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

生成AIのニュースでは、よく「前より賢くなった」「難しい問題が解けるようになった」という点が注目されます。

もちろん、AIの性能が上がることは重要です。
ですが、生成AIが社会の中で広く使われるようになるほど、別の観点も出てきます。

生成AIに求められるものが変わってきた

これまで生成AIの進化は、主に「どれだけ高品質な答えを出せるか」で語られてきました。

文章が自然か。
正確に答えられるか。
難しい推論ができるか。
プログラムを書けるか。

こうした能力は、もちろん大切です。

ですが、実際に仕事や生活の中で使うことを考えると、それだけでは足りません。

毎回返事が遅ければ、作業の流れが止まります。
巨大なサーバーでしか動かないなら、使える場面は限られます。
大量の電力を使うなら、社会全体の負担も大きくなります。

つまり、これからのAIには「賢さ」だけでなく、「使い続けられる効率」も求められているのです。

「速く生成する」研究

その一例が、Googleが公開したDiffusionGemmaです。

DiffusionGemmaは、文章をより速く生成することを目指した実験的なAIです。
一般的な生成AIは、文章を先頭から一語ずつ順番に作っていきます。
それに対して、このAIは、文章のまとまりを先に同時に作り、少しずつ全体を整えていくような仕組みになっています。

つまり、これまでのAIが「一語ずつ順番に書く」方式だとすれば、DiffusionGemmaは「全体の下書きを先に作ってから整える」方式と言えます。

Googleは、この仕組みによって、最大で4倍速くテキスト生成が可能だと説明しています。

ここで重要なのは、単にモデルを大きくしたというわけではないことです。
文章の作り方そのものを変えて、より速く、効率よく動かそうとしたのです。

「計算を軽くする」研究

効率化の研究は、Googleだけではありません。

中国発のDeepSeekやQwenなどでは、巨大なAIモデルの中から、必要な部分だけを動かす仕組みが使われています。
これはMoEと呼ばれる考え方です。

例で考えてみましょう。

冷蔵庫にたくさんの食材が入っています。
でも、料理をするときに全ての食材を取り出したりはしないですよね？
とんかつを作るなら、豚肉、卵、キャベツなど、必要なものだけを取り出します。

MoEもそれに近い仕組みです。
巨大なモデル全体を毎回動かすのではなく、必要な部分だけを動かします。
これも、AIを効率よく使うための重要な方向です。

「省エネで動かす」研究

大きくする研究があるなら、小さくする研究もあります。

MicrosoftやGoogle、あるいはAppleなどは、スマホや会社のPCでも動くような、とてもコンパクトなAIの研究もしています。
これらの環境では、電力（電池）が限られていたり、巨大なメモリを搭載できないなど、環境的な制約があります。

以前の記事でも触れたように、大規模な生成AIを支えるには、データセンターのような大量の計算資源（GPUやメモリなど）と電力が必要でした。
ですが、スマホやPCでは、そのようなリソースは用意できません。
AIを使ったらスマホのバッテリーが1時間しか持たないなんて、使い勝手が悪いですよね？
スマホで動かすには、スマホの環境に適合した、「省エネ」なAIも必要なのです。

まとめ

生成AIの進化は、賢さだけではありません。

速く生成できること。
計算を軽くすること。
省エネ環境でも使えること。

一見地味に見えるこうした性能が、これからのAIではますます重要になります。
そしてそれは、いずれ、AIを社会の中で使い続けるための条件になっていきます。

AIが日常や仕事に本当に根づくためには、「高性能」だけでなく、「使い続けられる効率」も欠かせないのです。

---

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、インターネットにつながれば、どこからでも同じように使える。

そう思っている方も多いのではないでしょうか。
しかし、最近の動きを見ると、その前提は少しずつ変わってきています。

前回取り上げたように、Anthropic社のClaude Fable 5とClaude Mythos 5は、米国政府の指示により、発表からわずか3日で利用できなくなりました。
対象は一部のモデルでしたが、「使えるはずのAIが、国の判断で突然使えなくなる」ことを示した出来事でした。

