月: 2026年7月

2026年6月末から7月にかけて、主要AI各社が一斉に新モデルを投入しました。

Anthropicは6月にClaude Sonnet 5を、続けてFable 5、Mythos 5、さらに7月24日にはOpus 5も発表しました。
OpenAIも7月9日にGPT-5.6を投入し、Sol・Terra・Lunaの3段階の価格帯で展開する構成にしました。
Googleは7月21日にGemini 3.6 Flashを追加し、Gemini シリーズの統合を進めています。
大手3社以外にも、MetaはMuse Spark 1.1を、xAIはGrok 4.5を、7月8～9日のほぼ同時期にリリースしました。

わずか数週間ほどの間に、主要5社が新モデルを出し揃えた形です。

※文中のドル表記は、1ドル=160円で円換算しています。

性能は上がるのに値段は安くなる

ここで、各社の新モデルの価格（百万トークンあたりの入力価格）を比べてみましょう。

Anthropic の Claude Sonnet 5 が$3（約480円）。（※8月31日まで、期間限定$2）
OpenAI の GPT-5.6 Terraが$2.5（約400円）。
Google の Gemini 3.6 Flashが$1.5（約240円）。
Meta Muse Spark 1.1が$1.25（約200円）。
xAI の Grok 4.5が$2（約320円）。

中でもMetaは「OpenAIやAnthropicの同等モデルの約4分の1の価格」とザッカーバーグ氏自ら公言しており、価格を明確な競争軸として打ち出しています。
（OpenAI の GPT-5.5、Anthropic の Claude Opus 4.8 基準と思われます）

ただし全社一律の値下げではありません。
Geminiは個人向けプランを月額1200円から725円へ約4割引き下げた一方、ChatGPTやClaudeの月額プラン価格は据え置かれたままです。
値下げの主戦場は「個人向けサブスク」よりも「API従量課金」に移りつつある、というのが実態に近いようです。

月額プランは赤字運営

値下げ圧力の一方で、各社の収支は苦しい状況です。

OpenAIのサム・アルトマンCEOは「月額$200（約32,000円）のChatGPT Proプランで赤字が出ている」と認めています。
特に、ヘビーユーザーがプランを使い切った場合の計算コストは月あたり約$14,000（約224万円）に達するとの試算もあります。

さらに、OpenAIは2026年通期で、140億～330億ドル（約2兆2,400億円～約5兆2,800億円）の赤字を見込むとされています。
これは、年間経常収益250億ドル（約4兆円）に対して、1ドル（約160円）稼ぐごとに1.22ドル（約195円）を失っている計算になります。

Anthropicも無傷ではありませんが、月額プランではなくAPI中心のビジネスモデルのおかげで採算ラインがOpenAIより高く、2026年第3四半期までに10億ドル（約1,600億円）超の営業黒字化が見込まれています。

データセンターも火の車

月額プランが赤字を掘る一因は、裏側のインフラコストにあります。

AI向けデータセンターの急増により、米国の電気料金は2019年比で42%上昇しました。
データセンターが集中する一部地域では、電力網の増強費用が数十億ドル規模で家庭の電気代に転嫁されており、月$18（約2,880円）ほど押し上げられているとの報告もあります。

供給網の逼迫やコスト増を理由に、2026年中に計画中のデータセンターの半数が遅延・中止に追い込まれるとの見方もあり、全米30州以上で300件超のデータセンター関連法案が審議されています。
実際、ニューヨーク州では、ホークル州知事が大規模データセンターの新規建設を1年間禁止する措置を発動しました。

事業の持続性に疑問

値下げ競争とインフラコストの板挟みで、各社の足元は一様ではありません。
OpenAIが巨額赤字を掘り続ける一方、Anthropicは黒字化目前とされ、同じ「生成AI企業」でも収益構造次第で明暗が分かれています。

ここに加えて象徴的なのが、Metaの動きです。
オープンウェイトのLlama APIプレビューを7月6日に終了させたわずか3日後の7月9日、独自のクローズドモデルによる有料API「Muse Spark 1.1」を立ち上げました。
少し専門用語が多いですが、要するに『無料で公開していたサービスを止めて、3日後に、有料サービスを始めた』ということです。

