UI/UXと人間とAIのインタラクション

AI ワークフローにおける重要な意思決定ポイントへの、人間の判断の戦略的な組み込み

自律的な AI システムに対する人間による監督。必要に応じて監視・介入し、あるいは制御を引き継ぐ能力を備える

エージェントの能力、推論、複雑な情報を段階的に開示し、認知的過負荷を防ぐためのインターフェースパターン

AIの確信度、不確実性、予測の信頼性をユーザーにわかりやすい形式で表示する視覚的なインターフェース要素

人間とAIエージェントの間でシームレスに制御を切り替え、協調的なイニシアチブの発揮を可能にするUIパターン

エージェントのアクティビティ、思考状態、稼働状況をリアルタイムに表示し、ユーザーの把握を助けるインターフェース要素

従来のチャットボットの枠を超え、エージェント主導のマルチモーダルな体験を実現する高度な会話型UI/UXパターン

マルチエージェントの協調、ハンドオフ、透明性の高いオーケストレーションを伴う協働ワークフローのためのユーザー体験パターン

説明可能なAIインターフェース、意思決定の透明性、出典の明示を通じてユーザーの信頼を構築するためのデザインパターン

ユーザーのコンテキスト、行動、嗜好に基づいてエージェントのインターフェースをパーソナライズする、動的なUI/UXの適応・生成パターン

エージェントインターフェースにおけるLLMのコンテキスト上限、トークン使用量、コンテキストウィンドウの最適化を管理するための視覚的パターン

エージェントのリアルタイム監視、介入機能、システム監視を実現するミッションコントロール型のインターフェース

エージェントシステムにおける障害を穏やかに処理するための、包括的なエラー伝達と回復のインターフェースパターン

エージェントの能力を紹介し、適切なメンタルモデルを構築し、信頼を育むためのユーザー教育・オンボーディングパターン

透明性の高いデータ取り扱い、きめ細かな制御、ユーザーへの権限付与を備えた、プライバシー優先のエージェントシステム向けデザインパターン

多様な能力と支援技術に対応する、アクセシブルなエージェントインターフェースのためのユニバーサルデザインパターン

常に存在し文脈を認識するエージェントインターフェースで、バックグラウンドでシームレスに動作しつつ、必要なときにアクセスできる

エージェントとのやり取りに最適化された専用のチャットインターフェイスパターン。メッセージのスレッド化、コンテキスト管理、リッチコンテンツの表示などを含みます

デバイスやプラットフォームをまたいで一貫したエージェント体験を実現するパターン。シームレスな同期と適応を備えます

エージェントの推論、意思決定プロセス、認知的透明性を視覚的に表現するためのパターン

音声、映像、ジェスチャー、テキストによるコミュニケーションをシームレスに統合した、高度なマルチモーダルなエージェントインタラクションパターン

エージェントシステムのアーキテクチャに設計段階から組み込まれる、プライバシーに関する基本原則。後付けの実装ではなく設計そのものによって、先回りしたデータ保護、ユーザーの主体性、規制順守を実現します。

特定のデータ種別、処理目的、共有コンテキスト、保持期間をユーザーが制御できる、粒度の細かい権限管理。コンテキストに応じた同意の仕組みと、簡単に取り消せる制御を備えます。

必要なタイミングで提示される権限フロー。段階的な情報開示、コンテキストに応じた同意、明確なリスク説明、そして適応的なプライバシー通知により、ユーザーの注意を尊重しつつ十分な情報に基づく意思決定を支えます。

エージェントシステム内のデータフロー、処理活動、保存場所、第三者への共有をリアルタイムに可視化し、ユーザーが自分のデータのライフサイクルを明確に理解して、十分な情報に基づく同意を判断できるようにします。

自己主権的なデータ管理を実現する包括的なインターフェイス。複数のエージェントシステムにまたがる個人データについて、ユーザーが完全な可視性と制御を得られ、プライバシーに関するインサイト、データポータビリティ、プライバシー権利の自動的な行使を含みます。

