Claudeメモリ機能とDreaming解説｜過去を記憶するAIの衝撃【2026】

「この前と同じことを、また一から説明しないといけないのか…」

AIツールを業務で使い始めた人なら、一度はこう感じたことがあるはずです。先週みっちり背景を教えて、いい感じの提案を作ってもらった。なのに翌週には、AIはあなたの会社のことも、前回決めたルールも、きれいさっぱり忘れている。毎回ゼロからのスタートです。正直、これがAI活用の地味だけど大きなストレスでした。

その「毎回ゼロから問題」に、Anthropic（Claudeの開発元）が正面から手を入れてきました。2026年5月6日の開発者イベント「Code with Claude」で発表されたDreaming（ドリーミング）です。名前のとおり、人間が睡眠中に一日の出来事を整理して記憶を定着させるように、AIエージェントがセッションとセッションの「あいだ」で過去を振り返り、記憶を整理し直す——そんな機能です。一部の海外メディアは「実質的な永続メモリ」とまで表現しました。

ただ、ここで冷静になる必要があります。これは万能の魔法ではないし、いきなり全員が使えるものでもありません。この記事では、100社以上のAI研修・導入支援の現場で見てきた実務的な視点から、Dreamingとは何なのか、どこまで本当で何が誇張なのか、そして中小企業がいま何を準備すべきかを、出典付きで整理します。AIエージェントの基本的な考え方はAIエージェント導入完全ガイドでも体系的にまとめているので、合わせて読むと理解が深まります。

何が起きたのか — Dreamingとメモリ強化のファクト

まず事実関係を時系列で押さえます。今回の発表は、単独の「メモリ機能」ではなく、エージェントを賢く動かすための3つの機能セットの一部として出てきました。

ここで一番大事な前提を、はっきり書いておきます。今回のDreamingは「Claude Managed Agents」というAPI基盤向けの機能です。つまり、エンジニアがClaudeを使って自社の業務エージェントを作り込むための仕組みであって、私たちが普段ブラウザやアプリで開くチャット画面（消費者向けのClaude）の設定にすぐ現れるものではありません。ニュースの見出しだけ見て「明日からうちのChatGPTみたいな画面が記憶してくれる」と思うと、ズレます。

研修の現場でよく起きる誤解がこれです。「メモリが進化した」と聞くと、多くの方がチャット画面の挙動を想像します。でも今回の主役は、その裏側でエージェントを動かす開発者向けの土台です。「自分が今日すぐ触れる話」と「業界の方向性を示す話」を分けて受け止めると、判断を誤りません。

Dreamingが具体的に何をするのか

Anthropicの公式ドキュメントによると、エージェントは作業しながら自分の「メモリストア（記憶の置き場）」に書き込んでいきます。ただしこの書き込みは局所的で逐次的なので、セッションを重ねるうちに重複・矛盾・古くなった情報がどんどん溜まっていきます。人間でいえば、机の上に付箋が無秩序に増えていく状態です。

Dreamingは、この散らかった記憶を掃除します。具体的には、既存のメモリストアと過去のセッション記録（最大100セッション）を読み込み、次の処理をした「新しいメモリストア」を生成します。

面白いのは、単一のエージェントだけでは見えないパターンが浮かび上がる点です。Anthropicは、繰り返し起きるミス、エージェントが自然と落ち着いていくワークフロー、チームで共有される好み（書き方の癖や定型ルール）といったものを例に挙げています。1回のセッションでは「たまたま」に見えることも、何十回分をまとめて振り返ると「これは傾向だ」と分かる、という発想です。

この「単発では見えないが、束ねると見える」という性質は、現場の業務改善とまったく同じ構造をしています。1件のクレームは個別対応で終わりますが、同じ趣旨のクレームが月に10件あれば、それは仕組みの問題です。Dreamingがやっているのは、AIエージェントの作業ログに対してこの「束ねて見る」作業を、人間の代わりに定期的に回すことだと言えます。しかも、整理した結果を次回起動時にあらかじめ読み込ませる（プリロードする）ことで、エージェントは「前回までの学び」を最初から持った状態で仕事を始められます。毎朝、引き継ぎノートを読んでから出社するベテラン社員のイメージに近いです。

