0924 | AI最前線：声とエージェントが変える仕事のかたち

葵: 皆さん、こんにちは。葵です。

悠真: 悠真です。今日も一日のプロダクトニュースを、深掘りしていく番組ですね。今日は大きく、コミュニケーションの話から始めて、マーケティングの自動化、クリエイターの共同作業、そしてエージェント基盤と運用まで、幅広くいきます。

葵: そうですね。全体的に見ると、今日のラインナップは「AIが実務に組み込まれていく」っていうテーマでつながっています。翻訳がリアルタイムになったり、マーケが丸ごと自動化されたり、エージェントに仕事を任せたり。しかも任せるなら採点したり安全装置をつけたり、記憶を共有したり、というのが一連の流れとして見えてくるんですよね。

悠真: うん。じゃあ早速、リアルタイム翻訳の話から。Speechkaっていうプロダクトなんですが、これがなかなか面白い。

葵: Speechkaは、音声をリアルタイムで翻訳するんですけど、ポイントは「あなた自身の声で」翻訳してくれるところです。44の言語に対応していて、遅延は約1.5秒。

悠真: 1.5秒って、実際の会話の中だとほぼ「通訳さんがいる」レベルの感覚ですよね。相手が話し終わるのを待って、っていうのでもなく、流れの中でどんどん翻訳が流れていく。

葵: しかもmacOSとWindowsのネイティブアプリとして使えて、ブラウザ版が無料で提供されている。だから「まず試してみる」っていうハードルが低いんですよ。

悠真: なんでこれが重要かっていうと、通訳とか言語の壁っていうのが、特別なサービスを頼む話じゃなくて、日常ツールのレベルに落ちてきたっていうことなんですよね。以前なら「国際会議で通訳をつける」とか「翻訳会社に頼む」とか、そういう話だったのが、デスクトップアプリとブラウザで済むようになってきた。

葵: そうですね。しかも「自分の声で」っていうのが意外と大きくて。AIが合成した他人の声で喋られると、聞いている側に「これは通訳の人が言ってるんだな」という距離感が生まれるんですが、自分の声で喋られると、まさに「私がその言語で喋っている」みたいな感覚になる。

悠真: そう、プレゼンテーションとか、営業の電話とか、そういう場面では特に「自分の声」っていうのは信頼感につながる部分ですよね。

葵: で、これと対になるようなプロダクトが、macOS向けのLinguo Translate。

悠真: これはメニューバーに常駐して、22言語をオフラインで翻訳してくれる。しかも、基盤としてApple Translationを使っているので、ネット接続がなくても動く。任意でAIを足すこともできて、価格は3.99ユーロ。

葵: オフラインっていうのが、これも重要なポイントでしてね。リアルタイム翻訳って、ネットに依存すると、会議室のWi-Fiが弱いとか、海外でデータが不安定とか、そういう環境でつまずくわけです。

悠真: うん。だから、Speechkaのような低遅延のクラウド型と、Linguo Translateのようなオフライン型の組み合わせが、今後の標準になっていく可能性があるっていう見方ですね。シーンによって使い分ける、というか。

葵: ただ、未知の部分もあります。長時間の会話で精度がどう落ちるのか、方言にはどこまで対応できるのか、このあたりはまだ確認できていない。44言語って言っても、母語レベルのニュアンスを全部カバーしているとは限らないので、そこは使う人間が試してみないとわからない。

悠真: そうですね。まあでも、1.5秒の遅延とオフラインの選択肢が同時に出てきたっていうのは、翻訳ツールの実用度が一段上がった、と見ていいと思います。

葵: さて、ここから話がつながるんですけど。翻訳という「コミュニケーションの壁」が低くなると、次に壁になるのは、自分の言葉で文章を書く作業、つまり返信やメッセージのトーンだったりするわけです。

悠真: あ、なるほど。そういう文脈で、ToneBirdというプロダクトが出てきています。これはMacとWindowsで動くAI返信アシスタントでして。

葵: 特徴は、あなたの「人間関係」と「トーン」を記憶しているところ。GmailやSlackで返信の下書きを作ってくれるんですが、ただ生成するだけでなく、その相手との関係性を踏まえたトーンで書いてくれる。

