Anthropicは、Claude Managed Agentsがアクティブな作業から離れて過去のセッションを振り返り、基盤モデルに一切の変更を加えることなく記憶を再編成できる「ドリーミング(dreaming)」と呼ばれる機能を発表した。同社は2026年5月6日、サンフランシスコで開催された「Code with Claude」開発者カンファレンスでこの機能を公開した。

この名称は、脳がその日の経験を再生・再編成する睡眠中の記憶固定(procedural consolidation)に由来する。ただし、ここでの仕組みは完全にソフトウェア上のものであり、モデルは一切変更されず、変更されるのはエージェントが自身の作業について保持するノートのみである。

Anthropicによると、このプロセスは記憶を整理し、誤りを修正し、後のセッションでClaudeが適切な情報を見つけやすくするという。法律系AI企業Harveyとの初期テストでは、ドリーミング適用後に現実的な法的ベンチマークにおけるタスク完了率が6倍に向上したと報じられている。

ドリーミングの仕組み

エージェントは作業中にリアルタイムでメモを取り、後どの詳細が重要になるかを事前に知ることはできない。多数のセッションを重ねるうちに、これらのメモには重複、矛盾、中途半端な観察、そして底に埋もれた本当に価値のある教訓が蓄積していく。作業が単一の会話ではなく数日〜数週間にわたるエージェントにとって、蓄積されたノートは資産であると同時に障害にもなり得る。

ドリーミングはそのクリーンアッププロセスとして機能する。非同期で実行され、バックグラウンドで動作するため、エージェントのタスクの途中を中断することはない。1回の実行で処理できるセッション記録は1件から100件。システムはこれらを読み込み、重複エントリを統合し、エージェントの作業メモリから矛盾を取り除くよう設計されている。

また、この機能はパターンの検出も行い、エージェントが繰り返している誤りや、一貫して成果を上げているワークフローを表面化する。出力は整理・再編成されたメモリストアである。重要なのは、元の入力はそのまま保持され、何も上書きされない点だ。

ノートであって、ニューロンではない

キャッチーな名前よりも重要な詳細がある。ドリーミングはClaudeの基盤モデルの重みを変更しない。代わりに、学習内容はプレーンテキストのノートと構造化プレイブックとして保存される。エージェントが別のモデルに変わるのではなく、整理されたノートブックを手にするのだ。この捉え方は、再学習との違いも明確にしている。改善はネットワーク内部に固定されたパラメータではなく、チームが読んで承認できるファイルに蓄積される。

ユーザーも更新の適用方法を制御できる。メモリストアへの更新を自動で行うか、手動承認を待ってから反映するかを選択可能だ。

リサーチプレビュー期間中、ドリーミングはclaude-opus-4-8、claude-opus-4-7、claude-sonnet-4-6の3モデルをサポートする。アクセスは制限されており、組織は利用のためにアクセス申請を行う必要がある。そのため、今日すべてのClaude開発者がすぐに有効化できる機能ではない。

Harveyの6倍という結果が意味するもの

Harveyの結果は注目すべき指標であり、厳しい領域からもたらされた。法律業務は精度を評価し、一貫性の欠如を咎めるため、エージェントの記憶にとって妥当なストレステストとなる。

とはいえ、これは1社のパートナー、1種類のベンチマークにすぎない。リサーチプレビューにおける単一の初期テスターの結果は一つのシグナルであって、あらゆる業界での性能を保証するものではない。より明確な証拠は、より広い提供範囲に依存するが、現時点では承認された申請が必要である。

AIエージェントをめぐる大きな展望

ドリーミングは、カンファレンスで発表された他の補完的機能とともに登場した。それらの機能はその後より広範なパブリックベータに移行したが、ドリーミングはアクセス申請によるゲートの背後に留まっている。

学習内容がプレーンテキストと構造化プレイブックとして保存されているため、人間はエージェントが知識として判断した内容を実際に読むことができる。

注視すべきリスクもある。情報を要約・統合するシステムは、誤りも統合し、誤った教訓を正しいものと判断して整理して保存してしまう可能性がある。Anthropicの設計上の選択——元の入力を保持することと手動承認を提供すること——は、まさにこの問題を狙いとしたものと思われる。

この機能を評価するチームにとって、注目すべき指標は具体的だ。アクセスが申請ゲートを超えて拡大するか、Harveyや他のパートナーがより詳細な結果を公表するか、そして手動承認が大規模に実用的であることが証明されるか。いずれの問題もまだ決着していない。

Disclosure: 元の記事はDiego Almada Lopezが編集した。