生成AIキャッチアップ – 2026-04-11の１週間

今週は・・・
正直、内容が多すぎて、読み切れておりません・・・

OpenAI の、各種ガイドの量が凄いです。
「実用フェーズに入った」というアピールなのでしょうか。

Anthropic の “マルチエージェント連携パターン：5つのアプローチとその使い分け” は、実感とも近く、納得が行きやすい内容でした。

また、サブエージェントを活用すべきかどうかの判断に関してもドキュメントが用意されております。

Google

メンタルヘルスに関する取り組みの最新情報

メンタルヘルスは世界10億人以上に影響を与える重大な公衆衛生課題であり、Googleは長年にわたり、必要な人が適切な情報や危機支援にアクセスできるよう取り組んできた。AIツールの普及に伴い、責任あるAIが人々のウェルビーイングに貢献できると考え、今回の取り組みを発表した。

1. 危機支援へのアクセス改善

Geminiに「Help is available」モジュールを刷新し、メンタルヘルスに関わる会話を検知した際に表示するよう更新。自殺・自傷に関わる危機的な会話を認識した場合は、ワンタッチで危機ホットラインへのチャット・電話・テキスト・ウェブサイトアクセスが可能な新インターフェースを導入する。

2. 危機支援のスケールアップ

Google.orgが今後3年間で世界のホットライン支援に3,000万ドルを拠出。また、ReflexAIとの提携を拡大し、400万ドルの直接資金提供とGeminiの統合により、AIシミュレーションを活用したスタッフ・ボランティア向けトレーニングプラットフォーム「Prepare」を強化する。

3. 急性メンタルヘルス状況への対応強化

Geminiの臨床・エンジニアリング・安全チームが以下の3点に注力している。

安全と人とのつながりの優先： 現実のリソースや人的サポートへの接続を提供
より良い応答設計： 助けを求める行動を促しつつ、自傷などの有害行動を肯定しない
誤った信念の強化を回避： 主観的体験と客観的事実を穏やかに区別するよう訓練

GeminiはあくまでもAIであり、専門的な臨床ケアや危機支援の代替にはならないことを明示している。

4. 未成年ユーザーの保護

未成年向けの既存の保護機能として以下が挙げられている。

コンパニオンとして振る舞うことを防ぐペルソナ保護
感情的依存を防ぐための親密さを模倣する言語の回避
いじめや嫌がらせを助長しないセーフガード

日付: 2026/04/07
カテゴリ: Google.org, Gemini, Health
ソース: An update on our mental health work

マップへの貢献をより簡単にする3つのアップデート

日付: 2026/04/08
カテゴリ: Maps
ソース: 3 updates that make contributing to Maps easier

Gemini時代にデータの安全性とプライバシーを守るGmailの設計思想

Googleはあなたのメールでモデルを学習しない

GoogleはGeminiを含む基盤AIモデルの学習に、ユーザーの個人メールを使用しない。GmailでGeminiにアクセスを許可した場合も、それはメールの要約など特定のタスクに限定されており、受信トレイの内容はプライベートに保たれる。

Geminiはデータを保持しない

GmailのGeminiは、ユーザーが依頼した処理のみを実行し、その後データを保持しない設計になっている。処理はリクエストの完了に必要な範囲に限定され、終了後は情報を保存しない。

日付: 2026/04/08
カテゴリ: Gemini, Safety & Security, Gmail
ソース: Here’s how we built Gmail to keep your data secure and private in the Gemini era.

Android XRの5つの新機能

日付: 2026/04/08
カテゴリ: Android Enterprise, Android
ソース: 5 new features for Android XR

AIリテラシー教育を全米のカトリック系学校の教室へ拡大

日付: 2026/04/08
カテゴリ: Learning & Education
ソース: Expanding AI literacy to Catholic-school classrooms nationwide.

Chromeの新しい縦タブと没入型リーディングモードで作業効率アップ

日付: 2026/04/08
カテゴリ: Chrome
ソース: Get more done with new vertical tabs and immersive reading mode in Chrome

AIが小売業を変革 ― 企業が追いつくための方法

Googleの「Ads Decoded Podcast」最新エピソードでは、広告製品リエゾンのGinny Marvin氏が、小売ソリューションのグローバル製品リードであるFiras Yaghi氏と、YouTubeの小売グループ製品ディレクターNadja Bissinger氏と対談し、急速に進化する広告環境への適応策を議論した。

AIショッピング体験の基盤は「基本データ」
Merchant Centerフィードの整備が鍵
実践的なヒントも提供

日付: 2026/04/08
カテゴリ: Google Ads
ソース: AI is changing retail. Here’s how businesses can keep up.

Geminiのノートブック機能でプロジェクトを簡単に管理

GeminiアプリとNotebookLMを連携させる新機能「ノートブック」が導入された。複雑なプロジェクトや長期的な調査を効率よく管理するための個人知識ベースとして機能する。

一元管理で整理が簡単に

サイドパネルの「新しいノートブック」から作成でき、過去のチャットの移動、カスタム指示の設定、ドキュメントやPDFなどのファイル追加が可能。Geminiはこれらのソースをウェブ検索と組み合わせて、より的確な回答を提供する。

GeminiとNotebookLMのシームレスな同期

ノートブックはGeminiアプリとNotebookLM間で自動同期される。一方で追加したソースはもう一方にも即座に反映されるため、NotebookLMの「動画概要」や「インフォグラフィック」などの独自機能もGeminiから開始したノートブックで活用できる。たとえば、授業ノートを追加してNotebookLMで動画概要を作成し、翌日Geminiでそのまま論文のアウトラインを作成するといった使い方が可能。

提供開始時期と対象ユーザー

今週よりウェブ版のGoogle AI Ultra・Pro・Plusサブスクライバー向けに順次展開開始。数週間以内にモバイル版、欧州各国、無料ユーザーへも拡大予定。

日付: 2026/04/08
カテゴリ: Gemini App, Google Labs
ソース: Try notebooks in Gemini to easily keep track of projects

AI搭載の新しいGoogle Financeが100か国以上に拡大

日付: 2026/04/09
カテゴリ: Search, AI Products
ソース: The new, AI-powered Google Finance is expanding to more than 100 countries.

