マイクロソフト、GUIを自動操作するCUAとResponses APIをAzureで提供
マイクロソフトはAzure AI FoundryでResponses APIとComputer-Using Agent（CUA）を発表しました。CUAは画面UIを認識し、自然言語の指示でアプリ操作や入力を代行します。単一API呼び出しでツール連携が可能ですが、慎重な操作には人間の確認が推奨されます。
AIツール · デイリー
火
3月11日 火曜日
リーガルAIのHarvey、弁護士を凌ぐ分析力を備えたエージェント機能を発表
リーガル AI プラットフォームの Harvey は新機能「Assistant workflows」を発表した。法務や訴訟などのタスクで AI が自律的に手順を計画し、思考過程を開示しながら対話形式で業務を進める。裁判記録の分析テストでは弁護士を上回る評価を獲得しており、3 月末に一般提供を開始する予定だ。
Perplexity、公式Windowsアプリを公開 音声入力やショートカットに対応
PerplexityはPC向けの公式Windowsデスクトップアプリを公開した。音声入力やキーボードショートカットに対応し、最新モデルをデスクトップ上から素早く呼び出せるようにした。
Adobe Stockに新AI機能「Customize」 Photoshopを開かずに素材を直接編集
Adobeは素材サービス「Adobe Stock」にFirefly活用の新機能「Customize」を追加した。Photoshopなどの外部ソフトを開かずに、ブラウザ上で画像の拡張やスタイル適用、縦横比の変更が行える。有料プラン会員向けに提供され、利用には生成クレジットを消費する。
OpenAIがエージェント構築ツールを発表、新Responses APIで操作や検索を統合
OpenAIはエージェント開発向けの新ツール群を発表した。Chat CompletionsとAssistants APIの利点を統合したResponses APIを中心に、ウェブ検索、ファイル検索、コンピューター操作ツールやAgents SDKを提供する。従来のAssistants APIは2026年半ばに廃止予定となっている。
月
3月10日 月曜日
GmailにGemini搭載の「カレンダーに追加」ボタンが登場 メールからワンクリックで予定作成
GoogleはWeb版GmailにGeminiがメール内の予定を自動検出してGoogleカレンダーへ登録できるボタンを追加した。サイドパネルで確認してワンクリックで予定を作成できる。手動入力の手間が省けるが、現在は英語のみの対応で、Workspaceなどの有料プラン契約者向けに提供される。
金
3月7日 金曜日
GoogleカレンダーにGeminiサイドパネル追加：会話で予定確認や作成が可能に
GoogleはGoogleカレンダーにGeminiサイドパネルを追加し、Workspace Labs向けにテストを開始した。自然言語で次の会議予定を確認したり、繰り返しイベントを作成したりできる。日程調整の手間を省く狙いだが、現在は早期テスター向けに限定提供されている。
HighlightがMCP対応ユニバーサルAIを発表：全アプリでCursor風操作を実現
HighlightのPim de Witte氏がMCPサーバー向けインターフェースを発表。画面の文脈を認識して任意サービスを呼び出し、Tabキーで書き込みを行える。コンピューター上の全アプリでCursorのような操作性を目指す。
X、リプライで「grok」と打つだけでAIに質問可能に Grok-2連携
xAIはXの投稿リプライ欄に「grok」と入力するだけでGrokに直接質問できる機能を提供開始したと明かした。「Grok-2」および「Grok-2 mini」の展開の一環。アプリを切り替えることなく、スレッド内で直接AIに解説や質問を求められる。
木
3月6日 木曜日
macOS版「ChatGPT」、IDE内のコードを直接編集可能に
OpenAIはmacOS向けChatGPTアプリで開発用IDE内のコードを直接編集できる新機能を公開した。Plus、Pro、Teamユーザー向けに即日提供され、無料版やEnterpriseにも順次拡大予定。コピペの手間が省ける一方、複数ファイルの誤編集には注意が必要だ。
Mistral AIが「Mistral OCR」公開：1000ページ1ドルで図表も高精度抽出