AIは国境を越えるサービスに見えていた

ChatGPTやClaudeのような生成AIは、Webサービスとして提供されています。
そのため、世界中の利用者が、同じように使えるものに見えます。

しかし実際には、そう単純ではありません。
そのAIをどの国の企業が作っているのか。
どの国の規制を受けるのか。
データはどこで処理されるのか。
計算に必要な半導体やデータセンターを、どの国が握っているのか。

こうした要素によって、使えるAIや使える機能が変わる可能性があります。

各国が「自前のAI」を重要視し始めている

米国は、高性能AIを国家安全保障に関わる技術として見始めています。
今回のClaude最新モデル停止も、その流れの中で起きた出来事と見ることができます。

一方、中国もAIを国家戦略の重要分野として位置づけています。
米国の半導体規制などを背景に、海外技術に依存しすぎず、自国でAIを開発し、使える体制を強めようとしています。

EUも、独自のAI基盤づくりを進めています。
EUはAI Actのようなルール整備だけでなく、AI Factoriesなどの取り組みによって、域内でAIを開発・活用するための基盤を整えようとしています。

つまり、各国はAIを単なる便利なサービスではなく、自分たちで持ち、管理すべき重要な技術として見始めているのです。

日本でも進む「自前のAI」づくり

この話は、日本にも関係があります。

日本でも、海外のAIを使うだけでなく、自前でAIを作り、管理し、活用するための取り組みが進んでいます。

たとえば、デジタル庁は政府職員向けの生成AI利用環境「源内」を展開しています。
経済産業省のGENIACでは、国内の生成AI開発力を高めるため、計算資源の提供や開発支援が進められています。

民間でも、NTTのtsuzumi 2のような国産のAIモデルが提供され、図表やグラフを含む日本語ビジネス文書を扱うアップデートも発表されています。
研究開発の面では、LLM-jp-4のようなオープンな国産モデルも公開されています。

もちろん、これらがすぐにChatGPTやClaudeを置き換えるわけではありません。
しかし、海外AIを使うだけでなく、国内でもAIを作り、選べる状態にしておくことは、これからますます重要になります。

まとめ

生成AIは、便利な道具であると同時に、国や地域の戦略にも関わる技術になりつつあります。

これからは、「どのAIが賢いか」だけでなく、「そのAIを安定して使い続けられるのか」も重要になります。

海外のAIを使うこと自体が悪いわけではありません。
ただ、ひとつの国、ひとつの企業、ひとつのサービスに依存しすぎると、政策や国際情勢の変化に影響を受ける可能性があります。

生成AIを使う時代には、AIの性能だけでなく、その背景にある国や制度、提供元にも目を向ける必要があるのです。

---

AIに関するご相談・お問い合わせはこちらから

生成AIは、いつでも使える便利な道具。
これからはAIで仕事をする時代。

そう思っていた方も多いのではないでしょうか。
しかし、その前提が揺らぐ出来事が起きました。

Anthropic社が新たに公開したClaude Fable 5と、限定提供されていたClaude Mythos 5が、発表からわずか数日で使用できなくなったのです。

わずか数日で使えなくなった最新AI

Anthropic社は2026年6月9日、Claude Fable 5とClaude Mythos 5を発表しました。

Fable 5は、一般利用向けに公開された高性能モデルです。
一方のMythos 5は、サイバー防御を目的に、限られた専門家や組織向けに提供されるモデルです。

ところが、そのわずか3日後、6月12日にAnthropic社は両モデルへのアクセスを停止すると発表しました。
理由は、米国政府からの指示です。

今回の対象は、すべてのClaudeモデルではありません。
しかし、最新のAIモデルが発表から数日で使えなくなったという事実は、とても大きな意味を持っています。

なぜ止められたのか

Anthropic社の説明によると、米国政府は国家安全保障上の権限を理由に、Fable 5とMythos 5へのアクセス停止を求めました。
背景には、Fable 5の安全装置を回避する、いわゆる「脱獄（ジェイルブレイク）」への懸念があったとされています。

一方で、Anthropic社はこの判断に同意しているわけではありません。
同社は、確認された内容は限定的であり、同程度の能力は他の公開モデルでも見られると説明しています。

