
1113 | 今週のAIツール速報:エージェント時代の新常識
Notes de l'émission
今週のAI・開発ツールニュースを、開発者のエージェント基盤から日常のMacアプリ、マーケティングやビジネス向けツール、そして世界的なプラットフォームの動きまで、五つのテーマに分けてコンパクトに紹介します。
タイムライン
- 00:00:04 オープニング
- 00:00:43 エージェントが仕事を引き継ぐ:チームAIと長期記憶
- 00:05:22 エージェント開発の土台:スケール、検証、監視
- 00:10:27 決定論的AIとPR化するコーディング
- 00:15:00 AIが作ったサイトと映像を「動かす」場所
- 00:20:07 日常と創作のAI:ローカル第一と買い切り
- 00:25:36 クロージング
関連リンク
- Customer.io Fall Release
- Grok Bot 1.0
- Harness Memory
- Toki Matter
- CanyonOS
- Plurai Simulation
- three.dev
- Omnigraph
- Oxagen
- Blendra
- ⌘+L
- mang.sh
- Gnista
- Didit MCP
- Spacefast by Automattic
- YouArt Desktop App
- Insight7 Voice AI Agents
- Sendr V4: Lovable for GTM
- Neura HQ
- Gemini Decisions API
- Sluice
- Adobe AI Assistant
- Hoy for Mac
- WizardNote
- Nameshot
- Cloudways Velocity
このエピソードは Bri によって制作されています。Bri は高度な AI 技術で、あなたが気にかけるフィードを聞くためのポッドキャストに変換します。お問い合わせは hi@bri.so まで。
Transcription
葵: こんにちは、ポッドキャストへようこそ。パーソナットの葵です。
悠真: 悠真です。今日も最新のAIプロダクトの話を、じゃんじゃん紹介していきますよ。今日のラインナップはどれも共通のテーマがあって、要するに「AIが自分で仕事を引き受ける時代になって、それをどう運用するのか」という話なんですよね。
葵: そうそう。AIチームメイトとか、エージェントに長期記憶を持たせるとか、その土台の技術、そして作ったものをどう動かすか、最後は日常や創作の中でのAIの話まで。これ、全部つながってるんですよ。
悠真: では早速いきましょう。まずはエージェントが仕事を引き継ぐ世界から。
葵: まずCustomer.ioのフォールリリースからね。カスタマーエンゲージメントのプラットフォームなんだけど、今回面白いのが、エージェントが提案する実験と、ジャーニー分岐の実験。つまり、マーケティングのジャーニーの中で、A案とB案を分岐させて試せるようになったり、AIエージェントが「ここ実験したほうがいいですよ」って提案してくれたりする。
悠真: これは注目ですよ。従来のマーケティングツールって、人間が「こういう施策を試そう」って決めて、セットして、結果を見て、また次を考えるっていうサイクルだったんですけど、エージェントが実験を提案するってことは、このサイクルの一部をAIが担い始めているわけです。
葵: そう。そして面白いのは「なぜこれが重要か」っていうと、エージェントが「覚えて引き継ぐ」前提のチーム運用が現実になりつつあるからなんです。実験結果をエージェントが学習に使う流れが今後進むかどうかは未知数なんだけど、少なくとも提案の段階までは来た。
悠真: その「覚えて引き継ぐ」の部分、次の話につながりますね。Grok Bot 1.0です。
葵: Grok Bot 1.0は、AIチームメイトをSlackやTeamsで共有できるものなんですよ。しかも、ただのチャットボットじゃなくて、通話に参加できたり、自発的に作業を拾って進めたり、チームの好みを学習したりする。
