AIモデルは、今後も入れ替わり続ける。今日使っているモデルより優れたものが登場した時、問題になるのは料金や操作方法だけではない。
これまでAIへ伝えてきた会社の事情、過去の判断、失敗、顧客対応の経緯を、次のモデルへ引き継げるかどうかだ。
特定サービスの中だけに仕事の文脈を蓄積すると、モデルを替えたい時に、記憶ごと移動できない。そこで現在は、「記憶は自分の手元にあるPC環境へ残し、考える知能だけを仕事に応じて交換する」という設計を試している。
AIが賢くなるほど、文脈の価値が上がる
以前のAIは、単発の文章やコードを作ることはできても、継続して仕事を任せるには品質が足りないと感じることが多かった。
最近のフロンティアモデルへ過去の経緯や十分な文脈を渡すと、返ってくる内容が大きく変わる。以前の判断を振り返り、その時点では見えなかった論点や、今なら選べる別の選択肢まで提示できる。
この時に重要なのは、モデルの性能だけではない。適切な過去情報へアクセスできることだ。同じ高性能モデルでも、会社の履歴を知らなければ一般論しか返せない。
記憶をサービスの外へ置く
ChatGPTの中だけ、Claudeの中だけといった形で情報を蓄積すると、そのサービスを使う限りは便利になる。しかし、別のモデルへ切り替える時、過去の文脈を同じ状態で渡すことが難しい。
現在は、日々の気づき、相談、判断、失敗をOpenClawというAIエージェントが動く自分のPC環境へ残している。情報を集約する母艦として常時起動するMac miniに置き、必要な記録はファイルや業務システム側に保持する。そしてその業務システムにMCPでAIエージェントをつなぎこむ。MCP（Model Context Protocol）は、AIと外部のツールやデータをつなぐための共通の接続方式で、対応するサービスであれば、使うAIを替えても同じ接続を活かしやすい。
そのうえで、深い推論、文章作成、画像理解、機密性を優先する作業など、仕事に合わせて利用するモデルを変える。モデルが替わっても、会社の文脈は自分の管理下に残る。
すべてをAIへ読ませない
自分で記憶を持つことは、すべての情報をすべてのAIへ渡すことではない。むしろ、情報と権限を分けやすくするための設計だ。
- 顧客対応を扱うエージェント
- 営業データを分析するエージェント
- 公開用の文章を作るエージェント
- 機密情報を扱わない調査用エージェント
- 外部サービスへ出せない情報を扱うローカルモデル
それぞれに必要な範囲だけを参照させる。記憶の保管場所と、AIへ開示する範囲を分けることで、利便性と情報管理を両立しやすくなる。役割を分けたエージェントの状態を一画面で確認する運用は「複数AIの「今どこまで進んだか」を見失わない。herdrで始めたエージェント運用」で紹介している。
モデル比較より先に決めること
どのAIが一番賢いかを比較するだけでは、長期的なAI活用の基盤は作れない。
何を記録するのか。どこへ保存するのか。誰が更新するのか。どのエージェントへ、どの範囲を見せるのか。別のモデルへ切り替える時、どの形式なら引き継げるのか。
AIが急速に賢くなった今、会社の競争力になるのはモデルの契約そのものではない。これまで積み上げた仕事の文脈を手放さず、必要な知能を選んで使える情報設計だ。
AIに読ませる社内データをどう残すかは「製造業のAI導入は「AIが読める会社づくり」から始まる」、記憶を置くAI基盤を止めずに運用するための備えは「OpenClaw更新障害で分かった、AI基盤に必要な復旧設計」で書いている。
