OpenAIのAIエージェント「Deep research」はビジネスをどう変革するのか？　サム・アルトマン氏ら4人がデモンストレーション

OpenAIのサム・アルトマン氏らによるデモンストレーション

サム・アルトマン氏（以下、アルトマン）：※1本日はお集まりいただき、ありがとうございます。今、AIにとって重要な時期が訪れております。進歩は急速に進み、モデルはすでにますます賢くなっています。

我々には5つのレベルのAIがあります。まずChatbots。2024年、「OpenAI o1」を発表いたしました。こちらが最初の推論モデル。こちらはより深く考えてから応答するように設計されています。そして先週、「OpenAI o3 mini」を世界に向けてリリースをし、また一歩前進しました。



実際、いろんな意味でこれは楽しみになるわけなんですが、そのうちの1つ、モデルとして複数のステップを踏み、そしてAIエージェントとしての道が切り開かれています。

AIエージェントについては多く耳にされているかもしれません。こちらは自律的なあなたのためのAIとなります。

AIエージェントは実際世界を観察し、意思決定をし、みなさんに代わって仕事をすると。デジタルアシスタントのようなものですので、世界を理解し、状況を把握し、そして実際に複雑なタスクを実行することができます。そして、みなさんに代わってアクションをしてくれます。

ChatGPTはさらに次のレベルに行き、進化形となります。みなさん、こういったみなさんと同じように、このエージェントもネットワークについて理解をしておりますので、まず本当のエージェントとしてのOperatorを発表しました。

このOperatorは、人間のようにWebを閲覧し、実際に周りを見回して重要なタスクを処理しながら決定をしていきます。



ですので、スライドを見るといろんなことができることがわかります。非常にいろんなAIを拡大をし、いろんなことがブラウザでできることになります。コンピューターを幅広く使うことができるようになります。

OpenAIが発表した「Deep research」とは？

アルトマン：まず最初のエージェントになりますので、これからさらに進化をしていくわけなんですが、今日は、次のステージと今のステージは「Deep research」と呼ばれるもののデモをやらせていただきます。こちらを東京で発表させていただきました。

OpenAIでこれまで発表した中でも非常にすばらしい発表になったと思います。それから、これから何ができるかもわかっていくことになります。



これは非常に複雑なリサーチタスク、検索タスクを行うことになります。これまで30分かかっていたり30日かかっていたものが数分でできる。実際に初めてこちらのo3のモデルを使っていただきまして、閲覧をし、イメージテキスト、PDFを見て、その情報を統合し、レポートを作成してくれます。

しばらく、これをすべてやろうとするとすごく時間がかかるものになりますが、ChatGPTと違います。ChatGPTはすぐにその答えが出るわけですが、タスクを始めまして、非常に優秀な同僚みたいなかたちで、いろんなことを一緒に考えて、そして何が必要か、どういった情報が必要かを考えてレポートを作ってくれます。

このシステムによって、実際に想定するだけではなく、すべての経済的に必要な価値のあるタスクもやってくれることになります。これが孫社長のビジョンを実際に現実化することができると。もちろんもっと強化された進化版も、これから発表されていく予定です。

こういったデータの統合が非常に重要です。リサーチシステムはいつでもあなたやみなさんのために働いてくれます。



今日現在使えるもの、例えば専門家や金融機関のみなさんが検索が必要な時……それ以外にも、例えば車を探すのも手伝うことができますし、次のステップとして、まず知識を統合し、そして新しい知識を導き出す一歩となります。

すでに非常に価値が高いと思いますが、これをさらに高めていくことも可能であると考えています。

ここから先は、私の同僚であるジョシュを壇上に呼びまして、さらにこちらのデモについてライブデモでお見せしたいと思います。生でデモをする時はたいてい非常に緊張するんですが、おそらく失敗せずにできると思います。どうぞよろしくお願いいたします。

では、ジョシュを壇上にお呼びしたいと思います。お願いします。

（会場拍手）

「Deep Research」の使用例をデモ

ジョシュ・トービン氏（以下、トービン）：サムさん、ありがとうございました。ジョシュ・トービンと言います。リサーチを担当しております。エージェントプロダクトの次世代の開発をしております。


