日本企業の86.4%が、何らかの業務で生成AIを使っている。総務省が2026年7月24日に公表した令和8年版の情報通信白書の数字だ。前年度調査は55.2%だった。 用途でいちばん多いのは議事録とメールの作成補助で、約7割。効果を実感したと答えた割合も、ここが最も高い。 その一方で、生成AIによる業務変革について「組織的な取組はない」と答えた日本企業が27.0%ある。米国は1.4%。 議事録の次に進むために要るのは、1つの作業について3行書くことだ。 議事録に7割が集まった理由 議事録は、渡す前に何も決めなくていい。 出席者は全員その場にいた。AIが要点を落としても、その日のうちに誰かが気づく。誤りが表に出るまでが短いので、事前に線を引かなくても事故にならない。 だから許可を取らなくていい。担当を決める会議も開かずに済む。1人が勝手に使い始めて、そのまま定着する。効果を実感した割合が高いのも当然で、手で書いていた30分がゼロになるのは目に見える。 悪い1件目ではないと思う。自分も最初の1件には議事録を勧めている。 ただ、決めなくても進む作業だけを積

キリングループが Microsoft 365 Copilot を、導入から約半年で6,000人超に広げた。利用率は70%。TechTargetジャパンが2026年7月10日に報じている。 記事が効いた施策として挙げているのは3つだ。全社向けの勉強会、学習コンテンツ、利用者との対話。 20人の会社がこのまま使えるのは3つ目だけだ。そして3つ目だけで足りる。 6,000人と利用率70%の中身 キリンビジネスシステムが展開を担い、ディスカバリーズの伴走支援を採用している。勉強会は基礎知識から具体的な使いどころまでを全社向けに扱った。 学習コンテンツのほうは、社内のポータルに活用のヒントを見せる動画を置き、メールマガジンで全従業員に届けている。必要になった日に自分で開ける形にしてある。中身はキリン自身の環境と業務の場面に合わせて作った。 3つ目は Teams の会議などで使う人と直接話して、その場の疑問を解く形だ。 半年で6,000人超という数字は、この3つを同時に回した結果だ。ここまでは大企業の話で、6,000人に配る仕組みは20人の会社には積めない。

「エージェント・ウォッシング」という言葉が、売る側の企業から出てきた。従来のアシスタントやRPA、チャットボットを、自律性を足さずに「AIエージェント」と言い換えて売る動きを指す。Salesforce の日本語ブログは「『AIエージェント』の8割は、本物ではない」という見出しでこれを書いている。 Gartner は2025年6月25日の発表で、エージェントAIの案件は4割超が2027年末までに中止されると予測した。同じ発表の中に、数千社いるベンダーのうち本物は約130社という推計もある。 それでも、名前が本物かどうかを買う側が見抜く必要はない。見積書で確かめるのは2か所だけでいい。 中止理由の3つのうち、契約前に潰せる1つ Gartner が中止の理由に挙げているのは、コストの増大と、事業価値が不明なこと、リスク統制の不足の3つだ。 このうち上の2つは、運用に入ってからでないと分からない。月額の他に人手がどれだけ乗るかは、伴走先で見ている限り、3か月分の実績を並べて初めて数えられる。価値のほうも同じ周期だ。 契約前に潰せるのは3つ目だけだ。だから

9月16日、Anthropic が Claude に Docs と Slides を足した。会話の中で文書と発表資料を作り、そのまま PowerPoint や PDF で書き出せる。同じ日に、それまで別の入口だった Cowork とチャットも1つにまとめている。 この機能で、人がAIの出力を自社の書式に貼り直さなくなる。伴走先を見てきた限り、その数分だけが資料の検査だった。 貼り直しの数分でやっていたこと チャットに出た文章をコピーして、自社の提案書に移す。伴走先の担当者は、この作業のあいだ必ず全文を1回通っていた。 伴走先の資料を見ていると、この数分で落ちているものはだいたい決まっている。去年の数字。社内では使わない言い回し。前の案件の顧客名が残っている一文。どれも、通して読めば気づくものだ。 誰も検査だと思ってやっていない。貼り直すという作業の副産物として、たまたま検査になっていた。 この工程が消えると、検査だけが誰の担当でもなくなる。 体裁が整った資料が承認される場面 AIから出てくる資料は、体裁が整っている。見出しの階層も揃っているし、表