ラーンモード登場：Google Colabのパーソナルコーディング講師

Google Colabが、GeminiのAIアシスタントをより柔軟にカスタマイズできる2つの新機能「カスタムインストラクション」と「Learn Mode（学習モード）」を追加した。

カスタムインストラクション

ノートブック単位で設定を保存できる機能で、好みのコーディングスタイル・授業のシラバス・使用するライブラリなどをGeminiに事前に伝えておくことができる。設定はGeminiのチャットボックスから直接切り替え・保存が可能で、カスタマイズしたアシスタントをColabコミュニティと共有することもできる。

Learn Mode（学習モード）

カスタムインストラクションを基盤とした機能で、Geminiを「答えを与えるAI」から「段階的に導くコーディング講師」へと変える。コードをそのまま提供するのではなく、複雑なトピックを分解したステップバイステップの説明と概念解説を通じて、ユーザー自身のスキル習得を支援する。

日付: 2026/04/09
カテゴリ: Developer tools
ソース: Introducing Learn Mode: your personal coding tutor in Google Colab

400以上のキャンパスがAIを活用する方法

Googleは無償プログラム「Google AI for Education Accelerator」を通じて、1年足らずで全米50州の400以上の高等教育機関と連携を開始した。参加校は「Google AI Professional Certificate」へのアクセスが提供され、同資格は米国教育評議会（ACE）から単位認定推薦を受けた初のAIプログラムの一つである。

日付: 2026/04/10
カテゴリ: Learning & Education
ソース: How 400+ campuses are putting AI to work

Geminiアプリがインタラクティブなシミュレーションとモデルを生成可能に

GeminiアプリがAIチャット内で、複雑なトピックをインタラクティブなビジュアライゼーションに変換できる新機能を搭載した。

従来との違い

これまでの回答はテキストと静的な図表が中心だったが、今後はユーザーが実際に操作できる機能的なシミュレーションを提供できるようになった。

具体的な活用例

分子を3D回転させる
複雑な物理システムをシミュレートする
月の地球周回軌道を可視化し、初速度や重力の強さをスライダーや数値入力で調整しながらリアルタイムで変化を確認する

利用方法

現在、全世界のGeminiアプリユーザーに順次展開中
gemini.google.com にアクセスし、プロンプトバーで Proモデルを選択
「show me（見せて）」や「help me visualize（視覚化して）」などのプロンプトで利用可能

日付: 2026/04/10
カテゴリ: Gemini App
ソース: The Gemini app can now generate interactive simulations and models.

Fitbitのパーソナルヘルスコーチが37か国・32言語に拡大

日付: 2026/04/10
カテゴリ: Fitbit
ソース: Fitbit’s personal health coach is expanding to reach 37 countries and 32 languages.

検索AIでイギリスのレストラン予約がもっと簡単に

日付: 2026/04/10
カテゴリ: UK
ソース: Booking restaurants in the UK just got easier with AI in Search

Geminiで期末試験を勉強する6つの簡単な方法

1. 学習資料を一か所にまとめる

Geminiの「ノートブック」機能を使えば、講義PDF・ホワイトボードの写真・授業ノート・過去のチャット履歴などをまとめてアップロードし、学習の進捗を記憶する「勉強司令センター」として活用できる。現在はGoogle AI Ultra・Pro・Plusの18歳以上ウェブユーザー向けに展開中で、数週間以内にモバイルや無料ユーザーにも拡大予定。

2. スタディガイドを自動生成する

資料をアップロードするだけで、Geminiが数百ページのノートを整理された学習ガイドやフラッシュカードに変換してくれる。すでに知っている内容はスキップして、難しいトピックに絞った内容にするよう指示することも可能。

3. ノートをポッドキャストに変換する

「Audio Overviews」機能を使えば、静的なノートをAI2人が対話形式で解説するポッドキャストに変換できる。通学中や家事をしながらでも学習でき、GeminiアプリまたはNotebookLMで利用可能。

4. インタラクティブなビジュアライゼーションを作成する

Geminiは複雑なトピックをインタラクティブなシミュレーションや3Dモデルに変換できる。分子の回転や物理システムのシミュレーションなど、「見せて」「視覚化して」と一言プロンプトするだけで探求できる。現在すべてのGeminiアプリユーザーに展開中。

5. まだ理解できていない部分を把握する

Geminiにカスタム模擬試験を作成させてナレッジを確認したり、「Gemini Live」に概念を口頭で説明してロジックの穴を指摘してもらったりすることができる。まるで勉強仲間のように、フォローアップ質問で理解度をテストしてくれる。

6. 難しいトピックをステップごとにマスターする

「Guided Learning」機能を使うと、答えを教えるのではなく、オープンエンドな質問を通じて深い理解を促してくれる。手書きの数式や図をスマホで撮影してアップロードし、解説や間違いの確認を依頼することも可能。

日付: 2026/04/10
カテゴリ: Learning & Education, Gemini
ソース: 6 easy ways to study for finals with Gemini

Google Workspace

タイトル: Google Workspace アップデート週間まとめ – 2026年4月3日
日付: 2026/04/07
カテゴリ:
ソース: Google Workspace Updates Weekly Recap – April 3, 2026

タイトル: サードパーティのカレンダーからGoogle Workspaceリソースを予約可能に
日付: 2026/04/08
カテゴリ:
ソース: Book Google Workspace resources from third-party calendars

タイトル: Googleスプレッドシートの数式でより高度な制御とエラー表示が可能に
日付: 2026/04/08
カテゴリ:
ソース: Greater control and error visibility for Google Sheets formulas

タイトル: アクセス制限アイテムの移行に関するアップデート
日付: 2026/04/08
カテゴリ:
ソース: Migration update on restricted access items

タイトル: Google Meetの音声翻訳がモバイルデバイスに展開開始
日付: 2026/04/09
カテゴリ:
ソース: Speech translation in Google Meet is now rolling out to mobile devices

タイトル: スライドからVidsへの変換時にAI生成スクリプトを編集可能に
日付: 2026/04/10
カテゴリ:
ソース: Edit your AI-generated scripts when you convert Slides to Vids

タイトル: Gmailのエンドツーエンド暗号化がモバイルデバイスで利用可能に
日付: 2026/04/10
カテゴリ:
ソース: Gmail end-to-end encryption now available on mobile devices

タイトル: Geminiアプリでより長い音楽トラックへのアクセスを拡大
日付: 2026/04/10
カテゴリ:
ソース: Expanding access to longer musical tracks in the Gemini app

タイトル: Google Workspace アップデート週間まとめ – 2026年4月10日
日付: 2026/04/11
カテゴリ:
ソース: Google Workspace Updates Weekly Recap – April 10, 2026

OpenAI

知能時代の産業政策

OpenAIは、AI（人工知能）が超知性へと進化していく中で、従来の段階的な政策更新では不十分だとして、「人間を中心に置いた」産業政策のアイデアを提唱している。

政策の目的

以下の3つを柱として、先進的なAIがすべての人に恩恵をもたらすことを目指している。

機会の拡大：より多くの人々がAIの恩恵を受けられる環境の整備
繁栄の共有：AIがもたらす経済的利益を広く社会に分配
強靭な制度の構築：AIの進化に対応できる社会的・政治的基盤の強化

