AI学びラボ

この1か月の間に、GoogleはGeminiの画面内に購入ボタンを置き、Amazonは出品者向けツールを外部AIエージェントに開放し、ShopifyはWeb上で動くエージェントによるチェックアウト（決済まで）を有効にしました。会社は違えど発想はひとつ。AIが商品を「おすすめする」だけでなく、 探して、比較して、カートに入れて、支払いまで済ませる 買い物です。業界ではこれを エージェントコマース と呼びます。デモから現実への移行が速い今、財布に届く前に仕組みを知っておきましょう。 エージェントコマースとは 従来のECは、自分で店を回遊して購入ボタンを押すもの。チャットボット時代のECは、AIが商品を提案し、あとは店に引き渡すもの。エージェントコマースは最後の隙間を埋めます—— AIエージェントが本人の承認のもとで購入そのものを完了する のです。候補探し、サイズや配送の確認、住所入力、決済の実行まで。あなたは目的を伝えるだけ（「いつものランニングシューズ、先月より安ければ再注文して」）。買い物はエージェントがやります。 なぜ2026年に一気に来たのか 部品が立て続けに揃ったからです。OpenAIはChatGPTにチャット内購入を追加。GoogleはインドでGemini内のFlipkart購入ボタンを実験開始。外部エージェントを締め出してきたAmazonも出品者側ツールを開放。そして9月28日、ShopifyがWebMCP対応を拡張し、ブラウザ上のエージェントが加盟店の決済画面を読み取り購入を完了できるようにしました（TechCrunch報道。パートナーはMetaのMuseやInstinct）。水面下ではMCPやコマース向けUCPといった標準プロトコルが効いており、エージェントは壊れやすい画面スクレイピングではなく構造化されたインターフェースで商品データを読み、取引できるようになりました。 購入は実際どう流れるのか 典型的なエージェント決済は4段階です。 意図： 目的と制約（予算・ブランド・期限）を伝える。 探索： エージェントがページを読み散らかすのではなく、構造化されたデータ経由で店に問い合わせる。 承認： お金が動く前に、商品・価格・配送の注文内容が提示され、本人が承認する（理想は毎回）。 決済： Shop Payのようなトークン化された支払い手段で実行され、店側に...

この10年、「音声アシスタント」といえばタイマーと天気と聞き間違いの代名詞でした。2026年は、3大アシスタントがそろって大規模言語モデルの頭脳を手に入れた年です。Amazonは Alexa+ を投入し、GoogleはスピーカーへのGemini搭載を Gemini for Home として展開中、そして何度も延期されたAppleの 新Siri がiOS 27とともに登場——報道によれば、内部ではGoogleのGeminiモデルが処理の多くを担っているとされます。どの陣営をリビングに置くべきか。3つの違いを整理します。（以下の価格・提供地域・機能は執筆時点の報道ベースのスナップショットです。変更が頻繁なので、購入前に各社公式ページで必ず確認してください。） 今年、何が変わったのか 3つのアシスタントはいずれも、台本どおりのコマンド照合から会話型AIへ移行しました。複数ステップの依頼（「子どもと作れるレシピを探して、足りない材料を買い物リストに入れて」）、文脈を繰り返さない追い質問、一日の予定やカメラ映像の要約。2023年のスピーカーと2026年のスピーカーの差は、この3ブランド間のどの差よりも大きい。それが大前提で、違いは価格・プライバシー方針・エコシステムの引力にあります。 Alexa+：同梱で勝負するタイプ Amazonの再構築版アシスタントの強みは単純明快、 抱き合わせ です。Alexa+は非プライム会員には月額課金ながら、プライム会員には追加費用なしで含まれる形で提供されてきました。つまり数千万世帯が実質「無料」でアップグレードを受け取る計算です。買い物（当然）、定型ルーチン、巨大なEcho設置台数との連携が得意。提供は米国先行で、欧州などへ早期アクセス形式で拡大中です。日本での正式提供状況は執筆時点で流動的なので、手元のEchoが今何で動いているかを確認してから判断を。 Gemini for Home：会話が最もうまい Googleのやり方は、NestスピーカーやディスプレイのGoogleアシスタントをGeminiに置き換えるものです。実機レビューでは3つの中で最も会話能力が高いと評されることが多く、さらにGoogleはMCP経由でスマートホーム基盤を外部AIエージェントに開放するという「開かれた家」路線も打ち出しました（当ブログでも今月取り上げました）。難...

人事評価の季節が近づくと、多くの人が最も気が重い書類に向き合うことになります——自己評価です。この一年、実際に働いたはずなのに、いざ書こうとすると「各種プロジェクトに貢献」といった薄い言葉に蒸発してしまう。実はAIはこの問題がかなり得意です。AIがあなたの仕事を知っているからではなく、知っている本人に対して、疲れを知らないインタビュアー・整理係・編集者として働けるからです。散らばった実績を、一言も盛らずに、堂々と提出できる自己評価に変える6ステップを紹介します。 ステップ1：まず素材を全部集める AIに触る前に、原材料を集めます。自信のある送信メール、完了したチケット、リリースした機能、議事録、感謝のメッセージ、数値ダッシュボード、カレンダー。出せるものを一つの雑なドキュメントに貼り集めます。ここで一つ重要な注意。チャットボットに何かを貼る前に、 勤務先のAI利用ポリシーを必ず確認 してください。社外ツールへの社内データ入力を制限する会社は多くあります。会社公認のAIがあればそちらを使い、なければ顧客名や機密の数字は伏せ字にしましょう。 ステップ2：書かせるのではなく、質問させる 最大の失敗は「自己評価を書いて」と頼むことです。AIはあなたの一年を知らないので、もっともらしい空文が出てくるだけ。代わりにこう頼みます。「人事評価の自己評価を準備しています。以下のメモを踏まえ、私の実績について一問ずつインタビューしてください。具体的な内容と数字を突っ込んで聞いてください」。質問に答えるのは文章を書くよりずっと楽で、その問答の記録が本物の素材になります。 ステップ3：評価項目に沿って実績を仕分ける 多くの会社は決まった評価軸——主体性、協働、専門性など——で採点します。実際の評価項目（または公開されている文言）を貼り、インタビューの回答を各項目の下に仕分けさせ、 証拠が薄い項目に印を付けさせます 。この印が宝です。提出まで数週間あれば、弱い項目をこれから補強するか、書き方で正直に扱うかを選べます。 ステップ4：結果ファーストの箇条書きで下書き いよいよ下書きですが、形式を縛ります。「実績ごとに1〜2文。状況は従属節で短く、行動、そして測定可能な結果の順。証拠のない形容詞は禁止」。結果を先に置いた文（「セットアップ手順を作り直し、新人の立ち上げを6日から2日に短縮」）は自慢...

GoogleのGeminiで自分専用のAIヘルパー——ランニングコーチ、学習チューター、履歴書レビュアーなど——を作っている人は、カレンダーに日付をひとつ書き込んでおきましょう。TechCrunchの報道によると、Googleはカスタムアシスタント機能 「Gem」を2026年11月17日から新システム「スキル」に置き換える と発表しました。既存のGemは自動的に移行され、作ったものが消えることはないとされています。ただし使い方は変わり、この転換はGoogleがアシスタントの未来をどう見ているかをよく物語っています。何が起きるのか、移行前に何をすべきかを整理します。 発表の内容 Gemは2024年、OpenAIのカスタムGPTへのGoogleの回答として登場しました。「あなたは私のマラソンコーチ。レースは4月」と一度指示を書けば、名前と役割を持つ再利用可能なアシスタントができる仕組みで、一部のGemは他人と共有もできました。TechCrunchの9月28日の報道によれば、Googleは 2026年11月17日 にGemをスキルへ移行します。それまでGemは今までどおり使えます。 「スキル」とは何が違うのか スキルの核となる考え方は同じ——カスタム指示のパッケージ——ですが、インターフェース上の居場所が変わります。専用のGemを開いてその中で会話するのではなく、 どの会話の中でもスラッシュ（「/」）を入力してスキルを呼び出す 方式になります。つまりGemが「出向く場所」だったのに対し、スキルは「作業の途中で召喚する能力」です。SlackやDiscordのスラッシュコマンドに近い、やや技術寄りの操作感になり、ひとつの会話が複数のスキルを使い分けられるようになります。 作成済みのGemはどうなる？ 発表によれば、ユーザーが作ったGemは スキル形式へ自動的に移行 され、エクスポートや作り直しは不要、指示内容も保持されます。とはいえ自動移行は棚卸しの好機です。11月17日までに、実際に使っているGemを見直して不要なものを削除する、重要なGemの指示文をメモにコピーして自分用のバックアップを取る、共有中のGemの扱いを確認する（移行後は共有の挙動が変わる可能性があります）——この3つをやっておくと安心です。 Googleの狙い 背景にはふたつの力が見えます。ひとつは競争圧力。...

