公開：2026年9月19日, 最終更新：2026年9月19日
30秒サマリー
- 企業の業務ルールを自ら発見・更新するAIエージェント「CDA」の研究論文がarXivに公開
- ServiceNow実環境を使ったベンチマーク「EnterpriseWorldShift」でルールの追加・変更・削除を検証
- 従来手法より最大8.98 IoUポイント高い予測精度を達成し、都度システムへの問い合わせも不要
何が起きたか
2026年9月17日、Shambhavi Mishraら6名の研究者がarXiv（cs.AI）に論文「Continual Enterprise World Model Discovery in Dynamic Systems」を投稿した。
論文が取り組む課題は、企業の業務システムにおけるビジネスルールの隠蔽性だ。ServiceNowのような企業向けプラットフォームでは、フィールド更新が別フィールドの自動設定・レコード生成・承認フローの起動などを引き起こすが、そのルールはプラットフォームに組み込まれているのではなく、各組織が独自に記述し、随時改訂する。AIエージェントはこれらのルールを知らなければ、自分の操作結果を予測できない。
研究チームは、エージェントがルールの事前知識なしにシステムと対話しながらルールを自律的に発見し、変化に応じてモデルを更新し続ける手法「Continual Discovery Agent（CDA）」を提案した。評価には独自ベンチマーク「EnterpriseWorldShift」を構築。9テーブル・25の隠れルール・600の評価アクションを持つライブServiceNow環境上で、ルールの変更・追加・削除の各フェーズを順に検証できる設計となっている。
実験の結果、CDAは従来手法（質問ごとにシステムを参照するアプローチ）と比べ、隠れルールの効果予測において最大8.98 IoUポイント高い精度を達成した。また、推論時に稼働システムへの問い合わせを行わず、自身が構築したモデルのみから回答できる点も特徴として挙げられている。
原典ハイライト
論文アブストラクトによれば、CDAは「ルールごとに都度参照する従来手法より最大8.98 IoUポイント高い精度で隠れルールの効果を予測し、稼働システムへの問い合わせなしに自身のモデルから回答する」とされている。ベンチマークはServiceNow実環境を用い、ルールの修正・追加・削除の各段階を個別に評価できる構成を採用している。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
企業AIエージェントの実用化における最大の障壁の一つは、業務ルールが頻繁に変わる「動的な環境」への対応力だ。本研究は、エージェント自身がルールを能動的に学習・更新する「継続的世界モデル発見」という枠組みを提示しており、従来のように人間がルールをAIに手動で教え込む必要性を低減できる可能性を示している。ServiceNowという広く普及した実環境で検証されている点は、研究の企業適用可能性という観点で注目に値する。
日本企業への示唆
ServiceNow等の企業向けプラットフォームを導入している日本企業にとって、AIエージェントが業務ルールの変化を自律追従できるかどうかは導入コストに直結する問題だ。現状、ルール変更のたびにAIシステムの再設定・再学習が必要なケースが多いが、本研究のアプローチが実用化されれば、保守負荷の大幅な削減につながりうる。IT部門・DX推進担当者は、エージェントAI導入検討の際に「ルール変化への自律追従能力」を評価軸に加えることを検討すべき段階に入りつつあるといえる。ただし本論文は現時点では査読前のプレプリントであり、実用化に向けた追加検証が必要な点に留意が必要だ。
背景・経緯
企業システムにおけるAIエージェントの活用は急速に注目を集めているが、各組織固有のビジネスルールをエージェントにどう認識させるかは未解決の課題として残っていた。本論文はその課題に対し「継続的発見（Continual Discovery）」という学習フレームワークで応答しようとするもので、著者らはServiceNow関連の研究者を含む6名の研究チームによるものとみられる。論文は査読を経ていないarXivのプレプリントとして公開されている。
