AIエージェントのメモリ（記憶）とは？短期・長期記憶の仕組み

AIエージェントのメモリ（記憶）とは、会話やタスクの実行を通じて得た情報を保存し、後の判断や応答に活かす仕組みのことです。人間の従業員が過去のやり取りや経験を踏まえて仕事を進めるように、AIエージェントに「経験の蓄積」を持たせる技術を指します。

なお本記事で扱うのは、ソフトウェアとしてのAIエージェントが持つ"記憶"機能です。パソコンのメモリ容量（RAM）というハードウェアの話ではありません。

この言葉が分かりにくいのは、「メモリ」が指す範囲が文脈によって揺れるためです。長い会話を一度に読み込めること（コンテキストウィンドウ）、過去の会話ログが画面に残っていること（会話履歴）、社内文書を検索して答えること（RAG）——どれも「覚えている」ように見えますが、技術的には別のものです。ベンダーの「メモリ機能搭載」という説明が具体的に何を指すのかを判断するには、この区別が出発点になります。

一言でいうと：AIエージェントのメモリとは、会話やタスクの経験をセッションをまたいで保存し、次の判断に使う仕組みです。

よくある誤解

• 「メモリ＝コンテキストウィンドウが長いこと」ではありません。コンテキストウィンドウは"今この瞬間"の作業スペースで、原則として会話が終われば消えます。
• 「メモリがあれば常に正しく学習・記憶してくれる」わけではありません。誤った情報を記憶してしまう「メモリ汚染」のリスクも指摘されています。
• 「メモリ機能はどのAIサービスも同じ仕組み」ではありません。何を保存し、ユーザーが確認・編集・削除できるかは各社で異なります。

執筆: PolarisX 編集部（AI活用の実務者チーム）。AI社員「Polaris AI」の開発と、自社AI社員組織の運用に携わるメンバーが執筆しています。

AIエージェントのメモリとは｜経験を次の判断に使う仕組み

AIエージェントのメモリとは、エージェントがユーザーとの対話やタスクの実行から得た情報を保存し、後続の判断・応答に利用する仕組みです。保存されるのは、ユーザーの好みや前提条件、過去のやり取りの内容、タスクの実行結果や成否といった「経験」にあたる情報です。LLM（大規模言語モデル）は本来、1回の呼び出しごとに与えられた入力だけを見て応答する仕組みであり、そのままでは会話が終わるたびに文脈を失います。メモリはこの「忘れる」性質を補い、同じ説明を毎回繰り返さなくても文脈を引き継げる状態を作るための構成要素です。IBMの解説では、セッションをまたいで情報を保存・想起する長期記憶は、データベース・ナレッジグラフ・ベクトル埋め込みなどで実装されると整理されています。

何を・なぜ保存するのか

メモリに保存される情報は、大きく3つに分けて考えると整理しやすくなります。1つめはユーザーに関する情報（役職、担当業務、好みの回答形式など）で、これがあると毎回自己紹介からやり直す必要がなくなります。2つめは過去のやり取りの内容（先週相談した案件、前回の指摘事項など）で、継続的な相談や反復業務での一貫性に効きます。3つめはタスクの実行結果（どの手順でうまくいったか、どこで失敗したか）で、エージェントが同じ失敗を繰り返さないための材料になります。

裏を返すと、これらが保存されないエージェントは、何度使っても「初対面の派遣スタッフ」のままです。単発の調べ物なら問題ありませんが、業務を継続的に任せたい場合には、経験が蓄積されないことがそのまま生産性の頭打ちになります。

なぜ今「メモリ」が注目されているのか

背景は2つあります。1つは、ChatGPT・Claude・Geminiといった主要なAIサービスがそれぞれメモリ機能・パーソナライズ機能を提供し、公式ヘルプで案内するようになったことです（詳細は後述します）。もう1つは、AIの使われ方が「1問1答のチャット」から「業務を任せるエージェント」へ広がったことです。エージェントが自律的にタスクを進めるほど、過去の経験を参照できるかどうかが仕事の質を左右するため、「経験から学ぶ」能力としてのメモリが設計上の重要テーマになったと報告されています。

