00:08
みなさんこんにちは、矢野 哲平です。この番組は、耳で学ぶAIをコンセプトに、初心者・中級者向けに、AIを分かりやすく解説する番組です。
今回のテーマは、GPT-5.6シリーズの公開ニュース、そして、AIエージェントを分析エージェントに仕立てる、について話していきます。
はい、ということで今日は、GPT-5.6の新しいAIモデルのニュースと、AIエージェントを分析エージェントに仕立てる、という内容について話していきます。
みなさん、AIエージェントを使っていますでしょうか。
私は、書類業務全般でAIエージェントを使っていると。 私は、プログラミングでAIエージェントを使っている。
こういった感じで、AIエージェントを様々なシーンで使っている人増えていると思います。
今日話す内容は、AIエージェントを書類業務やプログラミングで使うわけではなく、
AIエージェントを分析のタスクに使うというアプローチです。
私も、AIエージェントを分析のタスクに使っているんですけど、この使い方、結構いいなと感じているので、
今日、ポッドキャストで話そうと思った次第です。
今日は、経験談を交えて、AIエージェントを分析エージェントに仕立てる、
それはどういうことなのか、という点を掘り下げていきます。
あと、直近でAI各社のモデル関連で動きがあったので、そちらについても話していきます。
AI最新ニュース：GPT-5.6シリーズとAIチップ
今日話すポイントは、主に3つです。
1つ目に、まずはニュースからということで、直近で発表されたオープンAIの新しいモデルについて、
2つ目に、AIエージェントを分析エージェントに仕立てるとはどういうことなのかについて、
そして3点目に、AIエージェントを分析のタスクに使うユースケース、どういったものがあるのか、
こういった内容を中心に話していきます。
はい、では早速話していきましょう。
まず、別の話にはなるんですけど、直近で起きたAI各社の最新ニュースについて触れます。
先に結論を言うと、新しいモデル公開されたんですけど、今私たちが何かできるというものでもないです。
ただ、結構大きな動きがあったので共有したいと思います。
耳にした人も多いかもしれませんが、ちょうど先週オープンAIから新しいモデルの発表がありました。
GPT 5.6という新しいバージョンです。
先にちょっと大事な点を補足すると、このGPT 5.6、現時点では一般ユーザーはまだ使えません。
なぜかというと、アメリカ政府の要請によって一般公開は現時点でされていないというものです。
一応、オープンAIの発表で補足すると、現時点では一般公開されてないけど、
数週間以内にこのGPT 5.6、一般の方向けにも公開予定とのことです。
このGPT 5.6シリーズ、3つ新しいモデルを公開しています。
大きい順にソル、テラ、ルナです。
GPT 5.6 ソル、GPT 5.6 テラ、GPT 5.6 ルナというわけです。
クロードも同じように大きい順からオーパス、ソネット、ハイクという3つのモデル展開していますけど、それと似たような感じです。
あとは、オープンAIが独自のチップを開発したという、そういった報道も先週ありました。
結構騒がしかったと思います。
この新しいチップ、ハラペーニョというチップなんですけど、
オープンAIはモデル以外にも、ハードの方にも手を伸ばしてきたと。
ハラペーニョってメキシコの唐辛子ですよね。
ソルはラテン語で太陽、ルナは月ですよね。
なのでここら辺、ハラペーニョとかソルとかルナとか関連して名前を付けてきたのかなと思いました。
ひとまずオープンAIが新しいAIモデルのGPT 5.6とAIチップの情報を解禁しました。
一方でクロードに関してもまた新しいニュースがあります。
クロードも少し前にミュトスとかフェイブルファイブのような新しいモデルを発表していました。
このフェイブルファイブ一般公開されていて、私もちょっと触ったんですけど、どのぐらいだったんですかね。
割とすぐフェイブルファイブもアメリカ政府の要請で公開が中止になって延期したという話になりました。
私多分2日間ぐらいしか触ってなかったと思うんですけど。
新しくまたニュースが更新されてこのアメリカ政府による制限がなくなって利用再開に動いているという話です。
