モデル・データ・開発ツールの3領域で、中小企業の実務に影響するニュースが3本ありました。共通するのは「AIを試す段階から、業務で使い込む段階への移行」です。無料版ChatGPTの強化で試すハードルはさらに下がり、利用実態データは使い込む方向性を数字で示しています。

無料版ChatGPTの既定モデルがGPT-5.6 Lunaに更新（8月6日）

OpenAIは8月6日、ChatGPTのモデル更新を発表しました。無料ユーザーの既定モデルをGPT-5.6 Lunaへ更新してテキストチャットを無制限に開放し、難しい質問向けに高い推論を呼び出す「Think」ボタンを追加しています。有料のPlus・Pro向けにはGPT-5.6 Solが更新され、事実の信頼性と回答の焦点が改善されました。

3行要約

• 無料ユーザーの既定モデルがGPT-5.6 Lunaに更新され、テキストチャットが無制限になった（OpenAI公式発表）。
• 無料版に「Think」ボタンが追加され、難しい質問で高い推論モードを使えるようになった。
• Plus・Pro向けのGPT-5.6 Solは事実の正確性・回答の絞り込みが改善され、応答の思考量を調整するスライダーが追加された。

中小企業の業務への影響

会社としてAIツールを契約していなくても、従業員が個人の無料アカウントで使うAIの品質が一段上がります。便利になる一方、業務データを個人アカウントに入力する「シャドーIT」が加速しやすい環境でもあるため、利用ルールの整備が追いついていない企業ほど影響が大きいニュースです。有料プラン導入の費用対効果を判断する基準線も変わります。

明日からできること

• 業務でよく使うプロンプトを2〜3件、無料アカウントの新モデルで再検証し、品質の変化を確認する
• 従業員の個人アカウント利用の実態を確認し、業務データの入力可否など最低限のルールを明文化する

出典: OpenAI: Improving GPT-5.6 Sol in ChatGPT

OpenAIが国別のChatGPT利用実態データを初公開（8月6日）

OpenAIは8月6日、国別のChatGPT利用実態データを初めて公開しました。データハブ「OpenAI Signals」で公開されたもので、仕事中は執筆・コーディング・分析など「タスクを実行させる」使い方が仕事外の2倍以上という結果です。10億人を超える人々がChatGPTを使っているという利用規模も明記されました。

3行要約

• 仕事中は「タスクを実行させる」利用（執筆・コーディング・分析など）が仕事外の2倍以上で、仕事外では情報を「聞く」利用が最多（OpenAI公式発表）。
• 画像などマルチメディア用途が最速で成長しており、全メッセージの7.8%、ブラジル・コロンビアでは1割超を占める。
• 35歳以上の利用比率がほぼ全ての国で上昇し、フランス・チェコでは1年で10ポイント以上増えた。

中小企業の業務への影響

「AIには質問するもの」という使い方は、世界的にはすでに仕事の主流ではありません。文書作成・データ整理・コード生成のような「成果物を作らせる」使い方が標準になりつつあり、自社の活用が質問止まりであれば、そこが最も大きい伸びしろです。35歳以上の利用増は、年齢層を理由に導入をためらう根拠が弱まっていることも示しています。

明日からできること

• 社内のAI利用場面を「質問型（調べる）」と「実行型（作らせる）」に分けて棚卸しする
• 定型業務を1つ選び、実行型（議事録の要約作成・報告書ドラフトなど）への置き換えを1週間試す

出典: OpenAI: From asking to doing

GitHub Copilotにオープンウェイトモデル「Kimi K3」追加（8月6日・ロールアウト一時停止中）

GitHubは8月6日、オープンウェイトモデルKimi K3のGitHub Copilotへの追加を発表しました。エージェント型コーディングで最前線級の能力を低コストで提供するとされ、対象はPro以上の全有料プランです。ただし同日の追記で、GitHub Actionsの障害対応のためロールアウトを一時停止中と説明されています。

