【ITニュース解説】5 things I learned letting an AI coworker run my Windows PC in the background

最近、AI（人工知能）をまるで同僚のようにWindows PCで日常業務を任せてみた事例から、AIを実用的に活用する上で重要な5つの知見が得られた。これはシステムエンジニアを目指す初心者にとっても、今後のAI開発や活用を考える上で非常に役立つ情報だ。

一つ目の知見は、AIがPCを操作する際の速度と方法に関するものだ。多くのAIや自動化ツールは、PCの画面をスクリーンショットで撮影し、その画像を解析して次にどこをクリックすべきか、どこに文字を入力すべきかを判断する。しかし、この方法では、画面を占有してしまう上に、スクリーンショットの撮影と解析に時間がかかり、動作が遅くなるという欠点があった。今回の事例で利用されたAIは、画面を見る代わりに、アプリケーションの内部にあるコントロール情報（ボタンやテキストボックスなどの要素）を直接読み取って操作する仕組みだ。これにより、AIはPCのバックグラウンドで動作しながら、人間がPCを使い続けることが可能になり、YouTube動画の再生のようなタスクも1〜2秒で完了できるほど高速に処理できることが分かった。これはAIがユーザーの作業を邪魔せずに、並行して別の作業を進められる可能性を示している。

二つ目の知見は、AIを動かす上でのコスト構造に関する意外な発見だ。AIを使うというと、AIへの指示（プロンプト）を送る回数や、AIが生成する回答の文字数に費用がかかると想像しがちだ。しかし、今回の検証では、AIが外部ツール（ウェブサイトやファイルなど）から情報を取得し、その結果（例えば、ウェブページの内容すべてや長いログファイル、大量のファイルデータ）をAIにフィードバックする際のデータ量が、最も大きな隠れたコストであることが明らかになった。AIがこれらの「ツール出力」を受け取る際、不必要な情報まで含めてしまうと、データ量が膨大になり、処理速度の低下とコスト増につながるのだ。実際に、このツール出力のデータ量を約86%削減することで、AIの処理速度と運用コストが大幅に改善された。これは、単に高性能なAIモデルを使うだけでなく、AIに与える情報の質と量を最適化することが、実際の運用においていかに重要かを示している。

三つ目の知見は、AIへの指示の出し方、特に「確認」のタイミングに関するものだ。AIにすべての操作で「これで実行して良いですか？」と逐一確認させると、作業効率が大きく低下してしまう。今回の経験から、AIに確認を求めるのは、支払いやデータの削除、他人へのメッセージ送信など、「一度実行すると取り消しが難しい、または大きな影響がある」操作に限定することが適切だと分かった。また、AIが誤った判断をしたり、予期せぬ動作をした場合にいつでも止められる「停止」コマンドを絶対的なものとし、AIが自信のない操作を黙って繰り返さないというルールを設けることも、安心してAIに作業を任せる上で不可欠な要素だった。これはAIに一定の自律性を持たせつつ、人間が最終的なコントロールを維持するためのバランスの取り方を示唆している。

四つ目の知見は、大規模なタスクを効率的に処理するためのアプローチだ。一つのAIにすべての作業を任せようとすると、そのAIが「ボトルネック」、つまり処理の遅延を引き起こす原因になることが明らかになった。人間のチームと同じように、複雑で大きな仕事は複数のAIに分割し、それぞれを並行して実行させる「並列AIワーカー」の仕組みが非常に効果的だった。例えば、一つのゲーム開発プロジェクトを8つの異なるAIチームに分割して並行処理させたところ、各チームが担当タスクの88%から100%を完了させるなど、全体の効率が大幅に向上した。これは、AIを活用したシステム設計において、タスクの分解と並列処理の考え方が非常に重要であることを示している。

五つ目の知見は、AIの真価が「知能」だけでなく「記憶」と「継続性」にあるというものだ。AIの性能を語る上で、どれだけ賢いか、どれだけ複雑な問題を解決できるかに注目しがちだが、実運用では、過去の作業内容を長期的に記憶し、PCの再起動やAIの停止後も、中断した作業を最初からではなく、中断した時点から再開できる能力が極めて重要であることが示された。今回のAIは、英語と韓国語で長期記憶を保持し、再起動後も中断したジョブを再開することで、378のリクエストのうち84%を完了させることができた。残りの16%の失敗事例も、AIの改善に役立つ貴重な学びとなった。このことから、単に高度な処理能力を持つだけでなく、状況を記憶し、安定して作業を継続できるAIこそが、実際の業務で最も価値を発揮することが理解できる。

これらの知見は、AIが単なるツールを超え、実際に業務を代行する「同僚」として機能する未来において、AIシステムをどのように設計し、運用していくべきかについて、非常に実践的なヒントを提供している。