AnthropicのClaudeから、最新の最強モデル「Fable 5.1」が発表・リリースされました。長時間の複雑なタスクや長大なリサーチを最後まで粘り強くやり切る能力が強化され、AI界隈でも大きな話題となっています。プログラミングをしない文系のビジネスパーソンにとっても、この最強モデルを「リサーチと設計の司令塔」として使いこなす道があります。

正直なところ、Fable 5.1は極めて高い性能を持つ一方で、リソース消費が激しく「F1カー」のように燃費が悪いモデルでもあります。だからこそ、すべての作業をFableにやらせるのではなく、司令塔役に徹してもらい、実作業は軽量なモデルに任せるという分業の発想が重要になってきます。

実はこの分業の発想は、もともとコーディングの現場で確立されていたやり方だと私は考えています。今回は、この考え方を文系タスクにどう応用できるのか、そしてなぜハイエンドモデルほど「実作業」より「司令塔」役に向いているのかという構造まで、詳しく解説します。

第1章: Claude最強モデル「Fable 5.1」登場、何が進化したのか

AnthropicのClaudeシリーズに、新しいモデル「Fable 5.1」が登場しました。2026年9月1日に発表され、すでに使える状態になっています。前作にあたる「Fable 5」は非常に高性能な反面、消耗が激しいモデルとして話題になっていました。Fable 5.1はその正常進化版という位置づけです。

Anthropicの発表によると、コーディングや複数ステップの作業、長いリサーチ、文章作成、スプレッドシートやスライド作成など、長時間にわたる難しい仕事の性能が向上したとのことです。膨大な量のデータを扱いながら、最後までやり切る能力が強化されたというのが今回のポイントです。それ以外にも、出力がより簡潔になったことや、指示への追従性、自己検証の精度が改善されたことも発表されています。

利用時の実質コストが削減されたことも発表のポイントの一つです。ただし、これはAPI、つまりシステムからClaudeを呼び出して使う場合の話であり、キャッシュなどを活用することで最大約45%のコスト削減が見込めるという説明です。普段私たちがWebサービスとしてClaudeやClaude Cowork、Claude Codeを使う分には、この恩恵はほとんどなく、依然としてコストが高く燃費が悪いモデルであることに変わりはないようです。

ここで一つ押さえておきたいのは、「実質コスト削減」と「体感コストが下がる」は別の話だということです。API側のコスト削減は、あくまでキャッシュの効率化によるものであり、Fable 5.1そのものの単価が下がったわけではありません。だからこそ、Web版やClaude Codeのように毎回まっさらな状態で呼び出す使い方では、この削減効果がほとんど体感できないのだと考えられます。「最新モデル＝安くなった」と単純に捉えず、どの使い方をしているかによってコストの見え方が変わる、という点は覚えておく価値があります。

第2章: F1カーのようなFable系、Max/Proプラン別の利用制限とコスト事情

Fable系のモデルは、Claudeの月額プランによって使える範囲が大きく異なります。月額1万円以上する「Claude Max」プランに加入している場合は、週間利用制限の半分までであれば今のところ利用できる状況とのことです。一方、月額3000円程度の「Claude Pro」プランなど、Maxより下のプランでは、通常の範囲では利用できず、追加料金を従量課金で払いながらでないと使えないのがFable系列のモデルです。それだけ評判が高く、需要が集中しているモデルとも言えるでしょう。

実際にX(旧Twitter)などのSNSで口コミを見てみると、ClaudeでFable 5.1を使ってみたところ、少し使っただけで利用制限のリミットにあっという間に達してしまった、という声が多く見られます。相変わらずコストがかかるモデルであることは変わらないようです。

なぜ高性能なモデルほど、こうした厳しい利用制限がかかるのでしょうか。私は、高性能なモデルほど1回の応答に使う計算資源が多く、運営側のリソースを圧迫しやすいからだと考えています。だからこそAnthropic側も、無制限に使わせるのではなく、プランごとに使える量を絞ることでバランスを取っているのだと推測しています。この構造を理解しておくと、「なぜ高性能なモデルほど常用に向かないのか」という感覚が腑に落ちやすくなるのではないでしょうか。

第3章: 1日使ってみた感想と、Notion AI上での利用体験

Fable 5.1になったことで何かすごい変化があったと感じられたか、一日使ってみての率直な感想としては、正直なところ「よく分からない」というのが本音です。Fable 5もすでに優秀なモデルだったため、5.1になったことでものすごく優秀になったのかというと、はっきりとは実感しにくいところがあります。

コーディングやバイブコーディングと呼ばれる、AIにコードを書かせてアプリやサービスを作らせるような文脈では性能向上を感じやすいかもしれません。ただ、多くの一般的なビジネスパーソンと同じく、常にアプリを作っているわけではなく、リサーチや資料作成、文章系のドキュメント作成が中心の使い方だと、Fable 5から5.1になったことで文章作成が劇的にうまくなったとまでは感じにくいというのが実感です。

私はClaude自体はProプランで使っていますが、Notionのサービスの中で使えるNotion AIでも最新モデルが使えるようになっており、そこでFable 5.1を試してみました。以前Fable 5が登場した頃は、Notion AI上でほぼ使い放題のような状態でしたが、今は6時間以内の利用制限と1ヶ月間の利用制限、それぞれにゲージのようなカウンターが表示されるようになっています。Fable系を使っているとガンガン消費されるため、注意しながら使う必要があります。

普段の一般的なタスクにはClaudeの中堅モデルであるSonnet 5を使い、少し頭を使ってほしいときは上位モデルのOpus 5を使い、ここぞという時にFable 5ないし5.1を使う、というバランスを取っています。Fable系がスポーツカーやF1カーのような超高級なハイエンドモデルの車だとすると、常にF1カーを使うのが適切とは限りません。50メートル先のコンビニに行くのにF1カーは要らず、原付や自転車で十分ですし、10分程度移動するときには普通の乗用車で十分、という感覚です。

このモデルの使い分けは、単なる節約術ではなく、対話能力や先回りする実行能力の高さと、そこにかかるコストが釣り合っているかどうかを都度判断している、という行為なのだと私は考えています。Fable系は指示の裏側まで汲み取って動いてくれる先回り能力が非常に高いモデルですが、その能力が必要ないタスクにまで使ってしまうと、性能に見合わない出費になってしまいます。だからこそ「ここぞという時だけ使う」という判断軸が、コスパの良い使い方の核になるのではないでしょうか。

第4章: 文系タスクでFableを「司令塔」にする書籍執筆の実例

文系のいわゆるテキスト系のタスクでFable系が適していると感じるのは、大量のリサーチを行い、文脈に沿ったドキュメントを作る、一つの文章にまとめる「司令塔」になってもらう、という使い方です。ここでいうリサーチとは、Webで何かを調べてもらうことだけでなく、自分のデータベースや保管庫の中に散らばった資料・ドキュメントを隈なく探して取りまとめてもらう、という意味も含みます。

分かりやすい例が書籍や電子書籍の執筆です。書籍を書くときはNotionの中で作業しており、Notion上には日々のメモやアウトプット、プロジェクトの計画、セミナーの講義資料、音声入力で話したブレストメモなど、様々な情報が散らばっています。単発のYouTube企画程度であれば探すのも簡単ですが、書籍となると必要な資料や情報が大量になり、1つや2つでは済みません。

そこでAIエージェントに、本の骨組みをもとにして「あの章のあの節にはどのメモが役立つか」を大量に調べてもらいます。これをFable 5やFable 5.1に丸ごとお願いするのが私のやり方です。本のコンセプトやターゲット読者層、全体の流れはすでに決まっている前提で、その本を成り立たせるためにどんな素材がNotion内やブログ、Webから持ってこられるかをリサーチして統合してもらいます。

ただし、Fableに文章全部を書かせるわけではありません。Fableはコスパが悪いため、司令塔になってもらい、細かい作業や末端の作業はもっとコスパのいいモデルに任せます。本の執筆で言えば、本の骨組みを見ながらどのメモを参照すべきかをリサーチし、設計図にリンクを貼り、「このメモをこう原稿に役立てる」という指示書までをFableに書かせます。実際に原稿の下書きを書くところは、Sonnetなどコスパのいいモデルにやらせるのです。

この分業のやり方は、実はプログラミング・コーディングの現場が先に確立していた発想です。Fable 5には司令塔になってもらい、実際にコードを書くところはSonnetなど安いモデルにやらせる、というチームでの作業分担によってコスパが良くなるという話が、コーディングを実践している人たちの間ではよく言われています。私はこの構造をそのまま文系タスクに輸入し、「本の骨組みを読み解いて設計図・指示書を書く」という工程をコーディングでいう設計フェーズに、「実際に原稿を書く」という工程を実装フェーズに見立てているわけです。コーディングであれ文章であれ、ハイエンドモデルが得意なのは「全体を俯瞰して計画を立てる」ことであり、「手を動かして仕上げる」こと自体は必ずしもハイエンドモデルでなくてもできる、という構造は共通しているのではないかと考えています。

第5章: ビジネスレポート・プレゼン資料への応用とまとめ

この使い方は書籍の原稿だけに限りません。ビジネスレポートを書くときにも、社内や自分のフォルダに散らばった情報を、1つのコンセプトに従ってAIエージェントに探してきてもらい取りまとめてもらう、という使い方ができます。取りまとめの部分はリンクづけだけの設計図としてまとめておいてもらい、実際にレポートを書くところは軽量なSonnetなどに任せる、という分業です。

プレゼン資料を1つ組むときも同様です。個人のリソースだけでなく、社内のリソースにも応用できます。経営会議のための月次レポート、売上データ、過去の議事録、お客様からの問い合わせをまとめたり、プロジェクトの進捗報告のためにメールの履歴や商談の議事録、過去の提案書や見積書といった時期もバラバラな様々なドキュメントを、一定のルールに従ってエージェントにまとめさせる、という使い方が考えられます。

こうした「司令塔にはハイエンドモデル、実作業には軽量モデル」という判断軸は、Fableやコーディングの世界に限った話ではないと私は考えています。ChatGPT側で言えばGPT-5.6思想のような、持続能力が高くコストもかかるハイエンドなエージェントにどんなタスクを割り振るかという点でも、同じ考え方が共通して当てはまるはずです。F1カーのように燃費の悪いハイエンドなモデルでどこへでも行こうとするのはもったいなく、簡単なタスクに対しては出力が強すぎてコストに見合わないこともあります。その時々に適切なモデルへ切り替え、分業体制を作っていくというのが、AIエージェント全般に通用するバランスの取れた付き合い方なのではないかと思います。

Fable 5.1は今まさに話題のモデルですが、OpenAI側も同様のハイエンドモデルをまた出してきそうだという噂もあります。今後もこうしたモデルの扱い方について、文系タスクを中心に実践しながら共有していきたいと思います。

私は「Genspark」というAIサービスを、もう何年も有料プランで愛用しています。今回Gensparkに追加された新機能「SecondBrain（セカンドブレイン、第二の脳）」と、新デバイス「SecondBrain Note」を使うと、商談の内容を録音するだけで提案スライドまで自動生成できるようになりました。この記事では、その使い方に加えて、なぜ「情報を一箇所に集める」というだけの仕組みが、AIへの指示をここまで楽にしてしまうのか、その理由も掘り下げてみたいと思います。

※ここからは、以下のYouTubeでの音声配信の文字起こしを基に記事化しています。詳細はYouTubeでもお聴きください。

【第二の脳で、パワポを作る】Genspark 6.0 セカンドブレイン×新商品ノートで、会話を記録してスライド作成

第1章: Genspark 6.0「SecondBrain」とは何か

Gensparkは、AIチャットの画面を1つ開くだけで、GPTやClaude、Geminiといった複数のトップAIモデルを、1つのサブスクリプションの中でまとめて使えるオールインワンのAIワークスペースです。タスクごとに最適なモデルが自動的に選ばれるため、モデルを自分で切り替える手間がなく、1つの画面の中で作業が完結します。

そのGensparkに追加されたのが、SecondBrainという新機能です。議事録やNotion上のメモ、Gmail・Outlookに保存されている文脈、カレンダーの予定など、あらゆる情報をまとめて一箇所に蓄積し、それをもとに簡単な指示で資料を作れるようになります。

情報が散らばったままだと、AIに何かを頼むたびに、状況を一から説明し直す手間が発生します。SecondBrainがやっているのは、この「AIに毎回コンテキストを渡す作業」そのものをなくす設計だと私は考えています。AIの性能がどれだけ上がっても、前提となる情報を渡す手間が残っている限り、結局は人間の作業が減りません。SecondBrainは、性能の向上ではなく、この手間の部分を解決しにきている機能だと言えます。

第2章: 名刺サイズの新デバイス「SecondBrain Note」

SecondBrain Noteは、スマホに着脱できるAI音声文字起こしデバイスです。実機は非常に小さく、名刺サイズになっていて、私のiPhone 16eと比べてもかなり小さいサイズです。付属のカードウォレットにすっぽり収まり、折りたたんでマグネットでスマホに取り付けられます。

ボタンを一つ軽く長押しするだけで録音を始めることができ、重要な場面でもう一度ボタンを押すとブックマークが付きます。もう一度長押しすると録音を止めることができ、Gensparkのアプリと連携することでAIによる文字起こしと要約が自動的に行われます。

録音デバイスをスマホと分離させ、専用機として持たせている理由は、会議の場でスマホを操作せずに済むからだと思います。スマホで録音アプリを立ち上げようとすると、それだけで会議の空気を止めてしまいますが、名刺サイズの専用デバイスを軽く長押しするだけなら、会話の自然な流れを止めません。結果として、記憶させる情報の量と質そのものが上がる、という副次的な効果があるのではないかと私は見ています。

第3章: 商談を録音してAIがスライドを自動生成するまで

実際にどう使うのかを、デモで実演してみました。今回は、アドバンスメディアという架空の取引先に対して、私が法人研修を提案するという商談を想定し、先方の人事部長である佐藤部長役をGensparkの音声会話モードに担当してもらって、SecondBrain Noteで録音しながらロールプレイの商談を進めました。

商談の収録が終わり、Gensparkアプリと連携すると、音声が文字起こしされ、AIによる要約や議事録が自動的に作成され、SecondBrainへ蓄積されます。その状態で「アドバンスメディア様との商談をもとに提案スライドを作成して。これまでの経緯や具体的カリキュラムをGmail、Notion、カレンダーから読み取って」という指示を入力するだけで、Gmailの過去のやり取りやNotionのメモに保存していた研修の全体像、商談の中で話していた「48万円程度」「9月上旬キックオフ」といった具体的な数字やスケジュールまで反映された提案スライド10枚が自動生成されました。

私がデモの中で話した「通常のAIに指示をしても、どんな商談で何の内容だったのかが伝わっていないので、まともなものは作れない」という一言は、そのままAI活用全体に当てはまる話だと思っています。AIの提案精度は、指示文の巧拙よりも、前提情報が渡っているかどうかで決まるというのが、このデモを通して私が改めて感じたことです。プロンプトの書き方を工夫する以前に、そもそもAIが必要な文脈を持っているかどうかのほうが、成果物の質を大きく左右します。

第4章: ファクトチェック機能とスキル化・ガイドモードで精度と効率を上げる

AIスライド編集画面で、あるページの金額を48万円から50万円にわざと変更し、ファクトチェック機能を試してみました。結果は「9ページ目では48万円、10ページ目では50万円となっており、不整合が起こっている」「税区分の明記がない」といった指摘を、表にまとめて提示してくれるというものでした。

このファクトチェック機能は、単なる便利機能というより、AIが生成した内容を鵜呑みにしないための安全弁だと私は捉えています。SecondBrainのようにAIが自分で情報を集めてスライドまで作ってくれる仕組みが便利になればなるほど、生成された数字や条件をそのまま信じてしまうリスクも同時に高まります。便利さが増すほど、検証の手間を意識的に残しておく必要があるというのは、Gensparkに限らずAIツール全般に共通する運用の考え方だと思います。

もう一つ、効率化という観点で重要なのがスキル機能とガイドモードです。スキル機能は、スライドの構成や配色、レイアウトといった型をGensparkに覚えさせて使い回せる機能で、次回からは同じ型でスライドを作らせられるため、作成が高速化しAIが1から考える手間が省けるのでクレジットの節約にもつながります。ガイドモードは、いきなり生成に入らず、AIがコーチのように構成を一緒に固めてから作業を始めるモードで、確認してOKを出すまでスライド作成に入りません。

この2つに共通しているのは、「AIに毎回一から考えさせない」という発想です。AIに任せる部分と、人間があらかじめ決めておく部分を切り分けておくことが、時間だけでなくクレジット、つまりコストの節約にもつながるという点は、Genspark以外のAIツールを使うときにも応用できる考え方だと思います。

第5章: 録音時に決めておきたいルールと価格・購入情報

SecondBrain Noteで会議を録音する際は、事前にルール付けを決めておくことをおすすめします。会議を録音してもよいかという社内ルールの確認、参加者への事前説明と同意、そして記録する範囲を決めることの3つです。機密情報やビジネスデータについては、どの程度録音・文字起こししてよいのか、あらかじめ厳密にチェックしておくことをおすすめします。

こうしたルールを先に決めておくことは、単なる形式的な手続きではなく、SecondBrainのように「記憶を蓄積する仕組み」を安全に使うための前提条件だと私は考えています。情報を一箇所に集めるという仕組みは便利である一方、集めすぎてしまうと機密情報の扱いに関するリスクも一箇所に集中します。便利な仕組みを取り入れるときほど、あらかじめ線引きを決めておく姿勢が必要だと思います。

なお、今回紹介したSecondBrain Noteは、概要欄のURLから購入すると10%オフの特典が付き、約29,000円という価格になります。Gensparkの有料プランの目安としては、Genspark Plusというプランがあり、月額約3,800円からとなっています。表示価格は2026年7月・8月時点の一般的なプランを元にした目安であり、実際の料金や割引額は利用プランや為替等により変動する可能性があります。キャンペーンも予告なしで終了する可能性があるため、詳しくは動画の概要欄をご確認いただければと思います。

▼YouTubeはこちら
【第二の脳で、パワポを作る】Genspark 6.0 セカンドブレイン×新商品ノートで、会話を記録してスライド作成


▼SecondBrain Note 10%OFFはこちら！
https://x.gd/DAcZA

8月29日土曜日の深夜、小学1年生の娘の初めての夏休み最後の週末に、この記事のもとになったVoicyを収録しました。

Claudeには「画像生成」の機能がありません。これは地味に不便で、資料作成やブログ執筆をClaudeに任せていても、画像だけは自分で用意するか諦めるかしかないと思っていた方も多いと思います。

実はこの制約、他のAIサービスを組み合わせることで解決できます。

今回は、私が実際に日々のブログ執筆ワークフローで使っている本命の方法から、あまりおすすめできないグレーな方法、そして正規のルートで外部サービスに接続する方法まで、3つを紹介します。あわせて、なぜある方法はOKで、似たような別の方法はNGなのか、その境界線がどこにあるのかも掘り下げます。

第1章: Claudeは画像生成できない、はもう古い？3つの解決策の全体像

先日、YouTubeで新しい動画を公開しました。Higgsfieldという画像生成・動画生成プラットフォームとClaudeを接続して、ロゴ作成やパワーポイントへの画像挿入、CM風の動画まで作ってしまうという内容です。

▼YouTube『【Claudeで画像＆動画！】企画からロゴ・パワポ資料・30秒動画まで、外注ゼロで一気通貫でつくる「Higgsfield MCP」活用術』

この動画で使った方法も含め、Claudeで画像生成を実現する方法は大きく3つあります。

1. Claude CodeからCodex(CLI)を呼び出して画像生成させる（本命・推奨）

2. Claude CoworkやClaude Codeでブラウザ操作をし、ChatGPTやGeminiを人間のフリをして操作する（非推奨・グレー）

3. MCPやAPIという正規の接続方式で外部の画像生成サービスに繋ぐ（推奨）

どれも「私がClaudeに指示をして、Claudeが別のAIサービスに仕事を振る」という三角関係の構図は共通しています。ただ、この3つには明確な優劣があります。それを分けているのは、機能の高さでも便利さでもなく、「どういう入り口から相手のサービスにアクセスしているか」という一点です。 ここが今回いちばん面白かったポイントでした。

第2章: 本命はコレ！Claude CodeからCodexを呼び出して画像生成する方法

私の実務の中で大本命になっているのが、Claude CodeからCodexを呼び出し、Codex側で画像生成させる方法です。

Claude Codeは、Claudeのエージェントモードのようなもので、パソコン内のさまざまな作業を自動化してくれます。ただしClaude Code自体には画像生成機能がありません。そこで、Claude CodeからCodexにコマンドで指示を出し、Codex側の画像生成モデルに作業してもらいます。

私は普段、Voicyで話した音声を文字起こしし、その文字起こしをもとにnoteやSubstackの記事をAIに書いてもらっています。この記事の見出し画像や差し込み画像も、すべてこの方法で生成しています。文章作成から画像生成まで、Claudeだけで一貫して完結できるのが快適なポイントです。

Codexは、ChatGPTの兄弟のような存在で、Claude Codeに相当するコーディングエージェントです。デスクトップ版（現在はChatGPTアプリに統合済み）とCLI版の2種類があり、今回使うのはコマンドラインで操作するCLI版です。

Claude Codeはコマンドでの操作を得意としているので、「Codexをコマンドで操作してほしい」と指示できます。流れとしては、私がClaude Codeに指示 → Claude Codeがコマンドを打ってCodexに指示 → Codexが画像生成 → 出来上がった画像をClaude Codeがコピーしてブログに差し込む、という三角関係です。