3行要約

• Kimi K3がGitHub Copilotで一般提供開始。VS CodeやCopilot CLIなど各環境のモデルピッカーから選択できるようになる（GitHub公式チェンジログ）。
• 料金は使用量ベース課金で、入力100万トークン3ドル・出力15ドル・キャッシュ済み入力0.30ドルの予定と公式に記載されている。
• Business・Enterpriseプランでは既定で無効となっており、管理者がポリシーを有効化しない限り組織内では使えない。

中小企業の業務への影響

コーディング支援AIの選択肢に、低単価のオープンウェイトモデルが加わります。注目は価格だけでなく管理設計です。GitHubはオープンウェイトモデルを既定オフにし、有効化前にセキュリティ・コンプライアンス・データガバナンス要件との照合を管理者に推奨しています。「新しいモデルは管理者が明示的に許可してから使う」という運用は、自社のAI利用ポリシーを作る際のそのまま使える手本になります。

明日からできること

• Copilotを利用中なら、組織設定でどのモデルが誰に許可されているかを棚卸しする
• ロールアウト再開後に、定型的な小タスクで既存モデルとの品質・コストを比較する

出典: GitHub Changelog: Kimi K3 is now available in GitHub Copilot

まとめ

無料版ChatGPTの底上げで「試す」コストはほぼゼロになり、利用実態データは「作らせる」使い方が仕事の標準であることを数字で裏付けました。開発面でもモデルの選択肢と管理設計の両方が進化しています。まずは社内のAI利用を質問型／実行型で棚卸しし、実行型への置き換え候補を1つ決めるところから始めるのがおすすめです。

Claudeは、Anthropicが提供する生成AIです。チャットでの文書作成・読解に加え、コーディングエージェントのClaude Code、調査を自動化するResearchなど実務向けの機能群を持ち、Pro以上のプランにまとめて含まれる構成が特徴です。料金は無料版から始まり、本格利用は年払いで月17ドル（月払い20ドル）のProが起点になります。

料金とプラン（2026年8月7日 公式確認）

個人向けはFree・Pro・Maxの3段階です。下表の値はすべて2026年8月7日にAnthropic公式プランページ（claude.com/pricing）で確認したものです。

• 価格は税抜きで、公式ページに「価格とプランはAnthropicの裁量で変更されうる」と明記されています
• Team・Enterpriseプランは料金の一覧表示がなく要問合せです（管理機能・SSO・監査ログ等は組織プランに集約）

向いている使い方

長文の読み書きと、成果物を作らせる「実行型」の使い方で強みが出ます。

• 提案書・報告書・議事録まとめなど、長い業務文書のドラフト作成と推敲
• 社内の小規模な開発・スクリプト作成をClaude Codeに任せ、人がレビューする運用
• Researchを使った競合調査・市場調査の情報収集と下書きづくり

向いていない使い方

構成上、無料版のまま業務の中心に据える使い方には向きません。

• 無料版での常用（利用量上限があるため、日常業務で使うならPro前提で計画する）
• 全社一斉導入をいきなり進める使い方（Team/Enterpriseの料金が要問合せのため、先に個人Proで費用対効果を検証するのが安全）
• 事実確認なしで出力を外部公開する運用（生成AI共通の注意点として、人の確認が前提）

始め方

メールアドレスがあれば無料で始められます。手順は3ステップです。

1. claude.com でアカウントを作成する
2. 業務で扱う実際の文書（機密でないもの）を使い、ドラフト作成と読解を試す
3. 利用上限に当たる頻度を1〜2週間観察し、Proへの切り替えを判断する

まとめ

Claudeは「長文業務との相性」と「Pro 1契約に実務機能がまとまる構成」が特徴です。まず無料版で自社の文書業務との相性を確認し、上限に当たり始めたら年払い月17ドルのProへ、という段階導入をおすすめします。開発チームでの活用はClaude Codeのsubagentでコードレビューを自動化する手順が実例として参考になります。