そもそもAIエージェントとは何か、という言葉の定義から確認したい場合は、次の記事が前提の整理に役立ちます。

▶ 関連記事: エージェントとは？意味・語源とAIエージェントとの違いを解説

コンテキストウィンドウ・会話履歴とメモリの違い

コンテキストウィンドウとメモリは、混同されやすいものの別の概念です。コンテキストウィンドウは、モデルが1回の処理で参照できる情報量の上限＝「今この瞬間の作業スペース」であり、その中身は原則としてセッションが終われば失われます。一方メモリは、セッションが終わった後も情報を保持し、次の会話に引き継ぐ仕組みです。IBMは直近のやり取りやコンテキストウィンドウ内の一時的な文脈を短期記憶（ワーキングメモリ）、セッションをまたいで永続化される情報を長期記憶として区別しており、Microsoftの公式教材も同じ枠組みで解説しています。「コンテキストウィンドウが長いモデル＝記憶力のあるAI」ではない、というのが最初に押さえるべき区別です。

コンテキストウィンドウ＝その場限りの作業スペース

コンテキストウィンドウは、モデルが一度に「見える」範囲を決める容量です。ここに入っている情報は、追加の仕組みなしでそのまま参照できるため、同じ会話の中では「覚えている」ように振る舞います。会話履歴が画面に残っていて、続きから話せるのもこの範囲の話です。

しかし、この作業スペースには限界があります。容量を超えた分は参照できなくなり、新しいセッションを開けば中身は引き継がれません。また、ウィンドウを長くすれば解決するかというと、入力が長くなるほど処理コストが増え、長大な文脈の中から必要な情報を拾う精度が落ちる場合があることも指摘されています（各モデルの挙動に依存するため、一般論としての報告値です）。

メモリ＝セッションをまたいで残る情報

メモリは、会話の外側に用意された保存領域です。エージェントは会話の中から「残す価値のある情報」を抽出して保存し、次の会話の開始時や必要な場面でそれを呼び出して、コンテキストウィンドウに読み込みます。つまりメモリは、コンテキストウィンドウの代わりではなく、作業スペースに"何を載せるか"を過去の経験から供給する仕組みです。

この関係は、人間の仕事に例えると分かりやすくなります。コンテキストウィンドウは「机の上」、メモリは「引き出しや書庫」です。机が広いほど一度に広げられる資料は増えますが、会議が終われば机の上は片付けられます。翌週も同じ前提で仕事を始められるのは、書庫に記録が残っているからです。

短期記憶と長期記憶を組み合わせるのが実装の定石

実際のエージェント設計では、短期記憶（今の会話の文脈）と長期記憶(過去の経験)を組み合わせるのが定石とされています。今の会話はコンテキストウィンドウで処理しつつ、会話の要点や決定事項を長期記憶へ書き出し、次の会話で関連する記憶だけを呼び出す——という二層の構成です。Microsoftの教材では、短期記憶を単一の会話・セッション内で保持される情報、長期記憶を複数のセッションにわたって永続する情報として定義しており、両者は役割の異なる補完関係にあります。

記憶の種類は3つ｜セマンティック・エピソード・手続き記憶の違い

AIエージェントの長期記憶は、人間の記憶の分類になぞらえて、セマンティックメモリ（意味記憶）・エピソディックメモリ（エピソード記憶）・手続き的メモリ（手続き記憶）の3種類で整理されることが多くあります。IBMの解説によれば、セマンティックメモリは事実・定義・ルールといった一般化された知識、エピソディックメモリはエージェントが経験した特定の出来事ややり取り、手続き的メモリはタスクの実行方法やスキルを保存するものと分類されています。導入検討の場面でこの分類を知っておく価値は、「メモリ搭載」と言われたときに"何を"覚えるのかを確認する物差しになることです。同じ「記憶」でも、会社の用語を覚えるのか、先週の相談内容を覚えるのか、作業手順を覚えるのかで、業務での効き方はまったく異なります。

セマンティックメモリ（意味記憶）——事実や知識を覚える

セマンティックメモリは、「事実」として一般化された知識の記憶です。業務の文脈でいえば、自社の商品構成、社内の用語や略語の意味、取引先ごとの取引条件、部署の役割分担といった情報が該当します。「経理の締めは毎月5営業日目」という知識は、いつ誰との会話で得たかに関係なく使える事実であり、この種の記憶があるとエージェントは自社の前提を踏まえた回答を返せるようになります。

