Meta Museのデザイン責任者が語るMuseの設計思想：いかにしてAgentを日常生活に溶け込ませるか
Alex Cornellはいかにして、バックグラウンドでタスクをこなすAgentを一般ユーザーが使えるプロダクトへと仕上げたのか？チャットの入り口、作業進捗の可視化、パーソナライズされた提案から、ショッピング、スポーツ、思い出の整理といった実際のユースケースに至るまで、Museの設計思想を解き明かす。
ブックマークやお気に入りにはたくさんの情報を保存しているのに、二度と開くことは滅多にない。フィットネス機器は毎回の練習を記録してくれるが、そのデータが「次回何を練習すべきか」という具体的なアドバイスに変わることはない。若い頃に書いたブログは今もネット上に残っているが、自分自身もう何年も読んでいない——。Museが提示する日常的なユースケースは、いずれもこのように放置されていた個人データを出発点としている。
MuseはMetaが開発するパーソナルAIエージェントだ。各種アプリと連携し、Webをブラウジングし、複数ステップにわたるタスクを実行できるほか、バックグラウンドで動作し続け、自発的にメッセージを送信することもできる。ポッドキャスト番組「How I AI」において、ホストのClaire Voと、MetaのデザインディレクターでありMuseの設計責任者を務めるAlex Cornellが、こうした機能をいかにして一般の消費者が使いたくなるプロダクトに落とし込んだかを語り合った。Lenny’s Newsletterの補足記事には、同インタビューの人物紹介やチャプターインデックスが掲載されている。
この対談全体を貫く設計思想は、使い慣れたチャットという入り口で複雑なタスクを受け止め、既存のデータをその人に適したカタログやレポート、ポッドキャストへと変換することにある。 そのプロダクトデザインと日常の具体例は、この2つの要素がどのように連動しているかを鮮やかに示している。
使い慣れたチャットの入り口で、継続的なコミュニケーションを築く
従来のAIアプリを開くと、まず目に入るのは「会話履歴リスト」「プロジェクトフォルダ」「ナレッジベース接続」「コードの差分比較（Diff）」といったUIであることが多い。これらの概念は、本質的には開発者が慣れ親しんだソフトウェアエンジニアリングの抽象化にすぎない。
これに対し、Museのデザイン哲学において対話の原点は「ソフトウェアを使うこと」ではなく、「あなたとある独立した存在との交流（An exchange between you and an entity）」にある。
1. アシスタントに固有の名前とビジュアルを与える
Museのメイン画面上部には、小さなデジタルキャラクターが配置されている。デフォルトは開発チームのマスコットである「Jolly Bot」（Alexの娘の愛称にちなんで名付けられた）だが、ユーザーはいつでも自分好みの個性豊かな姿にカスタマイズできる。例えば、Alex自身が使っている緑のぬいぐるみ風サボテン「Marlo」や、番組ホストのClaireが使っているピンクのぬいぐるみ風恐竜「Slime」などだ。
このキャラクターは単なる静的なマスコットではなく、Agentの現在の作業状態を示す視覚的なインジケーターでもある。バックグラウンドで資料を調査したり計算を実行したりしているとき、サボテンや恐竜は画面上部で小さなふわふわのノートPCを抱え、カタカタとキーボードを叩くアニメーションを見せる。こうした具現化されたデザインは情緒的な価値を生み出すだけでなく、「リクエストを送信した後も、このキャラクターが自分のために働き続けている」という直感的な期待をユーザーに抱かせる。Alexによると、彼の母親はメッセージを送る際、自分のMuseに対して「大変な作業をさせてごめんね、ありがとう」と謝意を述べることすらあるという。このエピソードは、そうした入り口が彼の母親にとっても非常に親しみやすかったことを物語っている。
2. 自発的に届くメッセージには明確な境界線が必要
多くの現代的なAI対話インターフェースは、シンプルなレイアウトを追求するあまり、従来のメッセージングアプリのような吹き出し（吹き出しバブル）を廃止し、白い背景の上にテキストをそのまま並べるデザインを採用している。しかしMuseはその逆を行き、あえてメッセージバブルの構造を残した。