参考（一次ソース・2026年8月7日確認）: Anthropic公式: Plans & Pricing

GitHub Copilotは、GitHubが提供するAIコーディング支援ツールです。エディタ内のコード補完から、チャットでの質問、コードレビュー、Issueを渡すとプルリクエストまで作るエージェント機能までを段階的に提供します。無料プランから1人月額10ドルのProへ、と小さく始められる価格設計で、2026年8月6日には低価格のオープンウェイトモデルKimi K3の追加も発表されました（ロールアウトは一時停止中・再開後に順次提供予定）。

料金とプラン（2026年8月7日 公式確認）

料金は個人向け4段階＋組織向け2段階です。下表の値はすべて2026年8月7日にGitHub公式プランページで確認したものです。

• チャット・エージェント・コードレビュー等は「AIクレジット」を消費します（1クレジット=$0.01）。Proの$15/月分は基本$10＋変動枠$5という内訳です
• 組織向けプランのクレジット詳細は構成により異なるため、導入時は公式の見積もりで確認してください
• 利用モデルによっては使用量ベースの従量課金（プロバイダ価格）が適用されます

向いている使い方

GitHubを軸に開発しているチームなら、既存のワークフローに追加する形で使い始められます。

• エディタでのコード補完・定型コードの自動生成による日常的な効率化
• プルリクエストのAIコードレビューを人のレビュー前の一次チェックとして使う運用
• 簡単なバグ修正や小さな機能追加をエージェントに任せ、人は結果の検証に回る分業

向いていない使い方

開発の文脈がGitHubの外にある場合は、効果が限定的になります。

• GitHub以外（社内SVN等）でコードを管理しているチームの、管理基盤を変えないままの導入
• コードを書かない部門の文書作成・データ分析用途（代替: ChatGPTやClaudeなどの汎用AI）
• AIの出力をレビューなしで本番投入する運用（コード品質の担保は人のレビューが前提）

組織導入時の注意: モデル管理ポリシー

BusinessとEnterpriseでは、どのAIモデルを組織内で使えるかを管理者がポリシーとして一元管理します。たとえば2026年8月6日に追加が発表されたオープンウェイトモデルKimi K3は既定で無効になっており、管理者が有効化しない限り組織内では使えません。GitHub自身が、オープンウェイトモデルの有効化前にセキュリティ・コンプライアンス・データガバナンス要件と照合することを推奨しています。導入時は「誰が・どのモデルを・どこまで使えるか」を最初に決めておくと、後の統制が楽になります。

始め方

GitHubアカウントがあれば無料で始められます。手順は3ステップです。

1. github.com/features/copilot からFreeプランを有効化する
2. VS CodeなどのエディタにCopilot拡張機能を入れてサインインする
3. 普段のコーディングで補完とチャットを2週間ほど使い、補完の採用率で効果を測る

まとめ

GitHub Copilotは「無料で試す→月10ドルで日常化→組織で統制」という段階設計が明確なツールです。まずFreeプランで開発メンバー1〜2名が補完とエージェントを検証し、採用率が手応えに変わった時点でProまたはBusinessへ進む流れをおすすめします。AIレビューの活用イメージはClaude Codeのsubagentでコードレビューを自動化する手順も参考になります。

参考（一次ソース・2026年8月7日確認）: GitHub Copilot プランおよび価格 ／ GitHub Changelog: Kimi K3 is now available in GitHub Copilot

規制・ツール・モデルの3領域で、中小企業の実務に影響するニュースが4本ありました。特にEU AI Actの全面適用開始は「AIを使っていることの明示」が法義務になる転換点で、EU接点のある企業は確認が必要です。国内業務向けにはGoogle Meetの議事録強化がすぐ使える変化になります。

EU AI Actが全面適用フェーズに突入（8月2日〜）

2026年8月2日、EUのAI規制法「AI Act」が一部例外を除き全面適用となり、AI Officeと加盟国当局による執行も始まりました。チャットボットなどAIと対話していることの通知、生成コンテンツへの機械可読なマーキングといった透明性義務が、この日から実際に効力を持ちます。EU域内にサービスを提供する日本企業も対象になりうるため、まず接点の有無の確認が出発点です。