この方法がなぜ問題ないのかというと、OpenAI側がこうしたコマンド経由のAI連携を想定してプラグインなどを公開しており、正規の使い方として認めているからです。 AIが他のAIをコマンドで操作すること自体は、サービス提供元が許可している範囲の行為だということになります。

なおCodex側も有料プランに入っておくのがおすすめです。無料プランでも一応使えますが、画像生成をがんがん行うとすぐに利用制限に達してしまいます。

第3章: おすすめしない裏技、ブラウザ操作で他のAIを動かす方法

2つ目に紹介するのは、かなりグレー、ブラック寄りの方法なのでおすすめしません。ただ、なぜダメなのかを理解しておくと、他の場面でも判断がしやすくなります。

Claude CoworkやClaude Codeを使えば、ChromeやEdgeなどのブラウザ操作を自動化できます。ChatGPTやGeminiにログインした状態であれば、ブラウザ操作でこれらのAIに指示を打ち込み、画像生成させることも技術的には可能です。

これも私がClaudeに指示し、Claudeがブラウザ経由で他のAIを操作するという三角関係の構図で、第2章の方法と表面上はよく似ています。違いは「入り口」です。あたかも人間がブラウザを操作しているかのように見せかけてアクセスし、結果を取得するという点が、ChatGPTやGeminiの利用規約に抵触しやすいのです。

これはロボット的なアクセスを禁じている多くのWebサービスと同じ構図です。Amazonなどでも、ブラウザ操作でロボット的にページや商品データを自動収集する行為は利用規約違反寄りとされています。人間を装ってサービスにアクセスし、データを抜き取るという行為そのものが問題視されているわけです。

一方で第2章のコマンド経由の方法は、OpenAI側も特に禁止しておらず、むしろそういう使い方を想定して窓口を用意しています。同じ「AIが別のAIを操作する」という結果だけを見ると似ていますが、正規の窓口を通っているか、人間のフリをして裏口から入っているかで、扱いがまったく違ってくるということです。

第4章: 正規ルートで繋ぐ、MCP・API経由でHiggsfieldなどに接続する方法

3つ目は、先日YouTubeで解説した方法です。Claudeとは別の会社が提供する画像生成サービスに、正しい手順で外部接続する方法で、APIやMCPという接続形式を使います。

従来からある仕組みがAPIです。サービス提供側が「この方式で接続するなら機能を使っていい」という通信の手続きを決めているイメージですが、会社ごとに仕様がバラバラで、接続する相手が変わるたびに苦労するという課題がありました。

そこで、Anthropic社が「みんな同じ規格で繋げられるようにしよう」と提唱したのがMCPです。 ガラパゴス状態だった個々のAPIを、AIエージェントがアクセスしやすい共通規格にまとめようという枠組みです。今はAPIも引き続き使われていますし、MCPという統一規格に対応しているサービスも増えています。

Claudeには「コネクター」という設定があり、これによって外部サービスに接続できます。先日のYouTubeで紹介したHiggsfieldへの接続もこの仕組みです。私がClaudeに指示をすると、Claudeが正規のルートでHiggsfieldに接続し、画像生成を依頼してくれます。

第2章のコマンド経由、この第4章のMCP・API経由、どちらも「サービス提供側が用意した正式な窓口を通っている」という点で共通しています。第3章のブラウザ操作との違いは、まさにここです。窓口を通るか、裏口から人間のフリをして入るか。この一点が、やっていい方法とやめておくべき方法を分けています。

第5章: おまけ発見、Antigravity CLIでGeminiに音声文字起こしをさせる方法

最後に余談です。Claudeは文字起こしもできません。これも何かできないのかなと思って調べていたら、実はできる方法が見つかりました。

これは第2章で紹介した「Claude CodeからCodexを呼び出す」方法と同じ発想です。今度は音声文字起こしのために、Antigravity CLIというツールに接続します。

Antigravityは、Googleが提供しているClaude Codeのような存在です。コマンドラインのみで操作できるCLIモードがあり、Claude CodeからAntigravity CLIにコマンドで指示を出せば、Geminiに仕事をさせられます。

Geminiはマルチモーダル性能が高く、音声ファイルを渡すとテキストに変換する文字起こしができます。この音声ファイルをGeminiに渡して文字起こしさせる、という操作をClaudeから実行させられることに、今回気づきました。実際にやってみたら、問題なくできました。

ここでも成立しているのは、第2章とまったく同じ構造です。コマンドラインという正規の入り口から、Claude CodeがAntigravity CLIに指示を出しているだけなので、ブラウザ操作で人間のフリをする方法とは根本的に性質が違います。 画像生成でうまくいった仕組みが、文字起こしでもそのまま通用したというのが、今回いちばんの発見でした。

私の普段のワークフローでは、Voicyで話した音声を保存し、それを文字起こしして、note・Substackの記事にし、Codexで画像生成して記事を完成させています。この文字起こしの部分も、ClaudeからAntigravity CLIを直接叩いて実行できるということなので、今後はこの流れで試していきたいと思います。

まとめ

Claude単体では画像生成も文字起こしもできませんが、今回紹介した方法を組み合わせれば、文章作成から画像生成、音声の文字起こしまで、Claudeを起点にした一連の作業を実現できます。

• 本命：Claude Code → Codex(CLI)呼び出しで画像生成

• 非推奨：ブラウザ操作で他のAIを人間のフリをして操作

• 推奨：MCP・API経由で正規のサービスに接続

• おまけ：Claude Code → Antigravity CLI呼び出しでGeminiに文字起こし

私がClaudeに指示をし、Claudeは基本的にワークフロー全体を担いながら、ある部分ではAntigravity側のGeminiに、ある部分ではCodex側のGPTに仕事を渡し、統合的に記事が出来上がる。その成果物ができるまでの司令塔をClaudeが担っている、という構図に今回改めて気づきました。Claude・GPT・Geminiそれぞれの利点を組み合わせながらワークフローを作れたのは、なかなか興味深い体験でした。

正規の窓口を通っているかどうかという一点を意識するだけで、AI同士を組み合わせる働き方はぐっと安心して広げられます。Higgsfield×ClaudeのMCP連携で画像・動画を作っていくYouTube動画も、あわせて見ていただければと思います。

こんにちは、たてばやし淳です。

Claudeは企画やシナリオ作成、資料作成は得意ですが、ロゴや画像、動画そのものを生成する力は持っていません。今回試した「Higgsfield MCP」という仕組みをClaudeに繋ぐと、この足りない部分を補い、ロゴ、キービジュアル、画像入りPowerPoint資料、30秒のPR動画までを、日本語の対話だけで一気に作れるようになります。

オフィス向けコーヒー豆の定期配送サービスという架空の企画を題材に、実際にどこまで一人で作れるか試してみました。この記事では、noteでもお伝えした接続方法・料金プラン・実際の生成フローをそのまま押さえた上で、なぜこの組み合わせがうまく機能するのか、その裏にある工程設計をもう一段掘り下げます。

実際の画面操作や生成の様子、完成したPR動画はこちらでご覧いただけます。

第1章: ClaudeにHiggsfield MCPを繋ぐと、画像・動画生成まで「手」に入る

Claudeは、商品コンセプトの整理やサービス名・キャッチコピーの検討、PR動画のシナリオ作成、PowerPoint資料の作成まで、企画全体の司令塔として使えます。一方で、Claude自身には画像生成モデルや動画生成モデルが備わっていません。そこでHiggsfield MCPを接続し、Claudeから画像生成・動画生成を呼び出せるようにします。

Higgsfield MCPを接続すると、Claudeとの対話の中からそのまま画像や動画を生成し、成果物を作業フォルダへ出力できます。「企画はClaude、画像生成は別サービス、動画生成はさらに別サービス」と画面を行き来する必要がなくなり、企画から制作までを1つの会話の中で進められるようになります。

この「画面を行き来しない」という点は、単に手間が減るという以上の意味があると私は考えています。画像生成AIだけを渡されて「あとは自分でどうぞ」という状態だと、プロンプトを考える作業とシナリオを考える作業が別々の画面・別々の文脈で進んでしまい、対話の履歴がそのつど途切れてしまいます。Claudeを窓口にすることで、直前まで話していたサービスの世界観やターゲット像を踏まえたまま、そのプロンプトの組み立てまで任せられる。ここが、Higgsfield単体で使うのとMCP経由でClaudeから使うのとの、実務上の大きな違いだと感じました。

HiggsfieldのネイティブUIは英語かスペイン語にしか対応しておらず、日本人にとっては画面を見ながら必要なモデルを探し、プロンプトを打ち込んでいくこと自体に抵抗感があります。MCP経由なら、普段使っているClaudeとの日本語の対話から生成を指示でき、「このロゴをもっと高級感のある方向にしたい」「このカットは別のモデルでも十分では」といった相談も、制作工程の途中でそのまま続けられます。

第2章: 接続方法とHiggsfieldの料金プラン、MCPで使うならどれを選ぶ?

接続手順はシンプルです。Claudeの「Settings」から「Connectors」を開き、カスタムコネクタとしてエンドポイント https://mcp.higgsfield.ai/mcp を登録するだけで、Claudeの会話からHiggsfieldの機能を呼び出せるようになります。

Higgsfieldには、Starter・Plus・Ultraという3つの料金プランがあります(2026年時点、公式Pricingページに基づく)。

プラン月払い年払い(月あたり)月間クレジットSeedanceモデルへのアクセスStarter$19$19270Fast・Miniのみ(Seedance 2.0本体・2.5は利用不可)Plus$59$471,200フルラインアップUltra$129$993,000フルラインアップ

無料プランはなく、40クレジット分の一回限りの体験オファー($3)と、MCP接続を試すための3日間のトライアルがあります。トライアルは3日を過ぎると自動的に課金が始まるため注意が必要です。クレジットは請求サイクルごとにリセットされ、翌月への持ち越しはありません。StarterプランではSeedance 2.0の本体・2.5が使えないため、MCPを使ってSeedanceなどのモデルを本格的に試すなら、Plus以上が対象になります。

参考リンク
Higgsfield Pricing(公式)
https://higgsfield.ai/pricing

一番安いプランに飛びつかず、Plusを最初のステップとして選んだのには理由があります。ツールを選定するときは、価格の安さよりも先に「目的に必要な機能が揃っているか」を確認するべきだと私は考えています。今回であればSeedanceのフルラインアップとMCP接続そのものが、この企画にとって必須の機能でした。安いプランで契約してから「実はこの機能が使えなかった」と気づくよりも、先に必要条件を洗い出してからプランを選ぶ方が、結果的に時間もコストも節約できます。これはHiggsfieldに限らず、複数の料金プランを持つツールを実務で使うときに共通する考え方だと思います。

第3章: 架空サービス「mame.」でロゴ・キービジュアル・パワポ資料を一気に作る

最初から「ロゴを作って」「動画を作って」と個別に指示するのではなく、まず「オフィス向けコーヒー豆定期配送サービスを企画し、商品コンセプト、ロゴ、キービジュアル、PowerPoint企画資料、30秒程度のPR動画まで作りたい」と、制作全体をまとめてClaudeに伝えました。

いきなり画像生成を始めるのではなく、まずサービスのターゲット、課題、提供価値、世界観などをClaudeと整理してからロゴを生成しています。生成されたロゴには「もっとシンプルに」「高級感を出してほしい」といった指示を対話形式で重ね、キービジュアルはLPの見出し画像・PowerPointの表紙・各スライドへ組み込む素材として使い回しました。

画像生成の前に「言葉」でコンセプトを固めておくことには、明確な意味があります。ロゴ、キービジュアル、スライド、動画をそれぞれ別々に発注してしまうと、担当が変わるたびに世界観がわずかにズレていくことがあります。今回のように、同じ会話の中でコンセプトを固め、その同じ文脈のままロゴもキービジュアルも生成することで、成果物同士のトーンが自然と揃います。Claudeとの壁打ちが、単に企画を整理する作業にとどまらず、後続のクリエイティブ全体の一貫性を担保する工程になっているというのが、この進め方の効能だと感じています。

サービスの社内企画会議用として、5枚構成のPowerPointもClaudeに作らせました。キービジュアルとロゴを大きく使い、文字ばかりにせず視覚的に伝わる資料に仕上げています。非デザイナーでも、企画会議に持っていく段階で「こういう感じです」というところまで作れる。デザイナーに正式に依頼する前のドラフトとして、かなり使いやすいと感じました。

第4章: 30秒PR動画は「一気に生成」しない。絵コンテとシーン分割が鉄則

AI動画生成では、30秒や1分の動画を最初から一本丸ごと生成するのは避けるべきだと考えています。長い映像になるほど途中で人物や背景が崩れたり、意図しない映像へ変化したりするリスクが高くなり、生成時間も長くなるため、失敗したときのクレジット消費も大きくなるからです。

そこでまずClaudeに、30秒の動画を6シーケンス(それぞれ約6秒)に分解してもらい、各シーンで何を見せるか、どんな動きにするかをあらかじめ決めました。さらに、シナリオができてもすぐに本番用の動画生成モデルを回すのではなく、各シーンの最初のフレームを静止画として生成し、人物・構図・背景・世界観を確認する工程を挟んでいます。

この「絵コンテを先に作る」という手順は、AI動画生成に共通する構造的な弱点への対処だと私は考えています。動画生成モデルは、長く生成しようとするほど途中で破綻しやすくなる一方、静止画の生成はその場ですぐに結果が見えて、しかも動画より低コストです。つまり「安く・早く確認できる工程」を先に挟み、構図や世界観が固まった状態で初めて「重く・高価な工程」である動画生成に進む、という順番になっています。本番でいきなり動画生成してガチャを引くのは、クレジットも使いますし効率も悪いというのが実感です。

構図が決まった静止画を起点に、動きが大きくカメラワークも派手なシーンにはSeedance 2.0のような高性能モデルを、動きが小さいシーンには低コストなモデルを使い分けました。全てのシーンをSeedanceのようなハイエンドなモデルにする必要はない、というのが私の見解です。加えて、ロゴが表示されキャッチコピーが出てくるようなシーンは、AI動画生成モデルに作らせず、Claude Codeから生成できるRemotionを使っています。文字を正確に表示したい場面や、ロゴとテキストをきれいに動かす場面では、動画生成AIよりRemotionの方が安定していて、追加のクレジット消費もありません。

第5章: 動画を結合し、BGM・ナレーションを足して完成させる

Higgsfield MCPで生成したMP4やPNGなどのファイルは、Claude Codeの作業フォルダ内で通常の制作素材として扱えます。シーンごとに生成した短い動画とRemotionのシーンをシナリオ順に並べ、Claude Codeから結合して1本のPR動画にしました。BGMとナレーションはGoogle AI Studioで別途生成しています。Higgsfieldでも音声合成は扱っていますが、実際に試した感じでは日本語があまり安定しなかったため、今回はGoogle AI Studioでボイスを生成しました。

ナレーションをシーケンスごとに1つずつGoogle AI Studioで作るのは手間がかかります。そこで「Gemini APIキーを自分で入力すれば、複数のナレーション音声を一括で生成できるUIを作ってほしい」とClaudeに依頼し、その場で専用の小さなツールを作らせました。

「面倒な作業をその場でツール化する」というこの発想は、動画生成が得意な部分にはHiggsfield、テキストアニメーションにはRemotion、編集・結合にはClaude Codeというように、それぞれの工程に最も適した手段を割り当てる、という考え方の延長線上にあります。全部を1つの生成AIだけで無理やり作ろうとせず、その場で起きた「この作業が面倒」という課題に対しても、専用のツールをその都度作って解決する。Claudeを単なる生成の窓口ではなく制作工程そのものの管理役に据えているからこそ、こうした柔軟な対応が可能になっていると感じます。

最初に考えた「オフィス向けコーヒー豆定期配送サービス」というアイデアから、ロゴ、キービジュアル、PowerPoint企画資料、PR動画までが揃いました。企画を言葉だけで説明する状態から、その場で見せられるプロトタイプへ変える。非デザイナーでも、社内提案や正式制作前のドラフトを一連のワークフローとして作れるようになったことに、大きな手応えを感じています。

完成した30秒のPR動画は、こちらの動画でご覧いただけます。

まとめ

Claude単体では持っていない画像・動画生成の力を、Higgsfield MCPが与えることで、ロゴからPR動画まで一気に作れるようになります。接続はエンドポイント登録だけで完了し、MCPを本格利用するならPlus以上のプランが現実的です。そして、この組み合わせが機能する背景には、「安く早く確認できる工程を先に挟む」「1つの生成AIに全部を背負わせず、工程ごとに最も適した手段を選ぶ」という判断が一貫して流れています。この考え方は、Higgsfield MCPに限らず、複数のAIツールを組み合わせて何かを作るときにも応用できるはずです。

Gensparkから、同社初の自社デバイスとなるAIボイスレコーダー「SecondBrain Note」が発表されました。私もPR案件として2週間ほど実機を使わせていただいたのですが、使ってみて感じたのは、このデバイスが単なる議事録取得ツールではなく、「AIで第2の脳を作る」というコンセプトそのものを体現しているということでした。

今回は、SecondBrain Noteの実機レビューを軸にしながら、なぜこのデバイスが従来のAIボイスレコーダーとは違う価値を持つのか、その背景にある考え方まで掘り下げてお伝えしたいと思います。

第1章: GensparkのAIボイスレコーダー「SecondBrain Note」って何?

実は私、2年ほど前に発売された「PLAUD NOTE」というAIボイスレコーダーをすでに持っています。ですが、私の仕事はオンライン会議が中心で対面での会議がほとんどないため、正直ほとんど出番がありませんでした。「スマホとは別のデバイスをわざわざ持ち出してまで録音する場面は少ない」というのが、私にとってのAIボイスレコーダーというカテゴリーへの評価だったのです。

そんな私が今回のSecondBrain Noteに興味を持ったのは、「音声メモから第2の脳を作る」という、これまでのAIボイスレコーダーとは違うコンセプトを掲げていたからでした。

PLAUD NOTEをはじめとする従来のAIボイスレコーダーは、基本的に「議事録取得ツール」という枠組みで語られてきました。会議を録音し、文字起こしして、要約する。ここまでが製品の役割で、その先の使い道はユーザー任せというのが一般的な位置づけです。

一方でGensparkが掲げているのは、AIの「記憶」そのものを拡張していく「セカンドブレイン」という枠組みです。人間の記憶には限界があり、すぐに忘れてしまいますが、AIに覚えさせておけばいつでもその記憶を遡って助けてもらえる。SecondBrain Noteは、この記憶を積み上げていくための入力デバイスとして位置づけられています。「議事録を取る道具」と「記憶を育てる道具」。同じ録音デバイスに見えて、この枠組みの違いが、私が今回興味を持った最大の理由でした。

なお、GensparkさんとのタイアップではSecondBrain Noteを活用したAIスライド作成の動画も近日YouTube公開予定です。

第2章: PLAUD NOTEとの違いは「その先のアウトプット」につながること

見た目や基本的な使い方は、正直なところPLAUD NOTEとそう変わりません。録音して、文字起こしされて、要約が作成されるところまでは、既存のAIボイスレコーダーとほぼ同じ流れです。

違いが出てくるのはここからです。SecondBrain Noteで録音した内容は、Gensparkというさまざまなアクセス機能を持つAIエージェントの記憶そのものになります。議事録をもとに「AIでスライドを作ってください」「この内容でメールを書いてください」と、Genspark上のスーパーエージェントに指示を出せば、そのまま次のアウトプットへとつながっていきます。

実は今回のVoicy放送のアウトラインも、この仕組みで作ってもらいました。「SecondBrain Noteについてどんな話をしようか」とGensparkに相談したところ、これまで録音・文字起こしされてきた内容を遡って集めてくれて、構成案を提案してくれたのです。私自身、隙間時間に細切れで語りかけていた内容は、正直もう断片的にしか覚えていませんでした。

ここで本質的だと感じたのは、SecondBrain Noteが単体の記録装置ではなく、AIエージェントの記憶ネットワークへの「入力口」として機能しているという点です。 録音した瞬間から、その情報はGensparkという一つの知能に接続されていく。だからこそ、忘れてしまった過去の断片から新しいアウトプットを組み立てるという、記録装置単体ではできなかったことが可能になっているのだと思います。

第3章: カフェのテラス席で50分間喋ったら、1万4,000文字の方針文章ができた

先日、外で仕事をしていたときに、セミナー講義の設計方針をパソコンに入力しなければならない場面がありました。それなりの文章量が必要になりそうで、正直「これは骨が折れるぞ」と感じていました。

すでに午前中に考える仕事をして頭も疲れていたので、これ以上タイピングするのは気が重い。そこで、全部音声で一気に話してしまい、その文字起こしをAIで整形すればいいのではないかと思いつきました。カフェのテラス席で、Notionに決めるべき項目リストだけを置き、SecondBrain Noteにひたすら喋りかける作業を50分間続けたところ、約1万4,000文字のテキストができあがったのです。

これがタイピングだったら、おそらく同じ分量は50分では到底終わらなかったと思います。なぜ音声だと、これほど軽い気持ちで大量にアウトプットできるのでしょうか。 その理由は、話すこととタイピングすることの間にある「推敲コスト」の違いにあると私は考えています。タイピングでは、文字にする瞬間に「これどうしようかな」「きちんとした文章にしなければ」という先入観が働き、書く前に頭の中で何度も文章を練り直してしまいます。一方、音声インプットはどうせ後でAIが綺麗に整形して議事録化してくれるとわかっているので、たどたどしく喋っても、考えながら立ち止まっても、言い直しても構いません。誰かが聞いている音声ではなく、AIにさえ伝わればいいという前提が、完璧に話そうとするプレッシャーを丸ごと外してくれるのです。