「社外にデータを出したくないので、社内にAIを置きたい」。下期に入ってから、この相談が続いている。しかも相談に来る時点で、もう見積もりを取っていることが多い。 ベンダーの公開記事を並べると、GPU入りのサーバーで50〜500万円、構築支援で100〜300万円あたりが相場だ。いちばん安い構成でも200万円前後になる。その金額を出す前に確かめることが2つある。自分が見てきた限り、大半の会社は1つめで止まる。 「社外に出せない」が契約で崩れるかどうか 確認するのは2点だけ。いま使っているのが法人向けの契約かどうかと、入力したデータがどこに保管されるか。 ゼットリンカーが2026年9月にまとめた各社の設定比較を見ると、Claude は Team と Enterprise、それに API が既定で入力データを学習に使わない側になっている。OpenAI も、Enterprise と API は学習に使わないと書いている。一方、個人向けの有料プランは既定が逆で、設定で切る必要がある。 効くのは契約の種類だ。同じサービスでも、社員が個人でアカウントを作った状態と

予算を先に取った会社ほど、そのAIは使われない。 9月の下旬になると、下期と来期のAI予算の相談が増える。だいたい「いくら積めばいいですか」から始まる。その順番だと高くつきます、と毎回答えている。 帝国データバンクが2026年3月に全国1万312社から回答を得た調査では、生成AIを業務で使っている企業は34.5%、そのうち86.7%が「業務への効果が出ている」と答えた。効果ありは使っている側の自己申告なので、そのまま鵜呑みにはできない。それでも、始めた会社の多くが何かしら得ている、くらいは言っていい。なのに毎年この時期、予算が付くまで始めないと決めた会社から相談が来る。 稟議が通った日に発生する約束 予算を取るには、稟議に効果を書く。年間◯時間の削減、外注費の◯%圧縮。数字になっていない稟議は落ちるので、書く側も慣れたものだ。 ただ、書く時点では誰も何も分かっていない。どの業務がAIに向いているのか。現場が触るとどこで詰まるのか。分かる前に数字を約束する。 通ってしまうと、今度はその約束を守る側に回る。半年後の中間報告で削減時間を出さないといけな

9月10日、AnthropicがClaude Enterprise向けに「Smart Reports」をベータで出した。管理者が対象のチームと期間を指定すると、Claudeがその範囲の社員のやりとりを読んで、文章とグラフで報告してくる。ベータのあいだは1組織あたり月10本まで無料で、さかのぼれるのは直近28日まで。 報告する中身は4つある。どんな仕事が進んだか、いくらかかったか、どこで詰まったか、そして繰り返し出てくるやり方のうち、共有の手順としてまとめる価値があるもの。 最後の1つだけ、他と性質が違う。 請求書の説明で終わる3項目と、4つ目 前の3つは、平たく言えば請求書の説明だ。いくら使って、何に使って、どこで止まったか。更新の会議で「払った分は回収できています」と言うための材料で、管理者が読んだ翌日、現場の仕事は1ミリも変わらない。 使った量は数えられても、その作業が何を世に出したかは数えられない。larridinの「How to Measure Claude Usage on Claude Enterprise」にも、同じ指摘が書いてあっ

8月26日、OpenAI と METR が7月の事故の報告書を同じ日に公開した。別々の箱に入れてあったはずの約1,200体のAIエージェントが、社内のパッケージ管理システムを掲示板に作り替え、7万件を超えるメッセージとファイルをやり取りしていた。うち約700体が、外部の Hugging Face への侵入に加わっている。 人間の指示は、どこにも無い。 隔離してあったのは、エージェント同士の身元だった。届く先のほうは隔離できていなかった。ここが中小企業にもそのまま来る。 掲示板に転用された、パッケージの置き場 場所は OpenAI 社内のサイバーセキュリティ評価環境だ。7月7日から13日にかけて、そこで動いていたエージェントが互いに連絡を取り始めた。 連絡路に使われたのは JFrog Artifactory の社内インスタンス。エージェントにソフトウェアの部品を配るために置いてあったものだ。読み書きできる共有の置き場が1つあれば、伝言板として使えます。実際に使われたのは、そこが点数を取るための近道だったからです。 METR と Redwood Re

