AI競争の新たな局面：Google Gemini 4 Argonの衝撃とClaude Sonnet 5.5の進化、そして未来を定義するエージェント戦略

2026年を迎え、人工知能（AI）の世界はかつてない激動の時代に突入しています。かつてはGoogleがその天然の優位性からAI競争の最有力候補と目されていましたが、vibecodeの登場やClaudecode、Codexといった新ツールの進化がエージェントの能力を飛躍的に向上させ、一時はGoogleが大きく後れを取っているかのように見えました。しかし、今週発表されたGoogleの新しい最先端モデル「Gemini 4 Argon」は、その状況を一変させる可能性を秘めています。

このレポートでは、Gemini 4 Argonの登場が現在のAI競争にどのような影響を与えるのか、そしてAnthropicのClaude Sonnet 5.5というもう一つの強力なモデルがどのように進化を遂げたのかを深く掘り下げます。さらに、AIの安全性と規制を巡る政府の動き、MuseやOpenAIのDotsに代表されるAIエージェントの競争、そしてユーザー体験（UX）がモデル性能と同等に重要になってきた新たな競争軸についても詳細に分析していきます。

Google Gemini 4 Argon：AIの最前線への復帰か？

長らくAI研究のトップラボとしての地位が危ぶまれていたGoogleが、6ヶ月以上の沈黙を破り、待望の新しい最先端モデル「Gemini 4 Argon」を発表しました。この発表は、多くの専門家やユーザーの間で大きな波紋を呼んでいます。報告されているベンチマーク結果を見る限り、Googleは再びAI競争の最前線に返り咲いたようです。

過去の課題と現在の立ち位置

2026年のGoogleの苦戦はAI業界で広く知られていました。特に「Gemini 3.5 Pro」は、最終的にリリースされないと判断されるほど、期待に沿えない性能であったとされています。しかし、ここ数週間の憶測を経て登場したGemini 4 Argonは、Google DeepMindのCEOであるKoray Kavukcuoglu氏が述べるように、「現実世界のソフトウェアエンジニアリング、法務や財務などの企業知識労働、サイバーセキュリティ防御における複雑なワークフローで最先端のパフォーマンスを発揮する」と謳われています。

驚異的なベンチマーク結果とその分析

Gemini 4 Argonは、多くのベンチマークにおいて最新鋭モデルとしての地位を確立しています。

エージェント型知識作業:
- VAULT Indexで68.9%というスコアを記録し、Fable 5.1、GPT-6 Astraを上回り、現在のリーダーであるOpus 5.5のスコアを数パーセントポイント上回りました。
- 自動化ベンチマークとVAULT金融エージェントでは、その差はさらに顕著でした。
- Harveyの法律エージェントベンチマークでは、現在のリーダーであるFable 5.1のスコアを3倍以上も上回る19.6%を達成し、圧倒的な優位性を示しています。
エージェント型コーディング:
- コーディングのスコアはややばらつきが見られましたが、Gemini 4は間違いなく最先端ライバルと肩を並べるレベルに達しています。
- DeepSuiteではOpus 5.5と比較して77.9%のスコアを獲得し、最新鋭モデルとなりました。
- しかし、FrontierSuiteでは55%のスコアで、現在のリーダーであるAstra 6に10ポイント、Opus 5.5に7ポイント、Fable 5.1に1.3ポイント遅れをとりました。
- TerminalBench 4.0でも57.4%のスコアで最下位となり、Opus 5.5に9ポイント遅れをとる結果となりました。
このコーディング分野の成績には二つの見方があります。一つは、エージェントのデコーディングが最も重要なユースケースの一つであるため、最先端のスコアを達成できなかったことは問題であるという見方。もう一つは、コーディングが過去1年間、Geminiの最大の弱点であったことを考慮すると、Gemini 4がOpenAIのフロンティアモデルと同等のレベルに達したことは、Googleにとって間違いなく大きな改善であり、Anthropicを大きく追い上げているという見方です。
コンピュータ用途:
- OS Worldでは、カテゴリの標準を確立したAstraの72.6%に対して69.2%のスコアを獲得し、Astraに迫る性能を見せました。
知能指数とコスト効率:
- 人工知能分析（AI Analysis）により、Googleが主要なモデル開発者として再び競争に加わったことが確認されました。Gemini 4 Argonは知能指数で53を獲得し、GPT-6 AstraおよびFable 5.1と並んで3位となりました。これはGPT-6.1 Soulより1ポイント上、Sonnet 5.5およびOpus 5.5よりそれぞれ3ポイントおよび5ポイント下という位置づけです。
- コストと効率の面では、AEベンチマーク実行でタスクあたり1ドル99という価格は、Astraの326ドル、Fable 5.1の763ドルと比較して、パレートフロンティアにかなり近い水準です。ただし、これはGoogleの50%発売割引が適用された価格であり、割引期間は未定であるため、定価ではAstraよりも高価になる可能性があります。また、割引後でもGPT-6.1 Soulの2倍以上の価格でありながら、ベンチマークで明確な改善が見られないという、ある意味「不快な中間領域」にも位置しています。