一つの事業を畳んですぐ次を始める。
この慌ただしさが、業界の不安定さを物語っています。

安いのを選んでいいが、万が一に備える

価格の安さでモデルやプランを選ぶこと自体は間違いではありません。
ただし2点、事前に備えておきたい点があります。

ひとつは、『現在の価格がそのまま続くとは限らない』という前提で契約することです。
ここまで見てきた通り、値下げの背景には各社の赤字運営があり、期間限定の割引や無料クレジットで新規利用を後押ししている面もあります。
値下げ競争がいつまでも続く保証はありません。
AIへの依存が強まった後の値上がりは、昨今の原材料費の高騰と同じような、大きなリスクとなります。

もうひとつは、『特定ベンダーへの過度な依存を避ける』ことです。
Llama APIプレビューの終了のように、サービスが縮小・終了した際にデータやワークフローを他社に持ち出せなければ、乗り換えコストは跳ね上がります。
仮にサービスが終了しても、それまでのデータを持ち出せるか、他のサービスに引き継げるかというのも、重要なチェックポイントです。

このような問題を見据えて、「値上げされたら」「サービスが終了したら」を想定した出口戦略を持っておきたいところです。

生成AI最前線ブログ　投稿者プロフィール

株式会社オプトプランニング　AI講師
AI活用基礎講座／社内AI推進者養成講座／AI経営整理プログラム　担当講師
ITエンジニア出身　企業向け育成コーチ　AI活用支援

システム開発の現場でエンジニアとして経験を積んだのち、企業向けの人材育成コーチとしても組織の人材育成・能力開発に携わる。現在は生成AIの実務活用支援にも力を注ぎ、当社の「AI活用基礎講座」「社内AI推進者養成講座」「AI経営整理プログラム」の3講座で講師を務める。技術的な裏付けと、人に伝える力の両方を活かし、現場で本当に使えるAI活用の形を、経営者・担当者それ ぞれの立場に合わせてわかりやすく伝えている。

AIに関するご相談・お問い合わせはこちらから

生成AIを使う会社は、かなり増えてきました。

会議の議事録をまとめる。
資料のたたき台を作る。
プログラムのコードを書く。

こうした使い方は、もう珍しいものではありません。

一方で、最近はこんな声も出てきています。

「AIを入れたけれど、思ったほど成果が出ない」
「みんな使っているはずなのに、会社全体では何が変わったのか分からない」

これは、一部の会社だけの話ではありません。
アメリカのMITが2025年に行った調査でも、企業が取り組む生成AI活用の大半、実に95%が、はっきりとした事業成果（利益）に結びついていない、という報告が出ています。

そこで今回は、AIを導入したのに成果に繋がりにくい理由を考えてみたいと思います。

個人単位では便利になっている

まず、この問題は、生成AIが役に立たないという話ではありません。

実際、個人で使うと便利です。
ゼロから文章を書き始めるより、AIにたたき台を作ってもらう方が早いことはあります。
調べ物の入口を整理してもらったり、考えを言語化してもらったりするのにも役立ちます。

特に、文章作成、要約、アイデア出し、プログラム作成などでは、AIによって作業の初速がかなり上がります。

個人レベルで見れば、間違いなく速く、そして便利になっています。

でも、会社全体の成果とは別の話

ですが、「個人が便利になった」ことと、「組織として成果が出た」ことは同じではありません。

たとえば、ある人がAIで提案書を早く書けるようになったとします。
それ自体は良いことです。

しかし、その後の確認や承認に時間がかかっているなら、全体の業務時間はあまり変わらないかもしれません。
AIで資料のたたき台を作っても、会議の回数や意思決定が遅いままでは、成果にはつながりにくいでしょう。

つまり、AIで一部の作業が速くなっても、仕事全体の流れが変わらなければ、効果は見えにくいのです。

ツールを入れるだけでは変わらない

AI導入で成果が出にくい理由の一つは、ツールだけを入れて、仕事のやり方を変えていないことです。

先ほどのMITの調査でも、つまずく原因の多くは技術そのものではなく、組織の側にあると指摘されています。
新しい道具を、これまでの業務の流れにうまく組み込めていない、というわけです。