悠真: 「共有できる」っていうのがポイントですよね。個人で使うAIアシスタントってたくさんあったんですけど、チームメンバー全員が同じAIチームメイトを共有して、その子が会話の文脈や仕事の進め方を覚えていく。これは「引き継ぐ」という言葉がまさに当てはまる。例えば、あるメンバーがAさんと作業してた内容を、Bさんに引き継ぐときも、同じエージェントが文脈を持ってるってわけです。
葵: そうそう。それで通話にも参加できるから、オンラインミーティングの議事録とかを拾うだけじゃなくて、発言したりすることもできるっていう。これが「AIチームメイト」って言われる所以かな。でも、これらを機能させるには「覚える」っていう部分が本当に必要になる。
悠真: そこでHarness Memoryの出番です。これは長期記憶をエージェントに持たせる仕組みで、Claude CodeとかCodex、Hermesなど、ハーネス横断で使えるんですよ。
葵: ここは本当に大事なところ。エージェントって、普通、セッションが終わると忘れちゃう。でもHarness Memoryは、複数のエージェントのハーネスをまたいで記憶を持ち続ける。しかも、ユーザーごとに分離してて、勝手に消せない。「消せるのは人間だけ」っていう設計思想になってる。
悠真: これは一見地味だけど、すごく重要な点なんですよ。まず「ハーネス横断」っていうのは、Claude Codeの記憶とCodexの記憶が別々だったら、エージェントを乗り換えるたびに一から説明し直すことになる。それを一つの記憶にまとめるっていう発想。
葵: そう。で、「ユーザーごとに分離」っていうのは、企業で使うときに、他のメンバーの作業内容とか機密情報を勝手に学習されたりしないっていう安心感。で、「人間だけが消せる」っていうのは、エージェントが自己判断で記憶を書き換えたり、消したりしない。記憶の整合性を人間が担保するっていう設計。
悠真: これは、先ほどのCustomer.ioの話とも通じるんですよ。エージェントが実験結果を「覚えて」次の提案に生かす、っていう流れを考えると、その記憶を誰が管理するのかっていう問題が本質的になる。今のところ、その答えの一つが「エージェントではなく人間が持つ」っていうHarness Memoryのアプローチなんですよね。
葵: その記憶の概念でいうと、もう一つ面白いものがあって、Toki Matter。
悠真: あ、これも同じ「覚えて引き継ぐ」系ですね。
葵: そう。Toki Matterは、AIアシスタントが「Matter」っていう継続中のゴールを追跡するんですよ。そのゴールは、メール、カレンダー、Slackから自動で拾ってくる。で、ユーザーがアクションを承認して、必要なときはユーザーが手を出すっていう。
悠真: これは、個人の仕事の流れに溶け込むタイプなんですよね。Slackやメールのやり取りから「あ、これまだ解決してないタスクなんだ」っていうのを検知して、「Matter」として保持し続ける。で、進め方も全部AIが勝手にやるんじゃなくて、ユーザーが承認するっていうステップが入ってる。つまり「覚えて引き継ぐ」けど「勝手に進めない」っていうバランスです。
葵: Harness Memoryが「人間だけが消せる」っていう設計をしたのと同じで、Toki Matterも「ユーザーが承認して進める」っていう設計をしてる。だから、この「エージェントに覚えさせるけど、コントロールは人間が握る」っていう思想が、今日出てくるプロダクト全般に共通するテーマなんですよ。
悠真: なるほど、そう考えると今日の話、全部つながってますね。じゃあ次の話題に進むと、その「覚えて引き継ぐエージェント」を実際に動かすための土台の話になります。
葵: まずはCanyonOS。これはオープンソースのプラットフォームで、ライセンスはAGPL-3.0。マルチエージェントのPythonアプリを動かすための土台なんですけど、特徴が「エージェントごとのコンテナスケーリング」と、コストと観測性を提供するっていう。
悠真: これ、マルチエージェントの時代に必須になると思われる機能ですよね。複数のエージェントが同時に動いてるとき、それぞれの負荷って違うんですよ。あるエージェントは重くて、あるエージェントはほとんど動いてない。だから、エージェントごとにコンテナをスケールさせられるっていうのは、リソースの効率化に直結する。