技術的な補足をすると、Dreamingは非同期のジョブとして動き、入力するセッションの数や長さにもよりますが、数分から数十分かけて処理が完了します。リアルタイムで毎秒走るものではなく、「区切りのタイミングでまとめて振り返る」という設計です。これは人間の睡眠による記憶定着になぞらえた発想で、機能名「Dreaming（夢を見る）」もそこから来ています。

「永続メモリ」という表現は正確か

海外の一部メディアは今回のアップデートを「permanent memory（永続メモリ）」と表現しました。気持ちは分かりますが、ここは正直に整理しておきます。

公式ドキュメントの記述は、もっと慎重です。Dreamingは「過去セッションを振り返ってパターンを見つけ、記憶を整理する」スケジュール処理であり、しかも現時点ではリサーチプレビュー。誰でも常時オンで使える「永続的に何でも覚える機能」とは言い切れません。「AIが過去を踏まえて賢くなる方向に進んだ」のは確かですが、「もう絶対に忘れない永久記憶が完成した」と読むのは行き過ぎです。この記事では、確認できた範囲の事実をもとに「方向性は本物、ただし発展途上」という温度感で書いています。

仕組みをもう一段くわしく — 「記憶を使う・整理する」3つの例

イメージを具体化するために、公式ドキュメントの内容にもとづいた操作例を3つ紹介します。いずれも「Claude Managed Agents」のAPIを使う開発者向けの世界の話ですが、流れを知っておくと「自社で使うとき何が起きるか」が想像しやすくなります。

例1：記憶を整理する（Dreamを1回まわす）

既存の記憶（メモリストア）と、振り返り対象の過去セッションを指定して、整理処理を1回走らせる基本形です。instructionsに「何を重視して整理するか」を書ける点がポイントです。

{
  "inputs": [
    { "type": "memory_store", "memory_store_id": "<あなたの記憶置き場のID>" },
    { "type": "sessions", "session_ids": ["<過去セッションA>", "<過去セッションB>"] }
  ],
  "model": "claude-opus-4-8",
  "instructions": "コーディングスタイルの好みを重視して整理し、一度きりのデバッグメモは無視してください。"
}

注目すべきは、入力した記憶ストアは一切書き換えられないこと。Dreamingは結果を「別の新しいメモリストア」として出力します。気に入らなければ、その出力をそのまま捨てればいい。元の記憶は無傷で残ります。これは後述するプライバシー・安全性の話に直結する、地味だけど重要な設計です。

例2：整理した記憶を「採用するか・捨てるか」を選ぶ

処理が完了すると、新しく作られた記憶ストアを次回のセッションに付けて使えます。逆に、内容を確認して不要なら削除・アーカイブできます。「自動で反映」ではなく「人間が見てから反映」を選べる、というのが業務利用では効いてきます。

# 整理後の記憶を、次の作業セッションにそのまま引き継ぐ
session = create_session(
    agent = "<あなたのエージェント>",
    resources = [
        { "type": "memory_store", "memory_store_id": "<整理後の新しい記憶ID>" }
    ]
)

# 内容が気に入らなければ、整理後の記憶を破棄するだけ（元の記憶は無傷）
delete_memory_store("<整理後の新しい記憶ID>")

ここで覚えておきたいのは、整理処理の入力に使った元データ（セッションや元の記憶）は、処理の途中で消したり書き換えたりしないという点です。途中で元データを消すと処理自体が失敗する仕様になっています。「いつのまにかデータが上書きされて取り返しがつかない」という事故が起きにくい作りです。

例3：自社の現場で「覚えさせる範囲」を言葉で指示する

これはAPIの厳密な構文というより、現場で使うときの指示の出し方の例です。何を記憶に残し、何を残さないかを自然な言葉で指定できると、運用の安全性が一気に上がります。

