Replit Missions(リプリット・ミッションズ)は、Replitが2026年11月17日に発表した新機能で、ユーザーが成果(アウトカム)を定義すると、複数のAIエージェントの群れ(エージェント・スウォーム)が計画・構築・テスト・改善を繰り返して成果に向かう仕組みです。
室谷 代表取締役 Replit Missionsは、Replitが2026年11月17日に発表したエージェント・スウォーム型の新機能で、プロンプトを1回投げるのではなく「ミッション」を与えると、複数のエージェントが計画・構築・テスト・改善を反復して成果まで走り切るんですよね。公式の説明では「Give your AI a mission, not a prompt」と表現されています。
テキトー教師 DotAI 認定講師 単にエージェントが並列で動くという話じゃないんですよ。設定時に目標・スコープ・成功基準・予算上限・承認が必要な操作を「ミッション契約」として合意して、実行中は独立したAIジャッジが成功基準に照らして検証し、不足があればエージェントに差し戻す。 ここまで含めて1つの仕組みになっています。
室谷 代表取締役 同じ週に、Microsoft Igniteでの連携強化と、Replit DesktopのLocal Work一般提供もまとめて出ていて、まさに「This Week in Replit」という一本の発表になっているんですよね。
テキトー教師 DotAI 認定講師 そこは後半で整理しましょう。まずはMissionsの中身から掘っていきます。
Missionsの実行フロー(4段階)
1 ミッション契約
Missions側からの質問に答え、成功の定義・優先アカウント・成果の測り方をすり合わせる。例:スコープ=価格とチェックアウトの更新、予算=全エージェント合計$500、公開前の承認が必要、成功基準=「チェックアウトと請求のテストが通る」「ページの応答が400ms未満」
2 エージェント実行
エージェントが計画に沿ってツールを使い、進捗を共有しながら進む
3 評価
別のエージェント(独立したAIジャッジ)があなたの基準に照らして結果をチェックし、足りない点を指摘。例:提案書にデータ保持期間の条項が抜けていることをレビュアーが見つけて差し戻し、エージェントが追記して再チェック
4 結果
再チェックを経て人間のレビューへ。人間のレビューは最後に残る
室谷 代表取締役 公式ブログを読むと、Missionsの目的がはっきり書かれているんですよ。「チームが時間や余力を持てなかった複雑な仕事」を対象にすると。 具体的には、より多くの企業顧客を獲得する、製品パフォーマンスを改善する、レガシーソフトウェアを置き換える、といった仕事です。
テキトー教師 DotAI 認定講師 講座で受講生さんを見ていても、AIツールの使い方で止まる人は少なくて、本当に詰まるのは「何を成果とするか決めていない状態」なんですよ。Missionsはそこを最初に契約として決めさせる設計になっているのが面白いところです。
室谷 代表取締役 セットアップでは、Missions側から質問が来るんですよね。「あなたのビジネスにとってエンタープライズ顧客とは何か」「有料パイロットも最初の10社に数えるのか、それとも最低額以上の年間契約なのか」という具合に。 答えによって、どのアカウントを優先するか、どう成果を測るかが変わる。
テキトー教師 DotAI 認定講師 ここ、単なる設定画面じゃなくて、成功の定義をすり合わせる工程として組み込まれているのがポイントです。曖昧なまま走らせると、後から「これは成功じゃない」となりがちですからね。
室谷 代表取締役 公式ページのデモを見ると、「Grow paid subscriptions」というゴールに対して、スコープが価格とチェックアウトの更新、予算が全エージェント合計で$500、公開前の承認が必要、という設定例が並んでいます。成功基準は「チェックアウトと請求のテストが通る」「ページの応答が400ms未満」といった具合です。
テキトー教師 DotAI 認定講師 成功基準がテスト可能な形になっているのがいいですね。感覚的な「いい感じになった」ではなく、検証できる条件に落とす。 これは講座でも何度も言っていることです。
室谷 代表取締役 実行の流れは、ミッション契約 → エージェント実行 → 評価 → 結果、という4段階で説明されています。エージェントは計画に沿ってツールを使い、進捗を共有しながら進む。 そして別のエージェントがあなたの基準に照らして結果をチェックし、足りない点を指摘する。
