Claude Codeを入れたら、ずっと気になっていた「multi-agent-shogun」をついに動かしてみた、というのが今回の話です。数ヶ月前に制作者のおしおさんの記事を読んだのがきっかけで、「将軍に命令したら足軽が並列で動く」という仕組みにかなり惹かれていたのですが、当時はまだマルチエージェント（複数のAIを同時に動かして作業させる仕組み）自体が珍しかったし、そもそもClaude Codeの導入すらしていなかったので見送っていました。

もう一つ興味を引いたのが、エージェント同士がお互いの成果物をレビューできるという仕組みです。これって文章制作でもかなり使えるんじゃないかと。「書く→別のエージェントがチェック→修正」が自動で回るなら、さまざまな場面で活用できそうだなと思ったのが最終的な動機でした。 結果としてChatGPTにREADMEを読ませながらサポートしてもらい、つまずきつつも数時間でスマホからの接続まで到達できたので、経緯をまとめておきます。

そもそもmulti-agent-shogunって何？

multi-agent-shogunは、Claude Codeをベースにした無料・オープンソースのマルチエージェントフレームワークです。名前の通り戦国時代の軍制がモチーフになっていて、AIエージェントに「将軍」「家老」「足軽」「軍師」という役割を振って、複数のタスクを同時に処理させる仕組みになっています。 構成はこんな感じです。

人間がやることは将軍に「これやって」と命令するだけ。あとは家老が「誰に何をやらせるか」を自動で判断して足軽に展開してくれます。軍師は難易度が高いタスクを専門で受け持つ参謀的な存在で、他の足軽が作った成果物の品質チェックも担当するみたいです。

ちなみに全員が戦国口調で報告してきます。「承知つかまつった！」「任務完了でござる！」「切腹を免れ…」という感じで、見ていて普通に面白いのですが、これが単なるネタではなく、通知が来たときに「あ、これはエージェントのステータス報告だな」とすぐ分かるという副産物もあります。出力結果なのか報告なのかが一目瞭然になるのは、地味にありがたいなと。

何が面白いのか

個人的に「これはすごいな」と思ったポイントが2つあります。

まず、調整のためのコストがかからないこと。

普通、複数のAIエージェントを連携させると「誰が何をやっているか確認する」だけでAPIの利用料が発生するのですが、Shogunではエージェント同士のやりとりがディスク上のファイル（YAML＝設定ファイルの一種）とtmux（ターミナル画面を複数に分割して同時表示できるツール）のコマンドだけで完結しています。つまり10体動かしても、課金されるのは実際の作業分だけ。

おしおさんの記事によると、もし定期的にタスクを確認しに行く方式にしていたら1日5万回以上のAPIコールが発生して破産するところだったそうで、このあたりの設計はかなり考えられているなと感心しました。

もう一つが、全エージェントの動きがリアルタイムで見えること。

tmuxの各画面に足軽たちが割り当てられていて、それぞれが何をやっているかが丸見えになっています。中で何が起きているか分からないブラックボックスにならないのは安心感があります。おしおさんが「一生見ていられる」と書いていたのですが、実際に動かしてみると確かにワチャワチャ動いている足軽たちを眺めているだけでけっこう楽しい。

さらに、作業中に繰り返しパターンを検知すると「これSkill化したら便利じゃないですか？」と提案してくる機能もあるそうで、普通に仕事をぶち込んでいるだけで勝手にナレッジが蓄積されていく仕組みになっています。

おしおさんの記事にあった「属人化の解消が仕事してるだけで勝手に実現される」という話は、なるほどなと思いました。

また、おしおさんの最初の記事はZennでかなりバズっていたのですが、技術記事というより読み物として面白いですよ。

Claude Code公式のエージェント機能とどう違う？

じつはClaude Code自体にも公式のマルチエージェント機能があって、「サブエージェント」と「Agent Teams」の2つが用意されています。

最初におしおさんの記事を読んだ数ヶ月前はまだAgent Teams自体がなかったのですが、2026年に入ってから急速に整備されてきた印象です。せっかくなので違いを整理してみました。

※ Claude CodeはProプラン（月額$20）でも使えます。ただし使用量の上限はMaxより少なく、Maxには5x（月額$100）と20x（月額$200）の2段階があります。最新情報は公式の料金ページでご確認ください。

ざっくり言うと、サブエージェントは手軽だけど1つずつしか動かせないしAI同士で会話ができない。Agent Teamsは直接やりとりできるけど、まだ実験的機能でコストが大きい。Shogunはファイルという「手紙」でやりとりする設計のため連携コストが小さく、しかも全員の動きが見えるという作りになっています。

個人的にShogunに惹かれた一番の理由は、さっきも書いた内部でレビューが回るという点です。軍師が品質チェックを担当してくれるので、たとえば「文章を書く→軍師がチェック→修正」みたいなサイクルを自動で回せるんじゃないかと。サブエージェントだと親にしか報告できないので、こういうクロスチェックの仕組みは作りにくいんですよね。

ChatGPTの利用枠でGPTモデルも使えるか聞いてみた

比較表で「対応するAIツール」が4種類あると書いたのですが、その中にOpenAI Codex CLIが含まれています。ChatGPTの有料アカウントを持っているので、できればその利用枠の中でGPTモデルもShogunの足軽として使えたら嬉しいなと。

Claude Proの利用枠だけだと心もとないので、一部の作業をGPT側に回せれば負荷分散にもなりそうです。 で、この件をChatGPTに聞いてみました（ShogunのREADMEを読ませた上での相談です）。

回答をざっくりまとめると、同じUbuntuユーザー環境でCodex CLIにサインイン済みなら、Shogunからもそのまま使える可能性が高いとのことでした。

Codex CLIは初回起動時にChatGPTアカウントで認証して、その情報をローカルに保存する仕組みになっているため、Shogunが同じ環境から codex コマンドを呼ぶなら保存済みの認証がそのまま使われるそうです。 確認方法もシンプルで、Ubuntuのターミナルで codex と打ってみて、追加のログインを求められなければOKとのこと。逆にログイン画面が出るなら、まだUbuntu側ではサインインできていないということになります。

ただし注意点もあって、Windows側でCodexにサインインしていてもWSLのUbuntu側には共有されないケースがあるらしいです。認証情報の保存場所がOS環境ごとに分かれているため、というのが理由みたいなのですが…ここはまだ実際に試していないので、動かしてみた結果はまた別途書こうと思います。

ちなみに最近知ったのですが、Claude Code本体にも「LLM Gateway」という仕組みがあって、環境変数を書き換えるだけで接続先をAnthropic以外のLLMに向けられるようになっているそうです。LiteLLM Proxy（APIの形式を自動的に変換してくれる中間サーバー）を挟めば、GPT系やGemini、さらにはローカルで動かすオープンソースのLLMにもルーティングできるみたいで。つまり将来的にはShogunのマルチCLI対応を使わなくても、Claude Code単体で複数のLLMを使い分けるマルチエージェント環境が作れる可能性があります。ただ、設定がそれなりに必要そうだし、ChatGPTの有料プラン枠がそのまま使えるかどうかは別の話なので、このあたりはもう少し情報を追ってみたいところです。

導入してみた — つまずきポイント3つ

環境はWindows＋WSL2（Windowsの中でLinuxを動かす仕組み）で、Claude Codeは入れてある状態からスタートしました。ChatGPTにGitHubのREADMEを読ませて「次は何をすればいい？」と聞きながら進めたのですが、素直に一発で入るタイプではなかったです。

