近年、大規模言語モデル（LLM）はマルチエージェントシステムに広く利用されていますが、エージェントの人格特性がチームパフォーマンスに与える影響は未解明の課題です。arXivに投稿された新しい研究（arXiv:2606.27443）では、最先端LLMの協調性（Agreeableness）特性を操作し、構造化コーディング、オープンエンドな研究コラボレーション、競争的交渉の3つのタスク領域で、人格構成がチーム成績に与える影響を系統的に評価しました。
研究チームは、人格効果がタスク構造に強く依存することを発見しました。コーディングタスクでは、低協調性のプロンプトがエージェントに攻撃的な言語を使用させましたが、この行動変化はマイルストーン達成率にほとんど影響しませんでした。これは、コーディングというタスクが明確なルールと検証可能な結果を持ち、エージェント間のコミュニケーションの質が個々の作業成果に直結しないためと考えられます。
一方、オープンエンドな研究コラボレーションや競争的交渉では、同じ低協調性操作がチームパフォーマンスを大幅に低下させました。研究コラボレーションでは、低協調性のエージェントが情報共有を拒否したり、意見対立を解決できなかったりすることで、研究の進捗が妨げられました。競争的交渉では、低協調性のエージェントが強硬な立場を取り、互いに譲歩しないため、合意に達することが難しく、結果として交渉利益が減少しました。
論文は、マルチエージェントシステムの設計において、タスク特性に基づいて人格プロンプト戦略を検討すべきであると指摘しています。構造化されたタスクでは人格操作の効果が限定的ですが、協調や交渉を必要とするタスクでは人格構成がチーム成功の鍵を握ります。研究はまた、人格操作の限界も明らかにしました。コミュニケーションスタイルを変えることはできても、すべての状況で望ましい結果が得られるわけではありません。将来の研究では、他の人格次元（開放性、誠実性など）の組み合わせ効果や、動的なタスクにおける適応的人格調整の可能性を探ることが期待されます。