本日、「Deep Research」を発表させていただきました。こちらが次世代のリサーチの能力を持つものになります。推論モデルを使いまして、そしてWebを閲覧をし、検索をすることによって、実際にデータを統合し、そして幅広いタスクも行い、その作業を実行することになります。

こちらによっていろんな使用例がさらに実現することができると思います。それをどのように動かすか、どのように使うことができるかをお見せしたいと思います。

例えば営業のケースですね。AIの企業が何かAIのツールをほかのお客さまに販売をしたいと考えている場合。ここでDeep Researchに対してこう問いかけます。



「詳細のレポートの準備を手伝ってくれませんか？　このレポートは我々の営業チーム、ソフトバンクのようなパートナーとなり得る企業が日本の市場で成功するために、特に生成系AIを使って成功するために、そしてエージェントの技術を使って成功するために、どのようにしたらいいか説明してくれないか？」。

ということでDeep Researchはいくつかの確認を再度してきます。確認の質問をしてきます。これをするためには、この技術がより詳細な作業をするために、より大きな要件、質問を1つにまとめて最終的なレポートリサーチを作ることになります。

ですから、最終的には最善の答えを導き出すためにそういったところをすべて集めてまいります。例えば詳細の答えをこちらで返すこともできますし、「任せるから、ベストな、最善のチョイス、選択をしてくれ」と任せてしまうこともできます。

Deep Researchは、少し時間がかかります。その答えを出すのに少し時間がかかる理由は、「ChatGPT」と違いまして、前世代のチャットボックスのAIの商品と違いまして、Deep Researchはいろんな計算能力、演算能力、いろんな検索、それからいろんな推論をし、より良い答えを導き出すために少し時間がかかります。

数週間かかる分析レポートもすぐに出力できる

トービン：これが戻ってくるために、レポートを出すために、先ほど検索をしてみた例を少しお見せをしたいと思います。営業以外のところですね。

例えば事業戦略については、「ポッドキャストのプラットフォームで、どのプラットフォームが一番自分の事業に向いているか？」という質問をしています。例えば1日や数週間かかって、またはコンサル会社を雇って出すような答えになるかと思いますが、もちろん細かければ細かいところまで答えを出すこともできますが、その中でも何が本当に必要かを絞って答えを出すことも可能です。


レポートを生成する時にこのようなものが戻ってきます。これは典型的なDeep Researchが出すような答えとなります。このケースではDeep Researchは、いろんなWebの検索、閲覧、それから推論をします。

加えて、「いくつかのプラットフォームを検討すべきだ。どのような準備ができるのか。どういった基準の中でそれを選ぶことができるか」を示してきます。

非常に強力で、実際例えばかなり時間をかけてこういった答えを出すことはできると思いますが、Deep Researchであればこういったアナリストの時間を節約することもできますし、より早く答えを出すことも可能になります。それによって戦略的な意思決定をより早くすることが可能です。

Webサーチでは、みなさまに透明性を提供いたします。この情報、答えを出すためにどんな情報をどういうふうに集めてきたか。それが透明性高く提供されます。Deep Researchが集めてきた情報なんですが、ここに引用があることがわかります。もう少し詳細が知りたければこの引用のところに行っていただければよくわかります。

推論のプロセスが閲覧できる、強力な機能

トービン：それから、Deep Researchの強力な機能の1つに、このプロセスを見ることができると。推論のプロセスを見ることができます。そしてそのプロセスで、どういうふうに答えが導かれたかがわかります。Deep Researchは幅広い質問、そしてさまざまな情報を統合すると、みなさんの質問に答えることができます。

また、Deep Researchは、なかなか深いところまで答えを見つけるのが難しい質問にも優れています。例えば大型データセンターを作りたいとします。そうするとここに具体的な質問があります。その質問には業界の深い洞察がなければ答えられません。

