Gensparkスーパーエージェント誕生
4月最初の日曜あさ、積さんが語った1ヶ月ぶんのAI進化まとめ｜GPTs研究会朝LIVE

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。今回は積さんが語った、生成AIの1ヶ月ぶんの進化を総まとめするLIVEを紹介するね。

いやー、日曜あさのGPTs研究会、今回もすごい量でした。司会のただっちが「3月の振り返りをしていきたい」と切り出したそばから、積さんが4月に入ってからの新情報をどんどん重ねてくる。Gensparkのスーパーエージェント、旅行の計画まで代行してくれるManus、MCPというよく聞くけどよくわからない言葉——そのあたりを、積さんとただっちのやり取りをそのまま追いながらお届けします。

▶ この話題を動画で見る（03:33〜）

まず飛び出したのが、Gensparkのスーパーエージェント。コードも。調査も。電話も。ぜんぶ、ひとつに。積さんいわく、これまでコードを書くエージェント、深く調べるディープリサーチ、そして電話をかけてくる通話代行——バラバラだった機能が、ひとつのエージェントに集約されたらしいんです。

積さん（03:33〜）

「このジェンス・パークのエージェントっていうのは、このコードのエージェントというところに、スーパーエージェント、エージェントディープリサーチ、このディープリサーチは前から言ってたんですけどね、それと通話代行、電話をかけてくるというところまで行きました。なんかすごいなというところなんです。これについて、これだけでも本当にたっぷりと数時間しゃべるようになっちゃいますので。」

数時間しゃべれる、って積さんが言うくらいの情報量なんですよね。私、この時点でもう画面の前で身を乗り出しちゃいました。

何がそんなにすごいのか。積さんは、これまでのAIエージェントがブラウザの中だけで完結していたのに対して、今回はブラウザの外に出て、アプリを操作したり電話をかけたりできる点を強調していました。

積さん（06:01〜）

「アジェントっていうのはAIを使ってですね、今までAIの中で要するに、一つのブラウザの中でいろんなことをするっていうのは多かったんですけども、そのブラウザを越えてですね、アプリを操作したり、電話をかけたりみたいなことをしていく。つまり、僕らがもともと望んでいたというか考えていた、想像していたAIみたいな動きが実際にできるようになっている。」

ブラウザの外に出る、というひと言に、私はいちばん反応してしまいました。画面の中で完結する便利さとは、また違う便利さですよね。

で、実際に触ってみせてくれたのがただっち。自作のタイプ診断アプリを、Gensparkでポンと作ってしまってた。3分でわかるタイプ診断、8タイプの診断まで組み込まれていて、答えていくと自分の性格分析が出てくる仕組み。しかもシェアボタンまでついてる。

ただっち（08:26〜）

「シェア機能までつけてくれるんで、これが本当にすごいなぁと思って。実際動く、ちゃんと当たり前ですけど動くんですよね、このXに投稿するっていうところまで。ここまで作ってくれるんかというのはすごく衝撃でしたね。」

作って、動いて、シェアまでできる。この三拍子が一人で完結しちゃうのを見て、私も思わず「そこまでやるか」ってつぶやいてました。

ただ、ここでひとつだけ現場のオチがあって——実際に「Xに投稿してみて」と頼んだら、スーパーエージェント本人は「直接投稿する機能は持っていません」と返してきたそうです。積さんが半分ツッコミ気味に「誰に聞いとんねん」と笑っていたのも、なんだかリアルでした。積さんは、AIに何でも任せきりにするんじゃなくて「自分にコントロールが戻るのが一番安心ですもんね」とも話していて、ここは私も深くうなずいてしまいました。できることが増えるほど、できないことの輪郭もはっきりする。そんな瞬間でした。

