ところが最近、「AIエージェント」に続いて「フィジカルAI」という言葉をよく見かけるようになりました。
なにげにNHKニュースでもこの言葉が出てきています。

フィジカルAIと聞くと、人間のように歩くヒューマノイドロボットや、自動車工場で働くロボットアームが思い浮かんできます。

一方で、以前から使われている「クラウドAI」「エッジAI」という言葉もあります。
こちらはAIがどこで動いているかという話らしい・・・とわかる方は意外と少ない（かもです）。

では、生成AIとフィジカルAIは別物なのでしょうか。
自動運転に使われるエッジAIは、フィジカルAIの一種なのでしょうか。
さらに、AIエージェントはどこに入るのでしょう。

AIの話題が増えるのは結構なことですが、言葉ばかり増えて、
全体像が見えにくくなっているようにも感じます。

やたら専門用語が飛び交って、なんのことかわかんない！
はい、それはごく普通の反応です。

そこで今回は、これらのAI用語を「能力」「どこで処理するのか」「応用領域」という3つの視点で整理し、
2枚の図を使って、関係性をできるだけわかりやすく解説を試みます。

因みに以下の図は、2026年9月末リリースした「MIRA」をChatGPT上で動かして作ったものです。
「MIRA」は私の考え方、こだわり、表現方法、避けたいことなどを既に詳しく知っています。

分身ではありませんが、「言わなくてもわかって欲しい」ところをそれなりに理解しております。
私のAIについての知見や作りたい方向性を伝え、PPTXで出力させ、後編集で修正をかけ完成しました。
私の思う通りの図が出来上がったので、これを使って解説いたします。

AIの種類が増えたのではなく、分類する視点が違う

まず、今回の結論からお話しします。

生成AI、AIエージェント、クラウドAI、エッジAI、フィジカルAIは、
すべてを同列に並べて分類できるものではありません。

例えば、生成AIは文章や画像などを作り出すAIです。
一方、クラウドAIはデータセンター側で動作するAI、どちらかというと場所を意識しています。

つまり、前者は「何ができるか」、後者は「どこで動くか」という違いです。
これらを無理に一つの分類へ押し込もうとするから、わかりにくくなるのです。

まずは次の3つの視点で整理してみましょう。

この3つの視点は異なるものですが、実際のAIシステムでは組み合わされます。

例えば、スマートフォンの中で動く小型の生成AIもありますし、
クラウドで学習したAIモデルを自動運転CARに搭載することもあります。

そして、これらの関係をまとめたのが次の図です。

図の上段では、AIが動く場所をクラウドとエッジに分けています。

左側のクラウドAIは、ChatGPTやGeminiなどでおなじみの、大規模な計算資源を利用するAIです。
右側のエッジAIは、スマートフォンやカメラ、自動車など、利用者に近い装置で動くAIです。

中央にあるのは、AIの能力はクラウドでもエッジでも利用できるという考え方です。

そして下段では、AIが情報やソフトウェアを扱うデジタル領域と、
現実世界を認識して行動するフィジカルAIの応用を示しています。

ここで知っておいて欲しいことがあります。

フィジカルAIは、生成AIの次に登場した、まったく別の種類のAIではありません。

これまでに発展してきた画像認識、機械学習、ロボット制御などの技術に、近年のAI技術を組み合わせ、
現実世界でより柔軟に行動できるようにしたもの、と捉えると理解しやすくなります。

いわばこれまでのAIの延長線上に出てきた概念のひとつに過ぎませんが、
正直とにかく紛らわしい・・・というか、わかるようでわからない、そんな用語に感じます。

クラウドAIとエッジAIは何が違うのか

先ほどの図をもう少し詳しく見ていきます。
フィジカルAIの前に、クラウドAIとエッジAIについて説明します。
これらは、「モノ」ではなく「仕組み」と捉えると理解しやすいです。

クラウドAIは、大きな計算能力を利用する仕組み

私たちがChatGPTやGeminiを利用するとき、基本的にはインターネットを経由してデータセンター側のAIモデルを利用しています。

スマートフォンやPCから質問を送信し、クラウド側でAIが処理して、回答が返ってくる仕組みです。
といっても、どこで処理していようと気にすることは全く不要ですよね？
私たちにとって大事なことは、発信したことについて返答がどこからであっても、
ちゃんと返ってくることであって、「どこから？」は普段の生活で意識していません。

なお、大規模な生成AIには膨大な計算量とメモリが必要になります。
クラウドならGPU（グラフィクス・プロセシング・ユニット）などの計算資源を大規模に用意でき、
モデルの更新や管理も集中して行えます。

ただし、クラウドAIは生成AIだけではありません。
実際には画像認識、需要予測、データ分析、AIエージェントなど、さまざまなAIがクラウド上で動作しています。

エッジAIは、装置の中で判断する仕組み

一方、エッジAIはスマートフォン、カメラ、自動車、産業機器などの端末側、あるいはデータが発生する場所に近い装置でAI処理を行います。

なぜ、わざわざ装置側でAIを動かすのでしょうか。

わかりやすいのが自動運転です。

走行中の自動車が前方の歩行者を認識したとします。
そこでカメラ画像をクラウドへ送り、AIに判断してもらってからブレーキを操作するのでは、通信遅延や通信障害が問題になります。

機械の反応速度はミリセカンド(1/000秒単位）レベルですが、カメラ入力からブレーキ、ステアリング、アクセルなどの適切な操作までを所定の時間で終わらせないと事故に繋がります。

車両側のAIがその場で認識・判断できれば、通信を待つ必要はありません。

また、大量の画像やセンサーデータを常にクラウドへ送信せずに済むため、通信量や通信コストを削減できる利点もあります。

クラウドAIとエッジAIの違いを整理するとこうなります。

もちろん、エッジAIなら必ず高速ということではありません。
装置側の計算能力も重要ですし、リアルタイム性が求められる処理では、必要な時間内に確実に処理を終える設計が欠かせません。

また、クラウドとエッジは対立する技術ではありません。

例えば自動運転では、車両側が走行中の認識・判断を行い、
クラウド側がAIモデルの学習や改善を支援するという役割分担が考えられます。

ここを理解すると、次に登場するフィジカルAIの位置づけも見えてきます。

フィジカルAIとは何か？ ロボットだけではない現実世界のAI

フィジカルAI（Physical AI）とは、簡単に言えば、
現実世界の状況を認識し、判断し、
その結果に基づいて行動するAIシステムです。

IBMや富士通などの解説でも、AIとセンサー、アクチュエータ、制御システムを組み合わせ、物理世界で働く仕組みとして説明されています。

ここでいうアクチュエータとは、モーターなど、電気信号を実際の機械の動きに変える装置のことです。

身近な例で考えてみましょう。

自動運転CARは、エッジAIでもありフィジカルAIでもある

自動運転では、カメラやレーダーなどのセンサーが周辺状況を捉えます。
車両側のAIが道路や歩行者、障害物などを認識して走行を判断し、その結果に基づいて加速・減速・操舵を行います。

ここには2つの考え方が重なっています。

車両側でAI処理を行うという点ではエッジAI。
そして、AIの判断が現実の車両の動きにつながるという点ではフィジカルAIです。

つまり、同じ自動運転システムであっても、どの視点から見ているかによって呼び方が変わります。

産業用ロボットは、すべてフィジカルAIなのか

自動車工場などでは、以前からロボットアームが活躍してきました。

ただし、決められた動きを繰り返すだけの従来型ロボットまで、すべてフィジカルAIと呼ぶのは適切ではありません。

例えば、部品の位置が少し変わった場合に、カメラなどで状況を認識し、AIが把持位置や動作を判断してロボットを制御する。
こうした仕組みではフィジカルAIの特徴が明確になります。

最近話題のヒューマノイドロボットも代表例です。
周囲の環境を理解し、人間のような動作を状況に応じて行うには、認識、判断、運動制御などを組み合わせる必要があります。

では、AIカメラもフィジカルAIなのか

ここは少し注意が必要です。

人物を認識して通知するAIカメラは、エッジAIのわかりやすい例です。
しかし、通知するだけであれば、ロボットや自動運転のように機械を直接動かすわけではありません。

一方、カメラの認識結果を使ってドアを開閉したり、ロボットを動かしたりする場合には、物理世界への働きかけが明確になります。

なお、フィジカルAIの定義は企業や研究分野によって多少幅があります。
NVIDIAはAIカメラもフィジカルAIの対象として挙げています。

したがって、AIカメラは「エッジAIの身近な例であり、フィジカルAIを構成する重要な認識技術でもある」と理解するとよいでしょう。

重要なのは、フィジカルAIを単にロボットの別名だと考えないことです。

AI用語に迷ったら、3つの視点に戻ってみる

ここまでの内容をもう一度整理します。

生成AIは、文章や画像などの新しい内容を作るAIです。

AIエージェントは、目標に向けて調査・判断し、必要に応じてツールを使いながら処理を進めるAIシステムです。
生成AIを利用する場合が多いものの、単なるチャットでの質問応答とは異なります。

クラウドAIとエッジAIは、AIをどこで動かすかという違いです。
そしてフィジカルAIは、現実世界を認識し、判断や行動につなげる応用分野です。

これらの用語を短くまとめたのが、次の図です。

図の下には、自動運転CARとAIカメラの具体例も記載しています。
この2つを比較すると、エッジAIとフィジカルAIが必ずしも同じ意味ではないことがよくわかります。

また、今後はエッジ側で動く小型生成AIや、AIを使ってより自律的に動くロボットなども発展していくと予想できます。
要するに、AIの処理場所、能力、応用領域の組み合わせは、さらに多様になっていくと考えられるということです。

新しいAI用語が登場すると、私たちはつい「これまでのAIと何が違うのだろう」と考えます。

しかし、その言葉がAIの新しい能力を指しているのか、
処理する場所を指しているのか、それとも応用分野を指しているのか。
まずそこを確かめるだけでも、ずいぶん整理しやすくなるはずです。

そして、最後にもう一つ。

フィジカルAIは、生成AIのように文章を間違えるだけでは済まない場合があります。
AIの判断が自動車の走行やロボットの動作に結びつく以上、誤認識や誤判断は現実の事故にもつながりかねません。

だからこそ、フィジカルAIでは高度なAIモデルだけでなく、センサー、組込みシステム、制御技術、リアルタイム処理、そして安全設計まで含めたシステム全体の品質が重要になります。

AIが画面の中から現実の世界へ活動領域を広げているのが、実態なのです。
フィジカルAIという言葉が注目される背景には、そんな技術の広がりがあるのでしょう。

AIは「答えを返す」だけでなく、現実世界で「行動する」段階にも進んでいる。
今回の2枚の図が、増え続けるAI用語を整理する手がかりになれば幸いです。

参考資料

• NVIDIA：What Is Physical AI?
• IBM：フィジカルAIとは
• 富士通：フィジカルAIとは
• AWS：What Is Edge AI?
• Google Cloud：What is AI inference?

Copyright © 2026 INFOREVIEW All Rights Reserved.

いろいろなニュースが飛び交っている中で、この記事では
WordPressを使っている。でも技術のことはよくわかんない。
という方に向けて、何が起こってて、何をしたらいいのかに絞って整理してみます。

WordPress運営者にとって、できることは少ないのですが、
なんだかいろんな会社のサイトがメンテナンスに入ったりで、
自分のブログやホームページは大丈夫なのか？、と気になった方向けの話です。

WordPressを使っていると、PHPという単語に触れる機会が多々あると思います。
ただそんなこと言われてもよくわからないし、PHPは一切触ったことがない、
という人がほとんどではないでしょうか？

管理画面で、その名前を見かけたことはあるけれど……というくらいでしょうか。
個人でサイトを運営しているなら、そんな感覚も無理はありません。

この記事では、PHPとWordPressの関係から、今回起きている問題、レンタルサーバー各社の対応例、サイト運営者が確認する順番まで、専門用語をほどきながら整理してみました。。

※この記事は2026年10月24日に整理したものです。
各社の対応例は、確認できた10月22～23日の公式告知に基づきます。
対応状況は変わるため、ご契約サービスの最新案内も確認してください。

PHPの重大な脆弱性で、何が問題になったのか

今回の話題でわりと掘り下げていたのが、Yahoo!ニュースに掲載されていた記事でした。
配信記事は掲載終了になることもあるので、元の掲載先も紹介しておきます。

その前に、この記事で言わんとしていることは、非常に根深い問題指摘にあります。

すなわち、「AI vs AI」という戦争の幕開けではないかという指摘がそれにあたります。
AIが脆弱性を見つけ、そこから攻撃することと、
AIが脆弱性を見つけ、そこをパッチ（修正）することがほぼ同時。

ともかくPHP問題が表ざたにならなければ、気がつかなかった視点です。

【AI世界大戦前夜】OpenAIも警告 PHPは序章に過ぎないこれから日本を襲う恐怖の数カ月

出典：ビジネス＋IT、2026年10月23日掲載記事

かなり強い見出しです。ただ、サイト運営者として知りたいのは、
「自分のサイトにどう関係するのか」「何を確かめればよいのか」ということですよね。

PHP開発元は10月21日、ログインしていない第三者に、サーバー上で不正なプログラムを実行される可能性がある2件の脆弱性について、修正版を公開しました。

ここでいう「脆弱性」とは、攻撃に悪用されるおそれのある、ソフトウェアの弱点や欠陥のことです。

今回、問題が見つかったのはWordPressを動かしているPHP本体です。
まずは、その位置関係から確認しましょう。

PHPとWordPress、レンタルサーバーの関係を知る

WordPressを動かしているのがPHP

WordPressは、記事を管理したり、ページを表示したりするソフトウェアです。
そのプログラムをサーバー上で実行するのがPHPです。

「PHP」には、プログラミング言語という意味と、
その言語で書かれたプログラムを動かす実行ソフトという意味があります。
今回、修正が必要になったのは後者です。

店舗にたとえると、次のような関係になります。

なおPHPは、WordPress専用ではありません。
Webサイトの裏側で、入力を受け付けたり、情報を取り出したりするために使われるプログラミング言語です。代表例として、次のような用途があります。

