xBubble SOPの解読：非技術ユーザー向けにVibe Codingをパッケージ化する

AI技術の発展に伴い、CodexやClaude CodeなどのAIツールを使用する人々は、生産性が10倍、さらには100倍に向上しています。技術ユーザーにとって、プロンプトを書き、デバッグし、反復し、スキルを開発できれば、AIは確かに高いレバレッジを持つ生産ツールとなります。

しかし、技術的背景を持たないOPC、中小企業、またはビジネスオペレーションにとって、現在のAIの使用は実際にはあまり快適ではありません。

1. 自分で直接取り組む場合、かなりの時間を学習とデバッグに費やす必要があります。異なるモデルの能力の限界は異なり、プロンプトの書き方も異なり、失敗した結果も自分で調査する必要があります。使いやすいスキルを開発すること自体が高いハードルです。また、Vibe Codingのベストプラクティスは、多くのユーザーの使用習慣と対立しています。多くの人は、すべての要求を一度に書き込んで、AIが直接満足のいく結果を提供することを望みますが、これは通常実現が難しいです。ほとんどの場合、実際に効果的なAIワークフローには、複数の対話、継続的な提示、テスト、修正が必要で、最終的に望ましい結果に近づくことができます。

2. 誰かを雇って使わせる場合、通常は人を見つけるのが難しく、安定した作業量もなく、追加の給与コストが必要です。主体的にAIをうまく使える従業員を見つけることは実際には容易ではなく、大多数の従業員は受動的に働き、給与を得るという心態であり、コミュニケーションを取るよりもAIを直接使った方が良い場合もあります。その結果、AIにお金を投資したかもしれませんが、実際にはコストを節約できず、雇わない方が良かったということもあります。

このジレンマは、AIの基盤となる大規模モデルの能力の進歩によって消えるのでしょうか？現時点では非常に難しいようです。

スキルの存在自体が、大規模モデルの直接出力が多くの場合、具体的なニーズを満たすことができず、事前に設定されたスキルを通じて効果を改善する必要があることを証明しています。将来的にAIが人間と同じくらい賢くなったとしても、この問題は依然として存在するでしょう。なぜなら、実際の生活では、ある程度の標準化が実現されない限り、他の人にニーズを明確に伝え、一度で望む結果を得ること自体が難しいからです。

したがって、AIを使えない人と、AIをうまく使える専門家との間で、生産性の差はますます大きくなり、これが多くの人々が「AI不安」を抱える真の背景でもあります。私たちは常にAIをうまく使う方法を学んでいるようですが、新しいものがあまりにも多く、あまりにも早く登場しているため、学び終えることはないようです。

DAPPOSが提供するxBubbleは、まさにこの部分を狙っています。すべてのユーザーがAIの専門家になり、Vibe Codingを学ぶことを要求するのではなく、SOPシステムを通じて、一部の問題に対してVibe Coderのパッケージ化を実現し、技術的背景を持たない中小企業や個人がAIを使用できるようにし、自分で学習やデバッグに時間を費やす必要もなく、追加で人を雇う必要もありません。

xBubbleのアーキテクチャ

SOPは、xBubbleがAIを使用して特定の問題を解決するためのソリューションです。それは単独のスキルでもなく、より長いプロンプトでもなく、スキル、実行環境、モデルの選択、MCP、およびサードパーティAPIをパッケージ化して、特定の分野の問題に対して比較的安定したパフォーマンスを実現します。

SOPを中心に、xBubbleの製品アーキテクチャは2つのシステムに分解できます：Bubble EngineとBubble Pilot。

Bubble Engineはソリューション生成層です。これはSOPを生成し、トレーニングし、AIコーディングエージェントを通じて特定のタスクに対するソリューションを構築し、テスト、評価、反復を通じて、結果をニーズにより合致するように調整し続けます。

Bubble Pilotは実行時の配信層です。これはユーザーのリクエストを読み取り、タスクの種類を識別し、SOPライブラリから最も適切なソリューションを見つけて実行します。適切な専用SOPがない場合は、より一般的なソリューションに戻ることもできます。たとえば、Computer SOPなどです。