Mistral AIは高度な文書認識API「Mistral OCR」を発表した。数式や表、画像が混在するPDFを高精度に解析し、1分間に最大2000ページを処理できる。価格は1000ページあたり1ドルで、Le Chatの標準機能にも採用された。
Krea AI、Pika Labsの動画新機能を導入：領域編集やフレーム補間に対応
Krea AIはPika Labsの新しい動画生成機能を導入したと発表した。動画内の特定エリアの修正やAI要素の追加、フレーム補間、画像合成などが可能になり、動画の微調整の幅が大きく広がった。
Convergenceが「Template Hub」公開、数百種のエージェントワークフローがワンクリックで動作
Convergenceはコミュニティ作成の自律型ワークフローを集約した「Template Hub」を公開した。数百種類のテンプレートが用意されており、クリックするだけで同社のAIエージェント「Proxy」が作業を代行する。作成したテンプレートの共有や実行回数の追跡にも対応している。
DuckDuckGoのプライベートAIが正式版に：ログイン不要で利用可能、完全オフにも対応
DuckDuckGo は AI チャット「Duck.ai」のベータを終了し、検索の AI 要約を拡充した。アカウント登録不要かつ完全匿名で GPT-4o mini や Claude 3 Haiku などを無料で利用でき、会話履歴は端末内のみに保存される。AI 機能が不要なら設定から完全にオフにすることも可能だ。
Anthropicがコンソール刷新、プロンプトのチーム共有や思考量調整に対応
AnthropicはAnthropic Consoleの大幅刷新を発表した。チーム内でプロンプトを直接共有・共同編集できるライブラリ機能が追加されたほか、最新モデル「Claude 3.7 Sonnet」に対応し、思考トークン数の上限調整や本番用コードの即時出力が可能になった。
中国発自律型エージェント「Manus」が話題沸騰、実測では不具合も続出
先週プレビュー公開された中国発の自律型AIエージェント「Manus」が大きな注目を集め、招待コードが高額転売される事態となっている。GAIAベンチマークでOpenAI超えを謳い、ClaudeやQwenを組み合わせて動作するが、実利用では予約や発注タスクで無限ループやエラーが多発している。
水
3月5日 水曜日
Perplexity、macOSアプリに「音声モード」を追加
PerplexityはmacOS向けアプリに音声モードを導入した。ショートカットキー「⌘ + ⇧ + M」を押すだけで音声検索や質問が可能になる。Mac App Storeから最新版をダウンロードまたはアップデートして利用できる。
D-IDがマイクロソフトと提携、Azure上で対話型AIアバターを提供へ
D-ID はマイクロソフトとの提携を発表し、リアルタイム AI アバター技術を Microsoft Azure に導入した。開発者は Teams などのアプリ向けに対話型デジタルヒューマンを構築でき、リアルタイムの多言語リップシンクや手話通訳などの支援機能も利用できる。
Google検索に新実験「AI Mode」登場、Gemini 2.0で複雑な質問に対応
Googleは米国の「AI Overviews」にGemini 2.0を導入し、プログラミングや数学の回答精度を高めたと発表した。未ログインや未成年でも利用可能に。あわせて複数回の追加質問に対応するLabs実験機能「AI Mode」も公開。まずはGoogle One AI Premium会員向けに提供を開始する。
iOS 18.4ベータ、App StoreにAIによるレビュー要約機能を導入
Appleが「iOS 18.4 beta 2」で、App StoreのレビューをAIで要約表示する機能を導入した。ユーザーの主な意見をまとめてレビュー欄の上に表示し、週1回以上更新される。現在は米国の英語アプリ向けに提供されており、年内に対応地域を広げる予定だ。
Google、ショッピング機能に生成AI導入 言葉から服を生成して似た商品を検索可能に
米Googleは「Googleショッピング」に複数のAI新機能を導入した。頭の中の服のイメージを文章で入力すると、画像生成AIが可視化して実在する似た服を探す「vision match」を米国のモバイル向けに提供開始。Geminiを活用したフルメイクのAR試着や、ボトムスのバーチャル試着も順次展開する。
CodeiumがWindsurf Wave 4を公開：プレビューのエラー取得やTabでのインポート補完に対応