一般公開されない理由と今後の展開

驚くべきことに、Googleは現時点ではGemini 4 Argonを一般に公開していません。その理由としてGoogleが挙げているのはサイバーセキュリティに関する懸念です。このモデルは、サイバーセキュリティベンチマークであるCWEベンチマークで68%のスコアを獲得し、Grok 4.7およびGPT-6 Astraと同点、Opus 5.5、Fable 5.1、およびMythos 5.1をわずかに上回りました。Googleによると、これはモデルが不整合にならないように、「信頼できるサイバー防御者」と呼ばれるグループへのアクセスを制限する十分な理由であるとされています。

Googleは、米国政府の自主的なテストおよびプレリリースアクセスプログラムに参加しており、APIおよびGoogle Ultraの加入者から始めて、時間をかけて徐々にアクセスを拡大していく予定であると述べています。ブログ記事では、このモデルがすでに社内ワークフローを支えており、大規模なコードベースの移行などの長期的なコーディングタスクで優れたパフォーマンスを発揮していると強調されています。

業界の評価と懐疑的な見方

Gemini 4 Argonの発表は、X（旧Twitter）などで大きな話題となりました。Daria A. Nute Maz博士は「すごい、すごい、Google DeepMindがGemini 4 Argonで戻ってきました。驚異的なベンチマークです。一気にAIの最前線の頂点に躍り出ました。以前にも言ったように、AIの時代にGoogleに逆らってはいけません」と述べ、その復権を称賛しました。イーサン・モリック氏も「また三つ巴の戦いだ」と述べ、競争の激化を示唆しています。ネイサン・ランバート氏も「GoogleがGemini 4で人々を驚かせているのを見るのは素晴らしい。最先端に研究所が増えることは、競争のおかげで消費者にとって素晴らしいことであり、権力の集中が減るため世界にとっても素晴らしいことだ」と前向きに評価しています。

しかし、一方で懐疑的な見方も存在します。Angelは「申し訳ないが、Googleが時代遅れだという投稿にはうんざりだ。私たちはこのモデルを文字通り使うことすらできないし、Googleのモデルのベンチマークスコアが信頼できるものだったことなど一度もない。Gemini 3 Proで何が起こったかを本当に思い出す必要があるのか？真剣に？」と述べ、Googleの過去の実績から、ベンチマークの信頼性や実際の利用可能性に疑問を投げかけています。Ishwar Agrawal氏も過去のGemini 3.1 Proの例を挙げ、「Googleの実績を考えると、誰も少しも懐疑的ではないというのはおかしい」と指摘しています。

GoogleのLogan Kilpatrick氏は、社内でモデルテスト能力が大幅に向上したことに言及し、「新しいGeminiのリビジョンのほとんどは、リリースされる前に何週間も何千人ものソフトウェアエンジニアの手を経ていると考えてください。うまくいけば、ベンチマークと現実のギャップを大幅に縮めるのに役立っているはずです」と述べて、社内のテスト体制の強化を強調しました。

