私のコメディアプリについて最高のレビューは、友人4人と一杯の飲み物を囲むテーブルから来ました。
誰かが「ジョークを聞かせて」と言いました。私は今みんながやることをしました——スマホを手に取り、何かを開き、5つの会話が私の帰りを待つなか、親指でスクロールし始めたのです。これはまさに、Knoraが避けようとしていた行動で、最初のバージョンは同じテストに同じように失敗しました。
Knoraは無料のiPhoneアプリで、App Storeから入手できます。スマホを振ると、短いコメディビットが1人か2人の声で最初から最後まで流れ、それ以外に見るものは何もありません。スクロールするフィードも、眺めるライブラリも、作るアカウントもありません。インターフェースそのものがひとつのジェスチャーです。言葉遣いと題材のために18+向けに書かれていて、それがこのアプリの狙いであり、テーブルにいる全員向けではない理由でもあります。
ここにたどり着くまでに、私は2つのものを削りました。どちらの削除も心地よいものではありませんでした。最初は、ユーザーがすでに理解していたフォーマットを消しました。2つ目は、アプリの大部分を消しました。
最初に削ったのは、ジョークというフォーマットでした
Knoraはノックノック・ジョークのアプリとして始まりました。オンデマンドでノックノック・ジョークを生成するという意味では、機能していました。問題は、その形式が天井だったことです。ノックノック・ジョークはどれも同じ骨格を持っています——セットアップ、「誰だ？」、オチ。モデルはその骨格の中で良いものを書けても、結局はノックノック・ジョークしか生み出せません。構造がアプリの面白さの上限を決めてしまい、どれだけプロンプトを工夫しても構造には勝てませんでした。
そこで私はフォーマットを消しました。それは、人々が認識していたものを消すということで、ちょうど動き始めたばかりのプロダクトに対してするには奇妙なことでした。
それに代わったのは、テンプレートではなく、いくつかのコメディ手法のセットでした。各ビットは必ずひとつの手法だけから作られ、複数の混ぜ合わせにはなりません。小さなものに本物の不条理なルールを当てはめる。時間をかけて進み、それからひっくり返る物語。褒め言葉のように始まって、そうではないもの。現在4つが稼働しています。ジェネレーターがビットごとにひとつを選び、アプリは選びません。
このひとつの変更は、それ以前のどんなプロンプト改訂よりも出力を良くしました。これが最初の居心地の悪い教訓です。モデルがボトルネックだったことは一度もなく、ボトルネックはコンテナだったのです。
2つ目に削ったのは、インターフェースでした
画面を取り除くのは、もっと大変でした。画面は、何かを作ったことをユーザーに示す方法だからです。
テーブルで開かれるアプリは、テーブルと競合します。私が加えたすべての要素——眺められる声のリスト、気に入ったビットのライブラリ、小さなプロフィール——は、飲み物を持っている人たちよりもスマホを面白くしてしまいました。ブリーフは「良いコメディアプリを作る」から「ひとつのジェスチャー、そしてスマホは再び伏せられる」に変わりました。
だからオンボーディングもサインインもありません。気が向けば声と言語を選べますが、そうでなければ初回起動時にランダムな語り手が選ばれ、設定画面は一度も開かないままです。調整すべきパーソナライズがないということは、間違えようのあるパーソナライズもないということです。
マイクのない音声オンリーのコメディアプリは説明が要るので、はっきり言います。このアプリは決して聞きません。声に出す言葉も、入力する言葉もありません。ビットはサーバーで書かれ、音声としてスマホに送られます。スマホは、シェイク検知が付いたスピーカーです。
「UIがない」が実際に強いること
インターフェースを取り除いたのは、何よりもまず好みの決定でした。通知や情報の詰まった画面でみんながあなたの注意を奪おうとする世界で、私はほとんど真っ黒な画面を、振るだけで使えるようにしたかった。ただ、その決定はエンジニアリング上の制約を引き連れてきます。書き留める価値があるのは、そちらのほうです。
すべてのシェイクは即座でなければならない。 ビットの表示に6秒かかると、テーブルはすでに次へ移り、スマホはまた伏せられています。だからビットは事前に書かれ、音声化され、カタログから配信されます。リアルタイム生成も存在しますが、フォールバックと補充としてです——カタログを古びさせないためのもので、ユーザーが待つ経路ではありません。
