Blueskyは、ソーシャルメディアは少数の巨大プラットフォームの中に閉じ込められている必要はない、という主張を何年もかけて積み上げてきた。ATmosphereカンファレンスでクローズドベータとして披露された同社の新機能「Attie」は、ソーシャルメディアにおけるフィードとインターフェースもまたユーザーのものであるべきだ、という考えを提示する。
AttieはATプロトコル上に構築された自然言語エージェントだ。ユーザーが望むフィードの種類を言葉で説明すれば、システムがそれを組み立てるというのがその約束である。サステナブルな取り組みに関する報道をもっと増やしてほしい、あるいは政治評論をよりバランスよく、近所のアート情報をもっと、と頼めば、Attieは難解な設定をいじらなくても、その要望を動くフィードへと変換する。
ブラックボックスの推薦システムが市場を支配するなか、Attieは現代のソーシャルウェブの中核的な前提、すなわち「何が重要かはプラットフォームが決めるべきであり、関連性の仕組みや、投稿やアイテムをフィードに載せるためにどのシグナルを優先するかもプラットフォームが決めるべきだ」という考えに代わる選択肢を示す。Blueskyは、AIはプラットフォームの利益のためにユーザーの意図や関心を静かに作り替えるのではなく、ユーザーの意図と関心を反映すべきだと主張している。
推論ではなく関心から組み立てるフィード
主要なソーシャルネットワークの多くは、おおむね同じ仕組みで動いている。データポイントを監視し、エンゲージメントや活動を測定し、そのうえでユーザーをより長く、より深くプラットフォームに引き留めるには何が効くかを基準に推論する。クリック、投稿上でのホバーや滞在、フォロー、シェア、さらにはスクロール行動まで、ユーザーの行動のすべてが要素として組み込まれる。これらはすべて、注意を途切れさせないために設計された推薦エンジンの原材料になる。このモデルは地球上でも最大級のテック企業を生み出してきた。そうしたエンゲージメントに報いる広告とサブスクリプション主導のビジネスモデルを支えているからだ。
とはいえ、それはユーザーにほとんど実質的なコントロールを残さない。アカウントをミュートしたりフォローしたり、ランキングの選択肢をいくつか調整したりはできるかもしれないが、根底にあるロジックは隠されたままだ。システムは行動から学習を続け、企業はその行動をどう解釈するかの主導権を握り、アルゴリズムがユーザーに見えるものを支配する。少なくとも理屈のうえでは、Attieはこれを反転させる。
機械に人間の望みを推測させるのではなく、人間がそれを言葉で伝えられるようにする。そうすることで、好みは推定されたシグナルから明示的な指示へと変わる。これは製品内のどの単一機能よりも重要だと後に評価される可能性がある。ここでの争いは、実のところフィードのカスタマイズそのものではない。そもそもパーソナライゼーションの条件を誰が定義するのか、という点にある。
ATプロトコルが賭け金を変える理由
Attieが、クローズドなプラットフォームにAIの層をもう1枚追加しただけのものなら、それでも興味深い存在ではある。だが、より注目を集める理由は、その下にある基盤だ。BlueskyはAttieを、ソーシャルアプリケーションのためのオープンでフェデレーテッドな標準であるATプロトコル上に構築した。これは重要である。オープンなプロトコルは、アイデンティティ、データ、ソーシャルグラフが1社の壁の内側に閉じ込められ続ける必要はない、という可能性を生むからだ。原理的には、ユーザーは自身のソーシャル上の存在のより多くの部分をサービス間で持ち運べ、開発者はゲートキーパーに許可を求めるのではなく、共有されたレールの上で構築できる。
その文脈でAttieがしているのは、単にフィードを生成することにとどまらない。AIがオープンなソーシャルスタックにどう組み込まれ得るかについて、より大きな主張を行っているのだ。長年、パーソナライゼーションはプラットフォームのロックインを生む最強の手段の1つだった。サービスは注意を引きつける要素をより的確に予測できるようになり、ユーザーの習慣はその堀の一部となる。推薦は少なくとも「離れない程度」には改善し、企業は蓄積された学習の恩恵を全面的に享受する。ユーザーが、なぜフィードがそのような見え方になるのかを透明に理解できることはまれで、ポータビリティはほとんど得られない。
Attieは、エンゲージメントの獲得を別の形で実現する道筋を示す。パーソナライゼーションを平易な言葉で記述でき、オープンなインフラ上で構築できるなら、推薦ロジックははるかに理解しやすく、制御しやすくなる。これだけでロックインの問題が自動的に解決するわけではないが、パーソナライゼーションはプラットフォームだけのものだ、という考えに挑戦する。
技術的な問題はデモ以上に難しい
これを機能させるうえでの課題の1つは、LLM（大規模言語モデル）は精密ではなく、人は必ずしもプロンプトエンジニアリングが得意ではないという点だ。相反することを求め、文脈を省き、気が変わる。関心を表す言葉は曖昧で感情的になりがちで、しばしば一貫性を欠く。
Attieのようなシステムは、そうした雑然とした要求を、実際に機能するフィードのロジックへと変換しなければならない。それもデモで一度うまくいけばよいのではなく、予測不能な条件下で多数のユーザーに対して繰り返し機能させる必要がある。大規模言語モデルは翻訳、要約、ルーティングのタスクには強いが、ニュアンスが積み重なり、エッジケースが増え、微妙な文化的差異に依存する要求になると信頼性は下がる。ユーザーにとっては完全に妥当に聞こえるフィードの要求でも、機械が実行すると、偏っている、脆い、あるいは字義通りすぎると感じられる体験を生む可能性がある。
同様に、フィードがそうした不整合につけ込むこともあり得る。自然言語で情報の流れを形づくれるツールは、乱用、安全性、ランキング、可視性をめぐる問いに必ず直面する。システムが自由度の高い指示からフィードを構築するなら、どの種の要求を許容するのか、どのソースを信頼するのか、そしてプロンプトを技術的には満たしつつも、社会的な帰結として望ましくない出力をどう扱うのかを判断しなければならない。
Attieが勢いを得れば、既存プラットフォームも自社にAI主導のフィードやカスタマイズ機能をさらに追加するかもしれない。しかし、根底にある前提をコピーするのは難しいはずだ。大規模な広告主導型プラットフォームは、会話型のインターフェースでフィードの好みをカスタマイズできるようにし、ユーザーの権限強化として打ち出せるコントロールを製品に追加することもできる。だがそれは、収益の基盤を成す中央集権的なランキング、独自モデル、エンゲージメント主導のインセンティブという経済性を手放すことを意味しない。