日付: 2026/04/06
カテゴリ: Global Affairs
ソース: Industrial policy for the Intelligence Age

OpenAI安全性フェローシップの発表

OpenAIが外部の研究者・エンジニア・実務家を対象とした試験的フェローシッププログラムを開始。高度なAIシステムの安全性とアライメントに関する実証的研究を支援する。

実施期間

2026年9月14日〜2027年2月5日

主な研究分野

安全性評価・倫理・堅牢性
大規模環境でのリスク低減策
プライバシーを保護しながら安全性を確保する手法
エージェントの挙動の監督・制御
重大な悪用リスクへの対応

参加形態・サポート内容

OpenAIメンターとの密接な連携
バークレーのConstellationにあるワークスペースの利用（リモート参加も可）
毎月の支援金・計算リソース・継続的なメンタリングを提供
成果物（論文・ベンチマーク・データセット等）の提出が期待される

応募資格

コンピュータサイエンス・社会科学・サイバーセキュリティ・プライバシー・HCIなど多様な分野から歓迎。特定の資格よりも調査力・技術的判断力・実行力が重視される。推薦状の提出が必要。

応募スケジュール

締め切り： 2026年5月3日
選考結果通知： 2026年7月25日まで
問い合わせ先： openaifellows@constellation.org

日付: 2026/04/06
カテゴリ: Safety
ソース: Announcing the OpenAI Safety Fellowship

子どもの安全ブループリントの紹介

OpenAIが、AI時代における児童性的搾取（CSAM）への対策を強化するための政策フレームワーク「子どもの安全ブループリント」を発表した。NCMEC（全米行方不明・被搾取児童センター）や法執行機関と連携しながら、業界全体で共有できる基準の確立を目指している。

3つの重点優先事項

法律の近代化：AIが生成・改変したCSAMに対応するための法整備
報告・連携の強化：捜査をより効果的に支援するためのプロバイダー間の情報共有改善
セーフティ・バイ・デザイン：AIシステムに悪用防止・検知機能を組み込む設計思想の導入

日付: 2026/04/08
カテゴリ: Safety
ソース: Introducing the Child Safety Blueprint

エンタープライズAIの次のフェーズ

OpenAIのCRO、Denise Dresserが就任90日間の振り返りとして、エンタープライズAIの現状と今後の戦略を語っている。企業リーダーたちはAIを「生涯最大の変革」と捉え、自社全体の再構築に向けた強い意欲を持っている。

ビジネスの現状

エンタープライズ収益がOpenAI全体の40%以上を占め、2026年末までにコンシューマーと同等になる見込み
Codexの週間アクティブユーザーが300万人に到達
APIは毎分150億トークン以上を処理
Goldman Sachs、State Farm、DoorDashなど新規・既存顧客ともに拡大中

企業が直面する2つの問いかけ

個別のコパイロットではなく、ビジネス全体に最先端AIをどう活用するか？
AIを日常業務に溶け込ませ、社員の潜在能力を引き出すにはどうするか？

全社規模のエージェント展開：OpenAI Frontier

企業はバラバラなAIポイントソリューションに疲弊しており、統合されたAI運用レイヤーを求めている
OpenAI Frontierにより、Oracle・State Farm・Uberなどが全社横断でエージェントを構築・管理
McKinsey、BCG、Accenture、CapgeminiなどのFrontier Alliancesパートナーと連携
AWSと共同開発中のStateful Runtime Environmentにより、エージェントがコンテキストを保持しながら複雑な業務を遂行

個人・チームの生産性向上：統合AIスーパーアプリ

ChatGPT・Codex・エージェント型ブラウジングを統合したAIスーパーアプリを構築中
Codexは年初から5倍以上に成長
GitHub・Notion・Nextdoorなどがエンドツーエンドのマルチエージェントシステムを構築
ChatGPTの週間9億ユーザーという基盤が、企業導入の摩擦を大幅に低減

日付: 2026/04/08
カテゴリ: Company
ソース: The next phase of enterprise AI

OpenAI Full Fan Modeコンテスト：利用規約

コンテスト概要

OpenAIがInstagramの@chatgptindiaを通じて主催するコンテスト。IPL 2026シーズン中に開催され、ChatGPTの「Full Fan Mode」機能で生成した画像をInstagramストーリーに投稿して参加する。

参加資格

18歳以上のインド在住者（ジャンムー・カシミール州を除く）
公開Instagramアカウントを持つこと
OpenAIサービスの登録ユーザーであること
OpenAI社員・関係者およびその家族は対象外

参加方法

ChatGPTのFull Fan Modeセクションにアクセス
IPLチームを選択し、自分の写真をアップロードして画像を生成
生成した画像をInstagramストーリーに投稿し、オリジナルのタグラインを添える
@chatgptindiaをタグ付けする
1マッチウィンドウにつき1回の投稿のみ有効

審査と当選通知

OpenAI社員などで構成される審査員が「創造性・独自性」を基準に評価
当選者のみInstagram DMで通知
通知から4時間以内に返信しない場合、賞品は没収される可能性あり

賞品

ホームマッチごとに5名にIPL観戦チケットを贈呈
賞品の譲渡・交換は不可
交通費・宿泊費などの付随費用は受賞者の自己負担

知的財産権

参加者はOpenAIに対し、投稿内容を広告・プロモーション目的で使用する世界規模・永続的・無償のライセンスを付与することに同意する。

日付: 2026/04/09
カテゴリ:
ソース: OpenAI Full Fan Mode Contest: Terms & Conditions

サイバーエージェント、ChatGPT EnterpriseとCodexでスピードアップ

サイバーエージェントは広告・メディア・ゲーム事業を展開する日本のインターネット企業。AI を「一部の先進施策」ではなく事業成長の基盤技術と位置づけ、ChatGPT Enterprise と Codex を中核ツールとして全社導入している。

ChatGPT Enterprise 導入の背景

部署ごとにバラバラだった AI 利用を統一するため、セキュリティ・ガバナンス・管理機能を備えた ChatGPT Enterprise を採用。機密情報を除く幅広い業務情報を安心して扱える環境を整備し、調査・下書き・論点整理などの工程での活用が日常化した。

強制しない文化でも普及した理由

トップダウンで強制せず各チームが自主的に判断する文化の中でも、月間アクティブユーザー率は 93% を達成。プロンプトや成功事例の社内共有、利用状況ランキングのゲーミフィケーション、OpenAI 主催の勉強会（10回以上・毎回100名以上参加）などが普及を後押しした。