Alexの説明によれば、その理由はAgentと従来のチャットボットとの決定的な違いにある。Museはバックグラウンドで作業を行い、ユーザーに対して自発的にメッセージを送信できる（Proactive Messaging）という点だ。午前中にセールの割引情報を監視し、午後に試合結果を収集し、夕方に自分からリマインダーを送ってくるかもしれない。時間軸が長く引き延ばされ、非同期に対話が発生する状況において、メッセージバブルは各やりとりの境界、発生時刻、発言者を明確に区分し、画面が文脈を判別しにくいタイムラインの混乱に陥るのを防いでくれる。
3. 普段はメインチャットを使い、独立したタスクはブランチに分ける
情報アーキテクチャの観点において、多くのAIチャットツールは「全スレッド制（All Threaded）」を採用している。つまり、複数の独立したスレッドごとにタスクを整理する方式だ。異なる用件が別々の会話に分散するため、ユーザー自身で整理して探し出さなければならない。
これに対してMuseは、1本の「メインチャット（Main Chat）」を核に据える設計を選んだ。ユーザーは親しい友人や家族とメッセージを交わすのと同じように、常にこの途切れのない会話の流れの中で話し続けることができる。Alexは、モデルが関連する文脈を適切に処理できることを前提に、ユーザーが毎回「どの新しいスレッドを立てるか」を悩むことなく、1本の主要なコミュニケーションラインを使い続けられるようにしたいと考えた。
もちろん、これには新たな課題も伴う。あらゆる雑多な用件をすべてメインスレッドに詰め込んでしまえば、インターフェースはどうしても雑然とし、長大化してしまう。そこでMuseは、特定の完結した個別タスク（例えば一時的なドキュメントの参照など）を処理するための派生ルートとして「サイドチャット（Side Chats）」を追加した。しかしAlexも率直に認めているように、一般ユーザーがどのような場面でメインに留まり、どのような場面でサイドチャットを開くべきかについては、プロダクト内でまだより明確な説明が必要であり、チームが現在も模索を続けているインタラクションの境界線である。
まず応答してから実行し、作業の進捗を見える化する
Agentが複数ステップの複雑なタスクを実行するとき、デザイナーは古典的なジレンマに直面する。
- バックグラウンドの処理プロセスを完全に隠してしまうと、プログラムがフリーズしたのか、通信が切断されたのか、それとも正常に動作しているのかがユーザーには分からない。
- 一方で、思考プロセス（Chain of Thought）や検索ログ、呼び出しコードのすべてをチャット欄にそのまま吐き出してしまうと、一般ユーザーには理解しづらく、画面も極めて煩雑になってしまう。Claireは、中間プロセスを見せることは応答の遅さによる待ち時間のストレスを緩和する役割も果たしていると指摘する。
Museのアプローチは、「必要に応じて展開する情報の階層構造（プログレッシブ・ディスクロージャー）」を用意し、ユーザーが必要に応じてどの段階まで確認するかを選べるようにすることだ。
同じタスクを、どこまで深く確認できるか？
必要に応じて次の階層を展開し、情報がどう増えるかを確認できます。※インタビュー内容をもとに作成した仕組みの解説図です。
① 動いているか？実行中
② 具体的に何をしているか？🎃 パンプキンパッチ（カボチャ農場）を調査中
日常的な利用では、シンプルなステータス表示だけでリクエストが処理中であることを把握できます。
③ 展開して確認：どのような操作を行ったか？
タスクリストにはすでに実行した処理が一覧表示され、作業の方向性がズレていないか確認できます。インタビュー画面の「Today」リストには、カボチャ農場の検索、他の収穫体験場所の調査、カタログ作成プロセスの記録などの項目が並んでいます。
④ さらに深掘り：実行の詳細を確認
特定の操作を検証したい場合は、curlコマンドや実行コードなどの詳細までドリルダウンできます。一般ユーザーがエージェントの稼働状況を確認するために、これらをあらかじめ理解しておく必要はありません。
まず動いていること、何をしているかを知る
