NVIDIA、NemoClawで企業エージェントに持続記憶と管理された行動を与える方法を示す

NVIDIAは企業向けAIエージェントが持続的な記憶を使いながら、その記憶を無制限の権限に変えないための技術例を公開した。9月4日の記事「Building a Memory-Driven Agent with NVIDIA NemoClaw」では、Chief of Staff型のエージェントが紹介されている。このエージェントは、人、プロジェクト、優先事項、働き方のパターンを人間が読めるself modelとして保持し、義務、順位付け、修正、監査イベントは別の台帳に記録する。

NVIDIAが扱う問題は、職場エージェントを試す多くのチームに共通する。役に立つアシスタントは、毎回の依頼を新しいチャットとして扱うだけでは足りない。重要なプロジェクト、関係者のつながり、過去の決定、未完了の約束を覚えている必要がある。一方で、記憶はリスクにもなる。誤った判断を保存したり、隠れた前提を持ち続けたり、文脈がいつの間にか行動を承認したように扱われたりするからだ。NVIDIAの設計は、証拠、知識、管理された実行を分けることで、開発者が結論の根拠を追えるようにしている。

この例では、self modelは構造化されたMarkdownページとして保存される。人物、プロジェクト、優先順位、目標、概念、繰り返し現れる作業パターンが含まれる。SQLite台帳には、義務の順位、ユーザーによる修正、監査履歴といった判断が記録される。この分離には意味がある。記憶ページがある共同作業者はSlackを好むと示しても、Slackでメッセージを送るには認証情報、実行時ポリシー、ユーザー承認が必要なままだ。文脈は行動を助けるが、行動を承認しない。

NVIDIAは、この手法が測定可能な改善をもたらしたとしている。Agent Memory Benchmarkでは、self modelにより全体精度がエージェント型RAGベースラインの82.8%から90.9%に上がった。特に、時間とともに変化する事実の追跡、特定時点の推論、エンティティの曖昧性解消で大きな改善が見られた。これは持続記憶が単なる便利機能ではなく、多数のメッセージや決定をまたぐ継続性に役立つことを示している。

安全性も重要な柱だ。例ではNVIDIA NemoClawと安全な実行環境であるNVIDIA OpenShellを組み合わせ、エージェントをサンドボックス内で動かし、ファイルシステム、プロセス、ネットワークへのアクセスを管理する。管理された推論やMCP接続の認証情報はサンドボックス外に残される。企業の記憶、検索文書、ツール説明はモデル入力であって安全ポリシーではないため、この境界は重要である。

より大きく見れば、エージェント記憶はインフラになりつつある。ベンダーはツールを呼べるエージェントだけでなく、記憶し、修正され、監査可能で、強制可能な境界の中で動くシステムを示し始めている。企業にとって、それは印象的なデモと本番配備できる仕組みを分ける条件になりそうだ。