持ち出したのはスマホ1台とSecondBrain Note 1台だけ。パソコンで打ち込んだり調べものをしたりできない状況だったからこそ、方針をアウトプットすることだけに集中できました。できあがった方針文章は、そのままClaude CodeやChatGPT、Codexといったエージェントに渡せば、要件定義済みの指示書として機能します。

第4章: 自分の「判断基準」を言語化してAIに覚え込ませるという使い方

もう一つ、SecondBrain Noteを使っていて見えてきた活用法があります。それは、AIに指示を出すときの「自分の判断基準」を言語化するという使い方です。

私にはYouTube経由でAI関連企業からのPR案件が日々かなりの数舞い込んできます。そのすべてを受けるわけではなく、自分の判断軸に沿ってお断りすることも少なくありません。先日も、ある海外AIツールのPR案件をお断りしました。そのサービスの利用規約で、ユーザーが入力した情報をAIの学習に利用するかどうかの記載が曖昧だったからです。こうした判断基準を、Claudeの「スキル」という機能に覚えさせておき、次回以降も同じ基準でリサーチしてもらうようにしました。似たような案件が来た際には、AI自身が必要な情報を調べて「この規約の部分はチェックした方がいい」とレコメンドしてくれるようになったのです。

ここで気づいたのは、判断基準というものがそもそもなぜ言語化しづらいのか、という点です。 「なんとなく今までの経験上これは危ない気がする」という感覚は、明確なルールとして頭の中に存在しているわけではなく、経験の積み重ねから来る勘に近いものです。タイピングで打ち込もうとすると、その勘を明確な文章に変換しようとする作業自体が負荷になり、かえって手が止まってしまいます。ところが音声でとにかく喋ってみると、うまく言語化できていない状態のままアウトプットでき、その解釈と整理をAI側に手伝ってもらえます。言語化しにくいものほど、実は音声インプットに向いているのではないかと私は感じています。

よく言われる「AIで第2の脳を作る」というのは、忘れやすい人間の記憶をAIに保管してもらう、という文脈がほとんどです。ですが、自分でも言語化できていない判断基準をAIに覚え込ませ、その基準をもとにAIに働きかけてもらう、レコメンドしてもらう、リサーチしてもらう。セカンドブレインには「記憶の保管」と「判断基準の模倣」という、2つの異なる軸があるのだと私は考えています。 前者は過去の情報を思い出す役割、後者は自分の考え方のパターンをAIに再現してもらう役割です。同じ「第2の脳」という言葉でも、担っている機能はまったく違います。

第5章: スマホ+MagSafeで持ち歩く、隙間時間インプットの工夫

以前の私は、単純な議事録取得や対面ミーティングの録音だけのためにスマホ以外のデバイスをわざわざ持ち歩くのは面倒だと感じていました。とっさに使えないし、それならスマホでいいじゃないかというタイプだったのです。Apple WatchにGensparkのアプリを入れれば議事録が取れる機能もあり、新しいデバイスを足さなくてもさりげなく議事録が取れる方が便利だと思っていたくらいです。

ですが今は逆で、スマホにMagSafeでパチッとつけておき、いつでもスマホと一緒に持ち歩ける録音デバイスとしてSecondBrain Noteを使っています。スマホの画面を占有せず、別デバイスでいつでもサッと録音できるのが、思っていた以上に便利だと感じています。

この携帯性が意味を持つのは、判断基準の言語化という作業が、一度にまとめてできるものではないからです。 「この案件はOKだった、なぜなら」「この案件は断った、理由はこうだ」という判断基準は、日々の小さな意思決定の中で少しずつ積み上がっていくものです。まとまった時間を取って一気に言語化しようとしても、過去の判断の細部はもう記憶から抜け落ちています。だからこそ、判断を下したその瞬間、その場で少しだけ喋って記録しておく、隙間時間の積み重ねが効いてくるのだと思います。スマホの画面を占有せずボタン一つで即座にインプットできるという携帯性は、この隙間時間の運用と相性がいいのです。

今回は、GensparkのAIボイスレコーダー「SecondBrain Note」を2週間使ってみて見えてきた、AIボイスレコーダーの新しい価値についてお話ししました。記憶の保管と判断基準の言語化という2つの軸、そしてその両方が、まとまった時間ではなく隙間時間の積み重ねによって育っていくという構造。議事録を取るための道具から、自分の考え方そのものをAIに模倣させていく道具へ。 SecondBrain Noteは、AIボイスレコーダーというカテゴリーの価値そのものを一歩広げるデバイスだと感じています。GensparkさんとのタイアップでSecondBrain Noteを活用したAIスライド作成の動画も近日公開予定ですので、そちらも楽しみにお待ちください。

先週、音声入力ツール「Typeless」とのタイアップ動画、いわゆるPR動画をYouTubeに公開しました。今回はその続きとして、PR案件としてではなく、1ヶ月使い倒して分かった本当に便利な点と、正直に感じている不便な点を、PR案件なしで語った動画を公開しました。この記事はその内容をまとめたものです。

前回公開したPR動画では、時間の制約もありますし、スポンサーであるTypelessさんへの配慮もあって、どうしても紹介できる範囲や言葉選びに限りが出てきます。それ自体は当然のことですし、PR動画そのものに嘘があったわけではありません。ただ、収録を終えたあとに「これはPRの枠だと話しにくかったな」と感じる部分が残っていました。今回はその部分を、案件としての縛りを外した状態で、あらためて話すことにしました。

第1章: Typelessって、本当にそんなに便利なの?

Typelessを使う前、私はAquaという音声入力ツールを使っていたり、Gensparkの有料プランに含まれるSpeaklyというツールに乗り換えたりしていました。Typeless自体は触ってはいたものの、そんなに使う理由が思いつかず、他のツールをメインにしていたというのが正直なところです。

そこに1ヶ月ほど前、Typelessさんからタイアップの打診をいただきました。この打診がなければ、私はいまだにTypelessをそこまで使い込んでいなかったと思います。 せっかくの機会なので、じゃあちょっと使い込んでみようということで、Typelessに集中して1ヶ月使い倒してみたのがことの始まりです。ちなみに、YouTubeで有名なAI発信者の池田朋弘さん(いけともch)も、Typelessをかなり使っているとおっしゃっています。

使い倒してみて分かった便利さは、3つの基本機能に整理できました。1つ目が、話した言葉をAIが自動で整えてくれる「自動整形入力」。フィラー混じりでラフに喋った内容が、綺麗な敬語のビジネス文体として入力されます。2つ目が、すでにある文章を選択して声で編集を指示できる「Speak to Edit」。3つ目が、メール、Slack、Notion、ChatGPTアプリ、ブラウザなど、どのアプリを開いていても同じように音声入力ができるという横断性です。

通常の音声入力は、話したことをほぼそのまま文字にします。だから無駄なことを話してしまうと、そのまま文字として残ってしまいますし、言い直しや言い間違いもそのまま入力されてしまいます。Typelessは、そうしたフィラーや言い直しをAIが解釈して整形したうえで入力してくれる、という点が他の音声入力と一線を画すところです。

第2章: Typelessで特に便利だった「意外な機能」はこれ

私がPR動画で紹介しきれず、今回あらためて時間を取って話したのが「Ask Anything」という機能です。文章を選択して右Alt+Space(Macの場合はFn+Space)を押し、声で指示や質問をすると、その場でAIが処理してくれます。

たとえば、込み入った日本語メールをドラッグして選択し、「このメールは何を言っているのかを具体的に要約して、箇条書きで整理してください」と話しかけると、要約がポップアップで返ってきます。さらに「このメールに対して適切な返信を考えてください」と続けて頼めば、要望を反映した返信案までその場で生成されます。普段であれば、AIチャットを開いて、メールをコピーして、貼り付けて、指示を書く、という手数が必要です。Typelessはそれを、文章を選択して声で頼むだけに圧縮してくれます。

英文メールに対しても同じことができます。相手から届いた英文メールを選択して「日本語で直訳した後、箇条書きで整理してください」と頼めば、日本語訳と内容の要約が返ってきます。続けて「返信メールを考えてください、日本語訳も添えて」と頼めば、英語の返信案と日本語訳が同時に生成されます。英語力にそこまで自信がない私にとって、これはかなり助かる機能です。

ブラウザで開いている長文記事に対しても、「要するに何を言っているのかを箇条書き5つで要約してください」と話しかければ、その場で要約が返ってきます。パソコンだけでなくiPhoneでも、拡張キーボード機能を使えば同じアカウントでTypelessによる音声入力が使えます。

第3章: Typelessって有料前提で、高いのでは?

私自身、Typelessに対して「どうせ有料前提で高いんでしょう」という先入観を持っていました。実際には、無料版でも週8,000語まで使えます。料金プランは次の通りです(2026年8月時点、公式サイトの料金ページの内容にもとづきます)。

プラン料金語数の上限主な内容Free$0週8,000語標準精度、混雑時は標準アクセスPro(年払い)$12/月(年額$144)無制限高精度、混雑時も優先アクセスPro(月払い)$30/月無制限高精度、混雑時も優先アクセスEnterprise要問い合わせ無制限Proの内容に加え、SSO・SCIM/JITプロビジョニング、監査ログ、優先サポートなど

月払いのProは月30ドルで、日本円にすると4,000円以上します。ChatGPT Plusの月20ドルより高いことを考えると、これは毎日音声入力を使うようなヘビーユーザー向けの価格だと感じます。年払いなら月12ドル相当まで下がりますが、1年間の利用にコミットする必要があります。

一方で、無料枠の週8,000語は実感として少なくありません。オフィスやコワーキングスペースでは、周囲への配慮から音声入力を日中使いにくい場面が多くあります。私の場合、子供が寝静まった夜に自宅のパソコンで使うことが中心で、この使い方では週8,000語を使い切ることはほとんどありませんでした。無料枠を使い切らないのは、意志の問題というより、声を出せる時間そのものが生活の中で限られているからです。 ChatGPTやGeminiなど、AIチャットに標準搭載の音声入力で十分なシーンも多いので、Typelessをメインで使う場面はそれほど多くならず、無料版の範囲に収まり続けることも珍しくありません。有料版が生きてくるのは、アプリ純正の音声入力が届かない場所、つまりメールや資料作成の場面で毎日のように音声入力を使う人です。

第4章: 使って分かったTypelessのデメリット

一番惜しいと感じたのは「AIが賢すぎる」ことです。Typelessの音声入力モデル自体にAIが組み込まれているため、それが文章を整形してくれること自体は便利な反面、そのままのニュアンスで入力したい場面では裏目に出ることがあります。

実際に試してみると、「今日やることをリストアップしたいんですけど、朝メール書いて、次に議事録を書いて、次に書類を作成します」と話しただけで、勝手に箇条書きとして整形されました。「リストアップしたい」という文脈をAIが読み取った結果ではあるのですが、単純に言った通りの文章としてチャットに送りたいだけのときは、これが意図しない暴発になります。

特に困るのが、ChatGPTやGeminiなど、別のAIへの指示文そのものを音声入力したいときです。指示したい相手はTypelessではなく、その先にあるChatGPTやGeminiのはずなのに、Typeless側のAIが文脈を解釈して先回りしてしまうことがあります。Typelessの便利さの正体である「AIが文脈を読んで整形する」という仕組みが、そのまま弱点の正体にもなっている、というのが1ヶ月使ってみて感じた実感です。PR案件としてTypelessを紹介する立場では、ここまで踏み込んで弱点を語るのは難しい部分でした。

第5章: 結論、Typelessが向いている人は?

Typelessが向いているのは、言ったことをAIに整えてもらいながら音声入力がしたい人、メールや資料やブラウザでAsk Anythingのようにスピーディーに使いたい人、そしてパソコンで日常的に音声入力を使う環境がある人です。

これまで使ってきた音声入力アプリと比較すると、次のようになります。

アプリ特徴無料枠有料プランTypelessAIが整理して出力する音声キーボード週8,000語月$30(年払いなら月$12)Aqua高精度なプロ仕様ツール、長文原稿に向く1,000語(トライアル)月$8Speakly(Genspark)マルチデバイス対応週4,000語(初回7日間は無制限)Genspark Plusで月$24.99(Genspark契約者は追加課金不要)

Aqua、Speakly、Typelessと使ってきて感じるのは、認識精度だけではツールを比較できなくなっているということです。「AIにどこまで整えてほしいのか」まで含めて音声入力を選ぶことが、これから重要になってくると私は考えています。AIチャットへの相談や指示にはアプリ純正の音声入力を、メールや資料作成にはTypelessのような専用アプリを、話した内容を確認しながら入力したいときにはOS標準の音声入力を、というように、1つのツールにすべてを委ねるのではなく、生活動線や場面に合わせて組み合わせていくのが、無理なく音声入力を続けるための現実的な選び方だと思っています。

PR案件という立場を外して、あらためて1ヶ月分の実感を話してみて、良かった点も惜しかった点も、以前より率直に伝えられたのではないかと思っています。興味のある方は、まずは無料版からTypelessを試してみてください。

音声入力に関連して、Kindle電子書籍「40代、音声入力に切り替えたら、AI活用が10倍になった」もリリースしています。Amazonの売れ筋ランキングで一時的に1位になることができました。興味のある方は、ぜひAmazonでチェックしてみてください。

全米ベストセラー書籍『リーン・ラーニング』の日本語翻訳版がついに発売されました。本書が掲げるのは、情報過多な現代において「無駄なく少なく学び、多くの結果を出す」という超効率的な学習法です。ChatGPTやClaudeなどのAIツールが急増する今、完璧に学んでから動こうとする思考の癖は大きな足かせになります。1年前にAIで洋書を読破した体験とプロの翻訳版を読み比べて見えた気付きとともに、インプットに溺れず最小限の学びで成果を出す実践メソッドをお伝えします。

▼「リーン・ラーニング」翻訳版はこちら

https://amzn.to/4hJY1yv

第1章: 全米ベストセラー『リーン・ラーニング』が「少なく学ぶ」を説く

『リーン・ラーニング』は、原書 “Lean Learning” として2025年6月3日にアメリカで発売され、ニューヨーク・タイムズとUSAトゥデイのベストセラーに選ばれた話題の書籍です。その日本語翻訳版が、翔泳社より鈴木ファストアーベント理恵さん訳で発売されました。

「リーン」は「リーン生産方式」などで使われる「引き締まった」「無駄がない」という意味の言葉で、「リーン・ラーニング」は無駄なく学び、多くの結果を出すという学び方を指しています。

著者のパット・フリンさんは、オンラインコンテンツビジネスの世界ではアメリカを代表するベストセラー作家の一人です。もともと建築業界で働いていましたが、ある日突然解雇されてしまいます。そこで一念発起し、建築分野の資格試験「LEED試験」の対策教材を作ってオンラインで販売し始めたのが、彼のキャリアの出発点でした。そこから事業を広げ、今ではポッドキャストが2500万ダウンロードを記録するビジネスインフルエンサーになっています。

実は昨年の英語版発売直後から、私自身もVoicyとnoteでこの本を紹介していました。当時はまだ日本語版が出ておらず、AIを使って英語の原書を読み通し、内容を要約してお伝えしていたんです。翔泳社さんはその当時のVoicyとnoteをすでにチェックしてくださっていたようで、今回の日本語版を献本してくださいました。あらためて紹介したいと思います。

参考リンク:昨年紹介したnote記事(Voicyへのリンクも本文内にあり)
https://note.com/on_consul/n/n8619a1372cfc

第2章: AI翻訳（Gemini）とプロの翻訳で判明した、言葉選びと「捨てる決断」の違い

1年前、私がこの本を読めたのは、Geminiの進化のおかげでした。Gemini Liveというスマホのカメラ越しに音声で対話しながら「これなんて書いてあるの?」と質問できる機能や、写真に写った文章を高精度に読み解いて説明してくれる機能が登場し、それまで挫折しかけていた洋書読破が一気に現実的になったんです。この体験に興奮して、国内未翻訳の海外ベストセラーを読み解くシリーズとして、何冊もVoicyやnoteで紹介していました。

▼note記事「Geminiで、洋書（海外の本）を2日でスラスラ読めた、最新機能が凄すぎた３選」

https://note.com/on_consul/n/n82fc83a9a30b

今回、プロの翻訳者である鈴木ファストアーベント理恵さんの訳と、自分がGeminiで読み解いた内容を比較する、いわば答え合わせができました。感じたのは、言葉選びがやはりプロだということです。原書には、難しいことに難しいまま取り組むと動けなくなるから、もっと簡単な方法を探そうというメソッドがあります。英語では“If this were easy, what would it look like?”という問いかけの頭文字を取って「ITWEWWILL」と略されているのですが、これは日本人の感覚だとまったく頭に入ってこない略称です。翻訳版では、これが「イフ・イージー」というスッと理解できる短い名前に置き換えられていました。

これは相当な決断がいる作業だったはずです。原書のニュアンスを守りつつ、重要なメソッド名をあえて改変していいのかという葛藤があったと思います。おそらく翻訳者さんと出版社さんの間で、「このメソッド名自体を残すメリットはそこまでない。むしろ簡単な名前に置き換えて、スッと伝わる方を選ぼう」という判断があったのではないでしょうか。ここが今回、私が一番おもしろいと感じたポイントです。AIに同じ翻訳を任せていたら、この意訳は出てこなかったと思います。AIは基本的に、原文の要素を残すか削るかという判断を人間に委ねるスタンスを取ります。だからこそ、メソッド名をまるごと捨てて別の言葉に置き換えるという踏み込んだ決断は、AI翻訳ではなかなか出てこないのだと思います。

第3章: 100%勉強してから動くのは失敗の元？AI時代の「ジャストインタイム学習法」

本書で紹介されている「ジャストインタイム情報」というメソッドは、多くの人が何かに取り組む時に陥りがちな「100%学んでから始めよう」という思考の癖を指摘しています。100%の学びに達するまで待っていると、結局いつまでも行動に移せません。そうではなく、必要な時に必要なことだけを学び、一歩ずつ進めていくべきだという考え方です。

これは今のAI時代にこそ刺さる話だと感じます。少し前なら、何か新しいことに取り組む前に、まず入門書や体系立った専門書を1冊買ってきて、最初のページから学んでからでないと着手できませんでした。ですが今は、ChatGPTやClaude、Claude Codeのようなエージェント系のツールに「こういうことを実現したいけど、何からやればいい?」と聞き、必要な学びを1つずつクリアしながら手を動かしていく流れが主流になっています。エラーが起きたらその都度AIに確認し、必要な改善だけをその場で学んでいく。これがまさにAI時代のジャストインタイム学習です。

第4章: 作業の全自動化で挫折しないための思考法「イフ・イージー」とは?