顧客対応エージェントの記憶を整理してください。

【残してほしい記憶】
- 各顧客の「呼び方」「過去の問い合わせカテゴリ」「対応で喜ばれた点」
- 社内で繰り返し使う定型フレーズや、NGワードのルール

【残さないでほしい記憶】
- クレジットカード番号・マイナンバーなどの機微情報
- 一度きりの個別事情で、再利用すると誤解を生むメモ

矛盾する情報があれば、最新の日付のものを優先してください。
不足している情報があれば、最初に質問してから整理を始めてください。

最後の一文「不足している情報があれば質問してから」は、私が研修で配るプロンプトに必ず入れている事故防止フレーズです。AIに勝手に推測で記憶を作らせないための、シンプルだけど効く一行です。

なぜこれが重要なのか — 「賢くなり続けるAI」の意味

機能の細かい話から少し引いて、なぜこれが業界的に重要なのかを整理します。

これまでのAIエージェントの最大の弱点は、まさに「忘れる」ことでした。タスクを終えてセッションを閉じると、次回は前回のことを覚えていない。多くの人が「うちのAIは何でもすぐ忘れる」と言うのは、この状態を指しています。だから利用者は毎回、背景・前提・ルールを説明し直す必要がありました。これは時間のムダであると同時に、AIが経験から学んで上達することを妨げていました。

もう少し具体的に言いましょう。たとえば営業資料の作成をAIに頼むとき、「うちの会社はこういうトーンで、こういう順番で、この項目は必ず入れて」という前提が毎回必要です。一度教えても、翌週には忘れているので、また同じ説明から始める。これを10回繰り返したら、トータルでかなりの時間を「前提の再説明」だけに使っていることになります。人間の新人なら3回も教えれば覚えるのに、AIは毎回が初日の新人だった、というわけです。記憶とDreamingが効くと、この「毎回が初日」状態から「2回目以降は経験者」状態へ移れる可能性があります。

Anthropicの整理によれば、メモリ機能が「作業しながら学んだことを記録する」役割を担い、Dreamingが「セッションのあいだに、その記憶を磨き上げる」役割を担います。この2段構えで、エージェントは使えば使うほど自分の作業に最適化されていく——という設計思想です。

導入支援の現場での実感として、AI活用がうまくいく会社といかない会社の差は「ツールの性能」より「ナレッジが溜まる仕組みがあるか」でした。優秀な担当者の頭の中にしかノウハウがない会社は、その人が辞めた瞬間に振り出しに戻る。Dreamingが目指しているのは、まさにその「組織の記憶」をAI側に持たせる方向です。だからこれは単なる便利機能ではなく、ナレッジ経営の話だと捉えています。

顧客事例として公表されている数字

Anthropicは発表に合わせて、いくつかの企業事例を公表しています。これらは公式に発表された数字で、自社の研修・導入で測定したものではないため、事例区分：公開事例として扱います。

「約6倍」は確かに目を引きます。ただし注意点として、これは法律文書ドラフトという特定の重い業務で、これまで何度も失敗していたものが安定して完了するようになった、という文脈の数字です。あらゆる業務で6倍速くなるという意味ではありません。効果は業務の性質に大きく依存します。この点は割り引いて読むべきところです。

関連3機能の整理 — Dreamingだけ見ても全体は分からない

Dreamingは単独ではなく、Outcomes・マルチエージェントオーケストレーションと組み合わさることで真価を発揮します。3つの役割分担を表で整理します。

イメージとしては、Outcomesが「合格基準」、メモリとDreamingが「経験と学習」、オーケストレーションが「チーム編成」です。複数のエージェントがチームで働き、その全員の経験をDreamingが束ねて磨く。次回起動するときには、整理済みの「使える記憶」が最初から読み込まれている。そういう絵姿を目指しています。AI導入を全社戦略としてどう描くかは、AI導入戦略の立て方の記事も参考にしてください。

ここで興味深いのが、マルチエージェントオーケストレーションとDreamingの相性です。司令塔のエージェントが仕事を分解し、複数の専門エージェント（調査担当・文章担当・チェック担当など）に割り振って並列で動かす。それぞれが共有のファイルスペース上で作業し、司令塔は途中経過を確認できる。この「チーム」が積み上げた経験は、個々のエージェントにバラバラに溜まります。Dreamingは、そのチーム全体の記憶を横断して「みんなが共通して大事にしているルール」や「チームで繰り返している非効率」を見つけ出せます。一人ひとりの日報を読むだけでは見えないチームの課題が、全員分を並べると見えてくる——あの感覚に近いです。

