられ、いずれもOllama経由で動かされています。
注目すべきは、AppWorldでは過去に見た情報をアプリに問い合わせ直せば取り戻せる設計になっている点です。それでも成績が落ちたということは、問題は「情報が消えたこと」ではなく「いま何をどこまでやったかという実行状態の見失い」にあると論文は説明しています。
日本のEC事業者にとっての3つの論点
第一に、長い一括作業ほど壊れやすいという点です。論文が試した圧縮手法はすべて、圧縮なしの実行より成績が下がりました。しかも劣化幅は難易度が上がるほど拡大します。既存手法で最も成績が良かったOpenClaw方式でも平均正答率は71.4、2回とも成功した割合は59.5にとどまりました。数百SKUの商品説明を一度のセッションで書き切らせる運用は、後半ほど当初のトンマナ指示が薄まる構造だと考えたほうが安全です。
第二に、再現性の問題です。著者らが提案した手法TRACEは、モデルを一切再学習せず圧縮用プロンプトだけを自動最適化することで、平均正答率77.1（+5.7ポイント）、2回とも成功した割合67.3（+7.8ポイント）まで改善しました。伸び幅が正答率より再現性のほうが大きい点は重要です。EC運用で怖いのは平均点ではなく、同じ依頼を投げたのに今日と明日で出力ルールが変わることだからです。
第三に、難易度の壁は残ったままという点です。TRACEでも難問群は正答率63.5、2回とも成功は52.4止まりで、圧縮なしとの差は埋まっていません。易しいタスクでは正答率94.7、2回とも成功91.2と圧縮なしにほぼ並ぶことを踏まえると、AIに任せる単位を小さく割るほど安定するという実務的な示唆が読み取れます。文脈の詰め直しについてはMuse Spark 1.2のコンテキスト圧縮解説でも扱っています。
明日からの初動アクション
まず、長時間セッションを前提にした運用を見直すことです。商品登録・レビュー分析・広告文生成といった一括作業は、100件ずつなど区切って新しいセッションで回すほうが、結果のブレは小さくなります。
次に、守らせたいルールは履歴に流すのではなく、毎回の指示文の先頭に置き直すことです。圧縮で弱まるのは過去のやり取りであり、直近の入力ではありません。楽天RMSの商品名ルールや薬機法上の禁止表現のように外せない制約ほど、テンプレート化して都度貼り直す運用が向いています。
そして、抜き取り検査の設計です。同じ依頼を2回流して出力が揃うかを確認する手順は、論文のPass²という指標そのものです。10件に1件でも二重実行して差分を見るだけで、圧縮由来の劣化に気づけます。セッションをまたぐ文脈の扱いはClaude Codeのクロスセッション機能の記事も参考になります。
なお本研究は著者自身が予備的研究と位置づけており、検証はAppWorld1本のみです。他ベンチマークでの再現は今後の課題とされている点は要確認事項として押さえておいてください。
まとめ
文脈圧縮は避けられない仕組みですが、その副作用は「忘れる」ではなく「いまの状態を見失う」でした。長い依頼を短く割り、守らせたいルールは毎回先頭に置き、たまに二重実行して揃うか見る。この3つだけで、AI運用の再現性は目に見えて変わります。AI利用コストの動向はAnthropicの年商急拡大に関する記事もあわせてご覧ください。
参考文献
- Toward Reliable Context Compression for Long-Horizon Agents: An Empirical Study of Execution Instability（arXiv:2608.06503）
- 同論文 HTML版（実験設定・結果の詳細）
- AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents
- Ollama（実験で使用されたローカルモデル実行環境）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: arXiv:2608.06503
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
