大規模言語モデル（LLM）システムが「コーディングエージェント」や「AI共同科学者」など、生産性向上を約束する「エージェント的」ツールとして市場に出回る一方で、AIが破壊的な力を持って人間の制御を逃れるという「存在的」懸念も高まっている。こうした中、自動化がどこで終わり、エージェンシーがどこから始まるのかを明確にすることは、有能力なシステムを構築するためにも、何を恐れるべきかを理解するためにも不可欠である。
最近の論文「エージェントモデルへの批判」はこの問題に深く切り込んでいる。著者らは、エージェンシーを独立した思考に基礎づけたデカルトの考え方や、SF作品における自律的存在の描写を参照しつつ、現在のAIエージェントの状況を概観し、目標、アイデンティティ、意思決定、自己調整、学習という5つの次元でエージェントアーキテクチャを分析している。
著者らの中心的な主張は、真のエージェンシーにはこれらの構造が外部の足場（スキャフォールディング）によって組み立てられるのではなく、システム自体に内在化される必要があるというものである。これに基づき、彼らは「エージェント的（agentic）」システムと「エージェンシブ（agentive）」システムを区別する。前者の能力は設計されたワークフローに宿るのに対し、後者の能力（社会的相互作用を含む）は内生的に生じる。この区別は、所定のタスクのために設計されたシステムと、オープンワールドで真の自律性をもって動作できるシステムとの境界を定義する。
この分析を踏まえ、論文は汎用エージェントモデルのための「Goal-Identity-Configurator（GIC）」アーキテクチャを提案する。これは階層的な目標分解、アイデンティティの進化、別途訓練された世界モデルに基づくシミュレーティブ推論、学習された自己調整、そして実経験とシミュレーション経験の両方からの自己指向学習を組み合わせたものである。
さらに著者らは、より大きな自律性と「エージェンシー」を持ちながらも人間の監督下に留まるエージェンシブシステムの監査可能性、制御可能性、安全性に関する洞察を共有している。本論文はEric Xingら3名によって2026年6月22日にarXivに提出され、arXiv:2606.23991v1としてcs.AIに分類され、cs.LG、cs.MA、cs.ROの関連分野にもまたがっている。