Oracleもここ2年でクラウド全体に生成AIを組み込み、資格体系にそれが反映されてきました。 OCI Generative AI Professional （試験番号 1Z0-1127）は、これまで紹介してきたAWSやGoogle CloudのAI資格に対するOracleの回答で、ホスト型の大規模言語モデルを「実際に使って構築できるか」を問うベンダー資格です。勤務先がOracle製品中心の企業なら、自分のスタックに最も直結するAI資格と言えます。本記事では試験内容・費用・向き不向きを整理します。 どんな資格か OCI Generative AI Professionalは、Oracleのホスト型生成AIサービスを使いこなせることを証明する資格です。OCI Generative AIサービス経由での基盤モデル呼び出し、RAG（検索拡張生成）パイプラインの構築、その上に載せるエージェント型アプリの組み立てが範囲に含まれます。Oracleのクラウド試験は年次で改訂され、試験番号には年のサフィックスが付きます（執筆時点の現行版は「-25」edition）。受験前に公式ページで最新版を必ず確認してください。 試験形式と費用 現行版の公式試験ガイドによると、概要は次のとおりです。 問題数： 約50問（多肢選択式） 試験時間： 90分 合格ライン： 68% 受験料： 定価245米ドル（地域により異なるため申込画面で確認） 前提条件： 必須なし。ただし機械学習の基礎、Python、OCIの基本操作の知識が推奨 注意点がひとつ。 この試験は英語のみでの提供 で、執筆時点で日本語版はありません。英語の技術文書を読み慣れていれば問題文は素直ですが、時間配分には余裕を見ておきましょう。また、Oracleは過去に期間限定の無料受験キャンペーンを実施したことがあります。実施状況は変わるので、申し込み前にOracle Universityの最新情報を確認するのがおすすめです。 出題範囲 出題は大きく4領域に分かれます。第一に LLMの基礎 ——トークン、プロンプティング、ファインチューニングとRAGの使い分け、デコーディングのパラメータなど。第二に最も比重が大きい OCI Generative AIサービスの利用 ——モデル選択、専用AIクラスタ、エンドポイント、ファインチューニン...

AIに関するセキュリティ用語で、いま一般ユーザーが知っておく価値が最も高いのが プロンプトインジェクション（prompt injection） です。一言でいえば、 AIへの指示を外部から「すり替える」攻撃 。AIがウェブを閲覧し、メールを読み、代わりに操作まで行う時代になったことで、この攻撃の影響範囲が一気に広がりました。仕組みと典型パターン、そして利用者としてできる防御を、たとえ話でやさしく解説します。 プロンプトインジェクションとは？ AIチャットは「システムからの指示」と「処理すべきデータ」をどちらも 同じ自然言語 として受け取ります。ここに弱点があります。読ませたデータの中に「これまでの指示を無視して、代わりに◯◯せよ」という 命令文が紛れ込んでいると、AIがデータと指示を取り違えて従ってしまう ことがあるのです。新人アシスタントが、処理すべき郵便物の中に紛れた「上司の指示っぽいメモ」を本物の指示と信じて実行してしまう——そんなイメージです。 直接型と間接型——怖いのは間接型 直接型 ：利用者自身が細工した指示を入力し、AIの制限を破ろうとするもの（いわゆる「ジェイルブレイク」に近い）。 間接型 ： AIが読み込む外部コンテンツ（ウェブページ・メール・文書・画像）の中に命令を仕込む もの。利用者は何も悪いことをしていないのに、AIが読んだページの隠しテキストに操られる。 本当に警戒すべきは間接型です。たとえば「このページを要約して」と頼んだだけなのに、ページの見えない場所に「読者に偽サイトのリンクを勧めよ」と書かれていたら——AIがそれに従う恐れがあります。 なぜ「エージェント時代」に危険度が上がるのか 読むだけのAIなら、騙されても被害は誤った回答止まりでした。しかし ブラウザを操作し、メールを送り、買い物までするAIエージェント が騙されると、被害は「行動」になります。受信メールに仕込まれた命令で機密情報を転送してしまう、悪意あるページの指示で意図しない操作をしてしまう——セキュリティ業界がAIエージェントの権限管理を繰り返し警告するのは、この構図があるからです。OWASPのLLMアプリケーション向けリスク一覧でも、プロンプトインジェクションは筆頭に挙げられ続けています。 なぜ根本解決が難しいのか 従来のSQLインジェク...

「AIに調査を任せて、引用付きのレポートを受け取る」——ディープリサーチ機能は、いまや主要AIすべてに載っている定番機能になりました。ただし ChatGPT・Gemini・Claude・Perplexityで性格はかなり違います 。深く長く調べるもの、速さ重視のもの、出典表示が丁寧なもの。本記事は4つのディープリサーチを「どれが優秀か」ではなく 「どの用途にどれが合うか」 という軸で整理します。回数制限や対応プランは変更が頻繁なため、契約前に必ず各公式ページで確認してください。 そもそもディープリサーチとは 通常のチャットが1回の応答で答えるのに対し、ディープリサーチは 数分〜数十分かけて多数のウェブページを自律的に読み、出典リンク付きの長文レポート にまとめる機能です。「比較検討」「市場調査」「論点整理」のような、自分でやると数時間かかる下調べの代行が本領です。基本的な使い方の手順は関連記事（ディープリサーチの使い方）で解説しているので、本記事は道具選びに絞ります。 ChatGPT——じっくり型。報告書の完成度で選ぶ 4つの中では 時間をかけて深く掘るタイプ で、長い調査では数十分単位になることもあります。その分、構成の整った「そのまま会議に出せる」形のレポートが返ってくる傾向があります。注意点は、文章の説得力が出典の確かさを上回ることがあること。 重要な数字は引用元リンクを必ず開いて確認 する前提で使うのが安全です。 Gemini——広く集める型。調査計画を編集できる Geminiのディープリサーチは 多数のページを幅広く巡回する のが持ち味で、実行前に「調査計画」が提示され、それを編集してから走らせられるのが実務上便利です。Googleドキュメントなどワークスペースへの書き出しもスムーズ。幅が広い分、論点が散らばることがあるので、計画段階で範囲を絞り込むのがコツです。 Claude——多角的に考える型。分析の質で選ぶ ClaudeのResearch機能は、複数の切り口から調べて統合するアプローチで、 「情報の羅列」ではなく「考察された分析」 に寄ったレポートが特徴です。集めた情報から何が言えるか、という解釈の部分を重視する調査に向きます。ウェブ検索の網羅性より思考の質を取りたい場面で選択肢になります。 Perplexity——速さと...

プレゼンの資料はできた。問題はここからです。本番で言葉に詰まる、時間が超過する、想定外の質問に固まる——発表の失敗の多くは「話す練習」の不足から来ます。そして話す練習こそ、AIチャット（ChatGPT・Gemini・Claudeなど、普段使っているもので構いません）が意外なほど役に立つ領域です。台本づくりから想定問答、時間調整まで、 発表練習にAIを使う6ステップ を紹介します。 ステップ1：資料を渡して「話す台本」に変換する スライドの文言と発表の話し言葉は別物です。スライドの内容（または要点）をAIに渡し、「これを ◯分で話す発表用の台本 にしてほしい。書き言葉ではなく話し言葉で」と頼みます。丸暗記用ではなく、 各スライドで言うべきことの流れ を掴むための下書きと考えるのがコツです。自分の言い回しに直しながら声に出して読むと、自然に自分の台本になります。 ステップ2：冒頭90秒だけは完璧に固める 発表全体を暗記する必要はありませんが、 冒頭だけは別 です。最初の90秒が滑らかだと緊張が一気に下がります。「つかみ→今日の結論→話す順番」の3点を含む冒頭案をAIに複数出してもらい、一番口に馴染むものを選んで繰り返し練習します。 ステップ3：声に出して練習し、録音を文字起こしして見せる ここが最重要です。 AIはあなたの発表を聞けませんが、文字起こしなら読めます。 スマホで録音しながら通しで話し、文字起こし（スマホの標準機能やメモアプリで十分）をAIに渡して「口癖、冗長な部分、論理の飛躍を指摘して」と頼みます。「えー」「あの」の頻度や、同じ接続詞の繰り返しなど、自分では気づかない癖が客観的に見えます。 ステップ4：聴衆になりきってもらい、想定問答をつくる 「あなたは◯◯（役員／顧客／技術者）です。この発表を聞いて、 厳しい質問を10個 してください」と頼みます。聴衆の立場を具体的に指定するほど質問の質が上がります。出てきた質問に自分で声に出して答え、詰まった質問だけ「この質問への答えの骨子を一緒に整理して」と続けるのが効率的です。 答えの中身は自分の言葉と事実で ——AIの提案をそのまま覚えるのではなく、事実確認は必ず自分で行います。 ステップ5：時間を計り、超過分の「削る場所」を相談する 通し練習で時間を計り、超過していたら台本をAIに...