Outcomesも見逃せません。これは「成功とは何か」を採点表（ルーブリック）として書いておくと、別の採点役が出力を評価し、基準に届いていなければエージェントがもう一度やり直す、という仕組みです。Anthropicの検証では、特定タスクで最大10ポイントの成功率改善が報告されています（資料作成系の生成で改善幅が大きかったとされます）。人間が毎回チェックしなくても、AIが自分で「合格まで詰める」ようになるイメージです。記憶（学び）と採点（基準）が組み合わさると、エージェントは「前回の失敗を覚えていて、今回は基準を満たすまで自分で直す」という、かなり自律的な振る舞いに近づきます。

賛否両論 — 便利さとプライバシーは表裏一体

ここが、経営者として一番冷静に考えるべきパートです。AIが過去を覚えることは便利ですが、同時にリスクの源にもなります。楽観論と慎重論を並べます。

楽観論：覚えるほど業務が楽になる

• 毎回の前提説明が要らなくなり、本題から入れる
• 担当者ごとにバラついていた対応の質が、組織の記憶として平準化される
• 「繰り返すミス」をAI側が検知して、同じ失敗が減っていく
• 属人化していたノウハウが、辞めても消えない資産になりうる

慎重論：何を覚えさせるかを誤ると事故になる

• 機微情報の蓄積リスク：顧客の個人情報や機密が記憶に紛れ込むと、それが繰り返し参照される
• 誤った記憶の固定化：間違った前提や古い社内ルールを「正しい記憶」として学習してしまう
• 説明責任：「なぜAIがその判断をしたか」を、蓄積された記憶までさかのぼって説明できるか
• データの置き場所：記憶がどこに保存され、誰がアクセスでき、退会・削除時にどう扱われるか

救いなのは、前述したとおりDreamingが「入力の記憶を書き換えず、新しい記憶を別に作る」「人間がレビューしてから反映するか選べる」「不要なら出力を削除・アーカイブできる」という設計になっている点です。つまり仕組み上は、何を残すかを人間がコントロールできる余地が確保されています。問題は、その余地を使う運用ルールを会社が用意しているかどうか。技術ではなく運用の話です。

もうひとつ、見落とされがちですがビジネス判断で重要なのが「コスト」と「データの所在」です。Dreamingの記憶整理処理は、選んだモデルの標準的なAPIトークン料金で課金され、入力するセッションの数と長さにおよそ比例してコストが増えます。公式ドキュメントも「まず少数のセッションで試し、整理の品質に納得してから規模を広げる」ことを推奨しています。何でもかんでも全セッションを毎日整理させると、効果より費用がかさむ恐れがある、ということです。中小企業ほど、この「小さく始める」原則を守る価値があります。

データの所在については、今回のメモリ・Dreamingが「Claude Managed Agents」という事業者向け基盤上で動く点を押さえておきましょう。記憶（メモリストア）は自社のワークスペース内のリソースとして管理され、APIやコンソールから中身を確認・編集・削除できます。つまり「ブラックボックスに勝手に溜まる」のではなく、「自社の管理下にある棚に置かれ、棚卸しができる」という建て付けです。とはいえ、どこのリージョンに保管され、契約上どう扱われるかは導入時に必ず確認すべき項目です。ここは記事の一般論で済ませず、自社の情報システム部門や提供元に直接確認してください。

正直にお伝えすると、AIのメモリ機能で事故るパターンの多くは、機能の問題ではなく「線引きを決めていなかった」ことが原因です。便利だからと何でも覚えさせ、あとから「これ覚えさせちゃダメだったやつだ」と青ざめる。最初に「覚えさせるもの・覚えさせないもの」のリストを1枚作っておくだけで、防げる事故がかなりあります。

日本・中小企業への影響

では、日本の、特に中小企業にとってこの動きはどう効いてくるのか。3つの角度で考えます。

1. 「AIが定着しない」問題への処方箋になりうる

日本の中小企業でAIが続かない典型は、「最初の数週間は盛り上がるが、毎回ゼロから説明するのが面倒で、だんだん使わなくなる」というものです。記憶が引き継がれるエージェントは、この離脱ポイントを減らせる可能性があります。使うほど自分の業務に馴染んでいくなら、定着率は上がるはずです。

