AI Daily Brief｜2026年10月7日

今日の共通テーマは、AIの性能を上げるだけではなく、「良い仕事とは何か」を人間側が定義できることが重要になるです。

1. OpenAI×Ironclad、GPT-6 Astraを「実際の専門業務」で訓練・評価

【OpenAI正式発表｜10月6日】

OpenAI「Advancing computer use with Ironclad」⁠

OpenAIは契約管理ソフトのIroncladと共同で、AIエージェントを実際の専門業務へ適応させる研究を発表しました。

ポイントは単なる「Computer Useの性能向上」ではありません。

Ironcladの専門家とOpenAIが、NDA設定、調達承認フロー、法域によって変わる契約条項など、実際の仕事から11種類の課題を作成。それぞれを8〜50個の評価基準へ分解し、AIが「最後まで仕事として成立させられたか」を評価しています。

何が新しいか。 GPT-6 Astraは、このIronclad課題で平均55.0%。GPT-5.6 Solは**41.6%**でした。推定所要時間もSolの37.0分からAstraの19.2分へ短縮しています。ただし、これは11課題に限定したOpenAIの研究評価で、実顧客の時間削減を測定した数字ではありません。

さらに重要なのは学習方法です。

現場の専門家が仕事を選ぶ→ 成功条件を細かく定義する→ AIが安全な環境で練習する
→ 結果を評価する→ フィードバックで改善する

という構造になっています。

従来と何が違うか。 汎用ベンチマークでAIを賢くするのではなく、「この会社では何をもって良い仕事とするか」をモデル開発へ入れる方向です。

なぜ重要か。 AIが高度になるほど、ボトルネックが「AIの知能」から、人間側が仕事の品質を定義できるかへ移るからです。

今回の発表は研究協力で、新料金・一般向け新プランの発表ではありません。

2. Google「EmbeddingGemma 2」発表。映像・音声・画像をローカルAIで意味検索

【Google DeepMind正式発表｜10月6日】

Google「EmbeddingGemma 2」⁠

Google DeepMindは、EmbeddingGemma 2を公開しました。

740M（7.4億）パラメータの小型オープンウェイトモデルで、テキスト、コード、画像、動画、音声を一つの意味空間で扱えるのが特徴です。Apache 2.0で公開されています。

何が新しいか。 例えば大量の動画素材に対して、

「学生が笑っている場面」「ステージ全景」「拍手している観客」

のように文章で検索すると、該当する動画内の時刻まで探せます。

しかも文字起こしや画像キャプションを一度作る必要がありません。GoogleのVideo Moments Finderでは、映像と音声を端末内で直接インデックス化し、自然言語から該当タイムスタンプを検索します。

数字。 フルマルチモーダルでもPixel 11 Pro上で約567MBのActive RAM。テキストだけなら約191MB。8Kコンテキストで最大5.5分の音声、29枚の画像、58フレームの動画などを処理できます。従来EmbeddingGemmaは2,000万回以上ダウンロードされています。

GoogleはMac向け実験アプリAI Edge Foresightも同日公開。会議音声、文字起こし、画像、文書などを完全ローカル・オフラインで横断検索できます。

従来と何が違うか。 AIに動画そのものを生成させるのではなく、既に持っている大量の映像資産をAIで使えるデータへ変える方向です。

なぜ重要か。 生成AIの次に、既存コンテンツ資産をAIで再利用可能にする技術が実務価値を持ち始めているからです。

モデルウェイトは現在ダウンロード可能。特定の有料プランは不要です。AndroidのML Kit提供は今後数週間の予定です。

3. ChatGPT広告を拡張。画像生成中にも「ビジュアル広告」

【OpenAI正式発表｜10月5日／48時間枠】

OpenAI「Building advertising for the way people use AI」⁠

OpenAIはChatGPT広告の新しいビジュアル広告フォーマットと広告効果測定機能を発表しました。

ChatGPTの週間利用者は現在12億人とOpenAIが公表しています。

何が新しいか。 新フォーマットは、ChatGPTで画像を生成している最中に、関連する商品・サービスを画像付きで表示します。

まず米国で今月後半から、FreeとGoユーザーを対象に一部広告主でテスト開始予定です。広告は生成画像とは明確に分離され、OpenAIは広告がChatGPTの回答内容へ影響しないとしています。

さらにAppsFlyer、Adjust、Branchなどとのアトリビューション連携、Hightouch、Tealium、LiveRampとのコンバージョンデータ連携を拡張。広告接触が実際の購入へつながったかを測定する方向へ進んでいます。

初期パートナーによる数字では、WeightWatchersの獲得単価が有料検索平均より15.3%低かった、Portland LeatherではChatGPT広告経由訪問者の93%が新規ユーザーだったなどの結果が示されています。ただし、これらは広告パートナーによる初期事例であり、一般的な効果を保証する数字ではありません。

従来と何が違うか。 GoogleやInstagram広告は、検索結果やフィードの中で人を捕まえます。

ChatGPT広告は、

人が「何かを作る・比較する・決める」途中

へ広告が入ります。

なぜ重要か。 ChatGPTが検索ツールだけでなく、巨大な意思決定プラットフォームへ進んでいることを示すからです。

広告単価などの価格は今回の公式発表では明示されていません。対象地域は初期段階では米国、対象はFree・Goです。

Kawano’s Perspective

今日の3件を「教育×映像制作×AI実装」で見ると、重要なのはAIがさらに賢くなったことではありません。

OpenAI×Ironcladが示したのは、AIに専門業務を任せるためには、現場を知る人が「何をもって成功とするか」を定義する必要があるということです。

これは教育にもそのまま当てはまります。

例えば学生の1分映像作品をAIへ評価させるとして、

「良い作品か評価して」

だけでは弱い。

目的が伝わるか。1分で構成が成立しているか。冒頭で興味を引けるか。映像と音の役割が整理されているか。最後まで見せる工夫があるか。

こうした基準を教員側が持って初めて、AIを教育へ正しく組み込めます。

一方、EmbeddingGemma 2は別の可能性を示しています。

AIで新しい映像を生成するだけでなく、過去に作った大量の映像を検索・分析し、教育資産へ変えることができる。

例えば過去の学生作品を意味検索し、

「冒頭5秒で人物を使っている作品」「インタビューから始まる作品」「テロップ中心の作品」

を集め、授業で比較することも技術的には可能になります。

ここで重要になるのも、結局は人間側です。

何を探すか。何を比較するか。何を良いと判断するか。

AIの能力が上がるほど、教育者・映像制作者側の「評価する能力」の価値は下がるどころか、むしろ上がる。

今日の3件からは、そこが一番重要だと考えます。