Kylon vs Humans&：同じビジョン、異なる賭け

Humans&とKylonは同じビジョンを共有しています。業務の未来はAIが人間に取って代わることではなく、AIと人間がチームとして協働することです。両社ともにエージェントはツールではなくチームメイトであるべきだと考えています。

異なるのは、賭けの対象です。

Humans&の賭け：社会的知性を持つモデル

Humans&はフロンティアAIラボです。彼らの賭けは、AI協働のボトルネックは製品レイヤーではなくモデル自体にあるというものです。現在のAIはどれほど優秀でも、毎回初対面の人と話すように振る舞います。長期記憶がなく、ユーザーの価値観や仕事のスタイルを学ばず、セッション間ですべてを忘れてしまいます。

Humans&はこれを「ストレンジャー問題」と呼び、根本的に異なるモデルを構築することで解決しようとしています。

長期的強化学習。現在のほとんどのAIはターンごとに動作します。Humans&は、複雑で長い対話にわたって焦点を維持し、数日から数週間にわたって推論と計画を行えるモデルを訓練しています。

マルチエージェント強化学習。モデルは指示だけでなく経験を通じて、他のAIエージェントや人間と協調することを学びます。エージェントは協働の質についてフィードバックを受け、時間とともに改善していきます。

記憶とユーザー理解。セッションごとにリセットするのではなく、Humans&のモデルはコンテキストを保持し、ユーザーの好みを学び、時間とともにより有用になります。取引的なツールではなく、信頼できる同僚に近い存在を目指しています。

創業チームはAnthropic、xAI、Google、OpenAI、Metaの研究者で構成され、Nvidia、Jeff Bezos、Google Ventures、SV Angelから4億8,000万ドルの資金を調達しています。CEO Eric Zelikmanはロイターに対し、「モデルは人間と、そして適切な場合には他のAIと協調し、人々がより多くのことを成し遂げ、互いを結びつけることを可能にする」と語りました。

これは真摯で野心的な賭けです。モデル自体が社会的知性を獲得し、ストレンジャー問題を解決できれば、AI協働の意味を根本から変える可能性があります。製品は2026年後半にリリース予定です。

Kylonの賭け：人間とエージェントのハーネス

Kylonは異なる賭けをしています。現在のモデルはすでにチームメイトになれるほど優秀であり、ボトルネックはモデルではなく、そのハーネス——モデルの能力をチームの生産性に変換する製品インフラストラクチャ——にあるという賭けです。

クロスプラットフォーム。Kylonはウェブ、macOS、iOS、Androidで動作します。エージェントはチームが働くあらゆる場所——デスク、スマートフォン、会議中——からアクセスできます。

エージェントのアイデンティティと権限。すべてのエージェントは名前、ペルソナ、スキル、権限、蓄積される記憶を持ちます。誰が何を、いつ、どのような権限で行ったかが追跡可能です。

ネイティブデータレイヤー。エージェントが直接読み書きするデータベースアプリ。統合やデータ同期ではなく、ワークスペース内に存在する構造化データです。

構成可能なワークフロー。スケジュールタスク、Webhookトリガー、マルチステップ自動化、エージェントが学習し共有できるスキル。ランタイムは会話的であるだけでなく、プログラム可能です。

本番環境でのマルチエージェント連携。マーケティング、データ分析、オペレーション、コンテンツなど、複数の専門エージェントが人間と同じチャンネルで業務を行い、コンテキストを共有し、タスクを引き継ぎます。

1,000以上の連携。Gmail、GitHub、Notion、Slack、Linear、Google Calendarなど。エージェントはチームが既に使っているツールと接続します。

両方の賭けが重要な理由

これは「どちらが正しくてどちらが間違っている」という比較ではありません。両方の賭けが実際のボトルネックに対処しています。

より優れたモデルは、より優れたハーネスをより価値あるものにします。Humans&がストレンジャー問題を解決すれば、データベース、ワークフロー、権限、クロスプラットフォームアクセスを備えたKylonのようなワークスペース内で、その能力は劇的に有用になります。

より優れたハーネスは、より優れたモデルをより有用にします。社会的知性を持つモデルでも、ブラウザのチャットタブだけでは限界があります。構造化データ、スケジュールワークフロー、マルチエージェント連携、モバイルアクセスを備えたワークスペース内であれば、まったく異なるレベルのチーム生産性を実現できます。

それぞれが適するケース

Humans&が適するケース：主な制約がAIモデル自体にある場合。数週間にわたるコンテキストの記憶、チームの仕事のスタイルの学習、社会的な協調など、現在のモデルが十分に提供できない能力がワークフローに必要なら、Humans&の基礎研究はそのギャップに直接対処しています。チームは世界最高水準で、年内後半のリリース時に注目する価値があります。

Kylonが適するケース：主な制約がAIを実際のワークフローに統合することにある場合。現在のモデルの能力で十分だが、エージェントにアイデンティティ、権限、記憶、データベース、ワークフローがあり、ウェブ、Mac、iPhone、Androidで動作するワークスペースが必要なら——Kylonはすでに稼働中です。

2つの賭け、1つの未来

私たちはハーネスに賭けています。AIチームメイトへの最短経路は、より賢いモデルを待つことではなく、今日のモデルを実際のチームにとって本当に有用にするインフラストラクチャを構築することだと考えています。

Humans&はモデルに賭けています。根本的に優れたAIが、ハーネスだけでは達成できない可能性を開くと考えています。

どちらも正しいかもしれません。未来にはおそらく両方が必要です。