Kimi Work、300のAIエージェント並列動作へ

OpenAIが開発したCodexは、かつては開発者向けのコード補完ツールだったが、現在は週間アクティブユーザー500万人を超え、知識労働者の割合が約20%にまで拡大している。この流れを受けて、中国のAIスタートアップ月之暗面（Moonshot AI）が新たに投入したのが、Kimi Workだ。Kimi Workは、ローカルPC上で機能するエージェントクラスターであり、最大で300のAIエージェントを並列動作させることが可能とされる。

OpenAIのレポートによれば、Codexのユーザー層は依然として開発者が最大だが、知識労働者の伸び率は開発者の3倍以上に達している。Claude Codeも同様の機能を提供するが、インストールとデプロイの敷居の高さから、一般ユーザーへの普及は限定的だった。Kimi Workは、この壁をワンクリックインストールという手軽さで突破した点が特徴と言える。

Kimi Workの本質は、かつての単一エージェント（AIアシスタント）を「Agent Team」へ、さらには最大数百のエージェントからなる動的ワークフローへと進化させたことにある。月之暗面は、基盤となるAgent Swarmモデルの機能を、ビジュアルインターフェースでカプセル化し、ローカルPCに設定することで、この複雑な仕組みを実現した。

ローカルAI軍団の概要

Kimi Workの最大の利点は、Agentクラスターの機能をローカルエージェントとして設定した点にある。Agent Swarmを実際に機能させるため、Kimi Workは複数の実用的な機能を提供する。

• ローカルファイルとの深い連携: ローカルフォルダを直接読み取り・管理可能。セキュリティ機構により、ファイルの変更にはユーザーの承認が必要。
• 7×24時間の定期タスク（Cronエンジン）: 設定した時間にLLMとの対話リクエストやPython/Shellスクリプトなどを自動実行。朝のブリーフィング生成や夜間のデータクレンジングなど、PCのスリープを防ぎタスクを確実に実行。
• WebBridgeブラウザ自動化: 自然言語の指示によりAIがブラウザを自律操作。ウェブページ間の情報検索、深層データスクレイピング、フォームの自動入力など。
• グローバル金融市場データへのネイティブアクセス: A株、香港株、米株など主要なデータソースに直接接続。対話中に財務諸表の取得、チャート分析、クロスシートの照合が可能で、投資判断を補助する。

これらの機能は、従来のAIエージェントが「コードを書く」だけだった領域を大きく拡張している。具体的には、ファイル整理、データ分析、資料検索、ワークフローの自動実行、さらにはプロジェクト全体の反復作業を代行する。

Agent Swarmの実例

Kimi Workの実際の動作を見るために、注目すべき20のAI企業を整理させ、製品ポジショニング、資金調達動向、コアコンピタンスなどを分析し、ウェブレポートやPPTなどの成果物を出力するよう依頼した例がある。

K2.6 Agentクラスターを選択してタスクを開始すると、Kimiは自動的にタスクに適切な進捗を設定し、Subagentツールを使って複数のエージェントを呼び出して処理する。タスクのプロセスを展開すると、研究グループ1（大手AI企業）、研究グループ2（新興大規模モデル）、研究グループ3（インフラ）、研究グループ4（AIアプリケーション）の4つの研究エージェントが、それぞれ該当する企業の資料を収集・分析していることがわかる。

Skillの呼び出しは基本的な操作で、Kimiがレポート作成、ビジュアライゼーション、クラスター深層研究、フロントエンドテーマなどを呼び出してタスクを支援する。最終的に得られた分析レポートは、データテーブル、ビジュアライゼーション分析、具体的な企業紹介がすべて含まれていた。さらに各企業の詳細部分には「リスク」という項目が書かれており、Kimi自身の自己評価として「評価額の上昇が速すぎる、収益化の転換点が不明」、コアコンピタンスは「長文処理、プログラミング能力、エージェント、オープンソースでのリーダーシップ」と評価していた。

このような深層リサーチタスクだけでなく、Kimi Workはローカルファイルを直接処理させることも可能だ。例えば、直近30日以内のファイルを整理させ、対応するツールを使ってファイル内容を確認し、それらのファイル情報を集約させる。右側の進捗から、テキストファイルの内容を読み取り、PDFファイルの抽出、画像ファイルの確認、Officeファイルの処理などを行い、最終的に生成されたテーブルにはすべてのファイル内容と対応する情報が正常に列挙された。

会議の議事録を1つ用意し、いくつかの論文資料や画像データを収集し、ローカルファイルの数が10以上になったケースでも、Kimi Workはそのフォルダをプロジェクトとして直接選択し、Agent Swarmによる処理を開始できる。K2.6 Agentクラスターを使って並列協力を起動し、フォルダ内の資料に基づいて、業界研究、論文レビュー、製品戦略、技術アーキテクチャ、コンプライアンスガバナンス、財務試算、PPTデザイン、Wordレポート、PDF研究レポート、Excelモデル、品質レビューなど、複数のドキュメントを作成するよう依頼した。