悠真: そして、ユーザーが最終的に読み直してから送信する、っていう設計になってる。ここは重要で、AIが勝手に送信するんじゃなくて、下書きの段階で人間が確認するフローなんですよね。

葵: 先ほどの翻訳の話と合わせると、「言葉の壁」をAIが下げてくれて、「トーンの壁」もAIが下げてくれる、と。コミュニケーション全体がAIアシストの土台に乗ってきた、という流れが見えてきます。

悠真: では、次の話題。翻訳や返信みたいな個人レベルの支援から一歩進んで、マーケティング実務を丸ごと自動化する話です。Naise AIというプロダクト。

葵: Naise AIは、自律型のマーケティングエージェントを提供しています。SNS運用、インフルエンサーマーケティング、PRを、人間に代わってエージェントが実行してくれる。価格は月59.90ドルから。

悠真: そして、このプロダクトは「週40時間の削減」と「コスト80%削減」を主張しています。ここは注意して見るべきで、あくまでメーカーの主張であって、検証された結果ではないですよね。

葵: そう。40時間っていうのは、ほぼ週5日・フルタイム相当のマーケティング業務を全部置き換えるっていう計算になりますから、かなり大胆な数字です。実態は使ってみないとわからない。

悠真: でも、なぜこれが重要かというと、マーケティング実務の「一部の作業を補助する」のではなく、「SNS、インフルエンサー、PRという領域を丸ごと執行する」という位置づけになってきてる点なんですよ。これまでは、文章生成のAIとか、画像生成のAIとか、部分的なツールが多かった。

葵: うん。だから、効果検証とコンプライアンスが、これからの争点になってくると思います。エージェントが勝手に投稿したり、インフルエンサーと連携したりするわけですから、誤情報や不適切な内容を出した場合の責任の所在、っていうのは明確にしておかないといけない。

悠真: そして、マーケティングの実行と関連してくるのが、収益化のプラットフォーム側の話。Dub Program Marketplaceです。

葵: これは、SaaSのアフィリエイトプログラムを閲覧して、そこに応募できるプラットフォームです。Framer、Granola、Superhumanなど、有名どころのプログラムが集まっています。

悠真: Naise AIがマーケを自動化する側だとしたら、Dubはマーケで成果を出した人が収益化する側のインフラ。自動化されたマーケと、プログラムのマーケットプレイスが揃ってくると、個人でもSaaSのアフィリエイトで収益化しやすくなる、という構図です。

葵: 加えて、RankControlというプロダクトもありました。こちらは7つのAIエージェントが、自分のドメインにコンテンツを作成して公開し、6つのAI検索エンジンの中で引用されているかを追跡します。単一プランで7日間の試用がある。

悠真: あ、これも面白い位置づけで。マーケティングというか、コンテンツマーケティングをエージェントに任せて、しかも成果を「AI検索エンジンに引用されているか」という新しい指標で測るわけです。

葵: Naise AIとRankControlを比べると、Naise AIはSNSやPRの執行で、RankControlは自社サイトへのコンテンツ公開と、AIサーチでの可視性の追跡。自動化の範囲がちょっと違うんですよね。両方とも「マーケの実務をエージェントに任せる」という方向性では共通している。

悠真: うん。マーケの実務を丸ごとエージェントに、という流れの中で、次はクリエイター側の共同作業の話に移りましょう。Pacttoというプロダクトです。

葵: Pacttoは、クリエイティブチーム向けの「永続的なAIルーム」を提供します。そこでビデオレビューをスタジオ品質で行えて、しかもエージェントがフィードバックをライブで反映してくれる。そして重要なのが「文脈を保持している」こと。

悠真: 永続的なルームっていうのがポイントでして。プロジェクトごとに slack のチャンネルみたいに部屋が残っていて、その中での議論の文脈、過去のフィードバック、過去の修正履歴が全部保持される。だから、毎回新しいセッションで「あの話、どこまででしたっけ」となることがない。

葵: そして、エージェントがフィードバックをライブで反映するというのは、レビューで「ここをこう直して」と言ったら、その修正がそのまま作業として進む、というイメージです。レビューと修正がワンループになって、反復が高速化する。