葵: そう。で、「コストと観測性」っていうのが大事で、マルチエージェントって、どのエージェントがどれくらいコストを使ってるのか、どのエージェントが遅いのか、っていうのが見えにくい問題があるんです。それを可視化してくれるっていう。しかもオープンソースでAGPL-3.0だから、自分でホストもできる。
悠真: 「エージェントごとに課金する」っていう実務的な問題もまだ未知数ですけど、観測性の土台っていう意味では、CanyonOSのようなプラットフォームが必要になってくる段階に入ってるってことだと思います。
葵: そう、そして「観測」の次は「評価」の話。Plurai Simulationです。
悠真: これは面白い概念なんですよ。「エージェントの世界のデジタルツインをサンドボックスに作る」っていう。
葵: つまり、エージェントが動作する世界そのものを模倣した環境をサンドボックスとして作って、そこで評価を行うんです。で、評価の仕方が「実際の状態変化」をチェックするっていうのが特徴。
悠真: あ、これ大事なところです。「エージェントが正しい答えを言ったか」じゃなくて、「実際にシステムの状態が変わったか」をチェックするんですよね。例えば、エージェントが「予約完了しました」って言ったとしても、実際に予約が取れてなかったら意味がない。だから、サンドボックス上でエージェントを動かして、その後の状態変化を見るっていう評価方法。
葵: で、失敗したシナリオは「再生」できる。これはデバッグにすごく便利で、失敗が再現できるから、原因を特定しやすい。しかも、Claude CodeやCodexで動くっていうのが面白いところで、つまり普段コーディングに使ってるハーネスの中で、エージェントの評価もできるっていう。
悠真: そう、開発のワークフローの中にエージェントの評価を組み込めるっていう点が、実務的に重要なんですよ。テストをCIに組み込むのと同じ発想で、エージェントの評価を開発の一部にするっていう。
葵: そうすると、評価で見つかった問題を「修復」する必要が出てくる。そこでthree.devです。
悠真: three.devは、「本番のエージェントtrafficを採点する」っていう。で、失敗モードを自動検出して、深刻度順にランキングしてくれます。
葵: そう、しかも「MCP経由でコーディングエージェントに修正を渡す」っていうのがポイント。つまり、問題を検出したら、その修復のコマンドをClaude Codeとかにそのまま渡せるっていう。
悠真: これは「観測・評価・修復」っていうサイクルが、専用のツール層として確立しつつあるっていうことなんですよね。今までは、エージェントが変なことをしてても、人間がログを見て、原因を推測して、手で直してた。でもthree.devは、その検出と、修復への引き渡しを自動化してる。
葵: そうそう。だから、CanyonOSが「観測性とコスト」、Plurai Simulationが「評価と再生」、three.devが「本番での採点と修復の引き渡し」っていう感じで、三つのレイヤーが揃ってきてるんです。エージェント運用の基盤技術が成熟しつつあるっていう。
悠真: 同じ土台の話で、もう一つ、Omnigraphっていうのがあって、これもオープンソースでMITライセンスなんですけど、オブジェクトストレージのグラフデータベースをエージェント向けに提供してるんですよ。
葵: で、特徴が「Gitスタイルのブランチング」「型付きのオントロジー」「ハイブリッド検索」「Lanceフォーマット」っていう。
悠真: この「Gitスタイルのブランチング」っていうのが面白くて、グラフデータベースをGitのようにブランチできるっていう。つまり、エージェントの知識ベースを、実験的なバージョンで分岐させたり、元に戻したりできるっていう。
葵: あと、関連でOxagenっていうのもあるんですけど、これは「エージェントのコード実行を、人とタスクと変更とコストと結果に紐づけて、予算と承認の仕組みも提供する」っていう。
悠真: これは、先ほどのCanyonOSの「コストと観測性」の話を、さらに「人」のレベルで細かくした感じですね。企業で使うと、「誰がどのタスクで、どのくらいのコストをかけて、何を変更したか」っていうのを追跡する必要があるんですけど、それを一つのシステムでやるっていう。
葵: そう、だからこのエージェント開発の土台の話は、「観測・評価・修復」に加えて「コスト管理と責任の所在」っていう部分まで広がってきてるんですよ。