ファイル数が多いため、Kimi K2.6 Agentクラスターは複数のフェーズに分けて実行した。研究分析の第1フェーズでは、業界研究者、論文レビューアー、製品戦略担当者、技術アーキテクト、コンプライアンスガバナンス専門家、財務試算担当者の6つのエージェントを呼び出した。第2フェーズでは、PPTデザイナー、Wordレポート作成者、PDF研究者、Excelモデリング担当者の4つのエージェントを呼び出し、統合・納品を実行した。統合・納品後は自動的に品質レビューが開始され、品質レビューアーとウェブ開発者の2つのサブエージェントが以前の内容を最終確認する。

最終的にKimi Workは、6つのテキストレポート、1つの試算モデル、そして報告用のHTMLとPPTドキュメントを生成した。各ファイルに対して、使用シーンに応じたクイックナビゲーションも表示され、CEO/経営陣への報告には「07_管理層報告.pptx」＋「12_デジタル報告.html」、正式なコンサルティングレポートの提出には「08_総合コンサルティング報告.docx」、投資銀行/研究機関の参考には「09_深層研究報告.pdf」などが提供された。

知識労働の様式変化

従来、知識労働者は「一人がタスクを順次処理する」という方式を取ってきた。しかし、Kimi Workのようなローカルエージェントの登場により、知識労働は「一人が一群のAIを指揮してタスクを処理する」へと変わりつつある。

300のエージェントの能力を直接使うだけでなく、Agentクラスターと組み合わせることで、Kimiに内蔵された独自の金融データソースという利点も活かせる。わざわざ金融関連のSkillを探したり、データAPIを設定したりする必要はなく、KimiがTonghuashun、Tianyancha、世界銀行の経済データベースなどから金融データを直接取得する。

このデータとAgentクラスターを組み合わせることで、真の力を発揮する。AppleのWWDCが開催される直前、Kimiに過去3年間のAppleの株価情報と各年の財務諸表を整理させ、注目すべき情報を分析するよう依頼したところ、Kimiは同様にSubagentツールを起動し、複数のエージェントを呼び出してタスクを完了させた。

Kimi Workの登場は、AIエージェントが単なるコード補完ツールから、汎用的な生産性基盤へと進化していることの証左と言える。特に、Agent Swarmという概念をローカル環境に持ち込んだ点は、企業の知識労働の在り方を大きく変える可能性がある。本サイトの過去記事「AIエージェントとは？仕組みと主なフレームワークを解説」でも触れたように、エージェント間の連携と並列処理が実用化されることで、単一エージェントでは難しかった大規模なタスクの自動化が現実のものとなりつつある。

また、AIエージェントの導入にあたっては、コスト最適化も重要な論点となる。本サイトの記事「AIエージェントのコスト最適化：トークン消費を削減する実践テクニック」で解説したように、多数のエージェントを並列動作させる場合、トークン消費が急増する可能性がある。Kimi Workがこの課題にどのように対処しているのか、今後の検証が待たれる。

編集部の見解

短期的影響: Kimi WorkのようなローカルAgent Swarmの登場は、今後3〜6ヶ月で企業の業務プロセスに直接的な影響を与えると見る。特に、ファイル整理や定期タスク、簡易的なリサーチ業務といった定型作業の自動化が進み、知識労働者の負担軽減に貢献する可能性が高い。同時に、MicrosoftやGoogleといった競合他社も同様のローカルエージェント機能を強化する動きを加速させるだろう。ただし、現時点では中国市場向けの機能（A株、香港株データなど）が多く、グローバル展開にはローカライゼーションが課題となりそうだ。

長期的視点: 1〜3年のスパンで見ると、Agent Swarmの並列処理能力は知識労働の本質を変える可能性がある。従来「人間が順次処理する」ことを前提に設計されていた業務フローが、「人間がAIチームを指揮する」形に再設計されていく。これにより、一人の知識労働者がカバーできる業務範囲が劇的に拡大し、組織のフラット化や人材設定の柔軟性が高まると期待される。一方で、300ものエージェントを適切に管理・監督するための新しいスキル（AIオーケストレーション）が求められるようになり、これが新たなデジタルデバイドを生むリスクも存在する。

編集部からの問い: 多数のAIエージェントを並列動作させる際のコストや管理の複雑さは、果たして中小企業や個人ユーザーにとって許容範囲内なのだろうか。Agent Swarmの真価は、「人間がコマンドを一つ与えるだけで、複数のAIが自動的に連携して結果を出す」という体験の質にかかっている。特に、各エージェントが生成した情報の整合性や品質を誰が担保するのか、というガバナンスの仕組みは未だ明確ではない。読者の皆様には、この「分散型AIチーム」を自分の業務にどう組み込むか、ぜひ試行錯誤していただきたい。

参考

• 爱范儿記事「300 個 AI 和我的八塊腹肌」 — 2026-06-08公開
• OpenAI Codex 関連情報（公式レポートなど）