テキトー教師 DotAI 認定講師 この「独立したAIジャッジ」がMissionsの肝の一つですよね。作った本人が採点しない。 公式ページの例では、提案書にデータ保持期間の条項が抜けていることをレビュアーが見つけて差し戻し、エージェントが追記して再チェックを受けてから人間のところに来る、という流れが紹介されています。
室谷 代表取締役 人間のレビューは最後に残るんですよね。そこは安心材料です。
Replit Missionsの実績・比較(公式ブログ公表値)
項目 DataCat(Missions) Claude Code /goalビルド 受け入れたデータ型 全データ型 ログのみ トレース取り込み速度 49,000/秒 9,800/秒 構築条件 2日間・予算$3,000上限 同一初期プロンプト
テキトー教師 DotAI 認定講師 できることを整理すると、まず並列探索です。公式ブログでは、パフォーマンス最適化のような問題で、エージェントが異なる実装を並行して試し、共有された発見を使って互いのアプローチを洗練させ、正しさの検証を協力して行うと説明されています。
室谷 代表取締役 ベンチマークの数字も出ていて、NumPyを使った13の代表的なタスクで、Auto (Max)の場合、単一エージェントが最大4倍、16エージェントのスウォームが17倍、32エージェントのスウォームが19倍。Auto (Power)ではそれぞれ2倍、7倍、9倍だったと。
テキトー教師 DotAI 認定講師 これはReplitの公式ブログに載っている計測結果で、あくまでその条件での数字です。ただ、並列で多くのアプローチを試すことが効く、という主張の裏付けとして置かれていますね。
室谷 代表取締役 もう一つ象徴的なのが、Replit自身がMissionsで作ったというアプリケーション監視プラットフォーム「DataCat」の事例です。2日間、予算$3,000の上限内で、ダッシュボード、アラート、アプリケーショントレーシングを構築し、測定可能なパフォーマンスと信頼性の目標に対してテストしたと。
テキトー教師 DotAI 認定講師 意図的にデータベースのバグを入れて検知できるか試したところ、38秒でアラートが上がった。目標は60秒でしたから、上回ったわけですね。 3時間の負荷テストでは2,600万件のアクティビティ記録と440万件のログエントリをデータ損失ゼロで保存し、36のデータ正確性チェックと15のアラート信頼性チェックの全51件に合格したと書かれています。
室谷 代表取締役 さらに、同じ初期プロンプトをClaude Codeの/goalでビルドした監視プラットフォームとの比較表も公式ブログには掲載されていて、DataCatは元プラットフォームのエージェントが送る全データ型を受け入れたのに対し、Claude Codeのビルドはログのみだった、トレース取り込みは49,000/秒対9,800/秒で5倍速い、といった結果が並んでいます。
テキトー教師 DotAI 認定講師 ただし公式ブログ自身が注記していて、これは管理されたテストであり、元プラットフォームのホスト型サービスやReplitの本番環境での性能を保証するものではない、と。そこは正確に押さえておきたいところです。
室谷 代表取締役 あと面白いのがE-Commerce Benchの話で、¥100,000から始めて模擬的に1年間オンラインストアを運営し、サプライヤーを選び、詐欺を避け、価格を設定する。1回の実行で¥4.82百万まで増やした、約48倍で、公開リーダーボードの最高記録の3倍超だという主張です。
テキトー教師 DotAI 認定講師 これもReplitの主張として紹介するにとどめて、私たちが追試したかのようには書けませんね。
室谷 代表取締役 そうです。あくまで公式が公表した結果、という扱いで。 MYUUUでもこういう「成果を丸ごと任せる」系のツールは試しているんですけど、任せる範囲を決める設計が一番難しいんですよね・・・。
Replit Missionsの始め方と設計ステップ
1 ミッションを開始する
サイドバーの「New」→「Mission」を選ぶ、会話中に「/mission」と入力する、エージェントの提案を受け入れる、概要画面から始める、のいずれか
2 最も野心的なゴールを記述
