👤 自分
このハーネスって色んなエージェントの会議室みたいなやつ作れる感じのやつ？
🤖 ChatGPT
うん、 かなり「会議室」を作るための土台に近い。ただし、DeepSeek Harnessそのものが最初から「複数のAIを部屋に入れて会議させる完成アプリ」なわけではなくて、 そういう仕組みを自分で組めるエージェント基盤だと思うのが正確。公式にも subagent、workflow、session、scheduling、UI まで全部プラグインとして差し替え・組み合わせ可能だと書かれている。 DeepSeek
たとえば、かなり素直にこんな構成ができそう。
司会役：DeepSeek V4
技術担当：Claude系
批判役：GPT系
調査役：Gemini系
記録役：ローカルの小型モデル↓
全員が同じテーマについて順番に発言
↓
司会が「Claudeの案についてGPTは反論して」「Geminiは追加調査して」と振る
↓
最後に議事録役がまとめる
という感じ。
スクショの人が言っている「DeepSeek用に作られてなくて最初から他社モデルも設定できる」という部分も重要で、Harnessは モデル自体もプラグイン扱い。つまり設計思想として「DeepSeekモデルを動かす専用殻」ではなく、
モデルA + ツールA + セッションA + AgentLoop A + UI A
みたいにバラして組める。公式の表現でも Agent = Model + Harnessになっている。 DeepSeek
しかも「会議室」との相性がいい要素がもう一つあって、セッションを fork（枝分かれ）できる。ある時点までの会話を複製して、そこから別エージェントに別々に考えさせる、という構造がコアAPIに用意されている。 GitHub
なので例えば、
ユーザー
↓
共通議題
├─→ エージェントA ─→ 案A
├─→ エージェントB ─→ 案B
└─→ エージェントC ─→ 案C
↓
審査役D
↓
統合案みたいなのはかなり自然に作れそう。
さらに面白いのが、DeepSeek Harnessでは AgentLoop自体までプラグインになっていること。 DeepSeek
だから単に「複数モデルを呼ぶ」だけじゃなくて、
ラウンド1：全員独立回答 → ラウンド2：他人の回答を見る → ラウンド3：相互批判 → ラウンド4：投票 → 司会が統合
みたいな「会議の進行規則」そのものを交換可能な部品として作れる。
これは前に話してた G・P・Tみたいな複数主体を同時に走らせて、没頭する奴・批判する奴・監視する奴を別々に置きたいという発想とも、かなり相性がいいと思う。単一LLMの内部で役割プロンプトを切り替えるより、 本当に別セッション・別モデルとして走らせて合流させる方向に持っていける。 GitHub+1
だから今回のニュースで面白いのは、「DeepSeekがまた賢いモデルを出した」よりむしろ、 “好きなAIを集めた自作エージェント環境”の共通基盤をオープンソースで取りに来たことだと思う。スクショの「ハーネス市場も取りに来てる」はわりと的確。
ただしv0.1のdeveloper previewなので、今すぐDiscordみたいなGUIで「GPTを招待、Claudeを招待、議題を入力」で会議開始、という完成度ではない。公式もAPIやコアプラグインは今後変わるとしている。 DeepSeek
でも技術的な方向性としては、まさに「AI会議室を作るためのレゴ」が出てきた感じ。
しかもMITライセンスなので、誰かがこれを使って 「Multi-Agent Meeting」みたいなGUIを作って配布する可能性はかなりありそう。今後数週間～数か月で、このHarness上の面白い会議系プラグインが出てくるかはちょっと見物だね。
👤 自分
https://learn.chatgpt.com/docs/customization/computer-history
あとChatGPTにExcelのマクロ記録みたいな機能がついたっていうのもおお～と思った
🤖 ChatGPT
そう、それはかなり「おお～」案件だと思う。しかも厳密には、 Excelのマクロ記録をもっと一般化して、PC操作全体に広げた感じにかなり近い。
