Google Researchが、AIエージェントに失敗と成功の記録を蓄積させ続ける仕組み「WikiSkill」を発表した。従来のAIエージェントはタスクを1回実行するごとに得た知見を破棄してしまうが、WikiSkillはそれをウィキのような構造で保存し、次回以降のタスク実行に活用する。

実行ログ・知識ベース・スキルの3層構造

WikiSkillは3つの層で構成される。まず「Rawレイヤー」がエージェントの実行トレースを不変のログとして保存する。次に「Wikiレイヤー」がそこからパターンを抽出し、統合された知識ベースへと蒸留する。最後に「Skillレイヤー」が、必要に応じてロールバック可能な実行可能スキルとして知識を保持する。

処理の流れは、タスク実行→Wikiのメンテナンス（パターン認識）→スキルの提案→ゲート機構による検証、という4段階を繰り返す。従来手法では最適化の過程で得られた「なぜこのスキル修正が有効だったか」という洞察が失われがちだったが、WikiSkillは知識をウィキ層に永続化することで、この洞察を保持し続ける設計になっている。

小型モデルが大型モデルに匹敵

5つのベンチマークで検証したところ、WikiSkill導入によって一貫した性能向上が確認された。Gemini-3.5-Flashでは平均49.5%から68.1%に、Qwen-3.6-27Bでは39.4%から63.3%に、それぞれ正答率が向上したという。特に数学的推論とスプレッドシート操作のタスクで改善幅が大きかった。

大型モデルほど恩恵が大きい傾向は見られたものの、注目すべきは小型モデルでもWikiSkillを使うことで、フレームワークなしの大型モデルの性能に近づける点だ。アブレーション実験では、このウィキ層による永続的な知識蓄積を取り除くとスキル進化の効果が明確に低下することも確認されており、単なるプロンプト改善ではなく知識の永続化そのものが性能向上の要因であることが裏付けられた。

開発者への実用的な意味

WikiSkillで獲得したスキルは、モデル間である程度転移可能であることも確認されている。これは、コスト効率の良い小型・安価なモデルを使いながら、大型モデル相当の性能を引き出せる可能性を示すものだ。AIエージェントを繰り返しタスクに使う開発者にとっては、モデルのサイズやコストを抑えつつ、運用を重ねるほど精度が上がっていくエージェント設計の選択肢が広がることになる。