Geminiはなぜ「ポンコツ感」が残るのか

Bardの失敗、ChatGPT/Claude/Grokの強さ、そしてMetaがMuse Sparkを“前菜”にした意味

Googleは、AIで最も強くなっていなければおかしい会社である。

検索、YouTube、Android、Gmail、Docs、Sheets、Chrome、Google Cloud、TPU、DeepMind。 AIに必要な材料をほぼすべて持っている。にもかかわらず、Geminiを実際に使うと、ChatGPTやClaude、場合によってはGrokよりも頼りなく感じる場面がある。

特に問題になるのは、ハルシネーションの多さと、検索確認が必要な場面でもモデル内部の知識だけで即答してしまうところである。

Geminiはマルチモーダル体験としては良い。画像や動画を扱う能力、Googleサービスとの接続、軽快さ、発想の広さには魅力がある。しかし、詳細な調査、投資分析、技術記事作成、コーディング、引用検証、長期作業では、総合的な「作業AI」としての弱さが出やすい。

これは単に「Geminiのモデルが小さいから」ではない。 問題はもっと深い。 Geminiは、強い部品をたくさん持っているのに、それらが一人の信頼できる作業AIとして統合されていない。

Bard時代の失敗は、Google AIの構造問題を早くから示していた

Googleの生成AIが最初に大きく躓いた象徴がBardだった。

Bardは、ChatGPTに急いで対抗する形で登場した。しかし、初期のBardは性能面でも体験面でも弱く、Google検索を持つ会社のAIでありながら、事実確認に失敗するという印象を与えた。プロモーション動画での事実誤認は、市場にも大きな失望を与えた。

Bardの問題は、単なる一回のミスではなかった。

当時のBardは、モデルの基礎性能、検索との接続、推論、コード、長文理解、Googleサービスとの統合、ブランド設計のすべてが未成熟だった。つまり、ChatGPTという一つの強い体験に対して、Google側は「検索」「Assistant」「DeepMind」「Brain」「Workspace」「Cloud」が分散したまま、慌ててチャットAIを出したように見えた。

Bardの失敗は、GoogleがAI研究で強くても、AIプロダクトとして統合できなければ弱く見えるということを示していた。

BardからGeminiへの改善で起きたこと

その後、GoogleはBardをかなり大きく作り替えた。

まず、PaLM 2によってモデル性能を改善した。 次に、Google BrainとDeepMindを統合し、Google DeepMindを作った。これは研究組織の分断を減らし、基盤モデル開発を一つの中核へ寄せる動きだった。

さらに、Bard ExtensionsによってGmail、Docs、Drive、Maps、YouTubeなどとの接続を進めた。これにより、Bardは単なる会話AIから、Googleサービス上の情報を扱えるAIへ近づいた。

そして最終的に、BardはGeminiへ置き換えられた。 Geminiは、Ultra、Pro、Nanoなどの階層を持つ、ネイティブマルチモーダルなモデル系列として打ち出された。さらにGemini 1.5では、長文コンテキストとMixture-of-Experts的な効率化が強調された。

つまり、Bardの改善は、Bardを小手先で直したというより、Bardを捨ててGeminiへ作り替えたに近い。

この時点でGoogleは、Bard時代の「基礎性能が足りない」という問題をかなり改善した。 しかし、現在のGeminiには別の問題が残っている。

それは、基礎能力はあるのに、作業AIとしての統合が弱いという問題である。

Geminiの現在の問題点

Geminiの弱さは、主に以下の点に出る。

第一に、検索確認が必要な場面でも、内部知識だけで即答しがちである。 最新ニュース、企業決算、人事、製品仕様、ベンチマーク、法律、規制、投資分析のような領域では、本来は検索や公式資料の確認が必要になる。しかしGeminiは、モデル内部の記憶でそれっぽく答えようとすることがある。

第二に、ハルシネーションが目立つ。 分からないことを分からないと言わず、もっともらしく推測で埋めてしまう。これはBard時代から続くGoogle AIの弱点に見える。