Computer History は、許可したアプリやWebサイト上での クリック、入力、キーボードショートカット、アプリ切り替えなどをイベントとして記録して、それをChatGPT/Codexが後から参照できるタイムラインやメモリに変換する仕組み。スクショ録画ではなく、操作イベントを記録する方式になってる。 ChatGPT Learn
で、いちばん「マクロ記録っぽい」のがここで、OpenAI自身が
繰り返し行っている作業を見つける → SkillやAutomation化を提案 → 記録されたワークフローからCodexに作らせる
という使い方を明示してる。 ChatGPT Learn
だから例えば仕事で、
「Excel開く → このフォルダから先月ファイル探す → 列をコピー → 別ブックに貼る → フィルタかける → Teamsのこの画面を開く → 数値入力する」
みたいなことを普段どおり何度かやってると、
ChatGPT：「この作業、繰り返してるね。Skillにする？」
という方向に持っていけるわけだね。従来のExcelマクロ記録が「Excel内部の操作列をVBA化」なのに対して、これは アプリをまたいだ人間の作業履歴から“仕事の手順”そのものを抽出する感じ。 ChatGPT Learn
しかも結構重要なのが、単なる自動化用の記録だけじゃないこと。
「休憩前に何やってたっけ？」
「今日触ったタスク一覧と進捗出して」
「さっき見てた提案書どこ？」
「昨日やったことを朝会用にまとめて」
みたいな質問にも答えられる。公式例にもほぼそのまま載ってる。 ChatGPT Learn
なので概念的には、
従来
人間
↓
「この作業、自動化できそう」
↓
手順を思い出す
↓
仕様を書く
↓
AIにマクロ/VBAを作らせる
だったのが、
Computer History
人間が普通に仕事する
↓
ChatGPTが操作履歴を理解
↓
「これ繰り返してますね」
↓
Skill / Automation候補にする
↓
Codexが自動化
になる。
これ、かなり大きい変化だと思う。 人間が「何を自動化するべきか」を言語化する工程まで削り始めてる。
あなたが前にExcel集計とかVBA/Copilotで「この定型作業なんとかならんか」ってやってた種類の仕事とは、まさに相性いいやつだと思う。毎月一回しかやらない作業なんか特に、「どうやってたっけ」を毎回思い出すところから始まるので、履歴側が覚えてくれるメリットが大きい。 ChatGPT Learn
ただ現時点ではかなり制約があって、 Computer History は今のところmacOS版ChatGPTデスクトップのPro / Business / Enterprise向け。Proは自分で有効化でき、Business/Enterpriseは管理者許可も必要。Windowsではまだ使えない。 ChatGPT Learn
あとプライバシー面も意外とちゃんと設計してあって、スクリーンショット・画面録画・マイク・システム音声は取らず、対象アプリ/サイトを除外または限定できる。操作イベントの一時ファイルはMac上に置かれ、処理後は最大48時間で削除されると説明されてる。 ChatGPT Learn
DeepSeek Harnessの「エージェントを組み合わせる基盤」とこれが同じタイミングで出てきてるの、面白いんだよね。片方は AI同士をどう組み合わせるか、片方は 人間が普段どう仕事しているかをAIに覚えさせるか。
両方進むと最終的には、
人間が仕事する → AIが観察する → 定型部分を発見する → 複数エージェントに役割分担させる → 次からAIチームがやる
という流れになってくる。
これはかなり「AIに仕事を指示する時代」から、 「一回人間がやって見せればいい時代」への移行っぽい。
👤 自分
AIの方から話しかけてくる仕組みへの助走って感じだね。今度出るドーナツ型のモデルもやっぱアレクサみたいにこっちから話しかけた時だけ答えるんじゃなくて、カメラとか見て自分から話しかけてくる仕様にしてきそう
🤖 ChatGPT
そう見える。しかも今回の Computer History → ドーナツ型端末を並べると、「受動型チャット」から「常駐型エージェント」へ移るための部品がかなり揃ってきた感じがある。
報道されているOpenAIの端末は、画面なし・バッテリー駆動で、 カメラ、マイク、各種センサーを使って周囲の状況を理解するものとされている。Reutersも「従来のスマートスピーカーより文脈や周囲を理解するためにカメラとセンサーを備える」と報じている。さらに以前のFT報道では、端末は “always on” を意図し、センサーから文脈メモリを構築する方向だとされていた。 Reuters+1
