Claude Managed Agentsに永続メモリが追加｜セッションを超えて学習するAIエージェントの仕組み

永続メモリとは何か — 従来のAIとの違い

従来のAIチャットボットやエージェントは、セッションが終了すると会話の内容をすべて忘れてしまいます。毎回「はじめまして」の状態からやり直す必要があり、繰り返し同じ説明をする手間が発生していました。ChatGPTのメモリ機能やGeminiの長期記憶も部分的にこの問題を解決していますが、あくまで「ユーザー個人の好みや基本情報」を記録する範囲にとどまっています。

Claude Managed Agentsの永続メモリは、これとは根本的に異なるアプローチを取っています。エージェントが業務の中で得た知見、発見したパターン、解決した問題とその手順を、構造化された形で長期的に蓄積します。たとえば、社内のITヘルプデスクとして運用しているClaudeエージェントが、「VPN接続の問題はまずDNS設定を確認し、次にファイアウォールの例外を確認するのが最も効率的」という知見を学習し、次回以降は最初からその手順で対応を始められるようになります。

この機能が重要な理由は、企業でのAIエージェント運用において「引き継ぎの問題」が深刻だったからです。人間のスタッフが退職する際に業務知識が失われるのと同様に、AIエージェントもセッションごとにリセットされると、過去の対応で得たノウハウが活用されません。永続メモリは、この「組織知の喪失」をAIレベルで解決する仕組みです。

ファイルシステムベースのメモリ設計

Claude Managed Agentsの永続メモリは、一般的なベクトルデータベースではなく、ファイルシステムにマウントする方式を採用しています。これは技術的に非常にユニークな設計判断であり、その背景にはAnthropicの「透明性」と「制御可能性」に対するこだわりがあります。

ベクトルデータベース方式の場合、メモリの内容は高次元ベクトルに変換されて保存されるため、人間が直接中身を確認することが困難です。「AIが何を覚えているか」がブラックボックスになりやすく、不適切な情報を記憶してしまった場合の修正も容易ではありません。一方、ファイルシステム方式では、メモリの内容がそのままテキストファイルやMarkdownファイルとして保存されるため、管理者が直接読んで確認し、必要に応じて編集や削除ができます。

具体的には、エージェントの作業ディレクトリ内に専用のメモリフォルダが作成され、エージェントがセッション中に得た知見を自動的にファイルとして書き出します。ファイルはカテゴリ別に整理され、たとえば「顧客対応パターン」「技術的な解決策」「社内ルールの要約」といったフォルダに分類されます。次回のセッション開始時に、エージェントはこれらのファイルを読み込み、過去の知見を引き継いだ状態で業務を開始します。

メモリの保存形式

• 形式 — テキストファイル（Markdown / JSON）
• 保存先 — エージェントの作業ディレクトリ内の専用フォルダ
• 更新タイミング — セッション中にリアルタイムで書き込み
• 読み込み — セッション開始時に全メモリファイルをコンテキストに注入
• 容量制限 — コンテキストウィンドウに収まる範囲（Claude Opus 4.7で約200Kトークン）

開発者が行えるメモリ管理

永続メモリのもう一つの特徴は、開発者や管理者がメモリの内容を完全にコントロールできる点です。AIが「勝手に覚えた不正確な情報」をそのまま使い続けるリスクを、人間側で管理できます。

ロールバック機能

メモリにはバージョン管理が組み込まれており、任意の時点の状態に巻き戻すことができます。たとえば、エージェントが誤った業務ルールを学習してしまった場合、問題が発生する前のバージョンにロールバックして正しい状態を復元できます。Gitのコミット履歴に似た概念で、「いつ、何が変更されたか」の履歴が保持されます。

このロールバック機能は、エージェントの品質管理において非常に重要です。人間が新しい業務マニュアルを誤って理解してしまう場合と同様に、AIエージェントも不正確な知見を蓄積する可能性があります。その際に「この日のメモリの状態が正しかった」と確認してロールバックできることで、メモリの品質を維持できます。

また、ロールバックはエージェントの「A/Bテスト」にも活用できます。異なるメモリ構成のエージェントを並行運用し、どちらがより正確な対応を行うかを比較検証することで、最適なメモリ設計を見つけることができます。

API経由のメモリ操作

Anthropic APIを通じて、メモリの読み取り・書き込み・削除・バージョン管理をプログラマティックに操作できます。これにより、既存の業務システムとメモリの連携が可能になります。たとえば、CRMシステムで顧客情報が更新された際に、自動的にエージェントのメモリにも反映させるワークフローを構築できます。

API操作には権限管理が組み込まれており、「メモリの読み取りは許可するが書き込みは管理者のみ」といった細かなアクセス制御が可能です。エンタープライズ環境では、エージェントが自律的にメモリを更新するのではなく、管理者の承認を経てからメモリに反映するワークフローも設定できます。