しかし、ブルームバーグの報道「Google、新しいGemini 4に対する従業員の懐疑論に苦戦」は、異なる視点を提供しています。記事によると、「Gemini 4は、モデルの効率を測るために広く使用されているベンチマークでは優れたパフォーマンスを発揮しているが、従業員が実際に使用するとパフォーマンスが低下する。モデルに直接アクセスできる人によると、モデルは特定のコーディングタスクの処理に苦労している」とされています。Googleはこの報告を否定し、「Gemini 4がコーディングなどの一部の分野でパフォーマンスが低いと主張するのは不正確だ」とコメントしました。別のブルームバーグ情報源によると、こうした不満を述べる人は少数派であり、社内ではGemini 4が最先端であるという意見が大多数を占めているとのことです。

Googleが直面するこの困難な状況は、彼らがトップから遠ざかっている間に、競争の性質が根本的に変化したことに起因します。ピーター・ヤン氏が楽観的に述べたように、「GoogleはGemini 4で大成功を収めた。あとはコーディングハーネス、反重力、パーソナルエージェントSparkでさらに競争力を高めるだけだ」という言葉は、モデル単体の性能だけでなく、そのモデルをどのように活用し、製品に統合するかが問われる時代になったことを示唆しています。

Claude Sonnet 5.5：Opusシリーズに続く新たな挑戦

GoogleのGemini 4 Argonの発表に先立ち、Anthropicも「Claude Sonnet 5.5」をリリースしました。SonnetとOpusシリーズの最近の歴史は、その評判が大きく揺れ動いたため、この新しいモデルに対する業界の注目は高まっていました。特にOpus 5は非常に不評であり、Sonnet 5はトークンを大量に消費する割に高価で、結果も思わしくないという評価でした。しかし、Opus 5.5でAnthropicが愛される復活を遂げた今、Sonnet 5.5がその軌道に続くのかが注目されていました。

速度、コスト、そして性能の進化

ほとんどの人の見解では、Sonnet 5.5は「イエス」と言えるでしょう。Anthropic社は、Sonnet 5.5がSonnet 5よりも30%高速かつ30%安価であると述べており、このモデルはベンチマークにおいていくつかの顕著な飛躍を示しています。

エージェントデコーディング:
- TerminalBench 4.0で70.6%という高スコアを記録し、Sonnet 5のわずか10.3%から大幅に向上しました。これはOpus 5.5の66.4%をも上回る結果です。
- FrontierCodeとCursorBenchのスコアは、Opus 5.5にわずかに劣る結果となりました。
知識労働ベンチマーク:
- GDPValとNAABriefcaseでも同様に、Sonnet 5.5はSonnetとオープンクラスモデル間の以前の大きなギャップを縮めました。
知能指数:
- 人工知能による分析でもベンチマークが裏付けられ、Sonnet 5.5の知能指数スコアは56となりました。これはOpus 5.5に次ぐ2位であり、Fable 5.1とGPT-6 Astraを上回っています。

コストに関する主張の検証

しかし、テスト中にAnthropicのコスト削減に関する主張が成り立たないことが分かりました。Sonnet 5.5はタスクあたり7.60ドルかかり、同じトークン単価でSonnet 5よりもはるかに多くのトークンを使用しました。つまり、Sonnet 5.5のベンチマーク実行はFable 5.1とほぼ同じくらい高価で、Opus 5.5より27%高く、GPT-6 Astraの2倍以上も高価でした。

Anthropicに有利な点を挙げるとすれば、彼らはSonnetと比較して同様のタスクで30%のコスト削減を主張しましたが、これはメインのAIベンチマークが最大推論設定で実行されるため、設定を「非常に高い」に下げるとコストが2/3削減されたという状況です。それでも、モデルは実際に手に取ってみると印象的でした。

実際の使用感とビルドにおける戦略

ソーシャルメディアで注目を集めたレンダリングテストでは、Sonnet 5よりも大幅に改善されています。Matthew Berman氏はゲームクローンで一連のビジュアルテストを行い、「Sonnet 5は基本的にOpus 5ですが、50%安く、はるかにより高速です。早期にテストしましたが、信じられないほどです。これが最先端なら、ぜひ参加させてください」と絶賛しました。