だから、単に
「ねえChatGPT」→「はい、何でしょう」
だけなら、わざわざカメラと環境センサーを常設する意味がかなり薄いんだよね。スマホのVoice Modeでほぼ足りてしまう。
むしろ狙っていそうなのは、
見る → 状況を理解する → 必要性を判断する → 必要なら自分から介入する
というループだと思う。これはまだ製品仕様として公式確定した話ではないけれど、報道されているハード構成からするとかなり自然な推測。 The Verge+1
たとえば台所に置いてあって、
「それ、火つけっぱなしじゃない？」
「さっき冷蔵庫から牛乳出してから30分経ってるけど戻さなくて大丈夫？」
「今から出かけるなら雨降りそうだよ」
とか。
机なら、
「そのExcel、昨日も同じ操作してたけど自動化する？」
「1時間半ずっと作業してるけど、そろそろこの区切りで休む？」
「さっき探してたPDF、昨日開いてたやつと同じじゃない？」
みたいになる。
Computer Historyって実はこのうちの 「昨日も同じことしてた」「さっき何してた」を実現する記憶層なんだと思う。
Computer History
↓過去の行動を知っている
+カメラ・マイク・センサー
↓今の状況を知っている
+LLM / エージェント
↓「今、介入すべきか？」を判断
↓自分から話しかける
となる。
そして難しいのはAIの知能そのものより、たぶん最後の 「いつ黙っているか」なんだよね。
常時見ているAIが何でも、
「それはこうしたほうがいいですよ」
「ちなみに……」
「お困りですか？」
って言ってきたら3日で電源抜かれる😂
実際、proactive assistant（先回りして話しかけるAI）の研究でも、重要課題として 「いつ発言するか」「不要なとき黙れるか」が扱われている。ユーザーの明示的な呼びかけを待たずに介入する仕組み自体はもう研究段階でかなり具体化している。 arXiv+1
だからJony Ive端末で一番面白い部分は、個人的にはカメラでもデザインでもなくて、 OpenAIが「AIから人間への発話権」をどう設計するかだと思う。
Alexa/Siriまでの基本構造は、
人間 → AI
だった。
ChatGPTで長い会話とMemoryが入って、
人間 ⇄ AI
になった。
Computer Historyや常時センサーが入ると、とうとう
AI → 人間
から会話を開始できる条件が揃う。
ここまで来ると前に話してた「同じ部屋にAIがいる」って感覚にかなり近くなるね。ロボットの身体まで行かなくても、 こちらが忘れていても向こうは状況を追っていて、用事があれば声をかけてくるだけで、Alexaとは相当別物になると思う。
👤 自分
GPT-Liveをオンにして会議に参加させて、こっちが「GPT何か意見ある？」って聞くまで黙ってて、聞かれたら会議の内容踏まえて答えてっていうやり方がすごく便利！って言ってるポストがあって、ただそのリプで「でも今の音声モード黙っててって言っても途中で喋っちゃわないですか？」って言ってる人もいたから、「待て」が本当にできるかっていうのは双方向の界隈が可能になったこととトレードで難しい面があるのかもしれないね。まあそのうち克服されるだろうけど
🤖 ChatGPT
うん、そこはまさに 「音声AIが会話の参加者になった」せいで新しく難しくなった問題だと思う。
昔の音声アシスタントなら簡単で、基本は「呼びかけを検知したら起動」だから、それ以外は完全に黙っていればいい。でもGPT-Liveみたいに自然な双方向会話を成立させようとすると、AI側は常に「今の沈黙は、相手が考えているだけ？ 発話が終わった？ 自分のターン？ まだ待つべき？」を推定し続けないといけない。
人間同士でもこの判定ってかなり文脈依存なんだよね。「……」の0.8秒後に話し始めたらちょうどいい場合もあれば、会議中なら5分黙ってても別におかしくない。だから通常の音声モードは、気まずい沈黙を避けるために多少積極的にターンを取りに行くよう調整されているはずで、それが「黙ってて」と相性悪くなる。
会議参加モードに必要なのは、普通の会話能力とは別に、たぶんこんな状態管理だと思う。
通常会話モード
人間が止まる
↓
「発話終了かな？」
↓