つまり、政府側は「安全保障上のリスクがある」と見ており、Anthropic社は「その判断は過剰ではないか」と見ているわけです。

ただ、どちらの主張が正しいかは、今日のポイントではありません。
いま考えたいのは、法令や政府の指示によって、AIサービスが突然止まり得るという点です。

注目すべきは「外国籍者」が対象になったこと

そして今回、特に重く見るべきなのは、アクセス停止の対象です。

米国政府の指示は、米国内外を問わず、外国籍者によるFable 5とMythos 5の利用を停止する内容だったと説明されています。
つまり、どこに住んでいるかではなく、国籍によってAIへのアクセスが制限され得るということです。

これを単純に「外国人排斥」と言い切るのは慎重であるべきです。
しかし、少なくとも、生成AIが国籍や地政学の影響を受ける技術になってきたことは間違いありません。

日本の利用者にとっても、これは他人事ではありません。
米国企業のAIを使っている以上、米国の政策変更によって、ある日突然、使えるモデルや機能が変わる可能性があるからです。

生成AIは戦略技術になりつつある

これまで生成AIは、文章作成や調べ物、プログラミングを助ける便利なツールとして広がってきました。

しかし、高性能なAIは、それだけにとどまりません。
ソフトウェア開発、サイバーセキュリティ、科学研究、軍事、重要インフラにも関わる力を持ち始めています。

そうなると、生成AIは単なるITサービスではなくなります。
半導体や暗号技術のように、国家が管理すべき戦略技術として扱われる場面が増えていくでしょう。

今回止まったのは、Fable 5とMythos 5だけです。
すべてのClaudeモデルが使えなくなったわけではありません。

それでも、「ある日突然、特定のAIが使えなくなる」という事態は、現実のものになりました。

私たちはどう備えるべきか

では、私たちはこの出来事をどう受け止めればよいのでしょうか。

まず大切なのは、特定のAIに依存しすぎないことです。

仕事で使う場合は、別のAIサービスでも同じ作業ができるか確認しておく。
AIが使えない場合に、人間だけで進める手順を残しておく。
重要なデータやプロンプトを、ひとつのサービスの中だけに閉じ込めない。

こうした備えが必要になります。

まとめ

生成AIは、これからますます便利になります。
しかし同時に、企業の判断、政府の規制、国際情勢によって利用条件が変わる可能性もあります。

今回のニュースは、Claudeだけの問題ではありません。

生成AIを使う時代には、「どう使うか」だけでなく、「使えなくなったらどうするか」まで考えておく必要があるのです。

ニュースで見かけた政治家の発言
SNSで流れてきた事件の映像

それらが本物かどうか、皆さんは自信を持って言えるでしょうか。

最近は、有名人になりすました投資詐欺の広告や、本人そっくりの声で家族を装う電話なども出てきています。
「見れば分かる」が通用しにくい時代になりつつあるのです。

YouTubeがAI動画にラベルをつけ始めた

YouTubeは2026年5月から、AIで作られた、または大きく加工された動画に対して、分かりやすいラベルを表示する取り組みを強化しています。

これまでは、投稿者が「AIを使いました」と自己申告することが中心でした。
しかし今後は、投稿者の申告がなくても、YouTube側のシステムが本物そっくりのAI動画を検知した場合、自動でラベルをつけることがあります。

長い動画では動画の下に、ショート動画では映像に重ねる形で表示されます。
フェイク動画が増えている中で、これは私たち見る側を守るための一歩と言えます。

本物を見分ける仕組みも進んでいる

こうした取り組みは、YouTubeだけではありません。
いま世界では、画像や動画に「どのように作られたのか」という履歴を残す仕組みづくりも進んでいます。

誰が、いつ、どんなツールで作ったのか。
どのように編集されたのか。
そうした情報を、後から確認できるようにする仕組みです。

また、グーグルはSynthIDという電子透かし技術を使い、AIで作られた画像や動画、音声に、目に見えない印を入れています。

本物と偽物を見分けるための仕組みが、少しずつ整えられているのです。

それでも「AI印」は万能ではない

ただし、AIラベルや電子透かしがあれば安心、というわけではありません。

画像や動画を強く加工したり、別のAIで作り直したりすれば、検知をすり抜けるものも出てきます。
フェイクを作る側と、見分ける側のいたちごっこは続いていきます。

また、ラベルがあることで、かえって中身をよく見ずに判断してしまう可能性もあります。
「AI生成」と書いてあるから疑う。
ラベルがないから本物だと思い込む。
そうした単純な受け止め方も危険です。