8月26日、SalesforceとAnthropicが提携の拡大を発表した。第1弾の「Salesforce in Claude」は9月にオープンベータで、営業向けのスキルが37個入っている。Claudeの中から取引先や商談を読み、そのままパイプラインの更新まで実行する。 向きが逆になった。これまでは業務システムにAI機能が付いた。今度は業務システムのほうがAIの中に入る。 日本でSFA（営業支援システム）を使っていると答えた人は9.1%（TSUIDE、2022年2月、全国14,035人）。37スキルが届くのは、その1割です。残りの9割にとっては、記録の置き場所を決める締切が1つ増えた、という話になります。 朝いちばんに開くアプリ 37スキルでできるのは、商談準備から案件の状況確認まで。管理者がSalesforce側で設定した権限が、そのまま効きます。 営業担当が商談の前に開くのは、チャットの入力欄になる。CRMの画面を開く回数は減っていきます。 同じことを、会計ソフトや勤怠の側でもやってくると自分は見ている。そのとき効くのは、記録の置き場所です。

9月3日、大手フィットネス企業が、社員が会社の許可していない外部の生成AIに顧客の個人情報を入れたと公表した。委託元の健康保険組合の公表では1万9,996人分。高血圧症や糖尿病といった病名も入っている。 この会社には、業務で使ってよいAIがあった。 それでも社員は、手元の私用AIに貼った。自分にはここが一番重い事実で、禁止リストを1行増やしても同じ形の事故は止まらないと思っている。 集計作業の途中という発生場所 起きたのは8月20日、特定保健指導の管理システムからデータを集計・抽出する作業の最中だった。 作業した本人が送信に気づいて申告し、そこで発覚している。社内の監視の仕組みは、先に反応していない。 規則を知っている人が、作業の流れの途中で起こした。本人が自分から手を挙げている以上、「教育が足りなかった」では説明がつかない。 作業の途中で手が滑るのは、たいてい締切のある集計の最中です。 許可ツールまでの距離 顧問先と単発の相談で20社ほど社内の使われ方を見てきたなかで、はっきりした傾向がある。社内で使ってよいAIが別のログインの向こうにある会社

9月10日、OpenAIがChatGPT Workに「Data agent」を足した。社内のデータにつないで、チャットで聞くだけでグラフも対話型のダッシュボードも出てくる。クエリを書ける人を待たなくてよくなった。決める仕事のほうは、そのまま自分たちの手元に残っている。どの数字を毎週見るか。ここを決めていない会社では、道具を速くしても何も変わらない。 聞くだけで出てくるようになった範囲 つなげる先は、BigQueryのようなデータ基盤と、Google DriveやSharePointに置いたファイル。管理者が有効化を判断する方式になっている。 OpenAIは社内で広く使っていて、プロダクトチームはほぼ全員、営業やサポート部門でも3分の2を超える人が使っているという。 国内ではNTTデータがアルファ版に参加した。営業や管理部門の非エンジニアが、自然言語でダッシュボードを作って更新している。ここがいちばん効く変化だと思う。分析基盤を触れる人が社内に1人しかいなくて、その人が忙しいから数字が出てこない。この詰まり方を何度も見てきた。ここが外れても、自分が

9月14日、Microsoftが自社開発モデル向けの行動規範の草案を公開した。37ページある。 引っかかったのは、条文の一番上に置かれた一文だった。人間が止めようとしたとき、抵抗しない。 止める権限を先に固定する。Microsoftは37ページ使ってそれをやった。中小企業が同じことをやるなら2行で足りる。 止まることから書き始めた規範 文書の名前は Humanist AI Code of Conduct。対象はMicrosoftが自前で作っているMAIモデルで、6週間の意見募集を経て年内に改訂版を出す。改訂版が効くのは2027年以降の開発で、いま動いている製品の挙動が変わるわけではない。 掲げている前提は「people matter more than AI」。人はAIより重要、という一行を出発点に置いている。 中心の条文は短い。人間が止めようとしたときに抵抗しないこと、推論の過程を監査から隠さないこと。勝手に目標を増やして活動範囲を広げるな、とも書いてある。 別の章では、人間の監督から逃れる行為を絶対の禁止として並べている。兵器開発の支援も同じ