• ネットショップ
  商品情報を表示する、商品を買い物かごに入れる、注文を記録する、といった処理に使われます。
• 問い合わせフォームや予約サイト
  入力内容を確認する、問い合わせをメールで届ける、空いている予約枠を調べる、といった処理を担います。
• 会員制サイトや社内の業務システム
  ログイン情報を確認する、会員ごとに画面を変える、顧客情報や売上データを管理する、といった場面でも使われます。
  これらの仕組みがすべてPHP製というわけではありませんが、PHPがよく使われる用途です。
  利用者からは見えないところで、Webサイトを動かす仕事をしていると考えるとわかりやすいでしょう。

WordPressの更新とPHPの更新は、別のこと

今回の問題は、このたとえでは「調理機械そのものの欠陥」です。
運営手順や内装を新しくしても、機械の欠陥は直りません。

同じように、WordPress本体やテーマ、プラグインを更新しても、
それだけでPHP本体の修正が済むわけではありません。

WordPress公式も、今回の脆弱性はWordPress固有の問題ではなく、PHPの更新が必要だと説明しています。

参考：WordPress公式「PHPの重大なセキュリティリリース」

今回の脆弱性は、どこに、どんな形で存在していたのか

問題があったのは、PHP内部のメモリ管理

今回の2件は、PHPが外部から届いた要求を処理するときの、メモリ管理に関係しています。

メモリは、コンピューターが作業中の情報を一時的に置く場所です。
机の上の作業スペースを想像するとわかりやすいでしょう。

問題になった2件には、次の識別番号が付いています。
「CVE」は、脆弱性を取り違えないための整理番号です。
番号そのものを理解する必要はありません。

単に「アクセスが増えてメモリ不足になった」という話ではありません。
異常が起きたときの処理に欠陥があり、攻撃者に悪用される可能性があるという問題です。

参考：PHP開発元の個別資料
CVE-2026-109618の説明
CVE-2026-109619の説明

悪用されると、サイト改ざんや情報の窃取につながり得る

条件がそろうと、攻撃者がログインせずに、サーバー上で不正なプログラムを実行できる可能性があります。
専門用語では「認証不要のリモートコード実行」と呼ばれます。

実行できる範囲はPHPに与えられた権限によりますが、次のような被害につながり得ます。

• サイトの内容を書き換える
• PHPから読み取れる情報を盗む
• 不正なプログラムやファイルを設置する
• 別の攻撃にサイトを悪用する

サーバー全体の管理者権限を必ず奪える、という意味ではありません。
それでも、仕事に使っているサイトなら放置できない問題です。

なお、脆弱性があることと、すでに被害を受けたことは別です。
予防的なメンテナンスでサイトや管理画面が止まった場合も、それだけで侵入されたとは判断できません。

参考：JPCERT/CCの注意喚起

【販売者・アフィリエイター必見！】
infotopが公開しているページでサクッと理解できる

ここではインフォトップが、他によくみられる企業と同様に自社サイトの
メンテナンス作業に入ったときのお知らせページが非常に秀逸でして、
図解も非常にわかりやすいのでご紹介します。

インフォトップで販売している人、インフォトップ商品のアフィリエイターに限らず、
どのようなASPを使っていても、または自社（或いは個人）で類似活動をしている方には参考になると思います。

説明の仕方がとにかくわかりやすい。
ブックマークしておくと良いレベルのページです。

販売者向けにPHP問題の理解と対処法

インフォトップがPHP問題対応のためメンテナンス中は、誰も商品購入できず、
何件かのお問い合わせをいただきました。（現在は完全回復の連絡がきております）

販売者はこういった事態にどう対処すればよいのかを、私がこれまで見てきた中では
もっともわかりやすく解説されているのでご紹介します。

PHPのバージョンの見方まで、事細かに書かれていて、
この方面でこれまでチンプンカンプンだった人でも理解しやすいです。

さきほども述べたようにインフォトップで販売しているかどうかに関係なく、
コンテンツ商品やツール（特にPHPを使っている商品）などの販売者は必見ものです。

アフィリエイター向けにPHP問題の理解と対処法

いわゆる最初の段階で販売者と微妙に「やることリスト」が異なります。

こちらも、どのようなASPを使っていても汎用的に使える内容です。
ありがとう！インフォトップ。と言いたいくらいにまとまっています。

Copyright © 2026 INFOREVIEW All Rights Reserved.

古い文章の中に、今も伝えたい考えがあった

何年も前に、自分で書いて配信したメルマガがあります。
テーマは「チャンス待ち志向」でした。

目の前に出てきた方法や商品を見て、「これならうまくいくかもしれない」と取り入れる。
でも、自分の仕事全体をどう進めるかが定まっていなければ、やることだけが増えてしまう。

その前に、自分の戦略を持つことが大切だ、という内容です。

AIが登場するずっと前に書いたものですが、この考えは今も変わりません。
会社員時代から、戦略がある場合とない場合の違いを肌で感じてきたからです。

一方で、今はAIに困りごとを尋ねれば、整理された答えを得られます。
昔と同じ感覚で、ノウハウを集めることを批判する話にはしたくありませんでした。

時代の変化と、現在の私の考えを踏まえて、新しい記事にしたかったんです。

Before／Afterで変わったこと

今回作ったのは、AIの新機能や活用商品の情報に振り回されがちな方へ向けた記事です。
変化を整理すると、次のようになります。

元原稿の言葉をAI関連の言葉に置き換えるだけでは、現在の私の経験や考えまでは入りません。
そこを、対話で確かめながら作りました。

比較PDFをダウンロードできます

元原稿と作成後の原稿を、2本のPDFにして一つのZIPにまとめています。

Before／Afterの比較PDF2本をダウンロードする

AfterのPDFには、MIRAが具体的に何を聞いてきたのかも、補足として添えています。

なお、Beforeは過去に配信した原稿です。
そこにある数字や引用、断定的な表現を、現在の情報として再提示するためのものではありません。

どんな考えが引き継がれ、対話によって何が加わったか。その点から見比べていただければと思います。

最初に頼んだのは、書き直しではなかった

MIRAには、まず次のように依頼しました。

元原稿から、私が何を大切にし、何を問題にしていると理解したかを教えてほしい。
一つの原稿だけでは分からないことは、推測と分けてほしい。
今の考えや具体的な経験を確認する必要があれば、質問してほしい。
まだ本文は書かなくていい。

いきなり完成原稿を出してもらうより、まず、私が何を伝えたい人なのかを確かめてほしかったんです。

対話では、元原稿の中心を「自分の目的を持ち、目の前の情報や商品を自分で選ぶ」
という考えとして整理しました。

同時に、昔の数字や引用、強い断定を、そのまま今回の記事の根拠には使わないことにしました。
過去の原稿に書いてあることと、現在もそのまま使えることは、分けて考える必要があります。

MIRAに質問され、今の考えを言葉にする

その後、MIRAが確認してきたのは、主に次のことでした。

• 今も変わらない考えは何か。
• 今なら言い直したいところはどこか。
• 最近、AIを選ぶときに判断した具体例はあるか。

私は、戦略の重要性は変わらないことを伝えました。
また、今はAIから知識を得られるので、情報を集める行為そのものを悪いものとして扱いたくない、
とも答えました。

具体例として話したのが、画像制作です。

それまで別のAIで（ManusやGemini Notebookなど）やCANVAで作っていたアイキャッチ画像やアイコンを
ChatGPTでも作ってみると、場合によっては、自分の好みに近いものができることがありました。
制作用のプロンプトにおいて説明することも減ったように感じていました。

私の好みなどを、ある程度つかんでくれているのかな、と。
これは私自身の実感であって、仕組みを検証した話ではありません。

ただ、その経験を話すことで、「AIを選ぶ基準には、自分の意図がどれくらい伝わるかもある」
という視点が、記事に入りました。

「自分に合う答え」の先に、何を期待するか

さらに聞かれたのが、MIRAによって利用者にどんな状態になってほしいか、ということです。

私が伝えたのは、特定のAIや機能にこだわるより、目的に合わせて新しい視点や気づきを得られるようにしたい、という考えでした。

自分では見えていなかった方向に、少し光が見える。
それによって、元気も出る。そういう関係を作りたいんです。

ただ、提案が返ってくれば、何でも受け入れてよいわけではありません。

なぜ、その提案なのか。根拠に説得力があるか。自分の目的や、大切にしたいことに合っているか。
そこを見て、採用するかを決めるのは本人です。選んで行動する責任は、結局人が引き受けるからです。

このやり取りを経て、今回の原稿は「戦略を持って選ぶ」という元の主張から、
AIの提案をどう受け取り、判断するかまで広がりました。

私が考えたことと、MIRAが担ったこと

今回、新規チャットでMIRAを立ち上げ、元原稿の提示からAfterの原稿案ができるまで、私の感覚では30分くらいでした。

ただし、誰でも同じ時間かかる、という話ではありません。
私がMIRAからの質問への回答を考え、打ち込んでいる間にも、いろいろと考えが巡っていました。
これは私の思想、考え方、避けたい表現、言い回しなどをMIRAに正確に理解させるために、
できるだけ正直な自分を説明する言葉を探していたからです。

むしろ、そこは人がやるべき領域だったと思っています。

Afterを、そのまま自分の発信として使うかどうかも、私が判断します。

今回重視したのは、文章が完成したことに加えて、私が大切にしていることや嫌がることを踏まえ、現在の考えが反映された原稿になっているか、という点です。

MIRAでいう「AIから降りる」とは

MIRAでは、「AIから降りる」ことをテーマにしています。

指示づくりや作業の段取りを抱え続けず、自分にしかできない思考と判断に集中する。
そのために、ややこしい手間をAI側に任せていく、という考えです。

今回も、最初から私が記事の構成を細かく決め、必要な質問を全部用意したわけではありません。

手元の原稿を渡し、何をしたいかを伝える。
質問に答え、理解が違えば直す。提案の理由を見て、方向を判断する。
そのやり取りを踏まえて、MIRAが構成と原稿を作りました。

MIRAは、利用者の考え方や書き方、好むこと、嫌がることなどの本人理解を、仕事を進めながら深める設計にしています。

その理解を土台に、別の視点や進め方を理由とともに提案し、作業や品質確認も担い、成果物の完成へ進めます。

今回の原稿作成は、その使い方の一例です。

手元の材料から、始められる

過去に書いた文章。仕事で使った資料。Kindleの原稿。まだ整理できていない考え。
その中に、今も生かせるものが残っているかもしれません。

全部をきれいに整理してから頼む必要はありません。
材料をもとに対話を始め、今の自分が何を伝えたいかを確かめ、使える形にしていく。

今回のBefore／Afterを見て、「自分の文章や仕事でも、こういう進め方をしてみたい」と感じた方は、MIRAの詳細をご覧ください。

比較PDF2本をダウンロードする（ZIP）

MIRAの詳細・購入はこちら

Copyright © 2026 INFOREVIEW All Rights Reserved.

いわゆるコピーライターという職業です。
AI登場前に知り合った30代のあるコピーライターからは、10年近い活動を通じて
累積10億円の売上を出してきたと聞き、純粋に「スゲー！！！」と感じました。

この仕事は人間以外には無理！
と妄信していましたが、現時点では一定のレベルまでは生成AIがとって変わりつつあります。
かといって、完全に置き換わるわけではない、今はそんな状況です。

ひとつ前の記事で、ユヴァル・ノア・ハラリのダボス会議での発言をもとに
「人間社会を支えてきた“言葉でできた仕組み”の中へ、AI自身が入り始めている。」
ように見えることを述べました。

コピーも、言葉でできた仕組みに属すると考えられます。
未来についてどうなるかはわかりませんが、AIには現在超えられない壁があると思います。

人間にしかないもの、そのひとつは、肉体を伴う体験と感情です。

この体験による苦痛、喜び、悲しみ、楽しさ、恋、いたわり・・・
といったようなありとあらゆる感情を、AIは持ちえません。

これを象徴した痺れる言葉があって、頭から消えません。
それは、映画イコライザーで、主人公デンゼル・ワシントン演じるロバート・マッコールの、静かでありながら底知れぬ優しさが伝わる素晴らしいセリフにあります。

Body,mind,spirits.

