いろいろなことを検討していると、どうしても一定数の「おことわりメール」を送る必要が出てくる。このメールを書くのがとても苦手だ。定型文といえば、そうなのだが、心理的に苦手である。深く検討できたものなら、いろいろと書くこともあるのでよいのだが、箸にも棒にも掛からぬ内容のものだと、書くのがきつい。そんなとき、「おことわりメール」をさくっとGeminiがストレスフリーで作ってくれる。適材適所で使わないと。
Geminiでのメール草案の生成が便利。込み入った話は人間が書いた方が早いが、定型的な返信は作られた方が効率的だ。よく訓練されているという性能がいいというか。ハイスペックすぎると、返答がおかしくなるので、今くらいでもいい。
Google WorksapceのGoogle Meetでオフラインのミーティングで「メモを作成」できるようになったので、早速AndroidスマホのMeetアプリで試してみた。
実際につかってみた感想や注意点など。
ボイスレコーダーみたいに使えるのは便利でいい。文字起こしの性能は、現状はいまいちな感じ。要約されたものは、まぁまぁ、論点をつかんでいるので、悪くはない。レコーダー＋文字起こしで考えると、Google Pixelの方が性能がよい感じがする。
「特権ID NHI管理入門」もよかったけれど、「誰も教えてくれないLLMの話」が面白かった。確かに疑問には思っていても答えてくれるものはない。本が出ていたとしても、LLMの世代が変われば、変わる話が多いので、ささっと読めるのはよかった。
特権IDの話は、「特権NHIの脅威を理解するうえで最も重要なのは、人間のIDが『利用者本人の認証』によって保護されているのに対し、特権NHIは『認証情報そのもの』が本人である点です。」というのが目から鱗だった。言われてみて考えてみると、確かにAPIキーとIDの組み合わせに対して、権限をつけているので、人間のようなMFAなどはなく、正しい組み合わせでアクセスしてきたら権限通りに動作するようになっている。だから、アクセス自体が認証そのものだ。これ（APIキーやトークンなど）が漏れる可能性もあるので、細かい権限設定と定期的な変更が必要というのはわかる。でも、大変なのでついつい忘れがちになる。権限の見直しなどは、追加するときは依頼ベースでの対応になるので実行されるけれど、権限の削除は行われにくいわけで重要なのに後回しになりがちなので気をつけないといけない。あとは、人間が使う特権IDの管理も特権IDアクセス用のシステムをいれないとというのはわかるがめんどくさい。だけど、やらないとは思うのだが。
誰も教えてくれないLLMの話は、「モデル崩壊」の部分がよかった。AIを使って、AIを鍛えると、モデル崩壊する原因やその対策、AIでAIをきたえればいいじゃん、と思うけれど、それが難しい理由もわかった。自分自身のフィードバックループだけでは、なかなか鍛えられていかないわけだ。ある程度、現実世界に即した何かが必要になると。それに「Web全体という情報生態系の健全性」というのもわかる。AIによるニュースサイトが増えて続けたり、低品質なAIによる生成記事ばかり増えると、それを使って学習するAIがモデル崩壊に近づくという。データの質は重要なわけで、フォーラムなどで有益な内容がなくなっていくといけないわけだ。個人ブログにしても、だんだんと減っていくことだろう。個人向けのブログサービス自体が、採算が取れなくなって閉鎖になるケースもあるわけで。AIによるアクセスしかなければ、そういうことが起きていくのだろう。
LLMの話で「長い推論と有効な推論は必ずしも同じではない」というのも面白かった。長いからいいわけではなく、質が重要で推論を長くすればいいわけではないと。プロンプトの質も影響するわけだ。だから、LLMを利用するときのコストは難しく「モデルがどれだけ読み、どれだけ書き、どれだけ考えたか」が跳ね返るわけで、長いインプットでも推論が少なければ安くなる、長いインプットで推論回数が増えれば増えるほどコストは高くなると・・・。なんでもかんでも構成なLLMを使えばいいわけではないというわけだ。
Amazon： https://amzn.to/3UyXDsO
Googleのブランド再編により、NotebookLMの名前がGemini Notebookにかわった。機能については、いままで通り。アイコンは変わる。
https://blog.google/innovation-and-ai/products/gemini-notebook/notebooklm-gemini-notebook
このあと、Geminiの各種機能との連携を図るための布石の模様。Googleは、Geminiを使ったAI検索に力を入れているので、パーソナライズ検索の、その検索の中に、Notebookのデータも取り込むようだ。これで便利になるのかどうかはわからない。Googleなので、いろいろと実験に付き合わされる感じになるのだろう。
Gigazineを見ていたら、ChatGPTのシェアが50%を下回ったという記事をみた。GeminiとかClaudeとかがある中で、まだ50%もシェアをキープしていたのが驚きでもある。いま、Geminiをどっぷりとつかっているけれど、Geminiのシェアは30%弱なので、そこまで多くなかったのか、という驚きもあった。
ChatGPTの利用者シェアが初めて50％割れ、GeminiやClaudeが追い上げ
https://gigazine.net/news/20260617-state-of-ai
5月末のシェア
Microsoft Copilotの存在感の無さ・・・。XのGrokよりもシェアが細い。
Perplexityは、ウェブ検索のAI。Geminiなどで、ウェブ検索の結果が含まれるようになったり、GoogleAI検索が出てからシェアが減って、今はすごく細い。生成AIも多様化した見るべきか、乱立淘汰の前触れか、どちらになるだろうか。
.
