寄稿：深思圏 あなたは、ある種の変な出来事に気づいたことはありませんか。毎回AIに同じ仕事を手伝ってもらうたびに、毎回あらためて教え直さないといけない。今日はデータ整理をさせたのに、明日は同じようなタスクがまた別途で、最初から同じ説明をやり直さなければならない。AIは明らかにますます賢くなっているのに、なぜ私たちは繰り返しの作業をやり続けるのでしょうか？ 2026年3月30日、シリコンバレーのAI企業CREAOのプロダクト発表が、まったく異なる答えを提示しました。この製品は発売されるやいなや、Xプラットフォーム上で5時間連続してグローバルのホット検索Top3を独占し、北米、ヨーロッパ、東南アジア、ラテンアメリカなど多くの地域から、テクノロジー系クリエイターや開発者による自発的な議論を引き起こしました。私はこの製品を深く調べたところ、市場にあるすべてのAI Agent製品とは違うことを彼らがやっていると分かりました。GoogleやMetaなどシリコンバレーの一線級大手企業出身の中米複合型チームが、誰もが見落としていた道を見つけたのです。 現在のAI Agentの本当の困難 まず、はっきり言いたい事実があります。AI Agentというこの分野は、2025年から2026年にかけて確かに大いに盛り上がりました。OpenClaw、Claude Code、Devin、そして国内のDeepSeek。これらのプロダクトにより、多くの人が初めて本当にAI Agentを使えるようになりました。しかし使ってみると、新しい問題が出てきて、その問題は想像以上に深刻でした。 私自身、こうした状況に遭遇しました。先週、私はClaude Codeにデータ取得用のスクリプトを書かせました。だいたい20分ほど、往復で対話しながら、細部を調整し、最後に動くところまで持っていけたのです。今週は同じロジックでもう一つ別のサイトのデータを取得したいと思いました。理屈の上では、いくつかパラメータを変えるだけでよいはずでしたが、私は気づきました。新しい対話ウィンドウを開き直し、自分の要求をもう一度説明し直し、細部を再調整する必要があるのです。AIは前回、私たちがどう連携したのかを覚えていません。だから最初からやり直しになります。この体験で私は、現在のAI Agentが抱える核心的な問題は能力不足ではなく、毎回の使用が「使い捨て」になっていて「使い終わったら燃え尽きる」ことだと理解しました。 さらに厄介なのは、こうした強力なAI Agentがしばしば“仕事のために仕事を探す”ような振る舞いをすることです。私は単に、3つのサイトから価格データを取得して表に記録してほしいだけでした。それなのに、AIは価格トレンドを分析し、可視化グラフを生成し、さらには競合分析レポートを書いて手伝ってくれるとまで自発的に提案してきます。これらの機能は聞こえはいいですが、私はまったく必要としていません。AIは自分の能力の限界を見せているのであって、私の具体的な問題を解決することに集中していないのです。このような汎化能力はデモのときにはとても衝撃的ですが、実運用では大きな負担を生みます。私は、不要なことをするのを毎回止めるための時間が必要で、何度も強調しなければなりません。「私は一番シンプルなデータ取得だけがほしい」と。 コストパフォーマンスも大きな問題です。汎用AI Agentに単純な反復タスクをやらせると、毎回、あなたの意図を理解し直し、実行ルートを再設計し、さまざまなツールを再度呼び出す必要があります。このプロセスは時間を奪うだけでなく、token課金のAPIを使う場合、コストが急速に積み上がります。私は試算しました。ClaudeやGPT-4で、毎日定時実行する単純なデータ同期タスクを行うと、1か月のAPI呼び出し費用は、私が直接インターンを雇って手動でやるより高くつく可能性があります。これはまったく合理的ではありません。 私はこの問題について、いくつかの開発者の友人と話したことがあります。皆の感覚は非常に一致していました。AI Agentの能力は急速に進化している一方で、使いやすさはある程度退化しているのです。以前はZapierやn8nのような自動化ツールを使っていました。設定は面倒でも、一度設定ができれば安定して動き続け、繰り返しの投入は不要でした。今はAI Agentがあるので、設定は簡単になりました。しかし毎回、再設定が必要です。これは進歩ではなく、古い複雑さを新しい複雑さで置き換えているだけです。核心的な矛盾はこうです。普通の人がAI Agentを使えないのではなく、使っても不安定で、定着せず、1回成功した対話を再利用可能な自動化システムへと転換できない、という点にあります。 CREAOの“馴化”哲学 私が初めてCREAOの製品デモを見たとき、私の最初の反応はこうでした。「これこそ、私がずっと探していたものだ」。彼らはこの製品に、非常に面白い位置づけを与えています。Agent Harness。中国語では「Agentの馴化」と理解できます。この言葉は、彼らが何をしているかを正確に表しています。AIをもっと強くするのではなく、AIの能力を固定化し、従わせ、普通の人が掌握できるようにするのです。 CREAOの中核となる体験は非常にストレートです。あなたは自然言語でワークフローを説明します。たとえば「毎週月曜の朝9時に、3つの競合サイトの価格変動をスキャンし、Google Sheetsに記録する。変動が10%を超えたらSlackで私に通知して」といった具合です。システムはこうしたことを行います：あなたの意図を理解し、実行コードを自動で作成し、必要なツール（Gmail、Google Sheets、Slack、飞书など）を接続します。彼らはすでに300以上のプラットフォームを統合しています。そして最も重要なステップ——この一連の流れを、1クリックでAgentとして保存でき、定時実行のスケジュールを設定できます。