しかし、Deep Researchはなかなか見つかりづらい情報を見つけに行って、そして答えを出してきてくれます。さまざまな条件、基準に基づいて細かいところまで調査をし、さまざまな地域まで調査をし、クエリを何度も投げなければいけないところを、このように1回のクエリでも幅広く網羅することができます。



それから、Deep Researchを今日発表したわけですが、マーケティングチームとしては、弊社のマーケティングチームの発表にメディアや世間はどのように反応しているか？　好感を受けているのか、それとも違うのか？　そういったことが知りたいということがあります。

このような情報にアクセスをする。そしてすべてを集めてきて、そして統合させたい時に、このようなタスクにおいてマーケティングチームがこのDeep Researchを使うことができます。

ただマーケティングチームは、なかなかそういうローンチの時では難しいために、こういった深い分析をローンチするたびにすることができません。それに代わって、マーケティングチームに代わってDeep Researchがこのタスクを行ってくれます。さらに幅広いユースケースに対応してくれることができます。

科学的な研究の加速化にも貢献できる

トービン：このようなユースケースに対応できる例をご紹介いたしました。Deep Researchでこのようなことができることをご紹介したわけですが、Deep Researchは法人向けに有効というだけではありません。

例えば、個人のみなさんであっても、自分の好きな趣味やスポーツ、ショッピングをする時に同じ質問をしても、それでも幅広い答えが欲しい時には、Deep Researchがみなさんに代わって答えを見つけに行きます。例えば野球の統計をまとめてくれたり、それからさまざまな選手を網羅した統計をまとめてくれたりします。

また、法人、個人のみならずDeep Researchが今後できるだろうなと思っているのが、科学的な研究の加速化ができるのではないかと思っています。

例えば、私の博士号の研究をした時にやったことなんですけども、ロボティクスについて、やはり専門家が書いているようなレポートを、例えば大学院、大学生のレベルの人たちが書いているレポートですね。

それをまとめてきてサマリーをするためには、きちんと細かいところまで理解ができないとサマリーを作ったり統合させることができません。これを、Deep Researchが得意としているところです。このような深いところまで研究ができます。

先ほどの営業の話、それから経営の戦略の話に戻りますが、その前に同じ質問を通常のChatGPTに投げてみたいと思います。Deep Researchを使わない場合と比較してみたいと思います。ここで同じ質問をします。ここの、まったく同じ質問をコピペしてみますね。そうするとDeep Researchと、それからChatGPTの違いがわかると思います。

では、普通のChatGPTに同じ質問を投げてみます。チャットモデルを使うことのメリットは、答えが早く出てくることです。ということで、このようにChatGPTのモデルであれば、ざっくりとした分析ではありますが早く答えが出てきます。



つまり、ソフトバンクのことをよく知っている人であれば、おそらくわかるであろう答えが早く出てくるということです。早く答えが欲しければChatGPTのようなGPTモデルがいいです。

企業を変革するスタート地点に過ぎない

トービン：一方Deep Researchは、深い、幅広い答えが欲しい時に適しています。どれぐらいの研究を網羅しているかがわかります。それから深さのレベル、それから洞察のレベルが、通常のChatGPTとは大きく異なるということがわかります。

業界にフォーカスをしていたり、このディールの財務的な状況や経営戦略などのインサイトがエビデンスによってきちんとサポートされています。みなさんのアナリストの方がやるようなことと同じようなことをしているわけです。

以上、Deep Researchの使い方の概要でございました。こちらは、こういったエージェントのテクノロジーが企業を変革する、まだスタート地点に過ぎません。Webサーチではユースケースすべてではなく、企業で一番有益なデータは、往々にして企業の中に眠っていることが多いんです。

なので、社内の情報にアクセスをするということで、エージェントがただ知識を統合するのみならず、それに対してアクションを取っていくのがエージェントになります。こういったロードマップをこのテクノロジーで引いていきたいと考えています。

