アシスタント（ユースケース）に関するニュース一覧

Googleは9月18日、Webブラウザ「Chrome」に自社のAIモデル「Gemini」を統合する、史上最大級のアップデートを発表しました。これにより、複数タブ情報の要約やアドレスバーからのAI検索が可能になります。将来的には面倒な作業を自動化するエージェント機能も導入し、ユーザーの生産性を飛躍的に高めることを目指します。 新たに搭載される「Gemini in Chrome」は、ブラウザの強力なAIアシスタントとして機能します。例えば、調査のために開いた多数のタブの内容を横断的に比較・要約させ、旅行の旅程作成や商品の比較検討といった作業を効率化します。これにより、情報収集にかかる時間を大幅に短縮できるでしょう。 アドレスバー（オムニボックス）もAIで強化されます。Google検索の「AIモード」が統合され、より長く複雑な質問を直接入力できるようになります。また、閲覧中のページ内容に基づいた関連質問が提案され、ページを離れることなく、サイドパネルでAIによる回答を確認できます。 最も注目されるのが、数ヶ月以内に導入予定の「エージェント機能」です。これは、ユーザーの指示に基づき、食料品の注文や散髪の予約といった複数ステップのタスクをChromeが自律的に実行する機能です。面倒な日常業務をAIに任せる未来が近づいています。 Geminiは、カレンダーやYouTube、マップといった他のGoogleアプリとも深く連携します。これにより、閲覧中のページから離れることなく会議の予定調整や動画内の特定場面の検索が可能になります。また、過去に閲覧したページを曖昧な記憶から探し出す機能も追加される予定です。 AIはセキュリティ強化にも活用されます。オンデバイスAIモデル「Gemini Nano」を用いて、巧妙化するフィッシング詐欺や偽のウイルス警告を検知・ブロックします。さらに、パスワードが漏洩した際には、対応サイトでワンクリックでパスワードを自動変更する機能も近日中に追加されます。 これらの新機能は、まず米国のMacおよびWindowsユーザー（言語設定が英語）向けに提供が開始されます。その後、モバイル版（Android/iOS）や他の国・言語へも順次展開される計画です。企業向けにはGoogle Workspaceを通じて提供されます。

Googleは9月18日、対話型AI「Gemini」で作成したカスタムAIアシスタント「Gems」を他者と共有できる新機能を発表しました。Google Driveのファイル共有と同様の操作で、リンクを通じて友人や同僚に共有できます。共有相手の閲覧・編集権限も設定可能で、共同プロジェクトの生産性向上を目指します。 この共有機能の最大の利点は、生産性の向上にあります。例えば、チーム内で同じようなカスタムAIを各々が作成する手間が省けます。全員が同じAIリソースを共有することで、業務の一貫性を保ち、指示のばらつきを防ぐことが可能になります。これまで個人利用が中心だったカスタムAIの活用法が大きく変わるかもしれません。 具体的な活用例として、Googleは家族での休暇計画ガイドの共有や、チームでの共同執筆プロジェクトなどを挙げています。特定の目的に合わせて最適化されたAIを共有することで、情報収集やアイデア出しといった作業を効率化できます。ビジネスシーンだけでなく、プライベートでの利用も想定されています。 Gemsを共有するには、ウェブアプリのGemマネージャーを開き、共有したいGemの隣にある「共有」アイコンをクリックします。Google Driveと同様に、共有相手がGemを閲覧・使用できるだけか、編集も許可するかといった権限を細かく設定することが可能です。これにより、安全な情報共有が実現します。 Gemsは当初、有料版「Gemini Advanced」の機能として提供されていましたが、2025年3月にはファイルアップロード機能と共に全ユーザーに開放されました。今回の共有機能の追加により、Gemsの利便性はさらに高まり、AIアシスタントの共同開発や活用がより身近になるでしょう。

米Zoomは9月17日、ビデオ会議サービス「Zoom」に革新的なAI機能を導入すると発表しました。特に注目されるのは、フォトリアリスティックなAIアバターとリアルタイム音声翻訳機能です。これらの機能は12月以降、順次提供が開始されます。経営層やエンジニアは、国際的なコミュニケーションの円滑化と、リモートワークにおける生産性向上を直ちに享受できる見込みです。