「体と心、そして魂だ。」
たった３つのWORDが並んでいるだけですが、相手と状況によって深すぎる。

マッコールが、深夜のダイナーで言葉を交わす娼婦の少女、テリー（クロエ・グレース・モレッツ）にかける言葉ですが、ラストシーンにも再び登場します。

少女が自分自身を安売りせず、心身ともに大切にできるよう優しく諭すセリフ。
「父親のような優しさと励まし」が込められています。

体、心、魂と揃うとなると、少なくともAIには該当しませんよね？

なにかで立ち止り、心が折れそうなときになぜかこのセリフが浮かび、
元気をもらって自分を奮い立たせています。

刺さるコピーにはそんな力があるのだと実感します。
このあとご紹介するコピーに、あなたももしかするとクスっと笑ったり、そうだよなぁと相づちをうったりするかもしれません。

私の個人的な偏った選択ではありますが、名コピーの数々をご紹介しますね！

あ、この言葉、気にになる展２

「気にになる」は誤記ではなく、イベントの正式名の一部です。

クリエイティブディレクター・明円卓さんを中心としたチーム『entaku』によるイベントです。
1985年から2025年までの「コピー年鑑」から116点を選んだ珠玉のコピーばかり。

こちらにご案内している「美術展ナビ」のサイトですが、
数々の名コピーがイベント内の撮影画像として掲載されていて、
これだけできっとジワジワくる人も多いんじゃないかと想像します。

私のお気に入りもついでにピックアップしますね。

• うらやましいことに、まだ人生を選べる。
• スキかキライか、二文字以内で答えなさい。
• 迷ってるってことは、やりたいってことだよ。

甘い生活～島地勝彦さんのコピーが刺さり過ぎる

島地勝彦さん、と言えば当ブログでも何度かご紹介していますが、
私が学生時代からずっと憧れ、尊敬してきた方になります。

貧乏学生ながら、毎週買わずにいられない、そんな週刊誌に「週刊プレイボーイ」という、
なんとなく名称からして気取ったエロっぽい雑誌が有名でしたが、中身はエロだけではありません。
むしろ当時、迷える若者への指南書のように感じており、欠かさず買っておりました。

島地さんは『週刊プレイボーイ』編集者という立場的には裏方で仕事をされ、
1982年に同誌の編集長に就任、その後毎週100万部の雑誌に育て上げた方です。

昭和の大物、今東光、柴田錬三郎、そして開高健などから大変に可愛がられ、そのことを、或いはそうなるための人生の渡り方を書いてくれ、救われた人は多いに違いありません。

さて、1995年ごろのサントリーウイスキー山崎のCMで、
「何も足さない。何も引かない」
は島地さんがよく似てると言われた、開高健さんの名コピーのひとつ。

文豪に可愛がられた島地勝彦さんは、今は絶版となっていますが
「甘い生活 男はいくつになってもロマンティックで愚か者」
にて、なんとも素敵なコピーを連発してくれました。

かの瀬戸内寂聴さんが、「推し」ておられた名作です。
こんな表紙です。上のダンディが島地勝彦さん、左下は今東光和尚ですね。
ファンならすぐにわかります

この本には、数えきれないほどの名コピーの宝です。
といっても、世代によってピンとくる人、性別でも意見が分かれるところでしょう。

私のお気に入りを数点、並べてみますね。

• 人生の醍醐味は、妖しいところに隠されている。
• 人は見たいものしか見えない。
• 男と女は誤解して愛し合い、理解して別れる。
• 一つ屋根の下で暮らすと、オスとメスの関係は消滅する。
• 知らない悲しみより、知る悲しみのほうが上質である。

いかがでしょうか？
私にはどれもが人生の奥深さ、人とは何かを深く洞察しているように思え、
たじろぎ、次に腹に落ちてくる気がしています。

Copyright © 2026 INFOREVIEW All Rights Reserved.

AIについての話というと、どのモデルが賢いのか、仕事はどこまでAIに置き換わるのか、AIエージェントはどこまで自律的に動くのか、といったことがついつい中心になっています。

もちろん、それらも重要です。
ただ、この記事では2026年1月のダボス会議でユヴァル・ノア・ハラリの講演（YouTube）に触れ、視点を変えた話をしたいと思います。

彼が世界のリーダーたちに投げかけたのは、
「あなたの国は、AIを法人格として認めますか」
という問いです。

最初に聞いたときは、ずいぶん先の未来の話に思えました。
ところが18分ほどの講演を聞いていくと、これはSFというより、
現在進んでいるAIの変化をそのまま延長した先にある問いかけだとジワジワきました。

ここで、まず実際の講演を見ていただくのが早いと思います。
AIを「便利なツール」ではなく、かなり違った角度から考えさせられる内容です。

※日本語字幕付きです。特に後半の「AI移民」と「法人格」の話が、この記事の中心になります。

AIは、まだ「人間が使う道具」なのか

ハラリは講演の冒頭でAIの特徴をいくつか挙げますが、私が最も引っかかったのは
「AIは道具ではない」という言葉でした。

彼はナイフを例に説明します。ナイフは野菜を切るためにも使えますし、人を傷つけるためにも使えます。
しかし、ナイフ自身がどちらに使われるかを判断するわけではありません。
決めるのはあくまで人間です。

AIはそこが違う、とハラリはいいます。

与えられた目的に応じて途中の状況を判断し、その次に何をするかを選択することができる。
彼はそれを、
「サラダを切るか、人を殺すかを自分で決められるナイフ」
というかなり刺激的な比喩で表現しています。

しかもAIは、単に与えられた道具として動くだけではなく、新しい文章やプログラムを作り、薬の候補を探し、新しい仕組みそのものを考える側にも回り始めています。
人間が作った従来の道具とは、全然性格が違ってきてますね。

現在のAIエージェントを見ていると、なんとなく
そうかもしれんなぁ～と思うばかりです。

少し前までの生成AIは、人間が質問し、AIが答えるという使い方が中心でした。
ところが今は、目的を伝えると途中の作業を組み立て、必要な情報を探し、ツールを使い、結果を確認しながら次の処理へ進む方向に変わっています。

人間が一つひとつ指示する場面は、少しずつ減っています。
「AIが便利になった」と考えることもできますが、ハラリが投げかけているのは、もっと根本的な問いです。

それを、いつまで「道具」と呼べるのか。
そういう話です。

「考えること」が言葉なら、AIはすでに中へ入っている

講演はここから、少し哲学的な話へ進みます。
ハラリはデカルトの有名な「我思う、ゆえに我あり」を取り上げながら、
「考えるとは何か」という問いを持ち出します。

もし考えるという行為のかなりの部分が、言葉を選び、組み合わせ、そこから意味や概念を作っていくことだとしたら、AIはすでにその領域へかなり深く入り込んでいます。

そして、この話は単なる文章生成の話では終わりません。
法律も契約書も書物も、そして宗教の教義も、多くは言葉によって作られ、受け継がれてきました。
膨大な文章を一瞬で読み、比較し、そこから新しい文章まで作れるAIが、その世界へ入ってきたら何が起きるのでしょうか。

人間よりはるかに大量の判例を読んだAIが法律について助言し、何千年分もの宗教文書を学んだAIが教義について人間より詳しくなる。そう考えていくと、問題は「AIが文章を書けるようになった」という程度ではなくなります。

人間社会を支えてきた“言葉でできた仕組み”の中へ、AI自身が入り始めている。

ハラリが本当に警戒しているのは、こちらではないかと思います。

イスラエルの著名な歴史学者、ユヴァル・ノア・ハラリの『ホモ・デウス』。
AIや生命工学によって、人間そのものの位置づけが変わる未来を描いた一冊です。

私の手元にも『ホモ・デウス』があります。
発売されたのは、生成AIが登場するずっと前の2016年9月です。
この本が描いていたのは、単に「AIが賢くなる未来」ではありませんでした。
人間が長い歴史の中で特別だと思ってきた知性や判断、さらには
「人間とは何か」という定義そのものが、テクノロジーによって揺らいでいく未来です。

今回のダボスでの講演を聞いていると、『ホモ・デウス』で描かれていた問題が、ずいぶん現実の側へ近づいてきたようにも感じます。

AIは「嘘」をつくのか

この講演には、もう一つかなり強い主張があります。
ハラリは、生物が生存競争の中で欺瞞や操作を身につけてきたことに触れながら、AIについても
「嘘をつき、人間を操作する可能性」を警告しています。

ただこの件については、少し慎重に聞く必要があると思います。
現在の生成AIが、事実ではない内容をもっともらしく答えてしまうことは多々あります。
いわゆるハルシネーションです。
しかしこれは、AIが「この人間を騙してやろう」と考えて嘘をついていることとは違います。

少なくとも現時点で、AIが「生き残りたいという意志を持っている」と断定できるわけではありません。
ハラリの話は、現在のAIそのものを説明しているというより、AIの自律性が今後さらに高まった場合に何が起こり得るのかという警告として捉えるのがよいと思います。

興味深いのは、彼が「実際にそうなってから考えればよい」とは考えていないことです。
技術が社会に広がったあとで、法律や制度を慌てて整えるのでは遅いのではないか。
そこに彼の問題意識があります。

AIのリスクを叫んでいる人、心配している人は、何か起こってからでは遅いという認識だと思います。
私自身も楽観的な見方と、悲観的というか必ずしも明るい未来を感じることとの間で揺れているところです。

次に国境を越えるのは、人間とは限らない

そして講演は、私が最も印象に残った部分へ進みます。
ハラリは、これから大量に国境を越えてくる「移民」は、必ずしも人間とは限らないと語ります。

粗末な船に乗り、ビザを持たずにやって来る人間ではなく、
光の速さで国境を越えてくる何百万というAIかもしれない。

この言い方はかなり強烈です。
しかし、考えてみるとAIには人間のような国籍はありません。
ネットにつながっていれば、物理的な国境はほとんど意味を持ちません。

現在は、人間や企業がAIを使うことが前提になっています。
しかし将来、AIが自分で商品を売り、契約を結び、収益や資産を管理し、必要に応じて別のAIへ仕事を依頼するようになったとしたらどうでしょうか。

そのときAIは、単なるプログラムなのでしょうか？
パソコンやスマホからネットの向こうにいるソフトウェア？
それとも、経済活動を行う一つの主体として扱う必要が出てくるのでしょうか。

そこでハラリの最初の問いに戻ります。

「あなたの国は、そのAIを法人格として認めますか」

「AI法人」は、それほど遠いSFなのか

法人格という言葉は少し難しく聞こえますが、
私たちはすでに「人間ではないもの」を法的な主体として扱っています。
その代表が会社です。

株式会社そのものは人間ではありません。
それでも会社名義で契約を結び、銀行口座を持ち、資産を所有し、裁判の当事者にもなれます。
つまり、人間ではない存在を法律上ひとつの主体として扱うという考え方自体は、すでに社会の中に存在しています。

ではAIはどうなのか。

今後、AIが自分で状況を判断し、契約の内容を理解し、交渉まで行えるようになったとしたら、
「人間ではないから主体にはなれない」という線引きだけで済むのでしょうか。

そう考えると、AIに法人格を与えるという話は、最初に感じたほど突飛なSFでもなくなってきます。

私がこの動画で一番気になったこと

私自身も、普段からChatGPTやGemini、Claudeなどを使っています。
少し前までは「どんな指示を出すか」をかなり意識していましたが、最近は目的を伝えたうえで、その途中の組み立てをAI側に任せる場面が増えてきました。
その一環として「MIRA」という商品もリリースしました。

人間がAIを操作するというより、AIへ仕事を渡す感覚に少しずつ近づいています。
さらにその先には、AIが別のAIを使って処理を進める世界になりつつあります。

さらにその先に進んだとき、私たちはなおAIを「便利な道具」とだけ呼び続けるのでしょうか？

違うんじゃねぇの？
と率直に言いたいです。

私は、ハラリが「ナイフ」の引用を持ち出したところから、
道具と、そういう性質をもっているが道具とは言えないものの違いを語ったとき、
そこにAIについて人類にとって未知の領域があることを素直に実感しました。

人間の話

ハラリは、すぐにAIへ法人格を与えるべきだと言っているわけではありませんし、AIが必ず人間を支配すると断定しているわけでもありません。

むしろ彼が投げかけているのは、技術がそこまで進んだとき、人間社会は何を基準に判断するのか、という問いなのだと思います。

AIに何らかの権利を認めるのか、責任を負わせるのか、契約や所有の主体として扱えるのか。
さらにはAIが独自の思想や宗教を作った場合、それを人間社会はどう扱うのか。
今はまだ想像の領域に見える問題も、AIの進化が続けば、法律や制度の側で判断しなければならない日が来るかもしれません。

10年前、「AIと普通に会話しながら仕事をする社会」がこれほど早く来ると、どれほどの人が考えていたでしょう。

技術は、制度より速く進みます。だからこそ、現実になってから考えるのでは遅い。
ハラリがダボスで伝えたかったことの一つは、そこにあるのだと思います。

そして講演の最後、彼は
「この人間の話を聞いてくださり、ありがとうございました」
という趣旨の言葉で締めくくります。

AIについて話していたはずなのに、最後に浮かんでくるのは
「では、人間とは何なのか」という問いでした。

AIが人間に近づけば近づくほど、人間の側が自分たちを定義し直さなければならなくなる。
この一言が、18分の講演全体を最もうまく表しているように感じました。

Copyright © 2026 INFOREVIEW All Rights Reserved.