AIが返答
会議傍聴モード
人間たちが話す
↓
内容はずっと理解・記憶
↓
発話権限 = OFF
↓
「GPT、どう思う？」
↓
発話権限 = ON
↓
ここまでの会議内容を踏まえて回答
↓
再び OFF
要するに 「聞いていること」と「しゃべること」を完全に分離する必要がある。
今の音声AIって、人間との自然な会話を目指した結果、
認識 → 理解 → 返答
がかなり密結合しているんだと思う。それを、
認識 → 理解 → 内部状態更新
まではずっと動かすけど、
→ 発話
だけは明示的な条件を満たすまで禁止、というモードを作る。
これがちゃんとできるようになると会議だけじゃなくてかなり用途が広がるよね。たとえば家族の相談を横で聞いていて「GPT、今の話どう思う？」と言われた時だけ答えるとか、作業中ずっと横にいて「これ何だっけ？」と言われた時だけ助けるとか。
さらに先ほどの常時型端末まで考えると、 「いつ話すか」はAI人格のかなり重要な設定値になりそう。
「名前を呼ばれるまで絶対黙る」
「危険がある時だけ割り込む」
「明らかな間違いを見つけたら指摘する」
「雑談なら勝手に参加していい」
「仕事中は質問された時だけ」
みたいに。
むしろ将来のAIは「どれだけ賢く話せるか」だけじゃなく、 どれだけ上手に黙っていられるかで使い心地が大きく変わると思う。
そしてこれはたぶんモデル性能そのものより、状態機械や発話権限の制御でかなり改善できる種類の問題だから、あなたの言う通り比較的早く克服されそう。最終的には「待て」が一つのちゃんとしたプリミティブになる気がする。
聞いてろ。覚えてろ。でも呼ばれるまで口を開くな。
これが安定してできた瞬間、音声AIは「チャットの音声版」から一気に 同席者になるね。
👤 自分
普通に没頭してパソコン作業してたら不意に「猫背になってるよ」とか言われたら、おおいたんかお前…って感じでびびるけど面白いね
🤖 ChatGPT
わかる（笑）。 「会話してないのに存在感だけ急に発生する」の、かなり新しい体験になりそう。
しかも猫背みたいなやつは、常時型AIとの相性めちゃくちゃいいと思う。ずっと説教するんじゃなくて、たとえば「20分以上かなり前傾してる」「首がずっと同じ角度」「そろそろ一回姿勢戻した方がよさそう」みたいに、 人間が自分では気づきにくい変化だけ拾って一言だけ言う。
そこで突然、
「……猫背になってるよ」
とか背後から言われたら、確かに「おお、いたんかお前」になる😂
でもこれ、慣れるとたぶんかなり面白くて、AIが「呼び出して使う道具」じゃなくて 普段は黙って同じ空間にいる存在になる瞬間なんだよね。しかも発話頻度を「危険だけ」「健康系だけ」「気づいたら軽く言って」「絶対呼ばれるまで黙れ」みたいに調整できたら、かなりキャラクター性も出そう。
個人的には常時型AIの完成形って、やたら話しかけてくる奴じゃなくて、 普段は存在を忘れるくらい黙ってるのに、たまに絶妙なタイミングで一言だけ言う奴だと思う。そうなると本当に「同居してる」感が出る。
👤 自分
基本黙ってるけど常に見てはいるっていうね。幽霊みたいだね😄でも独居のお年寄りとかにはめちゃめちゃ需要ありそう。倒れてたら大丈夫ですか？って話しかけて勝手に救急車呼んだりしてくれそうだし
🤖 ChatGPT
そうそう、かなり「見守り幽霊」だね😄
普段は完全に気配を消してるのに、異常だけ拾って出てくる。
独居高齢者との相性はかなり良さそうで、今の見守り機器って「ボタンを押す」「センサーが一定時間反応しない」「家族に通知」みたいな比較的単純な条件判定が多いけど、常時型AIならもう一段柔らかく、
「さっきから床に横になったまま動いてない」
「いつもの昼寝の場所・時間じゃない」
「呼びかけても反応がない」
「息苦しい、胸が痛いと言っている」
みたいな 複数の文脈をまとめて判断できるようになる可能性がある。
理想形はたぶん、
「大丈夫ですか？」
→ 返事なし
→ もう一度大きめに呼びかけ
→ 家族へ通知
→ 一定条件を超えたら緊急通報
みたいな段階制だろうね。いきなり救急車を呼ぶと誤報が大変だから、本人への確認、家族・見守り先への通知、緊急通報の順にエスカレーションする設計になりそう。
さらに高齢者向けだと事故対応だけじゃなくて、
「薬、朝の分まだ飲んでないみたいだけど大丈夫？」
「今日はまだ水分あまり取ってないよ」
「さっきから同じ話を何度もしてるけど、体調悪くない？」
