
AIエージェントは「アプリ間の移動」をどう消すのか~Grok Botから読む、生成・判定・強制の三層設計~
最近、kvro(@0xkvro)さんの「Grok Bot Could Kill the App-Switching Era」という記事を読みました。仕事の遅さの原因は、考える速さよりも、作業が複数の画面に散らばっていることにある、という切り口です。
【発端】 判断は30秒、段取りは20分という話

Slackで依頼を受け、Gmailで文脈を探し、Driveで資料を開き、表を直し、結果を送り返します。判断そのものは30秒でも、その周りの段取りに20分かかります。
この「人がアプリ間をつなぐ時間」を、エージェントがどこまで引き受けられるのかが面白い点です。
この記事では、起点記事の発想を三つに分けて掘り下げます。Grok Botとは何か、従来のチャットAIやアプリ中心の仕事と何が違うのか、判断の「安さと速さ」と「安全」を両立させる設計、の三つです。
【基礎】 Grok Botは「自分のPCを持つ常駐AI」です
つまり、チャット欄の向こうに「作業机ごと残る同僚」がいます。
Grok Botは、xAI系の公式ドキュメントによると、名前と役割を持つ永続的なAI(Bot)です。各Botはクラウド上の常駐コンピュータ(ブラウザ、ファイル、ターミナル付き)で動き、ノートPCを閉じても処理は続きます。
公式の概要ページにその説明があります。
覚えておく用語は三つです。
スキル:一度実演した複数ステップの手順を保存したもの
ルーティン:スキルを、時刻やイベントを合図に自動で走らせる仕組み
承認:影響の大きい操作の前に、人へ確認を戻す仕組み
作業環境が残る点は小さくありません。ログイン済みのブラウザ、作りかけのファイル、開いたままのタブが、そのまま次の実行に引き継がれます。
起点記事が強調するのは、毎回ゼロから作り直す「使い捨て」との違いです。
【違い】 入口が「アプリ」から「頼みたい成果」に移ります

入口
アプリ中心:アプリを開く
チャット中心:質問を書く
常駐Bot:成果物を頼む
人の役割
アプリ中心:アプリ間をつなぐ
チャット中心:回答を持ち帰って転記する
常駐Bot:例外と承認を引き受ける
手順の置き場所
アプリ中心:人の頭
チャット中心:毎回のプロンプト(その場で渡す指示)
常駐Bot:スキルとルーティン
作業の状態
アプリ中心:画面ごとに分散
チャット中心:会話が終わると途切れる
常駐Bot:専用PCに残る
公式の設計記事でも、チャットは使い捨てになりやすく、Botを名前付きの存在として残す設計にした、と説明されています。Designing Grok Botです。
もう一つの区別は、AnthropicのBuilding Effective AI Agentsに書かれています。あらかじめ決めたコードの道筋で動くものを「ワークフロー」、LLM(大規模言語モデル)が自分で進め方と道具の使い方を決めるものを「エージェント」と分けています。
従来の自動化が固定するのは、経路です。エージェントは、到達したい結果を持ち、画面が変わっても経路を組み直せます。
ただし柔軟さの代わりに、予測しやすさは下がります。
【仕組み】 生成・判定・強制を分けると、判断が安く速くなります

一つの大きなモデルに「作る」「次を選ぶ」「安全か決める」を全部やらせない設計です。
エージェントの一回の実行には、小さな分岐が大量に埋まっています。どの担当が次に動くか、この情報源は関係あるか、この操作は承認が要るか、証拠は足りているか。
これらは文章を書く仕事ではなく、選択肢の決まった問いです。
起点記事は、責任を三層に分けることを提案しています。
生成モデル:報告書や下書きなど、自由な成果物を作る
判定層(決定層):現在の状態を見て、決まった選択肢から次の一手を選ぶ
決定論的コード:上限額や権限など、交渉できない規則を必ず強制する