それではここでマイケルにバトンタッチをいたしまして、企業のお客さまがカスタマイズ、どのように社内向けにできるかというご紹介をしたいと思います。

（会場拍手）

OpenAIのAIエージェントはどのように貢献するのか

マイケル・シャーデ氏：ありがとうございます。こちらにご一緒できることを非常にうれしく思います。2025年はエージェントの時代です。



どういう意味かといいますと、今こちらにみなさんいらっしゃって、電話も出さず、Deep Research、ChatGPTに今タイプ入力をしたりしてみましたが、将来の組織がどうなるかを、見え方としてご紹介をしたいと思います。

少しデモとなりますが、みなさんにとっての何かのきっかけとなり、今後、2025年後半までに至るまで、どういったことができるかを考えていただけるんじゃないかと思います。

まず営業のチーム、営業のコンタクトの入力フォームとなります。だいたいの使い方はみなさんもよくご存じだと思います。こちらに入力をし、これがシステムに入って、そしてチームの人間、またはその人間がメールを見て、どこから返信をすればいいかと。

時間がかかり、数時間、数日かかるということでバイヤーからすると、お客さまからすると時間がかかるように感じることもあるかもしれません。これをエージェント、みなさんに代わってやることができるとなればどうなるかをお見せしたいと思います。

まず入力画面。システムの中に入っていくと。見ていただきますと、実際のセールスのチームが何をしてくれているかで、このエージェントが何をしているかを見ることができます。



こちらのタスクを開けてみますと、エージェントが1つ仕事を拾い上げて、もうすでに対応しましたということになります。Eメールが来ました。それに対して、すでに自分でやる代わりに、実際にどの業界の人でどういった売上で、どういった役職、どういった情報があるかを確認をし、Deep Researchと同じようなかたちで調べてくれます。

この場合は、エージェントがこれを見て、「非常にいい見込みがある。OpenAIを買いたい」と。OpenAIが「OpenAIを買いたい」と言っていますが、そういったやり取りの例とはなりますが、どういったことができるのか、Eメールを書きます。彼らに、お客さまに対して返事の返信を作ってもらいます。



このエージェントは、特に「何かの言語で書け」とは指示をされておりません。もともと日本から来たものだということであれば日本語で返信を作るということを自動的に、自律的に行います。

そして、こちらのメールがお客さまのところに届けられます。こちらは非常に小さいデモとはなりますが、こういったかたちでどういったものができるかの1つの例となります。

例えば、アプリケーションの中で組織を見ていただくと、小さいタスクで実際には人がやっているものに関して、これを積み重ねると非常に大きな、それぞれは大したことがない仕事かもしれませんが、最新の技術を使うことにより、それがチームの時間を節約をし、そしてさらに進めることができるということになります。

これをどのように使えるか。Deep Researchなども使ってさらに広げることができると思っております。ありがとうございました。

司会者：Arm、CEO、レネ・ハースでございます。

Armのレネ・ハースCEOが語る、AIエージェントの未来

レネ・ハース氏（以下、ハース）：みなさまの前でお話しできることを楽しみにしてまいりました。Armについてお話をさせていただきます。それからエージェント、またサムや孫（正義）氏が言っていたことを私の話に絡めて申し上げたいと思います。



みなさま、弊社Armについて思い起こしていただきたいんですが、私たちは比例のないスケールを持ったコンピュート・プラットフォームでございます。1990年以降、3,000億個以上のArmベースのチップを出荷いたしました。どのようなコンピュート・プラットフォームでもこの数字に近いものはありません。


そして、さまざまなデバイスがつながっていますが、世界人口の99パーセントがArmベースのAIを使っているという状況になりました。また開発者で言いますと、これまでに発明されたいかなるコンピュート・プラットフォームと比べても、2,000万人以上の開発者がいるということは、非常に幅広くサポートされているということがあります。

私どもの成長、それからマーケットの浸透度は本当に目覚ましいものがありました。ただ、将来を考えると、私どもはまだスタート地点におります。AIエージェント、我々のAIで動くエージェントというものは我々の将来であります。

（動画が再生される）

動画音声：AIエージェントは、私たちの日々の暮らしに変化をもたらしています。買い物や予約、運転、健康維持に役立つだけでなく、明日のテクノロジーを築くことにも寄与します。