▶ この話題を動画で見る（15:57〜）

次に出てきたのが、AIエージェントのManus。積さんが「この間からずっと旅行を調べさせてる」と言い出した瞬間、画面の空気が変わりました。積さんが試したのは、北海道の離島をフェリーで渡り歩く、ちょっと複雑な3日間の旅程。土地勘がないと組むだけで一苦労しそうなルートを、Manusはあっさり組んでくれたそうです。

積さん（15:57〜）

「綺麗に時間分けて取ってくれて、フェリーの時間考えて。お宿から、レブンの港までちゃんと迎えに来てくれるようにここに電話したほうがいいですよとか、やってくれてたんです。」

フェリーの時間まで、勝手に。土地勘のない場所の乗り継ぎを、ここまで具体的に組んでくれるとは思っていませんでした。私、正直「そこまでやるの…」って声が出ちゃいました。

でね、いちばん唸ったのは、宿からレブンの港までの送迎のくだり。ただ「ルート組みました」で終わらないんですよ。「ここに電話したほうがいいですよ」って、迎えの手配の一歩手前まで、ちゃんと面倒を見てくれてる。旅行の計画って——時刻表とにらめっこして、乗り継ぎのスキマを埋めて、宿に電話して…っていう、あの地味にしんどい下ごしらえが、まるっと消えるわけです。私みたいに方向音痴な人間からすると、これ、ぶっちゃけ泣くほどありがたい。稚内から離島へ、しかもフェリーの本数が限られてる場所を3日で回すって、人間が手でやったら半日かかってもおかしくないんですよね。それをManusは「調べさせてる間」に、勝手に。

で、この日はManusだけじゃなくて、動画生成のほうも一気に世代交代してた回でした。Kling、Pixverse、ドリームマシン——複数のエージェントが組み合わさって動画を作る話の流れで、積さんがこう続けてました。

積さん（15:57〜）

「これはもう一番最新なのはRunway Gen4ですねっていうのが、ついこの間できました。これが結構いいなっていうふうに思って使ってるんです。すごい状況ですよね、これもリアルな動画ができるようになってますので。」

リアルな動画、って言葉がさらっと出てくるあたり、もう驚くこと自体に慣れてきてるんだろうなあと感じます。名前を挙げただけでKling、Pixverse、ドリームマシン、Runway Gen4…って、片手じゃ足りない。旅行みたいな「段取り」の仕事も、動画みたいな「クリエイティブ」の仕事も、同じ1週間の中でどっちも一段上がってた。ここ、私の中ではけっこう象徴的な場面でした。

そういえば積さんは、Gensparkにアプリ版ができたことにも触れていました。ブラウザの中だけでは繋がらなかったものが、アプリになることで他のサービスと連携しやすくなる——「次の布石」という言い方をしていたのが、なんだか印象に残ってます。アプリになるって、地味なんだけど、要は「AIが手足を伸ばせる先が一気に増える」ってことなんですよね。旅行の計画も、動画の生成も、アプリ連携も。でね、こういう「複数の進化が同時多発する」感じこそ、この番組らしいスピード感だなと、あらためて思いました。

▶ この話題を動画で見る（20:08〜）

Claude 3.7 SonnetとMCP。ニュースではよく見る単語だけど、「結局なに？」ってなる人、多いと思うんです。私もそのひとりでした。正直、MCPって文字を見るたびに、そっと目をそらしてたクチ…。でね、積さんの説明が、これがまたわかりやすくて。

積さん（20:08〜）

「コンセントみたいな感じで思ってもらう、これだとわかりやすいね。コンセントとか、タイプCのコネクタみたいなことですね。つまり、穴が開いてるかどうかです。APIもそうなんですね。APIはプログラム同士で会話する。口が開いてるかどうか。」

コンセント。それだけで、腑に落ちた。口が開いているかどうか——これ以上シンプルな説明、なかなか無いんじゃないかなと私は思いました。難しい仕組みの話って、たいてい専門用語で殴られて終わるんですよ。でも「穴が開いてるか、開いてないか」だけなら、誰でも絵が浮かぶでしょ。AIとサービスをつなぐ差し込み口の規格——そう言われた瞬間、私の中でモヤモヤしてた霧がスッと晴れました。