閲覧がなければ、選択もない。 選ぶためのリストがなければ、アプリはスタイルもモデルの選択も送りません。バックエンドがひとつの手法を引き、複数の草稿を書き、音声が作られる前に最良のものを残します。画面上に判断を置く場所がなかったので、判断はサーバーへ移りました。
ひとつのビットは約75秒に収まる。 これは技術的な限界ではなく、テーブルにいる時間の予算です。物語を語るのに十分長く、うまくいっていないものの3分目をテーブルの誰も待たなくて済むほど短く。
クライアントは2.5 MB。 アプリの中にはほとんど何もありません。アプリの中にはほとんど何も入れるべきではないからです。
書き手は差し替え可能。 本番ではGemini 3.8 Flashが動き、モデレーションとベスト・オブ・Nの選定は別のモデルが担当します。書き手の変更は設定の変更だけで、アプリのリリースは一切不要です。使っているモデルが数か月ごとに置き換わるなら、これは重要です。
好みは自動化できない
最も役立った学びは評価についてで、これはコメディをはるかに超えて一般化します。
4回、自動審査は、私の耳には面白くないと聞こえる出力を高く評価しました。4回です。モデルは、構造が保たれているか、手法がそれと分かるか、オチが正しい位置に来るかを教えてくれます。しかし、オチが決まったかどうかは教えてくれません。私はそれをやらせようとし続け、モデルは自分自身に同意し続けました。
そこで私は問題を2つに分けました。機械的なチェックは、機械的に確認できるものを守ります——捏造された数字、引用された原文、セリフの途中に漏れ出たト書き、集団・身体・病気・死別を貶めるもの。それ以外はすべて耳が決め、私はそれを委任しようとするのをやめました。
AI機能を出荷するなら、この分け方が仕事の大半です。品質のうち本当に検証可能な部分を見つけ、謝らずに自動化してください。そして、残りは判断であり、どれだけ細かいルーブリックでもそれを変えられないと、自分自身に、そして尋ねてくる人に正直に言ってください。
このプロジェクトのREADMEはそれを率直に書いていて、私はそれ以上に良い言い回しを見つけられていません。コメディに対する自動パスを決して信じるな。
意図的に諦めたもの
ギャップに見える2つの決断と、実際にギャップである1つ。
アプリがどう使われているか分からない。 アナリティクスSDKもアカウントもなく、個人データもありません。プライバシーの主張は本物で、コストも本物です。どのビットが刺さり、どの声が飛ばされ、何人が2回開くのか、私は知りません。誰かが教えてくれたときに初めて分かります。
シェアボタンはない。 これは賭けで、間違っているかもしれません。シェアはコメディアプリが普通に広がる方法で、私はその仕組みを意図的に作りませんでした。賭けは、リンクがグループチャットを回るのではなく、スマホがテーブルを回る、というものです。もし間違いだと分かれば、修正は明白で、おそらくすでに遅いくらいです。
まだ評価はない。 新しいからです。それはデザインの選択ではなく、単に人が足りないだけです。
メディアで働く人にとっての居心地の悪い部分
私の本業はメディアオペレーションです。私がキャリアをかけて最適化してきた数値はアテンションです。サイト滞在時間、セッションの長さ、再訪頻度。Knoraは、スマホがテーブルの注意をひとつのビットより長く握らないように作られています。一度振って、ひとつのビット、そしてスマホはまた伏せる。テーブルがもう一つ欲しくなったら、また振ればいい。
私がメディアを測るやり方で測ると、そこがむしろ奇妙なところです。引き戻すフィードも、延ばすセッションも、ジョークの先まであなたを留める仕掛けもありません。あるのは、もう一度手に取る理由です。次のひと振りに値するくらい面白いビット。それが終われば、また手を離します。
だからといって、これがアテンションを追うプロダクトより優れているとは思いません。ただ、「もっとエンゲージメント」は自然法則ではなく、何を作るかについての選択だという、役に立つリマインダーにはなります。そしてその選択は、誰もお金を払っていないサイドプロジェクトのほうがずっと簡単にできます。
注意を握るのではなく返すように作ったものがあるなら、どう考えたかをぜひ聞きたいです。それは私が日中にあまり時間を過ごせないデザインの領域なので。
このアプリはApp Storeで無料です。デザインについてのメモはこちらにあります。試してみてビットが刺さらなければ、教えてください。アプリ全体がジョークです。
それでは、 Chandler