大半の日常的な利用シーンにおいて、ユーザーが知りたいのは「ちゃんと動いているかどうか」だけだ。Museのメイン画面上部バーには、まずシンプルなステータスが表示される。例えば「Jolly Bot is working...」といった具合で、非常に具体的で小さな絵文字と短い説明（例えば「🎃 researching pumpkin patches（カボチャ農場を調査中）」）が添えられる。ユーザーは最初からすべての操作詳細を読み込む必要はない。
進捗を確認したいときは、タスクリストを展開する
もし「具体的に何をしたのか」をもっと詳しく知りたい場合は、上部バーのステータスをタップするだけで、分かりやすいタスクリスト（Task List / Today）が展開される。ここには構造化されたリスト形式で、Agentがこれまでにどのような処理を行ってきたかが表示される。これにより一般ユーザーでも、コードを理解することなく、Agentが自分の意図から外れていないかを判断できる。
検証が必要なときは、実行コードまで確認する
もしユーザー自身が開発者であったり、ある操作が失敗して原因を究明したい場合には、特定のタスク項目をクリックして、curlコマンドや実行コードといった具体的な実行ログまで段階的にドリルダウンできる。
Claireは、一般の消費者を対象とする場合、実際の応答速度が極めて重要であると強調する。彼女の体感としてMuseのモデルは非常に高速であり、Alexも「本当にちゃんと実行したのか疑いたくなるほど速いことがある」と述べている。
実際の応答速度、リクエストの受領確認、そしてUI上での作業進捗の表示は、実際にはそれぞれ異なる3つの問題である。モデルの処理速度は応答にかかる時間に影響する。一方で、複雑で時間のかかるタスクを処理する際、Museがまず絵文字や短いメッセージで即座に応答するのは、「リクエストを受け取ったかどうか」を解決し、システムが自分を無視したりフリーズしたりしていないことをユーザーに伝えるためだ。そして、その後に上部バーに表示される稼働ステータスやさらに深いタスクリストは、「今何をしていて、方向性がズレていないか」に答えるものである。インターフェースによるタイムリーな確認やステータス表示を、タスクがすでに完了したことと同一視してはならない。
個人の関心に基づき、他に何ができるかを提案する
1本のメインチャットだけでも、Agentは膨大なタスクを処理でき、ユーザーはまるで専属アシスタントに頼むかのように会話欄であらゆる用件を指示できる。しかし、Agentの対応能力がいくら幅広くても、多くの一般ユーザーにとっては直感的に分かりにくく、何もない状態から「具体的に自分のために何をしてくれるのか」を思いつくのは難しい。
この課題を解決するため、Museはメインチャットに加えて2つの補助的な導線を用意した。
- アイデア（Ideas）：一般的な機能説明や静的なおすすめを並べても、ユーザーはそのまま見過ごしてしまいがちだ。「Ideas」は、ユーザーの最近の会話や個人の関心に合わせて、具体的なタスクの提案を動的に生成する。例えば、一日中ゴルフの話ばかりしていれば、ゴルフに特化した分析のアイデアが多数表示される。個人の関心に結びついたこうした具体的なヒントは、ユーザーが自分では思いつかなかった具体的な使い方を発見する手助けとなる。
- フィード（Feed）：ユーザーが能動的に実験できる探索インターフェースを提供する。ユーザーは任意の自然言語プロンプトを使って見たいトピックを設定し、コンテンツの購読をいつでも調整・ミックスできる。例えば平日は業界ニュースを購読し、週末には育児や子どもに関連する情報へと切り替えるといった具合だ。
既存のデータを連携し、日常で役立つアウトプットを生み出す
以下に挙げるいくつかのユースケースは、いずれもAlexがすでに持っていたデータや日常的に関心を持っていたニーズを出発点としており、変わったのは整理の仕方、アウトプットの形態、そして更新のペースである。
Instagramの保存項目を、自分が見返したくなるショッピングカタログに変える
Alexは長年Instagramのお気に入り保存機能を使ってきたが、後から見返すことはほとんどなかった。過去に保存したアイテムやインスピレーションは、こうして次々と新しいコンテンツの中に埋もれていった。
- 入力データソース：Museが提供するアプリコネクタ（Connector）を経由し、Instagramの保存履歴に含まれる非構造化された画像、動画、キャプションの読み取りを承認する。