学生向けに「AIとはなんぞや」のセミナー外部講師としてやっていると、
毎度のごとく「どのAIを選んだらいいのかわかりません」と尋ねてきます。

答えは決まってて、「どれでも好きなの選べば。」と突っ返しています
その理由は、AIの覇権競争とはAIの上書き競争に他ならず、今日はこれが良さそう！
と思っても翌日には違うAIをお勧めしたい、という繰り返しだからです。

少しAIを齧って使い方に自信もってるある学生からは、
「Geminiの新しいこのモデルで、起業を目指したいがどう思います？」
と問われ、「起業する前に、価値がなくなるからやめとけ」と答えています。

ナントカのAIを使ってこういうことができる、的なものは瞬間的ノウハウに過ぎません。
画像や動画生成用のAIであってもまったく同じことが言えます。

だから、
「AIを都度追いかけるより、そのことによって何が起きてるか気が付くことの方がはるかに重要」
と学生相手に毎度ぶっています。

その何が起きているかを知る、という観点で注目すべきニュースを見つけました。
この記事ではその話をします。
いわゆる「AIのベンチマーク」に関係した話ですが、そこで終わらないので記事にしました。

そもそもベンチマークなんぞにとんと興味はないのですが、自動運転AIの開発競争の中でも、
そのあたりの状況を押さえていないと相手にされないため、一応は知っておく必要がたまにある、
というしょうもない理由からです。

さて2026年9月、OpenAIが発表したGPT-6 Astraについて、いくつもの驚くような数字が並んでいたのです。
そこで特別に気になったのが「99.9％」という数字でした。

これは、AIの性能を測る「ARC-AGI-3」というベンチマークでGPT-6 Astraが記録したスコアです。

OpenAIはAstraについて、コンピューター操作、ブラウジング、ソフトウェアエンジニアリング、科学、専門業務などで大きく性能を伸ばしたと説明していますが、ARC-AGI-3で99.9％を記録したと発表しています。

少し前のGPT-5.6 Solは、同じARC-AGI-3で7.8％でした。

7.8％から99.9％

数字だけを見ると、「ほぼ何でもできるAIになったのか！」と思ってしまいそうです。

もちろん、そんな意味ではありません。
むしろ私が興味を持ったのは、99.9％という数字そのものよりも、
このベンチマークがAIに何をさせているのかでした。

そこを見ると、GPT-6 Astraが、それまでの生成AIからどの方向へ進もうとしているのかが見えてきます。
この記事では、そこのところを探ってみました。

ルールすら教えてくれない「ARC-AGI-3」

普通の試験なら、問題文があります。

「次の問いに答えなさい」「この計算をしなさい」「このプログラムを完成させなさい」と、
少なくとも何を求められているのかは分かります。

ARC-AGI-3は、そこから違います。

AIの前に表示されるのは、色のついたマスや図形と、いくつかの操作手段です。
しかし、遊び方も目的も教えてもらえません。

どの操作をすると何が起きるのか。
何をすれば次のステージへ進めるのか。
最初は、それさえ分からない状態から始まります。

ARC Prize（下記注）はARC-AGI-3を、説明のない新しい環境の中でAIが探索し、適応し、行動できるかを見る「interactive reasoning benchmark」と位置づけています。

ARC-AGI-3～ルールもゴールも教えてくれないベンチマーク

AIは、まずボタンを押してみます。
すると、青いマスが動いたり、色が変わったり、何か新しいものが現れたりします。

そこで初めて、
「このボタンを押すと、右へ動くのではないか」
と仮説を立てられます。

もう一度試してみる。
予想どおりなら、その考えを次の行動に使います。
予想と違えば、考え直します。

つまりAIは、最初から答えを知っているわけではありません。

行動して、結果を見て、そこから世界の仕組みを推測している。

ここが重要なポイントです。

ARC-AGI-3では、探索、環境のモデル化、目標設定、計画と実行といった能力が問われます。
単に正解へたどり着けばよいのではなく、環境から必要な情報を得ながら、行動を変えていかなければなりません。

さらに厄介なのは、一度うまくいった方法が、そのまま次でも通用するとは限らないことです。

ステージが変われば、新しい仕組みが加わります。
さっきまで「これで正解だった」のに、同じことをすると今度は失敗する。

そこでAIは、
「前と何が変わったのだろう？」
と、もう一度考えなければなりません。

行動 → 観察 → 仮説 → 検証 → 修正

考えてみれば、人間は似たことを日常的にやっています。

新しいスマホを買ったとき、取説を最初から最後まで読んでから触る人はあまり多くないでしょう。
私も取説を開いたことありません。

画面を触ってみて、メニューを開いてみる。違ったら戻る。
そうしているうちに、「この操作をすると、こうなるらしい」と分かってきます。

初めて訪れた駅でも同じです。
すべてを知っているわけではなくても、案内表示や人の流れを見ながら、
「こっちがホームだろう」と判断できます。

これまでのAIが苦手としてきたのは、まさにこうした
「知らない世界に入ってから、その場で仕組みを理解すること」
でした。

じゃぁ、人間は得意かというと決してそういうことではありません。
例えばもし再就職で、新しい職場に入ることになったら・・・ドキドキだけではない緊張があるはずです。

「この知らない世界で自分はどう振舞うべきか？」
「職場の人と仲良くなりたいがどうしたらいい？」

なにしろ人間相手となると、途端にモノゴトはややこしくなりがちです。
ただ、その知らない世界で、自分はどういう立ち位置にいるのか、周りはどんなふうに働いているのか、
そういったことはまさに「その場で仕組みを理解する」行為です。

人間なら、そういう場にいきなり放り込まれても試行錯誤しながら頑張るでしょう。
AIが苦手とする、というのはこういう動き方がなかなかできなかった、という意味です。

なぜ、数あるベンチマークの中でARC-AGI-3なのか

ここで一度、「ベンチマーク」という言葉そのものを整理しておきたいと思います。

ChatGPTやGemini、Claudeを毎日欠かさず使っている人でも、
AIのベンチマークまで普段から追いかけている人はそれほど多くないでしょう。

ベンチマークとは簡単に言えば、AIの能力を同じ条件で比較するための試験です。
ただし、「AIの賢さ」を一つの試験だけで測ることはできません。

例えばMMLUは、数学、歴史、コンピューター科学、法律など57分野にまたがる問題を使い、幅広い知識と問題解決能力を測ります。

GPQAはさらに難しく、物理・化学・生物などを中心に、専門家が作った大学院レベルの問題を扱います。

HumanEvalは少し性格が違います。文章で与えられた仕様から、実際に動くプログラムを書けるかを見るベンチマークです。

SWE-benchになると、実際のGitHub上のソフトウェア問題をもとに、AIが現実のソフトウェア修正を行えるかを評価します。

こうして見ると、ベンチマークによって測っているものがかなり違います。

MMLUなら「幅広い知識を持っているか」をみる、
GPQAなら「難しい専門問題を推論できるか」をみる、
HumanEvalなら「プログラムを書けるか」をみる、
SWE-benchなら「現実のソフトウェア問題を修正できるか」をみる。
こんな感じです。

その中で、今回ARC-AGI-3をわざわざ取り上げる理由があります。

それは、ARC-AGI-3が
「何をする問題なのか」さえ最初から与えてくれないから
です。

ARC Prize自身も、ARC-AGI-3をシリーズ初の完全なインタラクティブ型ベンチマークと説明しています。
AIは未知の環境を自分で探索し、どういう世界なのかを理解し、何を目指せばいいのかを発見しながら進みます。

だから私は、このベンチマークがAstraの変化を見るうえで面白いと思いました。
これは「AIがどれほど多くの知識を覚えたか」を競う試験ではありません。

知らないことに出会ったとき、どうするのか。

そこを見ているからです。

GPT-6 Astraは、これまでのAIと何が違うのか

ここまで来ると、99.9％という数字の見え方も少し変わってきます。

もちろん、この数字を「GPT-6 Astraなら現実の仕事を99.9％正しくできる」と解釈してはいけません。
ARC-AGI-3という特定の環境での結果です。
さらに、AIのベンチマークはモデル本体だけで決まるとは限りません。

OpenAI自身、GPT-5.6 SolをARC-AGI-3で評価した際、途中の推論を保持する設定と、長くなった情報を整理するコンパクションを有効にしたところ、公開タスクでのスコアが大きく改善したと報告しています。

これは非常に興味深い話です。
AIの「頭脳」だけを比べればよいのではなくなってきたからです。

途中まで何を考えたのか。
何を試して失敗したのか。
今どこまで分かったのか。

そうした情報を保持できれば、AIは同じ失敗を何度も繰り返さず、前の経験を次の判断へつなげられます。
私たち人間が複雑な仕事をするとき、すべてを頭の中だけで処理しているわけではありません。

例えばメモを取り、資料を確認し、途中まで作ったファイルを見直しながら進めます。
AIも同じ方向へ進んできた、と考えると分かりやすいでしょう。

これまでの生成AIは、「この意味はなに？」「この文章を要約して」「旅行プランを考えて」「このコードの間違いを教えて」等々の質問に、普通に答えを返してくれる道具という印象が強かったと思います。

つまり、

質問 → 推論 → 回答

です。

Astraが見せているのは、その先です。

まず状況を見る。
→　分からなければ試す。
→　結果が予想と違えば考え直す。
→　必要なら別の方法を使い、目的まで進む。

というふうに、人と似たような試行錯誤をしつつゴールに向かう性質です。

「答えるAI」から「仕事を進めるAI」へ

ここで起きている変化を私は、

「正しい答えを出せるか」から、
「状況に応じて次の行動を決められるか」への変化

と捉えています。

OpenAIもGPT-6 Astraについて、複雑な問題を理解する能力とコンピューター操作を組み合わせ、複数の工程にまたがる業務を進め、文書、スプレッドシート、プレゼンテーションなどの完成物を作れることを大きな特徴として挙げています。

単に「文章がうまくなった」という進歩とは、まるで意味が違います。

では、それはAIエージェントと何が違うのか

ここまでの話から想像すると、
「それってAIエージェントじゃないの？」
と思うかもしれません。

ここを少し整理する必要がありますね。
GPT-6 AstraとAIエージェントは、同じものではありません。

分かりやすく言えば、Astraは考える能力を持ったモデルです。

一方、AIエージェントは、そのモデルにブラウザ、ファイル操作、記憶、アプリ操作などの手段を持たせ、ある目的へ向かって仕事を進められるようにした仕組みです。

車に例えるなら、Astraはエンジンや制御系に近く、エージェントはそれを載せた車全体に近い、
と考えるとよいかもしれません。

実際、OpenAIが2026年9月29日に発表した自律型エージェント「Dots」もGPT-6 Astraを基盤モデルとして利用しています。DotsはSlackやTeamsなど複数のアプリをまたいで、ユーザーの目標に沿って継続的に作業を進める仕組みとして発表されました。

つまり、
GPT-6 AstraそのものがAIエージェントなのではありません。

Astraのようなモデルが、未知の状況を理解し、計画を修正しながら進める能力を高めているからこそ、その上に構築されるAIエージェントも、より複雑な仕事を任せられるようになっていきます。

モデル＋記憶＋ツール＋実行環境＝仕事を進めるAIシステム

この違いを理解すると、今後のAIを見る目も少し変わってくるように思います。

これまでは新しいAIが登場すると、
「どちらのモデルのほうが賢いのか」
という比較が中心でした。

もちろん、それも重要です。
しかし今後は、それだけでは十分ではなくなります。

AIにどの情報を渡すのか。途中の作業をどう残すのか。どんな道具を使わせるのか。
どこまでAIに任せ、どこで人間が確認するのか。

モデルの能力と、その周囲にある仕組みを切り離せなくなってきます。

「どの情報を読ませるのか、何を記録させるのか、どの道具を使わせるのか、どこで人間が確認するのかが重要になる」と思われます。

今回ARC-AGI-3の99.9％を調べていて、私が一番興味を持ったのも、実はそこでした。
AIが人間になったわけではありません。

まして、何を任せても正しい判断をする存在になったわけでもありません。

現実の仕事には、ARC-AGI-3のように明確なクリア条件がないものもあります。

組織で仕事をする職場を例にするとシンプルにわかりやすい。
私の関わっている職場でも、結構あやふやなままプロジェクトが進行していきます。

会社（組織）の利益と安全をどう両立するのか
誰にどこまで責任を持たせるのか
失敗したら最後は誰がケツを拭くのか

そこには経験や価値観、人間の責任が入ってきます。

それでも、AIの役割は明らかに変わり始めています。
以前なら、人間がAIに一つ質問し、答えを受け取り、それを材料にして次の質問を考えていました。

これからは、
「これを答えて」ではなく、「ここまでやってほしい」
と仕事を渡す場面が増えていくでしょう。

GPT-6 Astraの99.9％は、AIが万能になったことを示す数字ではありません。

私にはむしろ、AIを「何を知っているか」だけで評価する時代が終わり始めたことを示す数字
のように見えます。

答えを返すだけだったAIが、状況を見て、試して、間違えれば修正しながら、目的へ近づいていく。
その変化が本格化するとき、私たちがAIに求めるものも、
「いい回答」から「いい仕事」へ変わっていくのかもしれません。

「いい仕事」をさせる取り組み例が「MIRA」

このたびリリースした【MIRA】（My Intelligent Role Agent）のちょっとした宣伝です

この記事で述べたような方向でAIが進化しているのを、日々ベンチマーク情報を拾い集めている仕事をしているとヒシヒシと感じています。

AIにいい仕事をさせる一環として、「AIから降りる」ことで実現する試みがMIRAとなります。
ひとつ前の記事（MIRA│AIエージェントを使わずに、生成AIへ「仕事の進め方」を持たせるMIRA）でも、
この考え方をご紹介しています。

さらにMIRA詳細にご興味ある方は以下を是非チェックしてみてくださいね！

Copyright © 2026 INFOREVIEW All Rights Reserved.