さらに、ディープフェイクが広がると、本物の映像まで「どうせAIだろう」と疑われることがあります。
偽物を疑う姿勢が身につく一方で、本物かどうか信じるのが難しくなってしまうのです。

日本ではどうなっているのか

日本でも、ディープフェイクやAI生成コンテンツの悪用は問題になっています。

ただ、現時点では、こういった悪用を直接まとめて規制する法律が整っているとは言えません。
内容によっては、詐欺、名誉毀損、著作権侵害、肖像権やプライバシーの侵害など、既存の法律で対応することになります。

今後、日本でもAIで作られたコンテンツをどのように表示し、どう扱うのかが大きなテーマになっていくはずです。

まとめ

AIラベルは、本物かどうかを考えるきっかけになります。
ただし、「ラベルがあるから安心、ないから本物」とは言い切れません。

発信元はどこか。
他の情報源でも確認できるか。

生成AI時代には、見た目だけで判断せず、少し立ち止まって確かめる姿勢が大切です。

生成AIの登場によって、私たちの生活や仕事は少しずつ変わってきました。
文章を書くのは楽になりましたし、調べ物も手早くできるようになりました。

ですが、その裏側でも大きな変化が起きています。
それが、データセンターの電力需要です。

生成AIの裏側にはデータセンターがある

生成AIは、私たちのスマホやパソコンの中だけで動いているわけではありません。
質問を送ると、その情報はデータセンターと呼ばれる大きな施設に送られ、そこで処理されます。

データセンターには、多数のサーバーが並んでいます。
これらを使って生成AIの答えを生成するのですが、その際、大量の計算が行われています。

そして、大量の計算には大量の電気が必要です。
また、大量の電気を使って計算すると、大量の熱も発生します。
サーバーは熱に弱いので、発生した熱を冷却するための設備が必要です。
この冷却にも、少なくない電力が使われます。

そのため、大規模なデータセンターでは非常に大きな電力が必要になります。
国際エネルギー機関は、2024年の世界のデータセンターの電力消費を、世界全体の電力消費の約1.5%と推計しています。
割合だけ見ると小さく見えるかもしれません。
しかし、データセンターは特定の地域に集中しやすいため、その地域の電力網には大きな負担になることがあります。

データセンターに圧迫されるアメリカの電力事情

特にアメリカでは、AI向けデータセンターの建設が急速に進んでいます。
その結果、電力をどう確保するのか、送電網をどう整備するのか、電気料金に影響しないのか、といった問題が出てきています。

実際、アメリカではデータセンター建設に対する反対運動も起きています。
ニュージャージー州ミルビル市では、電力や水の消費、公共料金への影響、騒音などへの懸念から、大規模データセンターの新規建設を禁止する決定が出されました。

また、環境問題も浮き彫りになってきています。
たとえばMicrosoftは、AIやクラウドの拡大などを背景に、2020年と比べて温室効果ガス排出量が23.4%増えたと公表しています。
報道では、AIデータセンターの拡大によって、2030年のクリーンエネルギー目標を見直す可能性も指摘されています。

生成AIを支える施設は、便利な技術の裏側にある一方で、地域の暮らしにも影響を与える存在になりつつあります。

日本にもいずれ、データセンターの電力問題は訪れる

日本ではどうでしょうか？

実は日本でも、データセンターの整備は進んでいます。
千葉県の印西・白井エリアでは、約250MW規模の大規模データセンターキャンパス計画が発表されています。
また北海道苫小牧市でも、日本最大級のAIデータセンターが2026年度に開業予定です。
アメリカほど大きな問題になっているわけではありませんが、日本でも無関係な話ではありません。

