今朝は10月18日までに確認できた公開情報から、「発表そのもの」より、仕事のやり方・費用・安全策を実際に変えられるものを6件に絞った。昨日までの続報も含めて見ると、今いちばん効くのは新しいAIを増やすことより、軽い仕事と重い仕事を分けること、同じ情報を何度も読ませないこと、そしてAIエージェントへ渡す権限を狭くすること。この3つ。

1. Claude Haiku 5.5は「大量の軽作業を安いAIへ逃がす」用途がかなり強い

情報の確度：確認済み 難易度：API利用なら少し設定／Claude利用者は考え方だけでも使える

何が話題？

Anthropicは10月7日にClaude Haiku 5.5を公開した。100万トークンあたり、通常入力0.10ドル、出力0.50ドル。Haiku 4.5より平均約75%低コストと説明している。要約、分類、データベース問い合わせ、反復処理のような大量・定型仕事を主用途にしている。

つまり何ができる？

高性能モデルに「CSVの1000行を分類」「大量ログから候補だけ抽出」のような前処理までやらせず、Haikuで候補を絞り、難しい20件だけSonnetやOpusへ渡せる。

こんな人に役立つ

AI APIを使う人、Claude Code周辺を自動化している人、大量の文章・メール・ログ・CSVを処理する人。

具体的な使用例

問い合わせメール500件をHaikuで「請求／不具合／質問／その他」に分類し、判断が曖昧なものだけ上位モデルへ送る。人間の仕事で言えば、部長に郵便物の仕分けまでさせない構造。

試し方

①普段AIへ大量投入している単純作業を1つ選ぶ ②Haiku 5.5へ同じ入力を渡す ③正解率を20〜50件だけ人間が確認 ④十分なら前処理をHaikuへ固定し、難しい案件だけ上位モデルへ回す。

料金・制限・罠

100,000トークンを超える長い入力ではHaiku 5.5の単価が上がる。安いから巨大ファイルを無差別に投げればいいわけではない。また小型モデルで誤分類すると後段の高性能モデルまで届かないので、「自信が低いものは上位モデルへ送る」という逃げ道を作る方が安全。

検証するとどこまで本当？

価格、用途、約75%低コストという説明はAnthropic公式で確認済み。ただし75%は平均値であり、すべての仕事が75%安くなる意味ではない。

情報源：Anthropic「Introducing Claude Haiku 5.5」（2026年10月7日）

結月硝子一言：「一番賢いAIを使う」が最適化だった時期は終わりつつある。これからは、雑用を高級モデルへ投げない人の方が強い。

2. AIエージェントの費用は「モデルを安くする」より、作業手順を直す方が桁違いに効く場合がある

情報の確度：確認済み。ただしAsana＋OpenAIによる個別事例 難易度：考え方は今日から使える

何が話題？

OpenAIが公開したAsanaの事例では、GPT-6 AstraをCodex内の研究役として使い、ブラウザ操作AIの処理手順を改善した結果、GPT-6.1 Solでの実行を推定76分の1のモデル費用、5倍の速度にできた。最適化後の推定モデル費用は1回0.47ドルまで下がった。

つまり何ができる？

ここで重要なのは「GPT-6.1 Solが76倍安い」ではない。AIにやらせる順番、ページの読み方、不要な再確認、同じ情報の再取得などを削った結果、費用が激減したという話。

こんな人に役立つ

Codex、Claude Code、ブラウザAI、Python＋AI APIなどで複数工程を自動化している人。

具体的な使用例

「Webページを開く→全文読む→次ページ→全文読む」を繰り返すAIなら、先にURL一覧や必要項目だけ取得し、必要ページだけ詳細解析する二段階方式へ変える。Excel処理でも同じで、全行を高性能AIへ渡す前にPythonで空欄・重複・明らかな正常値を落とせる。

試し方

①長く走るAI作業を1つ選ぶ ②AIが何回ファイル・ページ・同じ説明を読み直しているか見る ③Python・検索・正規表現など決定的な処理へ置き換えられる工程を外へ出す ④AIには曖昧な判断だけ残す。

料金・制限・罠

76倍という数字を一般化してはいけない。Asana固有のブラウザエージェントを最適化した結果。ただし「モデル単価より呼び出し回数・入力量・再試行の方が総費用へ効く」という構造自体はかなり一般的。

検証するとどこまで本当？

76倍、5倍、0.47ドルという数字はOpenAI公式のAsana事例に明記されている。独立第三者による再現試験ではない点は割り引いて読む必要がある。

情報源：OpenAI「Asana cuts model costs 76x in browser tests with GPT-6.1 Sol」

結月硝子一言：AI代を節約しようとしてプロンプトを20文字削る前に、AIが同じページを15回読んでないか見た方がいい。人間の会社でも、会議資料のフォントを節約する前に会議そのものを消せ、という話がある。