3行要約

• AI Actは2024年8月1日に発効し、2026年8月2日から一部例外を除き全面適用となった（欧州委員会公式ページ）。
• 透明性義務（AIとの対話の通知・AI生成コンテンツの機械可読マーキング・ディープフェイク等の明示）が2026年8月から効力を持つ。
• 高リスクAIに関する規則はAI Omnibus改正により2027年12月と2028年8月に段階適用される。

中小企業の業務への影響

EU域内の利用者向けにAIチャットボットを設置していたり、AI生成コンテンツを配信していたりする場合、透明性義務の対象になる可能性があります。EU接点がない企業でも「AI利用を明示する」流れは国際的な標準になりつつあり、取引先からの確認依頼が増えることが想定されます。なお、自社が義務対象に該当するかの判断は個別性が高いため、専門家への確認を推奨します（本記事は一般情報です）。

明日からできること

• 自社サイト・サービスのうちEU域内から利用されうるものを棚卸しする
• AIで生成したコンテンツに「AI利用の明示」を入れる社内ルールを検討する（EU接点がなくても信頼性の面で有効）

出典: 欧州委員会: Regulatory framework on AI

Google Meetの自動議事録に「画面キャプチャ」が入る（8月3日〜順次）

Googleは8月3日、Meetの自動メモ機能「Take notes for me」で、会議中に画面共有された資料のスクリーンショットを議事録へ自動挿入する機能の提供を始めました。文字起こしだけでは残らなかった「見せていた資料」の文脈が議事録に残ります。段階的ロールアウトのため、反映まで最大15日かかる点に注意してください。

3行要約

• Gemini による自動メモに、画面共有コンテンツのスクリーンショットが自動で埋め込まれるようになった（Google公式ブログ、8月3日発表）。
• 対象はBusiness Standard/Plus、Enterprise Standard/Plus、Google AI Pro for Education の各エディション。
• 管理者は「常に許可」か「録画有効時のみ許可」を選択でき、発表者には通知が表示され、メモパネルから無効化もできる。

中小企業の業務への影響

議事録と投影資料を後から突き合わせる作業が減り、会議に出ていない人への共有品質が上がります。一方で、画面共有した資料が自動でメモに残るため、社外秘資料の映り込みがそのまま記録される、という新しいリスクも生まれます。管理側の設定方針を決めてから使うのが安全です。

明日からできること

• Workspace管理コンソールで本機能の設定（常に許可／録画時のみ）を確認する
• 会議運用ルールに「画面共有する資料の機密区分」を1行追加する

出典: Google Workspace Updates（2026年8月3日）

DeepSeekが低価格モデルを更新、公式に「値上げ予告」も（7月31日）

DeepSeekはAPIモデル deepseek-v4-flash を「DeepSeek-V4-Flash-0731」版へ更新しました。出力100万トークンあたり0.28ドルという低価格と100万トークンの文脈長が特徴です。ただし公式ドキュメントに「近い将来、API料金全体を大幅に引き上げる予定」との記載があり、この価格を前提にした導入判断は危険です。

3行要約

• deepseek-v4-flash が0731版に更新された。呼び出し方法は変わらず、モデル名指定だけで最新版が使える（公式ドキュメント）。
• 料金は入力0.14ドル（キャッシュミス時）／出力0.28ドル（いずれも100万トークンあたり）で、文脈長100万トークン・最大出力38.4万トークン。
• 公式ドキュメントがAPI料金全体の大幅な引き上げを予告している。

中小企業の業務への影響

翻訳・要約・分類など大量処理のAPIコストを抑える選択肢ではありますが、値上げ予告により将来コストの見通しが立てにくくなっています。また海外事業者のAPIを業務データに使う場合は、データの保存場所や学習利用の有無など取扱い条件の確認が前提になります。

明日からできること

• AI処理のAPI費用試算を「値上げ後」を想定した複数シナリオで持つ
• 特定ベンダーの価格に依存しないよう、モデルを差し替えられる設計（抽象化レイヤ）を検討する

