ContextNest: Verifiable Context Governance for Autonomous AI Agent
ContextNest（要旨ではContextNextと表記）は、検索システムの基盤として、AIエージェントが承認済みかつ追跡可能で完全性が検証された知識のみを消費することを保証するための、検証可能なコンテキスト・ガバナンスに関するオープンな仕様とリファレンス実装を導入するものであり、それによって、検索の品質だけでは解決できないプロベナンス（由来）および決定論的な失敗に対処する。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
以下は、ContextNest の論文の解説を、日常的な言葉と比喩を用いて翻訳したものです。
コアとなる問題： 「自信満々だが間違っている」エージェント
あなたは、会社の意思決定を行うために、非常に賢く、仕事の早いアシスタント（AIエージェント）を雇ったと想像してください。あなたは彼らに、資料が詰まったライブラリ（図書室）を読み込ませます。
問題は、アシスタントが馬鹿なことではなく、ライブラリが「整理されていない」ことです。
- 混同： ライブラリには「現在の」ポリシーが入っていますが、同時に「3年前の古い」ポリシーや、「承認されなかったドラフト（草案）」、さらには誰かが紛れ込ませた「偽の」ポリシーも混ざっています。
- 間違い： あなたが「出張経費の限度額は？」と尋せると、アシスタントは「200ドル」と書かれた新しい文書ではなく、「50ドル」と書かれた古い文書を見つけてしまうかもしれません。そのテキストは一見関連性があるように見えるため、アシスタントは自信を持って回答しますが、実際には古くて間違った情報を伝えているのです。
- 謎： もしあなたが「どうやってそれを判断したのですか？」と尋ねても、アシスタントは明確な答えを出すことができません。「6月12日付でサラによって承認された文書を読みました」とは言えず、「一致するテキストを見つけました」としか言えないのです。
これが コンテキスト・ガバナンス・ギャップ（文脈の統治の欠如） です。AIはテキストを「見つける方法」は知っていますが、どのテキストが「安全で、最新で、承認されたものか」を知りません。
解決策： ContextNest （「品質管理」レイヤー）
著者らは ContextNest を提案しています。これは新しい検索手法ではなく、AIが文書を目にする「前」に設置される、厳格な 品質管理ゲート であると考えてください。
仕組みを、シンプルな比喩を使って説明します。
1. 「タイプ分けされた」図書カード
通常の図書館では、本はただの本です。しかし、ContextNestでは、すべての文書に特定の IDカード（「タイプ」） が付いています。
- あるカードには「これは 用語集 です（定義のみ）」と書かれています。
- あるカードには「これは ポリシー です（従うべきルール）」と書かれています。
- あるカードには「これは ドラフト です（まだ使用禁止！）」と書かれています。
AIは、正しいIDカードを持っていないものを無視するようにプログラムされています。ドラフトのポリシーを、あたかも法律であるかのように誤って読み込むことはありません。
2. 「承認済みのみ」のゲート
図書館の入り口にいる警備員を想像してください。
- ドラフト（草案） は保留室に閉じ込められています。警備員はAIをそこへ入れません。
- 公開済み の文書には 「緑のスタンプ」 が押されます。
AIは、この緑のスタンプがある文書しか読むことができません。これにより、AIが進行中の作業や未承認のアイデアを使用することを確実に防ぎます。
3. 「改ざん防止」のチェーン
文書が変更されるたびに、新しい デジタル指紋（ハッシュ） が付与されます。
- もし誰かが、承認された後に文書の内容をこっそり書き換えようとしても、指紋が壊れてしまいます。
- これは手紙に貼られた「封蝋（ろうけつ）」のようなものです。封印が壊れていれば、誰かが開封したことがわかります。
- ContextNestは、これらの指紋をチェーン状につなぎ合わせます。もし一つのリンクが壊れていれば、チェーン全体が無効であることを示します。これにより、文書が承認後に改ざんされていないことが証明されます。
4. 「タイムマシン」（チェックポイント）
過去の特定の時点でのルールがどうであったかを証明する必要があるとします（監査などの場合）。
- 通常のライブラリでは、これは簡単にはできません。単に「現在の」本を見せるだけだからです。
- ContextNestは、文書が変更されるたびに スナップショット（チェックポイント） を取ります。
- もしあなたが「3月1日時点でAIは何を知っていましたか？」と尋ねれば、システムは時間を巻き戻し、最後の一文字に至るまで、3月1日に存在した「正確なバージョン」の文書を示すことができます。これにより、履歴を捏造することは不可能です。
5. 「レシート」（監査証跡）
AIが文書を読むたびに、自動的に レシート が発行されます。
- レシートには、「午後2時に、サラによって承認された、バージョン3の文書Xを読みました」と記載されます。
- もし後でAIが間違いを犯した場合、あなたはレシートを確認して、どの情報がエラーの原因となったのかを正確に特定できます。AIが「幻覚（ハルシネーション）」を起こしたと責めるのではなく、間違った（あるいは古い）文書が入力されたことを突き止めることができるのです。
既存のAI（RAG）との連携
論文では明確に述べられています。ContextNestは、AIの検索エンジンに代わるものではありません。
- RAG（検索拡張生成） は、「磁石」 のようなものです。あなたの質問に「似ている」文書を見つけ出します。関連するテキストを見つけることには長けていますが、雑然としています。
- ContextNest は、「フィルター」 です。磁石の前に置かれます。
- フィルターが「承認され、最新で、検証された 文書だけを通す」と判断します。
- その後、磁石（RAG）が、その安全でフィルタリングされた山の中から検索を行います。
結果： AIは両方の良いとこ取りができます。磁石のおかげで関連するテキストを見つけつつ、フィルターのおかげで、そのテキストが「正しいバージョン」であることを保証されます。
実験の結果
著者らは、主に2つの実験でこれをテストしました。
「古いバージョン」による攻撃： 「新しい」ルールの中に「古い」ルールが混ざっているシナリオを作成しました。
- ContextNestなし： AIはしばしば古い間違ったルールを選択し、自信満々ですが不正確な回答をしました。
- ContextNestあり： AIは決して古いルールを選択しませんでした。ほぼ毎回正しい回答を得ることができ、不要な情報を整理する必要がないため、使用するコンピューターの計算資源（トークン）も少なくて済みました。
「一貫性」テスト： 同じ質問を20回繰り返しました。
- 標準的な検索： 質問が全く同じであるにもかかわらず、ある時は文書Aを、ある時は文書Bを提示しました。予測不能でした。
- ContextNest： 毎回、全く同じ文書を提示しました。完全に予測可能です。
結論
論文は、AIエージェントが現実世界の意思決定（経費の承認やコードの記述など）を行うようになるにつれ、単に彼らが「賢い」ことに頼るだけでは不十分であると主張しています。彼らが利用する情報が以下の状態であることを保証する 「ガバナンス・レイヤー（統治層）」 が必要です。
- 承認されている（人間による）。
- 最新である（古いドラフトではない）。
- 改ざんされていない（安全である）。
- 追跡可能である（何を読んだのかを正確に把握できる）。
ContextNestは、AIの知識に対する「道路のルール」を提供し、AIが行動する際、それが単なるランダムなテキストの集まりではなく、真実という基盤に基づいていることを保証します。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。