CodeiumはAIエディタ「Windsurf」の大型アップデート「Wave 4」を公開した。Web画面の要素クリックやコンソールエラーを直接Cascadeに渡せるPreviews機能を追加。Tabキーでのimport文自動挿入やLinter自動修正にも対応し、開発の摩擦を大きく減らしている。
「Minecraft」Jenny Modを解説：成人向け仮想コンパニオンModの機能と導入法
TechBullionがMinecraft Java版向けの成人向けMod「Jenny Mod」の概要を解説した。特有のスキルやAIによる対話応答を備えた仮想コンパニオンJennyを追加できる。成人プレイヤー向けの単人プレイ専用で、導入にはForgeまたはFabricが必要となる。
xAI、Grokアプリで音声モードを全iOSユーザーに無料開放
xAIはGrokのiOSアプリで音声モード（Voice Mode）を全ユーザー向けに無料開放した。有料サブスクリプションなしでリアルタイムの音声対話が可能になり、モバイル環境での利用ハードルが大きく下がった形だ。
火
3月4日 火曜日
Google、メッセージアプリに詐欺検出AIを追加：端末内でリアルタイム検知
Google は「Google メッセージ」に端末側で動作する AI 詐欺検出機能を導入したと発表した。最初は普通を装い会話の途中で騙そうとする手口を SMS や RCS からリアルタイムで検知して警告する。全処理が端末内で完結し、まずは米英加の英語ユーザー向けに順次展開される。
マイクロソフト、Windows向けCopilotを刷新 ネイティブ版でUI改善
MicrosoftはWindows Insider向けにネイティブ仕様の新しいCopilotアプリの配信を開始した。Webアプリ化から約1年を経てmacOS版に似たUIとサイドバーを採用し、音声入力や履歴管理に対応。数週間以内に全Windows 11端末へ展開予定だ。
ElevenLabs、対話型AIプラットフォームでClaude 3.7 Sonnetに対応
ElevenLabsは会話型AIプラットフォームにAnthropicの「Claude 3.7 Sonnet」を統合したと発表した。高度な推論とリアルな合成音声を組み合わせ、ハルシネーションの少ない音声エージェントを構築できる。
月
3月3日 月曜日
Google、Colab に「Data Science Agent」を統合：データ分析を自動化
Google はColab に「Data Science Agent」を導入した。Gemini 2.0 を基盤とし、最大 1GB の CSV や JSON データをアップロードして質問するだけで、データのクレンジングや可視化、SQL 生成を支援する。今週より無料提供されるが、計算リソースの制限がある。
Operaがブラウザ操作AI「Browser Operator」公開：画面解析ではなくDOM操作で自律動作
Operaはブラウザ内で自律的に作業を代行するAI「Browser Operator」のプレビューを発表した。画面のスクショ解析ではなくDOMツリーをローカルで直接読み取るため、動作が速くログイン情報も外部に送信されない。決済やフォーム入力時は人間が介入できる設計で、近く先行配信される予定だ。
Google、Geminiに画面共有とリアルタイム動画での質問機能を追加へ
GoogleはMWC 2025にて、Geminiがスマートフォンの画面内容やリアルタイムの撮影動画を認識して質問に答える新機能を披露した。買い物中の画面を見せてコーディネートを相談することなどが可能になる。3月後半にAndroidのGemini Advanced登録者向けに提供予定だ。
マイクロソフト、医療向け音声AI「Dragon Copilot」発表：カルテ作成を自動化
マイクロソフトは医療従事者向けのAIアシスタント「Dragon Copilot」を発表した。音声入力のDragon Medical Oneと環境音声認識のDAX Copilotを統合し、問診からの自動カルテ作成や指示出しを支援する。5月に米国とカナダで提供開始予定。
金
2月28日 金曜日
GoogleスプレッドシートにGemini分析機能が追加、異常値検出やヒートマップ作成に対応
GoogleはWorkspaceビジネスユーザー向けにスプレッドシートのGemini新機能を提供開始した。データ間の相関関係や異常値を自動検出し、ヒートマップなどの高度なグラフも生成できる。右上のGeminiアイコンから自然言語で指示するだけで、複雑な関数なしに集計や分析が行える。