SOPは両者の間に位置しています。EngineはSOPを生成し、PilotはSOPを配信します。

こうすることで、ユーザーが直面するのは一整の複雑なAIツールチェーンではなく、「タスクを述べて結果を得る」ことに近い入り口となります。モデルの選択、実行環境、スキルの呼び出し、APIの設定、反復ロジックは、できるだけシステム側に移されています。

SOPとは

xBubbleにおいて：

SOP = スキル + 実行時 + API + MCP + モデル選択

スキル自体では結果の安定性を保証することはできません。実際の出力は、どのモデルを使用するか、どの環境で実行するか、必要なAPIが接続されているか、適切なMCPがあるか、実行中に異常や反復をどのように処理するかに依存します。

これらすべてをユーザー自身に構成させると、使用のハードルは依然として高いです。xBubbleのアプローチは、これらの変数を一緒にSOPにパッケージ化することです。ユーザーはモデルを個別に選択する必要もなく、APIを自分で構成する必要もなく、複数の類似スキルの間で繰り返しテストする必要もなく、タスクの説明に基づいて対応する解決パスを直接トリガーできます。

従来のスキル市場と比較して、xBubbleのSOPシステムには主に3つの利点があります：

1. パフォーマンスの安定性

SOPにはスキルだけでなく、実行環境、モデルの選択、MCP、サードパーティAPIが含まれているため、実行プロセス中の多くの不確実性を排除し、より安定した結果を生成できます。同時に、SOPは検証された範囲内の問題を解決するためにのみ使用され、その範囲内でテストされます。したがって、タスクがSOPの説明範囲に合致する場合、効果は通常比較的安定しています。

これはオープンソーススキルのロジックとは少し異なります。オープンソーススキルは、より多くのスターを追求するために、通常は比較的一般的に作られます。一般的であることには利点がありますが、その代償として、多くのスキルは例外の外で十分にテストされておらず、機能が近いスキルが大量に存在します。その結果、ユーザーは依然として時間をかけてテスト、比較、検証し、特定のスキルが自分のニーズを満たすかどうかを判断する必要があります。この作業自体が実際にはVibe Coderの仕事です。

xBubbleのSOPは、検証された適用範囲を強調しています。つまり、1つのSOPが何でもできるわけではなく、定義されテストされた範囲内で、できるだけ結果を安定させることを目指しています。

2. 簡単で使いやすい

SOPはユーザーのタスクの説明を主要な入力として使用します。ユーザーはモデルを選択する必要もなく、サードパーティAPIを自分で構成したり支払ったりする必要もなく、背後でどのスキルが呼び出されているのかを理解する必要もありません。

Bubble Pilotはユーザーのニーズに基づいてタスクの種類を判断し、より専用のSOPを優先的に推奨します。SOPは一定の範囲内でテストされているため、ユーザーは通常、複数のSOPを繰り返し比較する必要がありません。既存の専用SOPがタスクをカバーできる場合は、優先的に専用SOPを使用します。効果が依然として理想的でない場合は、Bubble Engineのサービス（「Bubble Up」を提出）を通じて自動的に反復最適化を続けることができます。

言い換えれば、xBubbleが解決しようとしているのは「AIができるかどうか」ではなく、「一般ユーザーが低コストで安定してAIを使えるかどうか」です。本来、ユーザーが自分で負担する必要があったプロンプトのデバッグ、モデルの選択、APIの構成、結果の反復は、できるだけシステム側に移されています。

3. 自助生成可能

使いやすいスキルを開発するには一定のハードルがあり、時間をかけてデバッグと最適化を行う必要があります。技術的背景を持たないユーザーにとって、これは本来あまり友好的ではありません。また、オープンソーススキルは通常一般的であり、企業内部のフォーマット、個人の習慣、業界テンプレートなどのよりカスタマイズされたニーズをカバーするのは難しいです。

xBubbleの目標はVibe Coderのパッケージ化です。大多数のニーズに対して、ユーザーが自分でスキルを開発したりデバッグしたりするのではなく、ユーザーがBubble Engineを通じて専用SOPを自助生成できるように、複雑さをパッケージ化することを助けます。