AIアバター機能は、ユーザーがカメラに映る準備ができていない場合でも、プロフェッショナルな見た目をAIが生成し、会議に出席できるようにします。ユーザーは自身の写真をもとに分身を作成し、AIが実際の動きや発言をリアルタイムで追跡します。これにより、場所を選ばず、常に高いクオリティで会議に参加することが可能となります。

なりすましや不正利用の懸念に対し、Zoomは万全の対策を講じます。アップロードされた画像が本人であることを確認するため、ライブカメラ認証を実施する方針です。また、会議参加者には、その参加者がAIアバターを利用している旨の通知が明示されます。セキュリティと倫理的な配慮を両立させる仕組みです。

もう一つの重要なアップデートが、リアルタイム音声翻訳です。AIが話者の発言を即座に翻訳し、参加者は自らが選択した言語で音声を聞くことができます。現時点で日本語を含む9言語に対応しており、グローバルなチーム間での言語の壁を事実上撤廃し、シームレスなコミュニケーションを実現します。

さらに、AIアシスタント機能も大きく進化します。会議のスケジュール調整などに加え、アシスタントをMicrosoft TeamsやGoogle Meetといった他社プラットフォームでの対面会議に「同行」させ、自動でメモを取らせることが可能となります。これは、Zoomが単なる会議ツールを超え、統合的な生産性エージェントへと進化していることを示します。

Streamlabsは先日、NVIDIA RTX技術によって加速される「Intelligent Streaming Agent」を発表しました。このAIアシスタントは、ライブストリーマーが抱える「エンターテイナー、プロデューサー、ゲーマー」という多重業務の負担を軽減し、視聴者とのコミュニケーションというコアな活動に集中することを目的としています。この技術は、エージェントAIがリアルタイムで高度なタスクを代行する、生産性向上ソリューションの新たな事例として注目されます。

エージェントは主に3つの役割を果たします。第一に共同ホスト（Co-host）として、チャットが静かな際に3Dアバターが会話を繋いだり、視聴者の質問に答えたりします。これにより配信者はゲーム画面から離れる必要がありません。第二にプロデューサーとして、シーンの自動切替や音声・映像キューの実行を担い、複雑な制作作業をカスタマイズ可能なトリガーに基づいて自動化します。

さらに、このAIエージェントは技術アシスタントとしての役割も兼ね備え、ユーザーが直面するトラブルシューティングを支援します。特筆すべきは、NVIDIA GeForce RTX GPUによって加速されるリアルタイムビジョンモデルを活用している点です。これにより、ゲーム内での勝敗や体力低下などのイベントを瞬時に検出し、すべてをローカルで処理することで、極めて低遅延な応答性とシームレスな操作性を実現しています。

Streamlabsは長年、NVIDIAとともにエンコーディング技術やBroadcastアプリなどを通じて配信の敷居を下げてきました。今回のインテリジェント・エージェントは、その進化の集大成です。特に新人ストリーマーにとって、複雑な制作知識や高価な機材なしにプロフェッショナルな品質の配信が可能となります。このAI活用事例は、あらゆる分野で専門家レベルの業務代行が可能になるエージェントAI時代の到来を強く示唆しています。

ボイスAIを活用した市場調査スタートアップKeplarは、シードラウンドで340万ドルの資金調達を発表しました。Kleiner Perkinsが主導したこの調達は、高コストで数週間かかる従来の市場調査を、AIの力で高速かつ低コストに代替する同社の潜在能力を評価したものです。AIは顧客インサイト収集のあり方を根本的に変革し始めています。

Keplarのプラットフォームは、企業が数分で調査を設定し、質問をインタビューガイドに変換します。AIボイスアシスタントが直接顧客に接触し、製品の好みや不満点について掘り下げた質問（プローブ質問）を行います。この迅速な自動化により、従来の調査プロセスと比較し、費用と時間の両面で大きな優位性を実現しています。