この夏、私自身も「イフ・イージー」の考え方に助けられた出来事がありました。取り組んでいたのは、Voicyやポッドキャストで喋った内容を文字起こしし、ブログ形式に整形し、見出し画像や差し込み画像まで生成して、最後にnoteやSubstackへ投稿するところまで全自動化するという課題です。文字起こしからブログ原稿の作成、画像生成まではある程度自動化できていました。しかし、完成した原稿をnoteやSubstackにアップロードする最後の工程だけがどうしても上手くいきませんでした。Claude CodeやCodexでブラウザを自動操作させてnoteやSubstackに投稿させようとしたのですが、コピペがうまくいかなかったり、画像サイズが原因でアップロードに失敗したりと、手詰まりが続いていたんです。

ずっとブラウザ自動化だけで何とかしようという頭から離れられずにいたのですが、ふと「もっと簡単な方法があるんじゃないか」と気づきました。noteには外部で書いた記事をWordPress形式で取り込める「インポート機能」があります。それなら、WordPress形式のファイルをClaudeに作らせて、それをインポートすれば自動投稿と同じことが実現できるはずだと発想を変えたんです。この方法に切り替えたことで、実現も早く、自動化もシンプルになりました。Substackのアップロードについても、Chrome拡張を自作して記事の取り込みボタンを自動的に押す仕組みを作ることで、同じように解決できました。

振り返ってみると、この間ずっとAIには相談し続けていました。「ブラウザ自動化でコピペがうまくいかない、どうすればいい?」「画像アップロードが失敗する、対処法は?」といった具合です。AIはその都度、対処法のアイデアを返してくれます。ですが、「そもそもブラウザ自動化という方法自体が最善なのか」という、方法そのものを疑う提案は一度も出てきませんでした。第2章で見た翻訳の話と同じで、AIは与えられた前提の中で最善を探すのは得意でも、前提そのものを切り捨てて別の道に乗り換えるという決断は、こちらから発想を変えない限り出てこないのだと思います。

第5章: 情報やアイデアに溺れない! やるべきことを3つに絞り込む「マトリックス整理術」

本書ではもう1つ、「インスピレーション・マトリックス」という考え方も紹介されています。詳しくは昨年のnoteやVoicyでも触れているのですが、AI時代は情報もアイデアも多すぎる時代です。「これを自動化するといい」「このスキルを使うといい」「このAIモデルが熱いから取り組んだ方がいい」といった情報が次々に流れてきます。どれも魅力的に見えるからこそ、「これは今の自分が取り組む価値があるのか」「どこにエネルギーを注ぐべきか」を整理して選び取る作業が欠かせません。インスピレーション・マトリックスは、こうしたアイデアをマトリックス図で整理し、取り組むべきものと捨てるべきものを見極めるための考え方です。

まとめ

AI時代にあらためて『リーン・ラーニング』の日本語版を読めたことは、とても幸運だったと感じています。情報は溢れ、AIのおかげでやろうと思えば取り組めることも増え続けています。だからこそ、壮大で複雑な計画を立てて失敗するより、ジャストインタイムで情報を仕入れながら手を動かし、行き詰まったら「もっと簡単な方法」を探すという動き方が、今の時代に合っているのではないでしょうか。そしてもう一つ、AI翻訳とブログ自動化の両方から見えたのは、前提を疑い、何かを思い切って捨てるという決断は、結局のところ人間の仕事だということです。AIとにらめっこして視野が狭くなっていると、こうした発想の転換すら浮かばなくなることがあります。私自身、何度も経験してきました。手を止めて、一度立ち止まって考えてみる。『リーン・ラーニング』日本語版、気になる方はぜひ手に取ってみてください。

▼「リーン・ラーニング」翻訳版はこちら

https://amzn.to/4hJY1yv

Kindleで新刊を発売しました。タイトルは「40代、音声入力に切り替えたら、AI活用が10倍になった」です。

3日間限定で99円、8月17日月曜日の夜までとなっています。

テーマはズバリ「音声入力×AI活用」ですが、実はこのテーマ、もともとはあるPR案件で提案してボツになった企画でした。今回は新刊の内容と合わせて、そのボツ企画の顛末と、なぜ「速さ」ではなく「体をいたわること」を音声入力のテーマに選んだのかをお話しします。

第1章　Kindle新刊「40代から音声入力を始めたらAI活用が10倍になった」を発売

今回発売したのは「40代から音声入力を始めたらAI活用が10倍になった」という長いタイトルの電子書籍です。8月17日月曜日の夜までの3日間限定で99円、その後は300円に値上げとなります。ちょうどお盆期間で休みの方も多いと思いますので、よろしければこの3日間のうちに手に入れて読んでいただければと思います。

サクッと読める内容になっていますので、連休中に一気に読んでいただいても、連休後に通勤通学の合間に少しずつ読んでいただいても構いません。

第2章　「タイピングより速い」ではなく「体をいたわる」を選んだ理由

音声入力というと、よく「タイピングより4倍速い」というように、生産性の話として語られがちです。私も、それはその通りだと思います。

ただ、今回の書籍で書きたかったのはそこではありませんでした。もっと体をいたわるために音声入力に変えませんか、という提案です。私自身、40代になってから音声入力をどんどん使うようになってきたという実感があり、その体験をベースにこのテーマを選びました。

第3章　音声入力アプリ「Typeless」のPR案件でボツになった企画

このテーマ、実は先日YouTubeで公開した音声入力アプリ「Typeless」のPR動画の企画段階でボツになったネタでした。

Typelessは海外法人が提供している音声入力アプリで、日本のマーケットに音声入力を広めたいという意向があり、私も企画を提案する立場で関わりました。最初に私が提案したのは、「日本人は世界で一番座っている時間が長い、デスク時間が長い。だからタイピングよりも体をいたわるために音声入力を日本に広めるという訴求はどうか」というものでした。

結果は、「ちょっとひねりすぎ」ということでボツになりました。Typeless側からは、もっとストレートに仕事の業務事例の中で音声入力を使い、Typelessが便利だと伝わる動画にしてほしいという要望があり、それはそれで納得できる話でした。最終的には、私がよくYouTubeで扱っているAIスライド作成に音声入力を絡めるという形でPR動画が完成しています。ちなみに9月にはTypelessの新機能が出るらしく、また別のPR企画が控えています。

ボツになったテーマではありましたが、それでもやはり出したいと思ったので、今回電子書籍という形でしたためることにしました。

第4章　40代になって感じている「無理が利かなくなった」実感

今回の書籍を「40代から」というタイトルにしたのには理由があります。

私自身、この4月から40代になりました。「エクセル兄さん」というハンドルネームで活動し始めてから、もう10年以上が経っています。いつ「兄さん」ではなく「エクセルおじさん」になるのか、という感じもしないでもありません。

40という年齢を境に、というほどはっきりしたものではないのですが、このあたりから以前より体に無理が利かなくなってきたという感覚があります。子供が小さかった30代の頃は、夜泣きする子供のそばで、音の鳴らない静音キーボードを使い、暗い部屋の中でカタカタとパソコンを打って電子書籍を書いていたような時期もありました。

当時は無理をしても、若さもあってなんとかなっていたのですが、今は同じように無理をすると後でツケが回ってくる感覚があります。私はChatGPTを使って、体調が悪かった瞬間やインフルエンザにかかった時、痛みを感じた時などを健康ログとして残しているのですが、振り返ってみると、その頻度も決して少なくないと感じています。

第5章　「もっと無理できない年齢向けのAI活用」を発信する意義

AI活用というと、もっと成果を出す、もっと早く、もっとたくさん仕事をこなす、という切り口で語られることが多いように思います。見栄えもよく、発信としても伝わりやすいテーマです。特にAIやIT系ツールの発信は若い方が多く、仕事の成果を出すためのAI活用をどんどん発信されているという印象があります。

ただ、私はどちらかというと、もっと無理ができない年齢になった人向けのAI活用が発信されてもいいのではないかと考えています。自分自身がその年齢になってから、そう感じるようになりました。

YouTubeでは、今回Typelessでボツになった企画のように、もっとすごいもの、もっと生産性の高い派手なネタのほうがウケる傾向があります。ただ今回は、そういった地味なテーマではあるものの、自分が40代になって本当に感じている「体をいたわるためにタイピングの時間を減らす」という音声入力の活用法を、今の年齢だからこそ言えるネタとしてKindleで書きました。

今回の電子書籍は、これまでのようなノウハウ重視というより、思想やツールとの付き合い方に重点を置いた一冊になっています。もちろん40代以外の方にもおすすめできますし、音声入力をまだあまり使っていない方、導入はしたもののそこまで活用できていないという方にも、こういう切り口で使うとどうか、というTipsを盛り込んでいます。8月17日月曜日の夜まで99円、その後は300円になりますので、よろしければこの機会に手に取ってみてください。

Google Geminiの新機能「Gemini Spark」が、日本のGoogle AI Proプランでも使えるようになりました。実際に使ってみたところ想像以上に便利で、これまで愛用していたAIエージェント「Manus」の有料プランを解約することになりました。あわせて、そのManusをめぐるMeta社の買収撤回と、背景にある中国からの影響についても紹介します。

今回は単なる新機能の使い方紹介にとどめず、なぜGeminiが今になって急に使いやすくなったのか、そしてなぜシンガポール法人のManusが中国の影響から逃れられなかったのか、という一段深いところまで考えてみます。

第1章: Gemini SparkがGoogle AI Proでも使えるようになった

Gemini Sparkは、先日紹介したChatGPTの「ChatGPT Work」や、Claudeの「Claude Cowork」に近いイメージの機能です。Geminiの画面でGemini Sparkのモードに切り替えると、ゴール達成型の自動ワークフローで仕事を進めてくれるようになります。

これまで数十万円クラスの最上位プラン「Gemini Ultra」でないと使えなかったこの機能が、2026年7月29日、1段下のプランである「Google AI Pro」（月額2,900円）のユーザーにも段階的に提供されると発表されました。私もGoogle AI Proに加入しているので、早速試してみたところ、他のAIツールもいろいろ併用している中で、Geminiにおいては今ほぼGemini Sparkしか使わないくらい便利だと感じています。

参考リンク 「Gemini Spark」24時間365日対応する自分だけのAIエージェントが日本のProユーザーにも拡大（Google公式ブログ） https://blog.google/intl/ja-jp/company-news/technology/gemini-spark-comes-to-japan/

ここで一つ補足しておきたいのは、Geminiがこれまで他社に一歩遅れて見えていた理由です。ChatGPTやClaudeで普通にできていたエージェント的な動作が、Geminiだとなかなか安定しないという不満を私自身ずっと持っていました。Gemini Sparkでようやく追いついたと感じるのは、Google Workspaceという土台を最初から持っていたGoogleが、その土台にエージェント機能を載せたことで一気に実用レベルへ跳ねたからだと考えています。裏を返せば、これまでのGeminiはエージェント機能そのものよりも、Workspaceとの連携部分の実装が追いついていなかった、ということなのだと思います。

第2章: Gmail連携で実際にできること

Gemini Sparkのモードに切り替えて、「Gmailを調べて、最新の〇〇社からのPR案件オファーのメールを読んでください。英語で書かれているオファーに対して、こういう内容で返事を書きたいので、英語で返信を作って、私にもわかるように日本語訳も付けてください」と指示します。すると、Gemini SparkがGmailを読み取って該当のメールを検索し、指示した内容の返信案を英語で作成したうえで、日本語での説明も添えて提案してくれます。

提案された返信案でよければ、「その内容でGmailの下書きに保存しておいてください」と伝えるだけです。Gemini Sparkが該当メールへの返信として、下書きへの保存まで直接やってくれます。Gmail以外にも、Googleカレンダーの予定確認、Googleスプレッドシートの操作、Google Drive上のファイル操作なども任せられます。

この一連の動きが成立している理由は、Gemini Sparkがパソコンを開いていなくてもクラウド上で完結するエージェントとして設計されているからです。 自分のパソコンでブラウザを開いて操作するタイプのAIツールとは違い、指示さえ出せばあとはクラウド側で処理が進むので、外出中でもタスクが進みます。特にGoogle Workspace上での仕事と相性がいいのは、このクラウド完結型という設計思想があってこそだと思います。

第3章: 毎朝の自動化がはかどるスケジュールタスク機能

Gemini Sparkには、決まった間隔で「毎朝〇〇させる」といった定期実行の機能もあります。例えば「Gmailをチェックして、返信すべき重要なメールが昨日あったならまとめてレポートし、私にメールで送信してください」という指示を毎朝6時にセットしておくと、毎朝Gemini SparkがGmailをチェックし、未返信の重要メールをまとめてメールで送ってくれます。「昨日来たメルマガやニュースレターで読んでいないものを全部まとめてメールでレポートしてください」と指示しておけば、読み逃したメルマガの要約も毎朝届きますし、カレンダーの予定通知やGoogle ToDoのタスク通知もさせられます。

こうした定期実行の機能自体はChatGPTやClaudeにもあります。ただ、実行結果を詳細にメールで伝えてくれる点は、今のところGemini Sparkならではの便利さです。 他のサービスだと「処理が完了しました」という完了通知だけのことが多く、中身までしっかり教えてくれるのは貴重でした。実はこの「詳細な実行結果をメールで送る」という機能は、これまで私がManusに頼っていた部分そのものでした。Manusはクラウド上で完結する作業の選択肢が広く、処理結果をメールで自分に通知させることができる、という点が他のAIツールにはない強みだったからです。それが今回、Google AI Proの月額料金の範囲内でできるようになったことが、後述するManus解約の直接のきっかけになっています。

第4章: Manusの有料プランを解約した理由

Manusには、AIに仕事の手順や必要な材料をパッケージとして覚え込ませる「スキル」という機能があり、私もそこに作業手順を作り込んでいました。今回、そのスキルをGemini Sparkに移植したところ、安定して動作することを確認できました。これでManusに残っていた仕事もGemini Sparkに引っ越しが完了してしまいました。

半年以上使ってきて便利なサービスだったのですが、ChatGPT・Gemini・Claudeという3大AIサービスがますますエージェント的にできることを増やしてきたことで、Manusでしかできないことがあまりなくなってしまいました。そこで月額20ドルほどの有料プランを解約し、無料プランに戻しました。年間に換算すると約200ドル、日本円で約3万円のコストカットになります。

複数のAIサービスを併用してきた立場から言うと、解約の判断基準はシンプルで、「そのサービスでしかできないこと」がどれだけ残っているかです。 クラウド完結・スケジュールタスク・メール通知というManusの強みが、Gemini Sparkという月額固定費の中にすっぽり収まってしまった以上、別料金を払い続ける理由がなくなった、というのが実際のところです。

第5章: Manus買収撤回のニュースとまとめ

ちょうど今回、Manusを解約したタイミングと重なる形で、Manusの独立をめぐるニュースが動きました。Manusはシンガポール法人のAIエージェントサービスですが、Meta社（旧Facebook）が2025年12月に約20億ドル規模でManusを買収したと報じられ、大きな話題になっていました。ところがその後、Manusのチームが元々中国で技術や人材を培ってきたことを理由に、中国国家発展改革委員会が2026年4月にこの買収を認めないと発表し、取引の撤回を命じていたことがわかりました。そして2026年8月11日、Manusは米Metaから分離し、独立企業として運営を再開すると発表しています。

参考リンク 中国発AIエージェント「Manus」、Metaから独立へ 中国政府が買収に反発、一部ユーザーデータは削除に（ITmedia NEWS） https://www.itmedia.co.jp/news/article/2608/12/2000000508/

中国発AIのManus、Metaから独立 中国政府が買収に反発（日本経済新聞） https://www.nikkei.com/article/DGXZQOGM112610R10C26A8000000/

先日、私のもとにもManusから「Meta社から分離するので、Meta傘下期間中に生成されたデータの一部が削除される」という内容のメールが届きました。今のうちに一括バックアップを取っておいてほしい、変更後に戻すように、という案内です。実際、2025年12月29日以降にMeta傘下で生成されたデータの一部は、2026年8月23日から24日にかけて削除される予定とのことでした。Manusにそこまで重要なデータを残しているわけではないので、私自身はわざわざバックアップを取って復元する手間はかけていません。

ここで考えたいのは、「シンガポール法人だから中国とは無関係」という立て付けが、今回まったく通用しなかったという事実です。 Manusはこれまでも、あくまでシンガポールに拠点を置く企業として説明されてきました。ですが中国国家発展改革委員会は、Manusのチームや技術の出自が中国にあることを理由に、Meta買収そのものを差し止めました。法人格の所在地よりも、技術と人材がどこで培われたかという出自の方が、地政学的な判断材料として重く見られた、ということだと思います。これはManusに限った話ではなく、AIエージェントサービスを選ぶときに、開発元の法人所在地だけを見て安心してよいわけではない、という一つの実例として捉えています。

まとめ

Gemini SparkはGoogle Workspaceという土台があったからこそ一気に実用レベルに達し、結果としてManusの役割の多くを飲み込む形になりました。私自身、複数のAIサービスを併用しながら「そのサービスでしかできないこと」を基準に取捨選択してきましたが、今回のManus解約もその延長線上の判断です。そして、Manus買収撤回のニュースは、AIサービスを選ぶ上で法人所在地だけでは測れないリスクがあることを、あらためて考えさせられる出来事でした。

なお、現在は40代からの疲れないための音声入力をテーマにしたKindle電子書籍を執筆中です。お盆連休中に皆さんに読んでいただけるよう仕上げているところなので、完成しましたら改めてご案内します。

昨夜8月7日21時に、音声入力アプリ「Typeless」とのタイアップ動画をYouTubeで公開しました。声でAIに指示を出して、1件の提案資料を仕上げるまでを収録しています。

前半では、動画の見どころをかいつまんでご紹介します。後半は、PR案件の動画では言いにくかったウラ話です。

参考リンク

YouTube動画（8月7日21時公開）

Typeless（招待コード：juntate）

https://www.typeless.com/?via=juntate

上記リンクから登録し、デスクトップ版の決済（チェックアウト）を行う際に、5ドル分のクレジットをご利用いただけます。登録した時点で即時に付与されるものではなく、決済時に適用されるクレジットです。

第1章: 昨夜公開したのは「話すだけでスライドが完成する」動画です

1件の仕事を、最初から最後まで声だけで進めました

動画のタイトルは、【話すだけ→スライド完成】音声キーボードアプリ「Typeless」で変わった、AIスライド作成の3ステップです。機能を並べて説明するのではなく、架空のタイアップ依頼メールに提案資料を作って返信するまでを、そのまま収録しました。

構成案作り、パワポ作成、図解の作成という3ステップです

依頼を読んでスライド5枚の構成案を考え、PowerPointに落とし、制作フローの図解を添える。この流れを声だけで進めています。スライド作成を題材にしたのは、目的や聴衆、外せない条件を渡さないと使えるものにならない作業だからです。入力量の違いが、成果物の違いとして目に見える形で現れます。

キーボードだと短いプロンプトで終わる。音声入力だと、情報が十分なプロンプトになる

各ステップで、手で打った短い指示と、背景まで話した指示を並べ、同じAIから出てくる結果を画面で見比べています。この差は文章で説明するより見ていただくほうが早いと思いますので、ぜひ動画本編をご覧ください。

第2章: 音声キーボードアプリ「Typeless 2.0」とは何か

話し言葉を、そのまま使える文章に整えてくれる

Typelessは、話した内容をそのまま文字にするアプリではありません。フィラーや途中の言い直しを自動で整理してくれます。言い直しが許されると、整った文章を頭の中で組み終えてから口に出す必要がなくなります。整形機能の価値は体裁を整えることよりも、話し始めるハードルを下げることにあると考えています。

文字が打てる場所であれば、どこでも使える

キーボードと同じ位置づけですので、AIチャットだけでなく、PowerPointやメール、ブラウザでも同じように使えます。バージョン2.0で、話し言葉を整理するAI音声キーボードへと位置づけが変わりました。複数のアプリを行き来する仕事ほど、この共通性が効いてきます。

「音声入力ガチ勢」に選ばれているアプリ

AI活用の発信で知られるYouTubeチャンネル「いけともch」の池田朋弘さんも、Typelessを紹介されています。音声入力をしっかり使う方が選んでいるアプリ、という受け取り方をされている方も多いと思います。

参考リンク

いけともchのTypeless紹介動画

第3章: 動画の見どころ、声にすると指示はここまで変わります

手で打つと、指示は一行で終わってしまう

「このPR依頼に対する提案の構成案を作ってください。」手で打つ場合、実際のところこの程度に落ち着いてしまいます。視聴者が誰なのか、金額のどこが問題なのか、判断に関わる部分が抜け落ちたまま進みます。

声にすると、5種類の情報が自然に足される

読み手は誰か。どこから話を始めるか。譲れない条件は何か。過去の経験から決めている方針は何か。成果物の量と形式はどうするか。この5つは、依頼メールを読んだ時点ですでに頭の中にあります。音声入力が埋めているのは、知識の差ではなく、頭の中と入力欄の間にある段差です。

画面の文章を選択して、そのまま話しかけることも可能

先方から届いた修正依頼のメールも、コピーしてAIチャットに貼り付ける必要がありません。本文を選択してAlt+Spaceを押し、話しかけるだけで返信の下書きができます。このコピーと貼り付けの手間こそが、AIを使わなくなる大きな理由だと思っています。

第4章: ここからはウラ話：無料プランでもかなり使えます

PR動画では言いにくい部分をお話しします

動画では、プロモーションとしてお伝えすべき特徴やメリットを中心にお話ししています。逆に言えば、実際に使っていてどうなのかという部分は、動画の中では出しにくいところがあります。

無料プランの週8,000語は、想像以上に大きな枠です

無料のFreeプランでは1週間あたり8,000語まで使えます。私は音声入力をかなり多用するほうですが、この枠を使い切る心配はそれほどありません。無料のままでも十分に実用に耐えるツールです。有料のProプランにすると語数の上限がなくなり、精度も上がる仕組みです。

課金の判断を決めているのは、機能差より「稼働量」

有料プランで解放されるのは、語数の上限と精度です。つまり、課金の判断は機能の優劣ではなく、自分が1週間でどれだけ音声入力を動かすかで決まります。動画では招待リンクの特典もご案内していますが、まずは無料プランで確かめてからで良いのではないでしょうか。

参考リンク

Typeless 料金ページ（公式）

https://www.typeless.com/pricing

第5章: 週8,000語を使い切らない理由と、AIアプリの音声入力との使い分け

1日中デスクで声を出せる方は意外と少ない

週8,000語という枠は、ずっと声を出せる環境にいる方であれば使い切るかもしれません。ただ、そのような環境の方は意外と少ないのではないでしょうか。私自身も、デスクでがっつり音声入力をする時間はそれほど多くありません。

利用量は環境に左右されます

私は日中にオフィスやコワーキングスペースを使うときは、周りに人がいますので声を出しにくく、結果としてTypelessを使うのは子どもたちが寝静まった夜中が中心になります。

音声入力の利用量は、本人のやる気よりも、声を出せる環境がどれだけあるかで決まります。誰かの「無料枠では足りない」という感想が、ご自身に当てはまるとは限りません。

デスク中心ならTypeless、移動中心ならAIアプリ側

1人で車を運転しているときは、ChatGPTの音声入力に直接話して内容を整理させています。AIアプリに直接話す場合は、認識、整形、処理が同じ場所で完結します。反対に、今回の動画のようにPowerPointやメールを行き来する仕事では、どこにでも同じように打ち込めるTypelessの側に利点があります。

まとめ

短い指示は、その場だけ早く終わります

指示を短く済ませると、その場は早く終わります。ただ、あとから手戻りが発生して、結局余計に時間がかかることがよくあります。

AIの性能ではなく、「十分な情報量のプロンプトを渡せているか」が重要

AIの答えがいまひとつのとき、原因はAIの性能ではありません。こちらが渡している情報が足りないだけです。目的も、読み手も、条件も伝えずに「構成案を作って」とだけ打てば、当たり障りのない答えが返ってくるのは当然です。