GDPR、CCPA、そして新たに登場するAI規制に対応したユーザーエクスペリエンス設計。説明を受ける権利のためのインターフェイス、データ主体の権利の自動化、コンプライアンスダッシュボードの可視化、そして設計を通じた先回りの規制順守を含みます。

差分プライバシー、連合学習、準同型暗号、ゼロ知識証明などのプライバシー保護技術に向けたUX設計。複雑な暗号技術による保護を、エンドユーザーにとってわかりやすく利用しやすいものにします。

単一のストリーミングセッション上でspeech-to-speechモデルを用いて構築された低遅延の音声エージェントで、従来の「音声認識→LLM→音声合成」というパイプラインを置き換えます。単一のモデルが音声を直接推論するため、応答が十分に速く届き、自然な会話のように感じられます。話者交代の検出、割り込み（バージイン）、会話中のツール呼び出し、ガードレール、ハンドオフはすべてライブセッション内で処理されます。

エージェントのバックエンドとあらゆるフロントエンドの間の「ラストマイル」を標準化する、オープンでイベントベースのプロトコル（2025年にCopilotKitが考案）。バックエンドは約16種類の構造化イベント（テキストおよびトークンのデルタ、ツール呼び出しの開始・引数・結果、状態のスナップショットとデルタ、実行のライフサイクル、キャンセル）をSSE、WebSocket、または通常のHTTPでストリーミングします。これにより、フロントエンドはエージェントの活動をリアルタイムに描画し、ユーザーの操作を同じ実行ループへとフィードバックできます。しかもフレームワークに依存しません。LangGraph、CrewAI、Mastra、Microsoft Agent Frameworkなどにはネイティブのエミッターが用意されています。これはプロトコルの三角形におけるエージェント対UIの辺であり、MCP（エージェント対ツール）およびA2A（エージェント対エージェント）と並びます。`chat-interface-patterns`とは区別されます。あちらはフロントエンドの描画に関する慣習であるのに対し、AG-UIは基盤となるイベントストリームを運ぶワイヤープロトコルです。

承認とエスカレーションを、単一のブロッキングゲートではなく、第一級の運用ワークフローとして扱います。アクションはリスクに応じて段階分けされます。可逆的なアクションは自動承認され、中リスクのアクションは非同期レビューに回され、そこではエージェントが自身の状態を永続化して他の作業を続け、決定が届いた時点で状態を復元（リハイドレート）します。そして不可逆的なアクションは実行前に同期的な承認を必要とします。エスカレーションは、信頼度のしきい値超過、不可逆性フラグ、SLAへの接近、異常またはインジェクションの検知といった明示的なシグナルによって起動され、決定をより高い権限を持つ裁定者（人間、より高い権限を持つエージェント、または外部ワークフロー）へとルーティングします。`human-in-the-loop`とは区別されます。HITLは汎用的な同期的スタンスであるのに対し、このパターンはリスクの段階分け、状態の復元を伴う非同期キューイング、そして裁定者へのルーティングを付け加えます。

エージェントが実行時にインターフェイスそのものを生成・選択・制御し、単なるテキストではなく、リッチでインタラクティブなコンポーネント（フォーム、グラフ、ダッシュボード、地図、複数ステップのウィジェット）を返します。そしてコンテンツの種類とユーザーの意図に基づいて、結果を「どのように」提示するかを判断します。モデルのツール呼び出しがUIを出力し、ホストがそれをサンドボックス化されたフレーム内で描画します。たとえば、MCP Appsが`ui://`リソースを通じてバンドルされたHTMLを提供したり、Google A2UIやOpen-JSON-UIのようなポータブルな仕様をクライアントがネイティブに描画したりします。MCP AppsがClaude、ChatGPT、VS Code、Gooseに展開され、A2UIやCopilotKit/assistant-uiの生成的UIと並んで提供されたことで、2026年に実験段階から本番運用へと移行しました。`ag-ui-protocol`とは区別されます。あちらはエージェントのイベントを構築済みのフロントエンドへストリーミングするものであり、また`adaptive-interface-patterns`は既存のインターフェイスをパーソナライズするものです。一方こちらでは、エージェントがインターフェイスそのものを具現化し、応答時にコンポーネントを選択して組み立てます。