このサービスが成立するのは、大規模言語モデル（LLM）の進化によるものです。KeplarのボイスAIは、非常に自然な会話を実現しており、参加者の中にはAIを「Ellie」や「Ryan」といった名前で呼ぶ人もいるほどです。この人間と区別がつかないほどの対話能力が、質の高い生の顧客の声を引き出す鍵となっています。

クライアント企業がCRMへのアクセスを許可すれば、AIリサーチャーは既存顧客へリーチし、パーソナライズされたインタビューを実施できます。AIによる会話結果は、従来の人間による調査と同様に、レポートやPowerPoint形式で分析結果として提供されます。これにより、企業の意思決定者はすぐにインサイトを活用可能です。

Keplarの創業者は元Googleの音声AIエンジニアであり、確固たる技術基盤を持っています。ただし、顧客リサーチ市場の変革を目指す企業は他にも存在し、OutsetやListen Labsといった大規模な資金調達を実施した競合もいます。ボイスAIによる市場調査は、今後競争が激化するフロンティアとなるでしょう。

Googleは、ビデオ会議ツールGoogle Meetに対し、AIアシスタント機能「Ask Gemini」の提供を開始しました。これは会議のキャプションや関連ドキュメントを参照し、参加者の質問に答えたり、遅れて参加した際の要約を提供したりすることで、会議の生産性や情報格差を解消することを目的としています。

本機能の最大の特長は、ミーティングに途中参加した場合でも、その時点で何が話し合われたかを瞬時に把握できる点です。あたかも最初から参加していたかのように、重要な議論のポイントや流れを即座に確認し、議論に追いつくことが可能となります。

さらに、特定の参加者が発言した内容の要約や、議論の中から重要な決定事項や次の行動（アクションアイテム）を自動で特定・抽出する機能も搭載されています。これにより、会議の議事録作成や確認作業を大幅に効率化できます。

Ask Geminiは、会議のキャプション情報だけでなく、参加者が閲覧権限を持つGoogle DocsやSheetsなどの関連ドキュメントや公開ウェブサイトも参照して回答を生成します。これにより、背景情報を含めた、より深い理解をサポートします。

この機能を利用するには、会議のホストが「Take Notes for Me」機能を事前に有効化しておく必要があります。現在はGoogle Workspaceの特定のEnterpriseやBusinessプランの顧客向けに順次展開されており、現時点ではデスクトップ版、英語会議のみの対応です。

プライバシー保護のため、Geminiの応答やキャプションなどのデータは会議終了後に保存されず、応答は参加者ごとに非公開で提供されます。しかし、GoogleはAIの出力には誤りが含まれる可能性があるため、重要な判断材料とする際は利用者が確認することを強く推奨しています。

Google DeepMindのAIモデル「Gemini 2.5 Deep Think」が、2025年国際大学対抗プログラミングコンテスト（ICPC）世界大会で金メダルレベルの成果を達成しました。人間チームが誰も解けなかった複雑な最適化問題を見事に解決し、抽象的な問題解決能力におけるAIの劇的な進化を証明しました。

Geminiは競技ルールに従い、5時間の制限時間で12問中10問を正解しました。これは出場した大学139チームのうち、トップ4にのみ与えられる金メダルレベルに相当し、大学チームと比較すれば総合2位の成績となります。

特に注目すべきは、全ての人間チームが解決できなかった「問題C」を、Geminiが開始からわずか30分以内に効率的に解いた点です。これは、無限に存在する構成の中から、最適な液体分配ネットワークを見つけ出すという、極めて困難な課題でした。

Geminiは、各リザーバーに「プライオリティ値」を設定し、動的計画法を適用するという革新的なアプローチを採用しました。さらにミニマックス定理を利用し、最適解を効率的に導出するためにネストされた三進探索を駆使しました。

この快挙は、プレトレーニング、強化学習、そして複数のGeminiエージェントが並列で思考し、コードを実行・検証するマルチステップ推論技術の統合によって実現しました。これにより、Geminiは最も困難なコーディング課題からも学習し進化しています。

