Self-Reflection（LLM）とは？

Self-Reflection（セルフリフレクション・自己検証）とは、LLMやAIエージェントが自らの出力・判断・推論プロセスを評価・批判・修正する能力を指す概念です。人間が自分の考えを振り返って誤りを発見・修正するプロセスをAIに実装したものであり、一度生成した出力をエージェント自身が検証して品質を向上させるための自律的な品質管理機能として位置づけられます。

— 背景・課題

LLMは確率的な生成モデルであるため、最初の出力が必ずしも最良ではなく・ハルシネーションや論理的な誤りを含む場合があります。人間のレビュアーが毎回すべての出力を検証することは工数の観点から現実的でなく、かつAIエージェントが自律的に処理を進めるAgentic Workflowでは人間の介入なしにある程度の品質保証が必要です。Self-Reflectionはエージェントが自らの出力を評価・修正することで、人間のレビュー負荷を下げながら出力品質を向上させる自律的な品質管理機能として注目されています。

— 仕組み・特徴

Self-Reflectionの実装パターンは三つに分類されます。Self-Critiqueはエージェントが自らの出力に対して「この回答に問題はないか」という批判的な評価を行い問題点を特定するパターンです。Self-Revisionは特定された問題点を元に出力を修正・改善するパターンです。Reflexionは複数のタスク実行から得た経験をエージェントの長期記憶に蓄積し、次回のタスク実行に活用する学習型のSelf-Reflectionパターンです。ReActがステップごとの推論と行動を統合するのに対し、Self-Reflectionは生成した出力全体を事後的に評価・修正するという点で異なります。Chain-of-ThoughtとSelf-Reflectionを組み合わせることで、推論プロセスの透明化と出力品質の自律的な改善を同時に実現できます。

— 実務利用シーン

上流工程での代表的な活用例は、要件定義AIエージェントがUSDM形式の要件定義書を生成した後、Self-Reflectionで「完全性・一貫性・検証可能性の観点で問題はないか」を自律的に評価・修正してから人間のレビュアーに提出するフローです。Self-Reflectionによる一次品質チェックを経ることで、人間のレビューが構造的な問題の発見から本質的な要件判断に集中できるようになります。AI要件定義ガバナンスの観点では、Self-Reflectionの評価プロセスと修正履歴を監査証跡として保全することで、AI生成成果物の品質管理の透明性が確保されます。

— 関連概念との関係性

Self-ReflectionはAgentic Workflow・ReAct・Chain-of-Thoughtと連携してAIエージェントの品質保証機能を構成します。AI Agent Memoryの長期記憶との組み合わせ（Reflexionパターン）により、エージェントが過去の誤りから学習して継続的に品質を向上させる自律的な改善ループが実現します。AIエージェント評価・Evalsとの組み合わせでは、Self-Reflectionの前後での出力品質変化を定量測定することが品質向上効果の検証手段として有効です。

— まとめ・重要性

Self-Reflectionは、AIエージェントに「自分で確認してから提出する」という人間的な品質意識を実装する機能です。上流工程の要件定義・設計書生成において、エージェントが自律的に品質を検証・修正するSelf-Reflectionの実装が、Human-in-the-Loopによるレビュー負荷を削減しながら一定以上の品質水準を維持するための実践的な手段となっています。