チャットだけでは不十分、エージェントに求められるもの｜Legora CTO Jacob Lauritzen

チャットだけでは限界が来る：複雑な AI エージェントを制御する「高帯域幅 UI」とは

現在の AI 業界では、複雑なタスクを完遂させる「自律型エージェント」の開発が急ピッチで進んでいます。しかし、Legora の CTOであるジェイコブ・ローリッツェン氏は、単なるチャットベースの対話に依存した設計には根本的な限界があると警鐘を鳴らしています。

契約書の作成や訴訟戦略の策定といった「検証が困難な垂直領域」において、人間と AI が真に協働するには、チャットの代わりにドキュメントや表形式レビューといった「高帯域幅アーティファクト」を用いた UI 設計への移行が不可欠です。本記事では、なぜチャットがボトルネックとなり、どのような新しいワークフローが必要なのかを解説します。

チャットの限界と「コンテキストの消失」

複雑なエージェント作業において最も陥りやすいのが、「永遠に続く思考ループ」と「文脈の喪失」です。例えば、契約書作成を指示すると、AI はサブエージェントを起動し、ウェブ検索を行い、ファイルを作成し、さらに別のエージェントを呼び出すという無限ループに突入することがあります。

30 分後、ようやく提出された契約書の第 3 条がおかしいことに気づいたとします。しかし、チャット上で「第 3 条がおかしいですね」と指示しても、AI は文脈を完全に失い（コンテキストローテーション）、修正したのが本当に第 3 条だけなのか、それとも他の部分も影響を受けているのかすら判断できなくなります。

チャットは一次元的なインターフェースであり、複雑な作業の木構造（DAG）を単一の線形な会話に無理やり圧縮しようとする。その結果、コンテキストロスや文脈の欠如が避けられなくなる。

この「チャットの限界」は、特に長尺で複雑なタスクにおいて顕著です。人間が 50 回以上の質問に答えながら AI を誘導するのは非効率的であり、適切な判断を下すための十分なコンテキストを保持できません。

「検証可能性」に基づくエージェントの信頼性設計

エージェントをどこまで任せられるか、そして人間の介入をどこで挟むべきかは、タスクの「検証可能性」によって決まります。これはジェイソン氏が提唱したVerifier's Rule（検証者の法則）に基づいています。

• 検証が容易なタスク: 定義のチェックやコードの実行など、正解が明確なものは AI が自律的に解決できます。「間違っている」と指摘されれば、AI はループを回して修正し、最終的に正解に到達します。
• 検証が困難なタスク: 契約書の法的効力や訴訟戦略などは、実際に裁判で判事が判断するまで「正しいか」が分かりません。弁護士 5 人に同じ質問をしても答えが異なるように、客観的な真実が存在しない領域では、AI のみでの解決は極めて困難です。

このスペクトルを理解した上で、信頼性を高めるための具体的な施策として、以下の 3 つのアプローチが有効です。

1. タスクの分解と検証可能なサブタスク化

複雑なタスクを単一の指示ではなく、検証しやすい小さなステップに分解します。例えば契約書作成であれば、「リスクプロファイルの選定」や「交渉姿勢の決定」は人間が行い、「定義チェック（リンティング）」や「書式適用」など、明確な正解がある部分を AI に任せることで精度を上げます。

2. ガードレールの設定

AI の行動範囲を制限することで信頼性を高めます。特定のファイルのみ編集可能にする、許可されたウェブサイトからのみ検索する、データベースの削除権限を与えないといったルールを設定します。これにより、AI が「奇妙な行動」を取るリスクを物理的に排除できます。

3. 「スキル」とノードレベルでの人間判断の埋め込み

最も重要なのが「スキル」の活用です。これは単なるプロンプトではなく、人間の専門知識を作業ツリーの特定のノード（分岐点）にエンコードする仕組みです。

例えば、「EU 法の終了条項には特別なルールがある」という知識をスキルとして登録しておけば、AI はその節に到達した瞬間に自動的に正しい処理を行います。計画段階で全てを指示する必要がなく、作業中に予期せぬ事態（コンティンジェンシー）が発生しても、スキルがそれを拾い上げます。

意思決定ログと非同期協働の重要性

AI が不明点で停止して人間に質問を投げかけるのは、従来のワークフローでは「ブロック」の原因になります。これを防ぐには、「判断ログ（Decision Log）」を残す仕組みが必要です。

エージェントは不明点を発見した際、自らをブロックせず、判断ログに記録して作業を継続するべきです。人間は事後にそのログをレビューし、必要に応じて判断を覆すことができます。

これにより、人間の介入が「リアルタイムの対話」から「非同期のレビュー」へとシフトします。AI は 10 層にも及ぶ複雑な作業木を進み続け、重要な分岐点で記録を残します。人間は後からそのログを確認し、「この判断は違う」と修正を加えるだけで済みます。

チャットを超えた「高帯域幅 UI」への移行

チャットは言語という普遍的なインターフェースとして優れていますが、複雑なエージェント作業の主要な協働手段としては不十分です。人間と AI が真に協力するためには、ドキュメントや表形式レビューといった「高帯域幅アーティファクト」を用いた UI 設計が必須となります。

ドキュメントベースのコラボレーション

チャットではなく、永続的なドキュメント上で作業を行います。例えば、契約書の第 3 条をハイライトしてコメントを追加したり、特定のセクションを「特別エージェント」に引き渡したりできます。これにより、変更箇所が明確になり、人間は瞬時に文脈を理解して判断できます。

表形式レビューの活用

契約書レビューのようなタスクでは、表形式でのレビューが有効です。「この項目を確認してほしい」とフラグを立てておけば、AI は自動的に詳細なチェックを行い、問題のある箇子をリスト化します。人間は表を見て一瞬で状況を把握し、残りの処理を AI に任せることができます。

エージェントは人間ではありません。人間の言語（チャット）に縛る必要はありません。組織図やドキュメント、表といった視覚的・構造化された成果物を通じて協働する方が、はるかに効率的です。

まとめ

複雑な AI エージェントを制御し、信頼性の高い垂直領域の業務を自動化するには、「計画とレビュー」のプロセスを見直す必要があります。チャットという低帯域幅のインターフェースに依存せず、ドキュメントや表形式といった高帯域幅のツールで人間と AI が非同期に協働する「ハイブリッド UI」への移行が、次世代のエンタープライズ AI ツールの標準となるでしょう。