ICPCの成果は、AIがプログラマーにとって真の問題解決パートナーになり得ることを示しています。AIと人間の知見を組み合わせることで、ロジスティクスやデバッグ、創薬、マイクロチップ設計といった科学・工学分野の複雑な課題解決を加速させることが期待されます。

この先進技術の一部は、すでにGoogle AI Ultraのサブスクリプションを通じて、軽量版のGemini 2.5 Deep Thinkとして提供されています。AIコーディングアシスタントの知能が飛躍的に向上し、開発現場の生産性向上に直結するでしょう。

OpenAIは今週、ChatGPTの利用実態に関する過去最大規模の詳細レポートを公開しました。最も重要な発見は、利用目的の大多数が非業務関連にシフトしている点、そして、利用者のジェンダーギャップが大きく縮小し、女性ユーザーが過半数を占めるに至った点です。この変化は、AIが個人の日常生活に深く浸透しつつある現状を示しています。

利用目的について、2025年6月時点でChatGPTへのメッセージの73%が非業務関連でした。これは、1年前の53%から大幅に増加しています。AIが業務効率化のツールとしてだけでなく、個人の学習や趣味、実用的なアドバイスを得るためのパーソナルアシスタントとして浸透していることが明らかになりました。

会話内容の傾向を見ると、ユーザーはChatGPTに対してタスクの完了を求めるよりも、研究やアドバイスを求める傾向が優勢です。メッセージの約半数が情報や助言の要求であり、具体的なタスク実行の依頼は約3分の1にとどまっています。AIを知識の源泉や相談相手として活用する動きが主流です。

若年層が引き続きコアユーザーであり、データセットにおけるメッセージの46%を占めています。また、利用者層の変化として、従来は男性が優勢でしたが、現在は女性ユーザーが52%とわずかに上回っています。これは、2024年1月時点の37%から劇的な変化であり、AI普及の多様化を明確に示しています。

男女間で利用方法にも違いが見られます。女性ユーザーはライティングや実用的なガイダンスへの利用が多く、一方で男性ユーザーは情報収集、技術的支援、マルチメディア関連の利用が多い傾向です。企業やサービス提供者は、この利用傾向の違いを考慮したAI活用戦略を構築する必要があるでしょう。

業務用途に限定した場合、チャットの40%をライティング（文書作成）が占め、依然として中心的な役割を果たしています。しかし、AIの真価を引き出すためには、非業務分野での利用拡大傾向を参考にし、業務内での「アドバイス」や「情報探索」といった創造的な用途への応用が求められます。

AWSは、OpenAIが公開したオープンウェイトの大規模言語モデル（LLM）である「GPT-OSS」を活用し、実用的なエージェントワークフローを構築する詳細なガイドを発表しました。Amazon SageMaker AIでモデルをデプロイし、Amazon Bedrock AgentCoreでマルチエージェントを統合運用するエンドツーエンドのソリューションです。これにより、複雑なタスクを自動化し、企業生産性を大幅に高める道筋が示されました。

このソリューションの核となるのは、高度な推論とエージェントワークフローに優れるGPT-OSSモデルです。MoE（Mixture of Experts）設計のこれらのモデルを、高速な推論フレームワークであるvLLMと組み合わせ、SageMaker AI上にデプロイします。この組み合わせにより、単一のGPU（L40sなど）上でも大規模なモデルを効率的に動かすことが可能となり、運用コストを抑えつつ高性能を実現しています。

現実世界の複雑なアプリケーションには、単なるLLM応答以上のワークフロー管理とツール利用能力が求められます。この課題を解決するため、グラフベースの状態管理フレームワークLangGraphを採用し、複数の専門エージェントの協調を設計しました。これらのエージェントは、Bedrock AgentCore Runtimeという統合レイヤー上でデプロイ・運用されます。

Amazon Bedrock AgentCoreは、エージェントのインフラストラクチャ管理、セッション管理、スケーラビリティといった重労働を抽象化します。開発者はロジックの構築に集中でき、エージェントの状態を複数の呼び出し間で維持できるため、大規模かつセキュアなAIエージェントシステムをサーバーレスで展開・運用することが可能になります。