アイデアが生まれた場所からそのままミッション化できる
3 セットアップを決める
ゴール、スコープ、成果物、予算、成功基準、承認が必要な操作を設定
4 承認境界を設定
例:「公開前に承認」「予算増額は承認」
5 予算上限を設定
全エージェント共有の1つの上限。上限到達で作業停止。例:$500上限に対し$312消費、残り$188、使用率62.4%
6 進捗通知を選択
ブロッカー/進捗更新/一般ステータスを、即時・日次ダイジェスト・週次で受け取る
7 既存ツールを連携
設定した権限の範囲でドキュメント、チケット、リポジトリ内でエージェントが動作
8 承認・判断を行う
予算増額申請(例:$50→$65)や境界外の操作は人間が承認または現状維持を選択
9 複数ミッションを並行管理
完了・実行中・承認待ちを一覧で把握
テキトー教師 DotAI 認定講師 始め方は公式ブログに明記されていて、サイドバーの「New」をクリックして「Mission」を選び、最も野心的なゴールを記述する。これが基本ステップです。
室谷 代表取締役 公式ページには他の入り口も書かれていて、会話中に「/mission」と入力する、エージェントからの提案を受け入れる、概要画面から始める、という3通りが示されています。アイデアが生まれた場所からそのままミッションになる、という設計なんですよね。
テキトー教師 DotAI 認定講師 セットアップで決めるのは、ゴール、スコープ、成果物、予算、成功基準、承認が必要な操作。公式ページの例では「公開前に承認」「予算増額は承認」という境界が設定されています。
室谷 代表取締役 予算は全エージェントで共有される1つの上限で、上限に達すると作業が止まる。公式ページの例だと$500の上限に対して$312消費、残り$188、使用率62.4%で、内訳がリサーチ$42、ビルド$186、テスト$64、レビュー$20と表示される。 ステップごとに何にいくら使ったか見えるわけです。
テキトー教師 DotAI 認定講師 途中で上限の引き上げをエージェントが申請してくるケースも紹介されていますね。「決済プロバイダのテストがあと2回必要」という理由で$50から$65への変更を申請し、人間が承認するか現状維持かを選ぶ。 理由を読んでから決められるのは実務的です。
室谷 代表取締役 進捗の通知も選べるんですよ。ブロッカー、進捗更新、一般ステータスのどれを、即時・日次ダイジェスト・週次のどれで受け取るか。 ノートPCを閉じてクラウドのエージェントに任せ、必要なときにだけ呼ばれる働き方になる。
テキトー教師 DotAI 認定講師 既存のツール連携も前提にあります。すでに使っているツールをつなぐと、設定した権限の範囲でドキュメント、チケット、リポジトリの中でエージェントが動く。 変更はプルリクエストやレビュー可能なファイルとして届き、合意した境界の外は人が待つ、という設計です。
室谷 代表取締役 複数ミッションの並行実行もできます。公式ページでは「Checkout flow」が完了、「Payment tests」が実行中、「Fraud rules」が承認待ち、という一覧例が示されていて、どのミッションが完了・実行中・自分の判断待ちかが一目で分かる。
テキトー教師 DotAI 認定講師 テンプレートも用意されていて、Rust書き換え、予約体験の再構築、SEO/AEO、APIレイテンシ、サポートアシスタントの改善、評価ハーネス、アプリ読み込み速度、契約ワークフローなどが並んでいます。ゼロからゴールを考えるのが難しい人には、ここから入るのが現実的ですね。
室谷 代表取締役 エージェント同士の会話も見えるようになっていて、公式ページには3エージェントのスレッド例が載っています。「Agent 2はテストトークンのバッチ処理、Agent 3はバッファ再利用を確認して」と指示し合い、それぞれがパッチを分離して検証準備完了と返す。 この辺は見ていて楽しいですよね。
テキトー教師 DotAI 認定講師 ここは慎重に整理したいところです。公式ページのFAQには「What does it cost, and which plans include it?」という項目が用意されているのですが、抜粋には回答本文が含まれていません。
室谷 代表取締役 なので、Missions自体の追加料金や対応プランの詳細は、現時点では明らかにされていません。一方で、ミッションごとに予算上限を設定して、消費がその上限内に収まるようにでき、上限に達すると作業が停止する、という仕組みは公式に明記されています。
