Case Study 01 · 2026
Living Home
家族の家を、共有された意思決定システムとして再設計する。
冷蔵庫はすでに家族を覚えている。カレンダーは一週間を知っている。車は移動先を知っている。問題は、それぞれのサーフェスが「踏み越えずに一緒に決める」方法を持っていないことだ。
Living Home は Context Grammar を使い、家庭内の文脈を統治された行動へ変換する。何を覚えてよいのか。何を推論してよいのか。何を静かに進めてよいのか。どこで必ず聞くべきなのか。
前提
Samsung Family Hub はアレルギー、食事制限、家族プロフィールを把握している。家庭用 AI は、レシピ、買い物リスト、リマインダー、移動提案をすでに作れる。
難しいのは知能ではない。共有された判断だ。
同じ家に5人が住んでいても、権限モデルは1つではない。親は予算文脈を見られるかもしれない。子どもは音楽の好みを自分で持っている。健康情報は夕食に影響してよいが、全員に表示されるべきではない。2ドルのヨーグルトは自動で選べる。150ドルのボトルは待つべきだ。
このケースが証明すること
- 家庭用 AI は1つのアシスタントではない。1つの household brain によって調整される複数の agent 群である。
- 記憶はログではない。人、領域、リスク、時間によって見え方が変わる permissioned context である。
- 自律性はトグルではない。安く、戻せる行動は進める。繊細な行動は遅くする。
- 複数サーフェス UI には、冷蔵庫、スマホ、車、スピーカー、家族アーカイブで異なる表示に翻訳される1つの semantic state が必要である。
システムの解剖
Living Home はシステムを3層に分ける。
- Context Brain: 家族の記憶、関係ルール、権限、長期的な好みを保持する。
- Coordinator: Intent、Signals、Dials、Trust 制約を読んで、何が起きるべきかを判断する。
- Surface agents: 同じ decision state を、その瞬間にふさわしいインターフェースへ描画する。
だから家は、すべてのサーフェスを同じプロダクトとして扱わずに、賢く振る舞える。
証拠になる瞬間
朝のキッチン
冷蔵庫は1つの在庫状態から、3つの違う昼食判断を解く。Mai には最速の default。Sota には慣れた安全な選択肢。Leo の乳製品制約は、朝食を医療情報の開示に変えずに substitution path だけを変える。
Dynamic friction
同じ買い物システムでも、 stakes によって動きが変わる。安くて戻せるものは自動で進む。高額または社会的に繊細なものは承認で止まる。信頼は、何でも聞くことでなく、不要な判断を減らすことで得られる。
Permissioned agents
Finance Agent は成績を読めない。Education Agent は予算を読めない。Aoi がプロフィールを1回更新すると、すべての agent の access boundary が同じ source of truth から書き換わる。
Care architecture
学校の保健室から電話が来たとき、車のサーフェスは1つの焦点行動へ畳まれる。システムは Brain 全体を見せない。ケアに必要な最小文脈だけをルーティングする。
Design decision
UI は魔法ではなく trace を中心に設計する。どの signal が効いたのか。どの rule が行動を制限したのか。サーフェス間で何が変わったのか。家族が判断理由を追えるだけの証拠を残す。
Tradeoff
Living Home は重い metadata discipline を要求する。好み、権限、取り消し可能性、繊細さ、家庭内ロールをモデル化しなければ、インターフェースは自然に見えない。
そのコストこそが本質だ。それがなければ smart home AI は、自信のある近道の集まりになる。それがあれば、家は統治された意思決定環境になる。
Outcome
旗艦ケースの主張はシンプルだ。Agentic AI が家庭で役に立つのは、家族を所有せずに家族の文脈を読めるときだけである。