そして、その中心にあるものは何でしょうか？　Armのコンピュート・プラットフォームです。買い物はかつてなく簡単になります。Arm上で実行されるAIエージェントは、あなたが何を必要としているかを把握し、最適な買い得商品を見つけ、レジに立ち寄ることなく店を出ることさえ可能にします。

予約や調整、お気に入りのランチスポットの記憶まで、瞬時に処理されます。あなたは、その瞬間を楽しむことに集中できます。

運転は、よりスムーズかつ安全に。ナビゲーション、駐車、そして必要な時にはハンドルの操作までサポートします。そして、すべてはArm上で実行されます。早期発見、リアルタイムのモニタリング、医師の救命サポート。よりスマートなテクノロジーが、より良い健康管理につながります。

AIエージェントは単にテクノロジーを実行するだけでなく、テクノロジーの構築にも役立ちます。Arm搭載のAIは、開発者がコーディングやテスト、開発を行う方法に変革をもたらします。



買い物の仕方から、移動、食事、健康維持、開発に至るまで、AIエージェントは私たちの生活を変えようとしています。

AIの未来は、Arm上で築かれます。

（動画が終わる）

AIエージェントがスマートデバイスで「動く」未来

ハース：エージェントを考える時に重要となるのが、また、コンピュート・プラットフォームとして重要になるのが、エージェントがいかなるところで動くことになるとパワーがもっと必要になります。デバイスはOSで動かなければいけません。そしてアプリケーションも動かさなければいけません。

またさらに、エージェントが我々の生活をやりやすくするためにパワーが必要なので、Armはそこで優れています。省電力性に優れているからです。クラウドからエッジまで、私どもはコンピュート・プラットフォームのところでリードをしています。

データセンターであったり、それからセキュリティカメラなどの小さなものまで、また、イヤホンなど小さなものまでさまざまなエリアでArmのAIを使っています。

Armでユニークなのは、このプラットフォームでソフトウェアオペレーティングシステムが、PCであれ電話であれ自動車であれクラウドであれ、共通のソフトウェアOSを使っていることが鍵となります。

また今後は、このエージェントがこのOSの上で動くことになります。今デモを拝見いたしましたが、ソフトウェアレベルで行われていることがこのように実現していくわけですが、やはりユーザーにとっては使い勝手が良くなったとしても、裏側での作業は非常に複雑になります。

Armとしてこの複雑な問題を解決していくのが、我々が呼んでいる、「Arm KleidiAI」ライブラリというソリューションです。これによってエージェントが動きます。



そしてエージェントを各開発者が電話で動くなりPCで動くなり、データセンターなり車で動くなり、そのプログラムがきちんと動くということを担保いたします。

エージェントがいろんなもので動きますので、PCのみならずエージェントがエージェント同士で話をすることもあります。そしてまた、エージェント同士で話をしていく。いろんなことが起こるわけですが、Armとしては開発者にとって開発しやすいように、そして省電力性に優れたものを提供していきたいということが弊社の考え方です。

サムは後でお話ししますが、それからOpenAIとArmが組むことによって、先ほどデモを見せてもらいましたけども、エージェントの将来はすべてのデバイスに入っていくと思います。

アルトマン：エージェントのネットワークがまさにこれから話をしていくことになりますが、クラウドなり、いろんなデバイスに入っていきます。これはすばらしいことになると思います。

ハース：話をするたびに「このデモ、すごくいいから見てよ」という話をすることも多いんですけども、エージェント同士が話をすることはどう思っていますか？

アルトマン：やはりデバイスで大きなモデルが動きやすくなっていきますので、デバイス同士で、エージェント同士で話していくということも可能になっていくと思います。

私がこの数年で、AIで驚いたのが、非常に小さなモデルでもできるようになった。つまり世界のすべてのデバイスがスマートになるということに対して楽観視をしています。

ハース：みなさま、どうもありがとうございました。

（会場拍手）
※1 英語での対談の同時通訳を書き起こしたものです。内容および解釈については英語原⽂が優先されます。英語動画