ブラウザ使用モデルの障害修正：なぜデータ量だけでは不十分なのか

- 「ブラウザ使用（browser-use）」とは、AIエージェントが人間のようにWebブラウザを操作してタスクを実行する技術。例えば「ホテルを予約して」といった指示に対して、AIが自らサイトを巡回しフォームを入力する。 - Fig（fig.inc）は、この「AI×ブラウザ操作」分野に特化した企業。同社は特に、既存の大規模言語モデル（LLM）がWeb操作で頻繁に失敗する点を課題としている。 - 本記事の主張：ブラウザ使用モデルの改良には、単に学習データを増やす（より多くのスクリーンショットや操作ログを追加する）だけでは不十分であり、モデルの「失敗の仕方」を分析し、意思決定のプロセス自体を修正するアプローチが不可欠だと論じている。 - 背景：2024〜2025年、OpenAIのOperatorやAnthropicのComputer Useなど「エージェント型AI」が急速に注目を集めている。しかし現状、複数ステップを要するWeb操作（ログイン→検索→比較→予約など）では成功率が低く、この「信頼性の壁」が実用化の最大の障壁となっている。