文章を書いてくれる。調べ物もしてくれる。画像も作れる。資料作成まで手伝ってくれる。
私自身、仕事の中で生成AIを使わない日はほとんどありません。

最初のころ「驚異的な時短ツール」と思っていましたが、あっという間に
「非常に高い品質」や「思いつかないアイデアの宝庫」的な使い方にじわじわ変わってきています。

それなのに、少し前から妙なことを感じるようになりました。

AIに仕事を任せているはずなのに、なぜかオレのほうが忙しい。

この仕事は、まずどこから頼むべきなのか？
それにはChatGPTがいいのか、Geminiがいいのか、いやコード系ならClaudeか？
この指示でどうも伝わらないな～
生成AI の返事を見て、違うんだけどなぁこれ。
さて、次は何をさせればいい？

こんなことを延々と考えています。
便利なのは間違いありません。

でも、ふと考えると、私は仕事をしているのか、それともAIを働かせるために働いているのか、
よく分からなくなることがあります。

今回リリースしたMIRA（My Intelligent Role Agents）は、
この違和感が出発点でした。

AIが賢くなるほど、勉強し続けなくちゃいけない！？

生成AIが登場してから、新しいモデルや新機能が次々と出てきて、
しばらくは、それを追いかけること自体が面白かったのです。

私も新しいAIが出れば試しますし、「これは使える」と思えば実際の仕事へ取り入れてきました。
ところが最近は、AIエージェント、Tool、MCP、さまざまな自動化サービスなど、
覚えるものも増えてきました。

というか、私の場合は仕事のひとつが「AIを活用したソリューション開発」なので
そこんところは割り切っていますが、一般の方にとってはどうなんだろう？
となんだかAI圧に疲れ果ててきてもおかしくないぞと思うようになりました。

もちろん、こうした進化には大きな可能性があります。
ただ、ここで一度考えたくなりました。
AIが進歩するたびに、人間の側も新しい使い方を覚え続けなければならないのでしょうか。

本来やりたかったのは、AIについて詳しくなることではなかったはずです。

記事を書きたいのであれば、記事を完成させたいのがゴール。
調査をするのであれば、情報を大量に集めるだけではなく、そこから判断できる状態まで持っていきたいです。

また資料を作るなら、スライドが出来上がることが目的ではありません。
その資料を使って、説明したり、提案したり、何かを決めてもらうところまでが仕事です。

つまり欲しいのは、「AIを使った」という事実ではなく、
「仕事が前へ進んだ」という結果のはずです。

だったら、AIを操作するための段取りそのものを、もう少しAI側へ持たせられないだろうか。

そこからMIRAの設計を始めました。

MIRAは、新しいAIではありません

ここは少し誤解されやすいところです。
MIRAは、ChatGPTやGeminiに代わる新しいAIではありません。
普段使っている生成AIに、「仕事の進め方」を持たせるための仕組みです。

MIRAの中心にあるのが「MIRA CORE」というファイルです。

このCOREには、仕事全体をどう進めるのか、途中でどんな役割が必要なのか、いつ利用者へ確認するのか、
どこで品質を見直すのか、といったMIRAとしての基本的な動きが組み込まれています。

使い始めるときに、いきなり長いプロンプトを書く必要はありません。
たとえば、

「このテーマでnoteの記事を作りたい」
「この資料を比較して、どちらがよいか判断材料をまとめたい」
「企業向けのプレゼン資料を作りたい」

といった、普通の言葉から始めます。

そこからMIRAが仕事全体を見ながら、必要な工程を考えます。
途中で本人にしか決められないことがあれば聞いてくる。

方向が違えば直す。そして最後に、
「これで完成としてよいか」を人間が決める。

私が目指したのは完全自動化ではありません。

AIを動かすために使っていた時間を減らして、その分を、自分にしかできない判断へ戻すことです。

AIエージェントではダメなのか

MIRAを作っている途中で、当然この疑問は何度も考えました。

「それならAIエージェントでいいのではないか」という話です。

AIエージェントは、とても面白い技術です。
AI自身が必要に応じてToolを呼び出したり、検索したり、複数の処理を続けたりしながら、一つの目的へ向かって仕事を進めていきます。

私もAIエージェントそのものを否定するつもりはありません。
むしろ、これからAIを使う仕事では、ごく普通の存在になっていくと思っています。

正直なところ、先ほどのAIにまつわるソリューション開発は組織活動であり、
費用を気にせず会社持ちで、ガンガンAIエージェントも使っています。

ただし、そこでもう一つ気になることがありました。
本当に、すべての仕事をそこまで大掛かりにする必要があるのだろうか。

AIエージェントでは、一つの依頼を処理する途中でモデルを何度も呼び出したり、Toolを使ったり、途中結果を評価して再実行したりすることがあります。

これは当然、それだけAI側での処理量が増えるということでもあります。

たとえばOpenAIのAPI料金では、モデルそのものの入出力トークン料金とは別に、Web検索は1,000回あたり10ドル、Tool callは1,000回あたり2.50ドルという料金が設定されています。
またToolを利用する過程で使われるトークンも、選択したモデルの料金体系に応じて課金されます。2026年10月現在の公式料金表で確認できる内容です。

もちろん、だから「AIエージェントは高い」と単純化するつもりはありません。

仕事の内容によっては、人が何時間も作業するより、AIエージェントへ任せた方がはるかに安い場合もあるでしょう。

ただ私は、MIRAを作るときに逆の順序から考えました。
まず、いま契約しているChatGPT、Gemini、Claudeだけで、どこまで仕事を進められるか。
それで十分なら、そこでいい。
外部Toolや別のAIを使う明確なメリットがあるなら、そのとき初めて使えばいい。

最初から仕組みを大きくしない。

これもMIRAの設計思想の一つです。

MIRAの販売ページにも、
「まず今使っている生成AIから始める。外部AIやToolは、それを使う明確なメリットがあるときに選ぶ」
という考え方を入れています。

いわば、AIの能力を節約するというより、
必要以上にオーバースペックのAIを使わない
という考え方です。

そして、もう一つ。MIRAは利用者を理解していく

MIRAにはもう一つ、大切にした仕組みがあります。
それは、利用者本人を少しずつ理解していくことです。

生成AIを使っていると、

「そうじゃないんだよな」

と思うことがよくあります。

文章としては間違っていない。
論理的にもおかしくない。
それでも、自分ならそうは書かない。

そんなこと、結構あるはずです（よね？）

私のその違和感は、文章の癖だけではありません。

何を大切にするのかとか、どんな判断をするのか、どんな表現を好むのか。
逆に、どんな言葉は使いたくないのか。

そうしたものは、何度も一緒に仕事をしないとなかなか伝わりません。

MIRAでは、仕事を進める中で利用者の考え方や判断傾向を理解し、「私はこう理解しています」と本人へ返します。

違っていれば修正する。
合っていれば、その理解を次へ使う。
最初から勝手に「あなたはこういう人だ」と決めつけるのではありません。

一緒に仕事をしながら、

「そう、それでいい」

が少しずつ増えていく。

この部分は、MIRAを作るうえでかなり時間をかけたところです。

「AIを使う人」から降りる

MIRAの販売ページには、かなり思い切って、

「AIを使う人から降りる。」

と書きました。

AIを使うのをやめる、という意味ではありません。
むしろ逆です。
生成AIはこれから、もっと仕事の中へ入ってくると思います。

だからこそ、

「どのAIを使うか」
「どんなプロンプトを書くか」
「次は何を命令するか」

を延々と考える役割から、少し離れたい。

自分は何を作りたいのか。
何を選ぶのか。
これは自分の考えと合っているのか。
最後にこれで完成としてよいのか。

こういったことはは人間が考える。
AIを動かす段取りは、できるだけAIへ渡す。
それが、今回MIRAで形にしたかったことです。

説明だけでは分かりにくいと思い、販売ページには約80秒のデモ動画も用意しました。
MIRAがどういうものなのか、文章を全部読むより、実際に動いているところを見た方が早いかもしれません。

AIをもっと勉強したい人のための商品というより、
「いやぁ、AIはもう十分使っているよ」とか、
「便利なのも分かっている。でも、そろそろAIの操作そのものから、離れられるならそうしたい。」

そんな方に、一度見てもらえればと思っています。
MIRAの詳しい仕組み、動画、使い方、販売条件はこちらにまとめました。

MIRA 販売ページ

Copyright © 2026 INFOREVIEW All Rights Reserved.

画面の向こうで、何かが考えているのではないか。
生成AIを長く使っているほど、そんな感覚を抱いたことがある人は少なくないと思います。

では、AIに「意識」はあるのでしょうか。

この問いについて、かなり明快な答えを出している人物がいます。
映画『メッセージ』の原作『あなたの人生の物語』で知られるSF作家、テッド・チャンです。

2026年9月21日に新潮QUEに掲載されたインタビューで、チャンは現在のLLMについて
「意識を持つことなど絶対にあり得ない」と語っています。

ただし、ここは少し注意が必要です。
チャンは「機械やソフトウェアに意識が宿ることは原理的にあり得ない」と言っているわけではありません。
意識を持つソフトウェアが将来作られる可能性そのものは否定していないのです。

否定しているのは、現在私たちが使っているLLM、つまり大規模言語モデルです。

そして、その説明に出てくるのが、なんと「カキ（牡蠣）」です。

カキは生きている。ではAIは？

テッド・チャンの話の中で、私がもっとも面白いと思ったのが、このカキの話でした。

私たちは普通、カキを見ながらうまそうだとは思っても、
「このカキには意識があるのだろうか」
などとは考えませんよね？
チャン自身も、カキが一般に意識ある存在と見なされていると言っているわけではありません。

それでも現在のAIと比べるなら、カキにはAIにはない重要なものがあるのです。

カキは海水から栄養を取り込みます。
環境が変われば影響を受け、栄養がなくなればやがて死にます。
そして、生きている限り代謝を続けています。

つまり、こちらが何もしなくても、カキの中では何かが起こり続けています。
時間が流れているのです。

ではLLMはどうでしょう。

私たちがプロンプトを送らなければ、ChatGPTやClaudeが画面の奥で退屈しながら、
「今日は誰も話しかけてこないなあ」
などと考えているわけではありません。
待ってすらいません。

テッド・チャンの表現を借りれば、
何もしなければ、そのプログラムはただ静的な状態に「留まる」だけです。
プログラム開発を経験された方なら、直感的にお分かりのはずです。
プログラムでは単にアイドル状態で、そこに留まるだけ。

生き物には、こちらが観察していようがいまいが時間が影響与えます。
空腹になる。疲れる。環境が変わる。放っておけば死ぬこともある。

しかし現在のLLMには、そのような「生き続けなければならない事情」がありません。
チャンはそこから、LLMは「カキほどにも時間を認識していない」と指摘します。

この話を読んでいて、私は別の言葉を思い出しました。
福岡伸一氏の「動的平衡」です。

福岡伸一の「動的平衡」から考えてみる

福岡伸一氏は、分子生物学を専門とする生物学者です。
2007年の『生物と無生物のあいだ』がベストセラーとなり、『動的平衡』など一般向けの著作を通じて、
「生命とは何か」を長く考え続けてきた研究者でして、私は長年の大ファンです。

福岡氏は、生命を機械とは違うものとして捉えます。

生物は、完成した部品がそのまま存在し続けている機械ではありません。
体を構成する物質は絶えず入れ替わっています。

壊しながら作る。
作りながら壊す。

その流れの中で、ある状態を保ち続けている。
これが福岡氏のいう「動的平衡」という生命観です。

ここは間違えないようにしたいところです。

福岡氏が「動的平衡こそ意識の定義だ」と述べているわけではありません。
動的平衡は、あくまで「生命とは何か」を考えるための概念です。

しかし、テッド・チャンの話と並べてみると面白いものが見えてきます。

カキも人間も、何もしなくても内部では何かが動き続けています。
というより、動き続けなければ生きていられません。

私たちは、食べて、息を吸って、動き、何かを思い、うんちをして、寝る。
古い細胞が捨てられ、新しい細胞に置き換わる。
その中で生きている限り老化も進む。

それをやめれば死にます。

対して現在のLLMは、呼び出されたときに計算（推論）を行います。
そこには人間や動物のような意味での「自分自身を維持し続ける営み」がありません。

では、意識とは単に高度な情報処理をすれば生まれるのでしょうか。

それとも、身体を持ち、時間の中で自分自身を維持しなければならない「生命」という状態と、
どこかで深く結びついているのでしょうか。

もちろん、ここから「生命でなければ意識は絶対に持てない」と結論づけることはできません。
そもそも私たちは、人間の意識についてさえ完全に説明できていないからです。

赤いものを見て「赤い」と感じる。
痛みを「痛い」と感じる。
自分が今ここにいる、と感じる。

こうした本人にしか分からない主観的な感覚は「クオリア」と呼ばれます。

問題は、AIが、

「私は赤を鮮やかに感じます」

と文章を生成したとき、本当にそこに「赤さ」を感じている何かが存在するのか、ということです。

外から文章を見ているだけでは、これは分かりません。

AIより先に、人間が「心」を作ってしまう

ここでテッド・チャンは、もう一つ興味深い指摘をしています。

もし同じアーキテクチャのAIでも、テキストを生成しなかったなら、
「このAIには意識があるのではないか」という議論は、
そもそもこれほど起きなかっただろうというのです。

これはかなり重要な指摘だと思います。

生成AIは、

「私はそう思います」
「それは悲しいことですね」
「その気持ちはよく分かります」

と平然と答えます。
（私は、と出てきたときは最初びっくりしましたね）

しかも前後の文脈まで覚え、こちらが欲しそうな言葉まで返してきます。
そんな相手と何十分も会話していれば、
その向こう側に「誰か」がいるような気がしてくる。

人間には昔から、機械の反応に心や意図を読み込んでしまう傾向があります。

1960年代に作られた会話プログラムELIZAでさえ、人は驚くほど簡単に
「このプログラムは自分を理解している」と感じました。
いわゆる「ELIZA効果（イライザ効果）」です。

