友人との予定調整、家計の見直し、メールの確認、簡単なアプリ作成までを、一つの会話画面で済ませることを目指すAIサービスが大型資金を集めました。サンフランシスコを拠点とするWabi Inc.は、消費者向けAIアシスタントの成長と製品開発に向け、シードラウンドで5,500万ドルを調達したと発表しています。企業価値は12億5,000万ドルと評価されました。



ラウンドを主導したのはベンチャーキャピタルのIVPです。Amazon Alexa Fund、Andreessen Horowitz、Forerunnerも出資し、個人投資家にはSalesforceの最高経営責任者であるマーク・ベニオフ氏と、Shopifyの最高経営責任者であるトビ・リュトケ氏が名を連ねています。シードラウンドは一般に、製品や事業モデルを確立していく初期段階の資金調達を指します。その段階で10億ドルを超える評価額が示されたことから、投資家は現在の利用規模だけでなく、Wabiが日常生活の入口になり得るという将来像を重視したと考えられます。

Wabiを立ち上げたのは、連続起業家のユージニア・クイダ氏です。同氏は以前、会話型AIサービスを手がけるReplika Inc.を創業しました。Replikaは前年11月時点で3,500万人を超えるユーザーを抱えており、クイダ氏には消費者向けAIを大規模に運営した経験があります。Wabiは「初期需要が強い」と説明しているものの、具体的な利用者数は開示していません。そのため、現時点の評価額を利用実績の証明と受け取るより、創業者の実績、製品構想、市場拡大への期待を組み合わせた評価と見るのが妥当でしょう。

調達資金は成長施策と製品開発に投じられます。現在はMac、iOS、Android向けに提供されており、近い将来の優先事項としてWindows版の投入も挙げられています。対応端末の拡大は利用機会を増やすだけでなく、スマートフォンと業務用パソコンをまたぐ継続的な体験を構築できるかを試す工程にもなります。

Wabiの中心にあるのは、AIとの一対一の対話ではなく、複数人が参加するグループチャットです。たとえば友人同士が集まる日時を会話の中で決めると、組み込まれたAIアシスタントが周辺の飲食店を探し、会場候補を提示します。単に「近くの店」を検索するのではなく、参加者が合意した時刻など、会話に含まれる条件を提案へ反映する点が特徴です。



従来の予定調整では、チャットで条件を確認した後、地図や飲食店検索サービスを開き、候補のURLを共有し、再びチャットに戻る操作が必要でした。Wabiは、その途中にある検索と情報整理をAIに担当させようとしています。人が明示的な指示文を作らなくても、進行中の会話を作業の文脈として利用できれば、AIを呼び出すための手間は小さくなるでしょう。

画面の横には、会話に関連するウィジェットを表示するサイドバーが設けられています。旅行を計画している場面では、航空便の出発日や到着日を表示できます。飲食店の候補は、外観写真と短い説明を含む縦型カードとして並びます。会話を文章だけで完結させず、日付や候補を視覚的な部品へ変換することで、複数人が確認しやすい状態を作る設計です。

企業向けチャットボットの多くは、利用者から質問を受けて回答を返すことに重点を置いてきました。Wabiが示しているのは、AIが会話の参加者であると同時に、画面を状況に応じて組み替える役割も担う形です。ただし、友人同士の雑談には冗談や曖昧な希望、途中で撤回された案も含まれます。どの発言を確定条件として扱うか、誤った候補を出した場合に人が修正しやすいかが、実用性を左右すると考えられます。

Wabiはチャット内の情報だけでなく、外部アプリに保存されたデータも利用します。金融データ共有基盤のPlaidとの連携により、個人向け予算を作成したり、使われていない定額サービスを見つけて解約候補として示したりできます。Gmailとの接続機能は、重要なメッセージを利用者へ通知するために使われます。



ここでの狙いは、複数サービスに散らばった情報を、利用者の目的に沿ってまとめ直すことです。家計を見直す場合、支出データを眺めるだけでは、どの契約を継続すべきか判断できないことがあります。AIが継続課金を整理し、利用状況と照らして確認対象を絞れば、人は最終判断に集中できます。メールについても、受信箱をAIが代わりに読むこと自体より、予定や対応の必要な連絡を見落とさない形に変換できるかが価値になります。

こうした機能では、利便性とデータ管理を切り離せません。金融取引やメールには、日常の行動、契約関係、連絡相手などを推測できる情報が含まれます。消費者向けAIが外部サービスと深く連携するほど、利用者が許可するデータの範囲、連携を解除した後の扱い、提案の根拠を確認できる仕組みが重要になります。Wabiの具体的な権限管理やデータ保持方針については、今回確認できる情報だけでは明らかになっていません。

日本企業が同種のサービスを検討する場合も、「何と接続できるか」だけを評価軸にすると不十分です。誤った通知や分類が生じたときの訂正方法、本人以外の情報が会話やメールに含まれる場合の扱い、重要な判断をAIだけで確定させない設計まで確認する必要があります。連携先の数よりも、利用者がデータの流れを理解し、必要に応じて止められることが継続利用の条件になるでしょう。

