「LLMには限界がある」という話はよく聞きます。でも、その限界がどこまでで、現場の設計をどう変えればよいかまで踏み込んだ記事は少ないのではないでしょうか。本記事では、「LLM単体で複雑なエージェント作業を信頼性100%で回すのは原理的に難しい」 という主張を、IT技術者が判断と設計に使える形に整理します。結論は悲観ではなく、期待値を下げるのではなく、アーキテクチャで補うこと。まずは「何が数学的に言われているか」から押さえ、そのうえで今日から設計に落とせる3つの原則と現場で使えるチェックリストまでお届けします。
関連記事として、エージェント化と技術者の役割はエージェント化がすすみ中間工程が自動化され技術者の役割はどう変わるか、社内Agentの設計は社内Agent導入の設計書——RAG・Tools・権限・監査を中核に据える、AI前提の運用チェックはAI前提の開発・運用テンプレ集、エージェント導入の壁はAIエージェント導入の壁は「AI」じゃないで深掘りできます。
「数学的に証明された」の正体——論文が本当に言っていること
「LLMが越えられない壁が数学的に証明された」といった見出しの記事を目にした方もいるかもしれません。技術者として押さえておきたいのは、その「数学」が何を言っていて、何を言っていないかです。ここでは中身を正確に要約します。
なぜ「複雑になると破綻する」と言えるのか——計算量の観点
Sikkaら(Varin Sikka / Vishal Sikka)の論文 "Hallucination Stations: On Some Basic Limitations of Transformer-Based Language Models" は、LLM(Transformer)が推論時に使える計算資源がトークンあたりなどで制約されることを前提に、ある種の計算・検証タスクは複雑さが増すと、モデル単体では「確実には」遂行できないという趣旨を、計算量(complexity)の観点から述べています(arXiv:2507.07505)。
つまり、「LLMは何もできない」のではなく、ステップ数・分岐・外部世界との相互作用が増える“エージェント的”なタスクでは、失敗確率をゼロにできないという議論です。WIREDの記事でも、同論文の主張を「AIエージェントの信頼性は本質的に限界があるが、周辺コンポーネントで補える可能性はある」という形で紹介されています(WIRED:AIエージェントのレジリエンス)。
よくある誤解2つ——ここを押さえれば設計に活かせる
-
「LLMは役に立たない」ではない
低〜中程度の複雑さの範囲では実用的に役立ちます。問題は、複雑化したエージェント作業で信頼性を100%にできないことです。 -
「今年中にAGIは無理」のような未来予言は、論文の数学から直接は出ない
論文は「万能性の限界」の議論であり、タイムライン予言は記事側の解釈・論評が混ざった部分です。
技術者として大切なのは、「限界がある」で終わらせず、その限界を設計原則に落とすことです。そこで以下では、論文とWIREDの示唆を三つの原則にまとめ、最後に現場で使えるチェックリストまでつなげます。
原則1:LLMは「提案役」に留め、完走は別の層に任せる
「限界を設計で補う」と一口に言っても、どこから手を付ければよいでしょうか。第一の原則は、LLMに「計画→実行→検証→修正を全部」やらせないことです。複雑化したときに破綻しやすい、というのが論文とWIREDの論点であり、設計としてはLLMを“提案器”に寄せ、完走責任は別層に置くのが基本です。
誰が何を担当するか——4つの役割に分ける
- オーケストレーター(状態機械/ワークフローエンジン):手順と状態を管理する。どこまで進んだか、次に何をするかはここで決める。
- LLM:各ステップの生成・要約・次手候補の提案。実行の“案”を出す側に留める。
- 検証器:ルール、テスト、型、スキーマ、静的解析、形式検証(可能なら)で、LLMの出力が許容範囲かどうかを判定する。
- 権限境界:最小権限、承認フロー、監査ログで、何をどこまで実行してよいかを制御する。
WIREDでも「LLM単体の限界はあるが、周辺コンポーネントで補える」という趣旨が述べられています(前出 WIRED)。「LLMに任せきり」にしないことが、信頼性を上げる第一歩です。
役割を分けただけでは不十分な点があります。どこまでをLLMに任せ、どこから人手や別システムに回すかを決めておかないと、「任せすぎ」と「任せなさすぎ」のどちらに振れても困ります。そこで第二の原則です。
原則2:複雑さに「予算」を決め、超えたら人手に回す
「複雑さが上がるほど失敗が増える」という見立てを、そのまま運用設計に落とします。つまり、複雑さに上限(予算)を設け、それを超えたら自動化率を落とす/人手レビューを挟む/タスクを分解するというガードレールを置く、という考え方です(Complexity budgeting)。
何を予算化するか——3つの目安
- 1タスクあたりの最大ステップ数(計画・実行・再試行回数)
- 分岐(IF)の数、外部I/Oの数、並列数
- 長文コンテキストの投入量(情報が増えるほどズレが起きやすい)
