チャットボットを超えて：なぜAIは「回答」から「実行」へと移行しなければならないのか
反応的なAIの時代は終わりつつあります。単に尤もらしいテキストを生成する大規模言語モデル（LLM）から、永続的なデジタル環境において複雑で多段階のワークフローを実行できる自律型エージェントへと、私たちは移行しています。
直感的な速さから、熟考する推論へ
AIの現在の進化は、計算ロジックの根本的な転換によって定義されます。従来のチャットボットは、「システム1」的な思考、つまり統計的な確率に基づいた、高速で直感的、かつトークン単位の生成によって動作していました。これらのモデルは即座に回答を提供しましたが、自身のロジックを検証したり、途中でエラーを修正したりする能力には欠けていました。
OpenAIのo1やDeepSeek-R1といったモデルに代表される「思考するLLM」の登場により、「システム2」的な推論が導入されました。推論時にさらなる計算リソースを投入することで、これらのモデルは強化学習を用いて長い思考の連鎖（Chain of Thought）を生成します。解決策の経路を探索し、中間ステップを検証し、自己修正を行うことで、検証可能な正しい解決策のみが提示されるようにします。この移行は、モデルを「検索エンジンの代用品」から「推論エンジン」へと変貌させるための第一歩です。
OpenClaw時代：ワークスペースとスキルの統合
推論は極めて重要ですが、推論だけでは仕事は完結しません。研究者たちは、次の大きな飛躍である「OpenClaw」時代には、脆弱で使い捨てのツール呼び出しから、永続的で安全なワークスペースへの移行が必要であると主張しています。
そのブレイクスルーは、**Workspace（ワークスペース）とSkill（スキル）**の組み合わせにあります：
- Workspace（ワークスペース）: ファイル、ターミナル、ログ、ブラウザを含む永続的な環境。ステップ間でコンテキストを失ってしまう初期のエージェントとは異なり、ワークスペースは「状態（state）」を提供します。つまり、AIが、アクションが持続的な影響を及ぼす安定した環境と対話できることを意味します。
- Skills（スキル）: 単純なプロンプトを超えた、モジュール化され再利用可能な運用知識の束です。例えば、AnthropicのAgent Skillsは、
SKILL.mdファイルを使用して指示やスクリプトをパッケージ化します。これにより、組織はプロンプトごとにワークフローを再構築するのではなく、組織的なノウハウをポータブルな形式で保持できるようになります。
成功の再定義：タスクの完了 vs 回答の正確性
AIがワークスペースへと移行するにつれ、「知能」の指標も変わらなければなりません。チャットボットの時代、モデルは回答の正確性によって評価されていました。エージェントの時代において、成功はタスクの完了（task closure）、すなわち、対象となる環境を検証可能な最終状態へと導く能力によって測定されます。
この変化は、現代のベンチマークの複雑さに表れています。GPT-4はテキスト処理には優れていますが、現実世界のウェブ環境をシミュレートするWebArenaベンチマークでは、当初わずか14%のタスクしか完了できませんでした。現在の成功には、単に最終的な出力を読むだけでなく、「状態・行動・観測の軌跡（state-action-observation trajectories）」、つまりエージェントがシステム内をどのように移動するかを分析することが求められます。
セキュリティとガバナンスの新たなフロンティア
自律性の向上は、リスクの増大を伴います。ワークスペースベースのエージェントは、認証情報、アイデンティティトークン、機密リポジトリへのアクセス権を保持するため、AIの攻撃対象領域（アタックサーフェス）を拡大させます。OpenClaw PRISMやClawGuardのような新しいフレームワークは、権限管理、プロバナンス（履歴）追跡、サンドボックス化を含む「ハーネス（制御枠組み）」の構築に焦点を当てています。AIが真の同僚となるためには、開発者はロールバック、データ主権、ワークスペースの衛生管理といった問題を解決し、エージェントのミスが永続的なアーキテクチャ上の欠陥にならないようにしなければなりません。
主なポイント
- 推論の転換: AIは「システム1」（高速、反応的）から「システム2」（低速、熟考的）な推論へと移行しており、推論時に追加の計算リソースを活用して自己修正を行います。
- ワークスペース + スキル: 真の自律性には、ワークフローの再現性と拡張性を確保するために、永続的なデジタルワークスペースと、モジュール化された再利用可能な「スキル」の組み合わせが必要です。
- 新たな評価指標: 成功の基準は、もはやテキスト回答の尤もらしさではなく、複雑な環境内でワークフローを検証可能な形で完了させる「タスクの完了」にあります。