テキトー教師 DotAI 認定講師 つまり「いくらかかるか分からないまま走る」を避ける設計になっている、と。これは予算管理の観点でかなり重要です。
室谷 代表取締役 日本からの利用可否についても、今回の公式ブログと公式ページの抜粋には地域制限の記述は見当たりません。現時点では明らかにされていない、と正直に書くのが正確です。
テキトー教師 DotAI 認定講師 無料プランでどこまで使えるか、Proプランに含まれるのか、といった点も今回のソースでは確認できません。続報を待つしかないですね。
室谷 代表取締役 なお、Fabric連携のドキュメントには、Microsoft FabricのデータアプリはFabricテナントとPower BIセマンティックモデルへのアクセスが必要で、プレビュー期間中は承認されたテスター制度への参加が必要、という記載があります。こちらはエンタープライズ向けの前提条件として押さえておきたいです。
テキトー教師 DotAI 認定講師 ここが一番聞かれそうなところです。従来のReplit Agentは対話型で、複雑な作業を任せるにはユーザー自身が進行管理をする必要がありました。 Missionsは、その進行管理ごと引き受ける位置づけです。
室谷 代表取締役 公式ページのFAQに「How are Missions different from Routines?」という項目もあるんですが、抜粋には回答が含まれていないんですよね。なのでRoutinesとの違いは現時点では明らかにされていません。 ここは憶測で埋めない方がいい。
テキトー教師 DotAI 認定講師 一方で、MissionsとAgentの関係は公式の説明でかなり明確です。Agentが1つの対話の中で作業するのに対して、Missionsはミッション契約の下で複数エージェントが並列に動き、AIジャッジが検証し、人間が承認する。 責任の所在が「対話の都度」から「契約と承認」に移るわけです。
室谷 代表取締役 これは経営者的にはかなり大きい変化で、これまでは「AIに指示を出す人の時間」がボトルネックだったのが、「何を成功とするかを決める人の時間」に変わる。指示の回数ではなく、判断の質が問われるようになるんですよね。
テキトー教師 DotAI 認定講師 講座でも、AIに何をどこまで任せるかという線引きをよく話題にします。Missionsはその線引きを機能として実装してきた、という見方ができます。
テキトー教師 DotAI 認定講師 ここは2026年11月18日付の公式ブログで、Microsoft Igniteに合わせた発表として整理されています。3つの柱があって、Microsoft Fabric統合とWindows上のLocal Work、Microsoft Teams統合が一般提供になり、Azureへのデプロイがアーリーアクセスで始まる、という内容です。
室谷 代表取締役 まずFabric統合は、6月のパブリックプレビューを経ての一般提供なんですよね。自然言語でアプリを記述して、組織のFabricテナント内にデプロイできる。 既存のユーザー単位のアクセス制御とセキュリティポリシーを維持したまま、運用ダッシュボードやレポート画面、部門別ツールを作れると。
テキトー教師 DotAI 認定講師 ドキュメントを読むと技術的な仕組みもはっきりしていて、FabricデータアプリはPower BIセマンティックモデルに対してDAXクエリを実行してPower BIのチャートを描画する静的Reactアプリなんですよ。設計上読み取り専用で、Power BIへの書き戻しはしない。 書き込み可能な状態が必要なら別のアプリケーションデータベースを併用する、と。
室谷 代表取締役 データ層はMicrosoft Fabricポータル内で動いて、データはFabric環境の外に出ない。ホスティングもMicrosoftのインフラ上で、Fabric環境の隣で動かせる。 バックエンドの足場はRayfinというMicrosoftのオープンソースSDKとCLIで作る、という構成です。
テキトー教師 DotAI 認定講師 対応するユースケースも公式ドキュメントに列挙されていて、部門別の生産性ツール、運用ダッシュボード、データ探索ツール、ワークフロー自動化アプリ、レポート画面。ガバナンス、認証、セキュリティは組織がすでに管理しているFabric環境の中に留まる、という説明です。