以後は、あなたが指定した時間に自動で実行され、AIの関与は不要になります。完全に決定論的な実行です。 この最後のステップが、製品全体の魂です。対話が終わっても、システムは動き続けます。これは簡単に聞こえますが、業界全体が避けてきた問題を解決しています。ChatGPTやClaudeのような対話型AIプロダクトは、ウィンドウを閉じたら何もなくなります。OpenClawやClaude Codeのような開発者向けツールは複雑なタスクを実行できますが、自分でデプロイして保守する必要があります。CREAOが達成しているのは、AIの柔軟性と、従来の自動化ツールの決定性を組み合わせることであり、成功したAIの対話を、長期稼働する自動化システムへと変換できるようにすることです。 私は彼らが技術面で行っているトレードオフを特に評価しています。多くのAI Agentプロダクトは、AIをより賢くし、より汎用的にし、より複雑なタスクを扱えるようにすることを目指します。CREAOが選ぶ道は逆です。彼らはAIが生成するワークフローが、AIから独立して自律実行できるようにしようとしています。これは、コード生成の決定性問題を解決しなければならないことを意味します。つまり、AIが生成したコードは十分に安定していて、AIの介入なしでも継続的に実行できなければならないのです。さらに、多ツールのオーケストレーションの安定性問題も解決する必要があります。ワークフローがGmail、Sheets、Slackなど複数のプラットフォームを含む場合、それらの間でデータが受け渡されるときに、フォーマットの問題で誤作動しないようにするにはどうすればよいのか。これらは従来の自動化ツールがすでに解決してきた問題ですが、AI Agentの文脈では、ワークフローは人手で手配されるのではなく、自然言語からAIが生成するものになるため、同じ問題を再検討して再解決する必要があります。 私は自分で試してみましたが、確かに他の製品とは実体験が違いました。私は自然言語で要件を説明しました。「毎日17時に、Gmail受信箱のうち重要としてマークされたメールを自動で集計し、送信者と件名を抽出して、Google Sheetsの表に書き込む。顧客からのメールがあれば、飞书のグループで@して」。設定のプロセスは5分もかかりませんでした。CREAOがコードを生成し、接続をテストし、ロジックを検証する様子をリアルタイムに見ることができました。設定が完了したら、「Agentとして保存」ボタンを押して、毎日17時に実行するようにスケジュール設定し、その後は放っておけばいい。次の翌日17時に、私は本当に飞书のグループで通知を受け取りました。Google Sheetsを開いてみると、データは私の要望どおりに整理されていました。この体験の鍵は、毎日16時55分にCREAOの対話ウィンドウを開いて、もう一度私の要件を説明し直す必要がないことです。それはまるで馴化されたアシスタントのようで、毎日自分が何をすべきかを理解していて、自分でやってくれるのです。 300以上のプラットフォームに対するネイティブ統合も、重要な製品上の強みです。つまり、ほとんどの一般的なワークフローのシーンについて、CREAOは接続コネクタをすでに用意しており、ユーザーは自分でAPIドキュメントを探し、認証を設定し、データ形式の変換といった土台の細部を処理する必要がありません。「データをGoogle Sheetsに書き込んで」と言えば、システムはどうすればいいか分かります。「Slackでメッセージを送って」と言えば、それも分かります。この滑らかさは、自分でコードを書いたり従来の自動化ツールを使ったりするのでは到底比べられないものです。私は、これこそがCREAOチームの、消費者向けプロダクトに対する理解だと思います。設定コストを下げ、普通の人でも自分の自動化システムを素早く構築できるようにすることです。 “最強”をやらず、“最も馴化されやすい”をやる CREAOを調べる中で、私はずっと一つの疑問を考えていました。なぜ他のAI Agentを作っている会社は、なぜこの道を選ばなかったのか。それを後から私は、2つのまったく異なるプロダクト哲学が競っているからだと気づきました。 Anthropicが出したClaude Codeや、CognitionのDevinを見てください。彼らの目的は、最も強力な汎用Agentを作ることです。これらのプロダクトは、AIがあらゆる要望を理解し、あらゆるタスクを実行し、明確な指示がなくても自主的に意思決定できることを望んでいます。これは「Agentをより賢くする」道です。この道では、製品の価値はAIの汎化能力に由来します。つまり、より複雑な問題に対応でき、多くの不確実性の中でも正しい判断ができ、より人間の開発者の仕事のやり方に近づける能力です。この方向性には確かに価値がありますが、もともと開発者やプロのユーザーに向いています。なぜなら、そのレベルの柔軟性を必要とし、かつそれを扱えるのは彼らだけだからです。 CREAOが選んだのは別の道です。“最強”のAgentを作らず、“普通の人にとって最も馴化しやすい”Agentを作る。彼らの製品価値は、AIがどれだけ賢いかではありません。普通のユーザーが、そのAIの能力をどれだけ簡単に自分専用のツールとして固定化できるかにあるのです。CREAOのプロダクト哲学では、良いAgentとは何でもできるAgentではなく、ひとつのことを安定してやり遂げ、そして再利用できるAgentです。このような収束性こそが、消費者向けプロダクトにまさに必要な特質なのです。 私は良い比喩を思いつきました。汎用AI Agentは全能のコンサルタントのようなものです。毎回、あなたが疑問を持つたびに頼めば、多くの提案をしてくれますが、あなたは毎回背景を説明し、要望を述べ、方案を議論する必要があります。