どの作業にAIを使い、どこで人間が確認し、何を成果とみなすのか。
こうした設計がないまま「とりあえずAIを使いましょう」と進めると、利用は増えても成果は見えにくくなります。

AIを使った回数が増えても、それだけでは十分ではありません。
大切なのは、AIによって何の時間が減ったのか、どの判断が早くなったのか、どの品質が上がったのかです。

成果が出ないのは失敗とは限らない

とはいえ、すぐに成果が出ないからといって、AI導入が失敗だとは限りません。

今は、多くの会社が、AIをどう使えばよいのかを試している段階です。
個人の便利さは見えてきました。
次に必要なのは、それをどうやって組織全体の成果につなげるかです。

そのためには、AIを使う業務を決める。
確認のルールを作る。
成果を測る指標を決める。
必要に応じて、業務の流れそのものを見直す。

ここまでやって、ようやくAIは戦力になります。

まとめ

生成AIには、間違いなく、個人の作業を速くする力があります。
ですが、生成AIは、導入すれば自動的に成果が出る魔法の道具ではありません。
組織の成果につなげるためには、しっかりと計画を立てて使っていかなければなりません。

AIを使うこと自体が目的になってしまうと、成果は見えにくくなります。
考えるべきは、「どうやってAIを導入するか」ではなく、「AIによって何を変えたいのか」です。

本番は、ツールを入れてから始まるのではありません。
何のために、どんな成果を目指して導入するのか。
それを考え始めたときから、本番はもう始まっているのです。

生成AI最前線ブログ　投稿者プロフィール

株式会社オプトプランニング　AI講師
AI活用基礎講座／社内AI推進者養成講座／AI経営整理プログラム　担当講師
ITエンジニア出身　企業向け育成コーチ　AI活用支援

システム開発の現場でエンジニアとして経験を積んだのち、企業向けの人材育成コーチとしても組織の人材育成・能力開発に携わる。現在は生成AIの実務活用支援にも力を注ぎ、当社の「AI活用基礎講座」「社内AI推進者養成講座」「AI経営整理プログラム」の3講座で講師を務める。技術的な裏付けと、人に伝える力の両方を活かし、現場で本当に使えるAI活用の形を、経営者・担当者それ ぞれの立場に合わせてわかりやすく伝えている。

AIに関するご相談・お問い合わせはこちらから

生成AIは、質問に答えたり、文章を作ったりする道具として広がってきました。

しかし最近は、もう一歩進んだ使い方が注目されています。
それが、AIエージェントです。

これまでの生成AIは、基本的に「聞かれたことに答える」道具でした。
下書きを作る。
要約する。
コードの案を出す。
どれも、それを使うかどうかを最後に決めるのは人間でした。

AIエージェントは、そこが違います。
目的を伝えると、そのために必要な手順を自ら考え、自ら実行していきます。

エージェントの新しさは「自ら動く」こと

たとえば、こんな具合です。

「この問い合わせに対応して」と頼むと、過去の履歴を調べ、返信文を作り、そのまま送信する。
「この不具合を直して」と頼むと、原因を調査し、プログラムを書き換え、テストまで実行する。

ポイントは、一つひとつの操作について、いちいち人間の許可を取らないことです。
これまでのAIが「提案するところまで」だったのに対し、エージェントは「実行するところまで」を担います。

Anthropic社のClaude Sonnet 5なども、複数の手順やツールを使いこなすモデルとして紹介されています。
AIは、相談相手から、実際に手を動かす担い手へと近づいているのです。

これは大きな進歩です。
ですが、「自ら動く」からこそ、これまでとは違う注意が必要になります。

どこまで任せるかを、先に決める

人に仕事を頼むときを考えてみましょう。

新人に任せるときと、ベテランに任せるときで、頼み方や内容は違います。
「下書きまで」なのか、「送信まで」なのか。
「社内向けだけ」なのか、「お客様対応まで」なのか。
私たちは、相手や状況に応じて、任せる範囲を自然に決めています。