悠真: これが重要なのは、クリエイティブの現場っていうのは、往々にして「レビューがボトルネック」だからですよね。監修者がコメントして、制作者が直して、またレビューして……っていうのを、遅延なく回せるようになると、制作スピードが変わる。

葵: この文脈で、周辺のツールも見てみましょう。CodeSpotlightは、IntelliJ IDEAのプラグインでして、選択したコードをアニメーションでハイライト表示してくれます。チュートリアル動画の制作者やストリーマー向け。

悠真: あ、これはコードを画面で解説するときに、「今ここを見てください」って視線誘導をきれいにできるやつですね。

葵: そしてLightmeter。これはiOSアプリで、ポーズメーターとカメラの機能を組み合わせています。本物のRAW撮影に対応していて、しかもAIもクラウドも使わない。カメラ機能は無料で、Plus版が有料。

悠真: LightmeterとPacttoを合わせてみると、面白いんですよ。Lightmeterは「撮影・収録」の現場を、AIなしの純粋な技術で支える。Pacttoは「レビュー・修正」の工程を、AIで回す。つまり、制作の上流と下流で、それぞれ違うアプローチのツールが出てきてる。

葵: そうですね。Pacttoの側は「エージェントに任せる」方向で、Lightmeterの側は「AIを入れない」方向で。クリエイターの各工程で、どう自動化するか、どうしないかの選択が進んでいる、と。

悠真: 未知なのは、大規模チームで使ったときのコストと、他のツールとの統合範囲です。ここは今後確認していく必要があります。

葵: さて、ここからが今日の後半戦、エージェント基盤の話に入っていきます。ここが一番ホットな部分かもしれません。

悠真: まずモデル側から。Anthropicから、Claude Opus 5.5が出ました。これは5.5系ファミリーの最初のモデルです。

葵: 特徴としては、エージェント的なコーディングと知識の強化が挙げられていて、しかもOpus 5より40%安価になっています。

悠真: 40%安いっていうのは大きいですね。エージェントを使った長時間のタスクというのは、トークンを大量に消費するので、コストが下がると、これまで割に合わなかったワークロードが現実的になる。

葵: そして、モデルだけじゃなくて、実行環境の側も進んでいます。Solidというプロダクトでして、これは「AIエージェントに専用のコンピュータ、専用のアカウント、専用の予算を持たせる」という発想です。

悠真: ターゲットは長時間のタスクで、エージェントが数時間〜数日かけて仕事をする場合に、ユーザーのPCやユーザーのアカウントを汚さずに、エージェントが自分の環境で作業する、というもの。チームはMIT、Berkeley、Waterlooのメンバーで構成されていて、600万ドルを調達しています。

葵: なぜこれが重要かというと、モデルと実行環境の両面で「エージェントに任せる」前提が揃いつつある、ということなんですよ。モデルが賢くて安くなって、実行環境が独立して安全に。これが揃うと、「エージェントにこの仕事を丸ごと頼む」っていう使い方が標準になってくる。

悠真: うん。今後は、長時間タスクの信頼性が評価軸になってくると思います。今までは「賢いかどうか」がモデルの評価軸だったのが、「何時間連続で動いて、正しく完了できるか」という軸が加わる。

葵: ここで、補足的な情報もありました。AlexandriaはFirecrawlが出しているデータライブラリで、MCP、CLI、API経由でAIエージェントから使えます。回答の品質が21%向上するという主張があり、Series Bで7500万ドルを調達しています。

悠真: そしてGBrain。これはmarkdown形式の共有メモリと、接続されたアカウントを、すべてのAIから利用可能にするものです。チームワークスペースは初月99ドル、以降は月199ドル。

葵: AlexandriaとGBrainを合わせて見ると、エージェントに「知識」と「記憶」を与えるインフラが整ってきてるっていうことがわかります。エージェントを任せるには、参照するべき情報と、過去の経緯を保持する場所が必要なんですよね。

悠真: さて、基盤が揃ってくると、次に必要になるのは運用です。エージェントを走らせっぱなしにしていいのか、ちゃんと評価して、安全にするにはどうするのか。ここには二つのプロダクトがあります。