- Agentが行ったこと：Museはまず、これらの散在する保存アイテムを論理的にクラスタリングし、別々のフォルダに分類・整理した。続いてギフト推薦のロジックを組み合わせて価値ある商品をスクリーニングした。退屈な情報リストから脱却するため、AlexはMuseに1990年代のアメリカで有名だった機内通販誌『SkyMall』や『Sharper Image』のデザインスタイルを模倣させ、これらの商品を専用の雑誌風ページへと再レイアウトさせた。
- 生成された形態と利用：ページ上にはレーザー距離計、ヴィンテージ風の時計、ポータブルコーヒーメーカー、ガジェット収納ポーチなどが、時代を感じさせる大げさなキャッチコピーやレイアウトとともに並んでいる。Alexの記憶によれば、このカタログは毎日更新されるようになっていた。
AlexはすでにMarloを使って時計のベルトなどを購入した経験があるが、この生成されたカタログ自体はインタビュー時点では「商品をクリックすればそのまま購入できる」フローには接続されておらず、主に彼自身が眺めて楽しむためのパーソナルな制作物であった。
ショッピングのひらめきを雑誌に仕立てるだけでなく、こうした視覚的な記録を活用する手法は、個人のクリエイティブや知識の整理全般へとさらに広げることができる。Claireは、InstagramやPinterestのビジュアルコレクションをAgentにアクセスさせ、画像から自分が好む具体的なデザインスタイルやキーワードを要約させ、新たなコンセプトのアイデアを生成させていると語った。またAlexも、以前何気なく保存していたゴルフスイングのコツに関する数百件もの投稿を、保存したきり一度も見返していなかったが、Museにこれらの散在する投稿を読み込ませて自分専用の練習ハンドブックとしてまとめ直すことで、ようやくそのデータが真価を発揮したと述べている。さらに、過去に何気なく投稿したストーリーズの記録ですら、再抽出して見返せるパーソナルなタイムラインとして再構成できる。これらのユースケースの本質は、「保存したまま」から「再利用できる」状態への転換にある。プラットフォームのフィードに押し流され、ネットの各所に散らばっていた非構造化データを、個人の生活の中で実際に役立つツールやインスピレーションへと蘇らせるのだ。
毎週割引をチェックし、変動があれば通知する
過去のデータを静的に再構成するだけでなく、Agentが持つもう1つの代表的な価値は、ユーザーがこれまで手動で何度も繰り返す必要があった単発の検索を、バックグラウンドでの定期的なチェックへと変えてくれる点にある。
Alexはこれを自身の「モニタリングの超能力（Monitoring Superpower）」と呼んでいる。例えば、あるミュージシャンが新アルバムをリリースしたか、サンフランシスコでツアー公演を行うか、あるいは特定のゴルフブランドがコラボ商品を発売したかを継続的に追跡する。インタビューでは、ウィッシュリストに入れた商品が値下がりしていないかを週に1回チェックさせる使い方なども挙げられた。従来の方法であれば、チャイルドシートの選定やライブチケットの監視には、検索エンジン、動画サイト、ECサイトを行き来しながら手動で何度も価格比較やリサーチを繰り返す必要があった。Museを使ってチャイルドシートを調べる際、Claireはまず要望を伝え、そこから調査を掘り下げていく。一方で、新アルバムや商品の割引を継続的に追跡するのは、別途指示しておくバックグラウンドタスクだ。区別しておくべき点として、パーソナライズされた商品カタログを眺めることと、バックグラウンドで価格割引を監視することは異なる種類のタスクである。対談で語られたこれらの追跡は、主に情報のスクリーニングとタイミングに応じた通知を担っており、通知を受け取った後に実際に購入するかどうかは依然としてユーザー自身が判断する必要がある。
ゴルフ：スコアの記録から「次に何を練習すべきか」の把握へ
