LLM-MASHealth EconomicsResearchConsortium
Overview
介護人材不足という日本の社会課題に対し、現場の利他性による「やりがい搾取」を防ぐためのマクロなアプローチを提案。LLMを活用したMulti-Agent System (MAS)を構築し、システム全体を最適化する「Planner - AI」を介入させることで、ケアシステムの持続可能性をシミュレーション・評価した研究です。
カテゴリ
研究
年度
2026
分野
医療・介護 AI
技術スタック
LLMMulti-Agent SystemDiscrete Event Simulation
キーワード
地域包括ケアやりがい搾取共同体メカニズムPlanner-AI
ハイライト
- ✓Planner-AIによるシステム最適化
- ✓社会構造的脆弱性の定量評価
研究の詳細設計
| 変数 | 説明 | データ型 |
|---|---|---|
| エージェント行動変数 | 利他性・使命感のパラメータ化 | 社会科学的変数をLLMで実装 |
| 5個のマイルストーンを目的にAIを制御 | MAS構築 → シミュレーション環境整備 → Planner-AI介入実装 | 開発工程 |
| 10個の失敗要因(リスク)を検知しAIを制御 | 従事者の過剰な善意によるシステム疲弊 | 構造的脆弱性 |
分析環境とエージェントの変数値
本研究では従来の「自己利益最大化」のみをエージェントの行動原理とする仮定を排しました。介護現場の従事者エージェントには、利他性(Altruism)と使命感(Sense of Mission)を構成要素とする「共同体メカニズム」を実装。これらをエージェントの意思決定を規定する環境変数として配置し、シミュレーションを実行しました。
研究結果の解釈と動態分析
分析の結果、AI（Planner-AI）が介入しない環境では、従事者の利他性に依存したシステムが限界に達し、急激な崩壊（やりがい搾取による共同体メカニズムの瓦解）を引き起こすことが確認されました。一方で、Planner-AIを介入させた環境下では、システムは以下の挙動を示しました。
- 1限界の共有：負荷を局所的にせず、システム全体でリソースの限界を共有する調整機能の作動。
- 2動的な連携：AIが調整役となることで、個々人の善意の浪費を防ぎ、持続可能な連携へと再構築。
- 3脆さの克服：搾取によって維持される脆弱な状態から、相互補完による「しぶとい持ち堪え」への構造転換。
⚖️
結論：人間とAIの協調設計
本研究は、AIが人間の代替となるのではなく、人間が持つ「共同体メカニズム」を社会システムとして持続可能にするための補完的役割（Planner-AI）を担うべきであることを示唆しています。