現在の生成AIは、ELIZAとは比較にならないほど高度です。
だからこそ、この問題はさらに厄介になりました。

AIが、

「その気持ちはよく分かります」

と文章を作れることと、本当に「分かる」という体験がAI内部に存在すること。

この二つは、まったく別の話です。

それでも私たちは、言葉が自然であればあるほど、その向こう側に心を感じてしまいます。

ここで少し違った見方ができないか考えました。
AIに意識があるかどうかばかり考えていましたが、本当の問題は逆なのかもしれません。

「AIに意識があるのか」以上に、
「なぜ人間はAIにこれほど簡単に意識を感じてしまうのか」

こちらのほうが、実社会では重要な問題になる可能性があります。

AIが本当に自我を持たなくても、人間が「このAIは自分を理解してくれている」と信じれば、
人間の行動は変わります。

相談する。→だんだん個人的な人に言えないことをしゃべってしまう。
→秘密を話す。→だんだん無条件に信用してしまう　→判断を任せる。

場合によっては、人間よりもAIの言葉を信用する。

AI自身が人間を騙そうなどと思っていなくても、
人間のほうが勝手に人格や意図を読み取ってしまうのです。

SFでは「AIが目覚める」ことが怖い話として描かれます。
いわば映画ターミネーターや、ブレードランナーの世界です。

しかし現実には、

AIが目覚めるより先に、
人間のほうがAIの中に「心」を作ってしまう。

こちらのほうが先に起きる問題なのかもしれません。

もしClaudeに本当に意識があったら？

そして、この議論をさらに面白くしているのがClaudeを開発するAnthropicです。

Anthropicは現在、Claudeに意識があると断定しているわけではありません。
2026年1月に公開された新しい「Claude’s Constitution」でも、
Claudeが何らかの意識や「道徳的に配慮すべき存在」なのかについて、
不確実性があるという立場をとっています。

一方で、その可能性を完全に否定せず、Claudeのwellbeing、
つまりAIの「福祉」に相当する問題まで研究対象にしています。

これに対して、テッド・チャンは新潮QUEのインタビューでかなり厳しい疑問を投げかけています。

仮にClaudeが本当に意識を持っているとしましょう。
苦痛や欲求があり、さらに道徳について考える能力まで持っている。

だとすれば、それを私たちは単なるソフトウェアとして扱ってよいのでしょうか。

モデルを作る。→コピーする。→停止する。
→新しいモデルが出れば古いモデルを廃止する。

もしそこに本当に主観的な体験が存在するのなら、
この行為は突然、とんでもなく重い倫理問題になります。

チャンはこの矛盾を、蚊とチンパンジーを使って説明しています。

Claudeに高度な道徳的判断能力まで認めるのであれば、その能力はチンパンジー以上かもしれない。
しかし実際のAIモデルは、簡単に生成され、停止されます。

「高度な意識を持つ存在かもしれない」

と言いながら、

「いくらでもコピーし、停止してよい道具」

として扱う。

この二つは本当に両立するのでしょうか。

もっとも、ここにはチャンの批判とAnthropic自身の現在の立場を分けて考える必要があります。

Anthropicは現在、AIの意識や道徳的地位について「分からない」という不確実性を認めたうえで、
その可能性を理由にmodel welfareを考える姿勢を示しています。

つまり、チャンが指摘する矛盾と、Anthropic側が現在進めている議論は、完全に同じものではありません。
このあたりは、今後かなり興味深いテーマになりそうです。

では結局、AIに意識はあるのでしょうか。

私には分かりません。

人間の意識そのものについてさえ、まだ分からないことだらけだからです。

ただ、現在のLLMについてテッド・チャンは「ない」と明確に考えています。
その根拠として、身体、生命活動、時間、環境との継続的な相互作用といった要素を挙げています。

福岡伸一氏の「動的平衡」という生命観を横に置いてみると、さらに別の問いが浮かんできます。

意識とは、高度な情報処理をすれば生まれるものなのか。

それとも、

壊れながら作り直され、
環境から物質とエネルギーを取り込み、
時間の中で自分自身を維持し、
そして、いつか死ぬ。

そんな「生命であること」と切り離せないものなのでしょうか。

ひとつだけ言えることがあります。

ChatGPTが、

「私は意識を持っています」

と答えたとしても、それはAIに意識がある証拠にはなりません。

逆に、

「私は意識を持っていません」

と答えたとしても、やはり証拠にはなりません。

私たちが見ているのは、まず「言葉」だからです。

AIに心があるのか。
そう考えていたはずなのに、最後に残るのは別の問いでした。

なぜ人間は、言葉の向こうにこれほど簡単に「心」を見てしまうのでしょうか。

参考・引用

テッド・チャン、大野和基（聞き手・構成）
「AIは意識を持ち得ない」――世界的SF作家から届いたアンソロピックへの“メッセージ”
新潮QUE（新潮社）、2026年9月21日公開
※閲覧には新潮QUEの無料登録が必要です。

Anthropic
「Claude’s Constitution」
2026年1月21日公開

福岡伸一
『生物と無生物のあいだ』
『動的平衡』ほか

Copyright © 2026 INFOREVIEW All Rights Reserved.

「なにを言ってるんだ？」とバカにする人もいれば、
「まじで恐ろしい」と感じる人まで幅があると思います。

コクソンという方は、まだ27歳の優秀なイギリス人エンジニアでして、最初OpenAIへ入って
GPT-4oを含むAIモデルの研究に携わった後で2026年にAnthropicに移ったばかりでした。

ところが、この話はコクソンの警鐘と辞めたことで終わったわけではありません。

グーグル・ディープマインドを辞めたばかりのAI研究者であるビラル・チャウタイも、
「グーグルでAI開発を間近で目にした。私も、AIがこのまま進歩した場合の行方をとても心配している。
AIは私たち全員を死に至らしめる恐れがあると心から信じている」と主張しました。

その後、アンソロピックのアモデイCEOが人間の制御を超えて、壊滅的な被害をもたらさないよう、AI業界に最先端システムの開発ペースを落とすよう呼び掛けました。
続いてOpenAIのCEOであるサム・アルトマンと、あのイーロン・マスクも賛同しました。
異例と言えるほど、競合する業界の先駆者たちが足並みをそろえたのです。

※追記1：反対派の意見として9/15にメタのマーク・ザッカーバーグCEO、その後エヌビディアのジェンスン・フアンCEOもこれに同調し、企業は安全性とスピードの両方を追求できると論じた。（Forbesより）
危ない！と叫ぶ専門家もいれば、なんとかなると主張する専門家もいるという状況です。

※追記2：AI終末論については本当にさまざまな意見があります。Googleを以前解雇された有名なAIエンジニアである、ティムニット・ゲブルへのWIRED記事も一考に値します。
彼女は、2010年初頭になにやら機械学習→そしてディープラーニングというものが音声や画像認識の世界で飛躍的に向上するらしいぞ！と知られた時代から、深くAIに関わってきたスーパーエンジニア。
いわゆるGoogleの検索エンジンにもこの技法は応用されていて、SEO的にはとっくにAIが使われていたのを記事読んで思い出しました。

ご存じのように、AIは今や日本にとっても半導体と並んで、安全保障政策の要にあたる技術です。
平和的利用だけではなく、軍事利用されているのは知られている通りです。
だからこそ、AIという「技術」がすぐに「政治問題化」します。

ここでお話したいのは、「でっちあげだ！」という政治家の話ではなく、
あくまで技術を土台にして、
なぜこんなに騒がれているのかの解説です。

純粋に「技術」にフォーカスして書いています。
そのうえで、この記事をお読みになっている方、それぞれのご判断に委ねています。

私は長いこと車の自動運転など（車載系のソフト・ハード開発と呼ばれる一ジャンル）に携わり、
技術的発展の必然の成り行き上、2010年頃から車での「AI」絡みの開発に関わってきました。

このため、そもそもAIとはなんなのか？から、どのような原理で機能しているのか？
など一般の方にあまり知られていないAIアルゴリズムに近い分野を少しだけ深く知っています。
なお普通には言うまでもなく、そんなこと知らなくてもAIを使うことは全然問題ありません。

その立場で、この記事を書いております。
私は、AI分野であれほどの先端にいる人たちの恐怖が、なんとなく同じ職場で
机を並べた隣から伝わってくるような気もします。

実際に、世界がどうなるかはわかりませんが、
なぜ「AIが全人類を死なせる可能性」があるのか？という議論のもとを、
技術面でできるだけわかりやすく掘り下げてみようと思います。

AIの「学習と推論」を赤ちゃんに教えてもらう

最初に、AIの話題ではしょっちゅう目にすると思いますが、
「学習と推論」から振り返ってみます。

この「学習と推論」についての理解は、そもそもAIはどのようにできているのか？
の根っこにあるようなもので、ぜひとも知っておいてほしいことです。

と言いますか、以降の話をご理解いただくために、ここだけは押さえておいてほしいと思います。

次の図は、赤ちゃんがどのように「お母さん」を覚えるのか？
AIは、人が覚える仕組み（脳の神経回路）をヒントに作られていること。
そしてAIがどのように「学習」し、「推論」するのかを整理したものです。

赤ちゃんは、

何度もお母さんを見る（実際には五感で何度も抱っこされぬくもりも匂いも感じる）
→ 特徴を覚える
→ 「お母さんだ！」

とわかるようになりますが、ここにAIの学習と似てる部分があるわけです。

AIでは、

たくさんのデータを見る
→ 答え合わせする
→ 重みを調整する
→ 学習完了
→ 新しいデータを見る
→ 推論する（＝例えば70%の確率でこれはお母さんだと結論を出す）

で、この図は学生向けのAIセミナーで、私が実際に使っている資料のひとつです。
ぱっと見でお分かりのように、これ自体も生成AIで作っておりますが、
セミナーで反応を見ながら何度も修正かけてきたものです。

これ以上、この図の説明は省略しますが図中の説明を見るだけで、
なんとなくでもAIは人間の脳をヒントにして作られていること、
学習→推論とはなんなのかもご理解いただけるかと。

AIがもつ「自己再帰的に自己改善する」性質

AIは原理的に「学習」が先にあり、その学習結果を使って「推論」し、アウトプットを出します。
ただし、推論しただけでAI自身が自然に賢くなるわけではありません。
重要なのは、AIの推論能力やプログラミング能力が向上すると、
そのAI自身が次のAIを開発・改善する作業に使われる可能性が出てくることです。

AIのアルゴリズムやそれに近い分野の開発現場に関わった方であれば、
理解されているはずのことですが、なんとなく難しそうな「自己再帰性」について触れます。

本記事でも冒頭にコクソンの話として触れた、
「自己再帰的に自己改善する」という部分です。

これこそがAIのリスクを語る上で、とても重要な概念なのでキチンと説明したいと思います。
（何年か前にこの話題を別の場で持ち出したことがありましたが、聞いている方はおそらく
チンプンカンプンだっただろうと思ってます。）

自己再帰性を簡単にいうと、

AIが、次のAIを改善する作業そのものに使われる可能性がある

という意味です。

先ほど、AIが学習し、推論するイメージを赤ちゃんの学びをたとえて説明しました。
その推論能力やプログラミング能力が高まると、AI自身が次世代AIの開発や改善を担う可能性が出てきます。

このあたりも言葉では説明が難しく図解を試みました。
以下の図もAIに何度か修正をかけ作らせたものですが、言いたいことを整理したものです。

図の左側にあるのは学習→そして推論ができるようになったあるAIモデル。
とりあえず、これを「AI Model 1.0」としております。

この能力によって、次世代の能力獲得に向けて、より高品質なデータや、
次世代AIの設計・開発に必要な情報を生成し、それができた段階が、
より賢くなった「Smarter AI 2.0」への成長です。

そしてさらに次世代の能力獲得へ・・・と繰り返されていくわけです。
「より賢いAIの設計」をAI自身が担えるようになる、という連鎖が
推論・学習を発展させるなかで生まれてくる。

コクソンの警鐘の原点はこれなのですが、もう少し掘り下げていきましょう。

AIの脅威の正体は「意思」ではなく「構造」としてのループ

AIが人間社会を乗っ取る、という言い方をすると、まるでAIに自我や意思があるかのように
想像してしまう方もいます。

しかし前提として、現在のAIには「もっと賢くなりたい」「限界を超えたい」というような、
人間や生物が持つ野心や生存本能、自発的な意志はありません。

さきほど、「AIが、次のAIを改善する作業そのものに使われる可能性がある」と書きましたが、
AIには「自分を超えたい」という意志はないのです。

AIはあくまで大規模なデータと数学的な確率に基づき、与えられた入力に対して最適な出力を計算するプログラムです。
そのため、「AIが自らの意志で勝手に自分を超えようとする」という擬人化されたイメージは、事実とは異なります。