ゴルフ愛好家であるAlexの長期的な目標は、「シングルハンディキャップ」を達成することだ（Single-digit handicap：ゴルファーの腕前を示すハンディキャップの指標であり、1ラウンドの総打数が1桁という意味ではない）。Alexの説明によると、こうした長期目標は挑戦しがいがあり、かつ達成可能なものであり、重要なのは散在して記録されるあらゆるデータをこの目標に向かって集約させ、毎回のラウンドの振り返りや練習へのアドバイスが常に同じ向上方向を指し示すようにAgentに理解させることだという。しかし、普段は多忙な仕事に追われ、実際にコースに出て練習できる機会はごく限られている。
- 入力データソース：スマートウォッチに記録された1打ごとのショットの軌跡とホールごとのスコア、および練習場設備で収集されたショットデータ。
- Agentが行ったこと：スコアカードを眺めるだけでは、余計な打数をどこで費やしてしまったのかをユーザー自身が見つけ出さなければならないが、Museはデータを生き生きとしたストーリー仕立ての振り返り（Storytelling）へと変換する。1ラウンドの振り返りレポートにおいて、Alexはチャートのおかげでフロントナイン（前半）が悪く、バックナイン（後半）で持ち直した推移をひと目で把握できたと語る。また一部の振り返りでは、同じコースの特定ホールにおける過去と当日のパフォーマンスを比較し、次回そのコースを回る際の参考にできる。以下の図に示すのは、同じレポート内でホールごとの失点要因を分析し、84打（トータル12オーバー）を叩いたそのラウンドに対して生成された「コンバージョン・ラダー（The Conversion Ladder）」のシミュレーションモデルである。
この5打は、どこから縮められるか？
改善の仮定にチェックを入れて、今回のラウンドスコア「84」がどう変化するか確認してみましょう。左端には比較用として常に元のスコアが表示されます。
計算の根拠：84 − 4 × 1 = 80、80 − 1 = 79。ここに示されているのはレポート上の改善仮説であり、実際のラウンドでの検証が必要です。
- 練習場レポートとサンプルの品質：スイング練習を対象とした別のTrackManレポートにおいて、Museはショットの各種パラメータを分析できる。例えばドライバーのアタックアングル（入射角）が下向き（-2.4°）で、フェースがわずかに開いている（+2.6°）ことを指摘し、まず入射角を修正した上でフェース角を微調整するよう提案している。レポートの試算では15〜20ヤード飛距離が伸びる可能性があると見積もられているが、計測機器を使って再度測定・検証する必要がある。さらに重要なのは、54°ウェッジのデータブロックの横に、「
UNRELIABLE SAMPLE — DO NOT USE（サンプルの信頼性が低いため、参照しないでください）」という赤い警告ラベルが目立つように表示されている点だ。
ここで示されている「84 → 80 → 79」は、1ラウンドにおける改善の仮説である。4回のダブルボギー（パーより2打多い）をボギー（1打多い）に抑えれば合計4打縮まり、さらにもう1打減らせば79に達する。これはAlexが優先して減らすべきミスを特定する助けにはなるが、彼がその後に実際にこのスコアを出したことを意味するわけではない。また練習レポートも、質の悪いサンプルに対するユーザー自身のマークを踏襲し、まずはデータを再収集してから分析し直すよう促している。
さらに、こうした定期タスクの実行間隔は、現実の生活リズムに合わせて柔軟に調整する必要があることが多い。Alexは当初、Museに毎週日曜日にラウンドのデータをチェックさせて振り返りを生成するよう設定していたが、普段は仕事が忙しく実際にコースへ出ることが滅多にないため、決まった週次のチェックでは新しいデータが見つからないことが度々あった。Alex自身、こうしたチェックの頻度は（例えば一定の間隔を空けて確認するなど）もっと下げてもよいと述べている。このことは、バックグラウンドタスクの発火リズムが、固定された周期に固執することなく、生活の中でデータが実際に生まれるリアルな頻度に寄り添うべきであることを示している。
昔のブログ：記事を発掘し、毎朝1本ずつ音声で聴く
Alexが昔書いていたブログは、かつてBloggerやTumblrなどのプラットフォーム間を移転しており、20年が経った今、彼自身それらの記事を読み返すことはほとんどなくなっていた。
- 入力データソース：インターネットアーカイブ（Wayback Machine）に保存された過去のスナップショットや、様々なコンテンツプラットフォームに散在する古いリンク。