これらを「このタスクはステップ数○まで」「分岐は○個まで」のように決め、それを超える場合は自動で止める、または人間の確認を必須にすると、破綻を防ぎやすくなります。
役割を分け、複雑さに蓋をしても、「正しいかどうか」を誰がどう判定するかが曖昧だと信頼性は上がりません。論文は、複雑なタスクでは 「正しさを検証すること自体も難しくなる」 と指摘しています。だから第三の原則は、検証をLLMに頼らず、外部で機械的に行うことです。
原則3:正しさの判定はLLMに聞かず、機械的に行う
複雑化すると、LLM自身に「合ってる?」と聞いても、その答えまでずれる可能性があります。実務では、検証を形式的・機械的に寄せることが重要です。
検証を外部化する具体例
- JSON Schema/型チェック/ルールエンジンで出力形式と内容を縛る
- 単体テストの生成→実行をパイプラインに組み込み、LLMの出力や生成コードを機械的に検証する
- リトライ条件を明示し、曖昧な「なんとなく再試行」を禁止する
- 可能なら、証明可能な領域(例:Leanなど)へ寄せる——WIREDでもこの方向性の例が触れられています(前出 WIRED)
「LLMに“合ってる?”と聞く」ではなく、スキーマ・テスト・ルールで判定する設計にすると、複雑化しても信頼性を保ちやすくなります。
ここまで述べた「複雑化すると崩れる」という話は、別の研究でも観測されています。Appleの研究をどう読むかも、設計の判断材料になるので、短く整理しておきます。
Appleの「推論の幻想」研究はどう読むか——同じ結論に届く
「Apple研究者が“推論してない”と言った」といった話題が、LLM限界論と一緒に語られることがあります。Apple Researchの "The Illusion of Thinking" は、推論モデル(LRM)を含む各種モデルが、タスクの複雑さが上がると性能が崩れる(場合によっては完全崩壊) という観察を述べています(Apple Machine Learning Research、arXiv:2506.06941)。
技術者としての読み方はこうです。
- 「複雑化で崩れる」現象は、少なくとも複数の観測で出ている(Sikka論文の主張と方向は整合する)
- ただし「LLMは無意味」という話ではなく、複雑タスクに対して、単体での信頼性を過信するなという運用上の警告として受け止める
設計の着地点は、先の三原則(完走責任を分離・複雑さの予算化・検証の外部化)と同じです。「複雑タスクでは単体の信頼性を過信しない」という一点で、Sikka論文とAppleの研究はつながっています。
三つの原則とAppleの知見を踏まえると、現場では次の6項目を点検すると安心です。読んだまま終わらせず、自社の設計に当てはめて確認してみてください。
明日から使えるチェックリスト——6項目で設計を点検する
以下は、この記事の内容を「やること」に落とした点検項目です。既存のエージェント設計やこれから作る仕様に、一つずつ当てはめてみてください。
1. 失敗が許されない操作をLLMに直結していないか
送金・削除・権限付与など、一度失敗すると取り返しのつかない操作は、LLMの出力をそのまま実行に渡さず、必ず承認や検証を挟みます。
2. タスク分解が明示されているか
ステップと終了条件が書かれているか。曖昧な「うまくいくまでやって」は避け、最大ステップ数や分岐の上限を決めます。
3. 検証が外部化されているか
スキーマ、テスト、ルール、監査のどれかで、LLMの出力を機械的にチェックしているか。検証までLLMに頼りきっていないかを見直します。
4. 再試行の上限と条件があるか
無限ループや自己修正地獄を防ぐため、再試行回数の上限と「どの条件なら再試行するか」を明示します。
5. 観測性——どの判断で失敗したか追えるか
どのステップで何を判断し、どこで失敗したかをログで追えるようにします。後から原因を特定できることが、設計の見直しと信頼性向上に直結します。
6. 人間の介入点があるか
高リスク時や複雑さが予算を超えたときに止まる設計、あるいは人が承認してから先に進むポイントを設けます。
おさらい——限界を「設計のルール」に変える
冒頭で、「限界を設計で補う」と書きました。ここまで読んでいただいた方には、その中身が三つの原則とチェックリストとしてイメージしやすくなっていると思います。「LLMには限界がある」は、そのままでは当たり前の一言で終わってしまいます。 本記事で押さえたかったのは、“複雑さ×信頼性”の限界を、設計原則に落とせという一点です。
- LLM単体に完走責任を負わせない(オーケストレーター・検証・権限で補う)
- 複雑さを予算化する(ステップ数・分岐・コンテキスト量に上限を設け、超えたら人手や分解に回す)
- 検証は外部に出す(スキーマ・テスト・ルールで機械的に判定する)
結論は悲観ではなく、LLMを中心に置きすぎたアーキテクチャを、検証・権限・状態管理で補強すること。それが、論文やWIREDの論点を現場の判断と設計に活かす、技術的に正しい着地点です。
作成日:2026年2月21日