第三に、引用と主張の対応が甘い。 引用らしきものが出ていても、その引用が本当に本文の主張を支えているとは限らない。これは調査AIとして致命的である。

第四に、長い文脈を扱えても、重要情報の圧縮と保持が弱い。 Geminiは長いコンテキストを売りにしているが、「長く入る」ことと「長く正確に使える」ことは違う。長文の中から何を残し、何を捨て、どの前提を維持するかが弱いと、途中で論点がズレる。

第五に、創造モードと調査モードが混ざっている。 Geminiはアイデア出しや別視点の提示では面白い。しかし、その柔らかさが、詳細調査や投資分析では「いい加減さ」として出る。創作では長所になる性質が、調査では短所になる。

第六に、Googleの部品が一つの作業人格に統合されていない。 Search、Gemini App、AI Overview、Workspace、NotebookLM、AI Studio、Vertex AI、Deep Research、Android、Chrome。部品は強い。しかし、ChatGPTやClaudeのように「このAIに任せれば作業が進む」という一体感が弱い。

Googleは改善策を持っているが、統合し切れていない

Googleが何もしていないわけではない。 むしろ、改善に必要な部品はかなり揃っている。

Grounding with Google Searchは、GeminiをリアルタイムのWeb情報に接続し、知識カットオフ後の情報や検証可能な出典を使って回答させるための仕組みである。これはハルシネーション対策として非常に重要だ。

Deep Researchは、計画を立て、検索し、読み、反復し、最終レポートを作る調査エージェントである。これは、通常の即答型AIではなく、調査ワークフローに近い。

Gemini Enterprise Agent Platform、RAG Engine、Memory Bankなども、企業データに基づく回答や、継続的な文脈保持を実現するための部品である。

つまり、Googleは「検索」「調査」「RAG」「メモリ」「エージェント」「コード実行」の部品を持っている。 問題は、それらが通常のGemini体験に自然に統合されていないことだ。

Geminiが本当に改善するには、ユーザーが明示しなくても、質問内容に応じて内部で自動的に処理を切り替える必要がある。

軽い雑談なら即答。 最新情報なら検索。 投資や技術分析なら複数ソース確認。 長文調査ならDeep Research。 コードなら実行・テスト・修正ループ。 創作なら自由な発想。

このようなルーティングが必要である。

ChatGPTが強い理由：モデルではなく統合システムが強い

ChatGPTの強さは、モデル単体の知能だけではない。

OpenAIは、速い回答と深い推論を切り替える仕組み、検索、ファイル、画像、コード、ツール、エージェント的実行をChatGPTという一つの体験に統合している。

重要なのは、ユーザーが何を求めているかを見て、軽く答えるべきか、深く考えるべきか、検索すべきか、ファイルを読むべきか、コードを使うべきかを切り替える点である。

つまりChatGPTは、単なる「賢いモデル」ではなく、作業環境として作られている。

Geminiは部品としては似たものを持っている。しかし、それが一つの自然な作業体験としてまとまっていない。ここが大きな差である。

Claudeが強い理由：慎重さ、長文、作業継続性

Claudeは、長文、文章構成、慎重な推論、コーディング、エージェント作業で強い。

Anthropicは、extended thinkingやthinking budgetのように、どれだけ深く考えるかを制御する方向へ進めている。さらにClaudeは、コーディング、コンピュータ操作、長時間タスク、自己検証に寄せて進化している。

Claudeの強さは、派手なマルチモーダル体験よりも、作業の安定性にある。

長い文章を読み、条件を保持し、余計なことをせず、ユーザーの意図に沿って慎重に出力する。 これは、記事作成、調査、コーディング、業務文書では非常に重要である。

Geminiが「発想は面白いが詰めが甘い」と見えるのに対し、Claudeは「慎重で作業を任せやすい」と見える。 この差は、単なるベンチマークでは測りにくい。

Grokが強く見える理由：荒削りでも作り替えが速い

GrokはOpenAIやAnthropicに比べると後発で、荒削りな部分もある。 しかし、xAIはモデルをかなり速いペースで作り替えている。

Grokは、Xとのリアルタイム性、検索、推論、キャラクター性、長文コンテキスト、画像や動画、コーディングなどを急速に取り込んでいる。Grok 4 Fastのように、コスト効率と推論を両立する方向も強めている。