悠真: そして、その土台の上で動く開発ツールの話に移ります。まずはBlendra。
葵: Blendraは、フローを録画して、それを自分の所有するPlaywrightプロジェクトに変換するんですよ。そのプロジェクトには、スペック、ページオブジェクト、CIワークフローが含まれてる。で、最大の売りが「LLMコード生成なしの決定論的な出力」っていうところ。
悠真: これは、AIを「生成」ではなく「記録」に使うっていう方向性なんですよね。今、AIでテストコードを自動生成するツールってたくさんあるんですけど、生成されたコードって、実行するたびに微妙に違ったり、なぜそうなったかわからなかったりする問題があった。Blendraは、人間が操作したフローを録画して、それを決定論的なテストコードに変換する。だから、同じ入力には同じ出力っていう再現性がある。
葵: そう。しかも、変換先が「自分の所有するPlaywrightプロジェクト」っていうのが重要で、既存のテスト基盤にそのまま統合できるっていう。スペックとページオブジェクトとCIワークフローが揃ってるから、導入した瞬間から開発の一部として機能する。
悠真: これは、テストの保守コストっていう問題にも答えてますね。AIが生成したコードって、変更に弱かったりするんですけど、録画ベースの決定論的なコードは、その点で信頼性が高い。
葵: そして同じ「決定論的」の文脈で、⌘+L、つまり「Letter」というプロダクトがあります。
悠真: これは、ウェブサイトをFigmaのように視覚的に編集できるツールなんですけど、編集した変更が「プルリクエスト」になるんですよ。そして、そのPRを作るのがClaude Code、Codex、あるいはLetterpress-1っていう独自のモデルです。
葵: これは、先ほどのBlendraと同じ発想で、「視覚的な操作」を「決定論的なコードの変更」に変換するっていう。視覚編集って、普通だとCMSを通したり、コードを直接触ったりする必要があったんですけど、⌘+Lは、視覚的に操作した結果がPRとして出てくる。だから、エンジニアのレビューを通ってから本番に反映されるっていう安全なフローが担保される。
悠真: そう、ここで面白いのは、AIが「コードを生成する」のではなく、「人間の意図をコードの変更として翻訳する」っていう役割になってる点ですね。翻訳結果はPRとして可視化されるから、レビューできる。
葵: そして、ターミナルの話も。mang.shです。
悠真: mang.shは、自然言語をターミナルコマンドに変換するんですけど、その変換結果を実行する前に「確認必須」っていう設計なんですよ。
葵: つまり、AIがコマンドを提案して、人間が確認して、それから実行する。しかも、Rust製でMITライセンスで、ローカルのOllamaでも動くし、OpenRouter経由でも動く。
悠真: 「確認必須」っていう設計が、先ほどのBlendraや⌘+Lの「決定論的・検証可能」という思想と同じなんですよ。ターミナルコマンドって、間違えるとシステムを壊しかねないから、AIに任せるのは怖い。でも、変換結果を人間が確認してから実行するなら、怖さが減る。
葵: そう、そして同じ文脈の関連ツールとして、Gnistaっていうのがあります。これは、最大28個のコーディングエージェントをMacのノッチで監視して、パーミッションの承認が必要なときに即座に通知してくれるんです。しかもSSH経由で動く。
悠真: これは、先ほどのOxagenの「承認」の話とも通じますね。エージェントが勝手に権限を行使しないように、「承認が必要な場面」を人間に通知するっていう。しかも28個まで同時に監視できるっていうのは、マルチエージェント運用が現実のものになってきてる証拠だと思います。
葵: あと、Diditの話もこの文脈で面白いです。Diditは、MCPサーバーを提供してて、115個のアイデンティティと詐欺関連のツール、つまりKYC、KYB、AMLをClaude、ChatGPT、Cursorから使えるようにしてるんです。
悠真: あ、これは「エージェントに権限を与える」っていう話の、セキュリティ面での発展ですよね。しかも、月10ドルの無料。しかも、月10ドルの無料枠があるっていう。エージェントが「顧客の本人確認をする」っていうタスクをやるとき、そのためのツールをMCPで提供するっていう。
