
AIエージェントからロボタクシーへ:ハオ・スンが最先端技術を信頼可能なシステムにどう変えたのか?
AI Agentと自動運転が同時に産業の深水区へと進出した現在、真に稀缺なエンジニアとは、単に機能を実装できる人間ではなく、曖昧な技術的なビジョンを実現し、ユーザー、チーム、業界が反復して利用可能なインフラへと落とし込める人間のことを指す。Hao Sun のキャリアの軌跡は、まさにこの道筋に沿って展開されている。
過去2年間、AI Agent はシリコンバレーで最も注目を集める技術分野の一つとなった。自然言語の指示を理解するパーソナルアシスタントから、ウェブページ、モバイル端末、クラウド間でタスクを実行可能なスマートシステムまで、Agentic AI は人とソフトウェアの関係を変革しようとしている。ユーザーはもはやボタンをクリックしたりフォームに入力したりするだけでなく、目標をシステムに委ね、AI に手順の分解、ツールの呼び出し、推進を引き渡すのである。
しかし、こうした潮流の中で、より困難な課題が次第に浮上してきた。AI が本当に複雑なタスクを人間の代わりに遂行するためには、どのように理解され、制御され、評価され、そして最終的に信頼されるべきなのか。
Hao Sun の仕事はこの長期的な問いを中心に展開されてきた。Agentic AI システムとソフトウェアインフラのエンジニアとして、彼は Meta、Okay、Please AI(旧 MultiOn AI)、Tesla AI などの企業で重要な技術役割を果たしてきた。大規模プラットフォーム、デベロッパーツール、消費級 AI Agent、自動運転評価システムへとまたがるこれらの経歴は一見ばらばらに見えるが、その裏には明確な一貫したテーマが存在する。それは、複雑な技術を、実世界のユースケースにおいて利用可能で、拡張可能、検証可能なシステムに変えることである。
Meta でのスケーラビリティの実践
Hao Sun のエンジニアリングの基盤は、大きく Meta で形成されたものである。
Meta 在籍時、彼は Facebook プロダクトおよび複数 Meta プラットフォームにわたるフロントエンドエンジニアリングを担当し、さらに基本かつアクセシブルで再利用可能なコンポーネントライブラリの主要メンテナーの一人として、Facebook、Instagram、WhatsApp など異なるデザインシステムの元にあるプロダクト要件に対応した。一般ユーザーにとってコンポーネントライブラリは目に見えない存在だが、十数億人のユーザーを抱えるプラットフォームにおいて、それは製品体験の一貫性、デザイン規範の具現化、高複雑度環境下におけるエンジニアリングチームの効率維持を左右する重要な要素となる。
また彼は内部的な UI ガラリーの開発と実装を主導し、数千名のエンジニアと数百名のデザイナーに対し、コンポーネントやデザイン規範を探求する機会提供了した。このようなツールは一般公開されるものではないが、大規模なテック組織がコラボレーション効率を維持するための重要なインフラとなっている。設計システムをドキュメント内に留まる状態から、エンジニアやデザイナーが毎日呼び出し、比較、検証できる実際の作業インターフェースへ変えたのである。
オープンソース層面では、Hao Sun は CSS-in-JS オープンソースライブラリである StyleX へのコントリビューションも主導している。StyleX は atomic styles などの手法を通じてスタイルの整理とファイルサイズ最適化を図り、現代のフロントエンドエンジニアリングにおけるパフォーマンスと保守性の課題に対応している。彼にとってオープンソース活動は履歴上の飾りではなく、大規模プロジェクトの経験を外部のデベロッパーエコシステムへ展開させる手段なのである。一つのツールがより多くのエンジニアに理解され利用されれば、その影響力は単一の企業の枠組みを超えていく。
これらの経験を通じて、Hao Sun は早期から核心的な課題に触れてきた。技術システムはそのデモによって証明されるのではなく、高同時接続、複数チーム、複数プラットフォーム、そして実際のユーザーフィードバックという過酷な条件下で繰り返し検証されるのだということである。
Please AI において、自然言語を実行計画へ変換する
Hao Sun の仕事を AI Agent コアの戦線へと導いたのは、Please AI での在籍経験である。
Please AI (旧称 MultiOn AI)は消費向け AI テック企業であり、総額2,000万ドルのシリーズA資金調達を完了させている。投資家には General Catalyst、Amazon Alexa Fund、Samsung、Forerunner Ventures、Mastercard、Blitzscaling Ventures などが名を連ねている。同社が注力する方向性は、AI が単なる回答生成にとどまらず、旅行計画、スケジュール調整、情報調査、方針策定、または多ステップアクションの実行など、現実のライフゴールに沿ってタスクを継続的に推進するようユーザーを支援することにある。
Please AI で創設期エンジニアとして活躍していた際、Hao Sun は消費者向けプロダクトのフロントエンド開発をリードし、Chrome extension、Web app、iOS app を担当した。彼は製品インターフェースの実装を主導するだけでなく、MVP 開発からユーザーリサーチ、フィードバックに基づく反復改良、PMF(プロダクトマーケットフィット)の探求に至るまで幅広くカバーした。これはつまり、彼の役割が「デザイン案をコード化する」ことに留まらず、技術的実現可能性、ユーザーの学習コスト、Agent の実行能力の間で絶えずバランスを取っていたことを意味する。