とくに人数の少ない会社では、AI活用の旗振り役が1人しかいないケースが多く、その人が忙しくなると一気に止まります。記憶が貯まる仕組みがあれば、「教え込みコスト」が初回に集中し、2回目以降が軽くなるので、旗振り役の負担が下がります。逆に言えば、初回の作り込みさえ乗り越えれば続けやすくなる、という構造です。

2. 「属人化」と「人手不足」の両方に効く

ベテランの頭の中にしかないノウハウを、AIの記憶として組織に残せるなら、人手不足と技能継承の両面で価値があります。ただし、これは裏を返せば「間違ったノウハウも残ってしまう」リスクと隣り合わせです。最初に正しい型を作り込む初期設計が、これまで以上に重要になります。

3. ただし、いますぐ全社導入する話ではない

繰り返しになりますが、Dreaming自体はリサーチプレビューで、開発者向けのAPI基盤の機能です。「来週から全社員のチャットが記憶する」という話ではありません。中小企業がいまやるべきは、慌てて導入することではなく、来たるべき「記憶するAI」時代に向けて、自社のデータと運用ルールを整えておくことです。AIエージェントを業務に組み込む実践面はClaude Code 法人導入ガイドでも具体的に解説しています。

企業がとるべきアクション

100社以上の導入支援から見えてきた、いま着手すべき具体的アクションを4つに絞ります。どれも今日から、あるいは今月中に始められるものです。

アクション1：「覚えさせるもの・覚えさせないもの」リストを作る

最優先はこれです。AIに記憶させてよい情報（業務手順、定型フレーズ、頻出の質問パターン）と、絶対に記憶させてはいけない情報（個人情報、決済情報、機密の契約条件）を、A4一枚に書き出します。これは技術を待たずに今日できる、最もコスパの高い準備です。

アクション2：いまの業務記録を「学習に使える形」に整える

記憶するAIは、過去のやりとりを材料にして賢くなります。ということは、いまの問い合わせ対応や作業記録が散らかっていると、整理しても良い記憶になりません。まずは「よくある質問と模範回答」を10〜20個まとめる程度から始めるのが現実的です。

アクション3：小さく試せる業務を1つ選ぶ

全社一斉ではなく、繰り返しが多く・失敗してもリカバリーしやすい業務（社内FAQ対応、定型メールのドラフト作成など）を1つ選んで試します。記憶が効くかどうかは、繰り返しの多い業務ほど分かりやすく出ます。

アクション4：レビュー担当を決めておく

Dreamingは「人間がレビューしてから記憶を反映する」設計が選べます。これを活かすには、「AIの記憶を誰がチェックするか」を最初に決めておくこと。技術的には可能でも、見る人がいなければ意味がありません。月1回でいいので、AIに何が溜まっているかを点検する係を置きましょう。

【要注意】よくある誤解と落とし穴

誤解1：「明日から自分のチャット画面が記憶する」

❌ ニュースを見て、消費者向けチャットの仕様変更だと思い込む
⭕ 今回の主役は開発者向けのエージェント基盤。自社で作り込むエージェントの話だと理解する

なぜ重要か：期待値を間違えると「言ってたのと違う」となり、社内のAI不信を招きます。

誤解2：「永続メモリだから、何でも覚えさせれば賢くなる」

❌ とにかく全部記憶させれば自動で優秀になると考える
⭕ 何を残し何を捨てるかを設計するからこそ、記憶が「高シグナル（使える情報）」になる

なぜ重要か：ゴミを溜め込んだ記憶は、かえってAIの判断を鈍らせます。Dreamingがやっているのは「掃除」であって「溜め込み」ではありません。

誤解3：「効果6倍だからうちも6倍になる」

❌ 公開事例の数字を、自社の全業務に当てはめる
⭕ 効果は業務の性質に大きく依存すると理解し、自社の繰り返し業務で実測する

なぜ重要か：他社事例は方向性の参考にはなりますが、保証ではありません。複数の要因（業務設計・運用の仕組み化）が重なって出た数字です。

FAQ

Q1. Dreamingは今すぐ誰でも使えますか？

いいえ。2026年5月時点ではリサーチプレビューで、利用にはアクセス申請が必要です。一方、メモリ・Outcomes・マルチエージェントオーケストレーションはパブリックベータとして、より広く使える状態になっています。いずれもClaude Managed Agentsという開発者向け基盤の機能です。