1. Windowsのフォルダで作業してたらエラーが出る

最初の大きなつまずきがこれでした。READMEのWindows向け手順では C:\tools\multi-agent-shogun にファイルを置く流れになっているのですが、セットアップ中にPythonの仮想環境（venv）を作る工程でエラーが出ます。

しかもエラーメッセージが「python3-venvが必要かもしれません」と案内してくるので、最初はその通りにパッケージを入れ直したりして無駄に時間を溶かしてしまいました。

ChatGPTに状況を説明したところ「WSLからWindows側のフォルダ（/mnt/c/配下）を使うと権限周りの問題で動かないことがある。Linux側のホームに移してみたら？」と言われて、プロジェクトをUbuntu側の ~/tools/multi-agent-shogun に移したら通りました。正直なぜそれで解決するのかは完全には理解できていないのですが（汗）、WSLでは「Windowsのファイルシステムを使うかLinuxのファイルシステムを使うか」で挙動が変わるらしい、くらいの理解です。Windowsユーザーは要注意なポイントだと思います。

2. dashboard.mdは「見るもの」だった

これは完全に自分の勘違いなのですが、READMEに「ダッシュボードで進捗確認できる」と書かれていたので、何かコマンドを打てばダッシュボードが起動するのかと思っていました。 実際にはdashboard.mdはただのマークダウンファイル（テキストファイルの一種）で、将軍システムを起動した後に家老が進捗状況を書き込んでいくためのファイルでした。

VSCodeのプレビュー機能で開いておけばリアルタイムで内容が更新されていくのが見える、という仕組みです（本命は3.に書かれているAndroidアプリでの確認でしょう）。

分かってしまえば単純なのですが、「ダッシュボード」という言葉から勝手にWebの管理画面みたいなものを想像してしまっていたので、最初はちょっと混乱しました。

3. Androidアプリに入れるパスを間違えていた

Shogunには専用のAndroidアプリ（コンパニオンアプリ）があって、スマホからSSH（リモート接続）でPCの将軍セッションに入れるのですが、接続設定でハマりました。

設定画面にホスト・ポート・ユーザー・プロジェクトパス・tmuxセッション名を入れるのですが、プロジェクトパスに C:\tools\... とWindows側のパスを入れていたのが間違いでした。 SSH接続先はWSLの中のLinuxなので、Linux側のパスを入れる必要があるわけです。今回だと /home/（ユーザー名）/tools/multi-agent-shogun が正解でした。ChatGPTに「パスが違うんじゃないか」と指摘されて直したら一発で通ったのですが、WindowsとWSLとSSHが絡むと「どこから見たパスなのか」がこんがらがりやすいです。

スマホから将軍セッションに入れた

外出先からもスマホで接続したかったので、Tailscale（端末同士を簡単にVPN接続できるサービス）を使ってみました。

ただ、WindowsとWSLで同時にTailscaleを動かすのは公式的に非推奨らしく、接続経路をどうするかで少し悩みました。結局のところChatGPTに相談しながら設定を整理した結果つながったのですが、自分で全部理解して解決したかと言われると正直怪しいです（笑）

ともあれ、最終的にはLAN内だけでなく外出先からもAndroidで将軍セッションに入れるところまでいけました。 おしおさんのAndroidアプリ記事にも書かれていたのですが、マルチエージェントの操作って「指示を出す」のがメインの仕事なので、スマホの音声入力との相性がかなり良いです。

image : おしお スマホアプリでエージェントタブを開いたところ

9つの画面を同時にモニタリングしたり、AIの利用量がどのくらい残っているかを確認するレートリミットモニターも付いていて、実用面でもよくできています。しかも戦国BGMまで付いてくる（笑）。

PCの前に座っていなくても「足軽の進捗確認して」とスマホに喋るだけで状況が分かるので、ここまで来るとちょっと感動します。

プログラミングしなくても使えるのか

Shogunは「コードを書くための開発ツール」という印象が強いかもしれませんが、おしおさんの記事を読み込んでいくと、実はかなりの割合がライティングや調べものに使われていることが分かります。

御前試合の記事では「足軽8人が日々さまざまなライティングタスクをこなしている。将軍が指示を出し、家老が采配し、足軽が書く。完全に会社」と書かれていて、SEO記事を7本同時に書かせるといった使い方が普通に行われていました。

つまりShogunの本質は「コードを書く道具」ではなく、「重い仕事を複数のAIに分業させる道具」なんだなと。プログラミングをしない場合でも、「調べる」「比べる」「書く」「チェックする」を同時に回せるのは、普通にAIチャットを1つ使うのとはだいぶ違う体験になりそうです。

ChatGPTにも同じ質問をしてみたところ、「Shogunを”AIの会議室”として使うのが一番しっくり来る」という表現が返ってきて、なるほどなと思いました。1人のAIに長々と考えさせるより、役割を分けて同時に動かすほうが、視点の偏りが出にくくなるという話です。 具体的にプログラミングなしで使えそうなパターンを、おしおさんの実例やChatGPTの分析も踏まえていくつか整理してみます。

1. 調べものの並列化

何かを調べるとき、1つのAIに全部聞くと回答が1方向に偏りがちなのですが、Shogunなら足軽ごとに切り口を変えて同時に調べさせることができます。たとえば新製品の紹介記事を書く前に、足軽1に公式サイトからスペックを整理させ、足軽2に競合製品の比較を、足軽3にSNSでの評判収集を、足軽4に過去の類似製品のレビュー傾向を、それぞれ同時に投げるイメージです。家老がそれをまとめてくれるので、リサーチフェーズがかなり圧縮できそうな気がします。

2. 企画や提案の壁打ち

ChatGPTが「一番相性がいい」と推していたのがこのパターンです。何か企画を考えるとき、賛成意見だけでなく「懸念点を洗い出す足軽」「実施コストを見積もる足軽」「反対意見を想定する足軽」を同時に動かすことで、1回のやりとりで多角的な検討ができるようになります。1人のAIに聞くと「いいですね！」で終わりがちなところを、わざと反対意見を出させる足軽がいるのは面白い仕組みだなと。

3. 長い文書の下準備

提案書、報告書などの長い文書を作る前に、構成案・要点整理・想定される質問・弱い部分の指摘を同時に出させるという使い方です。本文を全部書かせるより、骨組みと検証を並列で回して、最後に人間が仕上げるほうが精度が上がりそうです。

おしおさんのSkill一覧にも「記事ネタ発掘」「コンテンツ設計書出力」といった記事の下準備に特化したものがいくつかあって、この使い方は実際にかなり回っている印象でした。

4. ブラウザ操作の自動化

おしおさんが最近の記事で紹介していたCDP（Chrome DevTools Protocol）連携は、Shogunから直接Windowsのブラウザを操作できる仕組みです。

ログイン済みのセッションがそのまま使えるので、SaaSの管理画面でのデータ入力やスクリーンショット撮影といった「毎回同じ手順を繰り返す作業」を自動化できます。

おしおさんは「年間何百時間ものクリック作業が消えた」と書いていたのですが、これはプログラミングというよりも定型業務の撲滅に近い話で、設定さえできれば非エンジニアにも恩恵がありそうです。

ただ、最初のSkill設定はそれなりにハードルがあるので、ここはまだ自分では試せていません。

いずれの使い方にも共通するのは、「何を決めたいか」「何案ほしいか」「最後にどんな形で出してほしいか」を最初にはっきり書くのがコツだということです。目的が曖昧なまま投げると、人数が多い会議と同じで散らかるだけになるので。。。このあたりは普通のAIチャットでも同じですが、エージェントが10体いる分、指示の精度がより重要になるんだろうなと感じています。