一方CREAOが作ったのは、訓練できるアシスタントです。あなたが一度、あることのやり方を教えると、あとは自分で定期的に実行し、あなたが繰り返し指導する必要がありません。前者は能力の広さを見せ、後者は利用の効率を提供します。普通のユーザーにとっては、能力よりも効率のほうがはるかに重要です。 この種のプロダクト哲学の違いは、市場の反応によってすでに検証されています。CREAOがリリースされた当日、世界中で50人以上のトップクラスのテックKOLが深い体験コンテンツを同時に公開し、英語、スペイン語、ポルトガル語、韓国語など複数の言語市場をカバーしました。このような多言語での自発的な拡散は非常に珍しい。これはCREAOが解決する問題が、グローバルであり、文化をまたいでいることを示しています。北米でも欧州でも東南アジアでもラテンアメリカでも、繰り返しのワークフローを処理する必要がある普通のユーザーであれば、この製品に惹かれます。市場はすでに足で投票しています。「より強力なAI」ではなく、「より掌握しやすいAI」が人々に必要なのです。 また、私が面白い対比にも気づいた点があります。汎用Agentを追求するプロダクトを見に行くと、そのデモ事例は通常、「AIが複雑な開発タスクを完成させた」または「AIがビジネス課題を自律分析して提案を出した」というものです。こうした事例は衝撃的ですが、再現しにくい。普通のユーザーは見終わったあと「すごい、すごすぎる」と感じるかもしれませんが、それを自分の仕事にどう応用すればいいのか分かりません。一方でCREAOの使用シーンは非常に具体的です。競合価格の監視、データを表に同期、レポートの定時送信、メールの整理、ToDoの管理。これらは誰もが毎日やっていることですが、今は自動化できるようになっただけです。このプロダクトの位置づけの違いが、CREAOが自然により幅広いユーザー層を持てることを決定づけています。 対話型AIと従来の自動化システムの間で、CREAOは巧妙なバランスポイントを見つけました。対話型AIの使いやすさを保持している——自然言語で要望を表現でき、プログラミングを学んだり、複雑な設定画面を研究したりする必要はありません。また、自動化システムの信頼性も継承しています。設定が完了すれば決定論的に実行され、AIのランダム性によって予期せぬ結果が生じることはありません。このバランスは非常に貴重です。なぜなら多くの製品は、この2つの極端の間で揺れ続けるからです。柔軟すぎて不安定になるか、固定すぎて賢さが足りないか。CREAOは、設定段階ではAIの柔軟性をユーザーに享受させ、稼働段階では自動化の決定性を享受させることに成功しています。 シリコンバレー・チームのプロダクト洞察 私は、どんなチームがこうした製品を作れるのか興味がありました。深く調べると、CREAO本社はアメリカのシリコンバレーにあり、コアチームにはGoogleやMetaなどシリコンバレーの一線級大手企業から集まった華人AIエリートに加え、国内のトップクラスの大規模モデルのスタートアップやスター級のインターネット企業の技術中核が集まっていることが分かりました。これは本当の意味での中米複合型チームです。 私は、このチーム背景は非常に重要だと思います。シリコンバレーの大手企業出身のエンジニアは、基盤技術の理解が非常に深く、安定して信頼できるシステムをどう構築するかを知っています。国内のインターネット企業やAI企業のプロダクトマネージャーとエンジニアは、C端ユーザー体験への感度が非常に高く、どんなプロダクト設計がユーザーの利用のハードルを本当に下げられるのかを理解しています。この2つの「遺伝子」の融合が、CREAOのように技術の深さとプロダクトの温度の両方を持つプロジェクトを生み出しているのです。 私の理解では、CREAOチームは数か月かけて、ある課題に特化して取り組みました。対話が終わった後も、AIの出力が“生き残る”ようにする方法です。この問題は一見単純に見えますが、裏側の技術的な挑戦は非常に多い。AIが生成するコードには本来的にランダム性があり、同じ要件記述でも、生成されるコードはまったく違ってしまうことがあります。どうすれば、そのコードが十分に安定し、人手の介入なしで継続的に動作できるのでしょうか。例外状況への対応はどうするべきです。あるAPI呼び出しが失敗したとき、システムはリトライすべきか、フォールバックすべきか、それともユーザーに通知すべきか。複数のツール間でのデータ受け渡しが、フォーマットの問題で中断されないようにするにはどうするのか。これらは、従来の自動化ツールが過去何十年もかけて解決してきたエンジニアリングの問題です。しかしAI Agentの文脈では、ワークフローの生成方式が変わるため、これらの問題は改めて再考し再解決する必要があります。 私が特に感心するのは、CREAOチームが簡単な解決策を選ばなかったことです。多くのAIプロダクトのように、生成したワークフローを保存して、ユーザーが毎回手動で起動できるようにすれば、技術難易度はずっと下がります。ですが、その場合はユーザー体験が大きく損なわれます。CREAOが選んだのは、本当の自動化です。定時実行、自主実行、例外処理、ログ記録。これらは従来の自動化システムの標準機能であり、CREAOでもすべて対応しています。そして、それらはAIが生成したワークフローをベースに実現されています。AIの柔軟性とシステムの安定性の間に、正確なバランスポイントを見つける必要があり、大量のエンジニアリングの蓄積とプロダクトの磨き込みが要るのです。 もう一つ、私の印象に残った点は、CREAOの基盤アーキテクチャ、実行エンジン、統合プロトコルがすべて自社開発であることです。現行のAIスタートアップ環境では、多くの会社が素早く“かぶせて作る”ことを選びます。OpenAIやAnthropicのAPIをベースに、フロントエンドを追加するだけで製品を出せるからです。