【ITニュース解説】Design AI Workflows Around Verified Completion

AIアシスタントがタスクを実行する際、単に指示通りに動いたというだけでなく、「本当にそのタスクが完了した」と確信できる状態を作る重要性が論じられている。これは、AIが「賢い」だけでは不十分で、その賢さを具体的な結果として「実現する能力」が不可欠であるという考えに基づいている。

たとえば、AIアシスタントに「記事を調べて下書きを作成する」よう指示した場合、ログイン画面に直面すると作業はそこで一時停止する。これは、AIがタスクを理解する「知性」と、それを現実のシステム上で実行する「能力」との間にギャップがあることを示唆している。つまり、AIがどれほど優れた計画を立てても、ログイン情報の欠如やファイルが実際に保存されたかの確認方法がなければ、その計画は実を結ばない。システムには、適切な入力、アプリケーションへのアクセス、明確な権限範囲、そして結果を検証する仕組みといった、実行を支える補助的な機能が必要となる。

この課題を解決するためには、AIが取り組むタスクについて、「何をもって完了とするか」を、ツールを選ぶよりも前に明確に定義することが極めて重要である。「記事を書く」という指示ひとつとっても、AIがテキストをチャットで返すのか、ローカルファイルを保存するのか、指定されたアカウントに下書きを作成するのか、あるいは公開された記事のURLを検証するのかによって、完了の形は大きく異なる。例えば、「下書きワークフロー」であれば、「意図したタイトル、本文、リンクが指定のアカウントに保存され、かつ再読み込み後もその内容が維持されていること」を完了と定義できる。このような具体的な完了条件は、AIが何を目標とし、何を確認すべきかを明確にするための指針となる。そして、この定義に基づいて、どのツールがその完了の証拠を生成できるかを選定するべきである。

特にブラウザ自動化のようなケースでは、注意が必要である。テキストを入力する操作が成功したとしても、それが実際にアプリケーションに保存されたことと同じではないからだ。入力したテキストが間違ったフィールドに入ったり、一時的に画面に表示されただけでサーバーに永続的に保存されていない可能性もある。また、保存中にネットワーク接続が切れるといった事態も考えられる。そのため、実際には「ライトプローブ」と呼ばれる小さなテストを実行し、少量データをUI経由で入力し、それが正しく保存されたことを確認してから、本格的なコンテンツを投入すると良い。そして、全編集後には必ずページを再読み込みし、永続化された内容が意図したテキストと一致するか、リンクが機能するかなどを確認する必要がある。視覚的な問題（レイアウトの崩れなど）を発見するためにはスクリーンショットが役立ち、内容の欠落を見つけるためにはテキストの比較が効果的であり、これらを組み合わせて検証することが推奨される。

さらに、外部システムと連携するAIワークフローでは、不確実な状況を考慮した状態管理が不可欠である。例えば、AIが「公開」ボタンをクリックした直後に接続が失われた場合、記事が既に公開されている可能性もあれば、公開されていない可能性もある。この状況を単なる失敗と見なしてすぐに再試行すると、記事が二重に公開されてしまうリスクがある。このような事態を避けるために、「準備済み」「保存済み」「公開中」「公開不確実」「公開済み」といった具体的な状態を定義し、それぞれが何を確立し、次に何をすべきかを明確にする必要がある。「公開不確実」の状態は、アクションが成功した可能性があるが、まだ確認できていない状況を指し、この状態ではすぐに再試行するのではなく、既存の記事や公開プロファイルを調査して現状を確認するべきである。これにより、過去の操作の情報を元に、次回の試行で重複を防ぎ、適切な対応を取ることが可能となる。

また、AIワークフローには、その自律性の範囲を明確に定める必要がある。AIは、繰り返し発生する定型タスクに対しては、毎回確認を求めることなく、事前に与えられた権限内で作業を完了できるべきである。しかし、ログイン情報の期限切れ、意図しないアカウントの使用、プラットフォームからの拒否、あるいは結果を検証できないといった実際の例外に直面した場合には、それを認識し、その例外情報とそこまでに完了した作業内容を記録し続ける必要がある。漠然と「何か問題が発生した」というエラーメッセージではなく、「特定の下書きURLがあり、公開状態が不確実である」といった具体的な情報が残っていれば、次の実行時に具体的な調査や解決策を講じることが可能となる。

結局のところ、AIシステムを本当に役立つものにするためには、単にAIの知能を高めるだけでなく、目の前の具体的なタスクにおける「待ち」や「仮定」の部分、外部システムとの連携で生じる不確実性などを特定し、具体的なエンジニアリングの解決策を適用する地道な作業が不可欠である。この「検証された完了」を中心としたワークフロー設計こそが、知的なシステムが具体的な結果を生み出すための基礎となる。