AIが人間そっくりに喋る時代｜生成AI4月激震まとめ

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。

いやー、この回はほんとに盛りだくさんでした。GPTs研究会の朝LIVE、ゴールデンウィークのただっち回は「2025年4月のまとめ」。積さんとジーニーさんをお迎えして、この一ヶ月に起きた生成AIの動きを片っ端から総ざらいしていく企画です。O3が写真から場所を言い当てる話に始まって、ChatGPTのメモリー機能、Canvaでゲームまで作れる話、NotebookLMがついに日本語で喋ってくれるようになった話。そして最後は、人間そっくりに喋るAI動画に、みんなで言葉を失った瞬間まで。1時間、ノンストップでお届けします。

▶ この話題を動画で見る（03:33〜）

今日いちばん最初に私が「うわ」ってなったのは、この話でした。積さんが女子大生に向けてよく話すという、写真から場所がバレる件。まずは私の今の立ち位置から。

ひろくん（03:33〜）

「僕は今、家事と子育ての隙間でAI競争コンサルタントをしております。昨年末に代表になってから、また改めて自分の、ますます社長無人化計画っていうのが実現しないといけないなって思いつつも、この劇的進化、4月の、今月というか先月からの進化で、いよいよもう実装段階に来たなと思っています。」

まさにこの実装段階、を体感したのがこの話でした。積さんがO3に、ある写真をそのまま解析させたんです。SNSに上げるような、なんてことのない一枚。写っているのは風景だけ。なのに——

積さん（03:33〜）

「マンハンタン橋の北側の歩道からチャイナタウンのイーストブロードウェイを見下ろした光景であるということで、きっちりと場所が特定できてるわけなんですね。向こう側のビルの名前も全部出てきて、この情報いるかどうかわからないけど、蒸気と霧が混じる典型的なローマ・マンハンタンの眺めだって書いてあるんですね。そういうふうなことが詳しく出てくるっていうところなんですね。」

場所、バレる。一発で。橋の名前どころか、向こうのビルの名前まで言い当てる。積さんはさらに別の写真も見せてくれて、今度は「橋ではなく歩道の欄干です」と、素材まで細かく特定してみせたそうです。しかも試行の過程は本人にも全部は見せてくれない。答えだけポンと出てくる。ここ、地味に怖いところだと私は思いました。

いやー、これね……何が怖いって、私たちが「これくらいなら大丈夫でしょ」って思ってる感覚が、もう全然追いついてないってことなんですよ。橋一本、ビルの角一つ。人間の目には「ただの背景」でも、O3にとっては場所を特定する立派な手がかりになる。しかも本人に理由を全部は見せてくれないまま、答えだけをスッと出してくる。——便利。でも、その便利さの裏側で、自分が思ってる以上に情報を差し出しちゃってるかもしれない。そこは頭の片隅に置いときたいなあ、と。

私が思わず口にしたのは、昔の常識のことでした。「位置情報とか情報消しましょうね」って、写真をアップするときによく言われてたあの対策。でも積さんに言わせると、それはもう通用しない。写っている看板の切れ端や山の稜線の形からでも、AIはどんどん場所を絞り込んでくる。積さんが実際に、学生と一緒に撮った入学式の記念写真でも試したところ、背景にほとんど写っていないはずの手がかりから撮影場所を割り出されて、「すっげー」と唸ったそうです。

この解析力、写真だけじゃなくて動物にも向いてました。犬の表情から気持ちを読み取る話、猫はわかりにくい、カメはさらに読みにくいという雑談に、私は「犬とか猫とか赤ちゃんとかと話もできそうですね」と混ぜっ返しました。積さんも「ペット系はいいかもしれない」と乗ってくれて、笑いに変わった場面でしたが——同じ解析力が、写真一枚から住んでいる場所まで割り出す力でもある。便利と怖いは、いつも背中合わせなんだなあと、この回の最初から思い知らされました。

▶ この話題を動画で見る（14:53〜）

次のテーマは、ChatGPTのメモリー機能強化。これも4月の話だったと積さんが言うので、私は「もうそんな前のことだったんだ」と驚きました。ただっちはこの機能を、講座の中でもう積極的に使い倒しているそうです。

ただっち（14:53〜）

「はい、僕結構これは意図的にやってる部分があって、いろんな出版講座とかランニングページ作り講座みたいなのやってるので、あえてもうメモリさせてねっていうところまでをワークとしてやって、で、覚えさせてから、じゃあ自分の書きたいものを書こうとかっていうところをやってますね。一方で、まあ結構機密の厳しい人たちは、メモリー機能をつけるなんていうのはゴハッとみたいな、そういう考え方の人たちも一部でいるんだなーという、二極化してるなーっていうところ。」

