このしばらくの間、私は本当にAIに悩まされて少し疲れました。数日前、"自動整理資料 + 自動生成コンテンツ"のワークフローを作ろうと思いました。今やネットでは毎日AIエージェント、自動化、ローコードの未来について盛り上がっていますが、最初はこれらは適当に組み合わせれば動くはずだと思っていました。

しかし、実際に始めてみると、私はすぐに無限のデバッグモードに入りました。
このプロンプトは違う、別の書き方にしよう。Claudeは出てきても曖昧すぎるのでGPTに切り替え。GPTのロジックは合っているけど、フォーマットがダメ。次にツールを変え、ルールを補い、ワークフローを修正。時には、自分が「コンテンツを作っている」のか、「AIを訓練している」のか区別がつかなくなることもあります。
しかも、この手の作業は特に心の持ちように影響します。
同じツールでも、10分で終わる人もいれば、私は結果を見ながら2時間もやり直すこともあります。ネット上の高評価のスキルは一見すごそうに見えますが、自分のシナリオに取り入れると、ほとんどうまくいきません。
模倣しても、最後には自分で少しずつ修正しなければなりません。
そのうち、誰かにワークフローを作ってもらおうと思ったことさえありました。でもよく考えると、小さなチームは実はかなり難しいです。AIに詳しい人を雇うコストは高いし、自分で要件を伝え、ロジックを説明し、何度もやり直すのは、時には自分でやるより疲れることもあります。
その後、徐々に気づいたのは、今のAIの最大の問題は、「賢さ不足」ではなくなったということです。
普通の人がAIをうまく使うためには、余計に多くのことを学ばなければならないということです。
プロンプトの研究、モデルの違いの理解、スキルの習得、ワークフローの構築、どのツールがどのタスクに適しているかの調査などです。実際の仕事に費やす時間はごく一部で、残りの大部分のエネルギーは、「AIを正常に動かすこと」に費やされています。
だから最近、@dappOS_com的 @xbubble_xyzを使ってみると、その考え方がかなり違うと感じました。
多くのAI製品は今、ユーザーに「どうやってプロンプトを書くか」「どうやってワークフローを組むか」「エージェントを調整するか」を教えています。
しかし、xBubbleはむしろ別のことをやっているように見えます：
「AIがAIを学び、AIがAIを使う」
私が実際に体験して一番感じたのは、「このステップでどのモデルを使うべきか」に悩む必要がなくなることです。
ただ、何を欲しいかを伝えるだけです。
Bubble Pilotはタスクの種類を自動認識し、適切なSOPと実行パスに自動的に振り分けます。既存のSOPがなければ、汎用エージェントに自動的にフォールバックします。
重要なのは、その背後にあるBubble Engineが継続的に学習し続けることです。
どのモデルがどのタスクに適しているか、どのツールの組み合わせがより安定しているか、どのワークフローの成功率が高いかといった、以前は非常に手間のかかることも、今やAIに任せ始めています。
この体験は実に快適です。
以前は、多くの場合、AIが働かないのではなく、ユーザーがAIに働かせるために、半分プログラマーのように学習していたのです。
特に、Bubble Computerのようなモードには深く共感します。
以前は、一つのタスクを完了させるために、資料検索、整理、コンテンツ作成、校正、出力といった複数のウィンドウを自分で切り替えていました。
今では、それらの一連の流れを自動で完結させてくれます。
また、Bubble Personalのようなローカルモードも面白くて、直接自分のPCのファイルやブラウザを操作できるのに、ユーザーは環境設定を自分でする必要がありません。
今、ますます思うのは、未来の本当に良いAIは、普通の人をますます疲れさせるべきではなく、
AI自身がAIの使い方を学習するべきだということです。
ユーザーはただ目標を伝えるだけで、あとのことはシステムに任せればいいのです。