現時点では一般公開はされていないと。ただ公開に向けてクロードも動いていると。
ちょっと直近で起きたことをまとめます。
オープンAIが先週新しくモデルを発表しました。
ですが新モデルはアメリカ政府によって一般公開はまだ限定されています。
なので最近の出来事で言うと、アメリカ政府がAI会社の新しいモデルの公開の手綱を握っているような印象です。
いずれにしろGPT 5.6数週間以内に公開すると言っているので、おそらく7月あたりに私たちも使えるようになるんじゃないかなというように見ています。
また新しいモデルが公開され次第このポッドキャストでも紹介したいと思います。
それこそGPT 5.6とあとはクロードの上位モデル、比較しても面白そうですよね。
今回チャットGPTとクロードの新しいモデルの話ばかりしてますけど、
ジェミニーどうかというと今のところジェミニーは新しいモデルの情報はないようです。
では本編に入りたいと思います。
AIエージェントを分析エージェントに仕立てる
今日はAIエージェントを分析エージェントに仕立てるという内容です。
AIエージェントを様々なタスクで使っている人多いと思います。
プログラミングやドキュメントの作成整理とか。
私もこうしたタスクで使っているんですけど、その他にも分析のタスクで使用したりしています。
実際に使用している感じ結構いいなと思っているので、それを今日リスナーの皆さんにも話したいと思って取り上げようと思いました。
実際私何に使っているのかというと、開発しているアプリの分析にAIエージェントを使っています。
私AI専門のニュースアプリでモーニングAIというアプリを開発しています。
結構ユーザーも増えてきてデータが溜まってきたので、このデータを分析に回して次のユーザー獲得につながるようなアクションを考えるのに使おうと思っていました。
ただあまり時間を割くことができないので、それならAIエージェントに分析のタスクを担ってもらったらどうだろうと。
こういった考えから実装して運用しています。
具体的にどういったことをやっているのかというと、ユーザーがアプリを開いてどういった記事に興味を持ったのかとか、
アプリに流入しているソースはどこかなど、そういった分析を処理させています。
この時にただ分析してもらうのではなくて、ネクストアクションとして次にどういったことをやればいいのかということもセットで考えてもらうようにしています。
こうすることでAIエージェントが、この部分はあまり効果が出ていないので、リソースあまり割かなくていいよとか、ここ結構効果が出ているのでもっとリソース割きましょう。
こんな感じで色々分析と提案をしてくれます。
こうした分析って人間が手作業でやると結構大変じゃないですか。
色んな情報を集めて、それを人間が目視で一個ずつ確認して、そのデータから色々考えて仮説を立てると。
こうした手作業で大変な部分をAIエージェントの力を借りて効率化していく、そんなアプローチです。
分析エージェントの実装方法と活用事例
実は以前もこの方法を試したことがあって、半年前ぐらいだったかな。
分析をAIエージェントに任せるみたいなことを実験していたんですけど、その時はあまり自分の中で満足いく成果が出なかったんですよね。
改めて実験してみると結構思いのほか分析のタスクが回るようになったので、
自分と同じように以前AIに分析のタスクをお願いしたことがあると、ただその時は満足いく結果が出なかったと。
そういう人でも改めてやってみると、今は結構その環境が変わっているのでまた成果が違ってくると思います。
こういった分析エージェントをどうやって実装するのかというと、
このポッドキャストでもたびたび紹介しているクロードコードやクロードコワーク、あとはコーデックスなんかで実装するのがおすすめです。
これは手元のパソコンのファイルを操作してくれるプログラム寄りのAIエージェントみたいなものです。
考え方はいたってシンプルです。分析の元になるデータを用意して、そのデータに対してどのような分析をするかをAIに指示をして、
そして一連のタスクを定期的にスケジュールで実行する。要は分析のタスクを自動化する、こんなイメージです。
例えば私の場合だと、毎週土曜日にアプリ関連の分析タスクを自動的に実行するようにしています。