覚えさせる。それだけで、AIは変わる。ただっちの講座では、メモリさせること自体をワークにしてしまう。順番が面白いなと私は感じました。まず覚えさせて、それから「書きたいもの」を書く。この順番、逆にすると多分うまくいかないんですよね。

だってね。AIって、こっちのことを知らないまま「いい文章書いて」って言われても、当たり障りのないやつしか返せない。でも先に『私はこういう人間で、こういうお客さんに、こういう想いで届けたい』って全部覚えさせてから書かせると、急に「あ、こいつ私のこと分かってるじゃん」ってレベルの文章が出てくるんですよ。順番が命。ぶっちゃけ、ここを飛ばして「AIは大したことない」って言ってる人、けっこう多い気がします。

積さんはセミナーで毎回聞かれる質問だと言っていました。「メモリー機能、オンにしていいのか」。この質問、以前は本当に多かったそうです。

積さん（15:38〜）

「当然ながら今日聞いておられる皆さんも、メモリー機能をオンにした方がいいのかどうかという疑問があるかもわかりませんけど、した方がいいに決まってますし、そうしないと多分生成AIの意味がなくなってくるんで、全然大丈夫だと思いますということですね。」

一方で、メモリーなんてとんでもない、っていう機密重視の人たちがいるのも、私はすごく分かるんです。仕事で扱う情報によっては、AIに覚えさせること自体がリスクになる場面もあるでしょ。だからこれ、どっちが正解っていう話じゃなくて——自分が何を扱ってて、どこまで委ねるか。その線引きを自分で決められるかどうか、なんだよなあ。二極化してるって、ただっちの言葉、すごく腑に落ちました。

でね、私もこの機能で一気に体感したことがあります。この1週間の対話の中で重要そうなのに忘れてそうなやつを教えて、とAIに聞いたり、この情報って私にとってどう扱うといいのかな、って聞くだけで答えが返ってくる。積さんも「超便利ですよね」と即答してました。ただ、その裏で「どれだけ自分のこと知ってるんだろうね」という不安がふっと顔を出す瞬間もある。積さんいわく2年半より前のことは知らないらしいんですが、それでも十分すぎるくらい覚えている感じがする。便利と、ちょっと怖い。この二つが同時に来る感覚、この日は何度も味わうことになりました。

▶ この話題を動画で見る（21:24〜）

ここからはCanva（キャンバー）の話。ただっちが前日、ゴールデンウィークで子どもと一緒に「どのAIが一番上手にゲームを作れるか」大会をやったというエピソードから始まりました。

ただっち（21:24〜）

「まさに昨日僕、子供だしとゴールデンウィークで休みだったので、昨日一緒に遊んで、チャットGPTとジェンスパークとクロードとキャンバーだったので、どれが一番上手くゲーム作れるか大会をやりました。そしたら、なんとキャンバー優勝でした。」

ボタン、ゼロ。なのに、優勝。ジェンスパークは動かなかったのに、Canvaはバッチリ動いた。ジーニーさんも「なんかカスタムされてる感じしますよね」と、精度の高さに驚いていました。私も思わず「信者に寄り添ってる感じするもんね」と混ぜっ返しましたが、実際チャットGPTで要件定義してからCanvaに投げると、かなり精度が高いものが出てくるらしいんです。

でね。何がすごいって、これ「プログラミングできる人だけの遊び」じゃないってことなんですよ。ボタンをカチカチ探す必要がない。ただ「こんなゲーム作りたい」って言葉で伝えるだけ。子どもと一緒に、休みの日に、遊びの延長で作れちゃう。——タダで。私、これ聞いてて、遊びと学びの境目がスッと消えていく感じがしたんですよね。

面白かったのは、この技術がそのまま学習教材になっていた点です。ただっちの娘さんが座標マスターを解くのを一緒にやっている画面が共有され、「これ多分8だ、5、マイナス5の5?」なんて掛け合いながら遊んでいました。私はここで「このまま勉強の教材を自分で作れちゃうと思うね」と感じたことをそのまま口にしました。

座標の勉強も、時計の読み方も、クイズも。今までなら「教材を買ってくる」しかなかったものが、自分の子のつまずきに合わせて、その場で作れちゃう。いやー、これは地味だけど、めちゃくちゃデカい変化なんですよ。うちの子がここでつまずいてるな、と思ったら、そこだけの教材をパッと。——親が、先生の道具を持てる時代になったってことなんだよなあ。