この方式は市場検証を素早くできますが、本当の技術的な参入障壁を築くのは難しい。CREAOチームはより難しい道を選びました。彼らは基盤から構築し、システムの各部分が自分たちの手の内にあることを確実にしました。この技術投資は短期的には強みとして見えにくいかもしれませんが、長期的には競争障壁を築く唯一の方法です。 触れておくべきなのは、CREAOが1年以内にすでに数千万米ドル規模の資金調達を3ラウンド連続で完了しており、プロダクトリリース後には資本市場から幅広い関心を集めていることです。これは投資家も、この方向性の価値を見ていることを示しています。AI Agentの分野では、誰かのモデルが最大で、誰かのAgentが最も賢いから勝つ、というわけではありません。AIの能力を本当に普通の人が使えるプロダクトへと転換できる者が市場の制高点を取るのです。 Agent分野の本当の終着点 CREAOを調べた後、私はAI Agentという分野についていくつか新しい考えを持ちました。私の考えでは、Agent分野の終局は誰のAgentが最も賢いかではなく、誰が一番多くの人に自分のAgentを持たせたかです。これは根本的な認知の転換です。 過去2年、業界全体はモデル能力を競い、Agentフレームワークを競い、開発者ツールを競い合ってきました。皆が比べていたのは、「AIがより複雑なタスクをどれだけできるか」「より少ない人手介入で、どれだけ高い自律性を実現できるか」です。この競争ロジックは、技術の世界では確かに需要があります。エンジニアの審美眼に合っているからです。極限を追い、境界に挑み、「不可能」を突破することを好む。ですがビジネスとプロダクトの観点から見ると、それは最も重要な戦場ではないかもしれません。本当に重要な戦場はこうです。利用のハードルを下げること、再利用性を高めること、そして普通の人にもAI Agentがもたらす効率向上を享受させること。 CREAOが代表する道筋は、本質的に「汎用能力の向上」ではなく、「馴化のハードルを下げること」を追求しています。この2つの方向性は対立ではなく、別々の市場に役立つものです。開発者やプロユーザーにとっては、確かにより強力な汎用Agentが必要です。なぜなら彼らの要求自体が複雑で多変だからです。しかしユーザー総数の90%以上を占める普通の人にとって必要なのは、特定の問題を安定して解決できる専用Agentであり、「何でもできるが、毎回あらためて教え直さないといけない」全能アシスタントではありません。CREAOが狙っているのはまさにこの90%の市場です。 私はある見解に強く同意しています。可復用性は、消費者向けAIの次の戦場です。現在の市場のAIプロダクトは、ChatGPTでもClaudeでも、各種Agentツールでも、基本的に使い捨て消費です。ユーザーが質問をする、AIが回答をする。この対話の価値はそこで終わります。たとえAIがとても良い解決策を出してくれても、次に似た問題に遭遇したら、ユーザーはやはりもう一度質問し直し、待ち直し、検証し直さなければならない。このモードでは、AIの価値は線形に増えます。ユーザーが10回使おうが100回使おうが、得られる総価値は単純に加算されるだけです。けれども、もしAIの出力が再利用できるなら、例えば一度設定した後も継続的に動くなら、価値は指数関数的に増えます。設定は一度、利用は100回。毎回、再投入は不要。CREAOがやっているのは、「使い捨て消費」を「再利用可能な資産」に変えることです。 これは、ソフトウェア業界の古典的な転換を思い出させます。初期のソフトウェア開発では、すべての機能がゼロからコードを書いて作る必要がありました。後に関数ライブラリ、フレームワーク、コンポーネントができ、他人が書いたコードを再利用できるようになり、開発効率は大幅に向上しました。さらに後にはローコード/ノーコード・プラットフォームが登場し、プログラミングができない人でもアプリを作れるようになりました。AI Agentの進化の道筋も、たぶん似ているでしょう。最初は毎回の対話でゼロから始め、その後「保存して再利用できるAgent」が登場し、最後にはAgent市場が生まれ、馴化済みのAgentをみんなが共有したり交換したりする可能性が出てくる。CREAOが今やっているのは、第1段階から第2段階への重要な跳躍です。 私の見立てでは、AI Agentは複数の異なる製品形態に分化し、それぞれが異なるユーザー層や利用シーンに対応していくでしょう。究極の汎用性を追求するAgentは開発者やプロユーザー向け。法律、医療、金融のように特定の垂直領域に特化したAgent。さらにCREAOのように、消費者向け自動化に注力するAgentプラットフォームもあります。これらは競合関係というより共生関係で、それらが一緒になって完全なAI Agentエコシステムを構成します。そしてそのエコシステムの中で、CREAOが選んだ消費者向けのレーンは、ユーザー基盤が最大で、商業的なポテンシャルが最も広い領域かもしれません。 「最強Agent」から「最も多くの人のAgentへ」——これは単なるプロダクトの位置づけの転換ではなく、AIの価値の再定義でもあります。AIの価値は、難しいタスクをこなせることだけにとどまるべきではありません。どれだけ多くの人の効率向上、問題解決、生活の改善に貢献できるかでこそ示されるべきです。CREAOのようなプロダクトは、AIが本当に大衆へ向かう可能性を私に見せてくれました。ひとりひとりが自分専用のAgentを持てるようになり、日常の反復的で、細々した、時間のかかるタスクを自動化して処理できるようになったとき、AIは初めてその使命を本当に実現します——人間の代替ではなく、人間を機械的な労働から解放し、より創造的で価値のあることに向かわせるのです。
