米Metaは、AIアシスタント「Muse」と「Meta AI」に、上位モデル「Muse Wonder」を活用して開発した特化型モデルを導入すると明らかにした。過去の会話を踏まえた情報管理や、予期しない問題への対応能力を高め、日常業務や目標達成を支援する。
MuseとMeta AIに特化型モデルを導入
2026年11月6日の発表によると、Metaは数週間前に公開した高性能モデル「Muse Wonder」を活用し、既存モデルを専門的な用途に最適化した。新たな特化型モデルは、MuseとMeta AIの利用者に順次展開される。
今回の強化では、Muse Wonderで導入された「Active Memory」と「Active Focus」という2つの機能を取り入れた。
Active Memoryは、過去の会話から重要な情報を記憶し、必要な場面で再利用する機能である。情報が一時的なものか長期的に保持すべきものかを判断するほか、時間の経過によって古くなった情報と、現在も有効な情報を区別する仕組みを備える。
Metaによると、改善後のMuseでは目標達成に必要な重要情報を忘れる頻度が、従来比で2.4分の1に減少した。
もう一つのActive Focusは、予期しない問題に直面しても、設定された目標に向けて作業を継続する機能だ。現実の作業で発生するさまざまな障害を想定した学習により、粘り強く試行したり、問題から回復したり、別の方法を探したりする能力を高めている。
Museでは、予想外の問題が発生する日常タスクの完了において67％の改善が見られたという。
さらに、特化型モデルは複数の作業を並行して処理し、必要に応じて自律的に進める能力も強化された。作業中の指示変更や追加説明にも対応しやすくなっている。
Meta AIでは、複雑な問題を段階的に整理し、より的確な追加質問を行うほか、会話の途中で利用者の方針が変わっても柔軟に対応できるとしている。
AIの自律性向上に期待 記憶の管理には課題も
今回の強化によって期待できるのは、AIとのやり取りが単発の質問応答から、継続的な目標達成を支援する形へ発展することだ。過去の会話を踏まえて作業を進められれば、業務上の調査や資料作成、日常的なタスク管理などでも利便性が高まる可能性がある。
特にActive Focusは、AIエージェントの実用性を左右する重要な要素になりそうだ。
従来のAIでは、想定外のエラーや条件変更によって作業が中断する場合もあったが、代替手段を探して処理を続けられれば、人間が介入する回数を減らせると考えられる。
一方、記憶機能の高度化には慎重な運用も求められる。AIが過去の情報を長期的に保持する場合、古い情報や現在の意図と異なる内容を参照し、回答や作業の判断に影響する可能性があるためだ。
記憶する情報の確認や修正、不要な情報の削除といった管理機能も重要になるだろう。
今後は、単純な応答精度だけでなく、長期的な文脈の理解や作業の完遂能力がAIアシスタントの競争力を左右するとみられる。
Metaの今回の取り組みは、AIを質問に答えるツールから、利用者の目標に沿って継続的に協働するパートナーへ進化させる動きとして注目したい。
関連記事：
Metaが新モデル「Muse Wonder」発表 長期記憶と実行力を強化
MetaがパーソナルAI「Muse」を日本投入 自律型タスク処理で日常を一変
NVIDIAとMetaがMuse開発で提携拡大 AI基盤も強化へ