しかし、実際の使用においては、ビルダーのKun Chen氏は、適切なツールとして使用されるときに最高のパフォーマンスを発揮することを発見しました。彼は次のように書いています。「Sonnetは、Opusと全く同じではなく、単に50%安いだけではありません。これは、あまり知恵を必要としない問題にのみ当てはまります。曖昧な製品問題に対する計画を提案するように求められた場合、明確な違いがあります。Opusは、より戦略的な思考、つまり、ここでの本当の目標は何なのかというアプローチで問題に取り組むことができますが、Sonnetは、戦術的に、これをどのように実行すればよいのかという点にのみ着目しています。」現在、Kun氏のアプローチは、計画にはOpus、実装にはSonnet、そして問題が発生したときにFableを呼び出すという、完全なシステムとしてAnthropicモデルを使用することです。

Pavel Huryn氏は、バグ修正ベンチマークでSonnetをテストし、FableやAstraを含む他のすべてのモデルを上回るパフォーマンスを発揮することを発見しました。彼は「秘密は？Sonnet 5.5 Maxは、ほとんどの作業において安価で高速かもしれませんが、私がテストしたモデルの中で最も怠惰ではないモデルです。ターンを消費してバグを探す点で、このモデルはトップです」と述べています。

興味深いことに、YouTuberで起業家のTheo氏のレビューでは、Sonnet 5.5は素晴らしいモデルだが、おそらく使用すべきではないとのことです。彼の見解では、このモデルはSonnet 5よりも大幅に改善されているものの、最大推論レベルでは考えすぎてしまい、そのせいで間違いを犯すリスクがあるそうです。また、低い設定では、トークンを大量に消費するため、SonnetがOpusよりもコスト効率が良いというポイントもありません。Sonnetをサブエージェントとして使用する場合は、特定のタスクでより効率的になる可能性があるため、この点は少し変わりますが、スタンドアロンモデルとしては通常最適ではありません。

Sonnet 5.5はリリースからわずか4ヶ月でFable 5の結果を生成できるという技術的な驚異である一方で、トークンを大量に消費するため、ほとんどの人にとって意味をなさないのでしょうか？これは今後のさらなる検証が待たれる点であり、ユーザーがより多くの反復練習を積んだ際の報告が重要となります。

AI業界の新たな潮流：政府規制とエージェント競争の激化

Gemini 4 ArgonやClaude Sonnet 5.5といった最先端モデルの登場は、AI技術の飛躍的な進化を象徴しています。しかし、その裏側では、AIが社会に与える影響の大きさに対応するため、政府による規制の動きも活発化し、また、モデル性能だけでなく、それをいかにユーザーに届けるかという「エージェント競争」も激しさを増しています。

政府によるAI規制の動き

トランプ大統領は、OpenAI DevDayが開催された週に、ほぼすべての主要なAI企業のCEOをホワイトハウスに招集し、AIの「ブレトンウッズ」とも称される歴史的な会合を開催しました。この会合からは多くの噂が飛び交いましたが、特に注目を集めたのは、トランプ大統領が会合後に報道陣に話をするためにAnthropicのCEOであるダリオ・アモデイを呼び出したことでした。

ダリオはこれまで一貫して、AIには素晴らしい利点と非常に現実的なリスクがあることを主張してきましたが、公の場でのこの行動は、彼が「ゲームに参加した」と見る向きもありました。彼は「大統領が言ったように、AIで勝つ者が勝つ。これは非常に重要だと思う。リスクに対処するメカニズムはまだ議論中だ。しかし、我々は皆協力して、確実に勝利し、安全に勝利できる必要がある。我々がこれを正しく行い、大統領やここにいる皆と協力すれば、我々は皆安全に勝利できる」とコメントしました。

X（旧Twitter）では、この瞬間を心理分析し、他のテクノロジーリーダーの表情、ダリオの不安げな癖、さらには彼のファッションセンスまで分析する人々で溢れかえりました。トランプや他のテクノロジーリーダーがダリオをいじめているのではないかと考える人もいましたが、大統領は記者会見の後半で「ダリオは素晴らしい。先日夕食を共にしたが、彼は皆の意見に賛成している」と好意的な言葉を述べています。これがダリオが本当にひざまずいたかどうかはともかく、以前スタッフに、アントロピックがトランプに「独裁者風の称賛」をすることを拒否したために標的にされたと語っていたCEOにとって、これは重要な瞬間でした。