エージェントの道の最終局は、誰が最も賢いかではなく、誰が最も多くの人にエージェントを持たせるかである
寄稿：深思圏
あなたは、ある種の変な出来事に気づいたことはありませんか。毎回AIに同じ仕事を手伝ってもらうたびに、毎回あらためて教え直さないといけない。今日はデータ整理をさせたのに、明日は同じようなタスクがまた別途で、最初から同じ説明をやり直さなければならない。AIは明らかにますます賢くなっているのに、なぜ私たちは繰り返しの作業をやり続けるのでしょうか？
2026年3月30日、シリコンバレーのAI企業CREAOのプロダクト発表が、まったく異なる答えを提示しました。この製品は発売されるやいなや、Xプラットフォーム上で5時間連続してグローバルのホット検索Top3を独占し、北米、ヨーロッパ、東南アジア、ラテンアメリカなど多くの地域から、テクノロジー系クリエイターや開発者による自発的な議論を引き起こしました。私はこの製品を深く調べたところ、市場にあるすべてのAI Agent製品とは違うことを彼らがやっていると分かりました。GoogleやMetaなどシリコンバレーの一線級大手企業出身の中米複合型チームが、誰もが見落としていた道を見つけたのです。
現在のAI Agentの本当の困難
まず、はっきり言いたい事実があります。AI Agentというこの分野は、2025年から2026年にかけて確かに大いに盛り上がりました。OpenClaw、Claude Code、Devin、そして国内のDeepSeek。これらのプロダクトにより、多くの人が初めて本当にAI Agentを使えるようになりました。しかし使ってみると、新しい問題が出てきて、その問題は想像以上に深刻でした。
私自身、こうした状況に遭遇しました。先週、私はClaude Codeにデータ取得用のスクリプトを書かせました。だいたい20分ほど、往復で対話しながら、細部を調整し、最後に動くところまで持っていけたのです。今週は同じロジックでもう一つ別のサイトのデータを取得したいと思いました。理屈の上では、いくつかパラメータを変えるだけでよいはずでしたが、私は気づきました。新しい対話ウィンドウを開き直し、自分の要求をもう一度説明し直し、細部を再調整する必要があるのです。AIは前回、私たちがどう連携したのかを覚えていません。だから最初からやり直しになります。この体験で私は、現在のAI Agentが抱える核心的な問題は能力不足ではなく、毎回の使用が「使い捨て」になっていて「使い終わったら燃え尽きる」ことだと理解しました。
さらに厄介なのは、こうした強力なAI Agentがしばしば“仕事のために仕事を探す”ような振る舞いをすることです。私は単に、3つのサイトから価格データを取得して表に記録してほしいだけでした。それなのに、AIは価格トレンドを分析し、可視化グラフを生成し、さらには競合分析レポートを書いて手伝ってくれるとまで自発的に提案してきます。これらの機能は聞こえはいいですが、私はまったく必要としていません。AIは自分の能力の限界を見せているのであって、私の具体的な問題を解決することに集中していないのです。このような汎化能力はデモのときにはとても衝撃的ですが、実運用では大きな負担を生みます。私は、不要なことをするのを毎回止めるための時間が必要で、何度も強調しなければなりません。「私は一番シンプルなデータ取得だけがほしい」と。
コストパフォーマンスも大きな問題です。汎用AI Agentに単純な反復タスクをやらせると、毎回、あなたの意図を理解し直し、実行ルートを再設計し、さまざまなツールを再度呼び出す必要があります。このプロセスは時間を奪うだけでなく、token課金のAPIを使う場合、コストが急速に積み上がります。私は試算しました。ClaudeやGPT-4で、毎日定時実行する単純なデータ同期タスクを行うと、1か月のAPI呼び出し費用は、私が直接インターンを雇って手動でやるより高くつく可能性があります。これはまったく合理的ではありません。
私はこの問題について、いくつかの開発者の友人と話したことがあります。皆の感覚は非常に一致していました。AI Agentの能力は急速に進化している一方で、使いやすさはある程度退化しているのです。以前はZapierやn8nのような自動化ツールを使っていました。設定は面倒でも、一度設定ができれば安定して動き続け、繰り返しの投入は不要でした。今はAI Agentがあるので、設定は簡単になりました。しかし毎回、再設定が必要です。これは進歩ではなく、古い複雑さを新しい複雑さで置き換えているだけです。核心的な矛盾はこうです。普通の人がAI Agentを使えないのではなく、使っても不安定で、定着せず、1回成功した対話を再利用可能な自動化システムへと転換できない、という点にあります。
CREAOの“馴化”哲学
私が初めてCREAOの製品デモを見たとき、私の最初の反応はこうでした。「これこそ、私がずっと探していたものだ」。彼らはこの製品に、非常に面白い位置づけを与えています。Agent Harness。中国語では「Agentの馴化」と理解できます。この言葉は、彼らが何をしているかを正確に表しています。AIをもっと強くするのではなく、AIの能力を固定化し、従わせ、普通の人が掌握できるようにするのです。
CREAOの中核となる体験は非常にストレートです。あなたは自然言語でワークフローを説明します。たとえば「毎週月曜の朝9時に、3つの競合サイトの価格変動をスキャンし、Google Sheetsに記録する。変動が10%を超えたらSlackで私に通知して」といった具合です。システムはこうしたことを行います：あなたの意図を理解し、実行コードを自動で作成し、必要なツール（Gmail、Google Sheets、Slack、飞书など）を接続します。彼らはすでに300以上のプラットフォームを統合しています。そして最も重要なステップ——この一連の流れを、1クリックでAgentとして保存でき、定時実行のスケジュールを設定できます。以後は、あなたが指定した時間に自動で実行され、AIの関与は不要になります。完全に決定論的な実行です。