葵: そう、だから、この「決定論的AIとPR化するコーディング」っていう話は、「AIの生成」から「AIの記録・検証」への転換、そして「エージェントの権限と承認」の仕組みっていう二つの流れが合流してるんですよ。
悠真: そして、そのAIが作ったものを「動かす場所」の話に移ります。まずSpacefast、Automatticのものです。
葵: Spacefastは、AIが作ったサイトやアプリのための「エージェント非依存のホスティング」なんですよ。特徴は、データベース、アップロード、バージョン履歴、非公開リンクが揃っていて、無料で始められる。
悠真: 「エージェント非依存」っていうのがポイントですよね。AIでコードを書くツールって、CursorでもClaude Codeでも何でもあるんですけど、そのコードを動かす場所は、結局、伝統的なホスティングの世界に投げるしかなかった。Spacefastは、AIで作られたものを「動かす」ことに特化した環境を提供するっていう。しかもバージョン履歴があるから、AIが書いたコードの変遷を追える。
葵: そう、「AIが作る」っていう部分と「AIが動かす」っていう部分が、別々のツールで担われるようになってきたっていう。で、これが「AIが作ったサイトと映像を動かす場所」っていうテーマの第一弾です。
悠真: 映像の話になると、YouArt Desktopです。
葵: YouArt Desktopは、ローカルマシンでエージェントが動画制作を行うっていう。しかも、After Effects、CapCut、Blenderを「computer use」で操作するっていうのが面白いところ。
悠真: 「computer use」っていうのは、AIが実際のアプリケーションを操作するっていうことですよね。動画制作のAIツールって、普通「テキストを入れたら動画が出る」っていうものが多いんですけど、YouArt Desktopは、既存のプロのツールをAIが操作するっていうアプローチ。だから、既存の制作ワークフローに溶け込むっていうか、AIが「編集者」になるっていう発想。
葵: そう、しかもローカルマシンで動くから、クリップの内容とかを外部に送らなくていい。で、APIキーは持ち込み、つまりBYO API keys。ユーザーが自分のAPIキーを持ってきて、自分の環境で動かすっていう。
悠真: これ、コスト面で重要です。動画生成AIって、クラウドでやるとコストが跳ね上がる問題があるんですけど、ローカルで動かして、APIキーを持ち込む方式なら、コストの透明性が高いっていう。
葵: そして、動画に続いて、音声の話。Insight7 Voice AI Agentsです。
悠真: Insight7は、AIが外信も内信も電話をかける、受けられるっていうものですね。しかも「一文のセットアップ」で、公開前に「テストコール必須」っていう制約があって、結果は一つのレポートにまとまる。
葵: ここで面白いのが「テストコール必須」っていう制約で、これも今日ずっと語ってきた「承認」っていう思想と同じですよね。AIが電話をかけるっていうのは、外部の人に接触するわけだから、勝手にやらせると危険。だから、まずテストコールを義務付けて、その結果を見てから本番に移すっていう設計。
悠真: そう、だからYouArt Desktopの「ローカルで動かす」、Insight7の「テストコール必須」っていうのは、どちらも「AIに動かす場所を与える」けど「人間が確認する」っていう思想なんですよ。
葵: で、この「AIが作ったものを動かす」っていう話、マーケティングや営業の側にも広がってます。Sendr V4っていうものがあって、これはAIコパイロットがGTMのフローをキャンバス上に作ってくれるんですよ。5500万以上のコンタクトデータがあって、メール、LinkedIn、WhatsAppで、パーソナライズされたボイスノートやビデオも送れる。
悠真: これは、営業やマーケティングのアウトリーチをAIがやるっていう。ボイスノートやビデオでパーソナライズするっていうのが、今のアウトリーチの中ではかなり先進的な使い方だと思います。
葵: あと、Neuraっていうのもあって、これは消費者ブランド向けの「エージェント型の会話型ストアフロント」なんですよ。商品を推薦して、在庫を確認して、購入まで完了させて、しかも買い物客を覚えてる。