WabiのAIアシスタントは、情報を検索して提示するだけではありません。自然言語による指示からソフトウェアを組み立てる「バイブコーディング」の機能を備え、ToDoリストの管理やイベント計画を自動化する簡単なアプリを作成できます。チャット画面で直接動作する、シンプルな2次元ゲームの生成にも対応しています。



バイブコーディングとは、利用者が細かなプログラムコードを書く代わりに、欲しい機能や動作を会話で伝え、AIに実装を支援させる開発方法です。Wabiの場合、独立した開発環境へ移動するのではなく、友人や家族との会話が続く場所で小さなツールを作れる点に意味があります。旅行の相談中に持ち物リストを作る、催しの準備中に担当表を用意するといった流れなら、ツールを作る行為そのものが目的になりません。

これは、完成済みの機能を多数並べる従来型アプリとは異なる発想です。必要になった時点で用途に合う小さな機能を生成し、会話の参加者がその場で使えるなら、利用者ごとの細かな要望にも対応しやすくなります。ゲーム生成も、汎用的な娯楽作品を提供するというより、会話の参加者が一緒に遊べる体験を即席で用意する機能として捉えられます。

ただし、生成されたアプリが日程やタスクを正しく処理するとは限りません。個人向けの軽い用途であっても、入力内容の保存先、共有範囲、誤動作した場合の戻し方が分かりにくければ、便利さは長続きしないでしょう。企業がバイブコーディングを導入する場合には、権限管理やテスト、変更履歴といった統制が加わります。Wabiの消費者向け設計は、そのまま業務へ移植するものではありませんが、利用者が作業中の文脈から離れずにツールを生成する体験は、社内システム設計にも参考になる視点です。

クイダ氏はWabiについて、人、道具、AIが一つの場所に集まり、大切なことへ多くの時間を使えるよう支援する「生活のためのOS」になり得ると説明しています。ここでいうOSは、パソコンやスマートフォンを直接制御する基本ソフトという厳密な意味より、日々使うサービスや情報にアクセスする共通の入口を表す構想と理解できます。



現在のデジタル生活では、予定、連絡、支出、移動、買い物などが別々のアプリに分かれています。利用者は目的に合わせてアプリを選び、情報を自分で移し替えなければなりません。Wabiが目指す構造では、利用者は会話の中で目的を共有し、AIが適切なデータや機能を呼び出します。操作の起点がアプリのアイコンから、人やAIとの会話へ移るわけです。

この変化が進めば、製品の競争軸も変わる可能性があります。個々の機能が優れているだけでなく、別のサービスから文脈を受け取り、利用者が必要とする形で提示できることが重視されるでしょう。サイドバーのウィジェットや飲食店カードは、その考え方を画面上に表したものです。AIの回答を長い文章で読ませるのではなく、日付、候補、写真などを判断しやすい形式へ変換しています。

もっとも、「生活のOS」になるには、利用頻度の高い一つの機能だけでは足りません。複数の用途をまたいでも会話の文脈が崩れず、誤解があれば容易に訂正でき、利用者が何をAIに任せているか把握できる必要があります。Wabiは強い初期需要を示しているものの、利用者数や継続率などは公表していません。構想が日常的な利用へ定着するかは、今後の製品展開と利用実績を見て判断する段階です。

Wabiが消費者の支持を得た場合、大手テクノロジー企業が似たサービスを投入する可能性があります。既存の大手企業は、メール、カレンダー、決済、端末といった利用基盤をすでに持つため、会話型AIを日常サービスへ組み込む余地があります。Wabiには、単に複数機能を一画面へ集めるだけでなく、利用者が同社を選び続ける理由を作ることが求められます。



差別化の候補には、会話から条件を読み取る精度、グループでの使いやすさ、外部サービスとの連携、生成アプリの品質などがあります。バイブコーディング分野では、OpenAIのCodexのような広く知られた選択肢と違いを出すため、独自のAIモデルを訓練する新興企業もあります。ただし、Wabiが独自モデルを開発しているかどうかは明らかにされていません。モデルそのものの性能だけでなく、会話、データ、画面部品を一連の体験としてまとめる製品設計が競争力になる可能性もあります。

日本企業にとって注目すべき点は、Wabiの個別機能を模倣することではなく、利用者が作業の途中で感じる「アプリ間の移動」を見直すことです。顧客が問い合わせ内容を別画面へ入力し直している、担当者がチャットの決定事項を手作業でタスク管理へ転記しているといった場面では、会話を起点に次の操作を提案する設計が役立つかもしれません。対象業務を限定し、人が確認してから実行する形にすれば、誤処理の影響も抑えやすくなります。

導入判断では、派手なデモよりも、文脈理解に失敗した際の挙動を確認したいところです。曖昧な会話からAIが勝手に確定事項を作らないか、提案の根拠を利用者が追えるか、外部サービスへのアクセスを細かく制御できるかが評価項目になります。Wabiの動向は、消費者向けAIが「質問に答える道具」から「会話を行動へ変換する操作基盤」へ進めるかを測る事例です。自社で試すなら、最初の一歩は利用頻度が高く、失敗しても取り消せる一つの作業を選び、会話から実行までの手間が実際に減るかを検証することでしょう。