この最後のステップが、製品全体の魂です。対話が終わっても、システムは動き続けます。これは簡単に聞こえますが、業界全体が避けてきた問題を解決しています。ChatGPTやClaudeのような対話型AIプロダクトは、ウィンドウを閉じたら何もなくなります。OpenClawやClaude Codeのような開発者向けツールは複雑なタスクを実行できますが、自分でデプロイして保守する必要があります。CREAOが達成しているのは、AIの柔軟性と、従来の自動化ツールの決定性を組み合わせることであり、成功したAIの対話を、長期稼働する自動化システムへと変換できるようにすることです。
私は彼らが技術面で行っているトレードオフを特に評価しています。多くのAI Agentプロダクトは、AIをより賢くし、より汎用的にし、より複雑なタスクを扱えるようにすることを目指します。CREAOが選ぶ道は逆です。彼らはAIが生成するワークフローが、AIから独立して自律実行できるようにしようとしています。これは、コード生成の決定性問題を解決しなければならないことを意味します。つまり、AIが生成したコードは十分に安定していて、AIの介入なしでも継続的に実行できなければならないのです。さらに、多ツールのオーケストレーションの安定性問題も解決する必要があります。ワークフローがGmail、Sheets、Slackなど複数のプラットフォームを含む場合、それらの間でデータが受け渡されるときに、フォーマットの問題で誤作動しないようにするにはどうすればよいのか。これらは従来の自動化ツールがすでに解決してきた問題ですが、AI Agentの文脈では、ワークフローは人手で手配されるのではなく、自然言語からAIが生成するものになるため、同じ問題を再検討して再解決する必要があります。
私は自分で試してみましたが、確かに他の製品とは実体験が違いました。私は自然言語で要件を説明しました。「毎日17時に、Gmail受信箱のうち重要としてマークされたメールを自動で集計し、送信者と件名を抽出して、Google Sheetsの表に書き込む。顧客からのメールがあれば、飞书のグループで@して」。設定のプロセスは5分もかかりませんでした。CREAOがコードを生成し、接続をテストし、ロジックを検証する様子をリアルタイムに見ることができました。設定が完了したら、「Agentとして保存」ボタンを押して、毎日17時に実行するようにスケジュール設定し、その後は放っておけばいい。次の翌日17時に、私は本当に飞书のグループで通知を受け取りました。Google Sheetsを開いてみると、データは私の要望どおりに整理されていました。この体験の鍵は、毎日16時55分にCREAOの対話ウィンドウを開いて、もう一度私の要件を説明し直す必要がないことです。それはまるで馴化されたアシスタントのようで、毎日自分が何をすべきかを理解していて、自分でやってくれるのです。
300以上のプラットフォームに対するネイティブ統合も、重要な製品上の強みです。つまり、ほとんどの一般的なワークフローのシーンについて、CREAOは接続コネクタをすでに用意しており、ユーザーは自分でAPIドキュメントを探し、認証を設定し、データ形式の変換といった土台の細部を処理する必要がありません。「データをGoogle Sheetsに書き込んで」と言えば、システムはどうすればいいか分かります。「Slackでメッセージを送って」と言えば、それも分かります。この滑らかさは、自分でコードを書いたり従来の自動化ツールを使ったりするのでは到底比べられないものです。私は、これこそがCREAOチームの、消費者向けプロダクトに対する理解だと思います。設定コストを下げ、普通の人でも自分の自動化システムを素早く構築できるようにすることです。
“最強”をやらず、“最も馴化されやすい”をやる
CREAOを調べる中で、私はずっと一つの疑問を考えていました。なぜ他のAI Agentを作っている会社は、なぜこの道を選ばなかったのか。それを後から私は、2つのまったく異なるプロダクト哲学が競っているからだと気づきました。
Anthropicが出したClaude Codeや、CognitionのDevinを見てください。彼らの目的は、最も強力な汎用Agentを作ることです。これらのプロダクトは、AIがあらゆる要望を理解し、あらゆるタスクを実行し、明確な指示がなくても自主的に意思決定できることを望んでいます。これは「Agentをより賢くする」道です。この道では、製品の価値はAIの汎化能力に由来します。つまり、より複雑な問題に対応でき、多くの不確実性の中でも正しい判断ができ、より人間の開発者の仕事のやり方に近づける能力です。この方向性には確かに価値がありますが、もともと開発者やプロのユーザーに向いています。なぜなら、そのレベルの柔軟性を必要とし、かつそれを扱えるのは彼らだけだからです。
CREAOが選んだのは別の道です。“最強”のAgentを作らず、“普通の人にとって最も馴化しやすい”Agentを作る。彼らの製品価値は、AIがどれだけ賢いかではありません。普通のユーザーが、そのAIの能力をどれだけ簡単に自分専用のツールとして固定化できるかにあるのです。CREAOのプロダクト哲学では、良いAgentとは何でもできるAgentではなく、ひとつのことを安定してやり遂げ、そして再利用できるAgentです。このような収束性こそが、消費者向けプロダクトにまさに必要な特質なのです。