プロンプトが短くなるのは、「打つのが面倒だから」

十分な情報を渡したほうが良いことは、たいていの方が分かっています。それでも短くなってしまうのは、キーボードで打つのが面倒だからです。Typelessの公式サイトでは、音声キーボードはタイピングの4倍の速さと説明されています。入力が楽になれば、その分だけ情報を省略しなくなります。

動画では、短い指示と話した指示の結果を並べて見比べています。まだご覧になっていない方は、昨夜公開の本編をのぞいてみてください。

参考リンク

Voicy放送（動画公開前に先出しした、案件では言えないウラ話）

https://voicy.jp/channel/4403/8086795

追伸

Typelessとのタイアップ動画は、今後もう1本公開する予定です。今週は妻の実家がある岡山に帰省しており、連日37度を超える猛暑の中、子どもたちが1階で遊んでいる隙に2階でこっそりVoicyの収録をしました。

はじめにお知らせです。ただいま夏の帰省中で収録環境がないため、Voicyとポッドキャストはお休みします。その分、今回はブログ1本にじっくり書き込みましたので、文章でお付き合いください。

GoogleのパーソナルAIエージェント「Gemini Spark」が、日本のGoogle AI Proユーザーにも順次提供されることになりました。実際の仕事と家庭の作業で7つの自動化タスクを試したところ、結果は成功が4つ、失敗が3つです。何ができたのかという結果に加えて、なぜその線引きになるのかまで踏み込んで整理します。

第1章: 「Gemini Spark」とは何か

■質問に答えるAIから、作業を進めるAIへ

Gemini Sparkは、Geminiに質問して回答をもらう通常のチャットとは役割が異なります。Gmail、Google Drive、Googleスプレッドシート、Googleカレンダー、Google Tasksなどを横断し、ユーザーの代わりに作業を進めるパーソナルAIエージェントです。Google公式では、複雑なワークフローの自動化や、継続的なタスクのスケジュール管理ができる機能と説明されています。

この違いは、使う側の意識にも影響します。チャットは聞いたら返ってくるものですが、Sparkは設定したら動き続けるものです。動き続けるからこそ、任せる作業の粒度と、間違えたときの影響範囲をあらかじめ考えておく必要があります。

参考リンク

Gemini Sparkのヘルプページ

https://support.google.com/gemini/answer/17094507

■パソコンを閉じても作業が続く

実行のタイミングは、毎朝、毎週、あるいは新しいメールが届いたときなど、こちらで指定できます。処理はGoogleのクラウド上で進むため、パソコンやスマートフォンを閉じていても止まりません。

スケジュールは3種類です。1回限りから毎年までを指定できる時間ベース、Gmailフィルタの条件に合うメールを受信したときに動くGmailモニター、ニュース・金融・スポーツ・地域イベントなどを監視するトピックモニター。この3つを見ると、Sparkが想定しているのは単発の作業代行ではなく、継続的な監視と定期実行だとわかります。

なお、利用開始時の説明画面には、名前や連絡先、ファイル、設定のほか、機微とみなす情報も共有される可能性があること、確認なしに情報の共有や購入を行う可能性があることが明記されていました。任せる範囲を決めるうえで、ここは先に読んでおきたい部分です。

■Google Workspace版の「Copilot Cowork」と言える

方向性としては、Microsoft 365のアプリを横断するCopilot Coworkに近い機能です。Copilot CoworkがOutlook、Excel、Word、PowerPointを中心に動くのに対して、Gemini SparkはGmail、Drive、スプレッドシート、ドキュメント、カレンダーを中心に動きます。

両者に共通しているのは、単体のAIとしての賢さではなく、自社のアプリ群にどれだけ手を伸ばせるかで価値が決まる構造です。だからこそ、後述する「できなかった作業」も、モデルの能力不足ではなく、連携の設計の問題として現れます。

■Google AI Proにも登場

2026年5月の発表当初は、米国のGoogle AI Ultraユーザー向けの提供でした。その後、2026年7月29日に、日本のGoogle AI Proユーザーへも順次提供されることが発表されています。上位プラン限定だった機能が自分のプランに降りてきたことになり、私自身、提供開始を楽しみにしていました。

参考リンク

日本での提供に関する発表

https://blog.google/intl/ja-jp/company-news/technology/gemini-spark-comes-to-japan/

発表当初の情報

https://blog.google/intl/ja-jp/company-news/technology/next-evolution-gemini-app/

提供開始に気づいたときの投稿

第2章: 実際に試した7つの自動化タスクと結果

■[1] レシートの写真を家計簿に記録する（できました）

Driveに保存したレシート画像を読み取らせ、日付、店名、金額、品目をGoogleスプレッドシートの家計簿へ追記させました。実際に9件が書き込まれ、トモズ858円、無印良品2,270円、DEAN & DELUCA 227円、212 KITCHEN STORE湘南1,496円といった内容まで反映されています。

もともとこの作業はmanusに任せていたもので、Geminiには無理だろうと思いながら試した結果でした。成立した理由は明快で、入力も出力もGoogleのサービス内にあるためです。読み取り対象がDrive、書き込み先がスプレッドシートという形なら、Sparkの守備範囲に収まります。

参考リンク

manusでの結果と並べた検証の投稿

■[2] 写真の内容を見てファイル名を変更する（できました）

Driveの写真を確認させ、内容がわかるファイル名へ変更させました。「IMG_0538.JPG」が「20260731_トモズ_無印良品_レシート.jpg」になるといった形で、提案にとどまらず実際の変更まで実行されています。

ここで重要なのは、対象がすでにDrive内にあるファイルだった点です。Gemini自身も、最初からDrive内にあるファイルであれば、フォルダ間の移動、名前の変更、複製が可能だと回答していました。

参考リンク

実際のファイル名変更の様子

■[3] 新着メールからGoogle Tasksへ自動登録する（できました）

定期タスクとして、新着メールにアクションアイテムが含まれていればGoogle Tasksへ登録するよう設定しました。実際にタイアップ相談のメールが検知され、返信検討のタスクとして登録されています。

ただし動作は巡回型でした。Gemini自身の説明では、トリガーごとの逐次実行ではなく、数時間に一度メールを確認しているとのことです。即時性が要件になる業務では、この前提を踏まえた設計が必要になります。

参考リンク

タスク登録を試したときの投稿

■[4] 毎朝、その日の予定をメールで知らせる（できました）

毎朝6時頃に、その日が期日のタスク、今週提出のタスク、確認や制作の予定をまとめたメールが届くようになりました。カレンダーの予定リマインド、前日のメールのサマリー、前日のニュースレターの要約も同様に届いています。

この用途がうまくいくのは、Sparkの巡回型の性質と、朝のまとめという仕事の性質が噛み合っているためです。数時間の遅れが問題にならない仕事ほど、Sparkの安定感が活きます。

参考リンク

実際に届いたメールの投稿

■[5] Gmailの請求書PDFをDriveへ保存する（できませんでした）

Gmailの請求書メールから添付PDFを取り出し、Driveの「伝票請求書領収書」フォルダへ保存する作業です。メールの検索と請求書PDFの判定までは成功しましたが、保存の段階で、Gmail内の添付PDFファイルを直接Driveへ転送・保存する操作は実行できないという回答が返ってきました。

提案されたのは推奨ファイル名（GoogleCloud_請求書_2026年08月_5653925645.pdf）のみで、あとはGmailの「ドライブに保存」を使うか、手動でアップロードしてほしいという案内です。サンドボックス経由の方法を提案しても、外部ネットワークへの接続不可と、バイナリ添付ファイルの取得ツールが存在しないという2点を理由に、実行できないという回答でした。

つまり壁になっているのは、Geminiの読解力ではなく、添付ファイルというバイナリを移動させるツールが用意されていないという環境側の事情です。

■[6] Driveの音声ファイルを文字起こしする（できませんでした）

DriveのMP3やWAVを読み込ませて文字起こしを試みましたが、実行できませんでした。Geminiの説明によれば、ベースとなるAIモデル自体はマルチモーダルな能力を持つものの、このシステム環境では音声データの入力インターフェースが未実装とのことです。

この回答は、Sparkを理解するうえで示唆に富んでいます。モデルの能力と、そのモデルに渡せる入力手段は別物であり、私たちが体験できるのは後者に制約された範囲だということです。

参考リンク

請求書PDFと音声ファイルの2件をまとめた投稿

■[7] 「スキル」を使ってPowerPointを生成する（できませんでした）

私が販売している独自の「スキル」（Claude向けに作成）を使って、メモからPowerPointを生成させようとしましたが、失敗しました。コード実行環境にはNode.jsやJavaScriptのランタイムが含まれず、実行できるのはPython 3のみという回答です。pptxgenjsを前提にしたtt-powerpoint2などのスキルは、現時点のSparkでは動きません。

「スキル機能がある」というのと、手持ちのスキルが必ず動くかどうかは違うということです。

参考リンク

スキルを試したときの投稿

第3章: できた作業に共通する特徴

■Googleのアプリ同士をつなぐ作業に強い

成功した4つは、いずれもDrive、スプレッドシート、Gmail、Google Tasks、カレンダーの内側で完結する作業でした。情報を読み取り、内容を判断し、別のGoogleアプリへ記録する流れは、実務で使える水準で動いています。

この共通点は、Sparkの権限設計を反映しています。Googleが自社サービスに対して用意した操作の範囲が、そのままSparkの実力の輪郭になっているということです。

■画像を理解して、実際の操作まで進められる

レシート画像から金額を読み取り、スプレッドシートへ記録する。写真の内容に合う名前を考え、Drive上のファイル名を変更する。内容を理解する働きと、アプリを操作する働きが一つにつながっている点が、従来のチャットとの決定的な差です。

従来は、読み取りをAIに任せ、反映は人間が行っていました。その反映まで含めて任せられるようになったことで、作業時間だけでなく、作業の切り替えにかかる負荷も減ります。

■定期的に繰り返す仕事と相性がよい

新着メールからタスクを作る、毎朝の予定をまとめるといった繰り返しの仕事は、一度設定すれば動き続けます。設定にかけた時間が回数で割り戻されるため、頻度が高い仕事ほど投資対効果が上がるという、シンプルな構造です。

第4章: できなかった作業から見える限界

■アプリがつながっていても、すべての操作ができるわけではない

Gmailの本文を読めることと、添付PDFを取り出してDriveへ保存できることは別でした。連携という言葉は、そのアプリの全機能が開放されている状態を意味しません。読み取り、作成、移動、削除といった操作ごとに、用意されているものとそうでないものがあります。

新しいエージェントを試すときは、連携アプリの一覧ではなく、操作の種類ごとに確認したほうが実態をつかめます。

■ファイルの種類によって扱える範囲が異なる

画像は内容を読み取れた一方で、音声の文字起こしはできませんでした。同じDrive内のファイルでも、形式によって入口が用意されているかどうかが変わります。

ここでも効いているのは、モデルの能力ではなく入力インターフェースの有無です。将来この部分が実装されれば、同じモデルのまま、できることが増える可能性があります。

■任意のプログラムを自由に動かせる環境ではない

PowerPoint生成では、手持ちのスキルをそのまま実行できませんでした。Google Workspaceを操作する能力と、任意のプログラムを動かして成果物を生成する能力は、別々に評価する必要があります。

成果物としてのファイル生成を期待する場合は、実行環境に何が入っているかを先に確認するのが確実です。今回の場合、その答えはPython 3のみでした。

第5章: manusやWorkspace Studioの代わりになるか

■ノーコードで指示できる点は大きな利点

私はこれまで、Gmailに届いた請求書PDFのDrive整理、レシート写真から家計簿への転記、子どもの学校のプリントをスキャンして内容に合わせてリネームする作業などを、manusやWorkspace Studio、GASで処理してきました。

その一部が、Gemini Sparkでも自動化できるようになりました。フローを設計して部品をつなぐ工程を挟まず、日本語の指示から自動タスクを作れる点は、着手までの心理的な負担を大きく減らします。自動化が続かない理由の多くは効果不足ではなく、初期設定の面倒さにあるため、この入口の軽さには実利があります。

■厳密さを求める作業は、まだ使い分けが必要

とはいえ、精度の面では既存の仕組みを完全に置き換えるほどではありません。まだ粗さがあり、できていない処理もあります。会計や請求のように、1件の取りこぼしが後で効いてくる作業は、現時点でSparkへ一本化しないほうが安全だと考えています。

判断の目安は、間違いに気づける仕組みが手元にあるかどうかです。毎朝のリマインドは間違っていてもすぐ気づけますが、家計簿の転記漏れは月末まで気づけません。

■利用量の扱いは今後変わる可能性がある

Geminiには利用量の上限が設けられていますが、Sparkを使っていてもゲージに影響が出ていないように見えます。現在はベータ版のためかもしれません。定期実行は、使う人が意識しないまま処理回数が積み上がる仕組みなので、今後は何らかの制限が入る可能性が高いと私は考えています。

設定する段階で、実行頻度を必要な水準にとどめておくと、後から制限が入っても慌てずに済みます。

■今後に期待している点

期待は2つあります。1つは、スキル機能がClaudeやChatGPT並みに汎用的な処理へ対応すること。もう1つは、GeminiとGAS、Workspace Studioを組み合わせ、さらに広い範囲を自動化できるようになることです。

今回できなかった3つは、いずれも実行環境や入力手段に起因するものでした。裏を返せば、モデルを入れ替えなくても解消しうる制約です。

まとめ

Gemini Sparkは、Google Workspace版のCopilot Coworkと考えるとイメージしやすい機能です。Gmail、Drive、スプレッドシート、Google Tasks、カレンダーを日常的に使っている方であれば、繰り返し作業を任せられる可能性があります。

7つ試して、成功が4つ、失敗が3つ。そこから見えた境界線は、Google Workspace内の情報を読み、判断し、記録する作業には強く、添付ファイルの取り出し、音声処理、独自プログラムによるファイル生成には制約が残る、というものでした。

そして失敗した3つに共通していたのは、モデルの賢さではなく、環境側に手段が用意されているかどうかという条件です。エージェントを評価するときは、AIの性能そのものよりも、そのAIに何本の手が生えているかを見るほうが、実態に近い判断ができるのではないでしょうか。

追伸

この原稿は、帰省先の岡山で書いています。日中37度を超える日も珍しくない、唸るような猛暑です。日中は夏休み中の子どもたちに付き合い、机に向かうのはスキマ時間と深夜・早朝だけという毎日を過ごしています。

それでも仕事が思った以上に進んでいるのは、指示さえ出しておけばAIエージェントが先へ進めてくれるからです。家族と過ごす時間を削らずに仕事も回る。本文で書いたSparkの検証も含めて、ありがたいAI時代を実感している今年の夏です。

AIにスライドを作らせること自体は、ChatGPTでもCopilotでもできるようになりました。それでも業務資料として使いにくかったのは、毎回デザインが変わってしまうからです。

この点を解決するのが「Skill」という仕組みです。ClaudeだけのものだったSkillが、ChatGPTとCopilotでも使える環境が整ってきました。使い方と利用条件に加えて、なぜこの仕組みだと品質が揃うのか、そしてなぜ各社に広がったのかまで整理してお伝えします。

解説動画（YouTube）：

第1章: AIに作らせたスライドは、なぜ毎回デザインが変わるのか

ChatGPTでもCopilotでもスライドは作れるようになった

「プレゼン資料を作ってください」と指示すれば、ChatGPTもCopilotもスライドを組み立てて出力できるようになってきました。ゼロから作る手間を考えれば、これだけでも実務での価値があります。

同じ指示でも品質が安定しない

問題は、作るたびに見た目やレイアウト、構成のルールが変わってしまうことです。ここで多くの方が、指示文を工夫して品質を揃えようとします。ただ、指示はその都度書くものですから、書き手や言い回しが少し変われば出力も変わります。デザインの決まりごとを毎回の指示に背負わせている限り、揺らぎは残り続けます。

第2章: Skillとは何か。AIの定型処理を保存して再利用する仕組み

Skillは「定型処理を覚えさせる」仕組み

Skillは、AIの定型処理を保存して再利用できる仕組みです。仕事の進め方や、作業に必要な素材、画像、テンプレートをまとめて渡しておき、毎回同じ品質で実行してもらえます。

毎回の指示との違いは、決まりごとをどちら側に置くかにあります。指示は会話のたびに消えますが、Skillは保存された処理として残り、必要なときに同じ内容が呼び出されます。品質が揃う理由は、指示の上手さではなく、この置き場所の違いにあります。

仕様を作ったのはAnthropic

この仕組み自体は、Claudeを開発するAnthropicが昨年「Agent Skills」として発表したものです。特徴的なのは、枠組みと仕様をオープンにして、どのAIサービスで使ってもよい形にした点です。

仕様が公開されていたことで、GoogleのGemini、OpenAIのChatGPT、MicrosoftのCopilotが、それぞれ同じ考え方を取り入れられる状態になりました。各社が別々の独自形式を作っていれば、ひとつのSkillが他社サービスで動くことはありません。今回の広がりは、仕様がオープンだったことの直接の結果だと私は考えています。

参考リンク

• Agent Skills（Anthropic公式ドキュメント）：https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview

AIエージェントの時代にSkillが効いてくる理由

ただ指示に答えるだけでなく、ゴールまでやり切る力を持ったAIがAIエージェントと呼ばれています。「スライドを作ってください」と言えば、PowerPointで開ける状態まで作り切る。そういう動きです。

やり切る力が前提になると、次に問われるのは「どうやるか」を誰が持っているかです。そこを人が毎回指示で伝えるのか、Skillとして渡しておくのか。エージェントに仕事の手順を覚えさせられるという意味で、Skillはますます重要になっていくと考えています。

第3章: PowerPointをSkillで作らせると何が変わるのか

配色・レイアウトの型・ロゴを覚えさせる

自分の会社の好きなスライドデザインをSkillに保存しておけます。配色、レイアウトの型、ロゴの入れ方といったテンプレートに当たる部分を持たせておけば、会社のフォーマット通りのスライドが毎回変わらず出てきます。

ここで起きているのは、デザインの決まりごとが個人の指示から離れて、共有できる資産になるという変化です。同じSkillを使えば、担当者が変わっても同じ体裁の資料が出てきます。資料の見た目を揃えるための確認作業が減るのは、この点によるものです。

PowerPointだけの話ではない

Skillに保存できるのはスライドのデザインに限りません。繰り返し発生する定型的な仕事の進め方、必要な素材や画像、テンプレートも同じように覚えさせられます。自分なりのノウハウをAIに渡し、毎回同じ品質で実行してもらう。この考え方は、資料作成以外の定型業務にもそのまま当てはまります。

第4章: ChatGPTとCopilotでSkillを使うための条件

ChatGPTの場合

Plusプラン以上の有料プランに入ったうえで、目的達成型のモードであるChatGPT Workに切り替えるとSkillが使えます。Codexのようにパソコン内にインストールするソフトであれば無料プランでも扱えますが、こちらはソフト内限定です。Web版で使う方は、有料プランとChatGPT Workの組み合わせが条件になります。

参考リンク

• ChatGPTのプラン別機能（ChatGPT Workの提供範囲）：https://chatgpt.com/pricing/

• ChatGPT Workとはなにか（Impress Watch）：https://www.watch.impress.co.jp/docs/topic/2125914.html

Copilotの場合

Copilotは条件がもう少し限られます。法人プランであるMicrosoft 365 Copilotの有料ライセンスがあり、かつ、これも目的達成型のモードであるCopilot Coworkを使える状態になっていることが必要です。Coworkの利用は管理者による許可や有効化が前提となります。

つまりCopilotの場合、Skillを試すかどうかは個人の判断だけでは決まりません。導入の可否がライセンスと管理者権限に紐づいているため、社内で使いたい場合は情報システム部門との相談が最初の一歩になります。個人向けサービスとは進め方が変わる点は、あらかじめ見込んでおいたほうがよいでしょう。

参考リンク

• Copilot Coworkの概要とスキル（Microsoft Learn）：https://learn.microsoft.com/en-us/microsoft-365/copilot/cowork/

• Copilot Cowork一般提供開始のアナウンス（Microsoft 365 Blog）：https://www.microsoft.com/en-us/microsoft-365/blog/2026/06/16/copilot-cowork-is-now-generally-available/

無料プランからガンガン使えるのはClaude

無料プランからでも全面的にSkillが使えるのは、現状ではClaudeが代表的です。仕組みを提唱した側が、いちばん広く開放している形になります。ほかのサービスでも環境は整いつつありますので、今後の条件緩和には注目したいところです。

第5章: Claude向けに作ったPowerPoint作成Skillは、ChatGPTとCopilotでも動いた

検証してわかったこと

私はBrainというマーケットで、見た目の整ったPowerPointスライドを一発で作成できるSkillを販売しています。多くの方に手に取っていただき、感想もかなりいただいていて、うれしく思っています。

このSkillはもともとClaudeで使うことを想定して作ったものでした。最近確認してみたところ、ChatGPT Workでも同じSkillをインストールすれば使えることがわかり、Copilot Coworkでも動作することを確認できました。

ひとつのSkillが三つのサービスで動いたのは、各社が同じ仕様を採用しているからです。第2章で触れた「仕様がオープンだった」という話が、利用者の手元では「作ったSkillを使い回せる」という形で返ってきます。自分のノウハウをSkillとして整えておく価値は、この点で大きくなっています。

「Claudeは使っていない」という方へ

「普段使っているのはChatGPTの有料プランなのですが」「Copilotでどうにか使えませんか」という質問は、これまで何度かいただいてきました。その環境であれば、ChatGPTでもCopilotでもこのSkillを使えます。きっかけがなかったという方は、ぜひご覧いただければと思います。

参考リンク

• PowerPoint一発作成Skill（Brain）：https://brain-market.com/u/murataiji/a/bxYDN1UjMgoTZsNWa0JXY

• 音声での解説（Voicy）：https://voicy.jp/channel/4403/8068287

まとめ

スライドの品質が毎回変わる問題は、決まりごとを指示ではなくSkillに置くことで揃えられます。仕組みはAnthropicが「Agent Skills」として公開し、仕様がオープンだったからこそGemini、ChatGPT、Copilotへ広がりました。ひとつのSkillが複数のサービスで動くのも同じ理由です。

条件は、ChatGPTがPlusプラン以上とChatGPT Work、CopilotがMicrosoft 365 Copilotの有料ライセンスとCopilot Cowork、Claudeが無料プランから、という整理になります。

P.S.

