Meta 最高 AI 官：Muse はどのように作られたのですか？
"ほとんどの人は私たちがどんな研究をしたか気にしない。彼らが気にするのは、それが自分に何をもたらすかだ。"
"ユーザーが信頼できない体験に遭遇すると、彼らはそのものをゴミだと感じる。"
"私は、Museが誰もが子供の頃の夢のような大人の生活を送れるようにすると思う。"
証明書が飛行機の上に落ちてしまい、どこにあるかは分かっていて、どこに届けたいかも分かっているが、その後にはまだ多くのことを処理しなければならない：人を探して受け取ってもらう、配送を手配する、物をオフィスに届ける。David Senraはこのインタビューで、彼の友人がこれらをMuseに任せ、以降のプロセスには関与しないようにしたと語った。彼の言葉によれば、Museは受け取りと配送を手配し、最終的に証明書を友人のオフィスに届けた。
Senraを感動させたのは、友人から送られた数枚の会話のスクリーンショットだった。AIに質問することに慣れた人にとって、この使い方は一歩進んでいる：AIは単に提案をするだけでなく、その後の手配も引き受けた。果たしてこのような体験が日常になるかどうかは、ちょうどこのインタビューでの問いかけでもあった。
MuseはMetaが発表した個人AIエージェントで、ユーザーのために物事を処理することを目指している。この回のゲストであるMetaの最高AI責任者兼Scale AIの共同創設者Alexandr Wangは、プロトタイプからリリースまでのプロセスについて語った：チームは1、2週間でプロトタイプを作り上げたが、正式にローンチしたのは7ヶ月後だった。この期間中、彼らが解決すべきだったのは、ユーザーが最も気にする問題：それは本当に信頼できるのか？
AIに任せる価値のあることを見つける
Wangと同僚のNat Friedmanが個人エージェントに興味を持ったのは、彼ら自身がOpenClawを使用した経験から来ている。OpenClawはツールを接続し、タスクを実行し、彼らがAIを日常生活に取り入れることを試みるきっかけとなった。
Wangは、FriedmanがOpenClawにもっと水を飲みたいと伝えたところ、AIが監視画面を使って彼が水を飲んでいるかどうかを観察し、フィードバックを提供したことを覚えている。また、ザッカーバーグもAIの個人エージェントの使い方を探求していることを挙げ、AIに自分の総合格闘技のトレーニング映像を見せて改善の提案を求めている。
Wangの記憶によれば、同時期の業界の注目はプログラミングエージェントに大きくシフトしていた。しかしMetaは、別のニーズを捉えたいと考えていた：人々の生活の中の事柄を処理し、人々が自分のやりたいことに時間を使えるようにすることだ。彼はこの方向性をMetaの既存の製品に結びつけた：InstagramやWhatsAppなどのアプリには、人々が気にかける友人、家族、興味がある。
"私たち一人一人にはやりたいことがあり、やらなければならないこともある。汎用人工知能の約束は、AIが私たちの多くのやらなければならないことを代わりにやってくれることで、私たちがそれに時間を費やさずに、自分のやりたいことに時間を使えるようにすることだ。"
この考えに沿って、Museは日常のニーズから出発する必要がある。Wangはインタビューで、チームが常に戻ってくる質問を述べた：他の人はなぜこの製品を気にかけるのか？ユーザーはAIの研究に興味を持つ必要はなく、生活の中で誰かに手伝ってもらいたいことがあれば、それを使う理由が必要だ。
プロトタイプは早く作れるが、信頼性は急がない
2026年2月、WangとFriedmanはそれぞれ個人エージェントに関する考えを記しました。その後、チームは約1〜2週間でプロトタイプを作成し、取締役会にデモを行った。後にMuseのいくつかのデザイン、特にマスコットの初期の形態は、その時点で既に登場していた。
方向性は正しいように見え、プロトタイプも人々を驚かせることができたが、次の作業はこの2週間よりもはるかに長かった。
"そのプロトタイプは時々使え、非常に素晴らしいが、ほとんどの時間は正常に機能せず、故障を繰り返していた。私たちはそれを高度に信頼できる、精密に磨かれた消費者向け製品に変え、ユーザーに渡す自信を持てるようにしなければならなかった。"
Wangは、個人エージェントが初期に一時的に盛り上がり、その後冷却した理由の一つは、人々が驚きを経験したが、信頼できる結果を持続的に得ることが難しかったからだと考えている。チームが実際に使用した後、何ができるかを見たが、故障がどのようにユーザーを退けるかも知っていた。
プロトタイプからローンチまで、Museは7ヶ月を要した。Wangは特に、ザッカーバーグがこの期間中に忍耐と自制を示したことを強調した。チームが目指していたのは、将来的に数十億人の手に渡る製品であり、その大多数が良い体験を得られることだった。頻繁に故障するプロトタイプは、明らかにこの目標からは遠く離れていた。
WangはMuseの初期プロトタイプを振り返り、時折驚きを与えたが、頻繁に故障していたことを語った。
"使えるかどうか"を100以上の要件に分解する
問題がどこにあるのかを知るために、チームは理想的な個人エージェントが持つべき行動と能力を100以上の項目にリストアップし、各項目について評価、モデルの訓練、不足をチェックした。
彼はインタビューでその全リストを公開しなかったが、体験に影響を与えるいくつかの点を明確にした：モデルがタスクを安定して実行できるか、プロセス中にユーザーとコミュニケーションを取れるか、ユーザーの指示が必要な場合に戻って尋ねるかどうか。モデルがアップグレードされた後、これらのパフォーマンスは引き続き比較とテストが必要だ。