同時に、SOPの適用範囲は大きくも小さくもなります。たとえば、Workモードでは、特定のタスクを処理できる専用SOPがない場合、システムは通常Bubble Computer SOPを使用して一般的な問題を処理します。しかし、ユーザーが非常に特別なニーズを持っている場合、たとえば自社のテンプレート規範に従ってPPTを作成したり、固定フォーマットで文書を生成したり、特定の内部スタイルでコンテンツを制作したりする場合、特定のユーザーまたは企業にのみ有効なSOPを生成することもできます。

これもSOPシステムと通常のスキル市場の違いの一つです。単に一般的なコンポーネントの束を提供してユーザーに選ばせるのではなく、ユーザーが自分のタスクの境界に基づいて、より専用の解決策を生成できるようにします。

SOPはどのようにトレーニングされるのか

xBubbleではBubble Engineを利用してSOPをトレーニングし、Vibe Coderを置き換え、ユーザーのニーズを満たすSOPを直接生成することを目指しています。メカニズム的には、SOPは特定のプロンプトを結果にマッピングする関数と見なすことができます。したがって、パフォーマンス調整が解決すべき問題は次のように簡略化できます：

Max Rank(SOP(prompt))

つまり、同じユーザーのニーズがSOPを通じて処理された後、生成された結果が評価システム内でできるだけ高い順位を得るようにし、ユーザーが本当に望む出力に近づけることです。

トレーニングケース

SOPのトレーニングはケースを中心に展開されます。

ユーザーは、自分が要求に合っていると思うケースを直接送信できます。たとえば、特定の企業のビデオ広告を参考にするように指示したり、以前に手作業で完成させた結果を送信したりします。このケースは文書、PPT、広告ビデオ、ウェブスタイル、またはシステムに模倣してほしい出力スタイルのいずれかです。

トレーニングタスクに関連するケースがない場合、Bubble Engineは自動的にインターネットで参考資料を検索したり、他のAI製品が生成した結果をトレーニングケースとして使用したりすることもできます。

ケースが確認されると、システムは元の問題とユーザーが入力した複雑さに基づいて、プロンプトを逆算し、(プロンプト、結果)の組み合わせを構成します。これらの組み合わせは、後続のSOP生成と評価の基礎となります。

トレーニングの鍵は、単にケースをコピーすることではなく、プロンプトに基づいてケースの結果に近い成果を生成するための適切な方法を見つけることです。開発プロセス中に結果情報が混入しないようにします。そうしないと、システムはトレーニングケースでのみ良いパフォーマンスを示し、別の類似タスクでは機能しなくなります。

反復ループ

次に、Bubble Engineはコーディングエージェントを通じて、いくつかの基準SOPを基に新しい専用SOPを開発します。

過剰適合を避けるために、開発プロセスでは結果の具体的な情報を直接SOPに混入させないようにします。そうしないと、トレーニング結果が良好に見えても、実際の使用時には一般化能力が非常に低くなる可能性があります。

開発が完了すると、システムは新しいSOPを使用してテスト結果を生成し、評価を行い、存在する問題をまとめます。

評価は主に2つの側面に分かれます：

1. AIを通じて結果がユーザーがトレーニングタスクで提示した要求を満たしているかどうかを判断します。たとえば、フォーマットが正しいか、内容が完全か、ユーザーが明示的に記載した制限条件に合致しているかどうかです。

2. 結果がケースと十分に近いかどうかを判断します。たとえば、スタイル、構造、内容の組織方法、出力形式が、ユーザーが提供した参考結果に近いかどうかです。

評価結果に基づいて、コーディングエージェントはSOPを修正し、再生成、再評価、再修正を行います。このプロセスは、結果が明らかに改善できなくなるまで続きます。

このプロセスは本質的に、元々Vibe Coderが手動で行っていた作業を自動化することです：ケースを見て、プランを作成し、結果を走らせ、問題を見つけ、プランを修正し、反復することです。