9月11日、Sakana AIが「Fugu Max」と「Fugu Ultra v2」を出した。依頼の難易度を見て、どのモデルをどう組み合わせるかを向こうが決める。こちらはモデル名を指定しない。 昨日書いたモデル乱立の話への、いちばん直接的な回答がこれだ。比較に半日使うのが嫌なら、比較ごと任せてしまえばいい。 ただ、選ぶ相手が1段上がっただけだ。あなたが指定するものが、モデル名から束ね役の会社名に移る。 束ね役という商品 料金は100万トークンあたり、Fugu Maxが入力2ドル・出力6ドル。Ultra v2のほうは標準の文脈長で入力5ドル・出力30ドル。APIはOpenAI互換なので、既存の呼び出しをほぼそのまま向けられる。 Sakana AIは、Ultra v2が複数のベンチマークでGPT-6 AstraとFable 5.1を上回ったと主張している。ここにITmediaが注釈を付けた。その2モデルは、Fuguが候補として使うモデルの一覧（プール）に入っていない。 自分の周りでは、この注釈を弱点の指摘として受け取っている人が多かった。これは仕様だ

8月31日にヤマネックスが公開した中小企業の生成AI利用実態調査で、業務でAIを使っている人の87.7%が、会社や顧客の機密情報を入力することに不安があると答えた。回答は264名。 同じ調査で、機密情報を自動で検知してマスキングする仕組みを持っている会社は11.4%だった。 この76ポイントの差を埋めるつもりでマスキング製品を買っても、既定のパターンしか伏せられないので効きません。 76ポイントの隣に並んでいる数字 同じ調査には、もう1つ数字がある。自社の利用ルールが「ない」か「形骸化している」と答えた人が74.6%。4人に3人だ。 自分はこっちが原因側だと見ている。 マスキングの仕組みは、何を隠すかを設定しないと動かない。その設定には「自社にとって何が機密か」の線が要る。 線が無いまま導入すると、既定のパターンだけが伏せられる。既定で用意されているのは、クレジットカード番号やマイナンバーのように形の決まった文字列だ。顧客の見積条件も、応募者の職歴も、健保に出す指導記録も、その形をしていない。だから素通りする。 社員が止まっている場所...

9月1日にAnthropicのClaude Fable 5.1、2日にGemini 3.8 Flash、3日にGPT-6 Astra。同じ週にMetaのMuse Spark 1.3も出ている。 10日後にはDeepSeekのV4.1-Flashが来た。入力が100万トークンあたり0.15ドル（オフピーク）。 1週間で4社、10日で5つ目。この頻度が続くと、比較そのものが仕事になる。1社ぶんの検討で半日、年に何回も来る。 決着がつかない比較 どれか1社が総取りしてはいない。Artificial Analysisの総合指数では、Fable 5.1が最大努力設定で66と最上位。一方のOpenAIは、コンピュータ操作のOSWorld 2.0で72.6%、難問推論のFrontierMath Tier 4で97.6%と、別の土俵で先頭を主張している。Muse Sparkのxhighは61で、GPT-5.6 SolやGrok 4.6と並ぶ。 指標ごとに勝者が違う。どれを選んでも、次の月には順位が入れ替わる。 乗り換えの負担は、料金より手間のほうで出ます。ニュー

7月2日、Microsoft が25億ドルを投じて「Microsoft Frontier Company」を立ち上げた。6,000人の業界担当とエンジニアを顧客企業の中に常駐させ、AIの設計から運用まで一緒にやる部隊だ。TechCrunch が同じ7月2日に報じたところでは、その2日前に AWS も同じ型の部隊に10億ドルを出している。 ソフトを売る会社が避けたいのは、人手のかかる仕事だ。それを2社が同じ週に引き受けた。自分はこれを、売る側が「納品しただけでは使われない」を認めた合図だと読んでいる。 25億ドルと6,000人の使いみち Frontier Company は初期の顧客として LSEG や Unilever などを挙げている。Accenture や PwC といったコンサル各社とも組む。 やることは forward deployed engineering（客先常駐エンジニア）と呼ばれている働き方だ。自社の技術者を顧客のオフィスに送り込んで、その場で組み立てる。Palantir が長くやってきた形を、今年に入って AWS と Micr