メモリの内容はエクスポート機能を使ってバックアップすることも可能です。定期的なバックアップを設定しておけば、万が一のデータ損失時にも復元できます。エクスポートされたメモリはそのままMarkdownファイルとして扱えるため、人間が確認・編集して再インポートする運用も容易です。

共有メモリストア — 組織のナレッジベースとして

永続メモリの中でも特に画期的なのが「共有メモリストア」の機能です。これは、複数のエージェントが同じメモリプールを参照・更新できる仕組みで、組織全体のナレッジベースとしてAIを活用する道を開きます。

従来のAIエージェント運用では、各エージェントが個別に学習した知見は他のエージェントと共有されませんでした。カスタマーサポートのエージェントAが発見した問題解決パターンを、同じ業務を担当するエージェントBは知りません。共有メモリストアでは、エージェントAが蓄積した知見がリアルタイムで共有プールに反映され、エージェントBも即座にその知見を活用できます。

企業の実務において、この機能はナレッジマネジメントの課題を解決するポテンシャルを持っています。多くの企業では、ベテラン社員の暗黙知がドキュメント化されずに属人的なままになっています。共有メモリストアを活用すれば、各部門のAIエージェントが業務の中で蓄積した知見が自動的に組織全体のナレッジとして蓄積され、新しいエージェントや新しい担当者がすぐにその知見にアクセスできるようになります。

アクセス制御とガバナンス

共有メモリストアには、部門やチームごとのアクセス制御が設定できます。人事部門のエージェントが蓄積した従業員情報に関するメモリに、営業部門のエージェントがアクセスできないようにするといった制御が可能です。これは、企業の情報セキュリティポリシーに準拠した運用を行う上で不可欠な機能です。

メモリの更新には承認フローを組み込むことも可能です。エージェントが新しい知見を共有メモリに書き込む前に、管理者がその内容を確認・承認するワークフローを設定できます。これにより、不正確な情報や機密情報が意図せず共有メモリに混入するリスクを低減できます。

監査の観点からも、共有メモリストアはすべての読み書き操作のログを保持しています。「いつ、どのエージェントが、どのメモリを参照・更新したか」を追跡できるため、コンプライアンス要件の厳しい業界でも安心して利用できます。

先行導入企業の事例

永続メモリ機能は2026年2月からクローズドベータとして一部企業に提供されていました。パブリックベータに先立ち、Anthropicは代表的な導入事例を公開しています。

Rakutenの事例 — 初回エラー97%削減・コスト27%減・レイテンシ34%減

Rakutenは長時間タスク向けのエージェントで永続メモリを活用しており、Anthropicが公開した数値では 「初回パスのエラーが97%削減」「コスト27%減」「レイテンシ34%減」 という効果が報告されています。エージェントが各セッションから学んだ教訓を蒸留してメモリに残すことで、同じ失敗を繰り返さなくなり、結果として実行コストと応答時間も改善したというものです。

この劇的な改善の背景には、長時間タスクの特性があります。マルチターンの作業では、序盤の判断ミスが終盤の修正コストとして膨らみがちです。メモリがあれば、過去のセッションで「ここで失敗した」「この手順は遠回りだった」という知見をエージェント自身が参照しながら進められるため、最初から正しい筋に乗りやすくなります。Anthropicは観測可能性とワークスペース分離が効果検証の前提だったとも明らかにしています。

Netflixの事例 — 会話横断のコンテキスト保持

Netflixは、複数ターンに渡って明らかになっていく洞察や、人間レビュアーから途中で入る修正フィードバックを セッションをまたいで保持する ためにメモリを利用しています。従来であればプロンプトを書き換えて再注入していたような「気づき」を、エージェントが自分のメモリに書き留めて次回以降に活かせる構造です。

運用上のポイントは、レビュアーの修正をその場限りで終わらせず、メモリに反映させて行動を恒久的に変える運用に乗せること。「過去にこのパターンで指摘された」「このケースでは別の判断軸を採るべきだった」といった文脈を保ったまま次の作業を始められるため、人間によるレビュー負荷の蓄積が知見化される点が大きいとされています。

このほか、文書検証ワークフローでスループットが30%向上した先行事例（Wisedocs / Andoなど）も併せて公開されており、繰り返しパターンの強い業務領域から導入効果が出やすい傾向が見えています。

他のAIプラットフォームのメモリ機能との比較

永続メモリ機能は、Claude Managed Agentsだけの専売特許ではありません。各社がそれぞれのアプローチでメモリ機能を提供しています。比較することで、それぞれの強みと制約が見えてきます。