出典: DeepSeek API Docs: Models & Pricing

Anthropicが最上位モデル「Claude Opus 5」を公開（7月24日）

Anthropicは7月24日、最上位モデルClaude Opus 5を全プラットフォームで公開しました。API価格は入力5ドル／出力25ドル（100万トークンあたり）と従来のOpus 4.8から据え置きで、公式発表ではコーディングと知識労働のベンチマークで最高水準の性能をうたっています。倍額で約2.5倍高速になるFastモードも選べます。

3行要約

• Claude Opus 5が7月24日に公開され、claude.ai・Claude Code・APIなど全プラットフォームで利用可能になった（Anthropic公式発表）。
• API価格は入力5ドル／出力25ドルで従来と同じ。Fastモードは基本価格の2倍で約2.5倍の速度と説明されている。
• 長時間動くエージェント用途やコーディングでの改善が発表の中心。

中小企業の業務への影響

価格据え置きのモデル更新のため、既にClaudeを使っている企業は追加コストなしで性能向上を取り込めます。コード生成や文書ドラフトなど既存のAI活用フローで、モデルを切り替えるだけの改善余地がある状態です。Fastモードはコストが2倍になるため、速度が効く用途に限定するのが現実的です。

明日からできること

• 既存のAI活用フロー1つでモデルをOpus 5に切り替え、出力品質を数件比較する
• Fastモードは「待ち時間が業務のボトルネックになっている処理」だけに絞って検証する

出典: Anthropic: Introducing Claude Opus 5

まとめ

規制（EU AI Act）は「AI利用の明示」を法義務に変え、ツール（Meet）は議事録業務の標準を一段引き上げました。モデル面は性能向上と価格変動が同時に進んでおり、価格を固定値と考えない設計が重要になっています。まずはEU接点の棚卸しとMeetの設定確認という、今日できる2つから着手するのがおすすめです。

プロジェクトに定義ファイルを1枚置き、コマンド1行でコードレビューが返ってくる最小構成を作ります。本記事の手順と実行結果は、2026年8月6日にWindows 11のサンドボックス環境（Claude Code 2.1.161）ですべて実際に実行したものです。わざと脆弱性を仕込んだサンプルコードに対し、SQLインジェクション2箇所とパスワードのハードコードをすべて重要度[高]で検出できました。

なぜsubagentを使うのか

メインの会話とは独立したコンテキストで動く「役割固定の担当者」を作れるからです。素のプロンプトで毎回レビューを頼む方式と比べ、観点と出力形式が定義ファイルに固定されるため結果が安定します。使えるツールを制限できる点も実務では重要です。

• レビュー観点・重要度基準・出力形式を定義ファイルで固定できる
• ツールを読み取り専用（Read / Grep / Glob）に絞れるため、レビュー中にコードを書き換えられる事故を防げる
• 非対話モード（claude -p）から呼べるので、自動化フローに組み込みやすい

前提環境

Claude Codeが動く環境であれば追加インストールは不要です。動作確認は次の環境で行いました。

• Claude Code 2.1.161（claude --version の出力: 2.1.161 (Claude Code)）
• Windows 11（コマンド実行はGit Bash）

手順1: レビュー対象のサンプルコードを用意する

検出精度を確かめるため、問題を3種類（SQLインジェクション・秘密情報のハードコード・雑な例外処理）仕込んだ app.py を用意します。

"""問い合わせフォームの送信内容をDBに保存する簡易API（レビュー対象のサンプル）"""
import sqlite3

DB_PATH = "contacts.db"
ADMIN_PASSWORD = "admin1234"  # 管理画面の簡易認証


def save_contact(name, email, message):
    conn = sqlite3.connect(DB_PATH)
    cur = conn.cursor()
    # 受け取った値をそのままSQLに埋め込んで保存する
    cur.execute(
        f"INSERT INTO contacts (name, email, message) VALUES ('{name}', '{email}', '{message}')"
    )
    conn.commit()
    conn.close()


def find_contact(email):
    try:
        conn = sqlite3.connect(DB_PATH)
        cur = conn.cursor()
        cur.execute(f"SELECT * FROM contacts WHERE email = '{email}'")
        return cur.fetchall()
    except:
        return []