Grokの強さは、完成度の高さというより、足りない部分を次世代で素早く補う速度にある。

つまり、Grokは「荒いが変化が速い」。 Geminiは「材料は強いが、変化が重い」。 この違いがユーザー体験に出ている。

一から作り直せる力は、フロンティアAIの強みになる

OpenAI、Anthropic、xAIに共通する強みは、前世代の問題を次世代で大きく作り替える力である。

ここでいう「作り直す」とは、毎回すべてをゼロから捨てるという意味ではない。 前モデルの失敗ログを集め、評価し、データを変え、RLを変え、推論時設計を変え、ツール統合を変え、プロダクト体験を変えるという意味である。

フロンティアAIでは、モデルを出してみないと本当の弱点は分からない。

検索しない。 引用が甘い。 コードで余計な変更をする。 長文で崩れる。 ツールを使い間違える。 ユーザーの意図を保持できない。 安全性リスクが予想外に出る。

こうした失敗を次の世代に構造的に反映できる会社が強い。

Geminiの問題は、Googleの巨大な既存事業と製品群の中で、この作り替えが重くなっていることだと思う。

MetaのMuse Sparkは「本命前の試験炉」

ここでMetaのMuse Sparkが重要になる。

MetaのAlexandr Wang氏は、Muse Sparkを「前菜」と表現している。 これは、Muse Sparkが本命ではないという意味である。しかし同時に、これは本命モデルを作る前の試験炉でもある。

Muse Sparkは、ネイティブマルチモーダル、tool use、visual chain of thought、multi-agent orchestrationを備えるモデルとして説明されている。つまり、単に賢いチャットモデルではなく、最初からエージェント用途を意識している。

MetaがMuse Sparkで確認しているのは、おそらく以下である。

新しい学習レシピはスケールするか。 推論時スケーリングは効くか。 複数エージェントを並列に動かす設計は有効か。 tool useは安定するか。 マルチモーダル推論はMeta AIやAIグラスに載るか。 安全性リスクはどこに出るか。 Business Agentや広告AIに接続できるか。

これは、Geminiが今苦しんでいる「部品はあるが統合が弱い」問題を、本命前に潰そうとしているようにも見える。

巨大モデルを本番規模で作ってから、「検索が弱い」「tool useが不安定」「エージェントとして使えない」「製品に載せにくい」と分かると、修正コストは非常に重い。 だからMetaは、本命モデルを出す前にMuse Sparkで設計を試している。

この準備の意味は大きい。

Alexandr Wang氏とScale AIの意味

Wang氏がScale AIの事業家だったことも、この文脈では重要である。

Scale AIは、単なるデータラベリング企業ではなく、AIの学習データ、評価、RLHF、モデル評価、安全性評価、レッドチーミング、人間フィードバックなどを扱ってきた企業である。

今のフロンティアモデル競争では、データと評価が極めて重要である。 モデルを大きくするだけでは勝てない。 どの失敗例を集めるか。 どの専門家に評価させるか。 どの回答を良いとみなすか。 どのエージェント行動を安全とみなすか。 どの能力が製品価値や収益に直結するか。

この工程全体を回すには、研究者だけでなく、AI開発を工業化する事業家が必要になる。

Wang氏は、研究の天才というより、AI工場の経営者としてMetaに入った人物だと見るべきである。 Muse Sparkは、そのAI工場の最初の試運転かもしれない。