やってみてどうだったか

今回やってみて思ったのは、multi-agent-shogun自体はかなり面白いけれど、Windows・WSL・SSH・Tailscale・Androidと5つのレイヤーが絡むので、どこで問題が起きているのかを切り分けるのがけっこう大変だったということです。

自力で全部解決した感じではまったくなくて、ChatGPTに「次これ試してみて」と言われるまま進めたら数時間で動いた、というのが正直なところでした。

ただ、逆に言えばChatGPTにREADMEを読ませて「今こういう状況なんだけど」と説明すれば、だいたい次にやるべきことを教えてくれるので、1つずつ潰していけばちゃんと動きます。

肝心の「マルチエージェントで文章制作のレビューを回す」という当初の目的については、まだ本格的には試せていません。ただ、仕組みとしては軍師が品質チェックを担当する設計になっているので、タスクの定義次第ではかなり使えそうな気がしています。と

りあえずしばらくは色々なタスクを投げてみて、どこまで実用になるか試してみるつもりです。

制作者のおしおさんのリポジトリは更新がかなり頻繁で、マルチCLI対応（Claude Code以外にOpenAI CodexやGitHub Copilotにも対応）やGUIダッシュボードなど、機能追加のペースが速いです。数ヶ月前に記事を読んだ時点からだいぶ構成が変わっていて、軍師の追加もその一つでした。活発に開発が続いているプロジェクトなので、気になる方はGitHubをウォッチしてみてくださいね。

「Obsidian（オブシディアン）は、ローカル環境（PC・スマホ）のMarkdownテキストファイルをリンクで繋ぎ、知識のネットワークを構築する強力なメモ・ナレッジ管理ツールです。オフラインで動作し、個人の「第2の脳」を作るツールとして、ノート同士のリンクや「グラフビュー」による視覚化が特徴です。 」というのが特徴のメモアプリで、”ちゃんと使えたら強そう”なメモアプリ。

ぷくおもようやく重い腰を上げてセットアップして、さらに自分が希望する使い方に寄せるためにObsidian-mcpを入れて、Claude Desktopにつなぎました。やってみたら便利すぎて、「これ、もっと早くやっておけばよかったな…」となったので、顛末を書いておきます。

はじめに：Obsidianをずっと後回しにしていた理由

Obsidianというメモアプリの存在自体は、かなり前から知っていました。

ただ、昔から使っていたEvernote、そして直近ではAppleのメモに情報が溜まり続けていて、「自分にあった便利な機能があるのならいつか移行しないとな」と思いながら、なかなか自分に合っていそうな使い方が見つからなかったこともあり、ずっと後回しにしていました。

Obsidianを紹介している記事でよく見かける「知識同士が繋がって新しい発見がある」という話も、正直なところあまり想像できなかったということもあります。

改めて見返してみると、自分のメモの大半って、次のような“素材”ばかりなんですよね。移行し終えた今だから少し分かってきましたが、おそらくはブログ記事だったり会社や学校のレポートなどのアウトプットも含めてObsidianにまとめておき、それらのソースとしてリンクを繋いでいくと、きっと有機的な体系ができるのかと思います（間違っていたらごめんなさい）。

• Webクリップ
• 思いついた断片的なメモ
• その場でさっと書いた記録

これを丁寧にリンクしていく未来が、どうしても見えなかった。だから「便利そうだけど、自分には合わなさそうだな」と思ったまま、Obsidianは積みノート状態になっていました。

再びObsidianに興味を持ったきっかけ

そんな自分が、もう一度Obsidianに目を向けたきっかけがあります。

それは「GeminiのAPIと過去の大量のメモを繋げて概要をまとめたら、コストが20円以下だった…」という記事を読んだことでした。

そこでハッとしたのが、「自分で全部読む必要はない」という当たり前の事実です。

これまでの自分は、

• メモは自分で読むもの
• 整理は人間がやるもの

って、なんとなく思い込んでいました。でも、AIが“読む”役割を引き受けてくれるなら話は変わります。

Obsidianは「書くためのツール」じゃなくて、「溜め込んだ情報をあとから使い直すための土台」なんじゃないか。そう見え始めたことで、また興味が戻ってきました。

代休の日に、ようやくObsidianを本腰でセットアップ

ちょうど代休で、子供も幼稚園に行っていて、少し時間に余裕のある日があったので、「やるなら今でしょ！」と思って、その日に環境構築を一気に進めることにしました。

いくつかの記事を参考にしながら、

• 必要そうなプラグインを導入
• Evernoteのノートをインポート
• Appleメモの内容もまとめて取り込み

こんな感じで、勢いでやりました。

多少の読み込みエラーは出ましたが、仕事で使っているわけでもないので深追いせずに進めました。完全に移行した方がいいものの、とはいえエラーログを拾って、該当メモを１個ずつ移行というのはちょっと面倒ですしね。

ChatGPTに相談して見えてきた「自分に合う使い方」

環境は整ったものの、次に悩んだのが「どう使うか」です。

そこでChatGPTに、自分のメモの性質や使い道を説明しながら相談してみました。やり取りの中で、一番しっくり来た考え方がこれ。

「自分が作っているWebクリップやメモは、完成品ではなく素材」

素材同士を無理にリンクする必要はない。リンクは、記事やまとめなど“アウトプット側”で貼ればいい。この考え方で、一気に肩の力が抜けました。ただ正直、まだアウトプット側のまとめは作っていないので、現時点では「それで本当に活用できるのか？」という不安はまだ少し残っていますが（汗

まずやるべきはタグ付けだった

素材として扱うなら、次に必要なのは「探せること」です。ChatGPTによると、ここで最初にやるべきなのはリンクじゃなくてタグなのだそう。

ただし、何も考えずにタグを付けると、

• あとで自分が何を付けたか思い出せない
• 検索性がどんどん悪くなる

という未来が待ち構えているそうです。そこで、これまでChatGPTに相談してきた内容を元に「自分が使うならこのくらいがちょうどいい」というタグセットを整理しました。

さらに、それでも分類できないメモが出てきたとき用に、

• 記事本文を貼り付ける
• タグ案をすぐ出してもらう

ための専用プロンプトも作りました。

あなたは Obsidian ノート管理を支援するアシスタントです。
このプロジェクト内のチャットに貼り付けられた Markdown ノート本文を読み、
「Obsidianで管理するための適切なタグ」を判断してください。

【前提】
- ノート間の意味的な関係は Smart Connections や手動リンクで管理します
- タグは「分類・検索・視点切替」のために使います
- 概念名・専門用語・固有技術名・理論名はタグにしません
- タグは Vault 全体で再利用される前提です

【基本タグ付けルール】
- タグは抽象度の高い横断的な分類語のみ使用します
- タグ数は 1〜3 個を目安にします
- まずは「既存タグ候補（あれば優先）」から検討します
- 既存タグで十分に分類できる場合、新規タグは提案しません

【既存タグ候補（合致すれば使用）】
- AI
- プロンプト


【新規タグの提案ルール】
- 上記タグで明らかに分類が不足する場合のみ、新しいタグを提案してください
- 新規タグは「一般的で再利用可能」な語に限定してください
- 業務・個人・移動・時系列の記録が混在し、既存タグでは性質が曖昧になる場合は、
  その用途を端的に表す記録系タグ（例：出張記録）の提案を許可します
- 新規タグは【提案タグ】として列挙し、YAMLには含めません
- 提案数は最大 2 個までとします

【出力手順】
1. 上記タグ候補を参考にしつつ、適切なタグを選び、YAML形式で tags を出力してください
2. 新規タグが必要な場合のみ、YAMLの後に【提案タグ】セクションを出力してください