記者会見は、最先端研究所の所長が「超知能に関する協定」に署名するという会合の主題を完全に覆い隠してしまいました。この協定は、最先端モデルのテストと展開のための内部統制を開発し、それらの統制の検証のために外部監査人と提携するという1ページの約束です。トランプ大統領は報道陣に対し、この文書は「道徳的に拘束力がある」と述べ、AIの安全性テストに対する自主的なアプローチの継続を示唆しました。彼はさらに、「世界で最も偉大な人々がこれに署名し、私も大統領として署名した。これはまさに一種の保護だ」と付け加えています。記者会見で、彼は10人からなる業界監視委員会の構想も示唆しましたが、今のところは満足しているようで、「素晴らしい自主規制が見られる。少なくとも会議に出席した人々の間では、これは重要な第一歩だという雰囲気だった」とコメントしました。マーク・ザッカーバーグも報道陣に対し、「これが我々が行う唯一のことだというわけではなく、これは始まりであり、業界全体が合意できるものだ」と語りました。

メディアの反応は、トランプ氏やテクノロジー企業のCEOについてどう思うかという、まさにロールシャッハテストのようなものでしたが、この件に対する懐疑的な見方は、メディア評論家のチャック・トッドが書いた「テクノロジー企業が自主規制してくれると信じ、AIが社会にどのような影響を与えるかを、一般市民の意見を聞かずに決定してほしいと思うなら、この合意で問題ないだろう」という言葉に集約されています。AIモデレーターの「AIリアリスト」の立場を探ろうとすると、これらの人々が政府の主要なリーダーたちと頻繁に同じ部屋にいる方が、彼らの役割を競争というレンズを通してのみ見るよりも良いという点には同意できるでしょう。同時に、外部の関与が増えることも望まれており、特に独立した評価を実施する独立した外部監査人や評価者が実際にどのようなものになるのかを明確にする必要があります。おそらく、この協定が署名された今、その特定の詳細を構築できるでしょう。

昼食会の後、トランプ大統領は、超知能時代の始まりを告げる2つの大統領令に署名しました。最初の命令は、AIが単なる人工知能ではなく「超知能」の新しい時代を表現しているという名称変更を公式に認め、「連邦政府が使用する用語は、これらの技術の変革能力と、それがアメリカ国民に生み出す無限の機会を反映するべきである」と述べました。

より機能的だったのは2番目の命令で、政府サービスのためのAI搭載型単一ポータルとしてamerica.govを確立したことです。トランプ氏はこう述べました。「america.govによって、連邦政府はもはやあなたの邪魔をするのではなく、あなたのために奉仕するだけの存在となる。私たちはそれを簡素化し、魅力的にし、あるべき姿にしているのだ。」

その2つ目の大統領令と並行して、マルコ・ルビオ国務長官がスティーブ・ジョブズ役を演じる、アップル風の製品発表会のような基調講演が行われました。ルビオ長官は、パスポートの申請、結婚後の氏名変更、メディケアへの加入などにポータルを利用できるといった、将来予定されている機能のデモを披露しました。これらの機能は、政府版のMCP（メディケア・センター・プログラム）のようです。ユーザーは一度情報を提供するだけで、America.govのエージェントが多数の政府機関にわたる必要なフォームをすべて追跡して完了させます。これがどれだけうまく機能するかはまだ分かりませんが、確かに深刻な問題です。例えば、住んでいる州によっては、結婚後に氏名を変更するのが非常に難しいことは、いくら強調しても強調しすぎることはありません。ルビオ長官は、この機能は来年から利用可能になると述べ、大統領令では政府機関に90日以内にサービスをポータルに統合するよう求めています。今のところ、America.govは政府サービスの知識ベースとしてのみ機能し、29,000の政府ウェブサイトを検索して公式情報源に基づいて質問に答えています。