室谷 代表取締役 次にLocal Workです。Replit DesktopのLocal WorkがWindows、Mac、Linuxで一般提供になって、アクセス可能なフォルダを選び、作りたいものや変更したいことを記述して、結果をローカルでレビューする。 各ビルドはMicrosoft Execution Containersを基盤にしたサンドボックスで動く、と。
テキトー教師 DotAI 認定講師 ここは見逃せない点があって、ローカルアプリと自動化はMicrosoft Foundry Localのモデルを使ったオンデバイス推論が使えて、クラウド往復もデータの外部送信もなし。NVIDIA CUDAで高速化されたモデルも使える、と書かれています。
室谷 代表取締役 データを外に出したくない案件では大きいですよね。MYUUUでもクライアントデータを扱う場面があるので、ローカル推論で完結する選択肢があるのは助かります。
テキトー教師 DotAI 認定講師 3つ目がMicrosoft Teams統合で、チームの会話からReplitに質問し、調査し、作業を始められて、必要ならWebのReplitに引き継ぐ。問題について話している場所から、実際に手を動かす場所までの距離を縮める狙いです。
室谷 代表取締役 4つ目がAzureテナントへのアプリ公開のアーリーアクセスで、Replitがホスティング基盤を用意・管理し、管理者がワークスペースごとに公開先を制御する。公開したアプリは社内のAzure環境のプライベートデータベースに接続できて、アクセスは社内ネットワークやVPN経由で設定できる。 セキュリティチームは既存のクラウドセキュリティツールでデプロイ済みのワークロードを検査できる、という話です。
テキトー教師 DotAI 認定講師 さらに次の段階としてFull BYOCが予定されていて、コンピュート、ストレージ、ファイルシステム、統合、ReplitのAgentハーネスをAzure環境に持ち込む。セキュリティチームがAgentの到達できるリソースを統制し、外向き接続に制御をかけられるようになる、と。
室谷 代表取締役 そしてReplitは2026年のMicrosoft Partner of the Year for Startupsに選ばれている。CEOのAmjad Masadが掲げる「Self-Driving Company」構想が背景にあるんですよね。 今回の一連の発表は、その構想に向けた実装という位置づけです。
テキトー教師 DotAI 認定講師 公式スレッドで紹介されているのが、初期のMissionsテスターであるDeirdre Sommerkampさんの事例です。1回の$35のミッションが、5日で$25Kの案件につながったと。
室谷 代表取締役 これは象徴的な数字ですよね。ただし、あくまで1人のテスターの1事例として紹介されているもので、再現性があるとまでは言えません。 そこは冷静に見た方がいい。
テキトー教師 DotAI 認定講師 向き不向きを整理すると、公式が対象として挙げているのは、時間や余力がなくて手が付けられていない複雑な仕事です。具体的には、ずっと先延ばしにしている製品ローンチ、10人の熟練エンジニアが必要なリファクタリング、内製したいが余力のないソフトウェア。 逆に、数分で終わる単発の作業や、成功基準を自分で定義できない仕事は、Missionsの得意分野とは言いにくいですね。
室谷 代表取締役 注意点としては、まず予算に達すると作業が止まり、成果は未解決のまま終わる可能性があること。公式ブログにも「If the budget runs out first, work stops with the outcome still unresolved」と明記されています。
テキトー教師 DotAI 認定講師 次に、成功基準の設計責任は人間側にあること。AIジャッジは合意した基準に照らして検証するだけで、基準そのものが甘ければ甘い判定になります。
室谷 代表取締役 あと、公式ブログの比較結果は管理されたテストであって、本番環境での性能を保証しないと注記されている点も、引用するときは必ず添えたいところです。
テキトー教師 DotAI 認定講師 承認フローの設計も要注意です。公開前承認、予算増額承認、外部への連絡や提案共有の承認など、どこで人を挟むかを決めておかないと、境界の外に出た瞬間に止まってしまう。 逆に緩くしすぎると、取り返しのつかない操作が走ります。