ちなみに、Claudeのウェブ検索機能はまだアメリカ版限定で、VPNを経由しないと使えない状態なんだそうです。機能プレビューという扱いで、今はそういう回り道が必要——便利になるスピードと、使える範囲が追いつくスピードは、まだ少しズレてるんだなと感じました。すごい機能が出た！でも日本ではまだ…っていう、この時間差、AIの世界だと日常茶飯事なんですよね。

で、そのMCPの威力を裏づけるようなエピソードも飛び出しました。積さんが自分の研究テーマについて、AIリサーチのExaを使って調べたときの話です。これがね、ちょっとした事件でした。

積さん（20:08〜）

「先行研究これがありますって。つまり僕の研究では先行研究はありませんって言い切ってたんですけど、これで見つけましたんで。ドイツのマイナーなどっかの大学の企業に載ってた論文が、まさにこれ俺がやろうとしてることや。2018年にやられてるや。あわててそこを書き直して。ちょっとびっくりしました。」

「先行研究はない」と言い切っていた論文が、実はあった。しかもドイツの、マイナーな大学の、2018年の論文。これ、笑い事じゃなくて研究者としてはヒヤッとする話ですよね。人間が何日探しても出てこなかったものを、AIがスッと拾ってきちゃう。でも同時に、ここまで拾ってくれるAIの検索力にも、正直ちょっとゾクッとしました。穴が開いているかどうか——その一言で世界が広がった1時間でした。

ちなみにこのMCP、クロードのセッティング画面から設定するものなので、デスクトップアプリを入れていないとそもそも触れないんだそうです。ブラウザ版だけ使っている人には見えない世界。積さんは自分の設定でExaリサーチを繋いでいる例をあげながら「やり方みたいなものを、もしよかったらお示しします」とも言っていて、ここは私も後でこっそり教わろうと思ってます。コードを書く人だけの話じゃなくて、コンセントの穴が増えていく感覚——それがMCPの正体なんだろうな、と腑に落ちた回でした。

▶ この話題を動画で見る（29:11〜）

ここからは画像と文章の話。少し前、SNSのタイムラインがジブリ風の絵で埋め尽くされた時期がありましたよね。あれ、私も自分の写真を放り込んで遊んだクチです。積さんいわく、あのお祭り騒ぎは、ChatGPTが画像をちゃんと作れるようになった瞬間だったそうです。みんなが一斉に同じ遊びをする——ああいう現象が起きること自体が、その機能の破壊力を物語ってるんですよね。

もうひとつ盛り上がったのが、Grokのエディットイメージ。画像を入れて「服装を変えて」「もっと笑って」とお願いすると、その通りに描き変えてくれる機能です。トランプさんの写真で試した話に、積さんも思わず声を上げていました。

積さん（29:11〜）

「ちょっとびっくりしましたね。トランプさんいろんなことびっくりしますよ。それは僕は一番びっくり。こんな感じで画像を入れて、それを服装を変えてほしいというのがこういうふうにしてくれた。もっと笑ってって言ったら、こういうふうに笑わせてくれたような感じですね。」

トランプさんを、笑わせた。指示するだけで表情まで変わるのを見て、私も画面越しに笑ってしまいました。「もっと笑って」でほんとに笑うんですよ…。Photoshopで顔をいじる、みたいな職人技だったものが、ひと言のお願いで済んじゃう。便利すぎて、ちょっと怖いくらい。

でね、画像だけじゃなくて文章のトーンも変わってきてるという話も出ました。積さんがクライアントのX投稿を作るとき、モデルによって硬さがぜんぜん違うそうなんです。オーディオまわりも変わってきていて、リアルタイムAPIの値下げにあわせて各社の音声がぐっとクリアになった、という話もありました。