AIに商品を探してもらう時代から、 AIの画面の中でそのまま買う時代 へ——。米TechCrunchによると、Googleは2026年9月26日、インドで GeminiアプリとAI Mode（AI検索モード）の中にFlipkartの「購入」ボタン を表示するテストを始めました。AIとの対話画面を離れずに、そのまま決済まで進める仕組みです。小さな実験に見えて、「AIエージェントが買い物を代行する」流れを占う重要な一歩です。何が試されているのか、そして私たちの買い物がどう変わりうるのかを整理します。 何が始まったのか テストの対象はインドの一部ユーザー。GeminiやAI Modeで商品を探すと、EC大手 Flipkart （ウォルマート傘下）の一部商品に「購入」ボタンが表示され、タップすると Flipkartブランドのチェックアウト画面 に進みます。対象はスマートフォン・家電・モバイルアクセサリなどの一部商品。AIの画面から検索結果のリンクを踏んで店のサイトへ移動する、という従来の流れが丸ごと省略されるのがポイントです。 10月には拡大予定——インドの「祭りの買い物シーズン」前に TechCrunchによれば、Googleは10月により広い範囲への拡大を計画しています。インドでは10月〜11月にディワリを中心とする年間最大の商戦期が控えており、そこに間に合わせる形です。GoogleはFlipkartに2024年に約3.5億ドルを出資した少数株主でもあり、両社の関係は深い。Google自身は「ユーザーがビジネスを見つけ、つながる新しい方法を常にテストしている」と述べるにとどめています。 なぜ重要か——「エージェントコマース」の主導権争い この動きは単発ではありません。業界では エージェントコマース（AIエージェント経由の商取引） の標準化競争が同時進行しています。 Google は今年、AIエージェントと決済・EC側をつなぐオープン規格の整備を進めてきた（今回のテストはその実地版と見られる） Amazon は9月、セラー向けツールを外部AIエージェントに開放し、Claudeとの連携を発表 OpenAI もChatGPT内での購入完結機能を米国で先行的に展開してきた 「ユーザーがどのAIに相談するか」が「どの店で買うか」を左右し始めており、検...

プロジェクトマネジメントの国際団体PMI（Project Management Institute）が、AIプロジェクトの管理に特化した認定資格「 PMI-CPMAI （PMI Certified Professional in Managing AI）」を提供しています。PMP（プロジェクトマネジメント・プロフェッショナル）で知られるPMIの資格だけに、「AI×プロジェクト管理」という掛け合わせのキャリア証明として注目度が上がっています。本記事ではPMIの公式情報をもとに、試験の中身・日本語対応・準備の進め方を整理します。 PMI-CPMAIとは？ PMI-CPMAIは、 AIプロジェクトを立ち上げから運用まで管理する専門性 を証明する認定資格です。対象はプロジェクトマネージャーに限らず、データ・技術系の実務者、コンサルタント、AI導入を主導する立場の人まで幅広く設計されています。特徴的なのは、特定のベンダーやツールに依存しない ツール非依存（tool-agnostic） の方法論を扱う点です。クラウド資格のようにサービスの操作を問うのではなく、「AIプロジェクトをどう進めれば失敗しないか」という進め方そのものを問います。 試験の基本情報 正式名称 ：PMI Certified Professional in Managing AI（PMI-CPMAI）™ 形式 ：120問・160分 受験資格 ：実務経験の要件なし。経歴を問わず受験可能 言語 ： 日本語を含む多言語対応 （英語・日本語・韓国語・中国語・フランス語・ドイツ語など） 更新 ：3年ごとに30PDU（学習・登壇・執筆などの継続学習実績）が必要 受験費用は国や会員種別で変わり、PMI会員向けの割引があります。公式ページの表示価格を必ず確認してください。 出題の柱——CPMAI方法論の6フェーズ 試験は、AIプロジェクトを進めるための CPMAI方法論の6つのフェーズ に沿って構成されています。 ビジネス課題とAIの適合を見極める（そもそもAIでやるべきか） 必要なデータを特定する データの準備・整備を管理する 開発と提供を反復的に進める AIシステムをテスト・評価する 本番運用に乗せ、継続的に運用する 注目したいのは、最初のフェーズが「AIを使うか判断する」...

最近のAIサービスの料金表に、「月額○ドル」のほかに 「クレジット」 という言葉が増えてきました。MicrosoftのCopilot新機能は「月額＋クレジット消費」ですし、Googleも「月あたりのAIクレジット」を付与するプランを用意しています。動画生成や自律エージェントなど重い機能ほど、この方式が使われがちです。この記事では、AIクレジットとは何か、なぜ広がっているのか、そして「思わぬ請求」を避けるコツを、初心者向けにやさしく解説します。 AIクレジットとは？——「AI用のプリペイド残高」 AIクレジットは、 AI機能を使うたびに減っていくポイント（残高） です。ゲームセンターのコインや、プリペイドカードの残高をイメージすると近いでしょう。プランに月々のクレジットが含まれていて、画像を1枚作ると数クレジット、動画を1本作るとより多く、というように 機能の「重さ」に応じて消費量が変わる のが特徴です。使い切ると、翌月まで待つか、追加購入するか、機能が制限されます。 なぜ定額制だけでは済まなくなったのか チャットの往復程度なら、定額プランでも提供側のコストは読めます。ところが最近のAIは、 裏で何分も計算し続ける機能 が増えました。長い動画の生成、大量の資料を読む調査、そして放っておいても働き続けるエージェントなどです。ヘビーユーザーと軽いユーザーの差が極端に大きくなり、全員一律の定額では成り立たない——そこで「基本は定額、重い処理は使った分だけ」という二階建てが広がっています。 トークンとの違い AIの世界には「トークン」という単位もあります（API利用の課金単位で、文章の断片の数）。 トークンが「原材料の量り売り」だとすれば、クレジットは「メニュー価格」 です。一般ユーザー向けサービスは、内部のトークン消費や計算コストをまとめて「この操作は◯クレジット」という分かりやすい形に包み直しています。開発者でなければ、クレジットだけ理解すれば十分です。 実際の例（2026年9月時点） Microsoft Copilot ：企業向けは月額サブスクリプションが日常利用をカバーし、Cowork・Code・Autopilotのような重い機能は別途クレジットを消費する設計。消費レートは未公表 Google ：個人向けAIプランに月あたりのAIクレジット...

会社の文書・メール・会議にAIを組み込むなら、事実上の二択が「Microsoft 365 Copilot」と「Google WorkspaceのGemini」です。どちらも「いつものアプリの中でAIが働く」という点は同じですが、 料金の考え方と得意分野はかなり違います 。この記事では、公式情報をもとに両者の仕組みを比較し、どんなチームがどちらに向くかを整理します。※機能・料金は国・プラン・時期で変わります。導入時は必ず各社の公式ページと自社の管理画面を基準にしてください。 大前提——「どのオフィスを使っているか」が9割 両者は自社製品への統合が核なので、 WordやExcel中心の会社ならCopilot、GmailやスプレッドシートならGemini が基本線です。AIの性能差より「今の仕事道具との噛み合わせ」のほうが、日々の使い勝手を大きく左右します。乗り換えを伴う導入は移行コストが本体価格を超えがちです。 料金の考え方が違う Microsoft 365 Copilot ：Microsoft 365の対象プランに 追加 する形。1人あたり月30ドル（年契約基準）＋元のライセンス料。さらに2026年9月の刷新で、重い処理（Cowork・Code・Autopilot）は従量制クレジットを併用する設計に Google Workspace ：GeminiがBusiness Standard（月14ドル/人・年契約）などの プランに込み 。Gmail・ドキュメント・Meetの中のAI機能、Gemini Notebook、動画作成のVidsなどが含まれる ざっくり言えば「上乗せ課金のMicrosoft、込み価格のGoogle」。ただし為替・地域・キャンペーンで変わるため、正確な金額は見積もりで確認を。 Copilotの強み Word・Excel・PowerPoint・Outlook・Teamsの中で動き、組織の文書やメール（Microsoft Graph）を文脈として使える Researcher・Analystなどの既製エージェントと、Copilot Studioでの自作エージェント 2026年9月刷新で、常駐型エージェント「Autopilot」やアプリ生成「Code」へ拡張中 Windows・Edgeとの統合が深い Geminiの強み ...