Codex の活用と成果

実装だけでなく設計・合意形成・評価などの上流工程でも積極活用。主なユースケースは以下の3つ。

設計案の検討・レビュー・評価
コードレビューでの複数改善案の提示
AGENTS.md などの知識ドキュメント整備

これにより設計品質の向上・手戻りの削減・意思決定の高速化が実現した。

日付: 2026/04/09
カテゴリ: B2B Story
ソース: CyberAgent moves faster with ChatGPT Enterprise and Codex

カスタムGPTsの使い方

通常チャットとの違い

通常チャット：ブレインストーミングや一度きりの質問など、単発タスクに最適
カスタムGPT：繰り返し発生する作業や、一貫した出力が必要な場面に最適
- 同じプロンプトを何度も使い回している
- 同じファイルを繰り返しアップロードしている
- チームメンバーに同じ指示を何度も書いている

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Using custom GPTs

カスタマーサクセスチーム向けChatGPT

カスタマーサクセスチームがChatGPTを使う理由

カスタマーサクセスの業務は、オンボーディング・定着支援・トラブル対応・更新管理など多岐にわたり、コール記録の整理やフォローアップ文書の作成といった事務的な負担が大きい。ChatGPTはこれらの散在した情報を整理・構造化し、チームが顧客対応に集中できる環境を作る。

顧客情報を一元化した計画に変換 — ノート・メール・製品シグナルを統合し、目標・現状・リスク・アクションプランを明確に整理
顧客コミュニケーションを明確化 — フォローアップ・エスカレーション・QBRナラティブの初稿を自動生成し、確認・修正に集中できる
業務の標準化 — オンボーディングや更新対応のテンプレートを統一し、顧客体験の一貫性を向上

主なユースケース

領域	主なシナリオ	ChatGPTが生成できるもの
オンボーディング	キックオフ計画・成功基準の定義	オンボーディング計画・スケジュール・成功指標
定着支援	トレーニング実施・利用促進	研修アジェンダ・ステップガイド・FAQ
アカウント健全性	リスク監視・ステークホルダー報告	ヘルスサマリー・リスク登録簿・対策プラン
会議準備・フォローアップ	QBR/EBR準備・議事録整理	アジェンダ・コールサマリー・アクションアイテム
部門間連携	エスカレーション管理・製品連携	エスカレーション文書・意思決定ログ
更新・拡大	契約更新・拡大機会の特定	更新計画・価値サマリー・拡大仮説
顧客の声（VOC）	フィードバック収集・テーマ分析	テーマ分析・VOCサマリー・要望書

主要機能と活用方法

プロジェクト — 戦略的アカウントの成功計画・更新準備・会議メモ・リスクを一元管理
スキル — コールメモを整理されたリキャップに変換、製品フィードバックのテーマ抽出を自動化
データ分析 — 利用状況・エンゲージメントパターンの分析、チャーン要因の特定
ファイル連携 — 顧客会話のトランスクリプトをアクション可能なフォローアップに変換
ディープリサーチ — QBR前のアカウントインテリジェンスブリーフィング作成、競合ポジショニングの整理
画像生成 — 定着状況・成功計画・アカウント健全性を視覚化した資料の作成

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: ChatGPT for customer success teams

OpenAIにおけるAIの活用事例

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Applications of AI at OpenAI

ChatGPTでリサーチ

ChatGPTは複数の情報源を素早くまとめ、パターンの発見や複雑なトピックの理解を助ける優れたリサーチパートナーです。インターネット検索には検索（Search）とディープリサーチ（Deep Research）の2種類があります。

検索（Search）とは

ChatGPTがインターネットから最新情報をリアルタイムで取得する機能です。時事ニュース、市場動向、競合情報など、学習データに含まれない最新情報を得ることができます。

使い方：

新しいチャットを開き、最新情報が必要な質問を入力する
レスポンスに表示される🌐アイコンで検索が使われたことを確認
引用リンクをクリックして元の情報源を確認
「3つの箇条書きにまとめて」などのフォローアップも可能

注意点：

引用元は必ず確認すること
専門データベースや有料リサーチツールの代替にはならない
企業環境では管理者設定により有効・無効が切り替わる場合あり

ディープリサーチ（Deep Research）とは

複雑な質問に対して、複数のウェブソースから情報を収集・要約・解釈するエージェント型の機能です。単なるリンク一覧ではなく、検索・評価・クエリ改善・統合という多段階のプロセスを自律的に実行します。ニッチで直感的でない情報の発見にも優れています。

使い方：

ツールメニューから「ディープリサーチ」を選択
トピック・目的・対象読者・期間などを含む詳細なプロンプトを入力
レポート完成まで5〜30分かかる場合があり、完了時に通知が届く
フォローアップ質問でさらに分析を深めることも可能

検索 vs ディープリサーチの比較

項目	検索	ディープリサーチ
目的	特定の事実や最新情報を素早く取得	複雑・曖昧な問いに対する多段階の深い分析
出力	簡潔な回答やリンク	引用付きの長文レポート
速度	数秒	数分〜30分程度
適した質問	明確・具体的な質問	オープンエンドな戦略的・探索的な質問
情報の鮮度	最新情報を優先	文脈理解を重視（最新性は補助的）

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Research with ChatGPT

ChatGPTでデータ分析

ChatGPTを使えば、最小限の準備でデータから有用なインサイトを引き出せる。CSVやExcelファイルをアップロードするか、テーブルを貼り付けるだけで、自然言語で質問できる。数式やピボットテーブルを作らなくても、データの探索・クリーニング・可視化・要約が素早く行える。

始め方

目的を明確にする — 「〇〇を決めるために、△△のデータを使う」というフレームで開始する
データとコンテキストを提供する — 定義・期間・列の意味などを一緒に渡す
答えではなくアプローチを求める — 探索的データ分析（EDA）の要約と仮説を依頼すると精度が上がる
ビジュアルが必要なら明示する — 何をプロットするか、軸ラベルや単位も指定する
再利用できる成果物を求める — クリーンなテーブルや経営層向けサマリーを依頼する

主なユースケース

タスク	内容
データ分析・インサイト抽出	主要な傾向・低パフォーマンス領域・優先度の高い観察結果を構造化して出力
営業ファネル分析	パターン・仮説・推奨実験をセクション別に整理し、ビジネスインパクト順に提示
業務プロセスの非効率検出	ボトルネックや課題を優先度付きでリスト化し、即効策と深掘り項目に分類

