2025年から生成AIは「会話」から「作業」へ変わってきました

2025年1月から2026年5月10日までの生成AIの動きを見ていると、かなり大きく変わったなと思います。2024年までは、ChatGPTに聞いて文章を書いてもらう、画像を作る、コードを少し直してもらう、という使い方が中心でした。もちろんそれだけでも十分すごかったのですが、2025年以降は少し違います。

AIがブラウザを操作する。
AIが調査してレポートを作る。
AIがコードを書くだけでなく、実際に修正してテストする。
AIがExcel、PowerPoint、PDF、スライド、動画、音声まで扱う。

このあたりが一気に進みました。

なので、2025年から2026年前半の生成AIを一言で見るなら、「答えるAI」から「作業するAI」へ変わってきた時期だったと思います。

OpenAI / ChatGPTの動き

OpenAIは、この期間に一番動きが分かりやすかった会社だと思います。

ChatGPTが単に会話するだけでなく、ブラウザを操作したり、深く調査したり、コードを書いたり、資料を作ったりする方向へ進みました。

Operatorが出たのは、今見ると大きかったですね。

それまでは、AIに「このサイトを見て予約して」と言っても、結局は人間が操作する必要がありました。Operatorは自分のブラウザを使って、ページを見て、クリックして、入力するという方向を見せました。その後、2025年7月にChatGPT agentが出て、Operatorとdeep researchがつながりました。つまり、調べるだけでもなく、操作するだけでもなく、調べて、判断して、操作して、資料まで作る方向になったわけです。

Codexも同じ流れですね。コードを聞くAIから、リポジトリを読んで、修正して、テストして、説明するAIに近づいています。これは開発者にとってはかなり大きい変化だと思います。

GPT-5.5では、OpenAI自身も「real work」という言い方をしています。文章がうまいとか、知識があるとかではなく、実際の仕事をどれだけ進められるかが中心になってきました。

Anthropic / Claudeの動き

Claudeは、2025年以降かなり「コーディング」と「長時間作業」に寄せてきた印象があります。

特にClaude Codeは存在感が大きかったです。Claudeは文章が読みやすいという印象がありましたが、2025年以降はエージェント型コーディングの会社という色も強くなりました。

Claude 3.7 Sonnetの時点で、即答と拡張思考を切り替える「ハイブリッド推論」という考え方が出てきました。これは2025年のAI全体の流れをよく表していると思います。つまり、常に長く考えるのではなく、簡単なものはすぐ返す。難しいものはしっかり考える。人間でも同じですが、AIもそういう方向に進みました。

Claude Codeは、開発者向けではかなり大きかったですね。単にコードを生成するのではなく、エディタ、GitHub Actions、JetBrains、VS Codeなど、実際の開発環境に入っていく流れです。また、ClaudeがExcel、PowerPoint、PDFなどのファイル作成・編集に対応し始めたのも大きいです。AIが文章を書くだけでなく、成果物そのものを作るようになってきました。

2026年のSonnet 4.6やOpus 4.7では、1Mトークン文脈や長時間タスク、コンピュータ操作、視覚理解がさらに強化されています。Claudeも、完全に「実務で使うAI」へ寄ってきた感じです。

Google / Geminiの動き

Googleは、Gemini 2.0から2.5、3系へと進めながら、マルチモーダルと検索、動画、音声、開発者向けAPIを広げてきました。

Googleはもともと検索、YouTube、Android、Workspace、Cloudを持っているので、AIが入る場所が多いです。そこが強みですね。

Googleで目立ったのは、Gemini 2.5の「thinking model」という打ち出しです。OpenAIのo系、Claudeのハイブリッド推論と同じように、AIに考えさせる方向がはっきりしました。

また、Project Marinerも重要です。これは、AIがブラウザやPC上の操作をする方向のプロジェクトです。OpenAIのOperatorやChatGPT agentと同じく、AIが実際の画面を扱う流れですね。

Veo 3、Imagen 4、Flowも大きいです。文章やコードだけでなく、動画制作や画像制作の道具としてAIを使う方向です。特に動画は、2025年からかなり競争が激しくなった分野だと思います。

GoogleはGemini単体というより、Search、Workspace、YouTube、Android、Cloudにどう入れていくかが大きいですね。AIモデルだけを比べるより、周辺のサービスまで含めて見る必要があります。

xAI / Grokの動き

xAIのGrokも、2025年から2026年にかけて一気に動きました。

GrokはXとのつながりが強いので、リアルタイム情報やX検索を使うAIという印象があります。そこにコード実行、Web検索、Agent Tools API、音声、動画生成が加わってきました。

Grok 4.1 FastとAgent Tools APIは、方向性がかなり分かりやすいです。

2Mコンテキスト、X検索、Web検索、コード実行、ファイル検索、MCPなどを組み合わせることで、Grokも単なるチャットAIではなく、エージェント基盤になろうとしています。

xAIはXとの接続があるので、リアルタイム性では強みがあります。ただ、仕事で使う場合は、情報の正確性や出典確認も大事になります。このあたりは、使う側がちゃんと見ないといけないですね。

DeepSeek、Meta、Perplexity、Mistralの動き

OpenAI、Anthropic、Google、xAI以外にも大きな動きがありました。

DeepSeek-R1は、2025年の最初にかなりインパクトがありました。オープンな推論モデルで、低コストでも高性能なモデルが作れるという見方が広がりました。

MetaのLlama 4も、オープンウェイトの流れでは重要です。巨大企業だけが閉じたモデルを提供するのではなく、開発者や企業が自分たちで使えるモデルも強くなってきました。