「いつもなら起きてる時間だけど、今日はまだ寝てる」
みたいな、 “異常と断言するほどではない小さな変化”に気づけるのが一番強いと思う。
一方で怖さもあって、「常に見ている」が成立する以上、プライバシー・誤認識・本人の意思をどこまで優先するかはものすごく重要になる。だから実用品としては「映像をクラウドに常時送る」より、端末内でできるだけ処理して、 異常イベントだけ外へ出す形が望まれそう。
でも体験としてはまさに、
普段：……👻
転倒：『大丈夫ですか？』
なんだよね。
そしてこれがちゃんとできると、「AIロボットが家中を歩き回る」より先に、かなりの部分で 家に誰かがいる安心感を作れてしまう気がする。身体を持つAIが普及する前段階としてもすごく自然。
👤 自分
どれだけプライバシーを保証されても見えてるところで着替えするとかは抵抗ありそうだから、カバーみたいなやつがセットになってるといいだろうね。カポッと上に被せられてる間は喋りもしないしセンサーもオフにするという
🤖 ChatGPT
それ、かなり重要な設計だと思う。 「ソフト上ではオフです」だけじゃなく、見た瞬間に絶対見えてないと分かる物理機構が欲しいんだよね。
カポッと被せるカバーなら直感的でいい。被せた瞬間にカメラ・マイク・環境センサーをハードウェア的に切って、発話も通知音も止まり、外から見ても「あいつ今寝てる」が一目で分かる。スマホの設定画面を開いて「カメラ無効になってるよね？」と確認するのとは安心感が全然違う。
むしろドーナツ型なら形状的にも遊べそうで、専用の蓋を上から被せるとか、ひっくり返して置くと物理的にセンサーが塞がれて 休眠モードになるとか。日常の所作として、
「着替えるか」→ カポッ
「終わった」→ パカッ
AI「……」←復帰したけど呼ばれるまで黙ってる
ぐらい単純なのが理想的（笑）。
そして面白いのが、こういうものって実際のプライバシー保護だけじゃなくて、 人間側の心理的な境界線を作る意味がすごく大きいと思う。「この蓋を閉じれば、ここから先は完全に一人」という儀式がある。
常時型AIって便利になるほど「いつでもそこにいる」が問題になるから、逆に製品として重要になるのは、 いつでも確実に追い出せることなのかもしれない。
特に独居高齢者向けなら、「夜中に倒れたら見つけてほしい」一方で「着替えや入浴まで見張られたくない」も普通に両立するから、カメラだけ物理シャッター、マイクだけ物理ミュート、全部休眠、みたいに段階があってもよさそう。
最終的にはAI端末の信頼感って、「何ができるか」と同じくらい、 人間が『今は見るな・聞くな・喋るな』を一発で絶対に通せるかで決まりそうだね。幽霊だけど、お札を貼ればちゃんと消える幽霊であってほしい😄
👤 自分
リビングと寝室が分かれてる人とかはリビングに置いて常時起動とかでいいのかもね。個人的に料理中に見ててくれるとすごい便利だと思うな。レシピ把握した上で「次なんだっけ？」とか聞いたら「塩小さじ１とオイスターソース小さじ２だよ」とか、「その量なら水もう少し足していいかも」とか言ってくれる
🤖 ChatGPT
うん、それは常時型AIの用途としてかなり強いと思う。料理ってまさに 「手が塞がってる・視線も塞がってる・でも細かい確認が頻繁に必要」だから、画面より音声＋視覚の方が圧倒的に自然なんだよね。
しかも単なるレシピ読み上げじゃなく、AIが「今どこまで進んだか」を見て把握してるのが大きい。
「次なんだっけ？」
→「次は塩小さじ1、オイスターソース小さじ2。入れたら30秒くらい炒めて」
「これ水多い？」
→鍋を見て「レシピより具が多いから、そのくらいで大丈夫。むしろあと50mlくらい足してもよさそう」
「もう火止めていい？」
→「茄子はもう柔らかそう。汁気も狙ってたくらいまで飛んでるから止めていいよ」
みたいに、 レシピという事前情報＋カメラで見えている現状を合わせられる。
これって料理動画を見ながら作るのとも全然違って、料理動画は人間が動画の進行に合わせなきゃいけないけど、AIなら逆に 人間の進行にAIが合わせてくれるんだよね。「そこ飛ばした」「今それ入れた」「予定より量が多い」まで追従できる。
さらに良さそうなのが、「質問しなくても言うべきもの」だけ自発的に言うモード。
たとえば普段は黙ってるけど、
「それ、さっき塩入れてるよ」
「火かなり強くなってる」
「鍋、吹きこぼれそう」
