重要なポイント
- ルールベース自動化は決定論的だが、スクリプト化されていない文脈には盲目
- ローカルLLMは意図と文脈——時刻、在宅、天気、センサー状態——を踏まえて推論する
- 自動化を自然言語の目標として記述し、モデルがそれを機器の動作に対応づける
- Ollama + Home Assistant でローカルに動かす——クラウドなし、データは家を出ない
- 安全に直結する自動化（施錠、アラーム）は決定論的ルールとして保つ
- 信頼性のため、小型の関数呼び出しモデルを使い、範囲を絞る
ルールベース自動化の限界
ルールベース自動化は固定のトリガーに対し固定の動作を起こし、明示的にスクリプト化されていない文脈を比較考量できません。 信頼でき高速ですが、ニュアンスごとに手書きの条件がもう一つ必要になります。
- 組み合わせ爆発：「明るくない限り、誰かが寝ていない限り、外出していない限り点灯」は、多数のネストした条件になります。
- 意図がない： ルールは「居心地よく」を解釈できず、厳密なエンティティ状態しか扱えません。
- 脆い端ケース： スクリプト化されていない状況は、妥当な既定値なしにすり抜けます。
LLM が加えるもの：文脈、意図、言語
LLM はルールに欠ける三つを加えます：自然言語を理解し、意図を推測し、複数の文脈シグナルを一度に推論します。 ニュアンスが重要な場面で使い、決定論が重要な場面ではルールを保ちましょう。
| 観点 | ルールベース | ローカルLLM駆動 |
|---|---|---|
| トリガー処理 | トリガーごとに固定動作 | 動作前に文脈を比較考量 |
| 表現 | 厳密な条件のみ | 自然言語の目標 |
| 文脈 | スクリプト化された状態のみ | 時刻・在宅・センサーをまとめて |
| 端ケース | すり抜ける | 文脈からの妥当な既定値 |
実例自動化（プロンプト付き）
これらの例は、LLM 駆動の自動化がルールに勝る場面を示します：いずれもモデルがライブな文脈に照らして解決する自然言語の目標です。 会話エージェントを呼び出す Home Assistant 自動化として配線します。
- 推論できる文脈を持たせるため、関連するエンティティ状態をプロンプトでモデルに与えましょう。
- エンドツーエンドの構成はローカルLLMでスマートホームを動かすを参照。
- 1外出時のリマインダー
Why it matters: プロンプト：「次の1時間で雨になりそうで、私が出かけるなら、傘を思い出させて。」 モデルは通知の前に天気エンティティと在宅を確認します——ルールなら明示的な閾値が必要です。 - 2適応的な夜のシーン
Why it matters: プロンプト：「最後の人が日没後に帰宅したら、誰かがすでに寝ていない限り、暖かく控えめなシーンにして。」 モデルは在宅・時刻・睡眠状態をまとめて比較考量します。 - 3省エネの一言
Why it matters: プロンプト：「暖房がついていて、窓が5分以上開いているなら、暖房を下げてどの部屋か教えて。」 モデルは二つのセンサー状態を組み合わせ、その動作を説明します。
アーキテクチャ
自動化は Home Assistant で発火し、会話エージェントを介して文脈をローカルLLMへ渡し、モデルが機器の動作を返します。 すべてローカルに動きます。
- Home Assistant の自動化がトリガーと現在のエンティティ状態を供給します。
- ローカルモデル（Ollama 統合経由）が推論し、動作を返します。
- Assist に公開したエンティティだけが操作可能で、それがモデルにできることを制限します。
信頼性とガードレール
安全に直結する自動化は決定論的に保ち、モデルの範囲を絞り、レイテンシを低く保つため小型で高速なモデルを優先しましょう。 LLM 自動化は重要機能を強化すべきであり、所有すべきではありません。
- 安全をモデルに任せない： 火災報知器、ドアロック、セキュリティは素のルールのまま。
- 範囲を絞る： モデルに必要なエンティティだけを公開し、動作を制限するシステムプロンプトを加える。
- レイテンシでモデルを選ぶ： スマートホーム制御に最適なローカルLLMモデルを参照。
- 記録して見直す： 監視なしで信頼する前に、会話ログを確認してモデルが意図通り動くか確かめる。
- エージェントのパターンとワークフローは 本当に機能する自律ローカルエージェント（クラスター横断）を参照。
よくある質問
ローカルLLMの自動化は信頼できるほど確かですか？
快適さや利便性の自動化なら、範囲を絞り先に挙動を確認すれば、はい。安全に直結する自動化（施錠、アラーム、煙感知器）はモデルを介さず、決定論的ルールとして保ちましょう。
LLM はすべての自動化を置き換えますか？
いいえ。単純・時間に敏感・安全に直結するトリガーには決定論的ルールを使い、文脈・ニュアンス・自然言語の目標が必要な自動化に LLM を充てましょう。両者は協調します。
AI 自動化に最適なモデルは？
小型で高速な関数呼び出しモデルは、機器の動作を確実に出力しつつ自動化のレイテンシを低く保ちます。ハードウェアに合わせた候補はスマートホーム向け最適ローカルLLMモデルのガイドを参照。
LLM 自動化はどれくらいレイテンシを足しますか？
レイテンシはモデルサイズとハードウェア次第です。GPU や NPU 付きのミニPCの小型モデルは、即時でない自動化には十分速く応答します；レイテンシに敏感なトリガーをモデル経由にしないようにしましょう。