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Analyzing data with ChatGPT

金融サービス

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Financial services

AIの責任ある安全な利用

職場でChatGPTを使用する場合は、まず自社のAIポリシーを確認してください。あわせてOpenAIの利用規約も参照することが推奨されます。

重要な業務には人間の確認を挟む
バイアスや偏った視点に注意する
法律・医療・金融のアドバイスは専門家に確認する
AI使用を透明に開示する
他者の音声やデータを共有する前に同意を得る
不適切な回答はフィードバックで報告する
最新情報が必要な場合は検索・ディープリサーチを活用する

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Responsible and safe use of AI

ChatGPTでライティング

ChatGPTは、職場でのさまざまなライティング作業（下書き・書き直し・トーン調整・メモの整理など）を効率化するツールです。時間が限られているときや、白紙から書き始めるのが難しいときに特に役立ちます。

なぜChatGPTをライティングに使うのか

職場の文章の目的は「相手に素早く理解させ、次のアクションを促すこと」です。ChatGPTは、書き出しの工夫・アイデアの整理・表現の洗練といった時間のかかる作業を高速化します。また、同じ内容をエグゼクティブ向け・チーム向け・顧客向けなど、異なるトーンに変換することも得意です。

基本ワークフロー：Plan → Draft → Revise → Package

Plan（計画）：目的・対象読者・「次のアクション」を明確にする
Draft（下書き）：使えるファーストドラフトを素早く生成する
Revise（修正）：明確さ・流れ・トーン・長さを改善する
Package（仕上げ）：メール・メモ・FAQ・スライドなど媒体に合わせて整形する

始め方

1〜2文で「何を書くか」を定義する（誰向けで、読んだ後に何をしてほしいか）
素材を提供する（箇条書き・会議メモ・粗削りな下書きなど）
制約を明示する（専門用語を避ける・中立なトーンを保つなど）
フォーマットを指定する（メール・1ページ資料・FAQなど）
具体的なフィードバックで繰り返し改善する（「25%短くして、最後のCTAを明確に」など）

プロンプト例

タスク		期待される出力
会議後のフォローアップメール作成		件名・要約・次のステップを含む簡潔なメール
メモをリーダー向け1ページ資料に変換		進捗・リスク・今後の作業の見出し付き資料
下書きをわかりやすく書き直す		短く・スキャンしやすく・平易な言葉で書き直した版

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Writing with ChatGPT

研究者向けChatGPT

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: ChatGPT for research

ChatGPTで画像生成

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Creating images with ChatGPT

ChatGPTのパーソナライズ

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Personalizing ChatGPT

財務チーム向けChatGPT

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: ChatGPT for finance teams

ChatGPTを始めよう

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Getting started with ChatGPT

ChatGPTでファイルを操作する

ChatGPTでは、会話内に直接ファイルをアップロードして作業できる。スプレッドシートの分析、ドキュメントの編集、PDFの要約、画像の処理などをチャットを離れることなく実行可能。対応フォーマットはCSV、XLSX、PDF、DOCX、JPEG、PNG、TXTなど。

基本的な使い方

ChatGPTでチャットを開始する
ツールメニューから「写真またはファイルを追加」を選択してファイルをアップロード
以下のようなタスクを指示する：
- 「このレポートの主な発見をまとめ、リスクや未解決の問題を挙げてください」
- 「この売上データを地域別に可視化し、月次の大きな変化を強調してください」
- 「このドキュメントをトーンを保ちながら、より明確で簡潔に書き直してください」
- 「このPDFから主要な日付と担当者をシンプルな表に抽出してください」
表やグラフなど特定の形式でのアウトプットをリクエストしたり、生成されたファイルをダウンロードしたりして活用する

外部ツールとの連携

一部のバージョンではアプリ連携機能が利用可能で、サードパーティツールにアクセスして外部コンテキストを会話に取り込める。設定の「Apps」から連携するアプリを選び、認証を完了するとツールメニューや@・/コマンドで呼び出せる。

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Working with files in ChatGPT

営業チーム向けChatGPT

なぜセールスチームはChatGPTを使うのか

商談前のリサーチや準備を素早く整理し、見落としを防ぐ
アウトリーチやフォローアップのメールを一貫性を保ちながらパーソナライズできる
社内の連携を円滑にし、次のアクションや意思決定を明確化できる

主なユースケース

領域	具体的な活用場面	ChatGPTが生成するもの
見込み客開拓・アカウントリサーチ	企業調査、ステークホルダーの把握、業界分析	アカウントブリーフ、仮説、ディスカバリー角度
ディスカバリー・資格確認	商談計画、ユースケース整理、成功基準の定義	ディスカバリーガイド、リスクフラグ、次ステップ提案
商談前準備・デブリーフ	事前資料・アジェンダ作成、議事録整理、フォローアップ	商談ブリーフ、コールサマリー、アクションアイテム
アウトリーチシーケンス	メール・LinkedInメッセージのパーソナライズ	メール文案、コールスクリプト、件名案
提案書・ビジネスケース	価値の整理、ROI構築、提案パッケージ化	提案書アウトライン、ROIモデル、エグゼクティブサマリー
案件管理	進捗追跡、ステークホルダー調整、次ステップ管理	相互アクションプラン、クローズプラン、案件レビュー
異議対応・セールスイネーブルメント	セキュリティ質問、価格交渉、競合対応	トークトラック、FAQ回答、ポジショニングメモ
RFP・アンケート対応	回答ドラフト、整合性チェック	回答案、ギャップリスト、確認事項リスト

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: ChatGPT for sales teams

プロンプトの基礎

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Prompting fundamentals

マネージャー向けChatGPT

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: ChatGPT for managers

ChatGPTでプロジェクトを活用する

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Using projects in ChatGPT

マーケティングチーム向けChatGPT

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: ChatGPT for marketing teams

ChatGPTでブレインストーミング

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Brainstorming with ChatGPT

AIの基礎

AIとは何か

人工知能（AI） とは、パターンを認識し、データから学習し、有用な出力を生成するソフトウェアの総称です。カーナビの渋滞回避、銀行の不正検知、チャットボットによるサポートなど、日常のさまざまな場面で活用されています。AIは単一のツールではなく、その中に「モデル」と呼ばれる学習済みシステムが存在します。

大規模言語モデル（LLM）の仕組み

大規模言語モデル（LLM） は、大量のテキストデータからパターンを学習し、文章の生成・変換を行うモデルです。人間のように「知っている」わけではなく、文脈に基づいて次に来る言葉を予測します。OpenAIなどの研究機関がこれらのモデルを開発し、ChatGPTなどの製品やAPIを通じて提供しています。

モデルの学習プロセス

モデルの学習は主に 2つのステージ で構成されます。

事前学習（Pre-training）：大量のテキストから要約・翻訳・説明などの汎用スキルを習得する段階
事後学習（Post-training）：指示への従い方、適切なトーン、安全性への配慮などを強化する段階

