10月3日、Jean-marc Mommessinが「Meta, OpenAI and Uber Just Taught AI Agents to Talk First. What About When to Stay Quiet?」と題した記事を公開した。Meta・OpenAI・Uberが相次いでリリースしたプロアクティブAIエージェントに共通する設計思想と、「いつ・どのチャネルで割り込むか」という判断問題の解き方について詳しく紹介されている。注目点は、LLMではなく1決定あたり約33ミリ秒で動く「決定特化モデル」を判断レイヤーに据えるという新しいアーキテクチャ提案だ。
3社が共有する一つの賭け
昨年2025年9月、3つのプロダクトがほぼ同時に登場した。
- Meta Muse（9月8日）：メール送信や予約など、アプリを閉じた状態でも動き続けるパーソナルエージェント。WhatsApp上で自発的に提案を行い、承認を求めてくる。
- OpenAI Dots（9月29日）：常時稼働型エージェント。アプリを読み取り専用でモニタリングし、未処理の請求書やSlack上のバグを検出してChatGPT・Slack・Teamsで通知する。
- Uberのドライバーアシスタント（音声版を9月24日発表）：リアルタイムの配車市場データをもとに助言を出す。Uberのプロダクトチームが公開した事例では、33分間アイドル状態だったドライバーに、より需要の高いゾーンを根拠付きで提示したという。
3つに共通するのは「エージェントが先に話しかける」という設計方針だ。従来のチャットボットはユーザーが問いかけるプル型だったが、これらはエージェントが介入するプッシュ型に転換している。
本当の難問は「何を答えるか」ではなく「いつ割り込むか」
プッシュ型には根本的なトレードオフがある。割り込みが多すぎればユーザーはミュートし、遅すぎればサージ料金は終わり請求書は延滞する。LLMはメッセージの文章を生成できるが、そのメッセージを送るかどうかを判断するのに適したツールではない。
記事が提示するルールはシンプルだ：
ユーザーへの期待値が、割り込みコストを上回る場合にのみ送信する。
期待値は4つの要素で構成される。
- 金銭的・時間的なステークの大きさ
- ユーザーが実際に行動する確率
- 機会が消えるまでの速さ（時間的切迫性）
- 誰のための価値か：ユーザーか、それともプラットフォーム側か
この値が高ければ即時送信、中程度ならダイジェストにまとめ、低ければ送らない。そして価値が高いほど、より侵襲的なチャネル（音声通話など）の使用が正当化される。
「いつ・どのチャネルで」は予測問題として解ける
この判断は新しい問題ではない。通知チームや成長チームがすでに類似の問題を解いてきた。
- Upliftモデル（Uplift modeling）：通知を「送った群」と「送らなかった群」を比較し、通知そのものが実際の行動変化を引き起こすかを推定する手法。送ることで逆効果になるユーザーを除外する用途でも使われる。
- コンテキストバンディット（Contextual Bandit）：ユーザーの状況（コンテキスト）を入力として受け取り、報酬（クリックや行動）を最大化するよう最適なタイミングとチャネルを逐次的に学習する強化学習の一手法。A/Bテストより少ないデータで個別最適化できる点が特徴。
- 受容性モデル（Receptivity model）：ユーザーが今この瞬間に通知を受け取れる状態かを予測する（運転中か停車中か、会議中かフリーか）。
チャネルにはそれぞれ「入場料」がある。アプリ内カードが最も安く、チャット、SMS、そして音声通話は緊急かつ手が離せない状況のためにとっておくべきものとされる。
決定特化モデルという新しいアーキテクチャ
記事が特に面白いのは、LLMではなく「決定モデル（decision model）」を判断レイヤーに使う提案だ。
その例として挙げられているのが、TypeSafeの**Jevと、Supersonic LabsのJulia 1（オープンウェイト公開済み）だ。いずれもテキスト生成に特化したLLMとは異なり、「いつ・何をすべきか」という決定そのものに最適化された小型モデルである。返すのは「選択肢リストからの選択」「スコア」「Yes/No」と、それぞれの確率のみだ。Julia 1はCPU上で動作し、1決定あたり約33ミリ秒**というレイテンシを実現している。
常時稼働のエージェントは、実際に送信するより圧倒的に多くのトリガーを評価している。各候補に対して、LLMを呼び出す前に安価な構造化クエリを実行できる：
- 割り込む価値があるか？
- どれほど重要で、どれだけ急ぎか？
- 今送る・待つ・まとめる・捨てる、どれか？
- カード・チャット・SMS・音声、どれか？
ただし限界も明記されている。これらのモデルは与えられたコンテキストしか判断できないため、「このユーザーは午前中の通知を無視する」といった長期的な行動パターンは、別途学習の仕組みが必要になる。
クロスセルの罠
3社ともプロアクティブエージェントを収益化の文脈でも語っている。MetaはMuseでのコマース機能を探っており、すでにMuse for Small Businessをローンチ。OpenAIはDotsと同時に月額500ドルの新プランを発表。Uberは配達などの関連サービスのプロモーションに活用できる立場にある。
しかし記事はこう釘を刺す。オファーもただのメッセージにすぎない。同じ基準、つまりユーザーへの価値でクリアしなければならない。エージェントが「売りに来ている」と疑われた瞬間、すべてのメッセージが信頼を失う。
まとめ
3社のモデルの質はいずれも高い。勝負は注意の使い方の判断、つまり「少なく、正しいタイミングで、正しい場所で、ユーザーの側に立って発言できるか」にかかっている。通知データを長年蓄積している企業はここで有利になりうる、と記事は指摘している。
詳細はMeta, OpenAI and Uber Just Taught AI Agents to Talk First. What About When to Stay Quiet?を参照していただきたい。