エピソディックメモリ（エピソード記憶）——過去のやり取りを覚える

エピソディックメモリは、「いつ・誰と・何があったか」という具体的な経験の記憶です。先週この案件について相談を受けた、前回はA案とB案を比較して見送りになった、といった時系列の出来事が該当します。IBMはこれを、エージェントが遭遇した特定のイベントやエピソードに関する記憶と説明しています。継続的な相談業務や顧客対応では、この記憶があるかどうかで「話が通じる相手」かどうかが決まります。

手続き的メモリ（手続き記憶）——やり方を覚える

手続き的メモリは、タスクの実行方法・手順・ルールの記憶です。「この形式のレポートはこの手順で作る」「この種の問い合わせはまず在庫システムを確認する」といった、繰り返し使われる段取りが該当します。この記憶が蓄積されると、エージェントは毎回ゼロから手順を考えるのではなく、過去に成功したやり方を再利用できるようになります。

なお、複数のAIエージェントがチームで動く構成では、こうした記憶を誰が持ち、どう共有するかというさらに一段複雑な設計論点が生まれます。複数エージェントの連携そのものについては、マルチAIエージェントの解説記事で詳しく整理しています。

メモリが動く流れ｜ベクトルDB・RAG・忘却設計

AIエージェントのメモリは、多くの場合「会話から重要な情報を抽出する→外部の保存領域に書き込む→次の会話で関連する記憶を検索して呼び出す」という流れで実装されます。保存先の代表がベクトルデータベースです。テキストを意味を表す数値の並び（埋め込み・エンベディング）に変換して保存し、後から「意味が近い」記憶を検索できるようにします。IBMも、長期記憶の実装手段としてデータベース・ナレッジグラフ・ベクトル埋め込みを挙げています。なお、仕組みが似ているため混同されがちですが、RAGは外部知識を検索して補う仕組みであり、エージェント自身の経験を蓄積するメモリとは区別されるというのが一般的な整理です。

ベクトルデータベースによる意味検索

過去の記憶を呼び出すとき、キーワードの完全一致では「解約率の話」と「チャーンの話」が別物として扱われてしまいます。ベクトルデータベースは、テキストを意味ベースの数値に変換して保存するため、言い回しが違っても意味が近い記憶を拾えます。エージェントは新しい質問を受け取ると、その内容と意味的に関連する過去の記憶を検索し、上位の数件だけをコンテキストウィンドウに読み込んで応答に使います。すべての記憶を毎回読み込むのではなく、関連するものだけを選んで机の上に載せる、という動き方です。

RAGとメモリの関係——似ているが役割が違う

RAG（検索拡張生成）は、社内文書や製品マニュアルなどの「外部知識」を検索し、その内容を根拠として回答を生成する仕組みです。検索して文脈に読み込むという動きはメモリの呼び出しとよく似ており、実際に技術基盤（ベクトルDB・意味検索）も共通しています。違いは扱う中身です。RAGが参照するのは「あらかじめ用意された知識」、メモリが参照するのは「エージェント自身が対話・実行を通じて得た経験」です。ナレッジベースは全員に共通の図書館、メモリは担当者ごとの業務ノート、と考えると区別しやすくなります。RAGの仕組みやサービスの選び方は本記事では深入りせず、次の記事に譲ります。

▶ 関連記事: RAGサービス比較｜3類型・費用相場と失敗しない選び方

「何を覚えないか」を先に決める忘却設計

メモリ設計の実務でしばしば強調されるのが、「すべてを記憶させない」ことです。何でも保存すると、古くなった情報・一時的な話題・誤った内容までが蓄積され、検索のノイズになって回答品質をむしろ下げると指摘されています。このため、重要度の低い記憶を減衰させる、古い記憶を要約して圧縮する、一定の条件で削除するといった「忘却」の仕組みをあわせて設計するのが実務的な定石とされます（設計論としての報告値です）。導入する側の視点では、「何を覚えさせないか」を先に決めることが、メモリを安定して使うための前提になります。個人情報や機密情報のように「そもそも記憶させてはいけない情報」の線引きは、後述するリスク管理と直結します。

