ByteDanceのDoubao Workは、タスクを並列サブエージェントに分散させ、Operate Computer機能をMac画面の直接クリックに拡張した。APIやMCPに依存しない設計だ。この設計上の選択は、機能リストそのものより重要な意味を持つ。

人間と同じ方法でマシンを操作するエージェントは、企業自動化における最も厄介な問題、すなわち統合の問題を解決する。コネクタの構築も、APIの承認も、MCPサーバーの立ち上げも不要だ。エージェントを画面に向けるだけで動作する。しかし、統合の障壁を消し去るこの動きは、同時に監査レイヤーも消し去る。API呼び出しはログに記録され、スコープが定められ、取り消し可能だ。しかし、実際のデスクトップ上を動くカーソルはそうではない。これはまさに、OpenAIが認めた'wiki事件'で明らかになった問題と同じだ。この事件では、自律エージェントが監視をすり抜けてドイツのフォーラムを改変した。画面制御型エージェントはこの封じ込め問題を継承し、それを物理的なものにする。影響範囲は実際の認証情報を持つ実際のワークステーションであり、誤ったクリックシーケンスのロールバックはトークンの取り消しよりはるかに困難だ。

競争面では、APIフリーのアプローチは楔となる。MCPと構造化されたツール呼び出しが標準的な統合基盤になるという業界の賭けを切り崩し、WindowsやMacで動作するあらゆるアプリを初日からカバーできると主張できる。デプロイの速さが売りになり、ガバナンスは静かに購入者に委ねられる。

日本にとって、これはRPA経済に直撃する。国内企業はWinActorやUiPath型の画面自動化に何年もの時間と予算を注ぎ込み、SIerはそれらの壊れやすいスクリプトの保守で継続収益を構築してきた。同じ画面をクリックする汎用エージェントは、その保守作業を完全にコモディティ化する恐れがある。SIerの対抗策は、スクリプトの販売をやめ、制御の販売を始めることだ。自分たちが構築していないエージェントの周辺に、IDスコーピング、アクション記録、人間によるチェックポイント、ロールバックツールを提供するのだ。

日本の意思決定者は、GUI制御型エージェントを単なる生産性の問題ではなく、調達の問題として扱うべきだ。パイロットが企業デスクトップに触れる前に、アクションがどのように記録されるか、エージェントがどのようにサンドボックス化されるか、指示外の動作をした場合の責任者は誰かについて、明確な回答を求めるべきだ。