モデルが更新されると応答のトーンが変わることがあるため、目的・対象・形式・制約を明示することで、一貫した結果を得やすくなります。

推論モデルと非推論モデルの違い

非推論モデル（Instant）：高速で流暢な出力に最適化。メモの整理・文章の改善・アイデア出しなど日常的なタスクに向いています。
推論モデル（Thinking）：複雑な分析・計画・デバッグなど、多段階の問題解決に強みを持ちます。処理に時間がかかる場合がありますが、精度が高くなります。

初心者は Auto モード を使えば自動で最適なモデルが選択されるため、設定を気にせず利用できます。

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: AI fundamentals

オペレーションチーム向けChatGPT

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: ChatGPT for operations teams

ヘルスケア

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Healthcare

Axios開発者ツールの侵害に対する当社の対応

2026年3月31日、広く使われているサードパーティライブラリ「Axios」がソフトウェアサプライチェーン攻撃により侵害された。OpenAIのmacOSアプリ署名プロセスで使用していたGitHub Actionsワークフローが、悪意のあるAxiosのバージョン（1.14.1）をダウンロード・実行し、コード署名証明書が漏洩した可能性が生じた。

影響範囲

影響を受けたのはmacOSアプリのみで、以下が対象：

ChatGPT Desktop
Codex
Codex-cli
Atlas

iOS・Android・Linux・Windowsおよびウェブ版は影響なし。

OpenAIの対応

サードパーティのデジタルフォレンジック企業と連携して調査を実施
macOSコード署名証明書をローテーション（更新）
新証明書で署名した全macOSアプリの新ビルドを公開
Appleと連携し、旧証明書での新規公証を停止

ユーザーへの影響と対応

2026年5月8日以降、以下のバージョン未満のmacOSアプリはサポート終了・機能停止の可能性あり：

ChatGPT Desktop: 1.2026.051
Codex App: 26.406.40811
Codex CLI: 0.119.0
Atlas: 1.2026.84.2

アプリはアプリ内アップデートまたは公式サイトからのみ更新すること。メールや広告、サードパーティサイトからのインストールは避けること。

ユーザーデータへの影響

ユーザーデータ・パスワード・APIキーへの侵害は確認されていない。不正署名されたOpenAI製アプリの存在も確認されていない。

日付: 2026/04/10
カテゴリ: Security
ソース: Our response to the Axios developer tool compromise

スキルの使い方

スキルとは？

スキルとは、ChatGPTが特定のタスクを実行するための再利用・共有可能なワークフローです。毎回ゼロから始めるのではなく、プロセスを一度定義しておくことで、同じタスクが発生するたびに安定して適用できます。

スキルには以下が含まれます：

名前と説明：ChatGPTがスキルの適用場面を認識するための情報
ワークフロー指示：通常「SKILL.md」というファイルに記述されたステップバイステップの手順
リソース：テンプレート・例・ブランドガイドラインなど、ワークフローに必要な補助資料

スキルを使うメリット

一貫性：セクションの抜け漏れやトーン・フォーマットのブレを防止
ベストプラクティスの内包：専門家承認済みのワークフローを日常業務に組み込める
ノウハウの共有：チーム全体が同じ標準プロセスをChatGPT上で利用可能
横断的な再利用：一度作成すれば、さまざまなチャットやユースケースに適用できる

SKILL.mdファイルとは？

SKILL.mdはスキルの「プレイブック」で、ChatGPTがワークフローを一貫して実行するための指示をMarkdown形式で記述したテキストファイルです。プレーンテキストのため、ツール間での共有・バージョン管理・再利用が容易で、オープンスタンダードとして設計されています。

SKILL.mdには以下を定義します：

スキルの目的
必要な入力情報
ステップバイステップの手順
出力フォーマット
完了前の最終チェック項目

スキルの作り方と使い方

繰り返し行うタスクを選ぶ：月次レポートや定期的な経営報告など、一貫性が重要な業務が最適
スキルのパターンを選択する：
- 再利用可能なプロセス（複数ステップのワークフロー）
- ツール連携型ワークフロー（特定システムからの情報取得）
- 規約・標準の適用（トーン・フォーマット・品質基準の統一）
ChatGPTにスキルを作成させる：新しいチャットで「Build me a skill…」と入力し、作りたいスキルの説明を続ける
レビューしてインストール：生成されたドラフトを確認・修正し、「インストール」を選択

💡 ヒント：複雑なワークフローは、一つの大きなスキルにまとめるより、小さなスキルに分割して組み合わせる方が効果的です。

スキル・GPT・プロジェクトの使い分け

ツール	役割
スキル	特定タスクの実行方法を教える再利用可能なワークフロー
GPT	チームの専門性を拡張する目的特化型のChatGPTカスタムバージョン
プロジェクト	同じコンテキスト・ファイル・会話を共有しながら目標に向けて作業する場

部門別の活用例（一部抜粋）

部門	再利用プロセス	ツール連携	規約・標準
マーケティング	キャンペーンブリーフ作成	マルチチャネル実績レポート	ブランドボイスに沿ったコンテンツ修正
営業	商談メモから次のアクションへ変換	Salesforce案件ヘルスチェック	アウトバウンドメールのパーソナライズ
財務	月次決算ナラティブ作成	予算対実績の差異説明	財務メモの標準フォーマット化
エンジニアリング	設計書から実行計画へ変換	スプリント計画ノートからJiraチケット生成	PRの説明・リリースノートの標準化
法務	契約書レビューサマリー作成	ナレッジベースからのポリシーQ&A	社内法務メモの標準フォーマット化

日付: 2026/04/10
カテゴリ: OpenAI Academy
ソース: Using skills

Anthropic

AnthropicがGoogleおよびBroadcomとのパートナーシップを拡大、次世代コンピュート数ギガワット規模へ

日付: Apr 6, 2026
カテゴリ: Announcements
ソース: Anthropic expands partnership with Google and Broadcom for multiple gigawatts of next-generation compute

Project Glasswing

プロジェクト概要

AnthropicがAWS、Apple、Cisco、Google、Microsoft、CrowdStrikeなど主要テクノロジー企業と連携し、世界の重要ソフトウェアを守るための新イニシアチブ「プロジェクト・グラスウィング」を発表。中核となるのは、Anthropicが開発した未公開フロンティアモデル「Claude Mythos Preview」で、AIがソフトウェアの脆弱性発見・悪用において最高レベルの人間を超える能力を持つことが示された。

