行動記録と規制対応、AI自動化の芽

作業ログをエージェントの材料にする動きと、専門領域特化のAI自動化が同時に立ち上がっている。

同時多発する『専門領域の自動化』

今週目についたのは、Screenpipe(YC S26)とLabrynthという、扱う対象は違うが方向性が似た2つのプロダクトだ。前者はユーザーの作業を記録してエージェント化し、後者は規制対応という専門実務をAIで支援する。どちらも汎用チャットボットの延長ではなく、特定の業務文脈に深く入り込むAI活用を志向している点が共通している。

Screenpipe:行動ログをエージェントの原材料にする

Screenpipeは、画面と音声をローカルで記録し、そのデータをAIエージェントが検索可能な『記憶』として使えるようにするツールだ。新しいのは、記録それ自体を目的にせず、ユーザーが実際にどう作業したかをエージェント生成の入力として扱う発想にある。従来の業務自動化が決められた手順の再現を前提にしていたのに対し、Screenpipeは人の実作業を観察データとして蓄積し、そこから汎用性のあるエージェントを立ち上げようとしている。

Labrynth:規制対応という専門実務にAIを充てる

Labrynthは、規制業界向けにAIで規制情報を整理・分析するプロダクトだ。金融や医療のように専門知識と情報の鮮度が同時に求められる領域では、担当者が手作業で規制文書を追う負担が大きい。Labrynthのようなプロダクトは、汎用AIでは拾いきれない実務の細部を、業界特化の情報設計で埋めようとしている。

なぜ今このタイミングか

両者に共通するのは、AIを『何でも答えるアシスタント』としてではなく、特定の業務データや専門ドメインに結びつけて実装している点だ。行動ログの収集コストとLLM活用のコストがともに下がったことで、小規模チームでも特定業務に絞った自動化プロダクトを立ち上げやすくなっている背景がうかがえる。

🔭 行動データを起点にしたエージェント生成と、規制対応のような専門領域特化AIが、それぞれどこまで実務に定着するかが今後の見どころだ。