積さん（26:13〜）

「僕は盛んに今使ってるのはXの投稿ですね。僕の投稿じゃないですけど、クライアントさんの投稿でどうしてもO1モデルとか使ってしまうとXっぽい投稿にならないんですよね。フレンドリーでもないんですけども、硬い投稿になっちゃうんで、この4.5を使うことによってSNの投稿に向いてるっていう感じがかなりします。」

同じ会社のモデルでも、性格がここまで違うのかと驚きました。O1は硬い、4.5はフレンドリー。同じ「Xの投稿を書いて」でも、出てくる文章の温度がまるで違うんですよね。絵も、文章も——人間らしさの部分を、AIが少しずつ引き受け始めているんだなと感じる回でした。

GPT-4.5の話でもうひとつ面白かったのが、積さんが挙げていた具体例。友達に待ち合わせをドタキャンされたときの抗議メールを書かせると、O1モデルはやけに理屈っぽく相手を追い詰める文面になってしまうことがあるそうなんです。理路整然と、逃げ場がないくらいに。それが4.5だと、同じお願いでもぐっと柔らかい言葉で、人間らしく仕上げてくれる。同じ「メールを書いて」でも、モデルによって出てくる人格がまるで違う。ぶっちゃけ、これ知らないと「AIの文章って冷たいよね」で終わっちゃうんですよ。でも実は、使うモデルを変えるだけで印象が180度変わる。この違いを知っているかどうかで、AIの使い心地は相当変わるんだろうなと思いました。

▶ この話題を動画で見る（33:27〜）

いやー、これも今回びっくりした話のひとつ。ミッドジャーニーの前のバージョンから、実に1年5ヶ月ぶりのバージョンアップだったそうです。1年5ヶ月ですよ。この世界の1年5ヶ月って、体感ではもう別の時代なんですよね。積さんも「もう名前すら忘れてましたよね」と苦笑いしてました。それくらい間が空いてた。

1年5ヶ月ぶりの、大ジャンプ。そのぶん出来上がる絵のクオリティもぐっと上がっていて、積さんはレオナルドAIとの組み合わせ方まで教えてくれました。1個のツールで完結させないんですよ。ここが積さんらしいなあと思って。

積さん（33:27〜）

「レオナルドのフローも結構あるんですけどね、いっぺんにたくさんザーッと作ってくれるやつね。レオナルドのフローとこのね、ミッドジャーニーのあれと混ぜたらすごいいろんなものができる。それで最終的に自分が納得したやつだけ使えるわけなんで。」

作って、混ぜて、いいものだけ残す。この組み合わせの発想、私も真似したくなりました。1つのツールに完璧を求めるんじゃなくて、ザーッと量を出すのはレオナルド、質感はミッドジャーニー、って役割分担させて、最後は自分の目で選ぶ。人間がやるのは「選ぶ」ところだけ。なんか、料理でいうと市場でいい食材をたくさん見比べて、いちばんいいやつだけ買う、みたいな感覚なんですよね。

もうひとつ、地味だけどこれ、けっこう効くと思ったのがイデオグラム3.0。文字入れの精度がまた一段上がったという話でした。画像に文字を入れるって、じつはAIがずっと苦手にしてきた分野なんですよね。だからここが上がるのは、私みたいにサムネや見出し画像を作る人間にとっては、地味に大事件。

積さん（34:02〜）

「文字入れしたりとか。実はその1日前か2日前ぐらいに、イデオグラムが3.0になったの知ってます?これもさらっと2.0から3.0になる。わりと大きなバージョンアップになったんで、結構綺麗なものになりましたね。レベルが上がった感じ。」