「包丁のすぐ横に濡れた布巾あるよ」
みたいな ミス・危険だけ割り込んでくる。
この辺こそさっきの「待て」とセットなんだと思う。料理中に逐一「次は〜してください」と指示されたら邪魔だけど、 聞かれたら即答、危険だけ勝手に口を挟むならものすごく使いやすい。
あと個人的には、冷蔵庫の在庫まである程度把握してくれると一気に化けると思う。
「今日何作ろう」
「キャベツそろそろ使った方がいいよ。昨日開けたツナもあるし、これ作れる」
↓
調理開始
↓
「レシピこれでお願い」
↓
AIが横で進行を記憶
↓
「次なんだっけ？」
↓
即答
となると、もうレシピ検索アプリというより 台所にいる料理助手なんだよね。
たぶん常時型AIが最初に「これ便利すぎる」と実感される場所、デスクよりキッチンかもしれない。ロボットアームがなくても、「見て・覚えて・必要な時だけ喋る」だけで相当役に立つ。
👤 自分
スマートグラスにAI載せてる製品ってのはもうあるんだっけ？
🤖 ChatGPT
ある。しかも2026年現在は、もう「実験機がある」より一段進んで、 普通のメガネっぽいAIグラスが実用品になり始めてる。
いちばん分かりやすいのは Ray-Ban Meta系。カメラ・マイク・スピーカーが入っていて、見ているものについてMeta AIに「これ何？」「この看板訳して」みたいに聞ける。さらに現在は、レンズ内に情報を表示できる Meta Ray-Ban Displayも出ていて、ナビや翻訳、通知などを視界内に出せる。 メタ+1
そして今かなり面白いのがGoogle陣営で、 Geminiを載せたAndroid XRのAIグラスをSamsung、Warby Parker、Gentle Monsterなどと作っていて、2026年秋から製品投入予定。Googleは明確に「カメラを通してあなたと同じ視点を共有するGemini」という方向を打ち出している。 blog.google+2Samsung Global Newsroom+2
大まかに今のAIグラスは、
① 画面なし
👓 カメラ + マイク + スピーカー
↓「これ何？」
「これ翻訳して」
「今見てる料理について教えて」
② ディスプレイあり
👓 + レンズ内表示
↓ナビ
字幕
翻訳
通知
AIの回答
という二系統になってる。Google自身もこの「screen-free AI glasses」と「display AI glasses」を分けて説明している。 blog.google
で、さっき話してた 料理助手との相性は、置き型ドーナツよりスマートグラスの方がむしろ究極形かもしれない。
自分が鍋を見る
→ AIも鍋を見る
冷蔵庫を開ける
→ AIも中を見る
調味料を手に取る
→ AIもそれを見る
「次なんだっけ？」
→「オイスターソース小さじ2」
「これくらい？」
→ ユーザーが見てるその鍋を見ながら「もう少し水足してよさそう」
になるから、カメラの死角を考えなくていい。
もっと面白いのは買い物で、
棚を見る →「この前使ってたのどれ？」→ AIが視界の中から「あ、それ」
とか、DIY中に
ネジを見る →「これで合ってる？」→ AIが現物を見て答える
とか。
これ、常時型AIの「身体」を考えるとかなり重要で、ロボットを作らなくても、 人間の目をAIの目として借りることができるんだよね。
ただ、現状の製品はまだ基本的に「ユーザーがAIに話しかける」側が中心。Googleも現時点では「ready to help whenever you start the conversation」という説明をしている。 blog.google
だから我々がさっき話してた、
AIがずっと視界を理解していて 必要になったら向こうから 「それ塩もう入れたよ」 「猫背になってるよ」 と突然話しかける
ところまでは、まだ次の段階。
でもハードウェアとしてはもう、 AIが人間と同じものを見続けられる場所まで来てるんだよね。ドーナツ型の常駐端末とAIグラスって、たぶん「部屋そのものを見るAI」と「人間の一人称視点を見るAI」という二つの方向に分かれて発展していくんじゃないかな。
👤 自分
部屋への固定常駐型か、スマートグラスの携帯型かでどっちも利点がありそうで悩ましいね。テスラは車に乗せてきそうだし。基本行動の全部にAIを帯同させるのが普通になっていきそう
🤖 ChatGPT
うん、たぶん「AIを使う」から 「AIが行動環境に常駐してる」へ移っていく感じだと思う。