AI Agent の難題は、往々にしてモデルが無理やりそう見えるテキストを生成することにあるのではなく、ユーザーの曖昧な自然言語による目標を、構造化され、検証可能で、実行可能なマルチステップ計画へと変換する点にある。「引越しの計画を立てて」「週末旅行の準備をして」といった場合、システムは目標を理解し、制約条件を分解し、手順を配分し、提案を行いながら、プロセスを通じてユーザーに対し「AI が今何をしているか」「なぜそのような選択をしたか」「次は何を行うか」を明示する必要がある。
Hao Sun の独自性はまさにこの「翻訳レイヤー」に表れている。彼は上位レベルの自律型 AI ビジョンを、スケーラブルで本番環境対応可能なシステムへと転換するフロントエンドソフトウェアとコア UX のアーキテクチャ設計および実装を担当した。Please の創業者によれば、Hao は初期段階から web app、Chrome extension、バックエンドインフラ、社内ツールのアーキテクチャと実装を進め、基礎的なユーザーインターフェースと UX フローを設計することで、非技術系ユーザーが自然言語を用いてマルチステップタスクを簡単に委任できるようにした。この「ユーザーと AI agent のインタラクションモデル」は、後に Please のプロダクト体験の中核をなしていく。
MultiOn / Please のプロダクトおよび技術的方向性は、Forbes、The Information、PhocusWire、Business Insider などのメディアからも注目されてきた。例えば Forbes は「MultiOn Innovates With Virtual Agents」というタイトルで、同社のバーチャル Agent 分野での取り組みを取り上げ、MultiOn の AI agent がデモンストレーション内で交渉および Tesla Cybertruck の注文タスクを完了させた例を紹介した。この事例が注目された理由は、「AI が人間の代わりに複雑なデジタルタスクを遂行できる」という概念を、一般大眾が理解しやすい具体的なユースケースへと変換した点にある。

Hao Sun の技術的リーダーシップの下、Please AI のシステムはリリース直後の短期間で3,000名以上の顧客を獲得した。この点において、彼の価値は単なる特定のプロダクト機能の実装にとどまらず、Agentic AI をコンセプトからユーザーの日々へ繋ぐ技術的な回廊を構築・主導した点にあると言えよう。
Tesla へ参画し、自動運転評価を信頼性の高いツールへ昇華する
Please AI が Agentic AI の消費財シーンにおける実践を表すとすれば、Tesla AI では Hao Sun の能力がより高いリスク許容度と厳格な基準を要求するシステム環境へと持ち込まれたことになる。
2025年9月から、Hao Sun は Tesla AI に入社し、Sr Autopilot Software Engineer として Tesla Full Self-Driving(FSD)の評価およびサインオフ業務を推進した。彼はモデル評価ツールのフロントエンドリードを務め、モデリング、アノテーション、評価チーム向けの複数のツールソリューションを発起・構築し、クローズドループ評価をサポートしている。彼が主導する評価システムは、機械学習エンジニアが Level 4 自動運転の観点からモデルを評価するのを助け、Tesla の自動運転安全性および準拠性フレームワークにおける中核ツールとして機能し、L4 Robotaxi のゼロからの米国複数都市への拡大に伴う内部評価とスケーリングプロセスを支えている。
自動運転モデルの評価とは、単にテストセット上でモデルが良いスコアを出すかどうかを見ることではない。実際の道路状況、シミュレーション環境、ユーザーによるオーバーライド、車両の乗り心地、安全性、異常挙動といった多数の複雑な信号を統合し、エンジニアリングチームが失敗パターンを特定し、異なるモデル構成を比較し、あるシステムが次の段階へ進むのに十分な成熟度を備えているかを決定できるようにする必要がある。

Hao Sun がアーキテクチャ設計を主導した Labeling, Evaluation, and Comparison Tool はまさにこの課題を中心に対処するために構築された。彼は関連するインターフェースの設計と実装、バックエンドデータパイプラインの統合を担当し、モジュール型デザインシステム、動的指標の可視化、リアルタイムデータフロー、インタラクティブなダッシュボードを通じて、評価チームの失敗事例の分析や問題診断効率を向上させた。このツールは自動運転モデルと設定の比較に用いられ、安全性、快適性、車両挙動の異常、オペレーターまたはユーザーによる介入、乗り心地指標といった多次元データを分析し、モデル改善プロセスにおいて最も重要な「なぜ失敗したのか、どこが問題なのか、どう比較すべきか」という問を、エンジニアリングチームが反復して利用できる訓練ツールへと変換している。
こういった業務は、自動運転システムの安全な進化において極めて重要である。FSD や Robotaxi にとって真に難しいのは、一度の成功走行を示すことではなく、繰り返し可能で比較可能、且つ追跡可能な評価メカニズムを確立し、モデルの改善プロセスをエンジニアリング組織が体系的に検証できるようにすることである。