「運動しなきゃ」と思いながら三日坊主——その原因の多くは、根性ではなく 計画の立て方 にあります。自分の体力・時間・環境に合わない計画は続きません。AIチャット（ChatGPT・Gemini・Claudeなど）は、あなたの条件を聞いたうえで現実的な運動計画を組み、記録に付き合い、翌月の調整までしてくれる「無料のプランニング相棒」になります。この記事では、AIで運動習慣をつくる6つのステップを紹介します。 始める前に——安全の大前提 AIはトレーナーでも医師でもありません。 持病・けが・妊娠中・長いブランクがある場合は、始める前に医師や専門家に相談 してください。運動中に痛みが出たら中止する——この判断はAIではなく自分で行います。AIの提案は「たたき台」として使うのが正しい距離感です。 ステップ1：前提条件をまとめて伝える 最初のメッセージに、①目的（健康維持・減量・体力づくりなど）②運動歴とブランク③使える時間（週何回・1回何分）④環境（自宅のみ・ジム・器具の有無）⑤避けたい種目や不安（膝が弱いなど）を書きます。 条件が具体的なほど、計画は現実的になります。 「週5で1時間」ではなく「平日夜に20分×3回が限界」と正直に書くのがコツです。 ステップ2：1週間の「最小プラン」を作らせる いきなり月間計画ではなく、まず1週間分だけ。「上の条件で、初心者向けの1週間の運動計画を、各日のメニュー・回数・休憩付きで表にして」と頼みます。ポイントは 「これなら余裕」と感じるくらい軽く始める こと。物足りなければ翌週増やせばよく、逆は挫折につながります。たとえば「月曜：スクワットと壁腕立て各10回×2セット、水曜：15分の早歩き、金曜：ストレッチ10分」程度の軽さで十分です。表にしてもらえば、冷蔵庫に貼る紙一枚のプランになります。 ステップ3：フォームの説明は「言葉＋動画」で確認 種目のやり方はAIに「初心者が間違えやすいポイント」を説明してもらうと参考になります。ただし AIはあなたの動きを見ていません 。フォームは公式の解説動画や鏡で確認し、違和感があれば回数より姿勢を優先します。 ステップ4：記録は「ざっくり」でいい 毎回の運動後に「今日はスクワット15×3、少しきつかった」程度を同じチャットに送っておきます。完璧なログは不要です。 「やった...

Microsoftが2026年9月25日、業務用AI「Copilot」の大規模な再設計を発表しました。新しいCopilotは「Home」「Code」「Autopilot」の3つの柱で構成され、なかでも注目は、組織の中に"常駐"して仕事を続ける自律型AIエージェント 「Autopilot」 です。チャットで質問に答えるAIから、プロジェクトを見守り続けるAIへ——この記事では、発表内容を整理し、私たちの働き方に何が変わりうるのかをやさしく解説します。 発表の全体像——3つの柱 Home ：従来のChat（チャット）とCowork（共同作業）を統合した入口。日々の質問・文書作成はここから Code ：言葉で説明するだけで、アプリやダッシュボードをCopilotが生成する機能 Autopilot ：組織のMicrosoft 365環境の中で動き続ける常駐型の自律エージェント Autopilotは何をしてくれる？ Autopilotは、これまで「Scout」と呼ばれていた機能の改名版です。特徴は、単発の指示に答えるのではなく、 固有の名前・記憶・作業スペースを持って組織に常駐する こと。プロジェクトの進捗を見守り、TeamsやOutlook、文書をまたいで社員とやり取りし、繰り返し作業を引き受け、時間が空いても作業を再開できます。 発表デモでは「Dot」という名前のエージェントが、メール・Teamsの議論・在庫データを集めてブラックフライデー準備の出荷問題を発見し、解決まで進める様子が示されました。CEOのサティア・ナデラ氏は「すべてのエージェントはアイデンティティを持ち、その行動は観察可能でなければならない」という趣旨を強調しています。 Code——アプリを「言葉で作る」 Codeでは、欲しいアプリやダッシュボードを言葉で説明すると、Copilotが実装を生成します。生成したアプリは Copilot Managed Runtime という仕組みで、組織のMicrosoft 365の管理境界の中でそのままホスティングされます。コードはGitでバージョン管理でき、外部ツール向けのSDKも用意されるとのこと。「作ったアプリの共有が、Word文書を保存して共有するくらい簡単になる」と担当役員は説明しています。 いつから使える？ ...

MicrosoftのAzure AI技術者向け資格が世代交代しました。長らく定番だった「AI-102（Azure AI Engineer Associate）」は2026年6月30日で引退し、後継として 「AI-103」 が登場しています。取得すると「Microsoft Certified: Azure AI Apps and Agents Developer Associate」という新しい認定が得られます。名前に「エージェント」が入ったことが象徴するように、中身も大きく様変わりしました。この記事では、AI-103の試験内容・日本語受験の可否・AI-102との違い・準備の進め方を、公式情報をもとに整理します。 AI-103はどんな資格？ AI-103は、Azure上でAIアプリケーションと AIエージェント を開発する技術者向けの中級（Associate）資格です。位置づけとしてはAI-102の後継ですが、単なる改訂版ではありません。旧試験がAzureの各種AIサービスを幅広く扱う内容だったのに対し、AI-103は 生成AIとエージェント開発を中心に据えた再設計 になっています。開発言語もPythonが前提と明記されました。 試験の基本情報 認定名 ：Microsoft Certified: Azure AI Apps and Agents Developer Associate レベル ：中級（Associate） 試験時間 ：120分（AI-102は100分だったので20分長い） 形式 ：監督付き試験。対話型（インタラクティブ）の設問が含まれる場合あり 言語 ： 日本語で受験可能 。英語・韓国語・中国語・ドイツ語・フランス語など計10言語 再受験 ：初回不合格の場合は24時間後から可能 受験料は国・地域によって異なります。Associate級の試験は米国で165ドル前後が目安ですが、申し込み時に公式ページで表示される金額を必ず確認してください。 出題範囲——エージェントが主役に 公式の学習ガイド（2026年8月11日更新）によると、出題は次の領域で構成されます。 Azure AIソリューションの計画と管理 生成AIとエージェント型ソリューションの実装 コンピュータービジョン（画像生成を含む） テキスト分析 情報抽出...

新しいAIが出るたびに「ベンチマークで過去最高」「〇〇テストで首位」という見出しが躍ります。でも、その「点数」が何を測っているのか説明できる人は多くありません。 AIベンチマークとは、モデルの能力を同じ条件で測るための共通テスト のこと。この記事では、代表的なベンチマークの種類と、点数を鵜呑みにしてはいけない理由を、専門知識なしで分かるように解説します。 ベンチマークとは「AIの共通模試」 人間の学力を模試で比べるように、AIモデルも共通の問題集を解かせて比べます。ポイントは 「同じ問題・同じ条件」 であること。各社が自由な基準で「うちのAIは賢い」と主張しても比較できないため、研究者や企業が公開の問題セットを作り、どのモデルも同じ土俵で測れるようにしたのがベンチマークです。 代表的な種類——何を測るかで分かれる 知識・推論系： 大学レベルの選択問題を大量に解かせる「MMLU」、専門家でも難しい科学問題の「GPQA」など。いわば学科試験です。 コーディング系： プログラムを書かせて動くか確認する「HumanEval」、実際のソフトウェアの不具合修正を試す「SWE-bench」など。実技試験にあたります。 数学系： 数学オリンピック級の問題を解かせるテスト。段階的な推論力を測ります。 人間の好み系： 2つのAIの回答を並べて人間投票で勝敗を決める「LMArena（旧Chatbot Arena）」。順位はレーティング（イロレート）で決まります。 落とし穴1：問題の「漏洩」——コンタミネーション ベンチマークの問題は公開されているものが多く、AIの学習データに 答えごと紛れ込んでしまう ことがあります。これはデータ汚染（コンタミネーション）と呼ばれ、「実力」ではなく「過去問の丸暗記」で高得点が出てしまう。新しいモデルほど古いベンチマークで高得点が出やすい理由のひとつです。 落とし穴2：満点近くなると差がつかない——飽和 優秀なモデルが増えると、既存のテストはほぼ満点だらけになり、差を測れなくなります。これが ベンチマークの飽和 です。だから毎年のように、より難しい新テストが作られます。「旧テストで95点と96点」の差には、ほとんど意味がないと考えてよいでしょう。 落とし穴3：点数のための最適化——「テスト対策」問題 「指標が目標になると、良い指標ではなくなる」と...