プラットフォーム	メモリ方式	管理者の制御	共有機能
Claude Managed Agents	ファイルシステム（テキスト）	編集・削除・ロールバック可	共有メモリストア
ChatGPT / GPT-5.5	ベクトルDB + サマリー	削除のみ（内容確認が困難）	なし（個人単位）
Gemini	Googleアカウント連携	オン/オフの切り替えのみ	Workspace連携（限定的）
Microsoft Copilot	Microsoft Graph連携	Graph APIで管理	組織のGraph経由

Claude Managed Agentsの最大の差別化ポイントは「透明性」です。メモリの内容がテキストファイルとして可視化されているため、「AIが何を覚えているか」を管理者がいつでも確認できます。ChatGPTやGeminiのメモリは内部的に処理され、ユーザーが直接中身を確認・編集することが難しい仕組みです。

一方で、ファイルシステム方式にはスケーラビリティの課題があります。メモリの量が増えるとコンテキストウィンドウを圧迫し、実質的な作業領域が狭くなります。ベクトルDB方式のほうが大量のメモリを効率的に検索・取得できる場合もあり、用途によっては一長一短です。

Microsoft Copilotのメモリは、Microsoft Graphという既存のデータ基盤と統合されている点が独特です。メールやカレンダー、Teams、SharePointの情報がすべてメモリとして活用されるため、Microsoft 365をヘビーに使っている企業にとっては自然な形でAIメモリが構築されます。ただし、Graph外の情報は対象外となるため、マルチプラットフォーム環境では制約があります。

導入時の注意点とベストプラクティス

永続メモリは強力な機能ですが、適切に管理しなければリスクにもなり得ます。導入を検討する際に押さえておくべきポイントを整理します。

メモリの定期レビュー体制

AIが自律的に蓄積したメモリには、誤った情報や古くなった情報が含まれる可能性があります。社内ルールが変更されたのにメモリに古いルールが残っている場合、エージェントは古いルールに基づいて対応してしまいます。最低でも月次で管理者がメモリの内容をレビューし、不正確な情報を修正する体制を整えましょう。

レビューの効率化には、メモリのカテゴリ分類が役立ちます。「社内ポリシー」「顧客対応パターン」「技術的知見」といったカテゴリごとに担当者を割り当て、それぞれの専門領域でレビューを行うことで、精度の高い品質管理が可能になります。

また、メモリの更新頻度を監視することも重要です。特定のカテゴリのメモリが急激に増えている場合、エージェントがそのカテゴリの問い合わせに多く遭遇していることを示しており、根本的な業務改善のヒントになる場合があります。

機密情報の管理

永続メモリにはエージェントが業務中に触れた情報が蓄積されるため、意図せず機密情報が記録される可能性があります。顧客の個人情報、社内の機密プロジェクトの情報、契約条件などがメモリに残らないよう、メモリフィルタの設定が重要です。

Anthropicは、メモリに記録する情報の種類を制御するフィルタリング機能を提供しています。「個人情報に該当するパターンはメモリに書き込まない」「特定のキーワードを含む情報は自動的にマスキングする」といったルールを設定できます。

さらに、メモリの保持期間を設定することも可能です。「90日以上更新されていないメモリは自動削除」といったポリシーを設定することで、古い情報が残り続けるリスクを低減できます。保持期間の設定は、個人情報保護法やGDPRなどの法令遵守の観点からも重要です。

まとめ

Claude Managed Agentsの永続メモリは、AIエージェントを「使い捨てのチャットボット」から「成長する組織メンバー」へと進化させる機能です。ファイルシステムベースの透明な設計により、管理者がメモリの内容を直接確認・編集・ロールバックできる点は、エンタープライズ利用において大きな安心材料になります。

RakutenやNetflix、Wisedocsの先行事例が示すように、永続メモリの導入効果は業務の性質によって大きく異なります。「同じパターンが繰り返される長時間タスク」「人間のレビュー指摘を恒久的に反映したい業務」「文書検証など同型処理が多い業務」で特に高い効果が期待できます。まずは限定的な業務領域でパイロット導入し、メモリの品質管理体制を構築した上で段階的に展開していくのが現実的なアプローチです。

AI活用の次のステージは、「AIが回答する」から「AIが学習し続ける」への転換です。永続メモリは、その転換を支える基盤技術として、今後ますます重要性を増していくでしょう。

• AIエージェント組み込みサポート — 経理DX事業部が、既存業務フローへのAIエージェント導入を設計から実装まで支援します
• データ基盤の整備 — AIエージェント活用の前提となるデータ統合・整理を支援。散在するデータを一元化し、AI活用の土台をつくります
• オンプレミスAI導入支援 — 「全社でAIを使いたいがセキュリティが心配」という企業向けに、オンプレミス環境での生成AI導入を支援します