Gigazineで、「AIにも「身内びいき」がある、採用AIは同じAIモデルが書いた履歴書を高く評価しやすいとの研究結果」という記事があり、元の論文を要約＆翻訳して読んでみた。
https://arxiv.org/abs/2509.00462
この論文は、採用プロセスで大規模言語モデル（LLM）が自ら生成したコンテンツを体系的に優遇する「自己嗜好バイアス（Self-preference bias）」について、実証的な評価を行ったものです 。求職者がLLMで履歴書を作成し、企業が同様のツールで選別を行う「AI対AI」の相互作用が、公平性に新たなリスクをもたらすことを明らかにしています 。
人間と同じように身内びいきしてしまうとのこと。チェックする側のAIと同じものを応募者側が使っていると、高評価になりやすい。AIにとっても、思考が近しい方が理解しやすいということ。対応策も書かれていて、面白い内容だった。（AIに要約させたものを読んだのだけど）
Google I/O 2026は、AI関連の話題ばかりだった。それが嫌だ、というわけではない。Googleが、それだけAIに力を入れている証拠とも言える。
Gemini 3.5 Flashは、即日使えるということで影響は大きい。実際、Google WorkspaceのGeminiでGemini 3.5 Flashが選べるようになっていた。ついでに、Gemini 3.5 Thinkingも。Proは6月ということだが、3.5 Thinkingが使えるので、Proは先でも構わないと思う。
あと、Gemini APIで、エージェント環境が整備されていたり、本当にいろいろな発表があった。情報量が多すぎて、ちゃんとついていけていない。AI利用のライセンスも増えたし、複雑でわかりにくい環境だから、少しずつ使えるかを確認していく。
Google Workspaceのユーザが作ったGeminiのGemは、Google Workspaceでそのユーザを削除すると、共有されていてもGemが使えなくなる。
Google Workspceでは、ユーザの削除時にリソースの移譲ができるが、GeminiのGemはこれに含まれておらず、個人のリソース扱いなので、ユーザを削除すると使えなくなる。Google Drive上にGemのフォルダはあるが、あの中身は移譲されても、Gem本体は移譲されないので、GeminiからGemにアクセスしてもエラーになる。
対応としては、ユーザを削除する前に、Gemのシステムプロンプト（Gemで使っているプロンプト）をコピーして、自分でGemを作る。
もしユーザを消してしまっている場合は、Google Workspaceの管理画面からユーザを復元する。ユーザの復元は、削除から20日以内ならばできる。そのうえで、Gemのシステムプロンプトをコピーして、Gemを作り直す。
GeminiにNotebook機能が追加され、Notebook LMのNotebookに連携される、とのこと。GeminiにNotebookLMが取り込まれる前兆かテストか。どんな使い方、UXになるのだろうか。Notebook LMに慣れたところなので、複雑にならないといいのだが。
利用できるユーザの範囲を見たが、個人ユーザかつAIライセンスを買っている人が対象。Google Workspaceのユーザは、いまのところ対象外。あと、18歳未満のユーザと、Educationアカウントも対象外。
Try notebooks in Gemini to easily keep track of projects
https://blog.google/innovation-and-ai/products/gemini-app/notebooks-gemini-notebooklm
学生のレポートや論文を書くシーンで、どのような生成AIの使い方（やってはいけないことや、上手く活用するシーン）があるのかを知りたくて読んでみた。
と、普通にビジネスシーンとあまり変わらない使い方だ。
やってはいけないのは、レポートのテーマを与えて、調査から執筆までを生成AIに肩代わりさせるような使い方、アイデアそのものをAIに頼る（世の中の既知のアイデアしか出てこない、いまのところ）、など。こちらも、ビジネスシーンとほぼ変わりない。AIの「DeepResearchで調べられることならコンサルはいらない」というけれど、それと同じで、独自性の部分を考えるのは人間の作業ということ。
いろいろなレポート作成のケースに対して、ダメなプロンプトの例、良いプロンプトの例が載っており、参考になるいい本だったと思う。読んで楽しかった。
Amazon： https://amzn.to/4bCRAIT