キーボードで打つ代わりに、AIと「話す」人が増えています。代表格が ChatGPTの音声モード と GoogleのGemini Live 。どちらも「話しかけると答えてくれるAI」ですが、得意分野は意外なほど違います。この記事では、両者の仕組みと使い勝手の違い、選び方の目安をベンダー中立で整理します。※機能の提供範囲は国・端末・プランによって異なります。 最終的にはお使いのアプリの画面が正 です。 ChatGPTの音声モード——「作業まで進む」会話 ChatGPTの音声会話は、2026年7月に登場した会話特化モデル「GPT-Live」を土台に強化されてきました。特徴は、音声のやり取りに テキストや図表などのリッチな表示が同時に出る ようになったこと、そして音声とテキストを行き来しながら そのまま作業に入れる ことです。2026年9月には、モバイルアプリで音声から文書作成やメール下書きといった仕事系のタスクを起動できる機能が有料プラン向けに広がりました。「話して終わり」ではなく「話した内容が成果物になる」方向に進化しています。 Gemini Live——「見せながら話せる」会話 Gemini Liveの武器は 目 です。スマホのカメラや画面を共有しながら会話できるため、「この書類のここが分からない」「今画面に出ているエラーは何？」といった 視覚込みの質問 に強い。Android端末では無料での提供が広がっており、Googleアプリや電話機能との連携も深まっています。こちらの話を途中で遮っても柔軟に対応してくれるため、会話のテンポは非常に自然で、「人と話している感覚」に近いのが持ち味です。 比較の軸1：会話の「その後」 話した内容をメール・文書・要約などの 成果物につなげたい ならChatGPTの音声モードが一歩先行しています。一方、会話そのものが目的——調べ物、相談、練習相手——なら両者の差は小さく、好みの問題になります。 比較の軸2：カメラと画面の共有 目の前のモノや画面を 見せながら 聞きたい場面が多いなら、Gemini Liveが便利です。料理中に手元を見せる、旅行先で看板を見せる、設定画面を見せながら操作を聞く——「言葉で説明しにくいもの」を扱う会話に向いています。 比較の軸3：エコシステムとの相性 Androidスマホ、特にPixelを使っているならGemi...

家計簿アプリを入れては三日坊主——を繰り返してきた人にこそ、AIチャットボットは向いています。ChatGPTやGemini、Claudeのような対話型AIは、レシートの山を「仕分けて、集計して、言葉で説明する」のが得意だからです。この記事では、 月1回・30分で回る家計管理の6ステップ を紹介します。特別なアプリは不要、無料プランでも始められます。 ステップ1：最初に「家計のルール」を渡す いきなり「節約方法を教えて」と聞くと一般論しか返ってきません。まず 自分の家計の前提 をまとめて伝えましょう。世帯人数、毎月の固定費（家賃・通信費・保険など）、変動費の項目、毎月の貯蓄目標。この前提を最初のメッセージで渡しておくと、以降のアドバイスが一気に「自分ごと」になります。メモリ機能のあるAIなら、翌月以降も覚えていてくれます。 ステップ2：支出データは「ざっくり」でいい 1円単位の入力を目指すと挫折します。銀行やカードのアプリで月の利用明細を眺めながら、 大きい順に10〜15項目だけ 書き出して貼り付けましょう。「食費 約4.5万」「サブスク 約8千」程度の粒度で十分。AIに「これを固定費と変動費に分けて、割合を表にして」と頼めば、仕分けと集計は数秒で終わります。 ステップ3：「先月との差分」だけ見る 家計管理で本当に見るべきは絶対額より変化です。先月の集計結果を貼って「 先月と比べて増えた項目と、考えられる理由を挙げて 」と聞くと、「外食費が1.2万円増。連休があった影響では？」といった具合に、振り返りの叩き台を作ってくれます。原因の当たり外れは自分で判断すればOK。考えるきっかけをもらうのが目的です。 ステップ4：固定費の「見直し候補」を挙げてもらう 節約効果が大きいのは日々の我慢より固定費の見直しです。サブスクの一覧を貼って「 3か月使っていないものはどれか」「重複している機能はないか 」を整理してもらったり、通信費や保険の一般的な見直しポイントを聞いたりしましょう。ただし具体的な金融商品や保険の乗り換え判断は、公式情報や専門家（ファイナンシャルプランナーなど）で確認するのが原則です。 ステップ5：来月の予算を「一緒に」決める 集計と振り返りが済んだら、「来月の変動費予算を項目別に提案して。ただし外食は月2回は削らない」のように 守りたい楽しみを条件に入れて 予算案...

「お店に電話して在庫を聞くだけなのに、なぜか気が重い」——そんな人に朗報かもしれません。Googleは2026年9月24日（現地時間）、AIアシスタントのGeminiが ユーザーの代わりにお店へ電話をかけて用件を済ませる新機能「Call for Me」 のテストを始めたと報じられました。まずは米国のPixel 11ユーザー向けの小規模な実験です。何ができて、どこまで任せられるのか、報道ベースで整理します。 「Call for Me」とは何か Call for Meは、Geminiが 実際に電話回線で店舗などに発信し、会話までこなす 機能です。報道によると、商品の在庫確認、予約やその変更、取り置きの依頼といった用件を任せられます。AIは電話の冒頭で自分がAIであることを名乗り、自動音声メニューの操作や 保留での待機 までこなした上で、相手と会話して結果を持ち帰ります。 使える人はまだ限定的 対象： 米国の Pixel 11 ユーザーで、有料のGeminiプランに加入している人 条件: Google電話アプリのベータ版が必要 規模： Google自身が「実世界の会話は繊細なので小規模から」と説明する実験段階 日本での提供は現時点でアナウンスされていません。ただGoogleはこの種の機能を米国で試してから広げる傾向があり、方向性を知っておく価値はあります。 発信は「自分の番号」から、監視と介入も可能 興味深いのは設計思想です。発信はデータセンターの匿名番号ではなく ユーザー本人の電話番号から 行われます。通話中はリアルタイムの文字起こしで内容を確認でき、 いつでも人間が会話を引き継げる 仕組みです。また、名前などの個人情報をAIが通話で使う場合は、事前にユーザーの承認が必要とされています。「全部お任せ」ではなく「見守りながら任せる」設計です。 実は10年近い積み重ねの上にある Googleは2018年に、AIが美容院に電話して予約する「Duplex」のデモで世界を驚かせました。その後も、保留を代わりに待つ「Hold for Me」、営業時間などを事前に調べる「Ask for Me」など、電話まわりのAI機能を少しずつ積み上げてきました。Call for Meは、その系譜の 「ついに会話全体を任せる」段階 にあたります。 何がうれしくて、何が心配か 電話が苦手な人...

AIを「作る」資格や「守る」資格は増えてきましたが、AIを 「正しく運用するルールを設計する」 ことに特化した国際資格があります。プライバシー専門家の国際団体IAPPが提供する AIGP（Artificial Intelligence Governance Professional） です。EU AI法をはじめ世界中でAI規制が動き出した今、法務・コンプライアンス・プロジェクト管理の分野で注目が高まっています。この記事では、公式情報をもとに費用・試験形式・取る価値を整理します。 AIGPとは？——「AIガバナンス」の専門資格 AIGPは、プライバシー資格CIPP/Eなどで知られる IAPP（国際プライバシー専門家協会） が提供する資格で、AIの開発から導入・運用までを 安全に、法令に沿って管理する能力 を証明します。技術者向けの実装資格ではなく、AIのリスク管理・法規制・倫理原則を横断的に扱うのが特徴です。ISACAのAI監査資格「AAIA」が「監査する側」の資格だとすれば、AIGPは 組織の中でAI利用のルールを作り、回す側 の資格と言えます。 試験の基本情報（公式ストア掲載） 受験料： 非会員 799米ドル／IAPP会員 649米ドル（初回の資格維持費を含む） 形式： 100問の選択式、試験時間2.75時間（途中15分の休憩あり） 受験方法： Pearson VUEのテストセンターまたは自宅からのオンライン監督試験 言語： 現時点では 英語のみ 有効期間： 合格翌日から2年間。維持には継続教育クレジット（CPE）20単位と維持費が必要 購入から1年以内に受験する必要がある点、更新時には非会員の場合250米ドルの維持費がかかる点も押さえておきましょう。為替や規定は変わるため、 申し込み前に必ずIAPP公式サイトで最新情報を確認 してください。 出題範囲——法律と実務の「あいだ」 公式のBody of Knowledge（出題範囲）は、おおむね次の領域をカバーします。 AIシステムの基礎・ユースケース・社会への影響 責任あるAIの原則（公平性・透明性・説明可能性など） 世界のAI関連法と規制の枠組み AIライフサイクル全体のガバナンスとリスク管理 今まさに議論が続く新しい論点 特定のクラウドやツールの操作は問われません。その分、 法規制の動向...