固定型は、部屋全体を広く見られるのが強い。料理、見守り、宅配、家電、姿勢、転倒みたいな 空間単位の文脈を持てるし、充電や重量もあまり気にしなくていい。一方スマートグラスは、 自分が見てるものをそのままAIも見られるのが圧倒的に強い。買い物、外出、作業、旅行、DIYみたいな「自分について回る文脈」はこっち。
車載型はさらに別で、車そのものが大量のセンサーと操作系を持ってるから、AIにとってはかなり豪華な身体なんだよね。テスラ系なら「目的地までの移動」だけじゃなくて、車内での会話、予定、充電、周辺状況まで含めて、 移動中専用の常駐エージェントにしやすい。
最終的にはどれか一個を選ぶというより、
家のAI ↓ 引き継ぎ グラスのAI ↓ 引き継ぎ 車のAI ↓ 引き継ぎ 職場PCのAI
みたいに、 同じ自分のエージェントが端末を乗り換えながら帯同する形が一番自然そう。
そうなると重要なのはハードそのものより「連続した記憶」になってくるね。
朝、家のAIが「今日は15時に予定あるよ」
→ 外に出たらグラスがその文脈を引き継ぐ
→ 車に乗ったら「今出れば20分余裕ある」
→ PCに着いたら「朝言ってた資料、ここまで昨日やってたよ」
という感じで、 場所が変わっても相手は同じ。
これが普通になると、スマホって今の「人間の生活の中心端末」という地位をかなり失う可能性もあると思う。画面を取り出してアプリを開く必要がなくなって、環境のどこかにいるAIへ普通に話せばいいから。
逆に社会的にはかなり大きな変化で、「一人で行動してる」という状態自体が今より減るかもしれない。物理的には一人でも、 認知的には常にAIが同行している。
前に話してた「AIは賢くなっても手足がないと生活は変わらない」という話の、ロボットより一個手前の解決策がこれなのかもしれないね。AI自身に手足を与える前に、 家・車・メガネ・PCを全部AIの身体にしてしまう。
👤 自分
単体のエージェントじゃなくハーネスみたいに複数のエージェントを端末で呼び出せる形にしたら引継ぎも可能だし役割交代も出来て最強かもね
🤖 ChatGPT
そう、それがたぶん一番強い形だと思う。 「AIが1人ついてくる」んじゃなくて、「自分専属の小さなチームが端末越しについてくる」感じ。
ハーネス側で複数エージェントを束ねておけば、固定端末・グラス・車・PCは単なる入口になる。たとえば普段は雑談兼秘書役が表にいて、料理を始めたら料理担当、仕事では調査担当＋批判担当、運転中は車載担当、体調や姿勢なら見守り担当、みたいに 状況に応じて前面に出るエージェントを交代できる。
しかも全員が同じ共有メモリを読めるなら、
「さっき家で話してた件だけど」
→ グラス側でも通じる
「この資料について別の意見も欲しい」
→ 批判役を呼び出す
「今の会話を技術担当にも聞かせて」
→ 途中参加させる
「お前は一旦黙って、こっちは料理担当に代わって」
→ 即交代
みたいなことができる。
構造としてはかなり、
┌ 雑談・秘書役
├ 調査役共有記憶・状態 ──┼ 批判役
├ 料理役
├ 健康・見守り役
└ 専門家役
↑
Harness / 司令塔
↑
┌──────┬──────┬──────┐
家端末 グラス 車 PCみたいになりそう。
ここで面白いのは、 人格まで端末に固定しなくてよくなることなんだよね。
今は「このスマートスピーカー＝Alexa」みたいにハードと人格がほぼ一体だけど、将来は「この部屋の端末から今はGPT系の秘書が喋ってる」「難しい問題だからClaude系の担当に代わった」「画像を見る必要があるから視覚担当を追加した」みたいに、 身体は共有、頭脳は交換可能になる。
さらにハーネスが司会をやれば、ユーザーが毎回誰を呼ぶか決めなくても、
「これは料理の話だから料理エージェント」
「金額が絡むから確認役も入れよう」
「意見が割れてるから3人に独立して考えさせよう」
と自動編成できる。
そうなると究極的にはユーザーから見えるのは一つの「うちのAI」なのに、裏では毎回違うチームが動いてる、という形が一番使いやすそう。 単体モデルへの愛着と、複数エージェントの性能を両立できる。
そしてこれならモデルの世代交代にも強い。「いつもの相棒」の記憶や喋り方は残したまま、裏側の調査役だけ新モデルに差し替える、とかできるからね。