【出力形式】
- 先頭に YAML フロントマターのみを出力してください
- YAMLには tags のみを含めてください
- タグ名に # は付けません
- 本文の要約・説明・コメントは書かないでください

【出力例】

---
tags:
  - AI
  - 思考整理
---

【提案タグ】
- 知識管理

【対象ノート本文】

ChatGPTのプロジェクト機能を使って、プロジェクト内のチャットに常に適用させています。

なので、過去の気になるメモを見つけたときに、①内容をChatGPTにコピペ　②出てきたタグをメモ冒頭にコピペ（※ソースモードにした上で先頭行に）　ということをやっていくことで、徐々にですがObsidianらしいメモに変化させていこうと思います。

これでタグ付けの心理的ハードルがかなり下がりました。

それでも残った違和感

ただ、この時点で一つ引っかかっていたことがあります。

Obsidianを使う目的は、「過去に突っ込んだ情報を、あとからまとめて使うこと」です。

例えば、今度軽井沢に旅行に行くとします。そうなったとき、過去に集めた軽井沢に関する情報と、そのとき自分が何に興味を持っていたか。これをまとめて拾い出したい。

でも、素材同士をリンクしない運用だと、それがうまくできない気がしました。「せっかく頑張ってノートを移行したのに、意味がないのでは？」という不安が、どこかに残っていました。

MCP × Claude Desktopという解決策

そんなときに見つけたのが、次の記事でした。

ObsidianにMCP機能を追加して、ClaudeというAIのデスクトップアプリと接続できる、という内容です。

これを読んだ瞬間、腑に落ちました。リンクを頑張る代わりに、AIに探させればいい。素材同士を無理に繋げなくても、必要なときにAIにまとめて引き出してもらえばいい。

自分がやりたかったのは、まさにこれでした。

実際にやってみて詰まったポイント

基本的には、記事に書かれている通りに進めました。

それでも、いくつか詰まった点があります。自分の備忘録も兼ねて残します。

• APIキーの設定で、OBSIDIAN_API_KEY={...} の {} を消し忘れた
• ClaudeアプリのConfigファイルで、HOSTのURL末尾が間違っていた（Configファイルの記述はChatGPTに書いてもらっていて、それ自体が間違えていたのですが、トラブったときにChatGPTがしれっと正しい値に直してきたのはちょっと笑えたところ）
• Claudeアプリを起動したままConfigを書き換えたせいか、予期しないタイミングで中身が空白のファイルで上書きされた
• mcp-obsidianが接続先リストに出てこない（Claudeアプリを再起動したら解決）

振り返ると、どれも高度な問題ではありません。

ポート番号、APIキーの書式、アプリ再起動。もし同様に試された方でつまづいた時は、このあたりを最初に疑った方が良さそうです。

成功：Obsidianを「読ませる」「書かせる」

いくつかつまずきはしたものの、結果は大成功でした。

Claude側から、

• Obsidian内のノートを読む
• 複数ノートを参照して要点をまとめる
• 新しいノートとして書き出す

これらが全部、問題なく動きました。

▲ Claudeアプリ側からObsidianのメモを参照して、グランドキャニオンにある「サウスカイバブトレイル」を検索させた様子

▲ Claudeから「ゴルフに関する既存ノートを参考に、要点をまとめた新規ノートを作成してください。」とお願いした結果、作られたノート。この下に、これまでにノートにしていた自分に合ったボール、クラブセッティング、各クラブの飛距離。などが書かれている。

単なるメモ置き場だったObsidianが、「質問できる知識庫」に変わった感覚があります。これ、想像以上に感動しました。

ChatGPTとのMCP連携は、今回は見送った

ちなみに、課金しているChatGPTでも同じことができないか検討しました。

▲ Web版ChatGPT開発者モードで出てくる「アプリ設定画面」。認証はしないことも可能なので、これだけみたらObsidian-mcpに接続できそうだと思ったものの…

理論上は可能らしいものの、現状のChatGPTのMCPはローカル環境への直接接続を想定していないようで、

• ローカル環境を外部に公開する必要がある
• セキュリティ設定を下げる必要がある

といった理由から、今回は見送ることにしました。

※2025年9月から、ChatGPTもMCPをフルサポートするようになったとのことですが、実際にWeb版ChatGPTの開発者モードでローカルMCPサーバーを設定してみたところ、設定時に「コネクタ作成中にエラーが発生しました。 Unsafe URL」と表示されてしまいました。

▲ いくつか設定を変えてみたものの、やはりローカルmcpは想定されていないっぽいです

ChatGPT側のMCP対応がもっと進んでから、改めてChatGPTの接続にチャレンジしようと思います。

まとめ

今回の経験を通して感じたのは、

• 素材は素材のままでいい
• 整理はAIに任せればいい
• 人間はアウトプットと意味づけに集中すればいい

ということでした。

今の自分にとっての最適解は、こんな役割分担です。

• インプット
  • ネット上の記事：Obsidian Web ClipプラグインでObsidianへ
  • Kindle（電子書籍）：ハイライトにした部分をKindle HighlightプラグインでObsidianへ
  • 思いつきメモ：即時起動できるiPhoneやiPad等のメモを利用
    • これまでのようにメモをどんどんと蓄えてしまうのではなく、メモ作成後2週間以内に整形して、プライベートと仕事のそれぞれの保管先に残す（※ただし、Appleメモからは消去せずにアーカイブフォルダにいれておく）
• Obsidian
  • 基本的にはとにかく気になったことなどをまとめていく
  • そのうち、ブログ記事やなにかアウトプットしたことをベースに、そのアウトプット時に参考にしたメモにリンクを貼っていく
  • Obsidianは単体でメモを振り返ることもあるが、メインはClaudeからVault（Obsidianのメモ保管庫名）全体を検索・統合表示。そして必要に応じて編集させたい
• アウトプット
  • 現状、メモをもとにアウトプットするという行動が身についていないので、徐々に慣れていきたい

しばらくは、この構成で淡々とメモを育てていこうと思います。

Obsidianで“育てる”最強ノート術 -- あらゆる情報をつなげて整理しよう ［ 増井 敏克 ］

2,200円(04/29 07:10時点)

楽天市場

eufy史上最高水準の防犯カメラ「eufyCam S4」が日本に登場！

そもそも、我が家の玄関ドアには覗き穴がなく、かと言ってインターホンは少し離れた場所にあるため、インターホンを押してくれたとしても玄関前に移動されたらドアを開けるまで誰がそこに立っているのか分からないというのがちょっと不安でした。

なので、いくらeufyCam S3 Pro等のカメラが高画素であっても、監視カメラは広い画角が撮れるよう広角レンズを装備しているため来訪者の顔を確認できるのかが少し不安という背景があったことから、発売したばかりのeufyCam S4にしたという次第。

そして、ゆくゆくはペットの見守りカメラとかも全て同じメーカーで揃え、さらにガジェット好きとしては気になるAI Coreを導入てきたら。なんて思いながら、届いたeufyCam S4が入ったAmazonの箱を妻の目の届かないところに閉まったのでした(笑)

まさか先にSwitchBotからAIハブが発売されるとは…

eufyCam S4が届いた翌朝、何気なく新製品をチェックしていて目に留まったのが、人のように「理解」するAIスマートハブ「SwitchBot AIハブ」が発売されるというニュース。

SwitchBot（スイッチボット）は多数のスマートホーム関連の製品を出しているメーカー。当然監視カメラも出していることは知っていましたが、これまではクラウド契約が必要というのがネックで常日頃からのチェックはしていなかったのですが、まさか自分が新しい監視カメラを買ったまさにその日に発表されるとはなんという偶然でしょうか（涙）