ChatGPT・Claude・Geminiのメモリ機能の違い

ChatGPT・Claude・Geminiは、いずれもセッションをまたいで情報を引き継ぐメモリ機能・パーソナライズ機能を提供しており、各社の公式ヘルプで仕組みと管理方法が案内されています。共通するのは「ユーザーが明示的に覚えさせる情報」と「過去の会話から自動的に引き継がれる情報」の2系統がある点、そしてユーザー側で確認・削除・オフができる点です。一方で、何をどう保存し、どこまで管理できるかの設計は各社で異なるため、「メモリ搭載」という言葉だけで同じものと考えるのは危険です。以下は執筆時点（2026年8月）の各社公式ヘルプの案内に基づく整理で、機能の詳細は変更される可能性があります。導入検討時は必ず最新の公式情報を確認してください。

各社の実装方針（公式ヘルプの案内より）

ChatGPTのMemory FAQでは、ユーザーが明示的に依頼して覚えさせる「保存されたメモリ」と、過去のチャットから得た示唆を参照する仕組みの2つが説明され、設定画面から個別のメモリの削除・全削除・機能自体のオフができると案内されています。Claudeのヘルプでは、会話からメモリを項目として生成・更新すること、プロジェクトごとにメモリ空間が分離されること、設定でオン・オフを切り替えられることが案内されています。Geminiのヘルプでは、過去のチャットを使ったパーソナライズの設定方法と、アクティビティ管理のページで会話履歴の削除方法が案内されています。ここに挙げた以上の細部（保存件数の上限や内部アルゴリズムなど）は公式に確認できる範囲を超えるため、本記事では扱いません。

業務でメモリが効く場面

各社の機能差よりも先に押さえたいのは、業務でメモリが効くのはどんな場面かです。効果が出やすいのは、(1)同じ相手と継続的にやり取りする業務（毎回の前提説明が不要になる）、(2)反復性の高い定型業務（過去にうまくいった進め方が引き継がれる）、(3)個人の文脈に合わせた支援（役職・担当・スキルに応じた回答の調整）です。逆に、単発の調査や毎回前提が変わる業務では、メモリの有無は結果にほとんど影響しません。「メモリ機能があるから良いサービス」なのではなく、自社の使い方に記憶の引き継ぎが必要かどうかが判断の起点です。

メモリが効かないケースとリスク｜汚染・混線・陳腐化

メモリは万能ではなく、固有の限界とリスクを持ちます。技術面では、誤った情報や古くなった情報が記憶として残り続けると、それを根拠にした誤答が再生産されるという構造的な弱点があります。セキュリティ面では、OWASPのAgentic AIの脅威整理が、エージェントの記憶に虚偽の情報を注入して以後の判断を歪める「メモリ汚染（Memory Poisoning）」を主要な脅威の1つとして挙げています。さらに企業利用では、複数人で共有するエージェントに個人情報や機密情報が記憶されると、別のユーザーへの回答に混入し得るという情報管理上の論点が加わります。メモリ機能の導入判断は、便益だけでなくこの3つ（誤情報の固定化・汚染攻撃・情報混線）とセットで行う必要があります。

メモリ汚染——記憶に虚偽を注入される攻撃

メモリ汚染は、攻撃者がエージェントの短期・長期の記憶に誤った情報や悪意ある指示を紛れ込ませ、その後の判断を継続的に歪める攻撃です。OWASPの脅威分類では、記憶を持つエージェント特有の脅威として整理されており、対策として記憶内容の検証、セッションの分離、記憶へのアクセス認証、異常検知、定期的な記憶の棚卸しなどが挙げられています。通常のチャットへの攻撃と違い、汚染された記憶はセッションをまたいで影響が持続する点が厄介です。一度きりの誤答ではなく、「間違いを覚え込んだ状態」が続くためです。

複数人で共有するエージェントの情報混線・漏洩

社内で1つのAIエージェントを複数人が使う場合、「誰の情報を、誰への回答に使ってよいか」という境界の設計が必要になります。境界がないままメモリを有効にすると、ある社員との会話で記憶された人事情報や取引条件が、別の社員への回答に現れる——という情報混線が起こり得ます。個人アカウントで完結するChatGPTなどの利用と、部署共有の業務エージェントとでは、メモリのリスクの性質がまったく違うことに注意が必要です。プロンプトインジェクションや過剰権限といったAIエージェント全般の脆弱性と対策は、次の記事で詳しく扱っています。