サイバーセキュリティの現状と脅威

銀行・医療・電力インフラなど社会基盤を支えるソフトウェアには常にバグが存在し、サイバー攻撃による被害は年間約5,000億ドルに上ると推計される。AIの進化により、脆弱性の発見・悪用に必要なコストや専門知識のハードルが劇的に低下しており、悪意ある攻撃者への悪用リスクが高まっている。

Claude Mythos Previewの発見事例

Mythos Previewはすでに主要OS・ブラウザを含む数千件のゼロデイ脆弱性を自律的に発見した。主な例として：

OpenBSDに潜む27年前の脆弱性（リモートクラッシュ可能）
FFmpegに潜む16年前の脆弱性（自動テストで500万回見逃されていた）
Linuxカーネルの複数脆弱性を連鎖させた権限昇格攻撃

これらはすでに開発者へ報告・修正済み。

ベンチマーク性能

評価項目	Mythos Preview	Opus 4.6
CyberGym（脆弱性再現）	83.1%	66.6%
SWE-bench Verified	93.9%	80.8%
Terminal-Bench 2.0	82.0%	65.4%
GPQA Diamond	94.6%	91.3%

取り組みの具体的内容

1億ドル相当のモデル利用クレジットを参加組織に提供
40以上の重要ソフトウェアインフラ組織にアクセスを拡大
Linux Foundation・Apache Software Foundationへ計400万ドルを寄付
90日以内に発見した脆弱性・改善内容を公開報告予定

今後の展望

Mythos Previewは一般公開しない方針だが、将来的には安全なサイバーセキュリティ用途での展開を目指す。政府機関との連携も進めており、民主主義国家がAI技術で優位を保つことが国家安全保障上の重要課題と位置づけている。業界横断の独立した第三者機関設立も視野に入れている。

日付: Apr 7, 2026
カテゴリ: Announcements
ソース: Project Glasswing

AI加速型攻撃に備えるセキュリティプログラムの準備

AIモデルの急速な進化により、脆弱性の発見・悪用に必要なスキルや時間が大幅に短縮されている。今後24ヶ月以内に、長年見過ごされてきたバグがAIによって発見・悪用される時代が来る。しかし防御側もAIを活用することで対抗できる。以下はAnthropicのセキュリティチームによる実践的な推奨事項である。

パッチ適用の遅れをなくす
脆弱性レポートの大量増加に備える
リリース前にバグを発見する
既存コードの脆弱性を発見する
侵害を前提とした設計をする
公開範囲を縮小・把握する
インシデント対応時間を短縮する

セキュリティチームがない組織向けのアドバイス

OSやアプリの自動アップデートを有効化する
データベース・認証・メールはマネージドサービスに任せる
パスキーまたはハードウェアセキュリティキーを全アカウントで使用
GitHubのDependabot・シークレットスキャン・CodeQLを有効化（無料）
オープンソースプロジェクトはSECURITY.mdを公開し、報告窓口を明示する

日付: Apr 10, 2026
カテゴリ: Agents
ソース: Preparing your security program for AI-accelerated offense

エージェントの視点で見る：Claude Codeにおけるツール設計の考え方

日付: Apr 10, 2026
カテゴリ: Claude Code
ソース: Seeing like an agent: how we design tools in Claude Code

マルチエージェント連携パターン：5つのアプローチとその使い分け

パターン1：ジェネレーター・ベリファイアー（Generator-Verifier）

仕組み：生成エージェントが出力を作成し、検証エージェントが評価。不合格なら修正フィードバックを返し、合格するまでループ
適した場面：コード生成・ファクトチェック・コンプライアンス確認など、品質基準が明確な場合
弱点：検証基準が曖昧だと機能しない。ループが収束しない場合は最大試行回数と代替戦略が必要

パターン2：オーケストレーター・サブエージェント（Orchestrator-Subagent）

仕組み：リードエージェントがタスクを分解・委任し、サブエージェントが担当部分を実行して結果を返す
適した場面：タスク分解が明確で、サブタスク間の依存が少ない場合（例：コードレビューの各チェック項目）
弱点：オーケストレーターが情報のボトルネックになりやすく、逐次実行では速度向上が得られない

パターン3：エージェントチーム（Agent Teams）

仕組み：コーディネーターが複数のワーカーエージェントを起動し、各エージェントが独立して長期間タスクをこなす。エージェントはタスク間でコンテキストを保持し続ける
適した場面：独立した長期サブタスクが並列で走る場合（例：大規模コードベースの移行）
弱点：エージェント間の情報共有が難しく、共有リソースへの競合が発生しやすい

パターン4：メッセージバス（Message Bus）

仕組み：エージェントがトピックをパブリッシュ／サブスクライブし、ルーターが適切なエージェントにイベントを配信
適した場面：イベント駆動型パイプラインで、ワークフローが事前に決まっておらず、エージェント数が増える可能性がある場合（例：セキュリティ運用の自動化）
弱点：イベントの追跡・デバッグが難しく、ルーターの誤分類がサイレント障害につながる

パターン5：共有ステート（Shared State）

仕組み：中央コーディネーターなしに、全エージェントが共有データストアを読み書きして協調。あるエージェントの発見が即座に他のエージェントに反映される
適した場面：エージェントが互いの発見を活かしながら協調する調査・研究タスク（例：複数視点からのリサーチ統合）
弱点：重複作業や反応ループが発生しやすい。終了条件（時間制限・収束閾値など）を明示的に設計することが必須

パターンの選び方まとめ

状況	推奨パターン
品質重視・明確な評価基準あり	ジェネレーター・ベリファイアー
タスク分解が明確・サブタスクが短期	オーケストレーター・サブエージェント
独立した長期並列タスク	エージェントチーム
イベント駆動・エージェント数が増加傾向	メッセージバス
協調的な調査・発見の共有が必要	共有ステート
単一障害点を排除したい	共有ステート

多くのケースではオーケストレーター・サブエージェントから始めることが推奨されています。最も広い問題に対応でき、調整コストも最小限です。実運用では複数パターンを組み合わせることも一般的です。

日付: Apr 10, 2026
カテゴリ: Agents
ソース: Multi-agent coordination patterns: Five approaches and when to use them

アドバイザー戦略：エージェントの知能を強化する方法

コストと性能のバランスを重視する開発者向けに、アドバイザー戦略が登場。Opusをアドバイザー、SonnetまたはHaikuをエグゼキューター（実行役）として組み合わせることで、Opusレベルの知性をSonnet並みのコストで実現できる。

仕組み

SonnetまたはHaikuがタスクをエンドツーエンドで実行
判断に迷った場面でのみOpusに相談し、計画・修正・停止シグナルを受け取る
Opusはツール呼び出しやユーザー向け出力は行わず、ガイダンスのみを提供
従来の「大きなモデルが小さなモデルに委任する」パターンとは逆の発想