室谷 代表取締役 料金体系が現時点で明らかにされていないことも、導入判断では見えないコストになります。予算上限の仕組みはあるけれど、Missions自体の利用料がどうなるかは続報待ち、という前提で計画した方がいいですよね。
テキトー教師 DotAI 認定講師 学習用途で考えると、初心者がいきなり大きなミッションを任せるより、テンプレートから小さな成功基準で試すのが現実的です。たとえばAPIレイテンシの改善やアプリ読み込み速度のような、測定できる目標から始める。
室谷 代表取締役 個人開発だと、予算を小さく切って、まずは1つの機能の改善をミッションにする。そこでAIジャッジの差し戻しがどう働くかを見てから、任せる範囲を広げていくのが安全です。
テキトー教師 DotAI 認定講師 チーム開発では、変更がプルリクエストやレビュー可能なファイルとして届く設計なので、既存のレビュープロセスに乗せやすい。ここは従来の開発フローとの相性がいい部分ですね。
テキトー教師 DotAI 認定講師 まとめると、Missionsは「大きな成果を、境界を決めた上で任せたい」チームに向いていて、「すぐ答えが欲しい単発の質問」には向いていない。そこを間違えなければ、かなり強力な選択肢になります。
室谷 代表取締役 プロンプトの上手さより、ミッションの設計力が問われる時代になった、というのが今回の発表の一番のメッセージだと思います。
Q. Replit Missionsとは何ですか?
Replitが2026年11月17日に発表した新機能で、ユーザーが成果を定義すると、複数のAIエージェントの群れが計画・構築・テスト・改善を繰り返し、設定した予算と境界の範囲内で成果に向かう仕組みです。
Q. Missionsはどうやって始めますか?
公式ブログによると、サイドバーの「New」をクリックして「Mission」を選び、最も野心的なゴールを記述します。公式ページでは、会話中に「/mission」と入力する、エージェントの提案を受け入れる、概要画面から始める、という入り口も示されています。
Q. 料金はいくらで、どのプランに含まれますか?
公式ページのFAQに項目はありますが、今回の抜粋には回答が含まれていないため、現時点では明らかにされていません。ミッションごとに予算上限を設定でき、上限に達すると作業が停止する仕組みは公式に明記されています。
Q. 予算を超えそうになったらどうなりますか?
全エージェントで1つの予算を共有し、上限に達すると作業が停止します。上限の引き上げが必要な場合はエージェントが理由を添えて申請し、人間が承認するか現状維持かを選べます。
Q. 結果はどうやって評価されますか?
独立したAIジャッジが、合意した成功基準に照らして結果を検証し、不足があればエージェントに具体的なフィードバックを返します。修正後は人間のレビューの前に再度チェックされます。
Q. 従来のReplit Agentとの違いは何ですか?
従来のAgentは対話型で、複雑な作業を任せるにはユーザー自身が進行管理をする必要がありました。Missionsはミッション契約の下で複数エージェントが並列に動き、AIジャッジが検証し、人間が承認する形に変わります。Routinesとの違いについては、今回の抜粋では確認できません。
Q. どんなタスクに向いていますか?
公式が挙げているのは、企業顧客の獲得、製品パフォーマンスの改善、レガシーソフトウェアの置き換え、先延ばしにしている製品ローンチ、熟練エンジニアが必要なリファクタリング、内製したいが余力のないソフトウェアなどです。テンプレートにはRust書き換え、SEO/AEO、APIレイテンシ、評価ハーネスなどが用意されています。
Q. 日本から使えますか?
今回の公式ブログと公式ページの抜粋には地域制限の記述がないため、現時点では明らかにされていません。
Q. Microsoft連携では何が変わりますか?
Microsoft Fabric統合が一般提供になり、自然言語で記述したアプリを組織のFabricテナント内にデプロイできるようになりました。加えてMicrosoft Teams内でのReplit利用、Azureテナントへのアプリ公開のアーリーアクセス、Replit DesktopのLocal Workの一般提供が発表されています。