判定層の具体例として挙がるのが、Qualixar Jev Decision Layerです。READMEによると、閉じた問いを小さく速い判定モデルに渡し、型付きの答えと確信度(その答えの確かさ)、ローカルのレシート(その実行の記録)ID付きで受け取ります。
答えの型はChoice(選択肢から選ぶ)、Score(尺度上の位置)、Noul(はい・いいえの確率)の三つです。
READMEは、答えはあくまで助言で、実行を決めるのは呼び出し元だと明記しています。判定は権限ではない、という線引きです。
次に、確信度の使い方です。起点記事は、確信度を、表示するだけの数字にせず、経路を変えるために使うべきだと述べています。
確信度が高く影響が小さければ、そのまま続行する
中程度なら、情報源の追加や決定論的チェックなどで状態を良くする
低いか影響が大きければ、人のレビューへ回す
同じ証拠で同じ問いを繰り返しても、確信度は上がりません。再試行は、新しい情報を買うために使います。
【具体例】 顧客フォローの作業を、判断の種類で分けます

公式ドキュメントが「最初の依頼」の例として挙げているのは、次のような仕事です。CRM(顧客情報を管理する仕組み)から今週のパイプライン確認リストを取り、配信中の相手は除き、上位5社を調べ、連絡先を探し、下書きを作って承認待ちにする、という内容です。
この仕事を判断の種類で切ると、担当が見えてきます。以下は、公式の例文を使ったこの記事の整理です。
すでに配信中の相手か
問いの形:照合で決まる
向いている担当:コード
上位5社のどれを調べるか
問いの形:優先度の順位づけ
向いている担当:判定層
先方に送る文面を書く
問いの形:自由な文章
向いている担当:生成モデル
外部へ実際に送る
問いの形:結果が外に及ぶ
向いている担当:人の承認
実際の運用例も公開されています。営業後フォロー向けのガイドには、15分ごとに「返信がない依頼」だけを拾い、次の一手が自分にあるものだけを知らせる設定があります。
そのBotは本人の代わりに返信せず、ほとんどの実行は通知なしで終わる、という動きです。
承認とセキュリティの説明では、Ask first(常に止める)ルールは、自動許可ルールより優先されます。
ただしAuto Reviewはモデルによる判定であり、最小権限や明示的な承認境界の代わりではない、という注意です。
【関連概念】 有望な結果ほど、先に壊しにかかります

起点記事の後半は、この設計をクオンツ(数理的な投資分析)に当てはめます。肝は、予測するAIより「棄却するAI」のほうが価値が高いという考え方です。
バックテスト(過去データでの戦略検証)は、試行を重ねるほど偶然の好成績を拾いやすくなります。The Probability of Backtest Overfittingは、検証内で最良だった戦略が、検証外では中央値を下回る確率を推定する枠組みを示しました。
The Deflated Sharpe Ratioは、複数回の試行による選択バイアスと、収益の非正規性を補正します。Sharpe比は、取ったリスクに対する収益の高さです。
試行回数を記録しておくことが、補正の前提になります。
この発想は、金融に限りません。エージェントでも次の三点が対応します。
生成した案は、作った側とは別の経路で検証する
作業の記録(レシート)を残し、何を見て何を変えたかを後から確認できるようにする
判定の結果が、そのまま実行権限にならないよう、間にポリシーコード(規則を強制するコード)を挟む
参考情報・参考書籍(PR)
本記事をより深く理解するために、概念マップスライドを作成しました。こちらをみることで理解の補助になるはずです。
関連記事
【まとめ】 まず一つの業務で、判断を書き出してみます

試すなら、いきなりBotを導入するより、紙の上から始めるのが安全です。
繰り返している業務を一つ選ぶ
その業務の判断を、アプリ操作ではなく問いの形で全部書き出す
選択肢が閉じている問いと、自由な生成が必要な問いに分ける
外に影響が出る操作の手前に、人が戻る線を引く
Jevの公式READMEは、現行の確信度のしきい値が実データで較正済みではなく、同梱レシピの結果は最大でも「要確認」にとどまる、と書いています。精度や速度の効果は、自分の業務データと独立した確認で測る必要があります。
起点記事の主張は、Botが賢くなることよりも、人が「クリックの管理者」から「成果と規則の設計者」に移る、という点です。まずは、自分の仕事の判断が何件あるかを数えるところが出発点です。