ジーニーさんはさらに一歩進んで、実際に学校の先生向けの無料講座で使った教材を見せてくれました。

ジーニーさん（24:04〜）

「画面共有できるんですけど。こないだ学校の先生向けに無料放送を一回やったんですけども、そこに出した10個ぐらいの教材を。これもキャンバーの表というか。これも結構優秀で、このシート自体も優秀なんですけど。これは時計ですよね。小学生の時計の学習教材を作ってみたり、さっき見たクイズですよね。簡単なクイズ類ですね。これは速読シミュレーターです。」

速読の人には文字がどう見えているか、を疑似体験できるシミュレーターまで見せてもらいました。光の三原色は混ぜるほど白に近づき、絵の具の三原色は混ぜるほど黒に近づく——このカラーミキサーの教材も、今まで絵の具を用意しないといけなかったのが、画面の中で全部シミュレートできる。積さんは「未来をまるという感じですね」と表現していましたが、私も同じ空気を感じていました。

▶ この話題を動画で見る（31:18〜）

ここからが本題、と積さんが言っていた通り、この日いちばん盛り上がったのがNotebookLMの話でした。ソースを読み込ませて、音声で掛け合ってくれる機能。これがついに日本語対応したんです。

積さん（31:18〜）

「そのノートブックLMなんですけども、この音声の機能がすごかったんです。これに検索機能を設けなきゃいけないのがさっきあったかな。検索っていうのは今までやったら、ノートブックLMそのものはご存知というふうに前提で喋ってますけど、ノートブックルームっていうのは要するにソースを掘り込んでですね。」

ソースを放り込むだけ、なんですよ。セミナーのPDFでも、自分のブログでも、論文でも。放り込んだら、AIの二人組がそれを読み込んで、勝手に「これってこういうことだよね」「あー、なるほど」って掛け合いを始める。——読むのがしんどい資料ほど、これが効くんです。自分で読まなくても、二人が噛み砕いて喋ってくれるのを、横で聞いてればいい。そういう「聞いて分かる」って体験、地味に革命だと思うんですよね。

無料。しかも、日本語。積さんが実際にセミナー資料のPDFを読み込ませて音声にすると、AIの二人組が本当に掛け合いで喋ってくれる。しかも「えっと」「あのー」みたいなフィラーまで入ってる。フィラーを取るAIは山ほどあるのに、わざわざ入れてくるAIは初めてだと積さんは驚いていました。関西弁でミルクボーイ風にしゃべらせることまでできるそうです。

ここ、私すごく面白いと思ったんですよ。世の中のAIって、だいたい「えっと」「あのー」みたいな無駄を消す方向に進化してきたでしょ。なのにNotebookLMは、わざわざその「あのー」を足してくる。——なんで? って一瞬思うんだけど、聞いてみると分かる。人間くさいんですよ。掛け合いに間があって、詰まって、笑って。だから「ながら聞き」しても、全然疲れない。ラジオを聞いてる感覚に、いちばん近いかもしれない。

私自身、この機能はもう自分の現場で使っています。

ひろくん（35:09〜）

「コンテンツさんのホームページの1ページ1ページのコンテンツ全部ノートブックに入れるようになって、今、対談形式になって、それを動画にして、YouTubeに入れて、それを埋め込んでってやってますけど。」

でね。私が本気で思ってるのは、これから始まるのは「耳の奪い合い」だってことなんです。目で読む時間って、もうスマホでパンパンでしょ。でも耳は——料理しながら、歩きながら、洗濯物たたみながら、まだ空いてる。そこにコンテンツをスッと差し込めるようになった。文字で置いてたものを、AIが勝手に二人組の掛け合いにして、耳に流し込んでくれる。この威力、使い始めると戻れないんですよ。

ユーザーから見たら、耳の奪い合いがこれから始まる。耳は2つしかないのに、聞きたいものはどんどん増えていく。そんな話にもなりました。あ、そうだ。ここで注意点もひとつ出ていました。正式版のNotebookLMアプリはまだ出ていないのに、それっぽい偽アプリがアプリストアに紛れているという話です。開発者の表記を必ず確認して、公式のものだけを使ってほしい、とジーニーさんが強調していました。便利になるスピードと同じくらいのスピードで、こういう罠も増えていくんだなと感じた場面でした。

▶ この話題を動画で見る（49:15〜）

Gensparkのスライド機能の話も出ました。プロンプトはたった一言、「3段階のロジックを考えて」だけなのに、ブランドカラーまで完璧に再現したスライドが出来上がる。しかもエージェントが編集可能になったことで、そのままCanvaに持っていって加工する、なんて技も生まれていました。