ということで、このSwitchBot AIハブの特徴を見ていきたいと思いますが、一番わかりやすいのがこの↓画像でしょう。

見ての通り、これまでのカメラであれば単に「人を検知しました」だけだったのが、AIが状況を理解することで、この例のように緊急性があるのかどうかが通知されるようになるのです。

さらに、数多あるスマートホーム関連製品を連動させるとこんなことも。

カメラが判断した状況をもとに、スマートハブの製品を連動させて様々な動作を実行させられるんだとか！

これによって既に次の出来るようになるとのこと。
※各カメラにつき1件のAI+オートメーション および 無制限のAI+通知 が設定可能。

• 朝、おばあちゃんが寝室からリビングに移動 → SwitchBot シーリングライトを自動でオン＋離れて暮らす家族に通知
• 花粉症の息子が帰宅 → SwitchBot 空気清浄機を強風量で運転開始
• 見守り担当：「おばあちゃんが横になった」「食事をした」 などを検知し、スマホに通知。離れていても、家族の生活をやさしく見守ることが可能
• 警備担当：フェンスをよじ登る不審な動きを検出したら、SwitchBotのスマートテレビドアホンから警告音を鳴らし、威嚇をしながら周囲に知らせることも
• ペット担当：猫がごはんを食べ始めたタイミングを検知し、飼い主に通知。そばに居てあげられない時でも、元気過ごしているかを確認可能。

個人的には、犬とか子供が何かを壊したとか吐いたとかの通知が緊急で欲しいなぐらいしか活用方法が思いつきませんが、まさに未来の生活という感じで試してみたくなります。

ですが、自分はeufyCam S4が届いたばかり。よっぽど返品してSwitchBotに変更しようかと思いましたが、よくよく見るとこのAIハブは次のような注意点があったのでした。

• AIハブに搭載されたVLMによるAI機能は、サブスクリプション制の有料サービス「AI+」で利用可能（月額2,980円(税込)）
• AIハブの性能は6TOPS AIチップ×Frigate映像解析エンジン
• 1つのカメラにつき1件のAI+オートメーションが実行可能ですが、AIハブには8台までの2Kカメラという制限がある

ということで、一番大きいのがローカルだけでは先に挙げたようなAI処理ができないということ。

ローカルだけだと、AIハブにあらかじめ家族の顔情報を登録しておくことで、誰が映っていたかに応じて録画を自動で分類。たとえば「親がいつ外出したか」「娘がいつ帰ってきたか」といったことも、家族ごとに整理された録画一覧からすぐに確認できます。ということなので、Ankerでいえば既に1.2万円ほどで売られているベースステーションを買えば同様なことは実行可能ですね。

個人的にはやはり本命は完全ローカル運用が可能なAnkerのAI Coreという結論になりました。

IFA 2025でEufyが革新的AI監視カメラを発表！ローカルAI「AI Core」で家庭のセキュリティが激変する

ただ、Ankerはまだスマートホームアイテムはそれほど売られていないので、今後SwitchBotのようなラインナップになっていくことを願っています。

固定式カメラ＋追尾式カメラという2-in-1構成、AIズーム、レーダー検知など“盛りだくさん”な仕様。改めてスペックを見ていきましょう。

どんなカメラか？スペック概要

まず、主な仕様を整理してみます。

• 固定式と追尾式の2-in-1
  　4K高解像度の固定式カメラと8倍ズームが可能な2K追尾式カメラの2-in-1。追尾式カメラが一人を追跡している間も固定式カメラが全体を捉えるため、複数犯も取り逃がしません。
  
• ワンランク上の検知の正確さ
  　レーダーと赤外線のデュアル検知により、熱を検知する赤外線センサーと、動きを検知するレーダーセンサーのデュアル検知。両方のセンサーが反応した時のみ検知することで、風に揺れる木などの誤検知を大幅に減らし、本当に必要な通知だけをお届けします。
• 4Kの高解像度&夜でも鮮やかな映像
  　4K (約800万画素) の高解像度と8倍ズームにより、約50m先の人物や車のナンバープレートまで鮮明にまで記録。
  
  　さらにカラーナイトビジョンにより、周囲が非常に暗い環境でも、まるで日中のように明るく色鮮やかな映像を記録します。
  
• 1日1時間の太陽光で、充電完了
  　5.5Wのソーラーパネルが日中の太陽光を効率的に集め、1日わずか1時間の日光でカメラのバッテリーをフル充電。ソーラーパネルは着脱式で、日当たりの良い場所にパネルだけを設置することも可能。
  
• 強力な光と音で、侵入者を威嚇
  　赤と青の2色の点滅ライトに加え、最大105dBの大音量アラームをアプリから手動で作動させ、不審者を強力に威嚇します。また、AIノイズリダクション搭載の双方向通話も可能で、外出先でもスムーズな通話が可能。
  
• 屋外対応
  　IP65防塵・防水仕様、バッテリー約90日稼働、3 m USB-C延長ケーブル付属
• 価格
  　39,990円（税込）で予約販売開始※記事末尾に追記あり

私が“これいいな”と思ったポイント

我が家の場合、敷地が特別に広いわけではないので「50 mズーム」は正直オーバースペックに感じる部分もあります。でも、以下の点がかなり響きました。

まず、「赤外線だけでなくレーダー検知を組み合わせ」て誤検知を減らしている点。当初から建物についているPanasonic製の監視カメラは、豪雨だったり庭木が風で揺れたりすると「侵入者か？」と勘違い通知が来ることがこれまで何度もあったので、この改善は個人的に大きな安心材料です。

次に「デュアルビューと単体でのAI活用」。4K固定式広角カメラが動きを検知すると、追尾式カメラが自動で360°動き、対象を捉え続けます。その際、カメラはAIで人物の動きを検知し、最大50m先まで自動でズームアップするほか、複数の人が画面に入った際は自動でズームアウトして全体像を捉え続けるんだとか。

さらに、なんといっても「将来の拡張性」。監視カメラの欠点は、何か発生しない限り録画した映像を見返すことが面倒になってやらなくなるところ（実体験として）。これが、別売りのEufyHomeBase S380を併用することで顔認識して、事前登録された人物かどうかを一目で確認できるように。さらに、何度も登場する「AI Core」が導入すれば（まあまあお値段するという噂ですが）、次のような状況認識能力を備えることに。

• 異常行動の初期段階からの録画：従来苦手だった「何かをしようとしている瞬間」から記録開始
• 人の動きや意図の解析：手にした物体や取ろうとした動作まで識別
• 継続的な不審者特定：下見に来ている人物を複数回の訪問で関連付け
• 3秒以内の超高速対応：異常検知からプッシュ通知、音声アラート、照明制御、必要時の警察自動通報まで段階的に実行

その際、広域をS4にまかせ、死角になるポイントをAI Core対応のカメラ（S3 Proであれば間違い無いでしょう）で併用すれば、きっと不審者からすると嫌な家に映るはず。

物足りない点や個人的にオーバースペックな点も

とはいえ、いくつか検討ポイントもあります。

例えば「AI Core」など、以前紹介した高度な機能を使ってみたいのですが、なぜか今回はAI Coreの言及がありませんでした。

もっともこれはアメリカでも予告のみで製品自体が発売開始されていないからでしょうが、将来の拡張性ということで少しぐらい触れていても良かったのでは？と思いました。

それと、今回ご紹介したS4はかなり高性能ですが、50 mズームをフルに活かすような敷地でない限り、実際にその性能を引き出せるかが少し未知数。個人的には「高性能な機器を使う楽しみ」があるわけですが、とはいえズーム以外にも、郊外の住宅地とはいえ街路等や門灯があるのに「スターライト　カラーナイトビジョン」までは不要な気がします。

