この数日の生成AIニュースを俯瞰すると、競争の中心は「モデルがどれだけ賢いか」だけではなく、長い仕事をどこまで自律的に完遂できるか、そしてクラウドだけでなく手元のPCまで含めてAIをどう配置するかへ移っています。9月6日時点で特に実務への影響が大きい3件を取り上げます。

1. OpenAI「GPT-6 Astra」発表。ChatGPTが“成果物まで作るAI”へ

【OpenAI公式発表｜9月3日】

OpenAIは9月3日、最新モデルGPT-6 Astraを発表しました。

Astraは、コンピューター操作、ブラウジング、ソフトウェア開発、科学、専門業務などを強化。特に実務面では、複雑な多段階タスクを実行しながら、既存テンプレートや指示に沿った文書、スプレッドシート、プレゼンテーションを作成できることが大きな特徴です。

例えば、オンラインフォームへの入力、CRMの顧客情報更新、カレンダー整理、Web調査、データ分析、Webサイト制作やQAなども具体的な用途として挙げられています。

9月3日時点では限定された組織からロールアウトを開始しており、OpenAIは今後数日でChatGPT Plus、Pro、Business、Enterpriseへ提供範囲を広げるとしています。API、Microsoft Azure、AWS Bedrockでも提供予定です。標準API価格は入力100万トークン当たり10ドル、出力100万トークン当たり50ドルです。

なぜ重要か

注目すべきなのは「GPT-6」というモデル名より、AIに渡せる仕事の単位が大きくなっていることです。

これまでは、

AIに文章を書かせる
→ 人間がPowerPointにする
→ 人間がExcelを整える
→ 人間が修正する

という使い方が一般的でした。

これが、

目的を渡す
→ AIが調査する
→ 必要なアプリを操作する
→ 成果物を作る
→ 人間が確認する

という形へ近づきます。

企画書、広報資料、授業教材、調査報告書などでは、文章作成の時間短縮ではなく、制作工程そのものの短縮につながる可能性があります。

2. Google「Gemini 3.8 Flash」公開。低価格モデルでも長時間エージェントを重視

【Google公式発表｜9月2日】

Googleは9月2日、Gemini 3.8 Flashとサイバーセキュリティ向けのGemini 3.8 Flash Cyberを発表しました。

GoogleはGemini 3.8 Flashを、ソフトウェア開発、エージェント型タスク、専門領域での複雑な多段階推論を強化したモデルと位置付けています。特に「long-horizon coding and autonomous agents」、つまり長時間にわたって作業を続ける自律型AIを主要用途として打ち出しています。

導入時のAPI価格は、入力100万トークン当たり0.75ドル、出力100万トークン当たり3.75ドル。この価格は2026年12月31日までで、2027年1月1日からはそれぞれ1.50ドル、7.50ドルになる予定です。

現在、開発者はGemini APIやGoogle AI Studioなどから利用でき、企業向けにはGemini Enterprise、一般ユーザーではGoogle AI Pro／Ultra加入者を対象にGeminiアプリ、Google検索のAI Mode、Google Sheetsなどで利用できます。

なぜ重要か

ここで重要なのは、OpenAIとGoogleが同時に、

「一問一答のAI」ではなく「長く仕事を続けるAI」

を強化していることです。

さらにGemini 3.8 Flashは、比較的低価格なFlashモデルです。

これは企業や教育機関がAIエージェントを運用する際に、単純に「最も賢いモデルを使う」のではなく、

難しい判断＝高性能モデル
大量の定型作業＝低コストモデル

という使い分けがさらに現実的になることを意味します。

組織のAI導入では、モデル性能だけでなく、一つの仕事を完了させるまでの総コストを見る必要があります。

3. NVIDIA、Hermes AgentをWindowsでワンクリック・ローカルAI化

【NVIDIA公式発表｜9月3日】

NVIDIAはIFA 2026で、AIエージェントをクラウドではなく自分のPC上で動かすローカルAI環境を大きく強化しました。

対象には、

• Hermes Agent
• OpenClaw
• Perplexity Portable Computer

などが含まれます。

特にNous ResearchのHermes Agentでは、NVIDIA RTX／DGX環境のWindows PCでローカルモデルをワンクリック設定できるようになりました。

HermesがNVIDIA GPUを自動検出し、適切なモデルと設定を選び、最適化済みのllama.cppを通じて起動します。NVIDIAによるとWindows版は現在利用可能で、Linux対応も予定されています。

ローカルで動作してもHermesは、ツール利用、タスク間のコンテキスト維持、セッションをまたいだ記憶、再利用可能なSkill作成といった機能を維持します。データを端末内に保持しながら動作できる点も特徴です。

さらにNVIDIAは、家庭やオフィス内にある複数PCのGPUをAI処理へ振り分ける無料・オープンソースの**NVIDIA PAIR（Personal AI Router）**も発表しました。

なぜ重要か

生成AIはこれまで、

クラウドに接続して使うもの

という前提がありました。

しかし今後は、

Cloud AI ＋ Local AI

という構成が現実的になります。

例えば、

一般的なWeb調査や高度な推論
→ クラウドAI

機密資料の整理や長時間処理
→ ローカルAI

必要な部分だけ
→ 高性能クラウドモデル

という使い分けが可能になります。

特に大学や企業では、情報管理、API利用料、長時間エージェント運用という3つの観点から、「AIをどこで動かすか」そのものがAI戦略の一部になっていく可能性があります。

Kawano's Perspective

今日の3件には、かなり明確な共通点があります。

OpenAIは、

より大きな仕事をAIへ渡せるようにする。

Googleは、

長時間働くAIを低コストでも使えるようにする。

NVIDIAは、

そのAIをクラウドだけでなく自分のPCでも動かせるようにする。

つまり、生成AI活用は、

「どのAIが一番賢いのか」

を競う段階から、

「どの仕事を、どのAIに、どこで実行させるのか」

を設計する段階へ移っています。

今後の実務で重要になる問いは、

「この仕事そのものを、次回から人間がやらなくて済む構造にできないか？」

です。

ただし、人間をすべて外せばよいわけではありません。

目的設定
→ AIへの権限設定
→ AIによる実行
→ 成果物の検証
→ 人間による最終判断

この構造を作る。

これからのAI活用力は、プロンプトを書く技術以上に、仕事そのものをAI前提で再設計する能力によって差が生まれてくると考えます。