セマンティック・コンセンサス：プロセス認識型の競合検出と企業向けマルチエージェントLLMシステムの解決手法

要旨: マルチエージェントの大規模言語モデル（LLM）システムは、エンタープライズにおけるAI自動化の主流アーキテクチャとして急速に台頭している一方で、本番導入では故障率が41%から86.7%の範囲に及びます。また、ほぼ79%の故障は、モデル能力の制約というよりも、仕様化や協調（コーディネーション）の問題に起因しています。本論文では、セマンティック意図の相違（Semantic Intent Divergence）――サイロ化されたコンテキストと不在のプロセスモデルにより、協調するLLMエージェントが共有された目的について一貫しない解釈を発達させてしまう現象――を、エンタープライズ環境におけるマルチエージェントの失敗の主要な根本原因であるにもかかわらず、形式的には未対応のものとして特定します。本論文では、6つのコンポーネントから成るプロセス認識ミドルウェアであるセマンティック・コンセンサス・フレームワーク（SCF）を提案します。具体的には、共有される運用セマンティクスのためのプロセス・コンテキスト・レイヤ（Process Context Layer）、意図を形式的に表現するためのセマンティック意図グラフ（Semantic Intent Graph）、矛盾する意図、競合に基づく意図、因果的に無効な意図の組み合わせをリアルタイムに特定するコンフリクト検出エンジン（Conflict Detection Engine）、ポリシー―権限―時間（temporal）の階層を用いるコンセンサス解決プロトコル（Consensus Resolution Protocol）、セマンティクスの漸進的な相違（drift）を検出するドリフト・モニタ（Drift Monitor）、および組織ポリシーの強制のためのプロセス認識ガバナンス統合レイヤ（Process-Aware Governance Integration）です。3つのマルチエージェント・フレームワーク（AutoGen、CrewAI、LangGraph）と4つのエンタープライズ・シナリオにまたがる600回の評価実験の結果、SCFがワークフロー完了を100%達成できる唯一のアプローチであることが示されました（次点のベースラインは25.1%）。同時に、65.2%のセマンティックなコンフリクトを検出し、精度27.9%を実現し、完全なガバナンス監査ログ（監査トレイル）も提供します。このフレームワークはプロトコルに非依存であり、MCPおよびA2Aの通信標準と互換です。