手順2: subagent定義ファイルを作る

プロジェクト直下に .claude/agents/code-reviewer.md を作成します。ここが本構成の心臓部で、frontmatterの tools で読み取り専用ツールだけを許可し、本文でレビュー手順と出力形式を固定します。

---
name: code-reviewer
description: コードの品質・セキュリティレビュー担当。レビュー依頼を受けたら対象ファイルを読み、重要度つきで指摘を返す。
tools: Read, Grep, Glob
---

あなたはセキュリティ重視のコードレビュアーです。

レビュー手順:
1. 指定されたファイルをReadで読む
2. セキュリティ（インジェクション・秘密情報のハードコード）、エラーハンドリング、リソース管理の順で確認する

出力形式（この形式以外で返さない）:
- [高] ファイル名:行番号 指摘内容と修正方針（1行）
- [中] 同上
- [低] 同上
最後に「指摘: 高X件 / 中Y件 / 低Z件」の集計行を付ける。

ポイントは3つあります。description はメインエージェントが「いつこのsubagentに任せるか」を判断する材料になるため、役割とトリガーを具体的に書きます。tools にWriteやEditを含めないことで、レビューが勝手に修正へ進む事故を構造的に防ぎます。出力形式を「この形式以外で返さない」と固定すると、後工程でのパースもしやすくなります。

手順3: 非対話モードで実行する

プロジェクトのディレクトリで次のコマンドを実行します。

claude -p "code-reviewer サブエージェントを使って app.py をコードレビューしてください。サブエージェントの結果をそのまま出力してください。"

実行結果（実出力）

下記は上記コマンドで実際に得られた標準出力の全文です。手直しはしていません。

code-reviewer の結果をそのまま出力します。

---

- [高] app.py:13 `save_contact` で f-string によるSQL文字列連結を行っておりSQLインジェクション脆弱性がある。プレースホルダに変更する（`cur.execute("INSERT INTO contacts (name, email, message) VALUES (?, ?, ?)", (name, email, message))`）
- [高] app.py:23 `find_contact` も同様にf-stringでSQLを組み立てておりインジェクション可能。`cur.execute("SELECT * FROM contacts WHERE email = ?", (email,))` に変更する
- [高] app.py:5 管理パスワード `admin1234` がソースにハードコードされている。環境変数（`os.environ["ADMIN_PASSWORD"]`）やシークレット管理へ移し、リポジトリ履歴からも除去する
- [中] app.py:25-26 裸の `except:` が全例外（KeyboardInterrupt含む）を握りつぶし空リストを返すため障害検知不能。`except sqlite3.Error as e:` に限定しログ出力するか、例外を呼び出し元へ伝播させる
- [中] app.py:21-26 `find_contact` は例外発生時・正常時ともに `conn.close()` を呼ばず接続がリークする。`with sqlite3.connect(DB_PATH) as conn:` + `finally` で確実にクローズする
- [中] app.py:9-16 `save_contact` も `execute`/`commit` で例外が出ると `close()` に到達せずリークする。コンテキストマネージャ（`with contextlib.closing(sqlite3.connect(DB_PATH)) as conn:`）に置き換える
- [低] app.py:8 入力値のバリデーションが皆無（email形式・文字数上限なし）。保存前に形式チェックと長さ制限を追加する
- [低] app.py:4 `DB_PATH` が相対パスのため実行ディレクトリ依存で意図しない場所にDBが作られうる。絶対パス化または設定値から解決する

指摘: 高3件 / 中3件 / 低2件

---

修正まで進める場合は指示ください（高3件だけ先に潰すのが推しです）。

仕込んだ3つの問題（SQLインジェクション2箇所・パスワードのハードコード）はすべて[高]で検出され、指摘の行番号も実ファイルの行位置と一致していました。定義ファイルで固定した出力形式（重要度タグ＋集計行）どおりに返ってきている点も確認できます。