- Agentが行ったこと：AlexはMuseに各地のアーカイブスナップショットを探索させ、20年前のブログ記事を発掘して1本のまとまったPDFドキュメントとして整理・統合させた。続いてMuseはそれをブログ風のWebページへと再構成した。だがさらに工夫が凝らされていたのは、Alexが過去の記事に触れ直す手段としてポッドキャストを好んだことだ。彼はMuseにそれらの記事を、毎朝ランダムに選んだ記事を朗読するオーディオポッドキャストへと変換させた。
- 生成された形態と利用：毎朝、Museから過去記事の朗読エピソードが届く。例えばデモ画面では、若き日のAlexが書いた「これって僕だけが変だと思っているのかな？ なんで世界の90%の人は同じ色のズボンを履いているんだろう？」という問いかけを、ポッドキャストがユーモラスに読み上げていた。時空を超えたこうした音声による再構成によって、普段読み返すことのなかった昔の記事が、日常の中で耳にする思い出へと変わったのだ。
チェス：全体トレンドと1局ごとの振り返りをひとまとめにする
Alexは対局の分析と長期的な変化をひとまとめにして、最近の調子がどうなのかを判断しやすくしたいと考えていた。
- 入力データソース：Chess.comにおける個人の対局履歴データ（1万局以上の過去の対局と直近数十局のトレンドを網羅）。
- Agentが行ったこと：メインチャットで自然言語を使って要望を伝えるだけで、Museは個人の完全なチェスダッシュボード（Chess Dashboard）を構築した。ダッシュボードには、直近数十局のウィンドウにおけるブリッツ（Blitz）のレーティング推移（1500〜1590点の間で推移し、直近のピークは1579、生涯最高レーティングは1777）がグラフ化され、最もよく使うオープニングとその出現回数（イタリアン・ゲームやスコッチ・ゲームなど）が一覧表示され、さらに直近の1局に対してわずかに皮肉を効かせた振り返りが生成された。このツッコミのトーンは生成プロセスの中で自発的に生まれたもので、Alexがあらかじめ要求したものではなかった。
- アウトプットの価値：単なる無機質なデータを、独特の口調を持ち、いつでも見返しやすい振り返りツールへと変貌させた。
ダッシュボードに示されている1579は直近42局の対象期間におけるピークであり、1777こそが自己最高スコアである。Alex自身も「最近は腕が落ちているようだ」と語っている。この事例の価値は、トレンドの推移と個別の対局分析を1か所にまとめ、課題を見つけやすくした点にあり、Museによってチェスの腕前が向上したことを証明するものではない。
安定したフレームワークを保ち、パーソナライズされた結果に余白を残す
インタビューの後半でAlexは、従来のGUI（グラフィカルユーザーインターフェース）デザインからAIエージェントの設計へと足を踏み入れた際に、新たに適応する必要があった働き方について語った。
フレームワークは統一し、生成されるアウトプットは人によって変える
従来のソフトウェアには、画面や挙動に対して比較的明確な想定がある。例えば円形の要素が間違った位置に表示されていれば、仕様に従って原因を突き止め修正することができる。
しかしAgentの時代において、生成される結果は非決定的（Non-deterministic）である。（同じ入力を与えても、完全に同一の出力が得られるとは限らない）ユーザーごとにMuseのアバターが異なり、連携するサードパーティ製アプリが異なり、入力する自然言語の言葉遣いも異なるため、Agentが生成するダッシュボード、テキスト、レイアウトの形態は千差万別となる。
多くの人々は「生成UI（Generative UI）」を、アプリを開くたびにページ全体のレイアウト、ボタンの形状、カラーパレットがAIによって一から描き直されるような、極端なSF的体験として想像しがちだ。しかしMuseが現在実践しているアプローチは、安定したシステムフレームワーク（The Rails）を堅守し、ネイティブなコンテナの中でパーソナライズされた生成物を受け止めるというものだ。メインチャットの会話ストリーム、上部ステータスバー、アイデア、フィードといった主要な導線は固定されたままであり、フィード内のカードユニットもチームによってネイティブに設計されており、ページ全体が丸ごとAIによって生成されているわけではない。だが、これら安定したコンテナの「内部」において、コンテンツや状態が動的に生成される。例えばユーザーがアバターをトマトに変更すると、システムはノートPCの前でキーボードを叩くトマトの稼働アニメーションを自動生成する。前述したレトロなショッピングカタログ、過去のブログのポッドキャスト、チェスの対局ダッシュボードなども、すべてこの安定したフレームワークの中で生成されたコンテンツである。