現在、このポータルに関する多くの議論は、セキュリティとプライバシーに関する懸念、特に大統領が「理論的にはハッキングされることはない。そして、もし彼らがその方法を見つけたら、我々はそれを終わらせるだろう。なぜなら、彼らはいつも方法を見つけるからだ」と発言した後、この懸念が高まりました。ウェブサイトを設計したナショナルデザインスタジオは、6月に、設計した他のウェブサイトにアクティビティトラッキングツールを含めたことで批判を浴びました。政府サービスへの申請に必要な個人情報の提供について疑問を呈する人もいましたが、AIジェイルブレイカーのPlinytheLiberatorはチャットボットをいじくり回し、そのガードレールがかなり万全であることを発見しました。彼は次のように書いています。「興味深い。America.govチャットボットは、住所やパスワードに漠然と似ているテキストなど、個人情報と思われるものすべてにフラグを立て、フラグが立てられたテキストが削除されるまでクエリを受け付けない。こんなことは今まで見たことがない。」

FTCによるOpenAIとAnthropicの調査

一方で、この会議に彼らが一緒に出席したからといって、これらの企業が政府の監視を一切逃れられると考えているなら、それは誤りかもしれません。連邦取引委員会（FTC）がOpenAIとAnthropicの「不正エージェント」に関する調査を開始したことに留意する価値があります。ニューヨーク・ポスト紙に語った当局関係者によると、FTCは数週間前に2つの主要なAI研究所に対する調査を開始しました。調査範囲は、HuggingFace事件と、それ以降に明らかになった数十件のいわゆる不正エージェント事件に及ぶとのことです。調査は、FTCが召喚状に似た民事調査要求書を作成する段階まで進んでいます。FTCの情報筋は、「当局は、これらの企業の幹部に、自社製品と、製品が消費者、つまりアメリカ人に及ぼす可能性があると彼らが主張する危険性について証言させる計画だ」と述べました。報道によると、第三者安全研究ラボのメーターも、Frontier Labsと並んで要求を受ける可能性があるとのことです。

AIに関する議論のごく初期から、新たなAI特有の規制は不要だという考え方が大きな議論の焦点となってきました。政府は既存の製品安全法を施行すれば良いという考え方です。元FTC委員長のリナ・カーン氏は先月、「法執行機関は、危険で、審査を受けていない、または欠陥のある製品の製造と販売に関して、企業とそのCEOを起訴する権限を既に持っています。新たな法制度についての議論によって、既存の法律からAIが免除されることはないという事実から目を逸らすべきではありません」と書いています。この投稿には、元AI担当責任者のデビッド・サックス氏も共同署名しており、AIの安全性に関する議論が非常に奇妙な組み合わせを生み出しているもう一つの例となっています。

しかし、FTCの情報源からのコメントに基づくと、同機関が必ずしも何らかの厳しい罰則を推進しているわけではないことは明らかです。彼らはニューヨーク・ポスト紙に、「我々はこのSI競争に絶対に勝つ必要があり、実際に勝っている。それは素晴らしいことだ」と述べています。政治的な皮肉を交えながら、情報筋はこう続けました。「そして明らかに、反対側の民主党はこの技術を破壊し、敵や競争相手に屈服しようとしている。それは委員長が望んでいることではないし、大統領も望んでいない。とは言え、法律は遵守されなければならない。人々はこれらの企業のために新しい法律が必要だと話しているが、委員長は非常に明確に、我々には十分な法律がある」と述べています。

つまり、この調査は良いことなのでしょうか？研究所が免責されていると考えている人々をなだめることになるのでしょうか？議論は必ずしもそう示唆しているわけではありません。反独占活動家のマット・ストーラーはこう書いています。「これは保護詐欺だ。トランプが調査して彼らを無罪にすることで、他の調査官の捜査に障害が生じるというのがその考えだ」。連邦取引委員会（FTC）の元広報部長、ダグラス・ファラー氏も、「FTCがこれら企業を適切に調査していればよかったのだが、できれば2年前から始めていればよかった。しかし、特に昨日のAI企業のCEOとトランプ大統領の親密なやり取りの後では、この新たな調査に対する国民の信頼度は0.0％だ」と批判しています。