今回の放送は7月30日に収録を始めたものの時間が足りず、2日に分けての収録になりました。同じ7月30日には、AIライフハックの特別ウェビナー第2回も開催しています。第1回のアンケートで良い質問を多くいただいたため、第2回は質疑応答を中心にしました。ご参加くださった皆さん、ありがとうございました。

8月1日からは1週間ほど、妻の実家である岡山に帰省します。3歳と7歳の子どもたちが、じいじ・ばあばに会えるのを楽しみにしている夏の恒例行事です。

持ち歩き用に、値上がり前の型落ちで未開封のMacBook Airを買い直しました。Windowsがメインの私でも、出先ではこれで十分だと感じています。この話はまた別の機会にお伝えできればと思います。

7月24日、Claudeの最上位モデル「Opus 5」が登場しました。一部のベンチマークでは、別格の存在だった「Fable 5（フェイブル5）」を上回る結果を示しながら、API単価は半分です。月額20ドルのProプランからでも利用できます。

ただ、性能が高いことは分かっても、エンジニアではない自分は何に使えばいいのか。正直、私も同じところで迷いました。

今回は、コーディングをしない普通のビジネスパーソンの視点から、実際に試して有効だと感じた4つの使い道を整理します。あわせて、Opusは精度が高い代わりに燃費が悪いという前提のもとで、どの場面なら切り替える価値があるのかという判断の理由も、それぞれの使い道の中で書いていきます。

先日3歳になったばかりの下の息子が熱を出し、保育園からお迎えの電話がありました。園では手足口病が流行しているようで、我が家もそれではないかと妻と話しています。私の住む神奈川・藤沢も猛暑が続いており、発熱なのか、暑さや脱水によるものなのか見分けがつきにくい時季です。皆様もどうぞご自愛ください。

さて、ここからが本題です。

第1章: Claude「Opus 5」が解禁。「Fable 5」級の性能が半分のコストになりました

2026年7月24日、最新モデル「Opus 5」が登場

Anthropicは2026年7月24日、最新モデルClaude Opus 5を発表しました。Fable 5の最先端の知能に迫りながら、価格は半分に抑えた、日常的に使いやすい最上位モデルという位置づけです。

参考リンク

• Claude Opus 5の発表（Anthropic）：https://www.anthropic.com/news/claude-opus-5

「Fable 5」は月1万円以上のMaxプラン専用でした

Fable 5は2026年6月9日に発表され、コーディング、知識労働、画像理解、科学研究などで当時の最高水準を記録しました。6月12日に提供が停止され、7月1日に再公開されるという異例の経緯もあり、大きな話題になったモデルです。通常は月1万円以上のMaxプランでなければ使えず、それ以外のプランでは追加課金が必要でした。

参考リンク

• Anthropicのニュース一覧：https://www.anthropic.com/news

月20ドルのProプランから使えるという意味

API料金は、Fable 5が100万トークン当たり入力10ドル、出力50ドル、Opus 5が入力5ドル、出力25ドルで、単価はちょうど半分です。半分のトークンで動くという意味ではなく、同じトークン量を使ったときの料金が半額になるという意味になります。

ここで一つ、モデル選びの前提が変わります。これまでは「最上位モデルを使えるかどうか」がプラン契約の話でした。月20ドルのProプランから最上位モデルを選べるようになると、問われるのは契約ではなく、自分のどの仕事にその性能を回すかという業務設計の話になります。今回の変化のうち、実務にいちばん効いてくるのはこの点だと私は考えています。

第2章: Opus 5はオフィスワークの成果物にも強い

Claudeの「松竹梅」とOpusの位置づけ

Claudeには長年、性能ごとに3つのモデルがあります。一番下がHaiku、中くらいがSonnet、一番上がOpusです。今回はそのトップモデルが5の大台に乗りました。直前のOpus 4.8は正直なところ評判が芳しくなかったこともあり、注目度が高くなっています。

オフィスワーク系のベンチマークでもFable 5を上回りました

GDPval-AA v2は、44の職種と9つの業界を想定した220件の実務タスクで、文書、スライド、図解、表計算といった実際の成果物を完成させられるかを測る評価です。最大の推論設定では、Opus 5が1861 Elo、Fable 5が1747 Eloという結果が報告されています。

この数字は、自分の仕事に置き換えると次のように読めます。知識問題の正答率ではなく、成果物の完成度で上がっているということは、こちらの指示が多少粗くても、提出できる状態まで持っていける度合いが上がっているということです。指示を細かく分解して渡す手間が減る分だけ、複雑な仕事ほど差が出ます。

参考リンク

• GDPval-AA の評価結果（Artificial Analysis）：https://artificialanalysis.ai/evaluations/gdpval-aa

ベンチマークがすべてではないという前提

ただし、すべての数値でFable 5を上回っているわけではありません。いくつかのベンチマークで上回ったことが話題になっている、という受け止め方が正確だと思います。

第3章: 使い道①と②／本気の成果物づくりと、PowerPoint・Excelの中の「Claude」

Word・Excel・PowerPointの「組み込みスキル」

Claudeには、Wordの文書作成、Excelの表計算、PowerPointのスライド作成といった業務特化のスキルが最初から組み込まれています。指示を出せば、数式入りのExcelブックやプレゼン資料そのものを直接作ってくれます。

▼先日、YouTubeで解説した「ClaudeでPowerPointを作る仕組み」

「Claude in PowerPoint」でスライドを編集させる

PowerPointのサイドバーにClaudeが表示され、指示を出すと実際のスライドを編集したり、組み替えたり、一部を削除したりしてくれるプラグインです。

「Claude in Excel」で数式・分析・グラフを任せる

Excelのサイドバーから、数式の提案、データ分析、集計、グラフ作成、新しいシートへの集計表の作成まで任せられます。

なぜこの場面で切り替える価値があるのか

成果物づくりでOpusが効く理由は、単に品質が高いからではありません。要件が複雑なほど、一度で満たせなければやり直しが発生します。作り直しのたびに指示を書き、結果を確認し、また直すという往復が積み上がり、結局はSonnetでも消費量が増えていきます。一度で仕上がる確率が上がることで、燃費の悪さを吸収できるというのが、切り替えの根拠になります。

アプリの中のClaudeでは、この理屈がさらに効きます。既存のファイルを編集させる作業は、失敗したときの手戻りが大きく、崩れたレイアウトを人間が直すことになります。ゼロから作る作業よりも、一手の精度が結果に直結する場面です。

普段は「Sonnet」、ここぞという時に「Opus」

Claudeには利用制限があり、使いすぎると一定時間操作ができなくなります。Opusは精度が高い代わりに燃費が悪く、制限に早く達します。普段の作業は燃費のよいSonnetで進め、複雑なタスクのときだけOpusに切り替える。この使い分けが順当だと考えています。

第4章: 使い道③／一度行った仕事を「スキル」にして仕組み化する

「スキル」とは命令文のパッケージです

スキルとは、指示文や手順書をまとめたパッケージのことです。覚えさせておくと、Claudeが必要なときに自分で参照して、その通りに実行してくれます。優秀なアルバイトの方に業務マニュアルを渡しておき、必要なときに自分で開いて動いてもらう状態に近いものです。

自社フォーマットの議事録づくりを例に考える

「議事録を作って」と指示すれば、AIは普通に作ってくれます。ただ、うちの会社の議事録はこの形式で、という決まったフォーマットがある場合、毎回プロンプトで手順を説明することになります。一度やらせた作業を「スキルにして保存しておいて」と指示しておけば、自社フォーマットの議事録作成スキルとして残せます。

なぜスキル作りに強いモデルを使うのか

スキルには、指示文だけでなく、ひな型やテンプレート、画像などの関連ファイルも一緒に保存できます。ここで作っているのは成果物ではなく、仕事の手順そのものです。

成果物であれば、出来が悪くてもその一回で終わります。手順書は違います。曖昧な手順書を保存してしまうと、次回もその次も、同じ曖昧さのまま実行されます。出来の差が一回で完結せず、以後のすべての実行に波及するという点が、成果物づくりとの決定的な違いです。だからこそ、スキルを作る作業自体を賢いモデルに任せる価値があります。単純作業ではなく複雑な作業を扱うときほど、この差は大きくなります。

第5章: 使い道④／複数アプリを横断させ、「Claude Cowork」で長く働かせる

Gmail・Googleドライブ・カレンダー・Notionをつなぐ

Claudeには、外部サービスと連携するコネクターという機能があります。Gmail、Googleドライブ、Googleカレンダー、Notionなどとつなげば、カレンダーの予定を読み取る、直近のメールを取得するといった指示ができます。

例えば、今日の午後にお客様との商談があるとします。20件ほど続いているメールのスレッドを遡って経緯と課題を整理する。Googleドライブに関連ファイルがないか確認する。商談の時間と場所をカレンダーで再確認する。社内のSharePointに似た案件がないか探し、Notionの自分のメモも検索する。これらを一つずつ指示するのではなく、商談の準備という目的を一度に渡して、散らばった情報を統合させるという使い方です。

「Claude Cowork」でファイル処理とブラウザー操作を任せる

デスクワーカー向けのモードがClaude Coworkです。パソコンにアプリを入れてCoworkモードにすると、パソコン内のファイルを処理して成果物をそのまま保存したり、ファイルを整理したりしてくれます。さらにChromeなどのブラウザーを自動操作して、Web上の面倒な作業や、複数サイトを見ながらのデータ収集も任せられます。

なぜ横断処理でモデルの差が出るのか

一つずつ調べさせて答えをもらう作業は、指示と結果が一対一で対応しています。間違っていればその場で気づけますし、やり直しも一手で済みます。

横断処理は構造が違います。メールから読み取った経緯をもとに、次にどのファイルを開くかを決め、その内容を踏まえてカレンダーや社内の記録を当たっていきます。前の判断が次の操作を決めるため、途中で一つ読み違えると、そこから先の作業すべてが方向を外したまま進みます。一手ごとの精度差が最後まで積み上がるという点が、単発指示との違いです。最後まで目的を達成する力が求められる場面ですので、エージェント的な動きを強みとするOpus 5に任せるのが順当だと考えています。

まとめ

Opus 5の使い道として、本気で仕上げたい成果物づくり、PowerPointやExcelの中での編集作業、繰り返す仕事のスキル化、複数アプリを横断させるエージェント的な処理の4つを挙げました。切り替えの基準は、やり直しの手戻りが大きい仕事か、出来が次回以降に波及する仕事か、途中の判断が積み上がる仕事か、という3点に整理できると思います。

最後に余談です。私自身がOpus 5をどこで使っているかというと、実はClaudeのサービス内よりも、Notionの中で使うことが多くなっています。長年使っているNotion AIでは、GPT-5.6 SolやGemini 3.5 Pro、Fable 5、そしてOpus 5まで選べる状態で、しかも利用制限にあまり達しません。なぜここまで使わせてもらえるのか、少し心配になるくらいです。

ただ、全員におすすめできるかというと難しく、Notionを仕事のベースにしている方であればぜひ、という条件付きになります。他社のAIに月20ドルを払っているなら、同じ金額で複数モデルを使えて、自分の知識ベースと統合できる点は大きいのではないでしょうか。

先日、YouTubeに新しい動画をアップしました。

＝＝＝＝＝＝＝＝＝＝＝

Claudeでパワポ編集可能なスライドをすぐ作成！

レイアウト安定化のコツ5選

＝＝＝＝＝＝＝＝＝＝＝

今回は、その動画の要点に加えて、収録では話しきれなかったウラ話もお話しします。

テーマは、Claudeで編集できるPowerPointを作る方法です。

AIでスライドを作れるサービスは増えていますが、仕事や講義で使う資料としては、見た目がそれっぽいだけでは足りません。あとからPowerPointで文字を直せる、グラフの数値を変えられる、発表前に自分の手で仕上げられる。この「あとから編集できること」こそが、実務では効いてきます。

今回のYouTubeでは、ClaudeがなぜPowerPointを作れるのか、そしてAIっぽいスライドを避けるために何を意識すればよいのかを解説しました。この記事では、その内容を整理しながら、「なぜそれが効くのか」も少し補いつつお話しします。

第1章: ClaudeでPowerPointを作れるのはなぜか？

■ClaudeにはPowerPoint作成用の仕組みがある

Claudeにスライド作成を依頼すると、PowerPoint形式の資料を作れることがあります。単にスライド風の画像を生成しているのではなく、PowerPointで開けるファイルとして出力できる仕組みが背景にあります。

■pptxgenjsという仕組みでPowerPointファイルを作る

今回の動画でも触れましたが、その背景には pptxgenjs という仕組みがあります。これは、JavaScriptを使ってPowerPointファイルを生成できるライブラリです。Claudeはこうした仕組みを使って、PowerPointで開けるファイルを作ります。

細かい技術を理解する必要はありません。押さえるべきは、Claudeが「それっぽい画像」ではなく、PowerPointで扱えるファイルを作れるという点です。

■だからこそ、あとから人間が仕上げやすい

この違いが実務で効く理由はシンプルです。資料は作った瞬間に完成するものではなく、発表前に言葉を変えたり、数字を差し替えたりと、必ず手が入るからです。PowerPointで開いて直せる状態なら、Claudeが作ったものをたたき台として、自分の資料に仕上げていけます。

第2章: AIっぽいスライドになってしまう原因

■1枚に情報を詰め込みすぎてしまう

AIに任せると、1枚のスライドに情報を詰め込みすぎることがあります。発表では「一瞬で理解できること」が大事なので、文章が多すぎると聞き手はスライドを読むことに気を取られてしまいます。だからこそ「1枚1テーマ」といったルールを渡すことが効いてきます。

■フォントが小さいと、発表資料として使いにくい

作成者の画面では読めても、セミナーやオンライン配信では文字が小さくて読みづらい。これもよくあります。視聴者がどの画面で見るか分からないからこそ、フォントの大きさや余白に基準が必要になります。

■グラフや図が画像になると、あとから直せない

AIツールによっては、グラフがPowerPointのグラフ機能ではなく、画像として貼られていることがあります。見た目はグラフでも、数値も色も変えられません。

一方で、ClaudeでPowerPointを作る場合、グラフをPowerPoint上で編集できる形にしやすいところがあります。棒グラフ、折れ線グラフ、円グラフなどをあとから調整できるのは、大きなメリットです。

第3章: 実用的なスライドでは「後から直せること」が大事

■PowerPointで編集できると、発表前の修正に対応しやすい

タイトルを変える、数字を差し替える、グラフの色を見やすくする。こうした修正がPowerPoint上でできるかどうかは、かなり重要です。

AIで作った資料をそのまま使うのではなく、人間が最後に仕上げられる状態で受け取れること。これが実用面では大きな価値になります。

AIが作ったものを一切直さずに使う場面は、実務ではそう多くありません。多くの場合、自分の言葉に直したり、最新情報に差し替えたりします。だからこそ、あとから手を入れられることが効いてきます。

■Claudeは編集可能なグラフも作れる点が強い

Claudeで作ったPowerPointでは、グラフもPowerPoint上で編集できる形になりやすいです。グラフは資料の中でもあとから修正が入りやすい部分なので、ここが画像になっていないだけで、実務の流れに乗せやすくなります。

第4章: 配色・レイアウト・アイコンをルール化してスキルにする

■AIに自由に作らせるだけでは品質が安定しにくい

ClaudeはPowerPointを作れますが、何も基準を渡さずに作らせると、情報量・フォント・配色が毎回ぶれます。AIに任せるほど、人間側の「こういう資料にしたい」という基準が大事になります。

■配色、レイアウト、アイコンなどをルール化する

私がBrainで販売している教材では、デザインのルール、配色5パターン、鉄板レイアウト30選、自動的に選べるアイコン500種類などをスキルとしてまとめています。よく使う配色やレイアウトのパターンをあらかじめルールとして用意しておき、Claudeにそのルールに沿って作ってもらう仕組みです。

■スキル化すると、次回も同じ品質で作れる

プロンプトだけで毎回細かく指示することもできますが、毎回同じ品質を出したいなら、スキル化しておくほうが再現性は高くなります。一度うまくいった基準を残しておけば、次も同じ方向性の資料を作れるからです。今回のYouTube動画では、その前提となる考え方も解説しています。

第5章: 今回のYouTube動画と、Claude Codeに動画編集を任せてみた話

■今回のYouTube動画は、Claudeパワポ作成の基礎編です

今回の動画では、ClaudeでPowerPoint編集可能なスライドを作るための考え方と、レイアウトを安定させるコツを解説しています。

＝＝＝＝＝＝＝＝＝＝＝

Claudeでパワポ編集可能なスライドをすぐ作成！

レイアウト安定化のコツ5選

https://youtu.be/-n9-dqKo9Q4

＝＝＝＝＝＝＝＝＝＝＝

Brain教材を購入してくださっている方にも、まだ購入していない方にも、基礎として見ていただきたい内容です。

■この動画そのものの編集を、Claude Codeに任せてみました

今回のウラ話は、このYouTube動画の編集を、かなりの部分までClaude Codeに任せてみたという実験です。

具体的には、次の工程をClaude Codeにやらせました。

1. 音声波形をもとにした無音部分のカット

2. 字幕データをもとにした、冒頭20秒前後のハイライトシーンの選定

3. 字幕データをもとにしたチャプター分割

4. チャプター名を右上に出すテロップ表示

5. 場面に応じたBGMの判定と挿入

なお、文字起こしと字幕のタイミング作成は、いまも使い慣れたVrewを使っています。そのうえで、判断が必要な編集をClaude Codeに任せた形です。

■一度覚えさせれば、次の動画でも同じ工程を再現できる

最初は何度も指示する必要があり、少し手間もありました。ただ、この編集の判断基準を一度スキルとして覚え込ませておけば、次回以降の動画でも同じ工程を再現できます。

これは、PowerPointをスキルで作るのと同じ発想です。毎回やる作業と判断基準をAIに覚えさせておき、次も手放しで動かす。動画編集にもルーチンは多いので、こうしたスキル化を続けていけば、制作の手間はさらに減らせそうだと考えています。

まとめ

ClaudeでPowerPointを作る面白さは、単にスライドを自動生成できることではありません。あとからPowerPointで編集でき、人間が最後に仕上げられる。ここに大きな価値があります。

AIでスライドを作るときは、見た目のきれいさだけで判断しないことが大事です。あとから直せるか、情報量は多すぎないか、フォントは見やすいか、グラフは編集できるか。この視点を持つだけで、失敗はかなり減らせます。

今回のYouTube動画では、そのあたりを具体的に解説しています。PowerPoint資料作成を効率化したい方は、ぜひ一度ご覧ください。

3連休が明けました。皆さん、お疲れさまでした。

先週Brainで発売した、パワーポイントを一発で作成できるAI教材が、おかげさまで200部を突破しました。

▼教材の購入はこちら

https://brain-market.com/u/murataiji/a/bxYDN1UjMgoTZsNWa0JXY

先週金曜日にはLINE読者限定のライブを開催し、ハンズオンとQ&Aを行いました。

今回は、ライブで多くいただいた質問への回答、購入者レビューの分析、ステップLINEの強化についてお伝えします。あわせて、それぞれの背景にある「なぜそうなるのか」も一段掘り下げてみたいと思います。

第1章: 「自分の環境でも使えるのか」への回答

スキルはClaudeに最適化して設計しています

教材の中心になっているのは「スキル」というファイルです。ダウンロードしてご自身のClaudeにアップロードし、インストールする。Claudeの追加パッケージのようなイメージですね。これを入れるだけで、難しい指示をしなくてもスタイルの整ったパワーポイントを作成できます。

この立て付けだからこそ、教材はClaudeを前提にしています。スキルという追加ファイルを配布し、それを読み込ませてふるまいを拡張する方式である以上、動作の前提はスキルを受け入れられる環境になる、という構造なのです。

有料プランでなくても作れます

一方で、有料プラン限定というわけではありません。無料プランでも構いません。実際、Claudeをほとんど使ったことがない方でも教材でパワーポイントを作れた、という感想をいただいています。ChatGPTやGeminiは使っていてもClaudeは初めて、という方こそ、まず無料プランで触れてみるのが近道だと私は考えています。

第2章: Claude以外のツールでも使えるのか

会社の環境ではClaudeを使えない、という方もいらっしゃいます。そこで、Claude以外のツールでも検証しました。

GensparkはClaudeの互換として使えました

ライブでGensparkにスキルをアップロードして試したところ、かなり良いものができました。互換性があると考えて大丈夫です。

ChatGPT WorkやCodexでも動作しました

ChatGPT WorkやCodexといったChatGPT系のサービスでも、スキルを使えることを確認しました。

Copilotは単体では不可、「Copilot Cowork」なら可能

Copilotそのものにはスキルをアップロードする機能がありません。ただし、法人向けの新しい機能であるCopilot Coworkであればインストールでき、安定してパワーポイントを生成できました。ただし法人向けの中でもさらに有料で提供される機能なので、会社で使うにはハードルが高い面があります。