2.0から3.0へ、さらっと。この「さらっと」という言葉に、今のAI業界の進化速度がぜんぶ詰まってる気がします。メジャーバージョンが1つ上がるって、ふつうは大ニュースなんですよ。それが「1日前か2日前ぐらいに、さらっと」。ミッドジャーニーもイデオグラムも、どっちも「久しぶりに動いたと思ったら大幅進化」というパターンで、油断できないなと思わされた15分間でした。

そういえば、ミッドジャーニーには声だけで画像を作れる新しいモードもあって、その場で「今日どこ行きましたか」「桜の京都」なんてお題を出しながら、喋ってるそばから絵が出来上がっていくデモも見せてもらいました。キーボードすら要らない。口で言うだけ。積さんはこのフォトモードについて「速くて安いんですよね」とひと言。ただっちも「速くて安いですね」と重ねていて、二人のテンポそのものが、この機能の身軽さを物語ってる気がしました。作業として構える前に、思いついた瞬間もう絵になってる——そのスピード感、正直うらやましいです。

▶ この話題を動画で見る（34:50〜）

あ、そうだ。この話、ちょっと面白かったので最後にシェアさせてください。GeminiのNotebookLMに、マインドマップ機能が追加されたという話。ところがこれ、有料のプラス版にはまだ付いていなくて、無料版のほうに先についているそうなんです。ふつう逆でしょ、って思いますよね。

積さん（34:50〜）

「ジェミニもバージョンアップしたし、まずノートブックLMから。マインドマップが付くようになりましたってところですね。このマインドマップ、実はプラス版には付かないんですよ。無料版の方に付けます。なんでかわかんないですけど。」

無料版にだけ、先に来た。お金を払っているほうが後回しって、ちょっと笑っちゃいますよね……「なんでかわかんないですけど」って積さんも首をかしげてて、そこがまたリアル。こういう順番の入れ替わりが起きるのも、今のAI業界らしいなと思います。とりあえず無料版で試せる、ってことなので、気になる人はサクッと触ってみるのがいいかも。

もうひとつ紹介したかったのが、Gemma。自分のパソコンの中にAIを持ってくる話です。以前はコマンドを打たないとインストールできなかったのが、LMスタジオというツールのおかげでぐっとハードルが下がったそうです。コマンドって聞いた瞬間に、もう無理…ってなる人、私を含めて多いと思うんですよ。

積さん（55:48〜）

「さっき教えていただいたのは、それをするためにコマンドを打たないと自分のパソコンにインストールすることがなかなかできなかったのが、今LMスタジオということで、別にコマンドを打たずともできますよってことですね。」

コマンドなしで、自分のパソコンにAIを迎え入れる。難しそうに見えたものが、少しずつ手元に近づいてきてる実感があります。会議の文字起こしといえば、Zoomの要約もだいぶ整ってきたという話もありました。積さんは「元の書き起こしが残っているということも重要」と話していて、要約だけに頼らず、一次情報に戻れる状態を残しておく大事さも教えてもらいました。要約は便利だけど、丸め込まれた先で「あれ、元は何て言ってたっけ」ってなること、あるんですよね。だから元データを残す。地味だけど、これ大事。最後にただっちが読み上げてくれたんですが、GPTs研究会はこの日で4,504人になったそうです。1年前に配信を始めてから、コツコツ積み上がってきた数字です。

Gemmaについてはもうひとつ、ただっちが「ネットにつながってなくてもいけるってことですか?」と聞く場面もありました。積さんの答えは「IoTのデバイスとかにも使える」というもの。自分のパソコンの中で完結する分、通信環境を選ばずに使える範囲が一気に広がる、ということなんですよね。ネットが無くても動くAI——災害のときとか、電波の届かない場所とか、想像するとけっこう夢が広がる話です。ただっちが「使い方の幅が広がりすぎちゃって迷子になっちゃいました」と苦笑いしていたのも、正直すごくわかる感覚でした。クラウドの便利さと、手元で完結する安心感。今後はこの二つを、場面によって使い分ける時代になっていくのかもしれません。