PerplexityのCometは、AIブラウザという方向です。検索して答えるAIから、ブラウザ上で調査、メール、カレンダー、買い物などを支援する方向に進んでいます。

MistralもLe Chat、Deep Research、Voice、Projects、画像編集、コーディングエージェントなどを広げています。欧州系のAI企業として、独自の位置を作っていますね。

2025年以降に変わったところ

この16か月ぐらいで変わったところを、少し整理してみます。

まず、AIは「考えるモデル」になりました。

OpenAIのo3、o4-mini、GPT-5系。Claude 3.7以降。Gemini 2.5以降。Grok 3以降。各社が、ただ文章を返すのではなく、難しい問題ではしっかり推論する方向に進みました。

次に、AIはエージェントになりました。

Operator、ChatGPT agent、Claude Code、Project Mariner、Grok Agent Tools API。どれも、AIが外部ツールや画面を使って作業する方向です。

さらに、AIはファイルを扱うようになりました。

文章を書くところから、Excel、PowerPoint、PDF、スライド、表計算、コードベース、画像、動画、音声へ広がっています。これはかなり大きいです。人間が最後に整えるだけでなく、AIが成果物そのものを作るようになってきました。

また、マルチモーダルも当たり前になりました。

テキストだけでなく、画像を見て考える。動画を作る。音声で話す。PDFを読む。画面を見て操作する。こういうことが普通になってきています。

最後に、企業利用と開発者利用がかなり進みました。

Codex、Claude Code、Gemini API / Vertex AI、Grok API、Mistral Vibeなどを見ると、個人がチャットで使うだけでなく、仕事の中にAIを組み込む方向が進んでいます。

競争軸も変わってきました

2024年ぐらいまでは、「どのAIが一番賢いか」という見方が多かったと思います。

もちろん今もモデル性能は大事ですが、2025年以降は競争軸が少し分かれてきました。

AIモデルの名前だけを追っていると分かりにくいですが、実際には「何をさせたいか」で選ぶ時代になってきました。

調査ならdeep research系。
コードならCodexやClaude Code。
動画ならSora、Veo、Grok Imagine。
仕事の資料ならChatGPT agentやClaude。
大量処理ならGemini APIや軽量モデル。

そういう使い分けになってきています。

気をつけたいところ

便利になった一方で、気をつけるところもあります。

まず、AIが作業するようになると、間違えた時の影響も大きくなります。文章を少し間違えるだけなら直せばいいですが、ブラウザ操作、ファイル編集、コード修正、メール送信、予約、購入まで進むと、確認が必要です。

次に、情報の鮮度です。

2025年以降はモデル更新が早すぎて、少し前の情報がすぐ古くなります。GPT-5.4が出たと思ったらGPT-5.5、Claude Sonnet 4.5が出たと思ったら4.6、Opus 4.7。追いかけるだけでも大変です。

それから、ベンチマークだけでは分からないところもあります。

数字が高いモデルでも、自分の仕事に合うとは限りません。文章の好み、ファイル操作の安定性、ツール連携、料金、速度、文脈長、出力の癖など、実際に使うと違いがあります。

ゴルフクラブと同じで、スペックだけ見ても合うかどうかは分からないですね。AIも実際に使ってみて、自分の作業に合うかどうかを見るのが大事だと思います。

2025年から2026年前半の生成AIはこう見ています

2025年1月から2026年5月10日までの生成AIは、会話の相手から実務の相棒へ変わってきた時期だったと思います。

最初は、OperatorやClaude Codeのように「AIが作業する」入口が見えてきました。そこから、ChatGPT agent、GeminiのProject Mariner、Grok Agent Tools APIのように、画面やツールを使うAIが増えていきました。

同時に、Sora 2、Veo 3、Imagen 4、Grok Imagineのように、動画や画像の生成も進みました。音声も、会話するだけでなく、音声エージェントやTTS、STT、カスタムボイスの方向へ広がっています。

2026年に入ると、モデル単体の性能だけでなく、どれだけ実際の仕事を進められるかが重要になってきました。GPT-5.5、Claude Opus 4.7、Gemini 3.1、Grok 4.1 Fastあたりを見ると、完全にそちらの方向です。

これからは、「どのAIが賢いか」だけでなく、「どのAIに何を任せるか」が大事になると思います。

文章を書くAI。
調査するAI。
コードを書くAI。
ブラウザを操作するAI。
資料を作るAI。
音声や動画を作るAI。
会社の中のデータにつながるAI。

それぞれ得意なところが違います。

2025年は、生成AIが会話相手から実務パートナーへ変わった年。
2026年は、そのAIがブラウザ、コード、資料、音声、動画まで動かし始めた年。

そう見ておくと、流れが分かりやすいと思います。

参考
Introducing Operator – OpenAI
Introducing ChatGPT agent – OpenAI
Introducing GPT-5.5 – OpenAI
GPT-5.5 Instant – OpenAI
Introducing GPT-5.4 – OpenAI
Introducing GPT-5.3-Codex – OpenAI
Claude Sonnet 4.6 – Anthropic
Claude Opus 4.7 – Anthropic
Grok 4.1 Fast and Agent Tools API – xAI