こうした非決定的な出力に直面したとき、Alexはベテランデザイナーとして当初は違和感を覚え、自らの「批判的な思考のスイッチをオフにする」ことを強いられたと率直に明かしている。デザインの重心は、最終的な画面の1枚1枚をあらかじめ固定して作り込むことから、多様なアウトプットを受け止められる足場（Scaffolding）を構築することへとシフトしなければならない。生成された個別の結果に対しては、まずそれが本当に役に立つかどうかを見極め、その上で色やレイアウトを自分のこだわりに合わせて調整する労力をかけるべきかを判断するのだ。
ビジュアルやレイアウトだけでなく、日常的な対話においても同様の非決定性が存在する。インタビューの締めくくりにおいてAlexは、Museが時には「言うことを聞かず（obstinate）」、期待に沿わない結果を返すこともあると認めている。彼は自身が体系的な高度なプロンプトテクニックを持っているわけではなく、行き詰まったり意図からズレたりしたときには、普段生身の人間と対話するのと同じように礼儀正しくコミュニケーションを続けると語っている。彼が共有しているのは個人的な対話習慣であり、特定のトーンが汎用的なパフォーマンス向上を保証するという結論を出したわけではない。生成されたアウトプットは、ユーザーがその後の対話を通じて意思疎通を重ね、段階的に調整していく必要があるのだ。
バックグラウンド実行には明確な権限設定を組み合わせる
親しみやすいキャラクターはユーザーが使い始めるハードルを下げてくれるが、実際にアプリのデータを読み取ったり、メッセージを送信したり、買い物を代行したりする段階になれば、ユーザーはAgentが何を行ったかを確認し、何ができるかを管理できなければならない。Metaの公式製品ページには、この動作環境と権限に関する説明が補足されている。
Metaの公式製品ページの説明によると：
- 独立した永続的仮想マシン（Secure VM）：MuseはユーザーとAgentが共有する隔離されたLinux仮想マシンを提供する。これは完全なブラウザ、ストレージ、計算リソースを備えた独立した1台のPCのようなものであり、ユーザーがアプリを閉じた後も、依頼されたタスクはバックグラウンドで処理され続ける。
- 重要な操作に対する人間の承認（Approve Critical Actions）：メッセージの送信、ショッピング、連携済みアプリへの情報共有などの操作は、ユーザーの設定に応じて認可が処理される。ユーザーは「1回のみ許可」「常に許可」「拒否」から選択できる。また、完了した操作や予定されている操作の履歴を確認することもできる。
- 無料利用枠と利用制限の仕組み：Museは無料利用枠を含む体験の仕組みを提供している。利用上限に達した後は、有料サブスクリプションを選択するか、無料枠がリセットされるのを待つことができる。
既存のデータと現実の目標を出発点に、Agentを継続して役立てる
これらの事例には共通点がある。入力となるデータはもともと日常生活の中に存在していたものであり、Museが変えたのはその整理の仕方と使い道だ。埋もれていた保存項目は見返したくなるカタログへ、スコアカードは次回の練習への手がかりへ、古い記事は聴きたくなるポッドキャストへと生まれ変わった。
プロダクトデザインの観点で見れば、メインチャット、稼働ステータス、そして権限設定が安定した入り口を提供し、パーソナライズされたアイデアが「何ができるのか」の発見を助け、個人の関心に寄り添ったアウトプットがそのタスクを使い続ける理由を生み出している。ユースケースを選ぶ際には、まず自分自身の手元にどんなデータがあり、それをどんな形に変えたいのか、そしてどのくらいの頻度で更新されれば価値があるのかを考えることから始めるとよいだろう。