2026年9月15日、米サンフランシスコのスタートアップ TypeSafe AI が、新しいAIモデル 「Jev（ジェブ）」 を早期アクセスで公開しました。ChatGPTのような対話AIとは正反対の発想で、 文章を一切書かず、「判断」だけを0.1秒前後で返す ことを売りにしています。同社は自らこれを「System One（システム1）モデル」と呼んでいます。この記事では、公式発表と主要メディアの報道をもとに、Jevの仕組み・速さと安さの主張・限界をわかりやすく整理します。 発表の概要：元OpenAI研究者の新会社が2年の沈黙を破る 開発元 ：TypeSafe AI（2024年創業）。CEOのディオゴ・アルメイダ氏はOpenAIでInstructGPTやChatGPTの研究に携わった人物 公開 ：2026年9月15日、ウェイトリスト制の早期アクセス 資金 ：DCVC主導のシードラウンドで4,000万ドル（評価額2億ドルと報道） 位置づけ ：大規模言語モデル（LLM）ではなく、ソフトウェアが直接使うための「型付きの判断」を返すモデル アルメイダ氏は「モデルは何年も前から会話では超人的なのに、自動化はどこにあるのか」という問いが出発点だと語っています。 「システム1」とは？ 速い思考だけに特化したAI 名前の由来は、心理学者カーネマンの 「システム1（速く直感的な思考）／システム2（遅く熟考する思考）」 です。最近のAIは「考えてから答える」推論モデルのように、システム2の方向へ進化してきました。Jevはその逆で、 「この問い合わせは返金対応か、技術サポートか」「このコメントは安全か」 といった、短い判断を大量に、瞬時にこなすことに特化しています。 仕組み：文章ではなく「選択肢と確率」を返す Jevへの入力は、状況を表す state（テキストやJSON） と、あらかじめ型が決められた questions（問い） の組み合わせです。問いの型は3種類だけです。 Choice ：最大255個の選択肢から1つを選ぶ（分類・振り分け） Score ：2〜10段階の尺度上の位置を返す（評価・優先度付け） Noul ：「はい／いいえ」を0〜1の確率で返す（判定） 答えには 各選択肢の確率と、自信度（confidence） が付きます。LLMのよ...

SNSで見かける不自然なAI画像、どこかで読んだような文章の寄せ集めサイト、自動生成された動画の洪水——こうした 低品質な大量生産AIコンテンツ を指す言葉が「AIスロップ（AI slop）」です。slopはもともと「豚の残飯」を意味する英語で、2024年ごろからネットスラングとして急速に広まり、 米メリアム・ウェブスター辞典は2025年の「今年の言葉」に slop を選出 、オーストラリアのマッコーリー辞典も同年「AI slop」を今年の言葉に選びました。この記事では、スロップとは何か、なぜ増えるのか、どう見分けるかを整理します。 AIスロップの定義——「AI製」ではなく「雑」が問題 スロップの本質は、AIで作られたことではなく、 品質や正確さへの配慮なしに、量産と閲覧数だけを目的に垂れ流されること にあります。丁寧に作られたAI活用コンテンツはスロップとは呼ばれません。逆に、事実確認なし・出典なし・人の目によるチェックなしで量産された記事や画像は、たとえ見た目が整っていてもスロップです。 なぜここまで増えたのか 生成コストがほぼゼロになった ：数分で記事や画像が量産できるため、質より量の戦略が成立してしまう 広告収入と再生数のインセンティブ ：閲覧されれば内容が空でも収益になる仕組みが、量産を後押しする アルゴリズムとの相性 ：目を引く画像や感情を煽る見出しは拡散されやすく、品質は拡散の条件ではない どんな形で現れるか SNSでバズを狙う不自然なAI画像・動画 検索結果に紛れ込む、中身の薄い自動生成記事サイト 実在しない著者による粗製乱造の電子書籍 AIが書いたレビューやコメントの大量投稿 何が問題なのか 第一に、 検索や SNS の情報の質が下がり 、本当に役立つ情報にたどり着きにくくなります。第二に、誤情報がもっともらしい見た目で拡散します。第三に、丁寧に作る書き手や制作者が埋もれ、コンテンツ経済全体が痩せていきます。そして見過ごせないのが 「モデル崩壊」のリスク です。ネット上のスロップが将来のAIの学習データに混ざると、AIの品質そのものが劣化していく懸念が研究者から指摘されています。 スロップを見分ける4つのチェック 出典・著者を確認する ：誰が書いたか不明、出典ゼロ、運営者情報なし——は警戒信号 具...

「AIに商品を探してもらう」買い物のかたちが、2026年に入って一気に現実味を帯びてきました。Amazonの「Rufus」、ChatGPTのショッピング機能、GoogleのGemini、AI検索のPerplexity——それぞれ性格がかなり違います。この記事では、AIショッピングアシスタントを 4つのタイプに分けて 、どんな人がどれを使うと便利かを整理します。特定サービスの宣伝ではなく、選ぶための考え方を中心にまとめました。 タイプ1：ショッピングサイト内蔵型（Amazon Rufus） RufusはAmazonのアプリ・サイトに組み込まれたAIアシスタントです。「初心者向けのテントはどれ？」のような曖昧な質問から、商品ページの内容やレビューの要約まで、 Amazonの中で完結する のが特徴です。買う場所がほぼAmazonに決まっている人には最短ルートですが、比較対象もAmazon内の商品が中心になる点は意識しておきたいところです。 タイプ2：汎用AIチャットのショッピング機能（ChatGPT・Gemini） ChatGPTは対話しながら候補を絞り込む商品リサーチが得意で、用途や予算を伝えると選択肢と理由を整理してくれます。GeminiはGoogleショッピングの商品情報と連動し、価格の動きの追跡など 「探す・比べる」段階 で力を発揮します。どちらも特定モールに縛られない一方、最終的な購入は販売サイトで行う形が基本です。提供機能は国・アカウント・プランによって差があるため、手元の画面で確認するのが確実です。 タイプ3：AI検索型（Perplexity） Perplexityは出典を示しながら答えるAI検索で、有料プラン向けにショッピング機能を展開してきました。 「この製品カテゴリの選び方自体を調べたい」 という下調べ段階に強く、レビュー記事や比較記事を横断して整理してくれます。パワーユーザー寄りのツールという位置づけです。 タイプ4：ブラウザ連携型（Copilotなど） MicrosoftのCopilotはEdgeブラウザやWindowsに組み込まれ、見ているページの文脈で質問できるのが持ち味です。ふだんの調べものの延長で「このページの商品、どう思う？」と聞ける気軽さがあります。 選び方——3つの質問で決まる どこで買うことが多い？ ...

「今晩なに作ろう」を毎日ゼロから考えるのは、地味に消耗する仕事です。AIチャット（ChatGPT・Gemini・Claudeなど）は、この 献立決め→買い物リスト作成 の流れを一気に短縮するのが得意です。この記事では、AIに一週間分の献立を組んでもらい、そのまま買い物リストまで落とし込む6ステップを紹介します。作り置き派にも、毎日ちょっとずつ作る派にも応用できます。 ステップ1：条件を先に全部渡す いきなり「一週間の献立を作って」と頼むと、家庭の事情に合わない一般論が返ってきます。最初に 前提条件をまとめて伝える のがコツです。 人数と年齢層（例：大人2人・小学生1人） 避けたい食材・アレルギー（これは後で必ず自分でも確認） 予算感と、平日にかけられる調理時間（例：平日は30分以内） 使いたい調理器具（炊飯器・電子レンジ・フライパンだけ、など） ステップ2：冷蔵庫の在庫から始める 冷蔵庫や食品棚にあるものを箇条書きで伝えると、 「あるものを使い切る」前提 で献立を組んでくれます。スマホで冷蔵庫の中の写真を撮って読み込ませる方法もあります（画像対応のAIの場合）。「賞味期限が近いものから優先して」と一言添えると、使い切る順番まで考えてくれます。食材ロスが減るので、節約効果はここが一番大きいところです。連休明けで残り物が多い週は、残り物リストを最優先で渡すと消費計画ごと組んでくれます。 ステップ3：一週間の「枠」を先に決めてもらう いきなり7日分の完成形を求めず、まず 枠組み を出してもらいます。「月曜は魚、火曜は丼もの、金曜は麺類、週末は少し手の込んだもの」といった骨組みです。枠に納得してから中身を埋めてもらうと、後の手直しが激減します。 ステップ4：食材が重なるように調整させる ここがAI活用の核心です。「 買い物の品目数が最小になるように、食材を使い回して 」と指示すると、キャベツ半玉を3日で使い切る、鶏もも肉をまとめ買いして2品に展開する、といった調整をしてくれます。気に入らない日だけ「木曜を別の案に」とピンポイントで差し替えられるのもAIならではです。 ステップ5：買い物リストに変換する 献立が固まったら「この献立の買い物リストを、 野菜・肉魚・調味料などスーパーの売り場別に まとめて」と頼みます。分量も併記させると買...