Q2. 普段使っているClaudeのチャット画面で記憶が効くようになるのですか？

今回発表されたDreamingは、チャット画面の機能ではなくエージェントを開発・運用するためのAPI基盤の機能です。消費者向けチャットのメモリ挙動とは分けて考えてください。将来的に体験が近づく可能性はありますが、今回の発表をもって「チャットが記憶するようになった」と読むのは正確ではありません。

Q3. 記憶した内容は勝手に書き換えられてしまいますか？

いいえ。Dreamingは入力した記憶を一切書き換えず、整理し直した結果を「別の新しい記憶」として出力します。結果を確認して、採用するか・捨てるかを選べます。自動反映と人間レビューのどちらにするかも選択できる設計です。

Q4. 機密情報や個人情報を覚えさせても大丈夫ですか？

仕組み上は「何を記憶に残すか」を人間がコントロールできますが、だからこそ運用ルールが不可欠です。記事中のアクション1のとおり、「覚えさせてはいけない情報リスト」を先に作り、機微情報を記憶に紛れ込ませない運用を徹底してください。これは技術ではなく社内ルールの問題です。

Q5. 「永続メモリ」と紹介している記事もありますが、本当ですか？

一部メディアが「permanent memory（永続メモリ）」と表現していますが、公式の記述はより慎重で「過去セッションを振り返ってパターンを見つけ記憶を整理する」というものです。方向性として「AIが過去を踏まえて賢くなる」のは確かですが、「永久に何でも忘れない機能が完成した」と断定するのは行き過ぎです。発展途上の機能として捉えるのが正確です。

Q6. 中小企業はいま何から始めればよいですか？

慌てて導入する必要はありません。まずは「覚えさせるもの・覚えさせないもの」のリスト作成と、よくある質問・模範回答の整理から始めてください。記憶するAIが本格的に普及したとき、すぐ活かせる土台になります。

まとめ

Claudeの「Dreaming」は、AIエージェントがセッションをまたいで過去を振り返り、記憶を整理して次回に引き継ぐ仕組みです。「毎回ゼロから」というAI活用最大のストレスに、開発元が正面から手を入れてきたという意味で、方向性は本物です。

一方で、現時点ではリサーチプレビューの開発者向け機能であり、「明日から全員のチャットが記憶する」話ではありません。そして便利さの裏には、何を覚えさせ何を覚えさせないかという運用設計の課題が必ずついてきます。技術の進化を冷静に見つつ、自社のデータと運用ルールを整えておく——いま中小企業がやるべきはそこです。

「AIが過去を覚えて賢くなる」時代は、確実に近づいています。その日に慌てないために、今日できる準備から手をつけていきましょう。

あわせて読みたい

• Claude Opus 4.8 完全ガイド — Dreamingのエンジンにも使われる最新モデルの実力
• 中小企業のためのClaude活用ガイド — まず何から始めるかを具体的に

参考・出典

• New in Claude Managed Agents: dreaming, outcomes, and multiagent orchestration — Anthropic（Claude公式ブログ）（参照日: 2026-05-29）
• Dreams — Claude Platform Documentation — Anthropic（公式ドキュメント）（参照日: 2026-05-29）
• Anthropic updates Claude Managed Agents with three new features — 9to5Mac（参照日: 2026-05-29）
• Anthropic introduces “dreaming,” a system that lets AI agents learn from their own mistakes — VentureBeat（参照日: 2026-05-29）
• Code with Claude 2026: 5 New Agent Features Anthropic Just Shipped — MindStudio（参照日: 2026-05-29）
• Anthropic Launches Dreaming for Claude Agents at Code with Claude 2026 — Let’s Data Science（参照日: 2026-05-29）

著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。