FlowEval: 生成されたUIの参照ベース評価

最近、AIの進化が目覚ましいですよね。特に、文章を作るのが得意な「大規模言語モデル（LLM）」や、プログラムを書くのが得意な「コーディングエージェント」といったAIは、ウェブサイトやスマートフォンのアプリを作る「UI（ユーザーインターフェース）開発」の現場でも、どんどん使われるようになっています。でも、ちょっと待ってください。AIが作ったデザインって、本当に使いやすいのでしょうか？

AIは、見た目がきれいな画面を作ったり、ボタンを押したときの動き（インタラクション）を考えたりするのが得意なのか、開発者としては気になるところです。ところが、これまでAIが作ったUIを評価する方法には、いくつか困った点がありました。例えば、実際に人が使ってみて「この操作でちゃんと目的の画面に行けるかな？」と、一つ一つの流れ（フロー）を確かめる方法です。これは、使いやすさを正確に知るには一番ですが、時間もかかるし、専門家にお願いするとお金もかかってしまいます。専門家だって、毎回すべてをチェックするのは大変ですよね。

一方、AIに自動で評価させる方法もあります。これは、たくさんのUIを一度に、しかも速く評価できるので、効率は良いのですが、AIがどうしてそういう評価をしたのか、理由がよくわからなかったり、評価の精度がイマイチだったりすることが問題でした。いわば、「AIが『良い』と言ったけど、なんで良いのか説明してくれない」という状況です。これでは、開発者もAIの提案を鵜呑みにするわけにはいきません。

そこで、Appleの研究者たちが新しい評価方法「FlowEval」を提案しました。これは、AIが作ったUIの「使いやすさ」を、もっと効率的かつ正確に評価しようという試みです。人間のような専門家がいなくても、AI自身が、ユーザーが目的を達成できるかどうか、つまり、画面から画面へとスムーズにたどり着けるかをチェックしてくれる仕組みのようです。これにより、開発者はAIが作ったUIの質を、より信頼できる形で把握できるようになるかもしれません。AI開発のスピードが上がるだけでなく、私たちが普段使うアプリやウェブサイトの使い勝手も、もっと良くなることが期待されますね。