ByteDance(字節跳動)のオフィス向けAIエージェント製品「Doubao Work(豆包工作)」が9月2日、2つの新機能を追加した。マルチエージェントの並列実行と、Mac版「パソコン操作」機能だ。Doubao Workは8月25日にリリースされたばかりで、更新のペースはかなり速い。
マルチエージェント並列の仕組みは、1つのタスクをモジュールに分割してそれぞれ実行するというものだ。ユーザーが要求を送ると、まずメインエージェントが分解を担当し、より専門的・垂直的な部分を複数のサブエージェントに割り振って同時に進行させ、最後に結果を統合して納品する。公式が挙げる適用シーンはバッチ処理、モジュール別の生成、多角的な調査、複数チャネルでの検索で、共通点はサブタスク同士が互いに独立しており、どちらが先に終わっても結果に影響しないことだ。こうしたタスクを直列で処理すれば単なる順番待ちになるが、並列化すれば納品時間を圧縮でき、同時に複数の異なる成果物を生み出せる。
逆に言えば、前後に依存関係があるタスクはこの仕組みには向かない。2番目のステップが1番目の結論を必要とする場合、分割するとメインエージェントがコンテキストをすり合わせるために余分なやり取りを重ねるだけになる。つまり並列化の効果はタスクの形によって大きく左右され、どれだけ時間を圧縮できるかは、ユーザーが要求を分割可能な形で提示できるかどうかにかかっている。
画面を直接見てクリックする
もう1つの更新は、パソコン操作機能がMacにも対応したことだ。これまでこの機能は主にWindows向けだったが、現在は両プラットフォームで利用できる。
実装の方式はローカルのGUI操作である。MCP、API、プラグイン、コマンドラインに頼らず、モデルが画面上のインターフェース要素を直接認識し、クリック・入力・切り替えといった操作を行う。この方式の利点はカバー範囲の広さにある。企業が日常的に使う社内システムや旧バージョンのクライアント、APIを公開していない業務ソフトは、API の観点からは存在しないに等しいが、ピクセルの観点から見れば他のウィンドウと変わらない。誰も手を加えなくても、エージェントはそのまま使い始められる。
代償もはっきりしている。GUI操作は安定性のすべてを画面認識に懸けている——ボタンの位置が変わる、ポップアップの表示が0.5秒遅れる、解像度が異なるといったことがあれば、操作が失敗する可能性がある。エラーが起きてもAPI呼び出しのように明確なエラーコードを得るのは難しい。業界はこの1年、MCPのような標準インターフェースへの投資を強めており、ツール呼び出しを構造化・予測可能にする方向へ進んでいる。GUI操作はその逆で、汎用性の高さを適応コストと引き換えにする。今のところどちらか一方が他方を駆逐したわけではなく、多くの製品は両方を併存させることになりそうだ。
入り口を1つにまとめる
Doubao Workは字節跳動のAIオフィス分野における統一的な入り口と位置付けられており、Lark(飛書)と深く連携している。この流れは今年のByteDanceの動きと地続きだ。以前にはTRAEとCozeが豆包(Doubao)ブランドに統合され、分散していた開発者向けツールとエージェントプラットフォームが1つのブランドの下にまとめられた。Doubao Workはオフィス側の入り口も同様に取り込む形になる。
企業ユーザーにとって、この種の製品を評価する基準は最終的に機能一覧ではなく、単位時間あたりどれだけ多くの実際のタスクを安定してこなせるかにある。マルチエージェント並列が高めるのは理論上のスループットであり、GUI操作が広げるのは対応可能な範囲であって、どちらも成功率という関門を通過する必要がある。ByteDanceが両機能を同時に公開したのは、まず能力の範囲を広げ、その後で信頼性を磨き上げるという順番に見える。
参考資料:IT之家、CocoLoop、界面新聞、Doubao Work公式機能説明;マルチエージェント並列のタスク分割方式とMac版パソコン操作の適用範囲は公式説明に基づき確認した。