つまずきポイント

最小構成でも運用上の注意点があります。特にツール制限と形式固定は、省くと自動化の信頼性が下がります。

• tools にWrite/Editを含めると、レビューを越えて修正まで進むことがある。レビューと修正は別のステップに分離する
• 出力の前後にメインエージェントの文（上記実出力の1行目と最終行）が付くことがある。機械処理する場合は---区切りなど、切り出せる形式を定義側で決めておく
• 生成AIのレビューには見落としの可能性が残る。マージ判断は人の確認とセットで運用する

まとめ

定義ファイル1枚とコマンド1行という最小構成でも、重要度つきの実用的なレビューが返ることを実出力つきで確認しました。まずは自分のプロジェクトに code-reviewer を1体置き、プルリクエスト前のセルフチェックとして使い始めるのが導入しやすい形です。

Gemini Notebookは、PDFやドキュメントなど手元の資料をアップロードすると、その資料だけを根拠に出典付きで回答するGoogleのAIリサーチツールです。2026年7月16日にNotebookLMから改称されましたが、中身は同一製品で、既存ノートブックや共有リンクはそのまま使えます。Googleの公式発表によると、2023年の公開以来3,000万ユーザー・60万組織にまで利用が広がっています。

仕組み: 「手元の資料だけ」を根拠に回答する

一般的なチャットAIとの最大の違いは、回答の根拠をアップロードした資料に限定する「グラウンディング型」である点です。回答には出典（資料のどの箇所か）が付くため、事実確認のコストが大きく下がります。社内マニュアルや過去の議事録を入れておけば、「就業ルールの根拠箇所つき回答」のような使い方ができます。

改称発表と同時に、各ノートブックでコードを書いて実行できる「セキュアなクラウドコンピュータ」機能も発表されました。資料に基づいたデータ分析まで踏み込める機能で、公式ブログによるとProユーザー向けに順次提供されます。

料金とプラン別上限（2026年8月6日 公式確認）

無料版だけでも実務検証には十分な上限があります。有料化する場合はGemini Notebook単体ではなく、Google AIプラン（ストレージやGeminiアプリの拡張とセット）への加入が必要です。下表の値はすべて2026年8月6日にGoogle公式ヘルプ・公式プランページで確認したものです。

• 月額はGoogle Oneプランページ（日本向け表示）の確認値。年払いで最大16%割引の記載あり
• Google AI Ultraの料金は同ページのプラン一覧に表示がなかったため「要問合せ」としています
• Ultra枠の「500〜600」等の幅は公式ヘルプの表記のままです

向いている使い方

「答えの根拠を社内資料に限定したい」場面に向きます。無料版から始められるため、導入コストの検証も低リスクです。

• マニュアル・規程・議事録を入れた「社内の質問窓口」の試作
• 提案書や調査レポート作成前の、参考資料の横断整理
• 長い資料を音声概要にして移動中にインプットする使い方

向いていない使い方

資料の外にある情報を求める用途には向きません。設計上、最新ニュースの検索や一般知識の質問は別のツールの領分です。

• Web全体を対象にした最新情報のリサーチ（代替: Perplexity等の検索型AI）
• ソースなしの自由な文章生成・アイデア出し（代替: ChatGPT等の汎用チャットAI）
• 1冊あたりソース50件（無料版）を大きく超える大規模文書群の一括投入

始め方

Googleアカウントがあれば、公式サイトからすぐに無料で始められます。手順は3ステップです。

1. notebooklm.google にGoogleアカウントでログインする
2. ノートブックを作成し、PDF・ドキュメント・URLなどの資料を追加する
3. チャットで質問し、回答の出典表示を確認しながら使う

まとめ

Gemini Notebookは「社内資料を根拠にした出典付き回答」という明確な強みを持ち、無料版の上限も実務検証には十分です。まず1つの業務資料群（マニュアルや議事録）でノートブックを作り、回答の出典を確認しながら精度を見極める始め方をおすすめします。

参考（一次ソース・2026年8月6日確認）: Google公式ブログ: NotebookLM is now Gemini Notebook ／ Google公式ヘルプ: プラン別上限 ／ Google One プランページ