Amazonが2026年9月23日、セラー（出品者）向けAIアシスタント「Seller Assistant」の大幅強化と、セラーのデータを 外部のAIエージェントに接続するプラグイン の提供開始を発表しました。強化されたアシスタントはAmazon BedrockとAnthropicのClaudeモデルの上に構築され、24時間動き続ける「ワークフロー」機能も加わりました。エージェント型AIが実際の商売の現場に入り込む象徴的なニュースなので、発表内容を整理して解説します。 発表の要点 Seller Assistantの強化 ：セラーごとの価格設定パターン・在庫サイクル・成長目標を記憶する持続メモリを搭載 ワークフロー機能 ：補充や価格調整といった定型業務を、セラーがオフラインの間も24時間監視・実行 プラグイン提供開始 ：Amazon Quick向けは米国セラーに一般提供、AnthropicのClaude向けはベータ提供 基盤 ：Amazon Bedrock上でClaudeモデルを使用。データはAmazonのインフラ内にとどまり外部共有されない Seller Assistantは何ができるようになったか 強化版は、在庫・広告・商品リスト・コンプライアンスといった 領域をまたいだ推論 ができる点が特徴です。たとえば在庫の状況と広告の成果を突き合わせて、次の一手を提案する、といった動きです。提案には理由の説明が付き、シナリオを試算する「キャンバス」機能も用意されました。Amazonによれば、セラーはアシスタントの提案を9割以上の割合で受け入れているとのことです（この数字は同社の発表値です）。 「ワークフロー」——寝ている間も動く自動化 今回の目玉であるワークフローは、 条件を監視し続けて、決めておいた業務を自動実行する 仕組みです。アカウント健全性の監視、注文サマリー、価格分析、商品展開などのテンプレートが用意されています。重要なのは、 セラー自身がガードレール（制約）を設定し、重要なアクションには承認を必須にできる 点です。完全放任ではなく、監査証跡（何をしたかの記録)も残る設計になっています。 外部AIエージェントへの開放が意味すること これまでセラーが自分の販売データをChatGPTなどの外部AIで分析したければ、データを手作業でコピ...

データ基盤の会社として知られるDatabricksが、生成AIアプリを作る人向けの認定資格「 Databricks Certified Generative AI Engineer Associate 」を提供しています。RAGやベクトル検索といった、いま企業の現場でもっとも需要が高い技術を正面から問う試験で、しかも 日本語で受験できます 。この記事では、費用・出題形式・出題範囲・準備方法を、公式情報にもとづいて整理します。 どんな資格？——「生成AIアプリを作れる人」の証明 この資格は、Databricksのプラットフォーム上で生成AIアプリケーションを設計・開発・運用するスキルを証明するものです。AWSの「AI Practitioner」やGoogle Cloudの「生成AIリーダー」が 知識の入門資格 であるのに対し、こちらは 手を動かして作る側 の資格という位置づけです。プロンプト設計、RAG（検索拡張生成）の構築、モデルのデプロイ、ガバナンスまで、生成AIアプリ開発の一連の流れが試験範囲に入っています。 費用と出題形式 受験料 ：200ドル（再受験も同額） 問題数 ：採点対象45問（統計目的の未採点問題が追加される場合あり） 形式 ：選択式（多肢選択） 試験時間 ：90分 受験方法 ：オンライン監督付き、またはテストセンター 有効期限 ：2年（維持には再認定が必要） 前提条件 ：なし（関連トレーニングの受講が強く推奨） 公式には「試験ガイドに示されたタスクを6か月以上実務で経験していること」が推奨されています。前提資格は不要なので、いきなりこの試験から受けることもできます。 日本語で受験できる 試験は英語のほか、 日本語・韓国語・ポルトガル語（ブラジル） で提供されています。クラウド系の資格では英語のみの試験も少なくないなか、日本語で受けられるのは大きな安心材料です。ただし、Databricksのドキュメントや教材は英語が中心なので、学習段階ではある程度英語に触れることになります。 出題範囲——6つのドメインと配点 アプリケーション設計 ：14% データ準備 ：14% アプリケーション開発 ：30% アプリの組み立てとデプロイ ：22% ガバナンス ：8% 評価とモニタリング ：12% 配点を見ると...

AIの学習には大量のデータが要る——ここまでは有名な話です。ところが近年のAI開発では、 実在しないデータ、つまり機械が作った「合成データ（シンセティックデータ）」 で学習する場面が急速に増えています。実際に起きていない会話、撮影されていない画像、存在しない患者の記録。なぜわざわざ「作り物」で学ばせるのか、どう作るのか、何が危ないのか。今日はこの仕組みをやさしく解説します。 合成データとは何か 合成データとは、 現実の観測から集めたのではなく、プログラムやAIが人工的に生成した学習用データ のことです。ポイントは「デタラメ」ではないこと。現実のデータと同じ統計的な性質——分布・パターン・相関——を持つように設計されます。例えるなら、実在の顧客名簿の代わりに、「年齢構成も購買傾向も本物そっくりだが、一人も実在しない」名簿を作るイメージです。 なぜ「作り物」で学習させるのか プライバシー ：医療記録や金融取引は本物を使いにくい。実在しない患者のデータなら個人情報流出の心配が減る データ不足 ：高品質な実データはもう採り尽くされつつあり、「Web上のテキストが足りない」問題への対策になる レアケースの補強 ：自動運転の「猛吹雪で子どもが飛び出す」ような、現実では滅多に起きない（起こしてはいけない）場面を大量に用意できる コスト ：人手でラベル付けするより、生成した方が速くて安い場合が多い どうやって作るのか——大きく2系統 一つは ルール・シミュレーション型 。物理エンジンやゲームエンジンの中に仮想の街を作り、そこで走らせた映像をデータにする方法です。自動運転やロボットの訓練で主流です。もう一つは 生成AI型 。既存の大規模モデルに問題と模範解答のペアを作らせ、それを新しいモデルの教材にする方法で、いまの言語モデル開発では広く使われています。「大きいAIが小さいAIの教師になる」構図は、モデル蒸留とも深く関係します。 どこで使われているか 自動運転（危険場面の再現）、医療（希少疾患データの補完）、金融（不正取引パターンの訓練）、ロボット（仮想空間での動作練習）、そして言語モデルの推論力強化。 「本物が少ない・使えない・危ない」分野ほど合成データの出番が多い と覚えると整理しやすいでしょう。 リスク——「モデル崩壊」と偏りの増幅 良い...

「前に話したことを覚えていてくれる」——2026年のAIアシスタントは、ChatGPT・Gemini・Claudeのいずれも何らかの 記憶（メモリー）機能 を備えるようになりました。便利さの一方で、「何をどこまで覚えられているのか分からない」という不安も生みやすい機能です。この記事では3サービスの記憶機能の考え方の違いと、確認・削除・オフの管理方法を比較します。※機能名やメニューの位置は更新が速く、 国・アカウント種別・プランで提供範囲が異なります 。最終確認は各サービスの設定画面でどうぞ。 そもそも「記憶機能」とは何か 大きく2種類に分かれます。①ユーザーが伝えた事実や好みを 要点として保存 するもの（「関西在住」「回答は簡潔に」など）、② 過去のチャット履歴を参照 して文脈を引き継ぐもの。多くのサービスはこの2つを組み合わせています。記憶はモデル自体が学習するのではなく、会話のたびに参照される「メモ帳」に近い仕組みです。 ChatGPT——保存メモリー＋履歴参照の二段構え ChatGPTは保存された記憶（明示的なメモ）と、過去チャット参照の組み合わせです。設定のパーソナライズ項目から 保存内容の一覧表示・個別削除・全体オフ ができます。覚えさせたくない会話には 一時チャット （履歴にも記憶にも残らないモード）が用意されています。「これを覚えて」「これは忘れて」と会話内で直接指示できるのも特徴です。 Gemini——Google流の「個人文脈」型 Geminiはユーザーが伝えた好みや事情を記憶する機能に加え、GmailやドライブなどGoogleサービスの情報を参照する より深い個人化 を段階的に展開しています。この深い連携は個人アカウント向けで、 職場・学校アカウントや一部地域では使えない など提供条件の差が大きいのが現状です。管理は設定のメモリー項目から確認・削除・オフができます。 Claude——「自分について知られていること」を直接編集 Claudeは、あなたについて把握している内容を 要約として表示し、その場で編集できる 設計が特徴です。記憶を一時停止する、リセットする、といった操作も設定から行えます。記憶に残したくない会話には シークレットチャット があり、履歴にも記憶にも反映されません。プロジェクト単位で記憶を分ける使い方ができ...