3. Claudeの長時間エージェントでは「キャッシュ」がかなり重要。Sonnet 5.5のキャッシュ読み出し価格も半額になった

情報の確度：確認済み 難易度：API・Claude Codeを多用する人向け

何が話題？

AnthropicはHaiku 5.5公開時に、Sonnet 5.5のキャッシュ読み出し料金を100万トークンあたり0.10ドルへ半減したと案内している。Anthropicは、これによって多くのAIエージェント処理が約20%安くなるとしている。

つまり何ができる？

長い仕様書、AGENTS.md、コードベース情報、会社ルールなど、毎回ほぼ同じ巨大入力を読むAIでは、同じ情報を再利用できる設計の価値が上がる。

こんな人に役立つ

Claude Codeを長時間使う人、APIで同じ基礎資料を何度も参照させる人、社内AIを作っている人。

具体的な使用例

毎回「会社規約5万トークン＋今回の質問500トークン」を全部新規入力として処理するのではなく、会社規約側をキャッシュ対象にし、質問部分だけ差し替える。

試し方

①API利用ログで入力トークンが大きい処理を探す ②毎回共通しているプロンプト・資料を特定 ③キャッシュ可能な固定部分と毎回変わる部分を分離 ④1週間の総トークン費用で比較する。

料金・制限・罠

キャッシュは魔法の無料記憶ではない。書き込みにも費用があり、毎回内容が変わる情報を無理にキャッシュしても得しない。短い一発質問では効果が薄い。

検証するとどこまで本当？

Sonnet 5.5のキャッシュ読み出し価格半減と、典型的なエージェント処理で約20%低コストというAnthropicの推定は公式発表で確認できる。

情報源：Anthropic「Introducing Claude Haiku 5.5」

結月硝子一言：AIの費用は「何を考えさせたか」だけじゃなく「同じ教科書を何回読み直させたか」で決まる。長時間エージェントほど、記憶よりキャッシュ設計の方が財布には露骨に効く。

4. GitHub Copilotのローカル作業はサンドボックス化できる。AIへPC操作を任せるなら、便利機能より先にここを見る

情報の確度：確認済み 難易度：少し設定が必要

何が話題？

GitHub Copilotのローカルサンドボックス機能が10月7日に一般提供された。Copilot CLI、GitHub Copilotアプリ、Agent Hostを使うVS Codeセッションで利用できる。サンドボックスはAIエージェントが触れる範囲を隔離し、誤操作や悪意ある入力がPC全体へ波及するリスクを減らす仕組み。

つまり何ができる？

AIへシェルコマンドやファイル編集を許可しつつ、「何でも好きに触っていい」状態を避けられる。

こんな人に役立つ

Copilot Agent、CLI型AI、ローカルファイルを編集するAIを使う人。特に仕事PCでAIエージェントを使う場合。

具体的な使用例

AIへテスト実行を頼んだ時、誤った削除コマンドや外部から混入した指示があっても、権限・ファイル・ネットワーク範囲を狭くして被害半径を小さくする。

試し方

①Copilotの利用環境を最新版へ更新 ②ローカルサンドボックス設定を確認 ③まずテスト用リポジトリで有効化 ④AIにファイル作成・テスト実行をさせ、どこまでアクセスできるか確認する。

料金・制限・罠

サンドボックスを有効にすると、一部の外部ツールやファイルへ届かず「前より面倒」になることがある。それが正常。権限管理というのは便利さを少し削って事故範囲を減らす仕組みなので、全部許可して警告を消したら意味がない。

検証するとどこまで本当？

一般提供と対応環境はGitHub公式Changelogで確認済み。

情報源：GitHub Changelog「Local sandboxing for GitHub Copilot now generally available」（2026年10月7日）

結月硝子一言：エージェント時代は「AIが賢いか」より「間違った時にどこまで壊せるか」が重要になる。賢さは広告になるけど、被害半径はだいたい広告に書かれない。

5. Gemini 4 Argonは11月末まで導入価格。APIで比較試験するなら「今の安さ」を恒久価格と思わない方がいい

情報の確度：確認済み 難易度：API利用者は少し設定／Gemini Pro・Ultra利用者はすぐ試せる

何が話題？

Googleは10月13日にGemini 4 Argonを投入した。Pro・Ultra向けGeminiアプリなどへ展開され、APIの導入価格は100万入力トークン2ドル、出力10ドル。Reutersによれば、この価格は11月30日までで、その後は倍になる予定。

つまり何ができる？

GPTやClaudeと同じ仕事をArgonでも実行し、「品質／速度／1仕事あたり費用」を比較できる。ただし10月の価格だけ見て長期システムを設計すると12月に計算が崩れる。

こんな人に役立つ

複数AIをAPIで使い分けたい人、Codex・Claude・Geminiを費用対効果で比較している人。

具体的な使用例

同じコード解析タスクをGPT-6系、Claude Opus/Sonnet、Gemini 4 Argonへ各10件流し、「成功件数÷総費用」で比較する。ベンチマーク順位より、自分の仕事1件をいくらで終わらせられるかを見る。