AIエージェント、データの偏りや違い、そういったものを見つけることを結構得意なんですよね。
なので以前のデータと今回のデータ、こういったところが違います。
そういったデータの違いを素早く発見して、かつ大量にさばいてくれる、こういったシーンで活躍します。
イメージ的には、要約のタスクがイメージしやすいと思います。書類の要約。
AIを使って書類の要約をしている人、結構多いと思います。
これ何がいいのかというと、膨大な書類をAIに処理してもらうことで、人間の作業負担を減らすことができます。
分析エージェントもこんな感じのイメージです。分量の多いデータをまずAIに分析させて、AIにフラグを立てさせると。
その後、必要に応じて人間が分析のタスクを巻き取ると。
場合によっては、データから読み取れる仮説をAIに立ててもらう、そういった使い方もできます。
AIを使っていると、時々人間が考えている思考の外からとか、
あとは思いつかなかったアイディアとか、そういった人間が持たない視点を投げてくれる時、結構あるじゃないですか。
それと同じような感じで、分析のタスクでも、そういった仮説があるのかとか、そういった視点があるのかと、
自分の頭の中では漏れていた分析の幅を広げてくれる提案、そういったものをしてくれるので結構お勧めです。
今回は私の経験談として、アプリの分析にAIエージェントを使う、そんな話をしましたけど、
この方法は結構幅広いジャンルに応用することができます。
例えば、あるマネージャーが複数の事業所の売上を管理していると、
各事業所から毎月毎週上がってくる売上、細かいデータ、そういったものを分析エージェントに回して、
マネージャーの分析の手助けをすると。
重ねてになるんですけど、過去の数字と現在の数字の照らし合わせ、結構AIエージェント得意なんですよね。
なので、例年に比べて事業所の数字が急増しているとか、落ち込んでいるとか、
そういった売上データの数字の増減の早期発見とか、ネクストアクションの足掛かりに利用できます。
その他の活用事例として、eコマースの事業を展開している会社、
広告の費用対効果を分析エージェントに任せると、
そして、より精度の高いマーケティング戦略を組む、そういった使い方もできます。
広告のデータ結構取りやすいので、分析エージェントと相性が良いと思います。
あとは営業部門での活用。
例えば、スプレッドシートに営業活動のデータを全部まとめると、
そこには営業先の温度感や具体的に話した内容、先方からヒアリングした内容、
そういったものを分析して、優先的に営業すべき相手を自動で分析、自動でフォローアップを行っていくとか、
分析からネクストアクションまでをAIエージェントにサポートしてもらう、
そんな使い方もできます。
あと面白い事例として、人事部門での活用。
分析っていうと、売上とか数字のデータ、そういったものを分析するイメージが強いですけど、
人間のデータをAIエージェントに分析させる、そういったアプローチです。
例えば、ある社員のエンゲージメントスコアが直近3ヶ月で大幅に下落していると、
よくよく原因を調査してみると、新しく配属された部署で成長機会や仕事のやりがいが不足していてスコアが下がっていたと。
こういったパフォーマンスが低下している社員、もしくはパフォーマンスが大幅に急増した社員、
そういった変化を分析エージェントを使っていち早くキャッチする、こんな使い方です。
この使い方、社員のエンゲージメントのデータ、そういったものを取る必要があるんですけど、
ひとまずこういった使い方もできると。
特に対象となる社員が多い組織ほど取り組みとして面白いと思います。
こんな感じでAIエージェントを分析エージェントに展開して使う、結構面白いアプローチだと思います。
分析エージェント実装のステップとポイント
興味のある方、ぜひ試してみてはいかがでしょうか。
基本となるステップはシンプルに4つです。
ちょっと改めて整理をすると、まずステップ1、AIエージェントを用意する。
ここではクロードコードやクロードコアーク、あとはコーデックスなんかがおすすめです。
ステップ2、データを用意する。
ステップ3、AIエージェントに分析をさせる。
ステップ4、一連の流れを自動的にスケジュール実行するように設定する。