範囲の定義

性能調整が完了したSOPは、システムに接続する前に適用範囲を定義する必要があります。

このステップは非常に重要です。専用SOPは多ければ多いほど良いわけではなく、いつでも優先的に推奨されるべきでもありません。あるSOPが特定の狭いタスクでのみ有効であり、より広範な問題を処理するために使用されると、逆に一般的なSOPよりも劣る可能性があります。

Bubble Engineは、異なるケースをテストし、SOP内のスキル内容を分析するなどの方法を通じて、このSOPがどのタスクを処理するのに適しているか、どのタスクには適していないかを判断します。

この段階の目標は、Bubble Pilotが専用SOPの効果が一般的なSOPよりも良好な場合にのみ、専用SOPを推奨することを確保することです。そうでなければ、システムはより一般的な解決策に戻ります。

専門的な解決策

特に複雑なSOP生成、たとえばサードパーティの有料APIを利用する必要がある場合や、現在の大規模モデルの性能が完全に自動でタスクを完了できるほどではない場合、xBubbleは企業ユーザーのカスタマイズニーズをカバーするために、人工的な支援を提供する専門的な解決策も提供します。

この種の人工的な支援は、現在のモデル能力と企業ニーズの間の移行層のようなものです。基盤となるAIモデルがさらに進化するにつれて、人工的な支援が必要なケースは急速に減少するでしょう。

解釈とまとめ

製品ロジックの観点から見ると、xBubbleのSOPシステムは、単なる通常のスキル市場を作るのではなく、単純にいくつかのAIツールを接続するのでもなく、Vibe Codingという作業自体を製品化しています。

スキル市場が「どのスキルを選べるか」という問題を解決するのに対し、非技術ユーザーにとっては、より難しいのは後半の部分です：どのスキルが自分のシーンに適しているか、どのモデルを組み合わせるべきか、どのように実行するか、効果が不安定な場合はどうするか、次回再利用できるか、オープンソースのスキルがうまくいかない場合はどうすれば良いか。

SOPが解決しようとしているのはまさにこの部分の問題です。選択、構成、テスト、開発、範囲の定義、反復といった本来Vibe Coderが行うべき作業をできるだけシステム側に移し、ユーザーはタスクを説明するだけで済むようにします。

もちろん、このシステムが最終的にどこまで進むかは、2つの変数に依存します。1つはBubble Engineが生成するSOPの品質が十分に安定しているかどうか、もう1つはSOPのカバー速度がユーザーのニーズや一般的なエージェントの能力の変化に追いつけるかどうかです。

しかし、少なくとも現在の段階では、技術的背景を持たない個人ユーザーや中小企業にとって、xBubbleは異なる道を提供しています：完全なAIツールチェーンを学んでからAIを使おうとするのではなく、タスクレベルのSOPを通じて最先端のAI生産性を再利用可能なワークフローとしてパッケージ化することです。

ユーザーが目標を明確に述べれば、xBubbleが背後のAI操作を処理します。

DAPPOSについて

DAPPOSは、低いハードルのAI製品に特化した人工知能会社で、一般ユーザーと専門ユーザー向けにより使いやすいAIワークフローを構築しています。DAPPOSは2000万ドル以上の資金調達を完了しており、投資家にはPolychain、Binance Labs、Sequoia China、IDG Capital、OKX Venturesなどの機関が含まれています。

xBubbleについて

xBubbleはDAPPOSが提供する低プロンプトAIエージェント製品で、ユーザーがより短い要求説明で文書、PPT、ウェブサイト、画像、ビデオ、調査、自動化、定期タスクなどの作業を完了できるようにすることを目的としています。

xBubbleはタスクレベルのSOPを通じて、最先端のAI生産性をより低い学習コストで一般ユーザーに提供し、ユーザーは完全なAIツールチェーンを学ぶことなく専門的なAI生産性を得ることができます。