AIエージェントにも、同じことが必要です。

どの操作までは自らの判断で実行してよいのか。
どこからは人間の確認を挟むのか。
何はやってはいけないのか。

ここを決めずに動かすと、エージェントは「よかれと思って」想定外のことまで進めてしまう可能性があります。
メールを送る。
ファイルを消す。
設定を変える。
こうした後戻りしにくい操作ほど、任せる範囲を慎重に決めておく必要があります。

「自ら動く」ほど、責任の所在が問われる

もうひとつ難しいのが、責任の問題です。

人間が一つひとつ操作していたときは、間違いがあっても「誰が、どこで」間違えたのかが分かりやすいものでした。
この場合、責任の所在も明確です。
その操作をした人間に責任がありました。

しかしエージェントが自ら何手も進めてしまうと、どの判断が問題だったのかが見えにくくなります。
気づいたときには、すでに送信済み、変更済み、ということも起こり得ます。

だからこそ、動かす前に決めておくことが大事になります。
どこで、誰が、何を見て承認するのか。
問題が起きたとき、最終的に誰が責任を持つのか。

これは人間が決めておかなければならないことです。

では、仕事は減るのか

ここで、最初の問いに戻ります。
AIエージェントは、仕事を減らすのでしょうか。

たしかに、手を動かす作業は減ります。
調べる、書く、直すといった実行の部分を、エージェントが肩代わりしてくれるからです。

ただし、その分、新しい仕事が生まれます。
何を任せるかを決める。
結果を確認する。
問題が起きたら判断する。

いわば「実行する仕事」が減り、「任せ方を決める仕事」が増えるのです。
このあたりは前回の記事でも少し触れた、「役割の変化」です。

つまり、仕事は単純に消えるのではなく、中身が入れ替わります。
うまく設計すれば、人間はより重要な判断に集中できます。
設計しないままだと、管理しきれない作業だけが増えていき、いずれ破綻します。

まとめ

今後、AIエージェントは、生成AI活用において非常に重要な存在になるでしょう。

ただ、「任せれば仕事がなくなる」と考えるのは早計です。
エージェントが自ら動くようになるほど、人間には「どこまで任せ、どこで止め、誰が責任を持つか」を決める役割が残ります。

AIに仕事を任せる時代だからこそ、「任せ方」を考えることが、私たちの新しい仕事になるのです。

生成AI最前線ブログ　投稿者プロフィール

株式会社オプトプランニング　AI講師
AI活用基礎講座／社内AI推進者養成講座／AI経営整理プログラム　担当講師
ITエンジニア出身　企業向け育成コーチ　AI活用支援

システム開発の現場でエンジニアとして経験を積んだのち、企業向けの人材育成コーチとしても組織の人材育成・能力開発に携わる。現在は生成AIの実務活用支援にも力を注ぎ、当社の「AI活用基礎講座」「社内AI推進者養成講座」「AI経営整理プログラム」の3講座で講師を務める。技術的な裏付けと、人に伝える力の両方を活かし、現場で本当に使えるAI活用の形を、経営者・担当者それ ぞれの立場に合わせてわかりやすく伝えている。

AIに関するご相談・お問い合わせはこちらから

生成AIは、文章を書いたり、要約したり、アイデアを出したりする道具として広がってきました。

しかし最近は、それだけではありません。
AIがプログラムを書き、ファイルを編集し、ツールを使い、複数の手順を自分で進める方向に進化しています。

たとえばAnthropic社が先日（2026/06/30）公開したClaude Sonnet 5も、複数ステップの作業や、ツールを使ったソフトウェア開発に強いモデルとして紹介されています。