考え方はシンプルにこの4つです。
ポイントになるのは、AIエージェントに分析をさせるという部分です。
どのような視点で分析をさせるのか、分析の結果、どのような回答をAIエージェントに期待するのか、
ここが一番工夫が必要な部分だと思います。
この部分は、その領域のスキルや業界の経験を持っている人の知見が生きてくる場面だと思います。
つまり、人間が持つ分析の視点や経験を分析エージェントに注入すると、
一連の処理の流れが出来上がったら一度回してみて、
なんか今回の分析、あまり良い成果を得られなかったなと、
そう感じたら毎回修正を重ねていくと、
何と言いますか、テストのループを回していく、そんなイメージです。
この修正作業にも、やっぱり人間のスキルや経験が生きてきます。
分析エージェントがうまく稼働するようになると、業務効率化が期待できます。
なぜなら、こうした分析エージェントは、24時間休むことなく組織のデータを分析することが可能だからです。
特に事業規模が大きい会社になってくると、この辺結構効いてくると思います。
こういった分析のツール系、すでに会社が開発しているものを導入する、
そういった選択肢もありますけど、自分たちで実装すると、
そうするとかなり細かい調整までチューニングできるので、
一つの選択肢として検討する価値はあると思います。
まとめとリスナーからのメッセージ
はい、それでは今日のポイントをまとめます。
一つ目に、AIエージェントは、書類作成やプログラミング以外にも分析のタスクを任せることも可能です。
二つ目、素早く導入するなら、クロードコードやクロードコワーク、オープンAIのコーデックスがおすすめです。
そして最後3点目、分析エージェント実装のステップは、
データを用意する、分析をさせる、一連の流れをスケジュール化する、このようなステップとなります。
その業務に精通した人間のスキルや経験、こういったものが生きる場面でもあります。
はい、今日はこの辺ということで、本日もお付き合いいただきありがとうございました。
今週はお便りをいただいています。ありがとうございます。ちょっと読んでいきます。
矢野さん、いつも丁寧な放送ありがとうございます。耳で学ぶシリーズすごく良かったです。ありがとうございます。
AIの可能性についてものすごく知りたいのですが、仕事や家事に追われて腰を据えて学習する時間がありません。
でもこの番組は茶碗を洗ったり、移動しながら頭に入ってきます。
続けて聞いているだけでかなり知っていることが増えました。本当にありがとうございます。
そしてお便りに丁寧に答えられているのもほっこりします。
AIニュースも色々なAIニュースであふれる中、どう解釈していけばいいのか、矢野さんの視点が参考になります。
ぜひまた学ぶシリーズをお願いします。興味があるのはクロードに関する色々なことです。
きちんと学ばずに使っているので体系的に学びたいです。
内容としては例えばクロードのスキル、リモート、マルチエージェントの指示の出し方、GUIでも知っておくと便利なスラッシュコマンド、
あとはGmailの連携は安全なのか、コンテキストの分離についてなどが知りたいです。
長文失礼いたしました。これからも楽しみにしています。
モロQさんからのお便りでした。
お便りありがとうございました。
耳で学ぶシリーズ、他の方からもコメントいただいたりしたんですけど、良さそうですね。
直近で全9回ぐらいで耳で学ぶAIということで色々話してきましたけど、私も段階的に体系だって説明ができるのでいいなと感じています。
お便りであったように耳で学ぶクロードコードとか、耳で学ぶクロードコワークみたいな、そういったシリーズも今後考えています。
その時またこのポッドキャストでアナウンスしますので、引き続きどうぞよろしくお願いします。
改めてお手入れありがとうございました。
番組ではこのように耳で学べるAIを毎週発信しています。
通勤中や家事の合間にAI情報をキャッチアップできます。
毎週水曜朝に更新しています。ぜひフォローお願いします。
そしておすすめの生成AIツールをまとめた資料も配布しています。
興味のある方はこちらもぜひ概要欄にリンクを貼っておきます。
お相手は耳で学ぶAIの矢野てっぺいでした。また次の配信でお会いしましょう。