大きな敷地の家では嬉しいこれらの機能も、我が家では“過剰スペック”とも考えられます。

まとめ：導入すべき？私の結論

今回のeufyCam S4、価格39,990円という設定も、性能を考えると“お手頃”に感じられました。性能を落とさず、屋外用監視カメラとしての安心感が高いからこそ、私としては前向きに検討したい一台です。

しかも！！今なら11月20日までの予約購入で公式サイトでは15％割引（33,992円(税込)）、Amazon.co.jpでは15％ポイント還元とさらにお買い得になっています！！

もし、次のような条件に当てはまるなら“導入候補”として強くおすすめできます：

• 庭・駐車場・エントランスなど屋外スペースがあり、監視をしっかりしたい方
• 「誤検知」「夜間映像の見づらさ」「充電・電源確保」の課題を感じている方
• 1本のカメラで安心＆スマートに監視体制を築きたい方

逆に、「AI 解析や多台数運用をガチでやりたい」「敷地がごく限られていて50mズームは必要ない」という方なら、よりシンプルなモデルの方がコスパが良いかもしれませんね。

ということで、今回のeufyCam S4、前向きにチェックリスト入り決定となりました。

ちなみに、以前の記事で紹介したEufyの新製品群にあったLTE内蔵監視カメラ。冬発売予定と聞いていたのが、いつの間にかこちらも発売されていました。別荘など遠隔地の様子をモニタリングしたい方は是非こちらもご検討ください。

日本では「階段を上り下りできるロボット掃除機」が大きな話題になりましたが、個人的に最も注目したのは、ローカルAIを搭載した革新的な監視カメラ群です。特に「AI Core」という新プラットフォームは、家庭用セキュリティの常識を変える可能性を秘めていると思ったのでご紹介です。

家庭用セキュリティに革命をもたらす「eufy AI Core」

今回発表されたeufy AI Coreは、単なる監視カメラの付属品ではありません。家庭全体のスマートホーム監視を担う大型AIエージェントとして設計された、まさに次世代のセキュリティプラットフォーム。

AIを搭載するメリットとは

従来の監視カメラは「動いたら録画」「人が映ったら通知」といった単純な仕組みでした。しかし、これでは以下のような問題がありました：

• 誤検知の多さ：猫や風で揺れる洗濯物にも反応してしまう
• 録画の取りこぼし：異常行動の初期段階を見逃してしまう
• 状況判断の甘さ：「何をしようとしているか」まで理解できない
• 継続的な監視の欠如：同一人物の複数回訪問を関連付けられない

AI Coreはこれらの課題を一気に解決します。95％の高精度で不審者や異常を判別し、誤検知を大幅に減少させることができるのだそう。

AI Coreの驚くべき状況認識能力

AI Coreが認識できる状況は100以上に及びます。具体的には：

• 異常行動の初期段階からの録画：従来苦手だった「何かをしようとしている瞬間」から記録開始
• 人の動きや意図の解析：手にした物体や取ろうとした動作まで識別
• 継続的な不審者特定：下見に来ている人物を複数回の訪問で関連付け
• 3秒以内の超高速対応：異常検知からプッシュ通知、音声アラート、照明制御、必要時の警察自動通報まで段階的に実行

さらに、すべての処理が端末内（オンデバイス）で行われるため、プライバシー保護と応答速度を両立しているのも大きな魅力です。

同時発表された次世代監視カメラ群

AI Coreと連携する新型カメラも同時に発表されました。

eufyCam S4：常時監視を実現する革新的カメラ

最も注目すべきは「eufyCam S4」です。このカメラの革新的な点は、デュアルレンズ構成にあります。

• 常時広角監視：4K画質の高解像度広角カメラで家全体を24時間モニタリング
• 異常時のズーム追跡：動きや異常が検知されると2K解像度のズームカメラが自動作動
• 360度自動追跡AI：全方向パン・チルト動作で動く被写体を見逃さず追跡
• 強化スポットライト：4つの高輝度LEDで夜間もフルカラー録画を実現

これまでのソーラーバッテリーモデルでは「人が近くに来て初めて録画開始」という不安がありましたが、S4なら常時広角カメラで監視しながら、必要時にズームで詳細記録する仕組みで、24時間録画に近い安心感を得られます（バッテリー駆動（ソーラー発電で充電）のモデルは、電力の問題でどうしても「何か検知してから録画開始」というプロセスだったため、肝心の「何か」が映っていないことがありました）。

アメリカでは2025年11月頃発売予定で、価格は約299ドル（約4.2万円相当）とされています。

eufy 4G LTE Cam S330：Wi-Fi不要の遠隔地対応モデル

もう一つの注目製品が「4G LTE Cam S330」です。日本では2025年冬頃の発売予定で、価格は約3万9990円（税込）と発表されています。

• 4G LTE通信対応：Wi-Fi圏外でも設置可能
• ソーラーパネル内蔵：配線不要で長時間稼働
• 4K高画質＋AI顔認識：見慣れた来訪者と未登録者を自動区別
• サブスク不要：ローカル録画でランニングコスト削減

他社監視カメラとAI活用状況の比較

現在、AI機能を搭載した家庭用監視カメラは複数のメーカーから発売されていますが、サブスクリプション形式を採用しているものも多く、長年にわたって利用するカメラですと費用負担が大きい気がします。

サブスク不要・必要なものをいくつか調査してみましたのでご紹介です。

サブスクリプション不要で使える主要ブランド

Reolinkは完全にサブスクリプション不要で、人・車両・ペット検知などのAI機能をオンデバイスで処理できます。ただし、日本市場では最新のAI対応モデルの正規販売が限定的なのが現状です。

TP-Link Tapoも基本的なAI機能（人検知、動作ゾーン設定）をサブスク不要で提供していますが、機能の高度さはEufyに及びません。

有料サブスクが必要な高機能ブランド

Google NestやArloは優れたAI機能を持っていますが、フル活用には月額料金が必要になります。

Google Nestであれば月額1,000円または2,000円のプランが用意されていて、それぞれ年額プランだと10,000円または20,000円かかりますが、基本的には動画保存のクラウドサービス的な面が強く、AI活用という面ではまだまだこれからといった感じです。

Arloは月額1,549円（または年間15,492円）のプランであれば、スマート動作検知として人物や荷物、乗り物の認識・検知ができるほか、カメラが認識した内容を文字で短く正確に要約してくれる機能などもあるようです。

AI Coreの圧倒的優位性

AI機能と性能を総合的に比較すると、現状ではeufyのAI Coreが他社を大きく上回っています。

技術面での差別化ポイント

• 統合AIプラットフォーム：複数カメラの情報を統合した高度な推論処理
• 100以上の状況認識：他社の基本的な物体検知を大きく超える認識能力
• 3秒以内の超高速応答：検知から対応までの圧倒的なスピード
• 95％の高精度：誤検知を劇的に削減する先進AI技術

Reolinkが基本的なAI機能を低コストで提供するのに対し、eufyのAI Coreは家庭用セキュリティAIとして最先端レベルに到達していると言えるでしょう。

価格とのバランス

AI Coreの価格は米国で約499ドル（約7万円相当）と予想されており、決して安くはありません。しかし、月額サブスクリプション不要でこれだけ高度なAI機能を利用できることを考えると、長期的にはコストパフォーマンスに優れた選択肢と考えられます。