具体例として、株価分析エージェントアシスタントが構築されました。このシステムは、データ収集エージェント、パフォーマンス分析エージェント、レポート生成エージェントの3つで構成されます。ユーザーの問い合わせに対し、専門化されたコンポーネントが連携し、株価データ収集から技術・ファンダメンタル分析、そして最終的なPDFレポート生成までを一気通貫で実行します。

このエージェントワークフローは、定型的な分析業務を自動化し、アナリストの生産性向上に大きく貢献します。処理時間の大幅な短縮に加え、スキルを持つ専門家が、より複雑な意思決定や顧客との関係構築といった高付加価値業務に注力できる環境を提供します。オープンソースLLMの力を最大限に引き出し、ビジネス価値に変える実践例です。

AWSは先日、企業向け生成AIアシスタント「Amazon Q Business」にブラウザ拡張機能を追加しました。これは、従業員が日常業務で利用するブラウザ内で、コンテキストを認識したAIアシスタンスを直接提供するものです。これにより、慣れたワークフローを中断することなく、企業データや外部情報に基づいた迅速な洞察抽出や意思決定が可能となり、組織全体の生産性の大幅な向上を目指します。

従来の生成AI導入における課題は、ユーザーがAI分析のために手動でデータを転送したり、慣れた環境を離れたりする必要がある点でした。本拡張機能は、こうした「摩擦」を解消します。ブラウザにAI機能を直接組み込むことで、業務中にAIを活用する機会を見逃すことなく、シームレスなサポートを受けられるのが最大の特長です。

具体的な活用事例として、ウェブコンテンツの分析が挙げられます。戦略部門や技術チームは、外部のレポートや競合分析、業界文書など、社外の断片的な情報から戦略的な洞察を導き出す必要があります。拡張機能を使えば、信頼できる内部・外部データを瞬時に統合し、トレンドの特定やインサイト生成を数秒で完了できます。

また、コンテンツ品質の改善にも大きく寄与します。通常、生成AIアシスタントがアクセスできない複数の外部データソースや、ウェブベースのスタイルガイドを含めたクエリが可能です。これにより、コンテンツのリアルタイムな検証が可能となり、多様な情報源に基づいた高品質なコンテンツ作成プロセスを加速させることができます。

導入には、Amazon Q BusinessのアプリケーションとWeb Experienceの設定が必要です。管理者は、Chromium（Chrome、Edge）やFirefoxに対応した拡張機能を一括で展開でき、さらに企業のブランドに合わせてアイコンや名称をカスタマイズすることも可能です。これにより、組織への浸透と迅速な導入をサポートします。

セキュリティ面では、Amazon Q Businessはユーザーの会話データをLLMのトレーニングには使用しません。会話はアプリケーション内に30日間のみ保存され、ユーザーはこれを削除することも可能です。このデータ管理方針は、機密情報を扱う企業ユーザーにとって重要な安心材料となります。

Metaは来たるConnect 2025にて、AIに特化した次世代のスマートグラスを発表する見込みです。特に注目されるのは、右レンズに小型ディスプレイを搭載し、sEMG（表面筋電図）技術を用いたリストバンドで操作する新型モデルです。この新しいインターフェースは、デバイスとの接し方を根本的に変え、ビジネスパーソンの生産性向上に直結する可能性を秘めています。

この革新的な操作技術は、Metaが2019年に買収したCTRL-Labs社の技術が基盤となっています。sEMGは、ユーザーの手の動きに伴って発生する微細な電気信号を読み取り、それをデバイスへのコマンドとして解釈します。MetaはsEMG技術を「あらゆるデバイスの理想的な入力方法」と位置づけており、その実用化に大きな期待を寄せています。

「Hypernova」とコードネームされるこのディスプレイ搭載グラスは、限定的な視野ながらも、必要な情報を瞬時に表示するために設計されています。価格は約800ドルと予想されており、従来のRay-Ban Metaよりも厚みと重量が増す可能性があります。これは高度なセンサーと小型ディスプレイを内蔵するためと見られます。