ここで見えてくるのは、対応可否を分けているのが「スキルというファイルをアップロードできるかどうか」だという点です。すべてのAIに対して動作保証をするのは提供者としても難しいのですが、スキルを受け入れられるサービスであれば、おおむね同じように機能します。動作保証の大前提をClaudeに置いているのは、その受け皿がもっとも安定しているからです。

参考リンク

• Copilot Cowork の一般提供開始（Microsoft）：https://news.microsoft.com/source/asia/features/copilot-cowork-is-now-generally-available/?lang=ja

第3章: 評価された理由その1　パワーポイントで直接編集できる

200人余りの購入者のうち、50人余りがレビューを書いてくださいました。4人に1人という高い割合です。ここからは特に好評だった3点を紹介します。

画像で作るスライドは、あとから編集できないという問題があった

AIでスライドを作る方法は多くありますが、スライドが画像で出来上がるパターンでは、文字も画像になってしまい、あとから編集できません。スピード重視の場面では私も画像生成を使いますが、後編集が必要な場面には向きません。

現場では「パワーポイントで編集できる」方が運用しやすい

講義資料や登壇では、パワーポイントそのものが必要になる場面が多いですよね。このスキルはパワーポイント形式で生成するので、使い慣れたソフトでそのまま編集できます。

この点が評価される理由は、資料が一度きりの使い捨てではないからだと考えています。現場の資料は、あとから直したり、次の機会に作り替えたりして使い続けます。だからこそ、完成後も自分の手で編集できる形式であることが、見た目の美しさと同じくらい実務的な価値になります。

第4章: 評価された理由その2と3　AIっぽくないデザインと、5分でできる叩き台

仕事でそのまま使える、AIっぽくないデザイン

2つ目に多かったのが、デザインがAIっぽくないという感想です。AI製のスライドは情報を詰め込みすぎ、一見すごそうでも、よく見ると資料として適切か疑問に感じるものになりがちです。そこでシンプルに余白を活かし、情報を絞ったスライドになるよう設計しました。

余白を取り、情報を絞ることが視認性につながるのは、見る人の視線が迷わないからです。動画のスマートフォン画面でも、大きな会場の後方からでも、要点がすぐ届く。詰め込みの逆を意図的に設計することが、そのまま可読性の高さになります。

5分以内で高品質な叩き台ができる

3つ目は、短時間で高品質な叩き台ができる点です。デザインに迷う時間や素材を探す手間を省けます。

この時短が本質的なのは、浮いた時間を別の工程に回せるからです。パワーポイントづくりに時間をかけすぎると、本来考えるべき構成やワークの設計、受講者や担当者とのやり取りに時間を割けなくなります。作成時間を圧縮することは、そのまま考える時間とコミュニケーションの時間を取り戻すことにつながります。

第5章: 教材を積んだままにしない「ステップLINE」の強化

毎朝6時台に少しずつ届く、購入者限定のサポート

教材を買ったものの読む時間がなく進まなかった、ということはよくありますよね。それを防ぐために、購入者限定でLINEに特定のキーワードを送っていただくと、約10日間、毎朝6時台に教材の内容を少しずつ解説するステップLINEが届く仕組みを用意しています。

ライブのアーカイブを断片動画にして組み込みました

今回、このステップLINEを大幅に強化しました。先週金曜日のライブのアーカイブを数分ずつの動画に切り分け、各シーンごとにリンクを添える形で組み込みました。

この設計の狙いは、行動の入口を小さくすることにあります。1時間のアーカイブや教材サイトへのアクセスは、どうしても腰が重くなりがちです。毎朝届く数分の動画という小さな入口を用意することで、学びが途切れにくくなります。ステップLINEでしか見られない映像もあるので、まだ登録されていない方はこの機会に登録してみてください。

まとめ

LINE限定の先行販売クーポンは終了しましたが、教材は現在、値上げ予定の正規価格より少し安い価格で一般販売を続けています。レビューを書くと構成案作成用のAIが特典として解放されますので、こちらもぜひご活用ください。

▼教材の購入はこちら

https://brain-market.com/u/murataiji/a/bxYDN1UjMgoTZsNWa0JXY

今週は7月24日（金）に書籍『AIライフハック』の限定イベントがあります。前日までは割引価格で、アーカイブもついてきます。生成AIを情報発信や仕事につなげていくという、私としても珍しいテーマでお話しします。

▼イベント申し込みはこちら

https://honnoate-vol18.peatix.com/view

最後に少し私事を。

小学1年生の娘が夏休みに入り、これから約1ヶ月半は平日の日中も家族と過ごす時間が増えます。仕事とのバランスを取りながら、生活のリズムを整えていきたいと思っています。最後までお読みいただき、ありがとうございました。

AIツールのClaudeを使って、パワーポイント資料を一発で作成できるスキル教材を発売しました。私がセミナーや企業研修、講演で実際に使っているデザインを土台に、皆さんも同じ品質のスライドを再現性高く作れるようにしたものです。

コンテンツ販売プラットフォームのBrainで、現在は発売キャンペーン価格でお届けしています。使い方やお得な情報に加えて、なぜ資料作りの時間を圧縮すべきなのか、その背景にある考え方もあわせてお話しします。

▼「Claude×パワポ自動生成の教科書」 メモを貼るだけで、1時間→5分でスライド資料作成。 プロ講師が使っている「鉄板デザイン」PowerPoint作成スキル

Brain販売ページはこちら：
https://brain-market.com/u/murataiji/a/bxYDN1UjMgoTZsNWa0JXY

LINE登録（限定クーポン配布）はこちら：
https://line.me/R/ti/p/@252otcrb

第1章: Claudeパワポ一発作成スキルとは何か

今回お渡しするのは「スキル」です。Claudeの追加パックのようなもので、プロンプトや必要なプログラムが1つのファイルにまとまっています。ダウンロードしてClaudeにアップロードし、「こういうスライドを作って」と指示すれば、私のデザインが再現されたスライドができあがります。手順は文書と動画で解説しています。

▼デモ動画（PV）はこちら

ここであえて「教材」ではなく「スキルの配布」という形にしたのには理由があります。教材というと、皆さんが学んで頑張らなければならない印象があります。今回はその負担をできるだけ減らし、スキルをアップロードして指示するという最小限の操作で成果物が手に入る形にしたかったのです。学ぶことよりも先に成果が出る状態を作るほうが、多くの方にとって続けやすいと私は考えています。

第2章: 無料アカウントでも使える理由

Claudeを使ったことがない方や、無料アカウントしか持っていない方でも問題なく使えます。無料アカウントで使えるモデルの「Claude Sonnet」でも再現できるように開発し、実際に何度も検証しました。

最上位ではないモデルでも再現できるように作ったのは、意図的な設計です。特別な環境や高額なプランを前提にすると、使える人が限られてしまいます。誰の手元でも同じ品質が再現できてこそ、スキルとして価値があると私は考えています。だからこそ、普通のモデルでも良いスライドができることを基準に開発しました。

第3章: 購入すると受け取れるもの

スキルをアップロードして「スライドを作ってください」と指示すれば、5分以内を目安にスライドができあがります。ダウンロードすればパワーポイントでそのまま編集できます。レイアウトは箇条書き・比較・表・グラフなど30種類、テーマカラーは5種類、アイコンは500種類を収録し、いずれもAIがコンテンツに合わせて自動で選びます。

パワポで編集できることにこだわったのには背景があります。AIでスライドを作るサービスには、ウェブ上でしか編集できないものや、ダウンロードするとパワポで開けないものもあります。それでは、最後の微調整をしたい場面で行き詰まってしまいます。また、文字を大きめにして情報を詰め込みすぎないのは、講師として「ワンスライド・ワンメッセージ」を大切にしてきたからです。1枚に複数のメッセージを入れると、聞き手は情報過多になり理解しづらくなります。デザインの一つひとつは、伝わりやすさという目的から逆算しています。

第4章: 構成作りが苦手でも使える仕組みとレビュー特典

構成がまだ定まっていない方は、乱雑なメモを貼り付ければClaudeがアウトラインを提案します。すでに構成が決まっている方は、その順番どおりに作らせることもできます。さらにBrainのレビューを書くと、構成を相談できる「マスターコーチAI」が特典として解放されます。Claudeのスキルだけでなく、ChatGPTのGPTs、GeminiのGemsとしても使えます。

特典を複数の環境に対応させたのには理由があります。構成の壁打ちはやり取りの回数が多くなりますが、Claudeは利用制限に達しやすい特徴があります。壁打ちばかりしていると、肝心のスライド作りの前に制限へ達してしまうこともあります。そこで、壁打ちはChatGPTやGeminiで行い、構成が固まってからClaudeでスライドを作るという役割分担が有効です。ツールごとの得意な役割を分けることで、無理なく効率的に進められます。

第5章: 買い切りのコストメリットと、AI時代の働き方

今回の教材はサブスクではなく買い切りです。一度スキルを手に入れれば、ずっと使えます。スライド作成AIの代表例であるGammaは、月額でおよそ2,000〜3,000円ほどかかるとされ、年間では数万円になります。買い切りで長く使える点を考えると、コストメリットは大きいと考えています。最終価格は5,000円の予定ですが、現在は発売キャンペーン価格で、LINE読者限定の先行割引クーポンも配布しています。

最後に、この教材に込めた思いをお話しします。私は10年以上、講師としてパワーポイントを作り続けてきました。最近になって、資料作りにかける時間を圧縮できれば、その分を本当に大切なことに使えると実感しています。

先月のウェビナーでは、開催前に受講者から「経理部の仕事で活用したい」という声をいただき、急いでコンテンツを組み立て直しました。もし資料作りに追われていたら、そのきめ細かな対応はできなかったはずです。7〜8割の土台をAIが作ってくれるなら、最後の仕上げと、受講者との接点づくりや内容の練り込みに時間を回せます。

AI時代に人が担う価値は、作ることから伝えること、聞き手とつながることへ移っていくのではないでしょうか。資料作りに時間を奪われている方こそ、このスキルで土台をAIに任せ、大切なことに時間を割いていただけたら本望です。

▼「Claude×パワポ自動生成の教科書」 メモを貼るだけで、1時間→5分でスライド資料作成。 プロ講師が使っている「鉄板デザイン」PowerPoint作成スキル

Brain販売ページはこちら：
https://brain-market.com/u/murataiji/a/bxYDN1UjMgoTZsNWa0JXY

LINE登録（限定クーポン配布）はこちら：
https://line.me/R/ti/p/@252otcrb

先日、7月13日にあるセミナーへ登壇しました。中部地方の大手企業様と労働組合が集まり、生産性向上に取り組む団体様に向けて、拙著『生成AI最速仕事術』のエッセンスをお伝えする内容で、オンデマンド配信も含めて1,000人以上のお申し込みをいただいたそうです。

その質疑応答で多かったのが、「生成AIの最新情報は、どこから得ているのですか？」 という質問でした。以前から多くの方にいただき続けている、鉄板の質問でもあります。

私が実際に使っている情報源と、AIに情報収集を任せる自動化の仕組みをお伝えしたうえで、「そもそも情報を浴びてもピンとこない」という、より本質的な問題まで掘り下げて解説します。

第1章: まずは一次ソース。開発元4社の公式ブログとXを押さえる

■なぜ一次情報を重視するのか

私は生成AIについて情報発信をしたり、人にアドバイスを差し上げたりする立場でもあります。だからこそ、プロとして一次情報 を最も重視しています。開発元が発表した情報そのものであれば、内容を自分の目で確かめられるからです。

■OpenAI・Microsoft・Google・Anthropicの公式ブログと公式X

ChatGPTを開発するOpenAI、Copilotを開発するMicrosoft、GeminiのGoogle、Claudeを開発するAnthropic。この4社は開発元そのものですから、公式ブログとXの公式アカウントが一次ソースになります。とはいえ毎日すべてを見に行くのは大変なので、後半で紹介するAIの自動化と組み合わせています。

第2章: 「翻訳者」としての二次ソース。おすすめYouTubeチャンネル2選

■池田朋弘さんの「いけともch」

二次ソースとしてベンチマークしているのは、まず池田朋弘さんのYouTube「いけともch」です。最新情報についての情報の密度と頻度と量が凄まじく、ビジネスパーソン向けに現場に合った形で分かりやすく伝えられています。私はメインチャンネルはもとより、試行錯誤の過程を発信されているサブチャンネルまですべてチェックしています。

参考リンク

• いけともch（YouTube）：https://www.youtube.com/@remote-work

■AIディレクターのKEITOさん「KEITO【AI&WEB ch】」

もう1つが、AIディレクターのKEITOさんの「KEITO【AI&WEB ch】」です。実演込みで分かりやすく、ビジネスパーソン向けに最新情報を伝えられており、私にとって大事な情報源です。お二人に共通するのは、単に速いだけではなく、ビジネスパーソンが受け取るべき情報をセレクトし、現場に合わせて翻訳している ことです。

参考リンク

• KEITO【AI&WEB ch】（YouTube）：https://www.youtube.com/@keitoaiweb

第3章: 公式発表の一歩先を読む「TestingCatalog」と、Grokで海外Xを自動収集

■「兆し」をレポートするTestingCatalog

海外のXアカウントでのイチオシは「TestingCatalog」 （テスティングカタログ）です。ウェブサイトにまだ実装されていない機能のソースコードが含まれていることを確認し、「近々この機能が付くかもしれない」という前噂的な情報を発信しているアカウントです。例えば今であれば、「ClaudeのOpus 5という新しいモデルが出そうだ」という兆しがあります。先に兆しを知っていれば、急な一大ニュースも下地を作った状態で受け取れます。

参考リンク

• TestingCatalog（X）：https://x.com/testingcatalog

■Grokの定期タスクで、海外Xを毎朝日本語レポートに

海外のXアカウントは英語圏の投稿ですから、毎日自力でチェックするのは大変です。そこでX社のAIであるGrok を使っています。無料アカウントでも使える定期タスク機能で、「毎朝、チェックしている海外のXアカウントを確認し、昨日あった最新の投稿を日本語のラジオ番組のように読み上げるコンテンツをレポートしてください」と毎朝自動実行させています。調査レポートはメールでも届き、取りに行くのではなく向こうから届く形 に変わります。

第4章: ChatGPTの監視タスクで、自動収集の仕組みを完成させる

■変化があったときだけ知らせてくれるChatGPTの監視タスク

各社の公式ブログのチェックには、ChatGPTのスケジュールタスク機能を使っています。2026年6月の大幅アップデートで「監視タスク」 が使えるようになり、決まった時刻に対象を見に行き、報告する価値のある変化があったときだけ通知してくれます。私はOpenAIやAnthropic、Google Geminiなどの公式ブログを監視対象にして、朝昼晩の1日3回チェックさせています。自分のGoogleカレンダーやGmailを監視させる応用も可能です。

PodcastやYouTubeの要約レポートも自動化しています。もともとはAIエージェントサービスのManus を使っていましたが、Claudeの強力なAIモデル「Fable 5」の力を借りて独自に定期タスク化し、Podcastは最新の更新をRSSから読み取って文字起こし・要約し、メールでレポートさせています。YouTubeも同様に、いけともchやKEITOさんの最新投稿をサブチャンネルまで含めて見逃さないようにしています。

参考リンク

• ChatGPT のスケジュール済みタスク（OpenAI公式ヘルプ）：https://help.openai.com/ja-jp/articles/10291617-scheduled-tasks-in-chatgpt

• ChatGPTに新機能「Scheduled tasks」（ITmedia）：https://www.itmedia.co.jp/news/articles/2606/18/news099.html

第5章: 仕組みを整えても情報がピンとこない、本当の理由

■それでも情報がピンとこないのは、なぜか

ここまでの仕組みで、情報は届くようになります。ただ、実はここからが、この記事で一番お伝えしたいことです。情報をどんどん浴びるだけでは、いまいち頭に入ってこない、自分に何の関わりがあるのか分かりづらい、という感覚が残るのではないでしょうか。私は、情報を知らないうちに無意識にスルーしてしまっていることこそが本質的な問題 だと考えています。どれだけ収集の仕組みを整えても、ここを解決しない限り情報は活きません。

これを会計というテーマに置き換えて考えてみました。私は自分で会社を持っていますから、会計には大いに関係があります。ただ、専門家ではないので、顧問税理士の方にお願いしている部分が多々あります。その税理士さんに「どこで会計の情報を得ていますか？」と尋ねれば、プロが見ている業界のポータルサイトなどを教えてくれるはずです。しかし、同じ情報源を見ても、私にはおそらくピンときません。専門家が得ている情報源は、専門家として受け取る前提のものだからです。

一方、税理士YouTuberのヒロさんは、ひとり起業家や中小企業の社長に向けて、会計や税務を噛み砕いて、自分ごとになるように翻訳して伝えてくれます。同じ分野の情報でも、自分に合うフィルターを通せば「自分にはこういう関係があるのか」と分かる のです。

■フィルターを通して受け取り、ピンときたら一次情報で確かめる

生成AIも同じ構造だと私は考えています。一次情報を追いかけてもピンとこない、追いかける時間もない、という場合は、一次情報を分かりやすく翻訳してくれる発信者のフィルターを通して受け取るのが一番手っ取り早い方法です。そこでピンときたら、「いけともさんが言っていたのはこれのことか」とOpenAIの公式発表を見て確かめに行く。この順番が、最も情報を受け止めやすいと考えています。

ちょうどいいフィルターは人によって違います。まずは、自分に合ったフィルターを持つ発信者を探すことから始めるのがよいのではないでしょうか。

■最強のアンテナは、自分が「伝える側」になること

もう1つ、これを言うと元も子もないのですが、裏技があります。自分が情報発信者になることです。何らかの情報発信をする立場になると、アンテナの立ち方が段違いに上がる感覚があります。

ウェブでの発信だけではありません。社内の勉強会を開催する、生成AIの情報共有の場を立ち上げる、家族に伝える。そうした小さな集まりでも、伝える立場になると必ずと言っていいほど質問が来ます。「ChatGPTとGeminiは何が違うの？」と聞かれて答えに詰まった経験から、「そういえば厳密には何が違うのだっけ」と問題意識が生まれ、1つの情報を見たときの捉え方が変わってきます。新機能が出れば「自分が過去に作った講義資料を修正しなければ」ということも起こりうるので、おのずと新しい情報を気にするようになります。伝える側に回ると、情報を仕入れる「器」ができてくる のです。

まとめ

情報源は、開発元4社の一次ソース、いけともchとKEITO【AI&WEB ch】、そしてTestingCatalog。仕組みは、Grokの定期タスクとChatGPTの監視タスク。そして情報を自分ごとにする条件は、自分に合うフィルターを通して受け取ることと、自分が伝える側に回ることです。

皆さんにとっての「ちょうどいいフィルター」は、誰でしょうか。

この内容は、Voicyでも音声でお聴きいただけます。

参考リンク

• 【2026年7月最新】「AIの最新情報をどこで得てる？」（Voicy）：https://voicy.jp/channel/4403/8012367

土曜日の朝5時に目が覚めまして、子供たちが寝ている間に書いています。今日は娘の七五三の記念写真を撮りに行く予定で、ママと娘は着物での撮影ということで着付けも大変そうです。その間、私と2歳の息子は大人しく待機の予定です。

そんな朝ですが、日本時間の昨日7月10日未明に、OpenAIが大きな発表をしました。ChatGPTの最新モデル「GPT-5.6」と、パソコンを操作できる新モード「ChatGPT Work」です。昨日は一日その実力を試していましたので、何ができるのか、今までと何が違うのか、そして指示する側の私たちに求められる変化まで、順番にお伝えします。

第1章: GPT-5.6登場。Sol・Terra・Lunaという3つのモデル

■性能順に並んだ、松竹梅の3モデル構成

GPT-5.6には、Sol・Terra・Luna という3つのモデルがあります。性能の高い順にSol→Terra→Lunaという、いわば松竹梅の構成です。

名前の由来は天体です。Solは太陽、Terraは大地や地球、Lunaは月を意味していて、太陽・地球・月という並びになっています。ちょっとおしゃれなネーミングだなと思いました。ピンときた方もいるかもしれませんが、AnthropicのClaudeにも、Opus・Sonnet・Haikuという性能順の3モデルがありますよね。GPT-5.6の3モデル構成は、ちょうどこれと対応しているような形になっています。

参考リンク

GPT-5.6公式発表（OpenAI）：https://openai.com/index/gpt-5-6/

■トップモデルのSolは「Fable 5」に匹敵

トップモデルのSolは、Claudeの最強モデル「Fable 5」に匹敵するとよく言われています。Fable 5は、アメリカ政府が輸出規制の対象にし、先月は公開停止になってしまうほど性能が高かったモデルでしたね。それに匹敵する水準ということです。

ただ、正直なところ、「AIが賢くなった」と言われてももうピンとこないですよね。 一般的な文書作成をさせていても、5.5と5.6の違いはよくわかりません。では、本当の違いはどこにあるのでしょうか。