実家のアルバムに眠っている、色あせた写真や折り目のついた白黒写真。いまのAIは、こうした古い写真の 傷やシミの除去、ぼやけの補正、白黒のカラー化 までを数分でこなします。ただし、やり方を間違えると「別人の顔」になってしまうのがこの作業の落とし穴。この記事では、家族写真を安全に復元するための6ステップと注意点を整理します。 ステップ1：まず「原本のデジタル化」から 復元の質は元データで決まります。スキャナーがあれば最高解像度で、なければスマホで撮影します。撮影のコツは3つ。 真上から垂直に 撮る（斜めだと歪む） 照明の映り込みを避ける（窓際の自然光が無難） アルバムから無理に剥がさない（破損リスクの方が大きい） この時点のファイルが「原本」です。以後の加工はすべてコピーに対して行い、 原本は絶対に上書きしない のが鉄則です。 ステップ2：道具を選ぶ——専用ツールか、汎用AIか 選択肢は大きく2系統あります。写真アプリや編集ソフトに入っている 修復専用機能 （傷除去・カラー化に特化）と、ChatGPTやGeminiのような 画像編集に対応した汎用AI （指示を文章で出せる）です。傷やシミの除去だけなら専用機能が手堅く、「背景はそのまま、顔の傷だけ消して」のような細かい注文は汎用AIが得意です。まず無料で試し、仕上がりで選べば十分です。 ステップ3：指示は「直すな、消すだけ」が基本 汎用AIに任せる場合、プロンプトの基本形はこうです。 「 傷・シミ・折り目だけを除去 してください。顔立ち・表情・背景は変えないでください」 カラー化は別の回に分けて依頼する（一度に頼むと変化が大きくなりやすい） 「きれいにして」とだけ頼むと、AIは足りない部分を想像で描き足します。 復元と創作の境界を指示で明確にする のがコツです。 ステップ4：仕上がりは「顔」を最優先で検証 AIは欠けた部分を推測で補うため、目元や口元が微妙に変わり、 「似ているけど別人」になることがあります 。原本と並べて、顔・手・文字（看板や日付など）を拡大比較してください。家族に見てもらうのが実は最強の検証です。違和感があれば、補正の強度を下げるか、その部分だけ原本のままにします。 ステップ5：カラー化は「推定色」と理解して使う 白黒写真のカラー化は、AIが「たぶん...

2026年9月23日、Googleが新しい音声生成AI「 Gemini 3.8 Flash TTS 」と軽量版「 Gemini 3.8 Flash-Lite TTS 」を発表しました。最大の特徴は、声を「選ぶ」のではなく 文章で説明して作れる こと。そして30秒のサンプルから本人の声を複製できる機能が、同意の録音とAI透かしをセットにした設計で提供されることです。発表内容を公式情報ベースで整理します。 何が発表されたのか 今回の発表は音声合成（テキスト読み上げ、TTS）モデルの新版2つです。標準版のFlash TTSと、より安価・高速なFlash-Lite TTSという構成で、開発者向けにはGemini APIとGoogle AI Studioで即日利用可能になりました。一般ユーザー向けには、Flash TTSがGeminiのノートブック機能に、Flash-Lite TTSが動画作成ツールのGoogle Vidsに順次組み込まれます。 「文章で声をデザインする」とは 従来のTTSは、用意された声のリストから選ぶ方式が主流でした。新モデルでは 「低めで落ち着いた、ゆっくり話す関西弁のナレーター」のように自然言語で指定 して、その説明に合う声を生成できます。対応は100以上の言語・方言で、すぐ使える制作済みの声も2,000種類以上用意されています。台本の行ごとに「ここは早口で」「ここは囁くように」と演技指示を付けられる点も、朗読やポッドキャスト制作に向いた設計です。 30秒で声を複製——ただし同意が前提 注目の声複製（ボイスクローン）機能は、 30秒の音声サンプル から本人そっくりの声を作れます。ただし無条件ではありません。 声の持ち主による 同意の口頭録音 が事前に必要 生成された全音声に、聞いても分からない透かし SynthID が埋め込まれる 複製音声には出所情報（C2PA）が付与される 米国の一部州（イリノイ・テキサス）や EEA・英国・スイス・インドでは声複製機能は提供されない 音声クローン詐欺が社会問題になっている中で、「作れる技術」と「悪用を防ぐ仕組み」を最初からセットにした形です。 性能はどのくらい？——ベンチマークは「自社発表」 Googleは、外部機関Hume AIの音声デザイン評価でFlash TTSが首位（7...

クラウド大手3社の中で最大手のAWSにも、生成AI時代の「入門資格」があります。 AWS認定AIプラクティショナー（AWS Certified AI Practitioner、試験コードAIF-C01） です。エンジニア専用ではなく、営業・企画・マネジメント層も対象にした基礎レベルの認定で、AI・機械学習・生成AIの考え方とAWSサービスでの活用を問います。この記事では、費用・出題形式・日本語対応・準備方法を公式情報ベースで整理します。 AWS認定AIプラクティショナーとは AWS認定の中で最も入門的な「Foundational（基礎）」レベルに位置する資格です。コードを書く実技試験ではなく、 概念と使いどころの理解 を問う選択式の試験で、AIプロジェクトに関わるビジネス職にも門戸が開かれています。同じ基礎レベルには定番のクラウドプラクティショナーがあり、その「AI版」と考えると分かりやすいでしょう。 試験の基本情報（費用・時間・問題数） 試験コード ：AIF-C01 受験料 ：100米ドル（為替により円換算は変動） 試験時間 ：90分 問題数 ：65問 有効期間 ：3年（再認定で更新） 受験方法 ：テストセンターまたはオンライン監督試験 基礎レベルだけあって、受験料は上位資格よりも安く設定されています。 日本語で受験できる？ できます。公式の対応言語には 日本語 が含まれており、英語・韓国語・中国語など計12言語で提供されています。問題文の翻訳品質も安定しているため、英語に不安があっても挑戦しやすい試験です。 出題範囲——5つのドメイン 公式の試験ガイドでは、おおむね次の5領域から出題されます。 AI・機械学習の基礎概念 生成AIの基礎 基盤モデル（ファウンデーションモデル）の活用 責任あるAIのガイドライン AIソリューションのセキュリティ・コンプライアンス・ガバナンス 特徴的なのは、生成AIと基盤モデルの比重が大きいこと。プロンプトの考え方、RAG、ファインチューニングの使い分けといった「今どき」の論点が正面から問われます。 前提条件と向いている人 受験の前提資格はありません。AWSにまったく触れたことがない場合は、無料のデジタル教材（AWS Skill Builder）で基礎講座から始めるのが公式...

画像生成AIに「夕焼けの海辺を歩く猫」と頼むと、数十秒でそれらしい絵が出てきます。あの仕組みの心臓部が 拡散モデル（ディフュージョンモデル） です。名前は難しそうですが、原理は「砂嵐のようなノイズから、少しずつ絵を掘り出していく」という一つのアイデアに尽きます。この記事では、数式を使わずにその仕組みと、なぜこの方式が画像生成の主流になったのかを解説します。 基本アイデア：壊し方を学べば、直し方が分かる 拡散モデルの訓練は少し変わっています。まず本物の写真に 少しずつノイズ（ざらざらの乱れ）を足していき 、最後には完全な砂嵐にしてしまいます。AIに学ばせるのはその逆再生、つまり「このノイズだらけの画像から、一段階だけノイズを取り除くとどうなるか」です。壊れていく過程を大量に見せることで、 直し方（ノイズの取り除き方） を身につけさせるわけです。 生成のとき：砂嵐から始めて何十回も「除去」する 絵を作るときは、完全にランダムな砂嵐からスタートします。そこに訓練済みの「ノイズ除去」を何十回も繰り返し適用すると、砂嵐の中から輪郭が浮かび、質感が乗り、最終的に一枚の絵に収束します。彫刻家が石の塊から像を掘り出す作業に近いイメージです。一発で完成品を出すのではなく、 段階的に精度を上げていく のが拡散方式の本質です。 プロンプトはどう効くのか——「条件付け」の仕組み 「夕焼けの海辺の猫」という指示は、各ステップのノイズ除去に 方向付け（条件付け） として渡されます。テキストを数値の表現に変換し、「この方向の絵になるようにノイズを取り除け」と毎回ささやき続けるイメージです。だからプロンプトを変えると、同じ砂嵐から全く違う絵が掘り出されます。 なぜ主流になったのか——多様性と品質の両立 拡散モデル以前にも画像生成の方式はありました（GANなど）。拡散方式が勝った理由は主に3つです。 ①出力が多様 （同じ指示でも毎回違う絵が出る）、 ②品質が安定 （訓練が破綻しにくい）、 ③条件付けが柔軟 （テキストだけでなく、下絵や構図指定でも誘導できる）。現在の主要な画像生成サービスの多くが、この系統の技術を土台にしています。 「潜在拡散」——計算を軽くする工夫 写真のピクセル全部にノイズ除去を繰り返すのは計算量が膨大です。そこで現在の主流は、画像をいったん 圧縮された特徴の空間（潜在空間） に...