悠真: これは、ECサイトの「検索して見つけて買う」っていうフローを、「AIと会話して見つけて買う」っていうフローに置き換えるっていう。しかも、顧客を覚えてるから、次回の訪問でパーソナライズが深まるっていう。Spacefastが「AIが作ったものを動かす場所」だとしたら、Neuraは「AIが店になる」っていう発想です。
葵: あと、APIの話もあって、Gemini Decision 1っていうモデルのAPIがあって、これは1リクエストで1000問までの質問を処理できて、150から250ミリ秒で信頼度付きの結果を返すっていう。
悠真: 1000問を1リクエストっていうのは、大量の意思決定をまとめて処理したい場合に使えるっていうことですね。150〜250msっていう速さも含めて、実用的なレベルでの意思決定AIっていう。
葵: あと、Sluiceっていうのもあって、これはMacのXcode、Docker、Rust、Go、npmの残骸を、ビルドやコードに触れずに掃除してくれるんです。開発者が61GB解放されたっていう実例もある。
悠真: これは「AIが作ったものを動かす環境」を快適に保つ、っていう意味では地味に大事な部分ですね。開発環境って、AIでいろいろ作ってると、キャッシュやビルドの残骸でいっぱいになるから、それを安全に掃除するっていう。
葵: さて、最後の話題は「日常と創作のAI」です。ここでは「ローカル第一」と「買い切り」っていう二つのキーワードが浮かび上がってきます。
悠真: まずはAdobe AI Assistantから。
葵: Adobe AI Assistantは、Photoshopから、Premiere、Illustrator、InDesign、After Effects、Firefly、Frame.ioまで、Adobeの主要アプリを横断する会話型のAIなんですよ。で、特徴が「レビュー可能なプランを出す」っていうところ。
悠真: 「レビュー可能なプラン」っていうのが重要ですよね。生成AIって、結果だけが出てきて、どういう過程でそうなったかわからないっていう問題があった。でも、Adobe AI Assistantは「プラン」を出してくる。つまり「こういう手順でやります」っていうのを見せてくれる。人間がそれを確認してから実行するっていう。
葵: そう、そしてこの「レビュー可能なプラン」っていうのも、今日ずっと語ってきた「承認」の思想と同じなんですよ。プロのクリエイティブ作業って、AIに全部任せるわけにはいかないから、AIの提案をレビューして、承認して、っていうフローが重要になる。
悠真: そして、ローカル第一の話に移ると、Hoy for Macです。
葵: Hoy for Macは、人物ごとのメニューバーチャンネルで、ファイル共有と、トランスク付きのプッシュトークができるんです。しかも、iCloud完結で、サーバーなし。Appleのエコシステムだけで完結する。
悠真: 「人物ごとのチャンネル」っていうのが面白いですね。Slackみたいに「チャンネル」を作るんじゃなくて、「人」ごとにチャンネルが立つっていう。つまり、その人とのやり取りすべてが、一つのスペースに集まるっていう。ファイルも、ボイスメッセージも。しかも、サーバーなしでiCloud完結だから、自分のデータがどこかに保存されるっていう心配がない。
葵: そう、そして「トランスク付きのプッシュトーク」っていうのが、地味にすごい。ボイスメッセージに自動でトランスクリプトがつくから、音声を聞かなくても、テキストで内容がわかる。で、これもローカルの話。
悠真: そして、WizardNote。これが「ローカル第一」の極致と言えるかもしれないです。
葵: WizardNoteは、AIのミーティングノーツアプリなんですけど、端末内でWhisperの文字起こしをするっていう。しかも、AIにデータを送る前にPII、つまり個人を特定できる情報を匿名化する。で、結果はMarkdownでObsidianにエクスポートできる。しかも、Pro版は買い切りで、iPhoneとAndroidに対応してる。