木
2月27日 木曜日
Metaが「Meta AI」単独アプリを準備中、有料版もテストへ
CNBC報道によると、Metaは第2四半期に「Meta AI」の単体モバイルアプリを投入し、有料サブスクの導入もテストする計画です。現在はSNSアプリ内やWeb限定ですが、独立アプリ化により履歴管理やスマートグラス等との連携強化を狙います。
日本マイクロソフト、Azure AI FoundryにGPT-4.5とマルチエージェント基盤を追加
MicrosoftはAzure AI Foundryの大幅アップデートを発表し、GPT-4.5のプレビュー提供を開始しました。あわせてモデル蒸留や強化学習ファインチューニング機能、自社VNet内でエージェントを動かすセキュリティ機能、数百のエージェントを統括するMagmaアーキテクチャを展開します。
Oculus創業者が新企業Sesameを公開：極めて自然な音声AIとAIグラス開発へ
Oculus共同創業者らが率いるSesameがステルスを解除し、自然な割り込みや間を再現する高表現力な音声AIを発表した。同社は日常使いを想定したAIスマートグラスも開発中で、今後数か月以内にモデルのオープンソース化と20言語以上の対応を予定している。
You.comが企業向けリサーチAI「ARI」公開：5分で400件のソースを分析
You.comは企業向けディープリサーチAI「ARI」を発表しました。最大400件のソースを並行して分析し、思考プロセスを示しながら、出典付きのレポートやPDFを約5分で自動生成します。現在You.com Labsにてプレビュー提供されています。
水
2月26日 水曜日
読書体験をAIでデジタル化 Mark Engineeringが129ドルのスマートしおり「Mark 1」発表
Mark Engineeringは、読書習慣の記録と要約を行うAI搭載スマートしおり「Mark 1」を発表した。価格は129ドル。チタン製ボディに小型画面と回転ノブを備え、連携アプリで読んだ内容の要約や進捗追跡、重要箇所の抽出を行う。紙の読書をデジタル化する試みだが、詳細なハードウェア仕様やサブスクリプションの有無などはまだ明かされていない。
Microsoft CopilotがMacに対応、ショートカット起動や割り込み可能な音声対話を提供
MicrosoftのAIアシスタント「Copilot」がMac向けに登場した。Option＋スペースキーのショートカットでどのアプリからでも即座に呼び出せるほか、ポッドキャスト風にニュースをまとめる「Copilot Daily」や、発言の途中で割り込んでも自然に対応する音声チャット機能を備えている。
Amazon、生成AI搭載の次世代「Alexa+」発表 自律操作に対応しPrime会員は無料
米Amazonは生成AIを基盤にした新アシスタント「Alexa+」を発表した。Amazon Bedrockのモデルを活用し、4種類のトーン設定や長期記憶に対応するほか、外部サービスを自律操作して予約や手配を完結できる。月額19.99ドルだがPrime会員は無料で利用可能だ。
ElevenLabs、音声認識モデル「Scribe」公開：99言語対応でWhisperを上回る精度をアピール
ElevenLabsは初の音声認識モデル「Scribe」を発表した。99言語の文字起こしに対応し、単語単位のタイムスタンプや話者分離、笑い声などの非音声タグを付与可能で、Whisper Large V3を上回る精度を達成したという。APIとダッシュボードで提供が始まっており、低遅延版も予定されている。
Hume AIがOctaveを発表：文脈や皮肉を理解して演じ分ける音声LLM
Hume AIは文脈を理解する音声言語モデル「Octave」を公開した。単なるテキスト読み上げを超え、皮肉や恐怖などの感情やキャラクター設定を解釈して声色や抑揚を演じ分ける。盲検テストではElevenLabsを上回る評価を得た。
火
2月25日 火曜日
OpenAI、ChatGPT無料ユーザーに高度な音声モードを開放：GPT-4o miniを採用
OpenAIはChatGPTの無料ユーザー向けに「高度な音声モード」のプレビュー提供を開始した。より低コストなGPT-4o miniを活用し、自然な会話のテンポを維持。1日の利用時間には制限があり、残り3分で通知が表示される。
Poe、複数AIを組み合わせてアプリを作れる新機能「Poe Apps」を提供開始