第2章: 「短距離走」から「長距離走」へ。持久力が上がった

■単発処理の「チャットボット型」だった今までのAI

GPT-5.6の本当の違いは、ランナーで言うと持久力です。今まで短距離走の選手だったのが、マラソン選手になったイメージです。

今までのChatGPTは、「あれをやって」「これをやって」という単発の指示に対して、単発で作業をしてくれるものでした。こうした単発の処理をするAIは「チャットボット型」「チャット型のAI」と呼ばれています。

■ゴールまでやり遂げる「AIエージェント」へ

一方、やってほしいことのゴールを伝えれば、そのために必要なことを自分で考えて、途中段階も全部実行して、最後のゴールまでやり遂げるものが「AIエージェント」と呼ばれます。GPT-5.6は、この持久走タイプのAIエージェントとしての能力が非常に高まっている、というのが前バージョンとの大きな違いです。

例えば、「今日会議があるので、会議の準備をしてください。Googleカレンダーをチェックして、Gmailでこの会議に関わる情報をチェックして、Googleドライブでこの会議の関連ドキュメントを探して、それら全部を含めてアジェンダを作成してください」という一貫した指示をすると、全部やり遂げて成果物を出してくれます。今までは「Gmailチェックしてください」「わかりました」という一問一答で終わっていたところが、一連の作業をゴールまで自分でやり遂げてくれるということです。

ただ、持久力が上がったと言われても、チャットしているだけだと違いはわかりにくいのが実情です。その能力を十分に発揮できる新しいモードが、ChatGPT Workです。

第3章: ChatGPT WorkはWeb版とデスクトップ版で全く違う

■Claude Coworkに相当する新モード「ワーク」

最新のChatGPTを開くと、上の方にモード選択のボタンがあり、普段の「チャット」から「ワーク」に切り替えられるようになっています。Claudeで言うと、最近登場して私も何度かウェビナーで紹介している「Claude Cowork（クロードコワーク）」のようなものが、ChatGPTにも出てきたと理解するとわかりやすいと思います。名前も似ていますよね。

■Web版とデスクトップ版は、Excelの関係に似ている

このChatGPT Workは、Web版とデスクトップ版（パソコンにインストールしたアプリ）とで、できることが全然違います。 Excelに例えると、ブラウザーで使うWeb版Excelと、パソコンにインストールした本体のExcelの違いに似ています。Web版は主要な機能は詰まっているけれど、できることは絞られている。インストール版はフルの機能を発揮できる、というイメージです。

Web版のChatGPT Workは、先ほどの会議準備の例のように、接続したクラウドサービスを横断して、一連の作業をゴールまでやり遂げてくれます。

■本領発揮はデスクトップ版。レシート転記も試しました

そしてデスクトップ版が、一番本領を発揮する環境だと思います。パソコン内のファイルの整理を指示すると、フォルダー分けや適切なファイル名付けをしてくれます。昨日試してXに投稿したのが、レシートの画像を読み取ってExcelの家計簿・経費リストに保存し、ファイル名を整理するという作業です。

Claude Coworkで初めて何かやりたい人には、このレシートを読み取って経費リストに登録させる作業がおすすめですよ、と私はよく言っていて、先月ウェビナーも開催しましたが、同じことがChatGPT Workでもできました。ブラウザーを操作して、ウェブ上の面倒な作業を自動化することもできます。これもClaude Coworkで人気の機能ですね。

■Codexユーザーは注意。アプリの名称変更

ここで少しややこしい話があります。今までパソコンにChatGPTアプリを入れていた人のアプリは「ChatGPTクラシック」という名前に変わり、新しく「最新のChatGPTアプリ」を入れると、デスクトップ版のWorkが使えるようになります。

さらに、今まで「Codex」というアプリを入れていた人は、そのCodexがバージョンアップして最新ChatGPTアプリに名前が変わりました。 Codexユーザーからはブーイングが出ていますが、新しく初めてインストールする人は、最新のChatGPTアプリを入れるだけなので混乱はしないと思います。

■Codex→Coworkと続く、非エンジニア向けへの流れ

この流れには系譜があります。Codexは元々「コーディングエージェント」と言って、主にエンジニア向けにプログラミングに特化したものでした。Claudeで言うClaude Codeと同じ立ち位置ですね。そのClaude側で、非エンジニアのデスクワーカーにも親しみやすく、安全に使えるようにと出てきたのがClaude Coworkでした。 ChatGPT Workは、そこにChatGPTが寄せてきたものなのかなと私は思っています。パソコン内のファイル作業やブラウザー操作の自動化が、よりカジュアルにできるようになった、ということです。

第4章: ついにChatGPTにも。5時間・1週間の利用量制限

■5時間と1週間、2つのサイクル

ChatGPTにも、ついに利用量の制限という画面が出てきました。2つの期間サイクルの中で使いすぎると、一時的に利用停止になるという仕組みです。1つ目が5時間サイクル、もう1つが1週間サイクル で、どちらかで使いすぎると、次のサイクルが来るまで利用停止になります。

実はこの枠組み、Claudeが先行してずっとやっていて、GoogleのGeminiも少し前に同じ仕組みを採用して話題になりました。そして今回ChatGPTも同じ5時間と1週間の制限を入れたので、3社が同じ枠組みで揃ったというのが非常に興味深いところです。

■普通のチャット利用は、ほぼ対象外

「ついにChatGPTも利用量を気にしながら使わなきゃいけないのか」と思いますよね。 ここが混乱を生んでいるところなのですが、実は普通のチャットモードで使っている限り、この制限にはほぼ影響ありません。

議事録を書かせる、壁打ちで考えを整理する、といった従来の使い方なら、最新モデルのSolを使っていても制限に引っかかることはほぼないということです。

■制限を消費するのは、エージェント的な使い方

では、どういうときに関わるのかというと、ChatGPT Workのようなエージェント的な指示をしたときです。エージェント的な動きでは、AIの計算量・推論量が膨大になるため、そこで使用量を消費するんですね。 ほかにも、ChatGPT for ExcelやChatGPT for PowerPointといった、オフィスアプリの中でChatGPTに作業代行させるプラグインを使っても消費します。つまりChatGPTの中では明確に分けられていて、普通のチャットでは影響しないけれど、エージェント的な動きをするサービスを使うと共通の枠を消費する、ということです。

■制限に達したときの2つの選択肢

利用停止になった場合の選択肢は2つあります。1つは、ChatGPT Plusより上位のChatGPT Proといった、より高いプランに入ることです。もう1つは、追加料金を払ってもう少し使う従量課金です。なお、この利用量はCodexとも共通の枠組み なので、元からCodexを使っているユーザーにとってはそこが注意点になります。逆に言うと、すでにCodexでパソコン上の業務自動化をバリバリやっている人は、今まで通りCodexを使っていれば特に影響はないと思います。

第5章: 働き方の変化。指示する側のスタンスを変える

■池田朋弘さんが語った「カーナビと自動運転」

最後に、働き方の変化の話をして終わりにしたいと思います。ChatGPT Workの登場でOpenAIが明確に打ち出しているのは、AIがエージェントになってきている ということです。そうなると、指示している私たち人間のユーザーも、スタンスをどんどん変えていく必要がありますよね。

先日たまたま、YouTubeでも有名なAI発信者の池田朋弘さんが、最新の書籍「Claude 最強のAI自動化術」を出されたということで、出版記念のライブ放送をしていまして、「エージェントの時代は何が違うのか」という話をされていました。そこでわかりやすかった例えが、「今までのチャットAIは車で言うとカーナビ、AIエージェントは自動運転」 というものです。

参考リンク

• 池田朋弘さん著「Claude 最強のAI自動化術」出版記念イベント（Peatix）：https://adp-99.peatix.com/

■カーナビは「実行」まではしてくれなかった

カーナビは便利でしたが、あくまでドライバーに地図上の道筋を教えてくれるだけで、運転するのは人間自身でした。導いてくれたりサポートはしてくれるけれど、運転するという実行能力はなかった ので、そこは人間がやらなければいけなかったんですね。これがChatGPTが出てきた頃のチャット型AIでした。一方、自動運転は目的地を伝えれば、過程は自分でやりくりして、自動的に運転してゴールまでたどり着いてくれます。この実行能力と持久走的な力がついたのがAIエージェントである、というお話でした。

■「実行」ま

で任せる時代の、指示の考え方

今までのチャット型AIは一問一答型だったので、単発の指示をして結果を待ってから次のアクションに移り、カレンダーへの登録やWordへの貼り付けといった実行部分は、結局自分でやる必要がありました。今後は、エージェントにゴールを伝えて過程は任せる、実行部分で何をやらせるかを明確に考えて指示する、という考え方に切り替える必要がある と思うんですね。

そこで重要になってくるのが、「エージェントは今、何ができるのか」を知っておくことです。例えばChatGPT Workであれば、ブラウザーを操作してこういう作業は代行できる、ということを知っていないと、そもそも何を指示すればいいかがわかりません。エージェントの実行能力をきちんと把握して、任せられるところを任せていく。 AIツールのできることをしっかり理解し、生かすために指示をするということが、今後はもっと重要になってくるのではないでしょうか。

この後は、娘の七五三の撮影に行ってきます。最後までお読みいただきありがとうございました。

Claudeの最強モデル「Fable 5」 を有料プランの範囲内でお得に使えるボーナス期間が、当初の7月7日（火）から7月12日（日）まで延長されました。日本時間では、13日（月）の午後4時頃までがロスタイムになります。

ちなみに、本稿のもとになった音声は、娘を英語クラスに送った合間に、レッスンが終わるのを車の中で待ちながら収録したものです。その娘が先日7歳になり、誕生日プレゼントに選んだのはマインクラフトでした。頭を使って建物や仕掛けを組み立てるゲームなので、親子でガイドブックを読みながら一緒に楽しんでいます。

そんな土日の子どもたちと過ごす合間の片手間で、私はFable 5を活用して3つの自動化の仕組みを作れました。

• LINEのステップ配信

• ポッドキャスト要約メール

• YouTube新着通知の3つです。

本稿では、その具体的な作り方とコスト感を紹介します。あわせて、なぜ高性能モデルは「司令塔」に回すと最も効くのか、そしてなぜ期限があると長年の構想が形になるのか。この2つの背後にある構造も、一段深く掘り下げます。

第1章: 迫るタイムリミット：Fable 5をお得に使える期間が7月12日まで延長

■残りわずかなロスタイム：ボーナス期間の正確な日付

Anthropic社の発表によると、当初7月7日（火）までとされていたFable 5のボーナス期間が、7月12日（日）まで延長されました。日本時間では、時差の関係で翌13日（月）の午後4時頃まで使えることになります。

期間が終わるとどうなるのでしょうか。高性能なFable 5を使うには、かなり高い別料金（利用クレジット制）が発生するようになるとされています。Claudeの有料プランの範囲内でFable 5を試せるのは、おトクに使える最後の期間かもしれません。

参考リンク

延長期間・日本時間の詳細（窓の杜）：

https://forest.watch.impress.co.jp/docs/news/2123273.html

■制限を気にせず使いこなす：私が「Notion AI」を選ぶ理由

純正のClaudeでFable 5を使うと、消費量がとても激しく、すぐに利用制限に達してしまいます。私自身、Claudeの週間制限にかかり、追加課金をして運用したこともありました。

一方で、私が使っている「Notion AI」 経由だと、Fable 5がほとんど制限を感じないくらい、使い放題に近い状態です。ですから私は、もっぱらNotion AIでFable 5を使っています。

▼Notion AIの話は、Xでも6.9万表示のプチバズ投稿に。

第2章: 週末の隙間時間で完成させた3つの自動化ツール

■作例1：専用サービスのコストを削減するLINEステップ配信

一つ目は、LINE公式アカウントの「ステップ配信」 です。登録した人へ毎日一通ずつ自動で届けていく仕組みで、専用の有料サービスだと「Lステップ」 などで月額5,000円〜1万円ほどかかります。

これを、LINE Messaging APIとGASで自作しました。GASとは、Google Apps Scriptの略で、ざっくり言えばExcelのマクロのGoogle版です。

近日発売予定のパワーポイント作成スキル教材の「購入者限定通信」として、いま実運用のテストをしています。教材の実践サポートを受け取りたい方は、LINE公式アカウントに登録して、先行割引クーポンの案内を待ってみてください。

▼LINE公式に友だち登録→先行割引クーポンを待つ！

https://lin.ee/RqaRGOv

■作例2：聴き逃しを防止するポッドキャストの自動要約メール

二つ目は、ポッドキャストを要約して自分にメール配信する仕組みです。ポッドキャストには「RSS」 という更新通知のファイルがあり、そこから音声ファイルのURLまで分かります。

そこで、RSSから音声を取得し、GAS経由でGemini APIに文字起こしと要約をさせ、Gmailで自分に送るという流れを組みました。文字起こしは一回1円〜2円程度です。これまで月額約3,000円の「マナス」 で行っていた作業を、月に数円から数十円で置き換えられました。

■作例3：大量の更新もカバーするYouTube新着動画の要約通知

三つ目は、YouTubeの新着動画を要約して通知する仕組みです。YouTubeは動画取得や文字起こしの完全自動化が難しいため、Claude Codeのスケジュールタスク機能で最新動画の要約をスプレッドシートに保存し、そこから先をGASで自動化する二段構えにしました。作例2の仕組みを転用したため、開発は驚くほど早く終わりました。

第3章: コスパを最大化する秘訣：高性能モデルを「司令塔」に特化させる理由

■設計と実装を切り分ける：AI開発における工程の分離

今回の3つに共通しているのが、Fable 5の使い方です。私はFable 5に設計や指示出しといった「考える工程」を任せ、実際のコードを書く「実装工程」は、Claude CodeやSonnetなどコスパの良いモデルに渡しました。

ここが本質だと考えています。ソフトウェアづくりで難しいのは、多くの場合、細かな実装そのものより「何を、どういう順番で、どう作るか」という設計の部分です。 その最も頭を使う工程だけを高性能モデルに集中させ、残りの手を動かす作業は安いモデルに任せる。この分担が、コストと成果のバランスを最も良くします。

■利用制限を防ぐ：実作業を別モデルに任せるべき理由

Fable 5に実作業までさせると、消費量が一気に増えて、あっという間に利用制限に達します。私も週間制限にかかり、追加課金をした経験があります。

実際の運用はシンプルです。Fable 5が作った指示書を、下位モデルにそのまま貼り付けるだけで開発が進みます。設計という価値の高い部分にだけ高性能モデルを使い、実装は再現性のある作業として安いモデルに流す。つまり、モデルの性能差を「役割の違い」に変換しているわけです。 これがコスパの良い使い方の核心だと感じています。

第4章: 構想を現実に変える「期限」という強力なトリガー

■能力の問題ではない：「いつか作ろう」が先送りされる原因

ポッドキャストの要約配信は、以前から構想はあったのに、時間がなくて作れずにいました。「GASでできそうだ」となんとなく分かっていても、なかなか手をつけられなかったのです。

ここで正直にお伝えしたいことがあります。時間さえかければ、これらの仕組みはFable 5でなくても作れたはずのものです。 GASで組んだ程度の自動化なら、従来の高性能モデルでも十分に実現できたでしょう。それでも作れずにいたのは、能力の問題ではなく、着手のきっかけがなかったからです。

■消えるものを資産に変える：締切を利用した行動の最適化

今回は「安く使えるのは今だけ」という期限が、そのきっかけを与えてくれました。期限があるから「今のうちに作っておくか」と動ける。これは多くの人に共通する構造ではないでしょうか。

そして重要なのは、期限を機に作るものを「消えもの」ではなく資産にすることです。もしこれらの仕組みを作らなければ、Lステップやマナスといったサービスのコストがこの先も流れ続け、一年で数万円になっていた可能性もあります。トレンドに素直に乗り、期限を区切って、あとに残るツールを作っておく。 この考え方が、今回いちばん実感したことでした。

第5章: 残された時間を資産に変える：ボーナス期間の活用法

■時差が生んだ猶予：まだ間に合う最後のロスタイム

Fable 5のボーナス期間は、日本時間で7月13日（月）の午後4時頃まで残っています。時差のおかげで生まれた、このロスタイムはまだ使えます。

■次の一歩を踏み出す：長年の構想を今こそ形に

この機会に、皆さんも「いつか作ろうと思っていたもの」を書き出してみてください。大切なのは、Fable 5でなければ作れないものを探すことではありません。期限を区切って、あとに残る仕組みを一つ形にしておくこと。残りの期間で、その一歩を踏み出してみてはいかがでしょうか。

約1週間後に、Claudeの「スキル」でパワーポイントを一発作成できる教材を、Brainというプラットフォームで販売する予定です。 発売にあわせて、LINE公式アカウントの読者限定で先行割引クーポンを発行する予定です。クーポンの発行はまだ始まっていません。今のうちにLINEに登録しておいていただくと、発売時に最速でご案内を受け取れます。 そのご案内とあわせて、なぜ販売場所にBrainを選んだのか、購入後のフォローとしてなぜステップLINEを組むのか、その背景も紹介します。

▼LINE公式に友だち登録→先行割引クーポンを待つ！

https://lin.ee/RqaRGOv

第1章　販売する教材の概要

Claudeスキルでパワーポイントを一発作成

販売するのは、ご自身のClaudeにインストールすると、私と同じパワーポイント作成環境がその日から使えるようになるスキルの教材です。 カラーバリエーション5パターン、スライドのレイアウト30種類、場面に応じて自動で挿入されるアイコン素材300種類を収録しています。

「この内容でスライドを作って」と指示すると、内容に合ったアイコン入りのデザインが自動で組み上がります。

講師歴10年以上の実務から生まれたテンプレート

私は研修やセミナーの講師を10年以上務めてきました。その中で磨いてきた「資料はこうあるべき」という観点を、このテンプレートに詰め込んでいます。 X（旧Twitter）でこのスキルを紹介したポストには、約6万インプレッションの反響がありました。

AIのスライドを「たたき台」にする運用

研修や講義、社内報告のようなかっちりした場面では、パワーポイントで編集できる資料が必要という事実は揺るぎません。 AIに安定したデザインで作らせ、自分で手直しして完成させる流れが、現状もっとも効率が高いと考えています。

第2章　先行割引クーポンの予告：今のうちにLINE登録を

クーポンは発売時にLINE読者限定で発行します

先行割引クーポンは、発売のタイミングで、LINE公式アカウントに登録いただいている読者の方に最速でご案内します。現時点ではまだ発行していません。 ですので、まだ登録していない方は、発売までの今のうちにLINE公式アカウントに登録しておいてください。

▼LINE公式に友だち登録→先行割引クーポンを待つ！

https://lin.ee/RqaRGOv

価格は「本1冊より手に入りやすい」先行価格から

価格は、本1冊よりも手に入りやすい先行価格からスタートし、段階的に上げていく想定です。その代わり、いち早く手を動かして、実践につなげていただければと考えています。

初めてのトライアルだからこそ「ライトな教材」にする

私はBrainで教材を購入したことはありますが、販売するのは今回が初めてです。初めてのトライアルであるため、教材自体も大ボリュームにするのではなく、サクッと取り組んですぐに結果が出せるライトな内容を意識してテーマを決めました。

第3章　なぜ「Brain」で発売なのか：「読みながら手を動かす」媒体の構造

動画・書籍・セミナーとの構造的な違い

私はこれまで、Udemyの動画コース、書籍、電子書籍といった形で教材を提供してきました。それぞれに良さがありますが、動画は動画だけ、書籍は文章だけになりがちで、セミナーは話を聞き終えてから手を動かすまでにラグが生まれます。 インプットと実践の間に、時間差がある構造です。

Brain/note型は文章・動画・ダウンロードをミックスできる

Brainやnoteの有料記事は、文章で説明しつつ、要所に動画を挟み、ダウンロードできるスキルも配布できます。 読み進めながらそのまま手を動かせる、実践マニュアルとしての構造を持っています。今回の教材も、この形での提供を意識しています。

クーポンという販売設計の自由度

Brainは、起業家の迫佑樹さんが立ち上げた利用者30万人規模のマーケットで、クーポンによる優先販売や購入者レビューの仕組みがあります。 よく聴いてくださっている読者の方にこそ先に、お得な価格でご案内できる設計が可能です。今回の先行割引クーポンの予告も、この仕組みがあるからできるご案内です。noteではなくBrainを選んだ理由は、この販売面の自由度にあります。

第4章　「買ったまま挫折」を防ぐ、「ステップLINE」の設計

「買った瞬間が満足のピーク」という購買心理

教材は、買う瞬間にテンションが最も高くなり、買った後に一気に下がる性質があります。買った時点でなんとなく満足してしまう経験は、私自身にも心当たりがあります。 本と違って手に触れることもなく、届く実感もないデジタル教材は、特にアクセスされなくなりやすい構造があります。

毎朝届くLINEのリマインドで「忘れない」を作る

そこで購入後のサポートとして、10日間から2週間、毎朝LINEでメッセージが届くステップ配信を用意します。 教材のことを思い出してもらい、断片的に少しずつ学べるようにして、週末の実践につなげる設計です。

GASとAIで自作したシステム

この配信システムは、GAS（Google Apps Script）を使い、Claudeの最先端モデルを駆使して自作しました。 キーワードは教材の中でお知らせします。購入者だけが知る秘密のキーワードをLINEに送るとスイッチがオンになる、完全に閉じた配信になっています。

まずは今のうちにLINE登録を！

最後に、あらためてのご案内です。

先行割引クーポンは、発売時にLINE読者限定で発行する予定で、まだ始まっていません。

今のうちにLINE公式アカウントに登録しておいてください。

▼LINE公式に友だち登録→先行割引クーポンを待つ！

https://lin.ee/RqaRGOv