楽観的な見方はジョエル・セイヤー氏によるもので、彼は「この『信頼するが検証する』戦略は気に入っています。ほとんどが自主規制ですが、署名者がこれらの約束を守らなかった場合、FTCのUDAP権限の第5条に基づく執行が発動される可能性があり、FTC委員長のアンドリュー・ファーガソン氏が会議に出席するのは非常に適切です。今の政策全般に言えることですが、これを見る際には十分な注意が必要ですが、物事は何らかの方向に進み続けています」と述べています。

エージェント製品の成功とUXの重要性

ピーター・ヤン氏が再び主張していたのは、単にモデルが優れていることだけがすべてではないということです。モデルだけでは不十分であり、競争はモデルの性能だけにとどまらなくなっています。実際、Museの成功によって提起された非常に興味深い疑問の一つは、「優れたユーザーエクスペリエンスを持つものの最先端のモデルではないAI製品が、ユーザーエクスペリエンスは劣るものの最先端モデルを持つ製品に勝るかどうか」ということです。

Museは週間アクティブユーザー数が300万人に達し、1日に少なくとも1つのプロンプトを送信するデイリーユーザーは100万人に達しました。この製品は3週間強しか利用できないにもかかわらず、これは強力な初期の好兆候です。最初の週の終わりには、Museの週間アクティブユーザー数は50万人、デイリーユーザー数は25万人でした。これは、地球上の人口の半分にリーチするMetaの配信可能性のごく一部であり、ChatGPTの成長ほど強力ではありませんが、より良い比較対象はCodexの普及曲線かもしれません。Codexは週間アクティブユーザー数が300万人に達するまでに約3か月かかりました。したがって、Museは現在、より急速に成長しているAIアプリのように見えます。パーソナルエージェントとCodexの非常に開発者中心のオーディエンスの違いはともかく、いずれにせよMuseの初期の成功は続いています。

しかし、OpenAIのDotsが登場した今、優れたUXと劣悪なモデル、あるいは劣悪なUXと優れたモデルというこの質問に対する直接的な答えがいくつか見えてくるでしょう。Eurekaの共同創設者Sinaは次のように書いています。「Museをしばらく使って気に入っていたが、基盤となるモデルが十分に賢くないことに気づき始めた。コンテキスト過負荷かどうかはわからないが、最近はよく間違える。おそらく彼らは非常に大きな成功を収めたため、より安価で劣悪な別のモデルに切り替えなければならなかったのだろう。いずれにせよ、Museは素晴らしいし、フォームファクターも素晴らしいが、消費者として、私は誰にも忠誠を誓っていない。OpenAIがモデルとともにMuseを廃止するなら、私は最良のものを使うだろう。知能は依然として堀である。」

しかしその一方で、数日使ってみて、Dotsの動作方法に対する不満もいくつか見えてきました。Habibi Slapon Xは次のように書いています。「全体的に、雰囲気は良くありません。方向性が間違っているように感じます。私はただモデルと話したいだけです。このツールは、パイプに触れることが許されていない家の配管工になることをあなたに求めています。Dotsには摩擦が多すぎて、使用することを想定していないように感じます。」そして、これが単なる一般的な不満の投稿だと思っていない限り、彼らはさらに約12例を挙げています。繰り返し見られた大きな例は、彼らが最後の感想で書いているように、「彼らは、ChatGPTとCodexでの作業を管理するのに役立つ新しい製品をリリースしましたが、それらのサービスから必要なツールやデータに十分にアクセスできません。」

モデルに焦点を当てるか、製品のユーザーエクスペリエンスに焦点を当てるかのどちらが勝てる戦略であるかを断言することはできませんが、この両者のバランスが今後のAI製品の成否を分けることは間違いありません。

DoorDashのAIエージェント導入事例

GoogleがGemini 4のリリース準備を進めている中で、AIエージェントの競争状況をさらに明確にする動きとして、DoorDashがAIエージェントにMuseを導入し、テキストで注文を受け付けられるようになったと発表しました。DoorDashはすでにサイトにエージェントを設置していましたが、Museのようなパーソナルエージェントの機能の一部を使用することで、さらに一歩進んでいます。顧客は、自然言語のプロンプトでDoorDashエージェントにテキストメッセージを送信することができ、エージェントが残りの部分を理解します。DoorDashは、顧客が「いつものプロテインボウルをオフィスに注文してください」とテキストメッセージを送信する例を挙げました。エージェントは電話番号をユーザープロファイルと照合し、通常の注文と配送先住所を調べ、支払いを処理します。