Quora傘下のPoeは自然言語で対話型アプリを作成・共有できる新機能「Poe Apps」を公開した。Claude 3.7 Sonnetを活用し、GPT-4oやFluxなど複数のモデルを組み込んだWebアプリを自動生成できる。現在はWeb版のみ対応し、将来的な収益化機能も予定されている。
Microsoft、Copilotの「音声」と「Think Deeper」を無料・無制限に開放
Microsoftは、Copilotの音声会話機能およびOpenAI o1搭載の思考機能「Think Deeper」について、無料ユーザー向けの使用制限を撤廃した。複雑な推論や長時間の音声対話が制限なく利用できる。なお、月額20ドルのCopilot Proはピーク時の優先アクセス枠として継続される。
Adobe、iPhone向け本格版「Photoshop」を提供開始 生成AIやレイヤーも搭載
AdobeはiPhone向けに刷新された「Photoshop」アプリの提供を開始した。従来のPhotoshop Expressと異なりデスクトップ版に近い操作感で、レイヤーやFireflyによる生成塗りつぶしを無料で利用できる。高度なツールは月額サブスクが必要となる。
月
2月24日 月曜日
Googleドライブ、動画の「文字起こし検索」に対応 テキスト指定で該当場面へジャンプ
GoogleはGoogleドライブ内の動画で検索可能な文字起こし機能の提供を始めた。3月26日までに全Workspaceユーザーへ順次展開される。YouTube風のサイドバーにタイムスタンプ付きテキストが表示され、単語検索やクリックによる頭出しが可能。字幕付き動画で利用でき、自動生成にも対応する。
AIエディタCursorがSonnet-3.7に対応、エージェント性能を評価
AIコードエディタのCursorがSonnet-3.7の提供開始を発表した。チームはコーディング能力、特に実環境でのエージェントタスクにおける高い性能を評価しており、新たな最高水準のモデルが登場したと述べている。
Perplexity、AIブラウザ「Comet」を発表 エージェント型検索に特化
米Perplexityは、エージェント型検索に特化した独自Webブラウザ「Comet」の開発を発表し、早期アクセスの登録受付を開始した。単なる拡張機能にとどまらず、AIがユーザーの代わりにWeb上で調査やタスクを実行する体験を目指す。正式なリリース時期はまだ明かされていない。
Google AI Studio、Gemini向けに「会話分岐」機能を追加
米GoogleはGoogle AI StudioでGeminiモデル向けの会話分岐機能を提供開始した。元の文脈を壊さずに気になる発言から枝分かれしてプロンプトを試せるため、開発者の試行錯誤が格段にやりやすくなる。利用には設定でドライブ連携と自動保存の有効化が必要だ。
日
2月23日 日曜日
通話相手もAIだと気づいたら？Gibber Linkで音声信号通信へ自動切り替え
AIエージェント向け通信プロトコル「Gibber Link」が公開された。電話口の相手がAIだと認識すると、人間の言葉をやめてGGWaveベースの音声信号へ切り替える仕組みだ。音声合成を省くことで計算コストを90%以上削減し、通信時間を最大80%短縮できる。
金
2月21日 金曜日
X、広告主向け「Grok」新機能を発表：URL入力だけで広告文や画像を自動生成
Xは広告主向けにGrokを活用した新機能を発表した。URLを入力するだけで広告文や画像を自動作成する「Prefill with Grok」と、配信データを分析して改善策を提示する「Analyze Campaign with Grok」を段階的に提供する。
HostingerがHorizonsを発表：対話やスケッチからWebアプリを即時作成
Hostingerはノーコード基盤「Hostinger Horizons」を発表した。利用者がチャットで指示を出したりスケッチ画像を投稿するだけで、対話型Webアプリをリアルタイムに生成して公開できる。サーバーやドメインも最初から内蔵されている。
OpenAIの自律型AI「Operator」、日本や英国などのPro向けに提供拡大 EUは対象外
OpenAIはブラウザ上で予約や買い物を代行するAIエージェント「Operator」を、日本、韓国、英国、カナダなどのChatGPT Proユーザー向けに提供拡大したと発表した。月額200ドルのProプラン加入者が対象で、専用Webページから利用できる。なおEU加盟国など一部地域は除外されている。