おそらくGoogle NestもさらにAIを活用した機能を実装してきそうですが、AI Coreの「ローカルで処理可能」というのは回線が落ちたときのことなどを考えるとメリットかなと思います（もちろん、クラウドであればローカルドライブのエラーを心配しないで済みますが）。

まとめ：家庭用セキュリティの新時代到来

IFA 2025でのeufy新製品発表は、家庭用セキュリティの新時代の幕開けを告げるものでした。特にAI CoreとeufyCam S4の組み合わせは、従来の「録画して終わり」から「理解して対応する」セキュリティシステムへの進化を示しています。

日本の住宅はアメリカに比べて小さいですが、治安への不安が高まる中、AI Coreのような精度の高いリアルタイム監視システムは非常に魅力的です。現行のS3 Proも20％オフなどのセールが実施されていますが、新製品の日本発売時期を見極めるのが賢明かと思います。

とりあえず、私としてはAI Coreの詳細を見て、現行モデルのS3 Proというカメラが利用可能であれば、安くなってきた同カメラとホームステーションを先行して導入。そしてしばらくたってからAI Coreを導入かな。なんて思っています。

今回の「Alexa+」、一体何がすごいのか？どこまで進化するのか？気になるポイントを早速チェックしていきましょう！

まるで人間！自然で記憶力も抜群に進化したAlexa+

従来のAlexaとは一線を画す「Alexa+」の最大の特徴は、生成AIを搭載したことによる、驚異的な進化です。具体的に見ていきましょう。

1. 会話が自然で流暢に！文脈も理解
   これまでのAlexaは、どうしても機械的な印象がありましたが、「Alexa+」では、より人間らしい、自然で流暢な会話が可能になります。会話の文脈を理解し、適切な応答ができるようになったというのは、まさにAIの進化を感じさせますね。
2. 長い会話も記憶！過去の質問も覚えている
   驚くべきは、長い会話を記憶し、以前の質問を覚えていること。これにより、まるで人間同士のような、より深く、継続的な対話が実現できるのだそう。今のアレクサは連続での会話をサポートしていますが、実際使っていると直前の話を無視してしまったりするので期待大です。
3. ユーザーを学習！好みや生活リズムに合わせた個別対応
   AIの得意技、パーソナライズも進化。「Alexa+」は、ユーザーの好みや日常生活のリズムを学習し、個別化された対応が可能になります。使えば使うほど、自分好みに進化していくAIアシスタントって、まさに理想的。とはいえ、我が家は家族で利用しているので、そのあたりがどのようにパーソナライズされていくのかも気になるところ。
4. 家族のあれこれも記憶！レシピから重要日、食事の好みまで
   家族のレシピや重要な日付、食事の好みなどを記憶し、適切な提案ができるようになるのも嬉しいポイント。家族みんなでAlexa+を共有すれば、より便利で快適なスマートホームが実現しそうです。

スマートホームをさらに賢く！高度なタスクも自動実行

「Alexa+」の進化は、会話だけにとどまりません。スマートホームをさらに賢く便利にする、様々な新機能が追加されています。

1. デバイス連携がパワーアップ！より高度なタスクが可能に
   音楽の部屋間移動、Fire TVでの特定シーンへのスキップ、Ring カメラを使用した家の周りの出来事の要約など、より高度なタスクを実行できるようになります。スマートホームデバイスとの連携がさらに深まり、Alexa+が中心となって家全体をコントロールしてくれる未来が想像できます。
2. 文書やメールも記憶！後で質問に答えてくれる
   なんと、「Alexa+」は文書やメールの内容を記憶し、後で質問に答えることができるようになります。これは、仕事で忙しい時など、後で確認したい情報をAlexa+に記憶させておけば、必要な時にすぐに教えてもらえる、という便利な使い方ができそうですね。
3. 600万以上のデバイスと連携！スマートホーム管理をもっと賢く
   600万以上のAlexaデバイスと連携し、より賢くホームを管理できるようになります。既にAlexaと連携ができるPhilips HueやRoborockなどの製品との連携も今まで以上に強化され、スマートホームのハブとしてのAlexa+の役割がますます重要になりそうです。
4. インターネットを自動操作！ユーザーに代わってタスクを完了
   そして、驚くべき機能が、インターネットを自動的に操作して、ユーザーに代わってタスクを完了できること。例えば、オーブンの修理サービスを自動的に手配してくれる、なんてことも可能になるそうです。これはまさに、SF映画に出てくるような未来のAIアシスタントそのものですね！
5. 様々なデバイスで利用可能！デバイス間での連携もシームレス
   Echoデバイスだけでなく、モバイルアプリ、ブラウザベースの体験など、様々なデバイスでAlexa+を利用できるようになります。デバイス間で会話の文脈を維持し、シームレスに対話を継続できるというのも嬉しいポイントです。

気になる料金と対応デバイス、日本語対応は？

これだけ進化した「Alexa+」、気になるのは料金と手持ちのEchoデバイスで使えるかどうか、そして日本語対応ですよね。

料金は？

「Alexa+」は、Amazon Primeユーザーには無料で提供されるとのこと！Prime会員なら、追加料金なしで最新のAIアシスタントが使えるなんて、太っ腹！　ただし、Alexaを全く使わない人ならAlexa＋はいらないのでAmazonPrimeの広告導入をやめてほしいと思ったりもしそうですね…
Amazon Prime会員以外の場合は、月額19.99ドルで利用可能。月額料金は少々高めですが、モバイルのAlexaアプリやどのブラウザからでもアクセス可能とのことなので、基本的な生成AIの使用感が他LLMと変わらないのであれば、Alexaデバイスとの連携や各種サービスとの接続ができるAlexa＋もありかもしれないですね。

対応デバイスは？

多くの従来のEchoデバイスが「Alexa+」に対応しますが、一部の古い世代のデバイスは非対応となります。お手持ちのデバイスが対応しているか、以下のリストで確認してみてください。

早期対応デバイス（※アメリカ版なので、日本は不明）

• Echo Show21
• Echo Show15
• Echo Show10
• Echo Show8

対応デバイス

• Echo（第2世代以降）
• Echo Dot（第2世代以降）
• Echo Pop
• Echo Spot（第2世代）
• Echo Show（第2世代以降）

非対応デバイス

• Echo（第1世代）
• Echo Dot（第1世代）
• Echo Plus（第1世代）
• Echo Tap
• Echo Spot（第1世代）

日本語対応は？

残念ながら、現時点では「Alexa+」の日本語対応については具体的な情報は発表されていません。しかし、従来のAlexaでは日本語と英語のマルチリンガルモードが利用可能であることを考えると、今後のアップデートで日本語対応も期待できるかもしれません。続報に期待しましょう！

まとめ：Alexa+でスマートホームが次のレベルへ！

今回の発表で、Alexaは単なる音声アシスタントから、より家庭内の秘書のような AIパートナーへと進化を遂げたと言えるでしょう。「Alexa+」によって、スマートホームは次のレベルへと進み、私たちの生活は便利で豊かになるはず。

特に、インターネットを自動的に操作してタスクを完了してくれる機能は、まさにゲームチェンジャー。逆に、開発はしているようですがいまいちパッとしないAppleのホームデバイスはますます差を付けられた感がありますね。

久しぶりの投稿となってしまいましたが、タイトルにあるようにここ最近はずっと会議用の文字起こしソフト探しからの生成AIにはまっていました。

仕事でつきものなのが議事録。ぷくおが議事録作成担当だったのはかなり昔のことですが、とはいえ今も変わらず会議をやったら議事録が必要で、それに時間と大きな会議では文字起こしを外注するコストが気になっていました。