一方、ディスプレイ非搭載の既存スマートグラスも引き続き強化されます。Ray-Ban Metaはすでに200万台を販売し成功を収めており、Connect 2025では第3世代の登場が予測されています。高性能なカメラやバッテリー寿命の改善など、AI利用を前提とした継続的なアップグレードが期待されます。

今回のConnectでは、ハードウェアだけでなくAI機能の拡張も主要テーマです。MetaはAIアシスタントを「Meta AI」アプリとして独立させ、AI生成コンテンツの共有機能などを拡充しています。既存のスマートグラスに対しても、AIを活用した機能アップデートが順次提供される見込みです。

主力VRヘッドセットであるQuestシリーズについては、今年は新作の発表は期待薄です。Metaは次期フラッグシップモデル「Quest 4」を2027年頃に据え、当面はHorizon OSをLenovoやAsusなどの外部企業にライセンス供与するプラットフォーム戦略に注力する構えです。

AT&T;は、迷惑電話やロボコールを自動で選別するAIアシスタント機能「デジタルレセプショニスト」のテストを一部顧客向けに開始しました。これは個人の通話履歴データを活用し、キャリアのネットワーク側で自動的に通話をスクリーニングするものです。未知の番号からの着信に対し、AIが発信者と用件を確認することで、多忙なビジネスパーソンの生産性向上に貢献します。

この機能の最大の特徴は、AIが個々の端末ではなく、AT&T;のネットワーク全体に組み込まれている点です。GoogleやAppleの既存機能がデバイス上の連絡先リストに依存するのに対し、AT&T;のAIはネットワークから得るユーザーのコールパターンを分析します。これにより、頻繁なやり取りを把握し、信頼できる発信者を正確に判断することで、より高い精度での通話フィルタリングを実現しています。

未知の番号から着信があった場合、AIアシスタントが自動で応答し、発信者が人間であるか、または緊急性があるかを声のトーンなどから判定します。基準を満たした通話のみを本人に転送するか、メッセージを残すかを選択できます。

また、ユーザーは専用アプリを通じてAIによる通話のリアルタイム文字起こしを確認し、いつでも会話に加わることも可能です。AT&T;の最高データ責任者によると、このAIアシスタントは単なるスクリーニングに留まらず、将来的に予約やスケジュール調整といった複雑なタスクの代行へと進化する可能性を秘めています。

OpenAIは、エージェント型コーディングに特化した新モデル「GPT-5-Codex」を発表し、開発環境Codexを大幅にアップグレードしました。これはGPT-5を実世界のソフトウェアエンジニアリング作業に最適化させたバージョンです。開発者はCLI、IDE、GitHub、ChatGPTアプリを通じて、より速く、信頼性の高いAIアシスタントを活用できるようになります。

最大の進化は、タスクの複雑性に応じて思考時間を動的に調整する能力です。GPT-5-Codexは、大規模なリファクタリングやデバッグなどの複雑なタスクにおいて、最長7時間以上にわたり独立して作業を継続できることが確認されています。これにより、長期的なプロジェクトの構築と迅速なインタラクティブセッションの両方に対応します。

モデルは、既存のコードベース全体を理解し、依存関係を考慮しながら動作検証やテスト実行が可能です。特にコードレビュー機能が強化されており、コミットに対するレビューコメントの正確性と重要性が向上。重大な欠陥を早期に特定し、人間のレビュー工数を大幅に削減します。

開発ワークフローへの統合も一層強化されました。刷新されたCodex CLIとIDE拡張機能（VS Codeなどに対応）により、ローカル環境とクラウド環境間でシームレスに作業を移行できます。コンテキストが途切れないため、作業効率が劇的に向上します。

さらに、Codexは画像やスクリーンショットを入力として受け付けるようになりました。これにより、フロントエンドのデザイン仕様やUIバグなどを視覚的にAIへ共有し、フロントエンドタスクの解決を効率化します。また、GitHub連携によりPRの自動レビューや編集指示も可能です。

安全性確保のため、Codexはデフォルトでサンドボックス環境で実行され、ネットワークアクセスは無効です。プロンプトインジェクションのリスクを軽減するとともに、開発者はセキュリティ設定をカスタマイズし、リスク許容度に応じて運用することが可能です。