Geminiは「作り直しに近いこと」が必要

BardがGeminiへ変わった時、Googleはモデル、ブランド、組織、製品接続をかなり大きく作り替えた。

現在のGeminiにも、同じくらい大きな再設計が必要だと思う。 ただし今回は、名前を変える必要はない。変えるべきなのは、回答の作り方である。

内部知識で即答するAIから、 検索し、読み、検証し、矛盾を比べ、引用を監査し、不明なら不明と言うAIへ。

それが必要である。

つまり、BardからGeminiへの進化が「頭を交換する進化」だったとすれば、次のGemini改善は「仕事の仕方を交換する進化」になる。

最終的な結論

Geminiの問題は、GoogleにAIの材料が足りないことではない。 むしろGoogleは、世界で最も豊富なAIの材料を持っている。

問題は、その材料が一つの信頼できる作業AIとして統合されていないことだ。

Bardは基礎性能不足で失敗した。 Geminiは基礎性能を改善したが、今度は作業AIとしての統合不足に苦しんでいる。

ChatGPTは、モデル、検索、ツール、ファイル、推論、エージェントを一つの作業環境としてまとめるのが強い。 Claudeは、長文、慎重さ、コーディング、自己検証、作業継続性が強い。 Grokは、荒削りだが世代交代と作り替えが速い。 Metaは、Muse Sparkを前菜として、本命モデルを出す前にスケーリング、tool use、multi-agent、製品導入、安全性を検証している。

この比較から見えるのは、フロンティアAIの競争が、もはや単純なモデル性能の競争ではないということだ。

重要なのは、モデルをどう作るかだけではない。 どう調べるか。 どう検証するか。 どう引用するか。 どう考えさせるか。 どうツールを使わせるか。 どう作業を継続させるか。 どう製品に載せるか。 どう収益に変えるか。

ここまで含めた「AIシステム設計」の競争である。

Geminiが巻き返すには、さらに賢いモデルを出すだけでは足りない。 Geminiを、Googleの強い部品の集合体から、一人の信頼できる作業AIへ作り替える必要がある。

そしてMetaのMuse Sparkは、その失敗を避けるために、本命前に試験炉を回しているように見える。

一言で言えば、 Geminiは本番稼働しながらエンジンと操縦系を組み直している。Metaは本命を出す前に試験炉で火力と設計を確認している。OpenAIとClaudeは、すでに何度も作り直しながら作業AIとしての完成度を上げてきた。

この違いが、次の1〜2年のフロンティアAI競争で大きな差になっていく可能性がある。

根拠メモです。Bardの初期デモでの事実誤認とAlphabet時価総額への影響はReutersが報じています。(Reuters) Googleは2023年にBrainとDeepMindを統合してGoogle DeepMindを作り、Bardは2024年2月にGeminiへ改名され、Gemini AdvancedではUltra 1.0が使えるようになりました。(blog.google) Gemini 1.5は長文理解を大きく改善した次世代モデルとして発表されています。(blog.google) GoogleはGemini APIでGrounding with Google Searchを提供し、リアルタイムWeb情報と検証可能なソースに接続できると説明しています。(Google AI for Developers) また、Google Search、AI Overview、Geminiの取得ソースが大きく異なり、AI Overviewの一貫性や頑健性に課題があることを示す研究もあります。(arXiv)

OpenAIはGPT-5を、速いモデルと深い推論モデルをリアルタイムルーターで切り替える統合システムとして説明しています。(OpenAI) AnthropicはClaudeでextended thinkingやthinking budgetを提供し、Opus 4.5/4.6ではコーディング、エージェント、computer use、検索、金融などの実作業能力を強調しています。(Claude Platform) xAIはGrok 4 Fastをコスト効率の高い推論モデルとして発表しています。(xAI) MetaのMuse Sparkは、tool-use、visual chain of thought、multi-agent orchestrationを備えるネイティブマルチモーダル推論モデルとして発表されており、対談でもMuse Sparkが「前菜」で次の本命モデルが準備中であることが語られています。(ai.meta.com)

特定銘柄の推奨・勧誘・投資助言を目的とするものではありません。投資判断はご自身の責任でお願いいたします。

サムネはPixAIsunflowerモデルとGPTImage2.0