[5月19日:速報回]最新AI速報！xAIのHermes Agent連携からGPT Realtime 2、次世代マウスポインターまで(ep.70)

おちつきAIラジオ第70回（EP.070）／配信日: 2026.05.19／再生時間: 01:11:09

この回の概要

今回は「おちつきAIラジオ」の速報会で、直近1週間のAIニュース4本と、リスナーから目安箱に届いた質問への回答をまとめて扱う回です。xAIによるハーミーズエージェントへのXプレミアム統合、OpenAIの新音声モデルGPTリアルタイム2、Google DeepMindによるマウスポインターのAI時代向け再考、OpenAIのCodexのモバイル対応という4つのニュースの中身と、AIに使われる側にならないための向き合い方がわかる回です。

最初のニュースは、xAIがオープンソースのAIエージェント「ハーミーズエージェント」にXプレミアムを統合したという話題です。月額980円のXプレミアムに加入していれば、API利用料を払わずにGrokをエージェントの頭脳として呼び出せるほか、X内の投稿検索や画像生成が使い放題になるとのことです。しぶちょーは、ハーミーズエージェントは個人アシスタント的なOpenClawとは異なり、クラウドサーバー上で常駐して働き続けるタイプのエージェント基盤であると説明し、OpenAIがCodex経由でOpenClawを無料開放している動きに対抗する意図があるのではないかと推測しました。

2つ目は、OpenAIの新しい音声モデル「GPTリアルタイム2」のリリースです。これまでのGPTリアルタイムから進化し、ChatGPT5クラスの推論能力を保ちながら低遅延の音声応答を実現しているとのことで、番組内ではプレイグラウンド上でこのモデルと実際に会話したデモ音源も共有され、応答速度や自然さが以前より向上している手応えが語られました。即時翻訳や低遅延の文字起こしにも対応しているとのことです。

3つ目は、Google DeepMindがAI時代に向けてマウスポインターの役割を再考しているという、実験段階の研究紹介です。現状のマウスポインターは画面上の座標を伝えるだけの機能しかありませんが、これをAIとのコミュニケーションの手段として使い、表を指しながら「これを円グラフにして」と伝えたり、地図上をなぞって経路を示したりできるようにする構想がデモ動画とともに紹介されました。しぶちょーは、人間が指差しで意思疎通するのと同じような役割をマウスポインターに持たせるという発想が新鮮だと評価しました。

4つ目は、OpenAIのコーディングエージェント「Codex」がChatGPTのモバイルアプリに統合され、外出先からコーディング作業の指示を出せるようになったというニュースです。これは今年2月にAnthropicがClaudeで先行して実装したリモート操作の仕組みと同様のもので、パソコンを起動したままにしておけば、スマートフォンから指示を出して作業を進められます。あわせて、Claude Desktopの「コンピューターユース」機能を使えば、AIがマウスカーソルを動かして実際にパソコンを操作することもできると紹介され、かねりんも出先から自宅の高性能パソコンに処理を任せたいという活用イメージを語りました。

ニュース紹介の後には、AIに相談すると学習コストやリスクを理由に慎重な回答をされがちだという話から、AIの助言に流されて挑戦をやめるのはかっこよくないという考えが共有されました。二人はイベント本番の直前まで生成AIを使ってアプリの不具合をその場で修正した経験を振り返り、迷ったらリスクを取りに行く姿勢が大事だと述べています。

リスナーからの質問には、生成AIで調べながら読むようになって以来、読書のペースが遅くなったという悩みが寄せられ、理解の質や到達速度はむしろ上がっているのだから気にしなくていいという回答がされました。あわせて、オーディオブックの活用についても、ストーリー性のある本や自己啓発書は音声で聞くのに向いている一方、注釈が多く前提知識を要する専門書は紙で読んだ方がいいという実感が共有されています。

また、製造業でマイクロソフト製品中心の業務環境にいるリスナーから、Copilotが使いにくいという声にどう向き合うべきかという質問も紹介されました。しぶちょーは、Copilot自体はハルシネーションが残るなど発展途上な面はあるものの、ブラウザに標準搭載されていることで社内に生成AI利用の土壌を作った功績は大きいと述べ、他のツールと比べて一長一短があるとしたうえで、今後Copilotをテーマにした回も検討したいと締めくくりました。

目次（タイムスタンプ）

00:00 オープニング：怒涛のリアルイベント振り返り
01:55 リアルイベントで緊張する？オンオフの切り替え
05:08 xAIがHermes AgentにX Premiumを統合
08:21 API不要！常駐型AIにXの情報を自動収集させる
17:02 OpenAI新音声モデル「GPT Realtime 2」リリース
20:00 実際の音声デモ：GPT Realtime 2と会話してみた
24:59 Google DeepMindがAI時代のマウスポインターを再考
28:43 マウスポインターが「AIの目」になる次世代のPC操作
32:42 OpenAI Codexをスマホアプリに統合＆遠隔操作
37:44 Claude DesktopのComputer UseとAIの学習コスト
43:32 AIに止められてやめるのはダサい！無駄なリスクを取れ
44:53 目安箱①：紹介したAIツールのリストや成果物が見たい
51:33 目安箱②：AIの登場で本を読むペースが落ちた？
54:18 技術書の読み方とオーディオブックの活用法
57:43 お便り：「Microsoft Copilotが使い物にならない」
1:04:16 エンディング＆コミュニティの近況
1:06:23 アフタートーク：ポッドキャストイベントのノリと勢い

この回でわかること（Q&A）

xAIのハーミーズエージェントにXプレミアムが統合されると何ができる？

月額980円のXプレミアムに加入していれば、API利用料を払わずにGrokをエージェントの頭脳として呼び出せるほか、X内の投稿検索や画像生成が使い放題になります。クラウド上で常駐して働き続けるタイプのAIエージェント基盤だと説明されました。

OpenAIのGPTリアルタイム2とはどんなモデルですか？

従来のGPTリアルタイムから進化した音声モデルで、ChatGPT5クラスの推論能力を保ちながら低遅延の音声応答ができるとされています。即時翻訳や低遅延の文字起こしにも対応しており、プレイグラウンド上で試すことができます。

Google DeepMindのマウスポインターのAI活用構想とは？

従来のマウスポインターは画面上の座標を伝えるだけでしたが、これをAIとのコミュニケーション手段として使い、表を指しながら円グラフへの変換を指示したり、地図上をなぞって経路を示したりできるようにする研究構想です。人間の指差しに近い役割をポインターに持たせる発想として紹介されました。

OpenAIのCodexがモバイルアプリに統合されると何ができる？

パソコンを起動したままにしておけば、外出先からスマートフォンでCodexに指示を出してコーディング作業を進められるようになります。これはAnthropicが今年2月にClaudeで先行実装したリモート操作の仕組みと同様のものだと説明されました。

業務でマイクロソフトのCopilotしか使えない場合はどうすればいい？

Copilot自体はハルシネーションが残るなど発展途上な面はあるものの、ブラウザに標準搭載されていることで社内に生成AI利用の土壌を作った功績は大きいとされました。他のAIツールと比べて一長一短があり、今後Copilotをテーマにした回も検討したいと語られています。

この回を聴く

「おちつきAIラジオ」は、日々のAIトピックを現役のAIエンジニア（しぶちょー）と元刑事のポッドキャストプロデューサー（かねりん）がやさしく解説する対談番組です。