Perplexity、夜間に学ぶエージェント

これまでのエージェントは毎回ゼロスタートで、同じ失敗を翌日また踏むのが普通でした。Computer エージェントの作業履歴（成功・失敗・修正手順）を文脈グラフ化し、夜間に非同期学習する『Brain』を発表しました。

AI Navigate 編集部·2026.06.19·読了 6分

毎回ゼロスタートの限界

AI エージェントはセッションをまたいで記憶を保てないのが大きな制約でした。月曜日に詰まって解決した手順を、火曜日には覚えておらず、同じ問題を再度調査するところから始まります。

繰り返しの業務自動化においては、この無記憶性が最大の摩擦でした。特に複雑なマルチステップタスクでは、毎回同じ迷い道をたどるエージェントの様子を見て手動で修正するコストが発生していました。

Computer エージェントの作業履歴（成功・失敗・修正手順）を文脈グラフ化し、夜間に非同期学習する『Brain』を発表しました。

Perplexity の Computer エージェントが一日の作業を終えると、Brain がその履歴を解析します。どのステップが成功し、どこで失敗し、どう修正したかを有向グラフとして保存します。翌朝のセッションではこのグラフを参照し、過去の経験を活かした判断が可能になります。

このアプローチは「プロンプトへの記憶注入」とは異なり、コンテキストウィンドウを圧迫しない外部記憶として機能します。

同じ業務を毎日回すなら 2 回目以降が速くなります。単発検索しか使わない人には体感差ゼロです。

毎日同じプロセスを自動化している人、例えばデータ収集・レポート生成・定型メール送信などを Computer エージェントで行っている場合、Brain は数回目から明確に役立ちます。最初の 1〜2 回で学習データが蓄積され、以降は失敗パターンを避けて進めるようになります。

一方、検索や一問一答の使い方が中心のユーザーには蓄積される文脈グラフが薄く、体感できる改善は現れません。Brain の恩恵は「繰り返し」の頻度に比例します。