悠真: ここ、一つずつ見ていきたいんですけど、まず「端末内でWhisper」っていうのが、つまり、音声をクラウドに送らないで、ローカルで文字起こしするっていう。だから、音声データが外に出ない。で、「AI前にPII匿名化」っていうのは、もしクラウドAIを使う場合でも、個人情報を先に匿名化してから送るっていう二重の防御。そして、結果はMarkdownで、自分のObsidianに持っていける。つまり、データの所有権が自分にあるっていう。
葵: そう、しかもPro版が「買い切り」っていうのが面白いところ。最近のAIツールって、ほとんどがサブスクなんですけど、WizardNoteは買い切りを選んでる。
悠真: そして、Nameshotも同じローカルの話で、Macのアプリで、スクリーンショットにApple Intelligenceを使って自動で名前をつけるんです。しかも、端末内で処理されてて、ユーザーの訂正から学習するっていう。Pro版が4.99ドルの買い切り。
葵: そう、NameshotもWizardNoteも、Apple IntelligenceやWhisperみたいな、端末内で動くAIを使ってる。つまり、プライバシーを守りながら、AIの利便性を得るっていう。
悠真: そして、「買い切り」と「サブスク」の対比でいうと、Cloudways Velocityっていうホスティングサービスは、フラットな価格設定で、マネージドNode.jsホスティングを提供してるんですよ。しかも、常時ウォームのサーバーで、コールドスタートがない。Gitでデプロイできて、BFCM802っていうコードで80%オフ。
葵: これ、「サブスク」と「買い切り」っていう極端な分岐が進むかどうかっていう今日の問いに対して、一つの答えを提示してるんですよね。Cloudwaysは「サブスク的な」マネージドサービスで、WizardNoteやNameshotは「買い切り」。どちらが主流になるかはまだ未知数だけど、両方の選択肢が世の中に揃ってきたっていう。
悠真: そうですね。そして、Adobe AI Assistantの「レビュー可能なプラン」に戻ると、創作のAIって、クリエイティブのプロセス全体を変えるっていうより、プロセスの一部を担って、人間がレビューするっていう形が、落ち着きつつあるのかなっていう気がします。
葵: そうだね。今日の話を通して考えると、AIが「覚えて」、AIが「動いて」、AIが「作って」っていう流れの中で、最後に残るのは「人間が確認する」っていう部分なんですよ。Harness Memoryでも「消せるのは人間だけ」だったし、Plurai Simulationでも「実際の状態変化」を人間が評価するし、Insight7でも「テストコール必須」だったし、WizardNoteでも「PIIを匿名化してから送る」っていう人間の制御が入ってる。
悠真: つまり、AIの能力がどんどん上がっていく中で、最後の「人間が確認する」っていう部分が、むしろ重要性を増してるっていう。それは、「AIが仕事を引き継ぐ」っていう時代に、人間の役割が「確認」と「承認」に移っていくっていうことを意味してるのかもしれません。
葵: そうかもしれないですね。今後、その「確認」の部分がどういうインターフェースになっていくのか、っていうのが、次の段階の面白いところだと思います。
悠真: というわけで、今日はCustomer.ioのエージェント提案実験から始まって、Grok Bot 1.0、Harness Memory、Toki Matter、そしてCanyonOS、Plurai Simulation、three.dev、Omnigraph、Oxagen、Blendra、⌘+L、mang.sh、Gnista、Didit、Spacefast、YouArt Desktop、Insight7、Sendr V4、Neura、Gemini Decision 1、Sluice、Adobe AI Assistant、Hoy for Mac、WizardNote、Nameshot、Cloudways Velocityまで、実に多くのプロダクトを見てきました。
葵: これら全部、「AIが仕事を引き継ぐ」っていう時代の、それぞれのピースなんですよね。覚える、動かす、作る、動かす場所、日常で使う。それぞれのレイヤーで、今日紹介したようなツールが出てきてる。
悠真: それでは、今日はこの辺で。ありがとうございました。
葵: ありがとうございました。また次回。