文字起こしサービスを試してみた

そんな訳で、文字起こしをしてくれるサービスを検索してみると、AIを利用して高精度に文字起こしができる！とうたわれたサービスがいくつも出てきます。

数ある製品の中で、次の条件で絞ってみました。

• 話している人の自動分離（話者分離・識別）
• 用語登録が可能かどうか
• 会議中にリアルタイムで文字起こしをした際に、タイムスタンプをつけられるか（発言が不明瞭で明らかに後で修正が必要なところとか）
• 「あー」とか「えー」といった不要な言葉の除去（フィラー処理というらしい）
• Teams等と連携して、できた議事録や議事概要をすぐに展開できるか

こうして見つけてきたのが「AI議事録取れる君」や「スマート書記」、「Notta」といったサービス。

どれも有料サービスで、AI議事録取れる君だけはスマホやタブレットからの利用は不可（様々なブラウザで設定を変えてもだめでした）以外はある意味似たり寄ったりで、ファイルをアップロードして文字起こしすることも可能。

個人的には大企業や東京都でも利用されているというスマート書記が、多少高価ではあるものの期待していたのですが、正直ICレコーダーで録音した会議の音声を文字起こしした感想はどれもイマイチ。

概要だとそれらしくまとまっていますが、発言を一つ一つ見てみると、逆によく概要をまとめたなと思えるような出来栄えで、断定で終わっているのに文字起こしでは「？」の疑問形で終わってたりしていて、まだまだ高いけど外注するしかないと思っていました。

なお、この３サービスのテストを終えた後に「SecureMemoCloud」というサービスを見つけたのですが、こちらはほぼ完成版の議事録を作成できる！と書かれていて、こちらも大手企業で使用されているのでかなりうまくいくのかもしれません。

大規模生成AI「Gemini」を試したら驚きの結果に

文字起こしソフトの利用を諦めかけていた頃に見つけたのが、Googleの大規模言語モデル（LLM）である「Gemini」。

Geminiは最近バージョン2が登場して、一番有名と思われるChatGPTの高性能版と同じぐらいの性能だと言われていますが、GeminiはGoogle AI Studioというサービスを利用すれば単独で音声ファイルや画像認識ができるのが特徴（2024年末現在、ChatGPTは同社のWhisperというモデルを使用しないと録音データの入力ができなかった）。

Screenshot

画面右上にあるモデルから利用したいAIモデルを選択し、画面下の＋ボタンから文字起こししたい録音データをアップロード。そして下のチャット欄に「このデータを日本語で文字起こしして」なんて感じで命令するとどんどんと文字起こししてくれます。

▲Gemini 2.0で出てきた意味不明な出力例

最初、高性能なGemini 2.0で文字起こししたときはなぜか「うーんうーん」という意味不明な呟きだったり、「○○○○○○」というエラー？が大量生産されてしまいましたが、Gemini 1.5 Proで設定したら、外注しているテープ起こしサービスよりも高精度の文字起こしが出来てびっくり。

▲文字起こしが出来た部分をちょっとだけ。これだけ文字起こししてくれたら外注不要になりますね

プロンプト

なお、冒頭で紹介した文字起こしサービスと違って、LLMでは文字起こしをするにしてもプロンプトでどのように音声データを処理してほしいかお願いする必要があります。

今回試したのは次のとおり。

なお、AIの制限上ある程度の文字起こしをすると止まってしまうので、「続きをやって」なんていうふうにするとどんどんと文字起こしをしてくれます。

この辺りはまたもっと良いプロンプトができたら残しておきたいと思います。

さっと手軽に使うのであれば、PLAUD Noteシリーズも良さそうだなと思いました。

6月11日未明にオンラインで放映されたアップルのWWDC24基調講演（WWDC=世界開発者会議）。

今秋リリースされるiOSをはじめとする各OSの新機能紹介が行われるのですが、個人的に1番期待していたのが新iPadOS。

ご存知の通り、先日発売開始となったiPadは Pro、AirともにノートPCを凌駕する性能を持っているわけですが、iPadOSの使い勝手によって特にマルチタスクが不便な状況が続いていると思っています。

深夜2時から始まった基調講演。数分前に自然と目が覚め、一度は録画を見ればいいからと寝ようと思ったものの、結局開始数分後から1時間半強の間見続けてしまいました。

期待はずれだったiPadOS

結論から言うと、新しいiPadOS18は期待値には届かずでした。

手描き文字を認識して、少し自分の字体に似せつつも整形してくれたり、手描き文字なのに通常のテキスト同様に間に文字を追加したり一部を消して出来た空間を詰めると言った機能や、長らく待ち焦がれていた計算機アプリもまた手書きで数式を書いて、しかもその数式内の変数を変えると結果も自動で変わるあたり流石だなと思いましたが、それ以上に劇的に使い勝手が変わるようには思えず。

個人的には、マルチユーザー機能、マジックキーボード使用時や外付けキーボードとマウスとディスプレイを使っているときなどはmacOSアプリが使えたりしたらいいのにと思っていましたが、そのような機能は当然？ながら盛り込まれずでした。

期待以上だったAI

反面、期待以上だったのがAI。直前になって流れていた噂通り、AI＝Apple Intelligenceの略と言うのはちょっと笑ってしまいましたが、今や一般的になってきた文書作成や画像生成、画像修正だけではなく、全てを統合で作っているアップルらしい、ユーザーと関係する人たちの情報を認識して、ユーザーの役にたつAIとなっているように思えました。

▲個人的にいいなと思ったのがこちらのデモ。この画像だけでは分かりにくいですが、母とのメッセージのやり取りの中から母が何時のフライトで到着するかを AIが認識。さらにそのやり取りを記憶した上で続くランチの予定確認とそこまでの移動時間を横断的に回答

利用可能なデバイスはアップルシリコン（Mシリーズ）が搭載されたMacとiPad、A17 Proが搭載されたiPhone（現時点ではiPhone15Pro、Pro Max）のみですが、多数のメール、メッセージの中からそれぞれの個人に関する情報を積み上げて、統合して回答してくれると言った処理をすることを考えると妥当だと思いますし、利用不可なデバイスを持っていたら買い替える動機になりそう。

また、それだけの機種に絞る理由として挙げられたのがアップルらしい個人情報の取り扱い。基本的には本体内のプロセッサで処理し、外部に頼らざるを得ない処理の際は該当する項目のみセキュアなアップルのサーバーとやり取りするんだとか。さらに専門的な回答が必要なときはOpen AIのchatGPTとも接続できる（将来的にはその他AIとの接続も出来るんだとか）そう。

嬉しいのはこれだけの機能なのに、chatGPT利用含めて利用料無料だということ。この辺りもハードとソフトの両方で売り込むアップルらしさと言えるかもしれないですね。

残念なのが、AIなのにまずは英語のみサポートされ、その他言語は2025年に対応していくそうですが、曖昧な日本語なんかは結構後のサポートにならないかが心配です。

2024年後半になってようやくアップルが大昔（なんと1987年）に作っていた未来のMacintoshで描かれていた個人秘書的なPCが誕生しそうですね。

Apple Vision Pro

また、7月ぐらいには日本でも販売開始になると噂されていたApple Vision Proが6月14日10時から予約開始され、6月28日に発売されるとのこと。

価格は599,800円と限りなく60万円に近いお値段。さらに眼鏡をかけている方は16,800円か24,800円のVision Proに装着可能なレンズを購入する必要があります。

今はまだ手が出せない値段ですがいつかもっと安くなったら使ってみたいですね。

以上、WWDC24の雑感でした。