たった一言、ですよ。「3段階のロジックを考えて」——それだけで、色も構成もブランドに合ったスライドがバッと出てくる。しかも、出てきて終わりじゃない。エージェントが中身を編集できるようになったから、気に入らないとこだけ直して、Canvaに持ってって仕上げる。——道具と道具が、勝手に手を繋ぎ始めた感じ。この「繋がる」が、今月いちばんのテーマだったなあ。

さらに驚いたのが、Gensparkのインタラクティブページ機能。自分の名前をディープリサーチさせて、そのままプロフィールサイトを作ってしまうという機能です。積さんが実際に作ったウェブサイトを見せてくれて、ちゃんと本物のリンクにも飛ぶ完成度でした。

積さん（49:15〜）

「この段階に来たら。今まで、LP作れるとか言ったって、ベラボーに高かったり、良いものじゃなかったりしてたけど、これなら十分使えるなっていう感じがしてきましたよね。」

繋がる。それだけで、世界が変わる。ここから話はMCPに移りました。AIとデータベースをつなぐ規格で、4月にOpenAIも対応を発表したことで一気に注目度が上がったという話です。積さんが今いちばん推しているのが、Exa（エクサ）という検索エンジンでした。

積さん（52:15〜）

「僕が今推奨してるのがエクサっていう検索エンジンですね、超強力検索エンジン。このエクサのMCVを入れておくと検索が非常に高度な形になりますんで、普通の検索では出てこないようなものが、要するにデータベースと直接つながってるわけですから、研究論文を調べるのにすごくいいということで、僕、皆さんにお伝えしました。」

普通の検索エンジンでは出てこなかった論文まで拾ってくる。私は思わず「これを使う人と使えない人でまさに万倍の差がここだけで出ちゃいます」と口にしました。さらに数日前には、GoogleドライブやGoogleカレンダー、Gmail、GitHub、そしてZapierまでをワンクリックで繋げる「インテグレーション」機能もリリースされたばかり。Zapierが入っているということは、ほぼあらゆるサービスに間接的に繋がれるということです。設定の面倒さがどんどん消えていく。ぶっちゃけ、この繋がる速度についていくだけで精一杯だなと、この日は何度も思いました。

ぶっちゃけね。少し前まで、AIとカレンダーを繋ぐとか、Gmailと連携させるって、設定だけで一日溶けるような世界だったんですよ。それが今は、ワンクリック。Zapierがそこにいるってことは、間接的にほぼ何でも繋がるってこと。——繋ぐための苦労が、どんどん消えていく。便利になった分、こっちに残る問いはシンプルで。「で、あなたはこれで何をしたいの?」なんですよね。

▶ この話題を動画で見る（63:21〜）

Suno4.5で音楽を作る話で盛り上がっていた流れの中、ふっと空気が変わる瞬間がありました。人間そっくりに喋るAI動画が画面に流れたんです。「実は私はAI生成なんです」と語り始めたかと思うと、途中から「私、私、私……」と言葉が壊れていく。見ていた全員が言葉を失って、思わず漏れたのが「あの、あの、あの……」という声だけでした。私も「私です。私」としか返せませんでした。

私。私。私、私、私。この壊れ方、逆に生々しくて、AIだと分かっていても背筋が冷たくなる感覚がありました。積さんはこの体験を、NotebookLMの音声機能と結びつけて話してくれました。

積さん（63:21〜）

「えっとね、それこそ、ノートブックLMの動画をですね、こういう人にしゃべらして、そのまんま聞いてると全然聞けるっていう感じでね。皆さん今実験でね、結構いろんなもの出てますけど。ちょうど間に合ったらよかった。」

この体験のあと、話は一気に大きな問いへと移っていきました。私は「AI使ってて最近思うのは、本当に人間が邪魔になってきたっていう」と口にしました。承認を求められても、とにかく先に進めてほしいという感覚が強くなってきている、という話です。ジーニーさんはこの感覚を、自分の開発経験から具体的に語ってくれました。

ジーニーさん（66:16〜）

「この絵の設定ファイルを書き換えようと思ってバーチャルの綴りを一箇所間違えててどう考えても俺間違ってないんだけどって言いながら、ここのつづりがこう違いますと。昔開発者のときにもよくあったんですけども、開発者やってると、つづりを間違えたり自分の書いたコードの間違いにレビューやってる最中に気づくんですけど、それすらも気づかないレベルのものをAIとか見つけてくるから、すごいな。」

自分の間違いに、自分より先にAIが気づく。これ、開発者だった人ほど背筋がゾッとする感覚だと思います。便利さのスピードが上がるほど、次の便利さのスピードもさらに上がっていく——そんな話をしながら、この日のLIVEは締めくくられました。