私は良い比喩を思いつきました。汎用AI Agentは全能のコンサルタントのようなものです。毎回、あなたが疑問を持つたびに頼めば、多くの提案をしてくれますが、あなたは毎回背景を説明し、要望を述べ、方案を議論する必要があります。一方CREAOが作ったのは、訓練できるアシスタントです。あなたが一度、あることのやり方を教えると、あとは自分で定期的に実行し、あなたが繰り返し指導する必要がありません。前者は能力の広さを見せ、後者は利用の効率を提供します。普通のユーザーにとっては、能力よりも効率のほうがはるかに重要です。
この種のプロダクト哲学の違いは、市場の反応によってすでに検証されています。CREAOがリリースされた当日、世界中で50人以上のトップクラスのテックKOLが深い体験コンテンツを同時に公開し、英語、スペイン語、ポルトガル語、韓国語など複数の言語市場をカバーしました。このような多言語での自発的な拡散は非常に珍しい。これはCREAOが解決する問題が、グローバルであり、文化をまたいでいることを示しています。北米でも欧州でも東南アジアでもラテンアメリカでも、繰り返しのワークフローを処理する必要がある普通のユーザーであれば、この製品に惹かれます。市場はすでに足で投票しています。「より強力なAI」ではなく、「より掌握しやすいAI」が人々に必要なのです。
また、私が面白い対比にも気づいた点があります。汎用Agentを追求するプロダクトを見に行くと、そのデモ事例は通常、「AIが複雑な開発タスクを完成させた」または「AIがビジネス課題を自律分析して提案を出した」というものです。こうした事例は衝撃的ですが、再現しにくい。普通のユーザーは見終わったあと「すごい、すごすぎる」と感じるかもしれませんが、それを自分の仕事にどう応用すればいいのか分かりません。一方でCREAOの使用シーンは非常に具体的です。競合価格の監視、データを表に同期、レポートの定時送信、メールの整理、ToDoの管理。これらは誰もが毎日やっていることですが、今は自動化できるようになっただけです。このプロダクトの位置づけの違いが、CREAOが自然により幅広いユーザー層を持てることを決定づけています。
対話型AIと従来の自動化システムの間で、CREAOは巧妙なバランスポイントを見つけました。対話型AIの使いやすさを保持している——自然言語で要望を表現でき、プログラミングを学んだり、複雑な設定画面を研究したりする必要はありません。また、自動化システムの信頼性も継承しています。設定が完了すれば決定論的に実行され、AIのランダム性によって予期せぬ結果が生じることはありません。このバランスは非常に貴重です。なぜなら多くの製品は、この2つの極端の間で揺れ続けるからです。柔軟すぎて不安定になるか、固定すぎて賢さが足りないか。CREAOは、設定段階ではAIの柔軟性をユーザーに享受させ、稼働段階では自動化の決定性を享受させることに成功しています。
シリコンバレー・チームのプロダクト洞察
私は、どんなチームがこうした製品を作れるのか興味がありました。深く調べると、CREAO本社はアメリカのシリコンバレーにあり、コアチームにはGoogleやMetaなどシリコンバレーの一線級大手企業から集まった華人AIエリートに加え、国内のトップクラスの大規模モデルのスタートアップやスター級のインターネット企業の技術中核が集まっていることが分かりました。これは本当の意味での中米複合型チームです。
私は、このチーム背景は非常に重要だと思います。シリコンバレーの大手企業出身のエンジニアは、基盤技術の理解が非常に深く、安定して信頼できるシステムをどう構築するかを知っています。国内のインターネット企業やAI企業のプロダクトマネージャーとエンジニアは、C端ユーザー体験への感度が非常に高く、どんなプロダクト設計がユーザーの利用のハードルを本当に下げられるのかを理解しています。この2つの「遺伝子」の融合が、CREAOのように技術の深さとプロダクトの温度の両方を持つプロジェクトを生み出しているのです。
私の理解では、CREAOチームは数か月かけて、ある課題に特化して取り組みました。対話が終わった後も、AIの出力が“生き残る”ようにする方法です。この問題は一見単純に見えますが、裏側の技術的な挑戦は非常に多い。AIが生成するコードには本来的にランダム性があり、同じ要件記述でも、生成されるコードはまったく違ってしまうことがあります。どうすれば、そのコードが十分に安定し、人手の介入なしで継続的に動作できるのでしょうか。例外状況への対応はどうするべきです。あるAPI呼び出しが失敗したとき、システムはリトライすべきか、フォールバックすべきか、それともユーザーに通知すべきか。複数のツール間でのデータ受け渡しが、フォーマットの問題で中断されないようにするにはどうするのか。これらは、従来の自動化ツールが過去何十年もかけて解決してきたエンジニアリングの問題です。しかしAI Agentの文脈では、ワークフローの生成方式が変わるため、これらの問題は改めて再考し再解決する必要があります。
私が特に感心するのは、CREAOチームが簡単な解決策を選ばなかったことです。多くのAIプロダクトのように、生成したワークフローを保存して、ユーザーが毎回手動で起動できるようにすれば、技術難易度はずっと下がります。ですが、その場合はユーザー体験が大きく損なわれます。CREAOが選んだのは、本当の自動化です。定時実行、自主実行、例外処理、ログ記録。これらは従来の自動化システムの標準機能であり、CREAOでもすべて対応しています。そして、それらはAIが生成したワークフローをベースに実現されています。AIの柔軟性とシステムの安定性の間に、正確なバランスポイントを見つける必要があり、大量のエンジニアリングの蓄積とプロダクトの磨き込みが要るのです。