葵: 一つはAgentScore。これはLatitudeが出しているもので、本番環境で動いているエージェントを、毎日採点します。評価軸は5次元で、「結果」「信頼性」「コスト」「速度」「安全性」。オープンソースで提供されています。

悠真: 5次元っていうのがよくできていて、「賢いか」だけじゃなくて、動いた結果の質と、運用コストと、処理速度と、安全側のリスクまで、一つのスコアで見られるんですよ。

葵: もう一つはKoreshield。こちらは、カスタマーサポート用のAIエージェントの安全化に特化しています。顧客からのメッセージ、RAGで参照されるコンテンツ、そしてエージェントが呼び出すツールの呼び出しを、それぞれフィルタリングします。

悠真: 導入の流れもよくできていて、最初は「検出モード」で動かして、問題がないかを観察する。そのあとで「強制モード」に切り替えて、実際にブロックする。そして、すべてのログが記録される。

葵: この二つが重要なのは、エージェントの運用における「評価」と「安全装置」が、独立したプロダクトとして成り立つレベルになった、ということなんですよ。基盤と運用ツールが揃うと、エージェントの実運用が一気に進む。

悠真: 今後は、監視とガードレールの標準化が進む見込みですね。ただ、未知なのは、異なる会社のエージェントスコアを比較することはまだ難しい、という点です。AgentScoreがオープンソースで5次元の軸を提供しているので、ここが標準化の足がかりになる可能性はあります。

葵: さて、最後の話題です。エージェントの運用まで整うと、最後に残るのは「エージェントが学んだことをどう蓄積するか」。記憶とテストの話です。

悠真: まずGBrainの話を、もう少し深掘りしましょう。先ほど軽く触れましたが、これはmarkdown形式でメモリを共有して、接続されたアカウントも含めて、すべてのAIからアクセスできるようにするものです。

葵: チームワークスペースの価格は初月99ドル、以降は月199ドル。markdownというのがポイントでして、特別な形式じゃなくて、誰でも読めるテキストで記憶を保持する。

悠真: markdownでやっておくと、エージェントが変わっても、AIが変わっても、メモリの部分はそのまま使える。人間も読めるので、中身を確認しやすい。

葵: そして、Jev State。これはAIとの会話を、実行可能なTypeScriptのテストとコードに変換するものです。JSONとSKILL.mdをエクスポートできて、無料・オープンソースで提供されています。

悠真: これが面白いのは、AIとの対話って、普通は会話が終わると消えちゃうわけですが、それを「テスト」として残せる。つまり、「こういう挙動を期待した」という会話が、そのまま回帰テストになる。

葵: そう。エージェントの開発で一番つらいのは、同じ失敗を繰り返すことなんですが、会話をテストに変換できると、「前はこういう問題があった」という知識が、コードとして資産化される。

悠真: この二つ、GBrainとJev Stateを合わせると、エージェントの「記憶」と「再現性」が、チームの資産になる、という話なんですよね。記憶はmarkdownで共有し、再現性はテストコードで保存する。

葵: 今後は、ナレッジの標準化フォーマットが、各社で争われる可能性があります。SKILL.mdとか、markdownのメモリとか、今は各ツールが独自の形式を出しているので、どれが標準になるかはまだわからない。

悠真: 未知なのは、複数のツール間の互換性ですね。GBrainのメモリと、Jev StateのSKILL.mdが、そのまま連携するのか、それとも変換が必要なのか。ここは今後の動向を見ていく必要があります。

葵: というわけで、今日はリアルタイム翻訳から始まって、マーケの自動化、クリエイターの共同作業、エージェントの基盤と運用、そして記憶とテストまで、一気に駆け抜けました。

悠真: 全体を通して見ると、AIが「部分的な補助」から「実務を任せられる存在」へと、インフラごと変わっていっている、というのが今日の流れでしたね。コストが下がって、実行環境が整って、評価と安全装置が揃って、記憶が共有できるようになる。

葵: それでは、また明日。お疲れさまでした。

悠真: ありがとうございました。