何が起きたか
スタンフォード大学で生物医学データサイエンスを専門とするJames Zou准教授は、VB Transform 2026で、次のフロンティアは「より賢い単体エージェント」ではなく「数万体の協働」だと主張しました。これはClaude Codeに代表される「エンジニア1人にエージェント1体」という前提を正面から否定する立論です。
出発点は、Zou氏の実験室を模した5〜8体構成の「Virtual Lab」でした。AI教授がPI（研究主宰者）を務め、専門の異なるAI学生が定例のグループミーティングを開く。さらにスタンフォードの複製である「エージェント学校」を用意し、そこで教師ありファインチューニングを行って各エージェントの専門性を高めます。この体制で設計された新規ナノボディ蛋白質は、直近のCOVID変異株への結合において人間が設計した従来品を上回り、ウェットラボ試験で裏付けられました。
研究室から「会社」へ
検証を経てチームは、模倣の対象を研究チームから企業組織へ拡張します。それがVirtual Biotechです。CSO（最高科学責任者）エージェントが全体を統括し、その下に標的探索・分子設計・安全性/臨床試験という、実在のバイオテックや製薬企業と同じ3部門が並ぶ。標的探索部門の中では、遺伝学データを見るエージェント、ゲノミクスと単一細胞データを見るエージェント、というように専門分化が進みます。
同一課題での比較では、マルチエージェントのほうが単体より優れた解を出し、誤りの連鎖に対しても頑健でした。理由は効率ではなく摩擦です。エージェント同士が議論し、反対し、互いを説得しにいく。この過程が、単体モデルがゼロから解くよりも創造的で堅牢な推論を引き出します。
実績も具体的です。3万7000体の「臨床試験エージェント」を立ち上げて断片化した試験データを統合したところ、試験の成否を予測する単一細胞レベルの特徴が見つかり、その特徴に裏付けられた創薬標的は、そうでない同等薬に比べて上市確率が約50%高いという結果になりました。そして同システムは、2025年1月以前に公開されたデータのみを用いて、CD276蛋白質を標的とする肺がん向けADCを自律設計します。数か月後、Merckが独立に同じ治療設計を開発・検証し、FDAのブレークスルー指定を取得しました。Zou氏はこれを「第三者による外部検証」と表現しています。
本当のボトルネックはモデルではなく「環境」
規模を上げたときの最大の制約は、モデルの賢さではなくオーケストレーションでした。ツール・データセット・過去の記録をまたいで知識を統合する、統一されたコンテキスト層が要る。ここでZou氏は重要な指摘をしています。既存のデータベースやAPIをMCPで包んでも根本解決にはならない、と。それらのインターフェースは人間か、AI以前のアルゴリズム向けに設計されているからです。論文PDFをコンテキストウィンドウに投げ込むのも非効率で、複雑な図表はテキストモデルが取りこぼしハルシネーションを招きます。
そこで作られたのがPaperclipです。非構造データをデジタル化し、バラバラのデータベースをAIネイティブな仮想ファイルシステムへ写像する。DBごとに壊れやすいAPIを叩かせるのではなく、LLMが得意なコード記述とファイルシステム操作に寄せる設計です。これによりエージェントは数百万本の論文の知識に標準的なファイル操作でアクセスでき、精度が向上し、時間とコストは1桁以上削減されたといいます。
設計思想の転換も明確です。手順を逐一指示する硬直的なワークフロー（新人に指示を出す管理職のやり方）から、インフラ・ガードレール・インセンティブだけを与えて協働を促す「環境」へ。そしてマルチエージェント段階では、もはや個々のモデルをファインチューニングしません。最適化の対象は環境そのものになります。単体エージェントは強化学習やエージェント学校での教師ありファインチューニングで伸ばし、集団は環境設計で伸ばす——レイヤーが分かれた、ということです。
💼 事業会社視点：これは自社にどう効くか
創薬の話として読み流すと本質を外します。経営が受け取るべき論点は2つです。
第一に、組織構造がそのままエージェント設計の設計図になるという点。Virtual BiotechはCSOの下に標的探索・分子設計・安全性/臨床試験の3部門を置き、部門内でさらに専門分化させました。日本企業でこれをそのまま読み替えるなら、SaaS事業ならプロダクト企画・実装・カスタマーサクセスの分業、ECなら仕入れ・価格設定・CRMの分業がそのままエージェント編成になります。自社の組織図が曖昧なまま数十体を並べても機能しません。エージェント導入の前提作業は、ツール選定ではなく責任分界と評価指標の言語化です。
第二に、MCPで既存DBを包めば終わり、という認識を改める必要があります。Zou氏の指摘どおり、社内の基幹DBやAPIは人間の画面操作を前提に設計されています。Paperclipが1桁以上のコスト削減を出したのは、モデルを替えたからではなくデータ層をAIネイティ��に作り直したからです。受託開発・SIerにとっては、ここが次の受注テーマになります。「AI導入支援」ではなく「AIネイティブなデータ基盤への再設計」です。
動くべき順序は明確です。今期はPoCの体数を増やすのではなく、①自社の業務分割をエージェント編成に翻訳できる形で棚卸しし、②社内の非構造データ（議事録・仕様書・過去提案）をエージェントが標準操作で読める形に寄せる。指示型ワークフローの作り込みに投資するのは、その後で構いません。