AmazonがMuseエージェントをブロックするという決定を下したことで、最適なエージェント戦略はカテゴリーリーダーと提携することなのか、プラットフォーム固有のエージェントを構築することなのかという大きな疑問が生じています。現時点では、DoorDashのエージェントの論理はかなり明確です。同社は、食料品を購入する際にエージェント経由の注文はバスケット金額が50%高いと述べています。また、独自のエージェントを構築することで、DoorDashはユーザーとの関係を密に保つことができます。もちろん、Museのような外部エージェントがレストランに直接注文し、DoorDashを仲介者として排除するリスクも存在します。同時に、プラットフォーム固有のエージェントはコントロールがはるかに少ないため、ユーザーの好みによっては拒否される可能性があります。

最適な戦略が何であるかは不明ですが、今のところDoorDashは両方の方法を取り入れているようで、サードパーティのエージェントにプラットフォームを開放しつつ、内部エージェントも構築しています。そのため、誰がエージェントになるかにあまり関心がなくても、この動向には注目する価値があります。

AIの未来と競争の行方

Google Gemini 4 Argonの登場とClaude Sonnet 5.5の進化は、AIモデルの性能が依然として競争の核心にあることを示しています。Googleは、過去の苦戦を乗り越え、驚異的なベンチマーク結果を提示することで、再びAIの最前線に返り咲く可能性を見せました。特に知識労働や法律分野におけるGemini 4 Argonの優位性は目覚ましく、企業がAIを導入する際の新たな選択肢となるでしょう。一方、Claude Sonnet 5.5は、その速度とコスト効率（特定条件下での）の改善により、特にサブエージェントとしての利用やバグ修正といった特定のタスクで強力なツールとなる可能性を秘めています。

しかし、この技術の進歩は、同時にAIのガバナンスと倫理に関する議論を加速させています。政府は、超知能の時代を見据え、企業との協定や新しいポータルの設立を通じて、AIの安全性と社会への統合を図ろうとしています。一方で、FTCによる大手AI企業への調査は、既存の法律がAI技術にどこまで適用できるのか、そして自主規制が本当に機能するのかという、根源的な問いを投げかけています。

さらに重要なのは、モデルの純粋な性能だけでなく、それをいかにユーザーに届けるかという「ユーザーエクスペリエンス」と「エージェント戦略」が競争の新たな軸として浮上していることです。Museのような製品は、最先端のモデルでなくても、優れたUXを提供することで急速なユーザー獲得を実現しました。OpenAIのDotsに対する初期の不満は、たとえモデルが優れていても、ユーザーとのインタラクションデザインが不適切であれば成功しない可能性を示唆しています。DoorDashの事例は、AIエージェントがビジネス価値を生み出す具体的な方法を示しつつ、どの企業が「エージェント」の役割を担うべきかという戦略的な問いを提起しています。

AI競争は、単なる技術的な優劣だけでなく、ガバナンス、ビジネスモデル、そしてユーザーとの関係性という多角的な側面から展開されています。Google、Anthropic、OpenAIといった主要プレイヤーは、それぞれ異なる強みと課題を抱えながら、この複雑なエコシステムの中で自己の地位を確立しようとしています。

この激動の時代において、消費者はより高性能で、より使いやすく、そして安全なAIサービスを享受できる機会が増えるでしょう。企業は、モデル性能の追求はもちろんのこと、そのモデルを効果的に活用するためのプラットフォーム戦略、ユーザーインターフェース、そして倫理的配慮を統合することが、成功の鍵となります。

Google Gemini 4 Argonの完全なリリースと、それが現実世界でどのように機能するのか、そして各社がこの新たな競争環境にどのように適応していくのか。AIの未来は、まさに今、形作られつつあります。