チームはまた、新しいユーザーにインストールから実際の使用までを何度も体験してもらった。開発者はすでに"AIにタスクを実行させる"ことに慣れているが、一般の人々はそれをチャットウィンドウとして扱うかもしれない。製品は彼らが何をAIに任せられるかを理解する手助けをする必要があり、ユーザーが最初から理解しているとは仮定できない。
"私たちは各項目に基準を設けた：何らかのレベルを下回るとリリースできず、何らかのレベルを超えると良いとされる。何度かのチェックで、80項目が緑で、20項目が赤のままで、私たちはこれでは不十分だと知っていた。"
特別に訓練されたモデルのバージョンがすべての項目を基準に達成するまで、チームはこのリリースの関門を越えなかった。彼らはこのバージョンを実際に使用し、以前のバージョンよりも明らかに改善されていることを確認した。ここでの"すべての基準を満たす"とは、内部でリストアップされた評価項目を指し、すべての現実のタスクが100%成功することを意味するわけではない。
これはAI製品を作る人々にとって、参考にできる判断方法を提供する：ユーザーが一つの事を任せた後、どのパフォーマンスが要求を満たす必要があるかを明確にし、その後リリースできるかを決定する。デモで成功した一度と、ユーザーが繰り返し使用する際の信頼性は、それぞれ検証が必要だ。
製品を各部門の願望リストにしてはいけない
信頼性は項目ごとにチェックする必要があり、製品が人々にどのような体験を提供するかは、各チームが機能を寄せ集めることで実現できるものではない。Wangは特に、大企業の製品が最終的に異なるアイデアの混合物になってしまうことを懸念している：各製品マネージャーは自分が入れたいものを持ち込み、各チームはそれぞれの評価目標を持ち、最終的にユーザーがその混乱を引き受けることになる。
したがって、たとえ経営陣がMuseをMetaの最も重要な製品の一つと見なしていても、彼らは参加規模を制御している。Wangによれば、モデルと製品の両方を合わせても200人に満たない。彼はまた、これは大企業の規模に対して相対的なものであると強調した。
製品の選択において、Friedmanの判断はMuseに大きな影響を与えた。Wangは最終的に提供したいのは、ユーザーがこの製品に対して明確な考えを持っていると感じられる、完全で一貫した体験だと考えている。開発に関与する人々にとって、自分が担当する機能が完成した後、それが全体の製品に戻されたときに適切かどうかを確認する必要がある。
WangはSenraとMuseの製品選択について話し、全体の体験を一貫させることの重要性を強調した。
信頼は小さな事を一つ一つ成し遂げることで積み重ねられる
たとえチームが製品をリリースできると感じても、ユーザーはすぐに重要な事をすべて任せるわけではない。Wangは、Museを好むユーザーはしばしば信頼を徐々に深めるプロセスを経ることに気づいた。
"まず小さな事を任せてみて、それができたら、あなたは思う：ああ、実際にできるんだ。次に少し多めの事を任せて、また成功する。そして、少し大きな問題を任せる。"
Wangが接触した大学生の中には、思いついたアイデアを音声で一気に話し、AIに整理させて明確な計画を立てさせる人もいる。この使い方にはかなりの信頼が既に築かれている：人はすべての考えを整理する必要はなく、まだ形になっていないアイデアをAIに任せることを望む。
ただし、Wangはこの徐々に任せるプロセスに前提条件を加えた：タスクが大きくなるにつれて、AIも繰り返し成功しなければならない。もし最初の数回で繰り返し間違いを犯すと、最初の好感はユーザーが使用を続ける支えにはなりにくい。これがチームがモデルを繰り返し磨き、コミュニケーションと質問能力をチェックする理由でもある。
Wang自身の使い方は、まずMuseでいくつかの作業フローを設定し、その後会議や人との交流に注意を戻すことだ。彼はこれらのフローの詳細には触れなかったが、ある使用状態を描写した：一部の事を整理しておけば、手元の事を続けることができる。
節約した時間を自分の計画に使えるか
もしAIがいくつかの事務を引き受けた場合、人々はその時間を取り戻した後に何をするのだろうか？Wangは次第に棚上げされている計画を思い浮かべた：子供の頃には多くの願望があり、学校を卒業し、職場に入り、家庭やさまざまな責任が生まれると、再び挑戦するための手を空けることが難しくなっていく。
彼は個人エージェントが人々がこれらの障害を乗り越える手助けをできることを望んでいる：まず一つのアイデアを実現し、次にもっと大きなことを考える勇気を持つことだ。彼は自分の期待を"子供の頃の夢のような大人の生活を送る"と表現した。これはもちろんまだ大きなビジョンであり、インタビューでのその日常的な使い方は始まりに過ぎない。
毎日忙しく働いている人にとって、このビジョンははるかに小さな問題に落ち着くことができる：AIが私の面倒な事を処理した後、私は本来手が回らなかった事をするために少し時間とエネルギーを得られたのか？これもまた、ユーザーの視点からこの種の製品を検証する方法だ。Wangが語った7ヶ月の磨きは、最終的にこれらの日常的な体験の中で検証されることになる。
最後に
もしAIに自分のために事務を処理させてみたいなら、まずは範囲が明確で、結果が簡単に確認できる小さな事を選び、どれだけの情報を補足する必要があるか、問題が起きた場合に戻って尋ねてくるかを見てみてください。何度かの使用が満足できるものであれば、次に任せるタスクを広げていきましょう。時間を取り戻すことは、ずっと先延ばしにしていた小さな事を解決することから始められます。
内容の出所："Creating Muse: The Fastest-Growing AI Product Since ChatGPT | Alexandr Wang, Meta"丨David Senra（ゲスト：Alexandr Wang）