日付: Apr 9, 2026
カテゴリ: Product announcements
ソース: The advisor strategy: Give agents an intelligence boost

Claude Coworkをエンタープライズ対応に

日付: Apr 9, 2026
カテゴリ: Product announcements
ソース: Making Claude Cowork ready for enterprise

Claude Managed Agents：本番環境への導入を10倍速く

日付: Apr 8, 2026
カテゴリ: Product announcements
ソース: Claude Managed Agents: get to production 10x faster

Carta HealthcareがAIに臨床アブストラクターのような推論をさせる方法

日付: Apr 8, 2026
カテゴリ: Enterprise AI
ソース: How Carta Healthcare gets AI to reason like a clinical abstractor

Claude Codeでサブエージェントを使うタイミングと方法

サブエージェントとは？

サブエージェントは、独自のコンテキストウィンドウを持つ独立したClaudeインスタンスです。タスクを受け取り、作業を完了し、結果だけをメイン会話に返します。複数のサブエージェントを並列実行でき、それぞれ異なる権限（読み取り専用／編集可能など）を設定できます。

サブエージェントを使うべき場面

調査が多いタスク：大量のファイルを読む必要がある場合、サブエージェントに探索させて要約だけを受け取ることでメイン会話をクリーンに保てる
独立した複数タスク：互いに依存しない作業は並列実行で時間を短縮できる
フレッシュな視点が必要な場合：会話履歴の影響を受けない客観的なレビューが得られる
コミット前の検証：独立したサブエージェントが実装の問題点を発見できる
パイプラインワークフロー：設計→実装→テストのように段階的なフェーズがある場合

サブエージェントの呼び出し方法

会話での呼び出し：「サブエージェントを使って〇〇を調べて」と自然言語で指示するだけで動作する
カスタムサブエージェント：.claude/agents/ にMarkdownファイルとして定義し、セキュリティレビュアーやテスト作成者などの専門家を再利用可能な形で登録できる
CLAUDE.md：コードレビュー時は常に読み取り専用サブエージェントを使うなど、チーム全体で一貫したルールを定義できる
スキル（Skills）：.claude/skills/ に定義し、複雑な繰り返しワークフローを /スキル名 で呼び出せる
フック（Hooks）：コミット前に自動でテストを実行するなど、特定のイベントに連動して自動起動できる

実践的なパターン

実装前の調査：未知のコードベースへの機能追加前にサブエージェントで調査し、要約を受け取ってから実装を議論する
並列修正：複数ファイルへの同一パターン適用を並列サブエージェントで同時実行する
独立レビュー：実装後、会話履歴を持たないサブエージェントに客観的なレビューを依頼する
パイプライン処理：設計→実装→テストを別々のサブエージェントで順番に担当させる

サブエージェントを使わない方が良い場面

順序依存のある連続した作業
同一ファイルへの並列編集（競合が発生する）
小さなタスクや簡単な質問
専門エージェントを作りすぎること（自動委任の精度が下がる）
サブエージェント同士が連携する必要がある場合（その場合は「エージェントチーム」を使う）

日付: Apr 7, 2026
カテゴリ: Claude Code
ソース: How and when to use subagents in Claude Code

Figma

Figma AIツールがキャンバスにさらなる楽しさをもたらした方法

Figmaでは毎年4月1日に「April Fun Day」と呼ばれる社内ハッカソンを開催し、コミュニティへのサプライズを届けている。今年はFigma Make・Figma Weave・Figma MCPサーバーを活用し、キャンバス上で遊べる6つのミニゲーム「FigCade」をわずか数日で完成させた。

スピードとコラボレーションを両立

Figma Makeを使ってアイデアをすぐにプロトタイプ化。例えば「2Fast2Figma」クイズは日曜の朝に着想し、同日午後には動くプロトタイプが完成した。
Figma Weaveでフェルト素材のカーソルなどビジュアルアセットを短時間で大量生成。April Fun Dayのトレーラー動画もWeaveを活用し、わずか1日で制作・完成させた。
Figma MCPサーバーを通じてClaudeやGitHub Copilotと連携し、デザインコンポーネントのリンクを貼るだけでデザイン仕様に忠実なコードを自動生成できた。

日付: 2026/04/09
カテゴリ:
ソース: How Figma AI tools helped us bring extra delight to the canvas

プロンプトからスケーラブルな5つのワークフローへ：Figma Weaveの活用法

Figma Weaveは、AIモデルを組み合わせてビジュアル制作を自動化・スケール化できるクリエイティブワークフローキャンバスです。架空のブランド「Epoch」のアセットを使った5つのワークフローを紹介します。

ワークフロー1：2枚の画像を組み合わせて新しいスタイルガイドを定義する

ハイビスカスの花と岩肌の2枚の参照画像を「Image Describerノード」で分析し、それぞれの視覚的特徴（テクスチャ・色・ライティングなど）を抽出。2つの説明文を組み合わせて新しいスタイル定義を作成し、複数の画像生成モデルで検証することで、再利用可能なスタイルガイドを完成させました。

ワークフロー2：複数のアスペクト比でバリエーションを生成する

ワークフロー1で作成したスタイル定義を「Any LLMノード」に入力し、新しい被写体（ベゴニア）に適用。同じビジュアルロジックで6種類のバリエーションを生成し、さらに1枚のお気に入り画像から1:1・967×420px・9:16の3つのアスペクト比を自動生成。Figma Designにそのまま活用できる状態で出力されます。

ワークフロー3：複数のディストーション効果を比較検討する

ワークフロー2で生成した花×岩×植物の画像に、Epochのブランドが持つ「変形・歪み」エフェクトを一括適用。8種類の異なるディストーション効果を同時に生成・比較することで、手作業の反復作業を省きながら最適なエフェクトを自信を持って選択できます。

ワークフロー4：画像を3Dモデルに変換する

葉・サボテン・岩などのブランド素材を参考に新しい白い岩を生成し、前後左右4方向のビューを作成。「Rodin 3D V2」に通すことで自由に回転できる3Dモデルを生成。撮影や再撮影なしに、任意のアングルから構図を決定できます。

ワークフロー5：複数の要素を合成してビデオレンダリングを作成する

ワークフロー4のホームページに動きのある参照アニメーションを組み合わせ、「3DノードとKling Elementノード」を使って3D岩を独立してアニメーション化。完成した動画はFigma Weaveからエクスポートし、Figma Designに戻して開発チームへ引き渡せます。

日付: 2026/04/09
カテゴリ:
ソース: Turning prompts into five scalable workflows with Figma Weave

bancom

株式会社バンコム代表山口清秀