カリフォルニア大学バークレー校 (UC Berkeley) は2026年7月6日(現地時間)、Aditya G. Parameswaran氏ら同校の研究者による視点を発表した。これは、AI推論コストの劇的な低下が「知能のコモディティ化」を引き起こしている現状を分析し、来るエージェント時代におけるデータシステム研究の新たなアジェンダを提示するもの。GPT-4クラスの推論コストが年間中央値50倍のペースで下落し、知識労働に十分な知能が実質的に無料になる時代が到来すると指摘している。
この研究視点は、推論コストの低下がデータシステムにもたらす三つの主要な課題と機会を詳述している。一つ目はエージェントのためのデータシステム (Data Systems For Agents)。エージェントがデータシステムの主要なワークロードとなるにつれて、人間やアプリケーションとは異なるエージェントの特性に合わせてデータシステムを再設計する必要性があるとしている。
二つ目はエージェントによるデータシステム (Data Systems Of Agents)。エージェントが知識労働の大部分を担う中で、数千のエージェントが長期タスクの状態を管理し、協調し、合意を形成し、障害に対処するための新しい基盤が求められる。現在の主流である非構造化Markdownファイルとgrepによる記憶管理は、大規模なエージェント群では有効でなくなる可能性が指摘されている。
三つ目はエージェントが作るデータシステム (Data Systems By Agents)。エージェントがデータシステム全体を合成する能力を持ちつつあり、各ワークロードに合わせてカスタムシステムを再構築できる時代が来る。しかし、これらのシステムが意図した動作と一致するかを検証することが課題となる。
具体的にエージェントのためのデータシステムでは、エージェントはagentic speculationと呼ばれる高ボリュームで多様な作業ストリームを実行し、一つのユーザーリクエストが数千の個別のSQLクエリにつながる可能性があると説明されている。また、既存のベンチマークでは、エージェントのサブプランの80〜90%が重複作業であることが示されており、データシステム側での結果再利用や近似回答の提供、高レベルのプリミティブサポート、あるいは受動的なクエリ実行者ではなく積極的な役割を担うことによる最適化の機会があるとしている。
エージェントによるデータシステムの文脈では、エージェントが継続的に作業を進める上で、記憶、協調、障害対処といった側面での要件を詳細に考察している。現在のファイルベースの記憶手法は、コンテキストウィンドウの制限やレイテンシーの問題から、大規模な知識労働においては限界に達すると予測されている。
参考: bair.berkeley.edu (アーカイブ) — 2026年7月7日 09:00 (JST)
原文ハイライト"we are soon entering the era of virtually free intelligence"