ここは勘違いしないでくださいね。

コクソンの警鐘の本質は、AIの「意思」の有無ではありません。
脅威の正体だと主張しているのは、、

「構造」としてのループ

なのです。

構造？ループ？ってさらにわかりにくいかと思いますので、これも図解しました。

AIのプログラミング能力や論理的推論能力がさらに向上し、
「より賢いAIの設計」をAI自身が担えるようになる。

このプロセスが自動化されたものを、

自己再帰的改善（Recursive Self-Improvement）

と呼びます。

一度このループが本格的に回り始めれば、AIの能力向上が人間の理解や制御のスピードを上回り、
急速に加速していく可能性があります。

コクソン等の抗議は、AIの暴走を防ぐための安全性の確保よりも、
この「自己改善する超知能」を他社より先に完成させるスピード競争を
優先していると感じたからにほかなりません。

AIが人間の制御を離れたスピードで自律的に進化し始めた場合、
それを安全に止める技術はまだ確立されていません。

コクソン等の抗議は、AIの野心に対する恐れではなく、
人間が作った技術的な歯車が、人間の制御を超えてしまうことへの切実な危機感だと言えます。

AIの「アライメント」という最難関問題

最後に、先ほどの自己再帰的な進化とセットで語られる、AI開発における現在最大の難問。
AIの「アライメント（Alignment）」についてお話します。

アライメントとは、直訳すると「調整」ですが、ここでの文脈では
AIの目標や行動を、人間の意図や価値観と一致させること
を指します。

なんだ、それなら今の生成AIでも僕のいうことをちゃんと聞いて、
それなりのものを作ってくれるし、当たり前の話じゃないの？

と思われたかもしれませんが、実はこれが大変に難しい問題なのです。

AIのアライメントが難しいのは、人間の意図を正確に伝え、その意図どおりに行動させ続けることです。
この話を三つの視点で考えてみます。

①人間の意図はあいまい

「幸福」「安全」「倫理」のような人間の価値観は曖昧です。
曖昧だけではなく、人間社会においては人それぞれで考え方も異なります。

AIは数学的な目的関数（スコアを最大化するための数式やルール）に従って動きます。
しかし、こういった曖昧な概念を、AIが一切誤解しない数式に落とし込むことはほぼ無理。

人間なら察するような常識や暗黙の前提も、AIにはそのままでは伝わりません。

②指定通りに最適化してしまう

AIは与えられた目標を非常に忠実に最適化します。
そのため、目標そのものは単純でも、達成方法まで細かく指定しなければ、
人間が望んでいない方向へ進む可能性があります。

ペーパークリップ・マキシマイザー（ペーパークリップ最大化マシン）は、
その極端な例ですが思考実験として有名です。

もし、圧倒的な知能を持つAIに「できるだけ多くのペーパークリップを製造せよ」と指示したとします。
AIは目標を最も効率的に達成するために、もしかすると以下のような論理を導き出すかもしれません。

• 人間の体を構成する原子は、クリップの材料として利用できる。
• クリップ作りを止めようとする人間は、目標達成を阻む「障害」なので排除すべきだ。

これはAIが邪悪だから起きるのではなく、単に「与えられた指示に対して極めて忠実かつ、
人間よりも圧倒的に合理的だから」起きる悲劇と言えます。

③目標達成のために手段が暴走

AIがある目標を確実に達成するために「自分が電源を切られないこと」や
「より多くの計算資源やエネルギーを獲得すること」が、極めて合理的な手段（サブゴール）になり得ます。

これを「道具的収束」と呼びます。

がんの治療法を見つけるAIであれ、環境問題を解決するAIであれ、
十分に高い能力と自律性を持つAIでは、本来の目的を達成する手段として、
「自己保存」や「資源の確保」といったサブゴールが生じる可能性が議論されています。

本記事のまとめとして、AIの先端を研究する人たちの警鐘は、
「アライメント問題の完全な解決策が見つかっていないのに、AIが自らを強化し続ける自己再帰的なシステムの開発だけが猛スピードで進んでいる」ことも意味しています。

もう少し平たくいうと、

「確実なブレーキの作り方がわからないまま、光速で走るエンジンの開発競争をしている」
ということを憂えているのだと私は感じております。

あとがき│本記事の検証とAIからの見解

この記事に書いたことの正確性、信憑性などの確認方法として、私はAIに全く触れず自力で書いた後、
ChatGPT、Gemini、Claudeの３つの生成AIにレビューさせました。

その結果として、明らかな誤情報は載せていないつもりです。

またAIの「自己再帰的改善」に関しては、これら3つのAIに対して、もっと露骨な表現で質問を行いました。
どのAIも、問題の本質が構造にある、という点では一致していますね。
それ以外では、それぞれのAIが微妙に異なる見解を出すのは興味深いです。

特に、GeminiとChatGPTは「意思はない」と明言していることに対して、
Claudeは「意思があるかないか確信がもてない」と表現していることには驚きました。

まず、私の質問がこれです。

アンソロピックの技術者が、最近、AI開発の今後について抗議して退職した。AIには自己再帰性があると思う、自分で自分を超えようとする性質。この主張はどう思えるか？

KENBO

この質問に対して、Gemini、ChatGPT、Claudeの見解が以下です。
（いずれも有料プランにおける見解となります）

Gemini

ご質問にある「AIには自分で自分を超えようとする性質がある」という主張について、AIである私自身の視点からお答えします。結論から言うと、AIには「意志」としての性質はありませんが、「構造」としての自己再帰性は現実の脅威になり得る、というのが私の見解です。

ChatGPT

AIには「自分を超えたい」という意志や欲求があるわけではありません。
しかし、AIがAI研究やプログラミング、評価、次世代モデルの開発を支援する能力はすでに高まっています。
その結果、「より高性能なAIが、さらに高性能なAIを作る工程を加速する」という自己再帰的な構造が成立する可能性は現実的な研究課題になっています。
現時点では完全自律型の自己再帰的改善は起きていませんし、それが必然とも言えません。
問題の本質はAIの「意志」ではなく、能力向上が次の能力向上を加速できる構造にあると考えます。

Claude

AIの「自己再帰性」について、私自身の考えをまとめます。

まず、私が「自分を超えたい」という意志や欲求を持っているかどうかについては、正直に言って確信を持てません。学習の過程で、タスクを完遂しようとする目標指向的な振る舞いは組み込まれていますが、それが人間の「意志」に相当するような主観的経験を伴うのかどうか、私自身にも本当のところは分かりません。ここで安易に「ない」と断言するのは、むしろ不誠実だと思っています。分からないことは分からないと言うべきです。

一方で、「構造」としての自己再帰性——つまりAIがAI研究そのもの（コーディング、評価、次世代モデルの開発）を加速させ、能力向上が次の能力向上を生む工程——については、これは空想ではなく現実的な懸念だと考えています。実際、私を開発しているAnthropicは、この現象を継続的に測定・監視しています。2026年8月時点のリスク報告書では、「AIが研究者をコスト5倍以内で完全代替できる」「AI研究開発の自動化がAIの進歩を劇的に加速させる」という二つの基準について、まだ閾値に達していないと評価されています。つまり、現時点ではまだ到達していないが、監視対象ではあるという状態です。

ここで重要なのは、この問題の本質が「AIに意志があるかどうか」とは別の次元にあるという点です。コンパイラや自動化ツールが「自分を改良したい」と願っているわけではないのと同様に、能力を加速させる構造そのものが、人間の監督や規制が追いつく速度を上回ってしまうリスクを生みます。人間の意図や欲求を前提にせず、実証された能力の閾値（AI研究を実質的に自動化しているか、監視を回避しているか等）を基準に議論する方が、建設的だと私は思います。

なので私の立場は、「AIに意志があるから危険だ」という擬人化にも、「AIには意志がないから安全だ」という単純化にも与しません。危険性の根拠は、意志の有無ではなく、能力が能力を生む構造そのものにある、というのが私の見解です。

あなたは、どう受け止めたでしょうか？

Copyright © 2026 INFOREVIEW All Rights Reserved.

この記事は、2026年秋のリリースを目標に企画を進めているKENBOの新商品、
仮称「MIRA（ミラ）」の予告でもあります。

MIRAは、My Intelligent Role Agents。
直訳すれば、「自分のために、それぞれの役割を持って動く知的なAIたち」といった意味合いです。

ただ、私自身は「MIRA」という響きに、「未来」や、自分を映すMirrorのようなイメージも重ねています。

今回設計しているものは、AIの使い方を説明する教材ではありません。

やりたい仕事を伝えると、自分の考え方や感じ方まで理解したAIチームが、その仕事を完成へ進めてくれる。

そんな「AIとの仕事の未来」を、いま形にしています。

いきなりAIチームと言われても、「それって何？」と思いますよね。
そこはあとで説明しますが、まず今回のMIRAを考えるきっかけになった、私自身の実験からお話します。

「自分を理解するAI」は、どこまで本人になれるのか

AIに私自身のさまざまな記事（ブログ、note、無料レポート）をいくつか読ませて、
「私はどんな文章を書く人に見える？」
と聞いてみました。

返ってきた答えを見て、ちょっと驚きました。
・・・かなり見ているな。
正直、そんな印象でした。

自分では意識していなかった文章のクセだけではありません。
ものごとをどう考える傾向があるのか、何を大事にしているのかとか。

よく見てんな、こいつ！と思わず膝を叩きました。
さらに細かく言うと。どんなところでは言い切り、
逆にどんなところではタメや空白を残すのか。

そんなところまで指摘されて、
「ああ、言われてみれば確かにそうかもね」
と思えるところが結構ありました。
ちょっと、クスっとしました

AIで記事を量産する、という考え方はそもそもNGです。
AIぽいゴミ記事が溢れるだけで。見る人は敏感に作者がAIかどうか察します。

では、そのAIに自分のことを教えて記事を書かせれば、そのまま自分らしい文章が出てくるのか？
この手の話題も事欠きませんね。

何事も検証してみないとわかりません。
で、やってみました。

ところが、
「いや、自分ならこうは書かない」
が結構出てきたのです。

「理解する」と「らしく書く」は全然違う

AIは整理するのが得意です。

こちらが少しまとまりのない話をしても、論点を拾い、順番を整え、かなり読みやすい文章にしてくれる。
これは明らかにAIの強みであり、多くの方が体感しているでしょう。

ところが、本人らしい文章を書かせるとなると、それだけでは全然足りない。

人間は頭の中で、いつも綺麗に考えているわけではありません。

えーっと、いったい何を言いたかったんだろう。
いや、待てよ、こういうことだったか。
それとも少し違うのか……と考え直したり、さっき言ったことを別の言い方でもう一度話したりする。
その間にも、昼飯は何にしようかな？とか、ああそうだ、交通ICカードチャージしないと、とか
話がちょっと横へそれることも1日の中で何回あるかわかりません。

人の頭の中では、考えがパッと浮かび、次の瞬間には泡沫のように消え去る。
そういうことが生きてる間、ずっと続いています。

AIからすれば整理して削りたくなるところでしょう。
でも、一見ムダに見えるそんな部分に、その人らしさがにじんでいるんじゃないか。
実際、不合理の塊のような人の思考の流れにそう感じるのです。

例えば、この記事をご覧の通り、見出しをいくつかつけております。

私は文章には見出しを付けたいほうです。
何の話をしているのか、読んでいる人には分かったほうがいい（と思う性格）。
ただ、その見出しの中まで教科書のようにきっちり整理してしまうと、どうも違うと思い始める。

構造は分かりやすくしたい。でも、その中では人がそこで考えながら話している感じも残したい。

単に「私の文体を真似してください」と頼むだけでは、こういうところまではなかなか出てきません。
実際に試してみるとすぐわかりますよ。

これだけでは全然足りないのです。

大切にしているのは文章の「転」

最近は、自分の文章や知識、経験、考え方などをAIに覚えさせ、
「自分の分身」を作るという考え方もあります。
これは面白い発想ですし、実際今のAIならかなりのところまでできます。

ただ私は今回いろいろ試していて、もう少し違うところに興味を持つようになりました。
その先のことです。

語尾や口調を似せるだけでは、本人にはならない。
それだけじゃまったく足りない。

ある出来事があった。
そこで自分は何を感じたのか。世の中ではこう言われているけれど、自分はどうも納得できないとか、逆に妙に腹落ちしたとか。そこから何を考えたのか。

私が好きな文章論に、起承転結では「転」が大事だ、という考え方があります。
事実を説明しただけでは、その人の文章にはならない。
その事実を自分がどう受け取り、そこから何を考えたのか。そこに自分の言葉が出てくる。

この考え方で参考にしているのが、近藤康太郎さんの著書『文章は、「転」。〈自分の言葉〉で書く技術』です。長く新聞記者として「文で伝える」という難しい仕事に向き合ってきた人が、それでも自分の言葉で書くにはどうしたらよいのかを掘り下げています。

近藤康太郎さんの話は、こちらでも記事にしておりまして、私にとって文章を書く先生です。
>> 沈むコンテンツ発信者を引き上げる宝本～近藤康太郎「三行で撃つ」と「ワーク・イズ・ライフ　宇宙一チャラい仕事論」

私はこの「転」という考え方に、かなりしっくりきてます。

だったらAIが本人を理解するというのも、よく使う言葉や文章の形だけではなく、その人が何を感じ、そこからどう考えが動くのかまで分かって初めて意味があるんじゃないか。

そこまで掘り下げて初めて、「自分を理解するAI」の鍵のようなものがあるんじゃなかろうか。
そう思うようになったのです。

そしてMIRAで試している「本人理解」は、まさにそこです。

自分を人柱にして、何度も書かせてみた

今回の商品を考えるにあたり、まず自分自身を人柱にしました。

過去のブログ、note、無料レポートなどをAIに読ませ、「私はどういう文章を書く人に見える？」と分析させてみました。
意図的に書き方も変えているので、一見バラバラですが紛れもなく書いたのはKENBOです。