もう一つ、私の印象に残った点は、CREAOの基盤アーキテクチャ、実行エンジン、統合プロトコルがすべて自社開発であることです。現行のAIスタートアップ環境では、多くの会社が素早く“かぶせて作る”ことを選びます。OpenAIやAnthropicのAPIをベースに、フロントエンドを追加するだけで製品を出せるからです。この方式は市場検証を素早くできますが、本当の技術的な参入障壁を築くのは難しい。CREAOチームはより難しい道を選びました。彼らは基盤から構築し、システムの各部分が自分たちの手の内にあることを確実にしました。この技術投資は短期的には強みとして見えにくいかもしれませんが、長期的には競争障壁を築く唯一の方法です。
触れておくべきなのは、CREAOが1年以内にすでに数千万米ドル規模の資金調達を3ラウンド連続で完了しており、プロダクトリリース後には資本市場から幅広い関心を集めていることです。これは投資家も、この方向性の価値を見ていることを示しています。AI Agentの分野では、誰かのモデルが最大で、誰かのAgentが最も賢いから勝つ、というわけではありません。AIの能力を本当に普通の人が使えるプロダクトへと転換できる者が市場の制高点を取るのです。
Agent分野の本当の終着点
CREAOを調べた後、私はAI Agentという分野についていくつか新しい考えを持ちました。私の考えでは、Agent分野の終局は誰のAgentが最も賢いかではなく、誰が一番多くの人に自分のAgentを持たせたかです。これは根本的な認知の転換です。
過去2年、業界全体はモデル能力を競い、Agentフレームワークを競い、開発者ツールを競い合ってきました。皆が比べていたのは、「AIがより複雑なタスクをどれだけできるか」「より少ない人手介入で、どれだけ高い自律性を実現できるか」です。この競争ロジックは、技術の世界では確かに需要があります。エンジニアの審美眼に合っているからです。極限を追い、境界に挑み、「不可能」を突破することを好む。ですがビジネスとプロダクトの観点から見ると、それは最も重要な戦場ではないかもしれません。本当に重要な戦場はこうです。利用のハードルを下げること、再利用性を高めること、そして普通の人にもAI Agentがもたらす効率向上を享受させること。
CREAOが代表する道筋は、本質的に「汎用能力の向上」ではなく、「馴化のハードルを下げること」を追求しています。この2つの方向性は対立ではなく、別々の市場に役立つものです。開発者やプロユーザーにとっては、確かにより強力な汎用Agentが必要です。なぜなら彼らの要求自体が複雑で多変だからです。しかしユーザー総数の90%以上を占める普通の人にとって必要なのは、特定の問題を安定して解決できる専用Agentであり、「何でもできるが、毎回あらためて教え直さないといけない」全能アシスタントではありません。CREAOが狙っているのはまさにこの90%の市場です。
私はある見解に強く同意しています。可復用性は、消費者向けAIの次の戦場です。現在の市場のAIプロダクトは、ChatGPTでもClaudeでも、各種Agentツールでも、基本的に使い捨て消費です。ユーザーが質問をする、AIが回答をする。この対話の価値はそこで終わります。たとえAIがとても良い解決策を出してくれても、次に似た問題に遭遇したら、ユーザーはやはりもう一度質問し直し、待ち直し、検証し直さなければならない。このモードでは、AIの価値は線形に増えます。ユーザーが10回使おうが100回使おうが、得られる総価値は単純に加算されるだけです。けれども、もしAIの出力が再利用できるなら、例えば一度設定した後も継続的に動くなら、価値は指数関数的に増えます。設定は一度、利用は100回。毎回、再投入は不要。CREAOがやっているのは、「使い捨て消費」を「再利用可能な資産」に変えることです。
これは、ソフトウェア業界の古典的な転換を思い出させます。初期のソフトウェア開発では、すべての機能がゼロからコードを書いて作る必要がありました。後に関数ライブラリ、フレームワーク、コンポーネントができ、他人が書いたコードを再利用できるようになり、開発効率は大幅に向上しました。さらに後にはローコード/ノーコード・プラットフォームが登場し、プログラミングができない人でもアプリを作れるようになりました。AI Agentの進化の道筋も、たぶん似ているでしょう。最初は毎回の対話でゼロから始め、その後「保存して再利用できるAgent」が登場し、最後にはAgent市場が生まれ、馴化済みのAgentをみんなが共有したり交換したりする可能性が出てくる。CREAOが今やっているのは、第1段階から第2段階への重要な跳躍です。
私の見立てでは、AI Agentは複数の異なる製品形態に分化し、それぞれが異なるユーザー層や利用シーンに対応していくでしょう。究極の汎用性を追求するAgentは開発者やプロユーザー向け。法律、医療、金融のように特定の垂直領域に特化したAgent。さらにCREAOのように、消費者向け自動化に注力するAgentプラットフォームもあります。これらは競合関係というより共生関係で、それらが一緒になって完全なAI Agentエコシステムを構成します。そしてそのエコシステムの中で、CREAOが選んだ消費者向けのレーンは、ユーザー基盤が最大で、商業的なポテンシャルが最も広い領域かもしれません。
「最強Agent」から「最も多くの人のAgentへ」——これは単なるプロダクトの位置づけの転換ではなく、AIの価値の再定義でもあります。AIの価値は、難しいタスクをこなせることだけにとどまるべきではありません。どれだけ多くの人の効率向上、問題解決、生活の改善に貢献できるかでこそ示されるべきです。CREAOのようなプロダクトは、AIが本当に大衆へ向かう可能性を私に見せてくれました。ひとりひとりが自分専用のAgentを持てるようになり、日常の反復的で、細々した、時間のかかるタスクを自動化して処理できるようになったとき、AIは初めてその使命を本当に実現します——人間の代替ではなく、人間を機械的な労働から解放し、より創造的で価値のあることに向かわせるのです。