オフィスアシスタントが「履歴」を奪い合い始めた

オフィスアシスタントが「履歴」を奪い合い始めた
ここ数日、中国語圏のインターネットで最も注目すべき動きは、どのモデルがまたランキングを塗り替えたかではない。製品の細部と見なされがちな一つの機能、つまり豆包 Work が公開した「ワンクリックインポート」だ。ChatGPT や Claude Code のスキル、記憶、過去の会話を自分のアカウントに移せる。
同じ週、アリババは QwenWork の EC 版を招待制の内測に投入した。多プラットフォームの出品者向けで、低コストでショップを開けることが売りだ。さらに数日前には、xAI の Grok Voice 3.0 が Artificial Analysis の音声エージェントランキングで首位を取り、応答時間を 1 秒以内に抑えた。
三つの出来事はばらばらに見えるが、指し示す判断は同じだ。オフィスエージェントの勝敗を決める要因が「モデルがどれだけ強いか」から「ユーザーが乗り換えたくなるか」へ移りつつある。
なぜ「引っ越し」がシグナルなのか
AI オフィスツールをしばらく使った人なら分かるはずだ。手放せないのは特定のモデルではなく、自分が積み上げてきたものだ。調整済みのプロンプト一式、プロジェクトや好みについての何十ものメモ、そしてすでに問題なく回っているワークフロー。
言い換えれば、粘着性を生むのは埋没コストそのものだ。より賢いアシスタントに乗り換える代償は、あなたが誰で、何をしていて、境界がどこにあるのかを、ゼロから教え直すことにある。
「ワンクリックインポート」はこのハードルを的確に取り外す。これまで「残る」理由だった埋没コストを、「持ち出せる」荷物に変える。これは中立的な効率化機能ではなく、競合のスイッチングコストへの正面攻撃だ。ドキュメントにはインポートと書いてあるが、その裏にあるのは「もう一から始めなくていい」というメッセージだ。

「雑談できる」から「任せられる」へ
チャットボットの領域には、実はもう秘密はない。同じ質問を十社のモデルに投げても答えはほぼ同じで、価格はまだ下がり続けている。差が開くのは、モデルが一つの仕事を最初から最後までやり切れるかどうかだ。
オフィスエージェントへの要求は具体的だ。投げられた文書を読み解き、前回話した好みを覚えていて、いくつかのアプリの間で作業をつなげられること。豆包 Work のインポート一覧に並ぶ三つ、スキル、記憶、過去の会話は、ちょうどこの三つに対応している。
スキルは何ができるかを決め、記憶はあなたが誰かを知っているかを決め、履歴は前回の続きから進められるかを決める。どれか一つ欠ければ、ユーザーが自分で埋めることになり、その埋める作業こそが離脱の入り口になる。
記憶は堀であり、負債でもある
記憶があるほどアシスタントは使いやすくなる。これに異論はない。だが記憶は諸刃の剣で、裏返して見れば話は別になる。
記憶をワンクリックで書き出せるなら、それは誰も守らない。苦労して積み上げた仕事の輪郭は、いつでも競合への手土産になり得る。逆に、記憶を書き出せないなら、ユーザーは一つのプラットフォームにがっちり閉じ込められ、より安い選択肢に乗り換えることすらできない。
この矛盾に美しい答えはない。ユーザーにとって妥当な期待は「データは自分のもので、書き出しは自分の権利だ」であり、プラットフォームに求められるのは「あなたをつなぎとめるのは、より使いやすいからであって、逃げられないからではない」と示すことだ。
もっと現実的な問題はコンプライアンスだ。オフィスアシスタントが文書の断片、予定、連絡先、さらには会議の内容まで長期保存し始めると、それはワークフローに張り付いたデータベースの接続点になる。誰が見られるのか、どれだけ保存するのか、退職後はどうなるのか。これらの問いは遅かれ早かれ突きつけられる。
音声が新しい入り口になりつつある
「引っ越し」が第一歩を解決するのだとすれば、入り口は 1 日に何回使うかを決める。
Grok Voice 3.0 が取った首位で重要なのはスコアではなく遅延だ。音声インタラクションの壁はずっとあの気まずい間だった。一言話し終えて、考えるのに 1 秒待つと、聞こえていないのではないかと疑い始める。応答を 1 秒以内に収めて初めて、会話のリズムが成り立つ。
音声が十分に速ければ、オフィスシーンの入り口は「枠を開いて文字を打つ」から「一言話す」に変わる。運転中、手がふさがっているとき、会議室にいるときに、口を開けば用件を伝えられる。使用頻度はまったく別の桁になる。
中国は「仕事」、海外は「フロンティア」
視点を引いてみると、二つの路線はもうはっきりしている。
海外の数社はクローズドなフロンティアモデルに記憶能力を組み合わせ、「より人間らしい」アシスタントを個人と企業に売る。値段は安くないが、売っているのは能力の上限だ。国内のこの一批の製品は別の道を行く。具体的な職種とシーンに狙いを定め、コストを下げ、ツールチェーンを揃える。
開発者にとって選択肢は確かに増えたが、選ぶのは難しくなった。同じタスクでも、クローズドなフロンティアモデルなら一発で通るかもしれないが単価が高い。安い小型モデルなら三回走らせて検証の層を一つ足す必要があるが、総額は安い。どちらを選ぶかは、あなたのタスクのうち一発で正解にしなければならないものがどれだけあり、やり直しがきくものがどれだけあるかで決まる。
最後に
この競争の語り口は、パラメータ比較に流れがちだ。だがユーザーの継続利用を本当に決めるのは、地味なものの集まりだ。移行がどれだけスムーズか、記憶がどれだけ信頼できるか、入り口がどれだけ自然か、請求がどれだけ予測できるか。
豆包 Work の「ワンクリック引っ越し」が称賛に値するかは、今後それが自分も蓄積するであろう記憶をどう扱うかにかかっている。もしユーザーをよそから移してきただけで、その場により高い壁を築くだけなら、この戦いはまだ古い脚本どおりだ。
本当に新しいのは、こういうことかもしれない。ユーザーが初めて開くとき、一から始めなくていい。小さなことに聞こえるが、アシスタント同士がようやく使用体験を競い始めたということだ。誰のランキングのスクリーンショットがきれいかを競うのではなく。
関連記事
アカデミー賞が引いた一線、その焦点はツールではない
アカデミーは AI 生成の演技と AI 脚本をオスカーから排除しつつ、特撮や修復での AI 利用は認める。境界は技術ではなく作者性に引かれ、組合、法廷、映画祭が並行して独自の線を引いている。
スキルはコードであり、コードにはチェックポイントが必要
NVIDIA は SkillSpector をオープンソース化し、エージェントがスキルを読み込む前にセキュリティ問題をスキャンできるようにした。三つのチーム、一つの結論。エージェントが指示を受け取る層はインフラであり、監査される。
GitHub でいま最も人気の新しい技は、口数を減らすこと
GitHub で最も急成長するリポジトリは caveman という Go プロジェクトで、原始人のように話すことで token 使用量を約 65% 削減する。Headroom と Xerj は同じコンテキストコスト問題を別角度から攻める。
30年来の未解決予想、中国のモデル、そして機械検証された証明
Shanghai AI Laboratory は、30年間未解決だった Ghys 予想の三次元の場合を証明したと発表した。作業には Intern-S2 が関与し、Lean で形式的に検証された。