もちろん、アメリカと同じ問題がすぐに起きると決まったわけではありません。
ただ、国内でAIを活用する動きがさらに広がれば、それを支える設備も必要になります。
日本でも、早めに考えておきたいテーマです。

まとめ

生成AIは、とても便利な道具です。
一方で、それを実現するために、大きなコストがかかっているのも事実です。

今回は電力を取り上げましたが、ほかにもサーバーの部品に使われるレアメタルの問題などもあります。
便利さが強調される一方で、解決していかなければならない課題も存在するということです。

これからAIがさらに広がっていく中で、便利さだけでなく、私たちの暮らしへの影響にも目を向けていきたいところです。

先週取り上げた「Claude Mythos（クロード・ミュトス）」。
この一週間で、さらに動きがありました。

前回は、Claude Mythosがソフトウェアの弱点を見つける力に優れていることを紹介しました。
今回は、その力がどれほどのものなのか、公式の発表をもとに、見ていきたいと思います。

※公式には「Claude Mythos Preview」と呼ばれていますが、この記事では分かりやすくClaude Mythosと呼びます。

1万件超の重大な脆弱性を発見

2026年5月22日、Anthropicは、Project Glasswingという取り組みの初期報告を公開しました。
それによると、世界中で使われている重要なソフトウェアから、1万件を超える深刻度「高」または「重大」の脆弱性を見つけたとされています。

脆弱性とは、ソフトウェアのセキュリティ上の問題のことです。
放置されると、不正アクセスや情報漏えい、サービス停止などにつながる可能性があります。

ここで問題なのは、1万件というのが多いのかどうかということですね。
基本的に、どのソフトウェアも公開前にテストが行われています。
本来、脆弱性はできるだけゼロに近づけて公開されるべきものです。

にもかかわらず、1万件を超える脆弱性が見つかりました。
Cloudflare 社では、重要システム全体で2,000件のバグが見つかり、そのうち400件が高または重大だったとされています。
このような事実からも、その能力の高さを推し量ることができるかと思います。

問題のトリアージが必要

とはいえ、実のところ、生成AIが見つけたものすべてが本物とは限りません。
文章作成と同じように、ハルシネーションを起こすことがあります。
そのため、人間の専門家が確認し、本当に危険なのか、修正が必要なのかを判断する必要があります。

ここで問題になるのが、スピードです。
AIは大量の弱点を見つけられるようになりました。
しかし、それを確認し、開発者に伝え、修正し、利用者にアップデートしてもらうには、人間の手間と時間がかかります。

つまり、「AIが弱点を見つけられるようになった」のはいいものの、「見つける速度に、直す速度が追いつくのか」という新しい問題が出てきているというわけです。

まとめ

Claude Mythosをめぐる最近の動きは、各国に大きな波紋を広げています。
日本やヨーロッパでも、金融機関や公的機関が影響を確認し、対応を進める動きが出ています。

また、ChatGPT を提供する OpenAI 社も、GPT-5.5-Cyber という生成AIを用意し、サイバー防御に関わる「Daybreak」というプロジェクトを立ち上げています。
つまり、サイバーセキュリティの分野でも、生成AI同士の覇権争いが始まりつつあるのです。

一方、これらの活動は、話が大きすぎて、ちょっと他人事のように感じてしまいます。
しかし、私たちも無関係ではありません。

生成AIがサイバー攻撃に使われた場合、これまで以上に、素早く広範囲に攻撃をしかけると予想されます。
そうなると、これまで標的にならなかった私たちの会社も攻撃に巻き込まれるリスクが増えます。

Claude Mythos の成果に基づき、今後、各ベンダー（ソフトウェアを作っている会社）からアップデートが提供される可能性があります。
ユーザーである私たちは、しっかりとそのアップデートを適用しておくことが、身を守る術となります。

一連のニュースを、「すごいAIが出た」という話題で終わらせるのはもったいないです。
しっかりとその意味を理解し、私たちにはどう影響するのかを考えて読み解いていくことが重要です。