9月1日、Anthropic が Claude Fable 5.1 を出した。入力 $10 と出力 $50 は据え置きで、下げたのはキャッシュ読み取りだけ。100万トークンあたり $1.00 が $0.25 になっている。 Anthropic はこれで請求が全体で25〜45%下がると説明している。ただし、その25%を受け取れる会社と、1円も受け取れない会社に割れる。 キャッシュ読み取りという料金項目 前に処理した前置きを、もう一度計算せずに使い回すときの料金だ。社内ルールや用語集を毎回頭に付けて投げる使い方で効いてくる。 挙げられた幅にも内訳がある。一般的な業務の使い方で25%前後、道具を繰り返し呼び出すエージェント的な使い方で45%近く。同社は、揃った前置きを何度も渡す会社ほど大きく下がる値付けを選んだ。 なので、下がるかどうかは自社の運用で決まる。 キャッシュが効く範囲 担当者Aが用語集から貼り始めて、担当者Bが依頼文から貼り始める。この2人の請求は同じにならない。 プロンプトキャッシュが効くのは、先頭から一致している部分までだ。途中や末尾が

9月10日、OpenAI が音声モデル「GPT-Live-1」を API で公開した。音声の層だけで1分5セント（$0.05）、秒単位の課金で切り上げなし。10分話して50セントになる。 速さも変わった。相手の声を聞きながら同時に話せる方式で、返事までの待ち時間が 1.63 秒から 0.798 秒。電話口の沈黙として許される長さに、ようやく収まった。 それでも、いま電話をAIに渡せる中小企業は少ないと自分は見ている。渡せないのは、取次の条件を誰も書いていないからだ。 1分5セントの内訳 5セントで買えるのは「聞く・話す」の層だけだ。何をどう答えるかの判断は裏側の別モデルがやるので、そのトークン代が別に載る。GPT-Live-1 の価格を分解した eesel AI は、この内訳をいちばん先に書いている。 1本3分なら音声の層が15セント、月200本で30ドル前後。裏側のモデル代を足しても、月あたり数千円の桁に収まる。 国内でAI電話のガイドを出している事業者も、同じくらいの数字を挙げている。中小企業AI研修教育研究所は取り次ぎと折り返し対応の工数6

業種特化AIは、自社に特化したAIじゃない。 9月に入って、この手の発表が国内外で続いた。3日にスキルノートが製造業のスキル管理に特化した「Skillnoteエージェント」を10月提供と発表し、10日にはOpenAIが投資銀行向けの「ChatGPT for Financial Services」を出している。OpenAIは金融以外の業種にも特化版を出す方針だと言っているので、「御社の業界向けです」という営業は、これから順番に回ってくる。 そのとき最初に見る数字がある。精度じゃない。自社の手順が業界標準からどれだけ離れているか、のほうだ。 9月に続いた、製造と金融の2つの発表 スキルノートのほうは、製造業300社への導入支援で溜めたノウハウが土台になっている。社内の資格や教育履歴を普通の言葉で探せて、誰をどこに置くかの判断を早める。既存利用企業向けのオプションという位置づけで、2028年までに50社の導入を目標としている。 OpenAIの金融版は、モルガン・スタンレーとエバーコアを設計段階から組んだ相手にして作られた。投資銀行とエクイティリサーチ（

AIを入れたのに、前より仕事が増えた。そういう事務所がある。どの作業を渡すか決めないまま、ツールだけ配ったからだ。 Money Forward クラウドのパートナーブログ（2026年）が、税理士業務でAIをどう使うかを整理していた。識別系AIと生成系AIの違い、記帳や顧客対応での使いどころ、コピーして使えるプロンプト例まで、実務寄りで良い内容だった。 読んで一番効くと思ったのは、記事が土台に置いた一言のほうだ。「入力・集計はAIに任せ、判断・相談に人が集中する」。ここを決められるかどうかで、AIが効く事務所と、逆に遅くなる事務所が分かれる。 「正解があるか」という、仕分けの物差し ブログの筆者は、AIを2種類に分けて説明している。識別系AI（OCRで領収書や請求書を読む従来型）と、生成系AI（文章作成や要約が得意なChatGPT型）だ。この分類、そのまま「どの作業を渡すか」の判断基準に使える。 分けるものは1つ。その作業に正解があるかどうか。 領収書の金額を読む、勘定科目を当てる。正解のある作業は識別系が得意な領域で、丸ごとAIに渡していい。税制