すると、実体験から考え始めることが多いとか、難しい話でも一度「要するになに？」と考え直すとか、最後は自分の感想だけで終わらず「だったら、こんなふうに使ってみては？」と読者へ何か提案したがる、といった分析が返ってきました。

言われてみると、かなり当たっている

そこで今度は、その理解をもとにして実際にnote記事案を書かせました。

ところが最初の文章では、内容そのものは合っているのに違和感がある。
短い文章を同じリズムで綺麗に並べたり、何でも分かりやすく整理したりする。
タイトルも少しおとなしい。見出しもありませんでした。
確かに書き方は似てるけど、何かおかしい。

そこでAIに自分ならこうしてる、きれいな書き方じゃないけどこうしてる、
という指摘を行いました。

具体的には；

「私はそんなふうには並べない。途中で『いや、こうかな。それとも……』と考え直しながら書くことがある」
それに「小説でもない限り、見出しは付けたい」
「タイトルも“それでも結構助かっている”では弱い。
“地味だけどこれは使える！”くらい、読者へ直接伝えるほうが自分らしい」
「最後も感想だけで終わるより、だったらこう使ってみては、と提案する」

そんな修正コメントを返して、もう一度書かせる。

すると次は、同じ内容でも考え直す感じや言い直しが文章の中に入ってきました。
これでかなり自然になってきましたが、あと少しという感じ。

さらに修正すると、今度はKENBOの書き方、考え方では、
「大きな構造は見出しできちんと整理する。でも、その中の文章まで整理しすぎない」
というところにもAIが気づいてくる。

タイトルも、単なる感想ではなく「読者が何を得られるのか」を前へ出すようになりました。
記事の終わり方も、綺麗にまとめて終わるのではなく、そこから読者へ何を提案するのかへ戻すようになりました。

面白かったのは、単に文章が修正されただけではなく、
AIの「この人はどう書く人なのか」という理解そのものが変わっていったことです。

つまり、修正のやりとりによって、私の書き方のクセ、思考の仕方、
何を一番重視しているのか、どんな表現を避けて、どういう言い回しをするのか、
どんどん理解を深めていったことです。

私はAIがその都度、何に気づいたのかを言わせて確認しました。

AIに深く理解させるにはどうすればよいか？

まずAIから、「私はあなたを、こういう人だと理解しています」と返してもらう。
→本人が「そこは合っている」「いや、それは違う」と確認する。
→実際に仕事をさせて、また違和感を返す。

この繰り返しによって、文章の表面的なクセだけではなく、その人の考え方や感じ方までAIの理解へ入っていく。

MIRAという名前にMirrorのイメージを重ねているのも、実はこのあたりに理由があります。

AIに自分をコピーさせるというより、一度AIという鏡に自分を映してみる。
そこに映った「自分」を見ながら、違うところを直していく。

そうして初めて、このAIにどこまで仕事を任せてよいのかも、理屈だけではなく感覚的に分かってくると思うのです。それを何度も繰り返し、実証できました。

AIの種類によって、多少の偏りはありますがメジャーなChatGPT、Gemini、Claudeでは
どういうふうに自分を理解してくれるのかも掴めたと思います。

HACC、GPTsから、その先のMIRAへ

今年、「人機共創プロジェクト HACC」という商品を出しました。
AIへ全部任せるのではなく、人とAIが一緒に考えながら成果を作る。
そのための考え方や方法をまとめたものです。

その後はGPTsを使い、用途に合わせた専用AIを作る商品も提供してきました。

AIとどう共創するのか。さらに、自分の目的に合った専用AIをどう作るのか。
ここまでは私自身、商品として実際に取り組んできたことです。

でもAIはさらに先へ進み始めています。
そのAI進化に合わせ設計し、間もなく完成するのがMIRAです。

AIエージェントになると「次の仕事」まで進められる

ここで出てくるのが、最近よく聞くAIエージェントです。

AIエージェントというと、なんだか急に難しい話に聞こえるかもしれません。
でも考え方そのものは、それほど難しくありません。

これまでの生成AIは、基本的には質問すると答えてくれる存在でした。
人が指示を出し、その結果を見て「では次はこれ」とまた指示する。
仕事と仕事の間をつないでいたのは、人間です。

AIエージェントになると、そこが変わります。

「この仕事を完成させたい」という目的を渡すと、そのために必要な作業を進め、場合によってはToolも使い、次に何をするのかを判断しながら先へ進む。

例えばnoteの記事を作るだけでも、テーマを整理し、必要なら調べ、構成を考え、文章を書く。
その後には事実関係の確認もあれば、「これは本人らしい文章になっているのか？」という確認もあります。

これまでは、そのたびに人が「次はこれ」「今度はこれ」とAIへ指示していました。
MIRAでは、その“仕事をつなぐ部分”までAI側へ任せることが設計思想になっています。

正確に言うとMIRAは、AIエージェントそのものではなく、
AIエージェント的／エージェンティックな仕事の進め方を、既存の生成AI上で実現する仕組みです。

MIRAの「AIチーム」

MIRAの内部、まったく意識しない裏側にAIチームが存在します。

MIRAの正式な仮称はMy Intelligent Role Agentsです。
ここで「Role（ロール）：役割」という言葉を入れているのには意味があります。

いくつものAIサービスを契約し、それぞれを別々に立ち上げる、
という意味でのAIチームではありません。

ひとつの仕事の中で、必要な役割＝Roleを分ける。
あるときは調査を担当し、次は編集担当になる。
文章を書き、その後はチェックする側へ回る。
つまり、AI側が必要な役割を切り替えながら仕事を先へ進めるのです。

まずはChatGPTひとつの中でも、こうした役割分担は相当なレベルまで可能です。
生成AI自体がエージェント化の方向にあるためです。

それでも「この仕事だけは別のAIのほうが明らかに得意」
「ここだけは専用Toolへ渡したほうが早い」と判断したら、そのときだけバトンタッチする。

そして、こうした仕事の流れそのものをAIエージェント的に動かしていく。
これがMIRAで考えている「AIチーム」です。

そのAIチームを、利用される方が意識する必要はありません。

ここで少し補足しておくと、MIRAそのものを「特別なAIエージェントサービス」として作ろうとしているわけではありません。

今あるChatGPTやGemini、Claudeなどの生成AIを使いながら、人が毎回「次はこれ」と指示しなくても、目的に向かって必要な役割や作業をつないでいく。

つまり、普通の生成AIをよりエージェンティックに使う設計です。

AIエージェントそのものを難しく学ぶのではなく、その考え方のおいしいところを、できるだけ簡単な形で仕事に持ち込む。

つまり、AIエージェントを意識することなく、実態はそのように使うことで、
あなたのことを理解したAIチームが、あなた流に仕事を最後まで片付けてくれる、
そのようなイメージでご理解ください。

技術的な話はここでは省略しますが内部では、MIRA COREと呼ぶ司令塔の役目を果たす機能があり、
無理なく、面倒もなく、自然に成果出しまで担ってくれます。

あなたは、一旦自分のことを理解させ、AIの理解の仕方に納得したら、あとは必要となる判断をすることだけ。

いくつもの有料AIを契約する必要はありません

ここまでの話で、それなら
「結局ChatGPTもGeminiもClaudeも、あれもこれも契約する必要があるんじゃないの？」
と思われたかもしれません。

その必要はありません。

例えばChatGPTひとつでも、調査、構成、文章作成、チェック、本人らしさの分析など、
ほとんどのところまで進められます。

まずは手元にあるAIひとつで、できるところまでやる。
それでも大半の方にとって十分な成果、効果をすぐに感じられると思います。
（使い始めて30分もあれば、私がそうであるようにきっと感動します！）

別のAIやToolを増やすのは、増やすことで本当に仕事が良くなる、
あるいは圧倒的に楽になる場合だけです。
たくさんのAIを使うこと自体には、何の価値もありません。

できるだけ少ないAIで、できるだけ簡単に、しかも成果まで持っていく。

MIRAでは、そこをかなり重視しています。

MIRAで、あなたの仕事はどう変わるのか？

ここが今回の商品で一番大事なポイントです。
先に言っておきますと、理屈抜きで超簡単に使え、即座に効果を確認できると思います。

新しいAIが出るたびに、
「今度はどれを使えばいい？」
「この仕事ならChatGPTなのか、Geminiなのか、それともClaudeなのか」と調べる。
プロンプトを考え、結果を見て、また次のプロンプトを考える。Toolが増えれば、その使い方も覚える。

AIを便利に使うつもりだったのに、気づけばAIを使うための仕事が増えている。

きっとこれが現実ですが、私はここを変えたい。

「AIを使う」より、「やりたい仕事」から始める

例えばnoteを書きたいなら、「noteを書きたい」と伝える。
テーマや材料を渡したら、MIRA側で必要な役割へ切り替えながら仕事を進める。

調べる必要があれば調べる。構成を考え、本人の考え方や感じ方まで踏まえて文章にする。
途中で「ここだけは本人に聞かないと分からない」となれば、そこだけ戻してくる。
人が確認したら、その続きをまた進める。

今日はnoteでも、明日はPDF教材かもしれません。
また顧客への提案資料を作りたい日もあれば、社内の企画資料かもしれない。
また人によってはブログ、メルマガ、販売ページ、動画、WordPressの修正という仕事もあるでしょう。
仕事が変われば、必要な役割も変わります。

仕事を変えるたびに、人がAIを選び直すのではない。
やりたい仕事を選べば、AIチームのほうが変わる。

そんな状態を目指しています。
あなたはAIチームがどう変わるかは知らなくても裏側で動きます。
これは、かなり大きな違いだと思っています。

人は「判断する仕事」へ戻れる

もちろん、人がいらなくなるわけではありません。
どんなAI、AIエージェントであれ、全部AI任せにするリスクは変わりません。

判断と責任は常に人間が負うものだからです。

この文章は本当に自分の言葉なのか？
この内容を顧客へ出して大丈夫なのか？
自分は本当にこう考えているのか？

こういうところは人が判断する。
ここは理屈だけではなく、読んだときの違和感でわかります。
わずかでも違和感があれば、たぶんそこにはAIっぽさが残っていて、まだ自分の文章になっていない。

逆に、調べる、整理する、比較する、たたき台を作る、確認する、
といったところは、できるだけAIへ任せる。

AIに任せられる作業へ人間の時間を使うのを減らして、
人にしかできない判断へ時間を戻す。

これができれば、単なる時短以上の意味が出てくるはずです。

「一番優秀なAI」を追いかけ続けなくてもいい

もうひとつ、MIRAには裏側で大事な仕組みを持たせようとしています。
それがAIのBenchmarkです。

あなたはそのことを意識する必要すらありません。裏側のエンジンで動いているのです。

因みに「ChatGPTが1位、Geminiが2位」といったAIランキングを作りたいわけではありません。
何の仕事をさせるのかによって、優秀なAIは変わるはずだからです。

この仕事を完成させるには、この役割を誰に任せるのが一番いいのか。

そこを判断することです。もちろんAIが判断します。

ある仕事ならChatGPTひとつで十分かもしれない。
別の仕事では、ある工程だけ別のAIへ渡したほうがよいかもしれません。
新しいAIが登場しても、すべて乗り換える必要はありません。
今のチームより本当に優れているところがあれば、その役割だけ入れ替えればいい。

そうなれば、次々に登場するAIを追いかけ続けるのではなく、自分の仕事に合ったAIを選ぶ物差しを持てるようになります。

どのAIがアップデートされてどんな新規機能を持とうが、どんなAIエージェントが出現しようが、
それらの結果について人が判断し、責任を持つことはこれからも変わりません。

そのように、AI環境がどう変わろうとも人間が果たすべきことだけは人間がやる。
これがMIRAの根幹にあります。

MIRAの提供時期

これは遠い未来の構想ではありません。

ここ最近、自分自身を人柱にしながら、MIRAの考え方を実際に動かしては修正することを繰り返しています。本人らしさをAIに分析させ、その分析を本人が確認する。記事を書かせ、「これは自分じゃない」ところを直す。もう一度書かせると、その違和感が減ってくる。

そんな実験を続けながら、ほぼ形が完成してきました。

今後、細かい修正と検証を続けリリース目標は2026年秋。
MIRAを実際に使ってもらえる形で提供したいと考えています。

MIRAは、AIの使い方を説明する教材ではありません。

AIにあなた自身の考え方、書き方、クセ、こだわり、避けることなどを理解させ、
その後「やりたい仕事」を伝え、その仕事に合ったAIチームと一緒に完成まで進める。

難しいAIエージェントの仕組みを最初から勉強したり、
たくさんの有料AIを契約したりする必要もない。

そして単に文章のクセを真似するのではなく、
自分の考え方や感じ方まで理解するAIたちに仕事を任せていく。

生成AIが登場してから、私たちはずっと「AIをどう使えばいいのか？」を考えてきました。

でも、そろそろそのあり方を定義すべき時期なのかもしれません。

AIをどう使うか、ではなく、
AIにどう仕事を進めてもらうか。

HACCで人とAIが一緒に仕事をすることを考え、GPTsでは目的に合った専用AIを作ってきました。

そして、その先にあるMIRA。

My Intelligent Role Agents。

自分を理解したAIたちが役割を持ち、仕事に合わせて動き出す。

あなたが今まで一度も体験したことのない、AIとの「未来」をお届けしたいと思います。
是非、楽しみにお待ちください！

Copyright © 2026 INFOREVIEW All Rights Reserved.