AIは、ただ答えるだけの存在から、作業を進める存在になりつつあるのです。

作るスピードは上がっている

AIを使うと、作業の最初の一歩はとても速くなります。

メールの下書き
資料のたたき台
プログラムのコード

これまで人間が時間をかけて作っていたものを、AIは短時間で仕上げてくれます。

これは大きな利点です。
実際、AIをうまく使えば、考え始めるまでの時間や、手を動かし始めるまでの時間はかなり短くなります。

生成AIの価値は、ここにあります。

でも、確認する仕事は消えない

ですが、AIが速く作れるようになったからといって、人間の仕事がそのまま消えるわけではありません。

AIが作った文章や資料は、数字や出典に誤りがないか確認する必要があります。
場合によっては、気に入らない表現もあるかもしれません。
推敲という意味も含めて、人間の目は欠かせません。

あるいは、AIが書いたプログラムは、意図どおりに動くか、より注意深く確認する必要があります。
今のAIはまだまだミスをします。
それをそのまま世に出してしまうと、いわゆる「バグ」「不具合」として、多くの人に迷惑をかけてしまいます。

AIは、もっともらしいものを素早く作ることができます。
しかし、それが完全とは限りません。
まだまだ人間の確認が必要なのです。

速さが新しいボトルネックを生む

ここで問題になるのが、作るスピードと確認するスピードの差です。

AIが次々と文章やプログラムを作れるようになると、人間もそれに応じたスピードで確認しなければ追いつきません。
一見、作業は速くなったように見えても、その後の確認、修正、承認に時間がかかれば、全体としては思ったほど速くなりません。

プログラム開発の現場では、すでにこの問題が見え始めています。
AIによってプログラムを書くスピードは劇的に上がりました。
しかし、そのプログラムをレビュー（検査）し、管理し、安全に運用する仕組みが追いついていないのです。
もしこれらの安全対策を行わずに世に公開してしまうと、大きなリスクを抱えることになります。

これは、文章作成や資料作成でも同じです。
AIが作ったものを誰が確認するのか。
どこまで確認したら使ってよいのか。
間違いがあったとき、誰が責任を持つのか。

そこを決めないままAI活用だけが進むと、便利なはずのAIが、逆に混乱の原因になることもあります。

AIを使うほど、人間の役割は変わる

大切なのは、AIを使わないことではありません。

むしろ、AIを使うことで、私たちは多くの作業を速く進められるようになります。
ただし、そのとき人間の役割は少し変わります。

すべてを自分で作ることから、AIと一緒に作っていくことへ。
手を動かすことから、意図を伝え、結果を確認し、最終判断することへ。

AIが進化するほど、人間にはより高い判断力が求められるのです。

まとめ

「AIの作る速さに、確認する人間は追いつけるのか？」

答えは、「何もしなければ追いつけない」です。
AIが作る速さは、これからも上がり続けます。
一方で、人間が一つひとつ確認していく速さには限界があります。
単純に考えて、何もしなければその差は開く一方です。

ですが、追いつく方法がないわけではありません。

すべてを同じように確認するのではなく、どこを重点的に見るのかを決める。
どこまでAIに任せ、どこから人間が判断するのかを、あらかじめ決めておく。
確認を、その場の頑張りではなく「仕組み」に変えていく。

こういった対策を打つことで、人間でもAIの作る速さに追いつけるようになります。
つまり、追いつけるかどうかは、AIの性能ではなく、私たちの使い方次第だということです。

これからの生成AI時代に必要なのは、「AIでどれだけ速く作れるか」だけではありません。
「AIが作ったものを、どう確かめるか」を仕組みとして持てるかどうかが、同じくらい大切なのです。

生成AI最前線ブログ　投稿者プロフィール

株式会社オプトプランニング　AI講師
AI活用基礎講座／社内AI推進者養成講座／AI経営整理プログラム　担当講師
ITエンジニア出身　企業向け育成コーチ　AI活用支援

システム開発の現場でエンジニアとして経験を積んだのち、企業向けの人材育成コーチとしても組織の人材育成・能力開発に携わる。現在は生成AIの実務活用支援にも力を注ぎ、当社の「AI活用基礎講座」「社内AI推進者養成講座」「AI経営整理プログラム」の3講座で講師を務める。技術的な裏付けと、人に伝える力の両方を活かし、現場で本当に使えるAI活用の形を、経営者・担当者それ ぞれの立場に合わせてわかりやすく伝えている。

AIに関するご相談・お問い合わせはこちらから