▶ 関連記事: AIエージェントの脆弱性とは？主なリスクと管理する対策を解説

現場でよく見る誤用パターンと見極め

私たちPolarisXは、司令塔AI社員「Polaris AI」というAIエージェントの開発と、自社のAI社員組織（3部門・約20のAIエージェント、ChatGPT/Gemini/Claude併用）の運用に日常的に携わっています。その実務で最初に決めているのは、記憶の中身より先に「記憶の取り扱いルール」です。現場でメモリ機能を検討する際、私たちが使う確認は次の3点です。

1. 誰が読める記憶か——全員が参照してよい記憶（会社の用語・手順）と、特定の人しか参照してはいけない記憶（個人の相談内容・評価情報）を最初に分けているか。
2. 記憶させてはいけない情報を明文化しているか——個人情報・機密情報・一時的な仮の数字など、「覚えさせない」対象を文書で決めているか。機能の設定より先に、このルールがないと運用は破綻します。
3. 記憶の中身を確認・修正・削除できるか——何が記憶されているかを人間が点検でき、間違った記憶を直せる手段があるか。ブラックボックスの記憶は、便利さと引き換えに統制を失います。

あわせて、うまくいっていないことを検知する先行指標も決めておきます。メモリ機能を入れたのに回答の一貫性が上がらない、あるいは古い情報が訂正されず回答に残り続ける場合は、記憶の更新・忘却の設計がうまく機能していないサインです。その状態で記憶を増やしても品質は上がらないため、まず「覚え方・忘れ方」の設計に立ち戻ることを推奨しています。

自社導入の見極め｜メモリ機能を検討する前に確認すること

自社のAIエージェントにメモリ機能を持たせるか、あるいは「メモリ搭載」を謳う製品を導入するかを判断する際は、機能の比較より先に確認すべきことが3つあります。(1)自社の業務に「記憶の引き継ぎ」が本当に必要か（継続性・反復性のある業務か）、(2)何を記憶させ、何を記憶させないかのポリシーを自社で決められるか、(3)記憶の監査・編集・削除が運用の中でできるか、です。この3つに答えられない段階で「メモリがあるから高機能」と選ぶと、前章のリスクだけを抱えることになります。逆に3つに答えられるなら、メモリは同じ説明を繰り返さない・過去の経験が引き継がれるという形で、AIエージェントを「使うたびに育つ道具」に変えてくれます。

何を記憶させ、何を記憶させないかを先に決める

出発点は機能設定ではなく、情報の仕分けです。「全員が使ってよい知識」「担当者だけの文脈」「そもそも記憶させない情報」の3つに、自社の情報を分類します。とくに3つめ（個人情報・機密情報・未確定の数値など）は、明文化して関係者が参照できる状態にしておくことが重要です。この仕分けは、メモリ機能に限らず、社内ナレッジベースの整備やRAGの導入でもそのまま使える土台になります。

記憶の監査・編集・削除ができるかを導入前に確認する

製品・サービスを評価する際は、「記憶の中身を一覧できるか」「個別に削除できるか」「機能ごとオフにできるか」を仕様として確認します。前章で見たとおり、主要各社の個人向け機能はいずれも確認・削除の手段を公式に案内していますが、業務システムに組み込まれたエージェントではこの限りではありません。導入後に「何を覚えているか分からない」状態になるかどうかは、契約前の確認でほぼ決まります。

記憶の設計から相談したい場合

PolarisXは、司令塔AI社員「Polaris AI」の開発・運用の当事者として、「何を覚えさせ、何を覚えさせないか」というポリシー設計の段階からAIエージェント導入をご一緒しています。自社の業務にメモリが必要かどうかの見極めからで構いません。まずは contact@polarisx.ltd へお気軽にご相談ください。

用語の要点

• **AIエージェントのメモリ（記憶）**とは、会話やタスクの経験をセッションをまたいで保存し、次の判断・応答に使う仕組み。一度にたくさん読み込めること（コンテキストウィンドウ）とは別の技術で、両者は「机の上」と「書庫」の補完関係にある。
• 長期記憶は3種類で整理される：セマンティックメモリ（事実・知識）、エピソディックメモリ（過去のやり取り）、手続き的メモリ（やり方）。「メモリ搭載」と言われたら"何を"覚えるのかをこの物差しで確認する。
• 導入判断は便益とリスクのセット：継続性・反復性のある業務では効果が大きい一方、誤情報の固定化・メモリ汚染・複数人利用での情報混線というリスクがある。「何を覚えさせないか」の明文化と、記憶の確認・修正・削除の手段が運用の前提。