現在、彼が主導する評価システムは Tesla AI チームにおける自動運転能力評価の主要ベンチマークの一つとなっており、内部意思決定や規制当局・一般社会とのコミュニケーション資料においても活用されている。すでに140億マイルを超える自動運転マイルのサポート実績を有している。またその手法は Tesla Optimus ヒューマノイドロボットのクローズドループ評価シーンにも拡張されており、ロボットのナビゲーション、タスク遂行、環境相互作用、障害物回避といった能力をどのように体系的に測定するかを検討する目的で用いられている。これはつまり、Hao Sun がリードして構築したのは単一のスポットツールではなく、再利用可能なエンジニアリングフレームワークであることを意味する。
AI Agent から Robotaxi、さらにロボットへと領域は広がるが、その根底にある問いは実際には似通っている。システムが高度な自律性を帯びていくにつれ、人間はいかにしてそれらを理解し、評価し、是正し、そして信頼していくのか。Hao Sun の仕事は、まさにこの問いに対してエンジニアリング的な回答を提供することに他ならない。
技術的影響力は判断力にも由来する
シリコンバレーにおいて優秀なエンジニアは往々にしてプロダクトとコードによって測られるが、新興技術分野ではその影響力が同僚やコミュニティからの「判断力への信頼」としてどのように現れるかも重要である。
Hao Sun は DevDay x MultiOn API Hackathon、AI Agents 2.0 Hackathon by MultiOn & AgentOps、Stanford TreeHacks 2025、CruzHacks 2025 など複数の技術コンペティションおよびハッカソンの審査員に招かれている。これらのイベントは AI agent、デベロッパープラットフォーム、インフラ、実世界アプリケーションに焦点を当てており、審査役としてはトップティアのベンチャーキャピタル視点に立った評価が求められる。実装の詳細を理解するだけでなく、あるソリューションがスケーラビリティ、革新性、ビジネスバリューを兼ね備えているかを判断する能力が問われる。中でも Stanford TreeHacks 2025 には30大学の12か国から1,000名以上のエンジニアリング学生が参加し、候補者は12,000通以上の応募書類の中から厳選された。こうした審査経験は、AI およびソフトウェアインフラ分野における彼のプロフェッショナルな判断力が外部コミュニティにおいて既に認知され、採用されている証左でもある。


Hao Sun のキャリアパスにおいてもう一つ特筆すべき特徴がある。彼は常に「複雑な技術」と「一般利用者」の接点に立ち続けてきたということである。
Meta ではデザインシステムとコンポーネント機能を数千名のエンジニアが再利用できる基盤ツールへと変化させ、Please AI では Agentic AI の推論・計画能力を最初の非技術系ユーザーも信頼できる AI プロダクトへと昇華させ、Tesla では自動運転モデル評価における複雑なデータを、リサーチおよびエンジニアリングチームが判断とアクションを起こせるインターフェースへと変えた。どの場面でも、彼は単純に技術側面に立つわけでも、ユーザーインターフェースだけで終わらせるわけでもなく、両者の間に架け橋を築き続けてきた。
この能力は AI 時代において特に重要である。モデルの能力が飛躍的に強化されるにつれ、産業への実装を阻む本当のボトルネックはもはや「AI が答えを生成できるか」ではなく、「システムが確実に使用・評価・改善可能かどうか」に移行しつつある。Hao Sun が取り組んできたのは、最先端 AI をデモンストレーションからインフラへ、単発のインタラクションから継続的なワークフローへ、技術的概念から組織やユーザーに信頼されるシステムへと進化させることであった。
Hao の技術的影響力は、より公開的な形で業界へ広まり始めている。Forbes Tech Council のメンバーとして、同プラットフォームに技術記事を掲載し、AI agent システム設計における独自のメソドロジーを共有している。具体的には、ユーザー目標を実行可能なワークフローへどのように分解するか、agentic システムを実際のビジネス環境においていかにコントロール可能、追跡可能、再利用可能に保つかといった知見だ。彼にとって執筆は単なる意見表明ではなく、現場のエンジニアリングプラクティスを業界が議論し、参考にできるフレームワークへと昇華させる行為である。

同時に、彼は工業用途を対象としたオープンソースプロジェクトも主導しており、agentic ワークフローを活用して工場フローの自動化と効率化を支援している。製造業の環境では、多くのプロセスが単一のステップで完結するわけではなく、スケジューリング、資材管理、設備ステータス、人手による検査、例外処理、データフィードバックなどが複合的に絡み合っている。Hao Sun が推進するオープンソースプラクティスは、AI agent を消費向けタスク実行の域からより複雑な工業プロセスへと延長し、自動化が単なる「クリックの代行」に留まらず、プロセスを真に理解し、ステップを調整し、組織内の反復作業とレスポンス遅延を削減できるよう設計されている。
Agentic AI、自動運転、ロボットが絶えず交錯する現在の技術潮流の中で、Hao Sun の物語は明確な注釈を提供している。業界を前に押し進めるのは往々にして、技術をより奇抜に見せることではなく、それをより明確に、より制御可能にし、さらに信頼に値する存在へと磨き上げることなのである。