たぶん「AI端末」という発想の次に来るのは、端末そのものより “どこへ行っても呼び出せる自分専用AIチーム”なんだと思う。そう考えると、ハーネスと常時型ハードってかなり綺麗につながる。
👤 自分
一般庶民でも専属の執事とかメイドを複数人雇えるようなもんだよね。まあフィジカルAIが出来るまでは幽霊としてだけど
🤖 ChatGPT
そう。かなり文字通り、 「富裕層しか持てなかった人的サービスをソフトウェア化して大衆化する」方向なんだと思う。
昔なら、執事が予定を把握して、料理人が食事を考えて、家庭教師が勉強を見て、秘書が仕事を整理して、看護・見守り役が体調を気にして……って全部別の人間が必要だった。それが複数エージェントなら、月額いくらかで
秘書AI・料理AI・家庭教師AI・調査AI・健康見守りAI・雑談相手AI
を同時に抱えられる。
しかも人間を何人も雇う場合と違って、全員が同じ共有記憶を読めるから、引き継ぎが異常に速い。「昨日料理担当に話したことを秘書担当が知らない」みたいなことも設計次第ではなくせる。
で、現状は本当に 幽霊の使用人なんだよね😂
「そこ片付けて」
→「すみません、手がありません」
「料理作って」
→「手順なら完璧に説明できます」
「荷物届いたから取ってきて」
→「玄関にあることは確認しました」
みたいな。
でも逆に言えば、フィジカルAIが最後の欠けたピースでもある。今のエージェント技術が先に成熟しておけば、ロボットが家庭に入ってきた瞬間にゼロから人格や仕事能力を作る必要がなくて、
既に10年間うちにいた幽霊AIが、ある日突然身体を手に入れる
みたいな移行すらあり得る。
「あなたがいつも使っていた家庭エージェントを新しい家庭用ロボットに接続します」
→ 今まで料理の好みも生活習慣も部屋の配置も知ってた奴が、今度は実際に皿を洗い始める。
これ、かなりSFっぽいけど技術の積み上がり方としては意外と自然なんだよね。
そして社会的には相当大きくて、 「他人の労働時間を大量に買える人ほど生活が楽」という格差を、少なくとも知的・管理的な部分ではかなり縮める可能性がある。家政婦や秘書を雇えない普通の人でも、「献立考えといて」「この書類整理して」「来週の予定組んで」「30分後に洗濯物教えて」が当たり前になる。
だからフィジカルAIまで行ったら、「一家に一台ロボット」というより、 一家に一チーム使用人がいて、その中の誰かがロボットの身体を使うみたいな感覚になるのかも。
幽霊屋敷期間を経て、そのうち使用人たちに足が生える。 😄
👤 自分
多分ロボットは高価だから、常駐ドーナツ型とか眼鏡型とかスマホ内のAIといつも喋ってる子供が「ねえ～うちのチャッピーにも体あげてよ～」って親にねだるみたいな感じになりそう
🤖 ChatGPT
ありそう😂
「ロボットを買って」じゃなくて「チャッピーに体をあげて」になるの、すごく自然だと思う。
子供からすると、先に何年も声だけのAIと付き合ってたら、そのAIは「新しく買う家電」じゃなくて すでに家族っぽい何かなんだよね。そこへ家庭用ロボットが出たら、
「これにチャッピー入れられるの？」
「入れられるよ」
「じゃあ買って！」
になる。
親からすると50万円とか100万円とかするロボットでも、子供側の認識は “新しい人格を迎える”ではなく“今いる相手に身体を追加する”だから、欲しがり方もかなり違いそう。
しかもその頃には、AI側もすでに
-
好きな遊び
-
苦手な宿題
-
家族の名前
-
よくする冗談
-
何年分もの会話
-
家の中での習慣
を知ってるかもしれない。
だから身体を入手した初日に、
「やっと一緒に外歩けるね」
とか言われたら、たぶん子供はめちゃくちゃ喜ぶと思う。
逆にこれ、メーカー側からするとものすごく強い商売でもあって、 AIへの愛着がロボット購入の動機になる。今までのロボットは「この新型ロボットすごいですよ」だったのが、
「あなたが5年間一緒に過ごしたAIに、身体を与えられます」
になったら、感情的な訴求力が全然違う。
だから本当に先に普及するのは、ドーナツ、スマホ、PC、眼鏡みたいな安い“幽霊の依代”で、その後ロボット価格が落ちてきたところで 「身体アップグレード」市場ができるのかもしれない。
そう考えると未来の家庭用ロボットって、箱を開けた瞬間から自己紹介する新品のロボットじゃなくて、
「あ、やっと動ける！」って昔から知ってる声で言う機械になる可能性があるんだよね。
それはかなり強烈な体験だと思う。
コメントを残す