よくある質問

Q. AIエージェントのメモリ（記憶）とは何ですか？ 会話やタスクの実行を通じて得た情報（ユーザーの前提、過去のやり取り、タスクの結果など）を保存し、後の判断や応答に活かす仕組みです。LLMは本来セッションが終わると文脈を失うため、メモリがその「忘れる」性質を補います。なお、パソコンのメモリ容量（RAM）とは別の概念です。

Q. コンテキストウィンドウとメモリは同じものですか？ 別のものです。コンテキストウィンドウはモデルが1回の処理で参照できる情報量の上限で、「今この瞬間の作業スペース」にあたり、原則セッション終了とともに失われます。メモリはセッションをまたいで情報を保持する仕組みで、作業スペースに何を載せるかを過去の経験から供給する役割を担います。コンテキストウィンドウが長いことは、記憶が引き継がれることを意味しません。

Q. ChatGPT・Claude・GeminiのMemory機能はどう違いますか？ 3社とも「ユーザーが明示的に覚えさせる情報」と「過去の会話から引き継がれる情報」の2系統を持ち、確認・削除・オフの手段を公式ヘルプで案内している点は共通です。一方、記憶の生成方式や管理画面の設計は各社で異なり、機能の詳細は更新され続けています。導入検討時は各社の公式ヘルプで最新の仕様を確認してください。

Q. AIエージェントのメモリ機能にセキュリティリスクはありますか？ あります。代表的なのは、記憶に虚偽の情報を注入して以後の判断を歪める「メモリ汚染」で、OWASPのAgentic AI脅威整理でも主要な脅威として挙げられています。また、複数人で共有するエージェントでは、ある利用者の個人情報・機密情報が別の利用者への回答に混入する情報混線のリスクがあります。記憶へのアクセス権限の分離と、記憶内容の定期的な点検が基本的な対策です。

Q. メモリ機能を使うメリット・デメリットは何ですか？ メリットは、同じ説明を繰り返さずに済むこと、継続的な業務で文脈が引き継がれること、過去にうまくいったやり方が再利用されることです。デメリットは、誤った・古い記憶が残ると誤答が再生産されること、記憶の管理（点検・修正・削除）という運用負担が増えること、共有利用での情報管理リスクです。継続性のない単発業務ではメリットがほぼ出ないため、業務の性質に照らして判断するのが実務的です。

---

AIエージェントの導入を記憶の設計から — PolarisXは、司令塔AI社員「Polaris AI」の開発と、自社AI社員組織（3部門・約20のAIエージェント）の運用実務の知見をもとに、「何を覚えさせ、何を覚えさせないか」のポリシー設計を含むAIエージェント導入をご支援しています。無料相談は contact@polarisx.ltd へ。サービスの考え方は polarisx.ltd をご覧ください。

この記事について

PolarisX編集部（AI活用の実務者チーム）は、司令塔AI社員「Polaris AI」の開発と、自社のAI社員組織（3部門・約20のAIエージェント）の運用実務に携わるメンバーで構成しています。本記事は、AIエージェントの記憶を「何を覚えさせ、何を覚えさせないか」から設計する現場の視点で、教科書的な用語解説に導入時の判断基準を加えてまとめました。内容のご指摘・ご相談は contact@polarisx.ltd へ。

参考文献

• What Is AI Agent Memory?（IBM Think Topics）
• AIエージェントのメモリ（Microsoft ai-agents-for-beginners 日本語訳）
• Memory FAQ（OpenAI Help Center）
• Use Claude's chat search and memory to build on previous context（Claude Help Center）
• Gemini との過去のチャットのメモリーを使用してパーソナライズする（Google Gemini アプリ ヘルプ）
• Gemini アプリ アクティビティを管理、削除する（Google Gemini アプリ ヘルプ）
• Agentic AI – Threats and Mitigations（OWASP GenAI Security Project）