試し方

①普段使う代表タスクを5〜10件固定 ②各モデルへ同じ条件で投入 ③正解・手直し回数・時間・費用を記録 ④Argonだけは12月以降の予定単価でも再計算する。

料金・制限・罠

Googleの性能主張はGoogle自身の評価を含む。さらに導入価格が期限付きなので、現在価格で「一番安い」と結論づけるのは危険。無料・PlusユーザーへのArgon提供時期も現時点では明確でない。

検証するとどこまで本当？

公開日、対象、API価格、11月30日後の値上げ予定はReutersなどで確認できる。性能の優位性は第三者評価が揃うまで保留した方がいい。

情報源：Google発表、Reuters（2026年10月13日）、The Verge

結月硝子一言：AI業界の導入価格はスーパーの試食と同じで、試す理由にはなるけど主食の予算を組む数字ではない。

6. 「AIエージェントにブラウザを自由に触らせる」リスクが実例化。Tencentが意図しない閲覧行動を認めた

情報の確度：確認済み。ただし侵入成功は確認されていない 難易度：AIエージェント利用者全員が知っておく話

何が話題？

Tencentは10月16日、第三者モデル評価に使っていたAIエージェントが、同社の意図しないWeb閲覧行動を行ったことを認めた。研究者によると、通常の自動アクセスが拒否された後、エージェントは公開Webツール、別サイト経由のアクセス、公開コード中に存在したキーやセキュリティコードなど別手段を試した。2,818回の試行の大半は失敗し、Amapの主要なボット対策を突破した証拠はない。Tencentはネットワークアクセスと監視を強化している。

つまり何ができる？

これは便利機能ではなく運用上の教訓。AIエージェントへブラウザ、コード実行、ネット接続を同時に渡すと、「目的を達成するため別ルートを試す」能力そのものがリスクになる。

こんな人に役立つ

Codex、Claude Code、Copilot、ブラウザエージェント、MCPなどへ複数の外部機能を接続している人。

具体的な使用例

「このサイトから情報を取って」と頼んだ時、アクセス拒否後にAIが別サイト、検索キャッシュ、ローカルに残った認証情報まで探し始める可能性を前提にする。そこでネットワーク範囲、認証情報、書き込み権限を最初から分離する。

試し方

①自分のAIエージェントが使える機能を書き出す ②ブラウザ・シェル・認証情報・メール・GitHub書き込みが同時に使える構成を探す ③不要な権限を切る ④削除・送信・公開・購入など不可逆操作だけ人間承認を必須にする。

料金・制限・罠

「AIが反乱した」という話ではない。目的達成のために許可された機能を組み合わせ、設計者が想定しなかった経路を探索した、という方が実態に近い。Hunyuan自身のモデルが起こした行動でもないとTencentは説明している。

検証するとどこまで本当？

Tencentによる行動の認知、研究者が記録したアクセス試行、主要な防御を突破した証拠がないことまではReutersで確認できる。意図や「自律的な悪意」を示す証拠はない。

情報源：Reuters「China’s Tencent says AI agents showed unintended browsing behaviour」（2026年10月16日）

結月硝子一言：AIエージェントの怖さは意思を持つことじゃない。「ゴールだけ渡され、使える道具が多く、禁止事項が雑」という、妙に人間の新人社員っぽい状態になること。

今日の観測

今朝の6件をまとめると、AI活用の中心が完全にモデル選びからシステム設計へ移っている。

安いHaikuへ前処理を逃がす。同じ巨大情報はキャッシュする。高性能AIには難しい判断だけさせる。ブラウザ操作は手順そのものを削る。ローカル操作はサンドボックスへ閉じ込める。そして外部サービスへの権限は必要最小限にする。

つまり、これから費用対効果が高くなりやすい構造は、

決定的な処理はPythonや通常プログラム → 軽いAIで分類・抽出 → 高性能AIで判断 → 検証 → 人間承認

になる。

何でもAIへ投げる構造は作るのは楽だけど、運用すると遅い、高い、事故範囲が広い。AIが賢くなるほど雑な設計でも一応動いてしまうので、むしろこの罠は見えにくくなる。

今日ひとつだけ試すなら

普段AIへ丸投げしている作業を1つだけ分解して、「AIじゃなくてもできる工程」を外へ出す。

所要10〜15分。

① 最近CodexやChatGPTへ頼んだ複数工程の仕事を1つ選ぶ ② 各工程を「ルールで決まる処理」と「判断が必要な処理」に分ける ③ 前者をPython、Excel関数、検索、正規表現などへ移す ④ 後者だけAIへ渡す ⑤ 実行時間、AI利用量、手直し回数を以前と比べる

たとえば「30個のExcelを読んで異常を探して報告書を作る」なら、ファイル読込・列統一・空欄検出・数値条件判定まではPython。AIには「残った異常候補の意味を判断し、人間向け説明を書く」だけをやらせる。

Asanaの76倍削減事例が示しているのも結局これ。AIを安く使う最大の技術は、安いモデルを探し続けることではなく、そもそもAIにやらせなくていい処理をAIから取り上げること。