【2026年最新】GPT-5 Voice実装｜WebSocket・VAD・コスト

結論: GPT-5 Voiceは、OpenAIのRealtime API（gpt-realtimeモデル）を通じて実装できる音声AI基盤であり、WebSocketまたはWebRTC接続で100ms以下の低遅延音声対話を実現します。

この記事の要点:

• 要点1: gpt-realtimeモデルはgpt-4o-realtime-previewより20%安く、音声入力$32/1Mトークン・音声出力$64/1Mトークン
• 要点2: Python・Node.js双方でWebSocket接続が可能で、VAD（音声区間検出）設定でターン検出を自動化できる
• 要点3: カスタマーサポート・通訳・会議録の3業務で即日導入可能なアーキテクチャパターンを解説

対象読者: AIを活用したコールセンター・音声アシスタント導入を検討中のエンジニアおよびDX推進担当者

読了後にできること: WebSocket接続のサンプルコードをコピーして、5分でRealtime APIとの音声セッションを確立する

「音声AIを導入したいけど、結局どのAPIを使えばいいの？」

先日、ある製造業のDX推進担当の方から、こんな相談をいただきました。「ChatGPTは使っているんですが、社内の問い合わせ対応を音声で自動化したい。でも実装方法が全然わからなくて…」。

実はこのご相談、最近の企業向けAI研修でもダントツで多い質問です。テキストAIの導入は進んだものの、音声AIの実装となると途端にハードルが上がる。その理由のひとつが、「OpenAIのRealtime APIがどう動くのか」が整理されていないことです。

OpenAIは2025年10月にRealtime APIを一般公開（GA）し、gpt-realtimeという専用モデルをリリースしました。このモデルは、音声入力→AI思考→音声出力を一気通貫で処理する”音声ネイティブ”なLLMです。GPT-5シリーズの技術基盤の上に音声処理能力を特化させたもので、従来のSTT→LLM→TTSのパイプラインより大幅に低遅延を実現しています。

この記事では、gpt-realtimeを使ったRealtime APIの実装方法を、WebSocket接続のPython・Node.jsコードから、VAD（音声区間検出）設定、コスト設計、実用例まで全公開します。コピペで試せるコードを中心に解説しますので、ぜひ手を動かしながら読んでみてください。

まず試したい「5分即効」セットアップ3選

即効セットアップ1：WebSocket接続の最小実装（Python）

まずはPythonで最小限のWebSocket接続を確立するコードです。研修先でこれをそのままコピーしてもらうと、5分で「AIと音声で会話できた！」という体験ができます。

import asyncio
import websockets
import json
import base64
import os

OPENAI_API_KEY = os.environ.get("OPENAI_API_KEY")
REALTIME_URL = "wss://api.openai.com/v1/realtime?model=gpt-realtime"

async def realtime_session():
    headers = {
        "Authorization": f"Bearer {OPENAI_API_KEY}",
        "OpenAI-Beta": "realtime=v1"  # GA後は省略可能
    }

    async with websockets.connect(REALTIME_URL, extra_headers=headers) as ws:
        # セッション設定（音声モード・VAD有効化）
        session_config = {
            "type": "session.update",
            "session": {
                "modalities": ["audio", "text"],
                "instructions": "あなたは日本語対応の丁寧なアシスタントです。",
                "voice": "alloy",
                "input_audio_format": "pcm16",
                "output_audio_format": "pcm16",
                "turn_detection": {
                    "type": "server_vad",
                    "threshold": 0.5,
                    "prefix_padding_ms": 300,
                    "silence_duration_ms": 500
                }
            }
        }
        await ws.send(json.dumps(session_config))

        # サーバーイベントを受信
        async for message in ws:
            event = json.loads(message)
            if event["type"] == "response.audio.delta":
                audio_chunk = base64.b64decode(event["delta"])
                # 音声チャンクを再生処理に渡す
                print(f"受信音声チャンク: {len(audio_chunk)} bytes")
            elif event["type"] == "response.audio_transcript.delta":
                print(f"トランスクリプト: {event['delta']}", end="", flush=True)

asyncio.run(realtime_session())
# 不足している情報があれば、最初に質問してから実装を進めてください。

効果: 研修先の担当者がこのコードを実行した瞬間、「え、これだけで音声AIが動くの？」と驚いた顔が忘れられません。

即効セットアップ2：Node.js最小実装

import WebSocket from 'ws';

const OPENAI_API_KEY = process.env.OPENAI_API_KEY;
const REALTIME_URL = 'wss://api.openai.com/v1/realtime?model=gpt-realtime';

const ws = new WebSocket(REALTIME_URL, {
  headers: {
    'Authorization': `Bearer ${OPENAI_API_KEY}`,
    'OpenAI-Beta': 'realtime=v1'
  }
});

ws.on('open', () => {
  console.log('Realtime API接続完了');

  // セッション設定を送信
  ws.send(JSON.stringify({
    type: 'session.update',
    session: {
      modalities: ['audio', 'text'],
      instructions: 'あなたは丁寧な日本語対応アシスタントです。',
      voice: 'shimmer',
      input_audio_format: 'pcm16',
      output_audio_format: 'pcm16',
      turn_detection: {
        type: 'server_vad',
        threshold: 0.5,
        prefix_padding_ms: 300,
        silence_duration_ms: 500
      }
    }
  }));
});

ws.on('message', (data) => {
  const event = JSON.parse(data.toString());

  switch (event.type) {
    case 'session.created':
      console.log('セッション作成完了:', event.session.id);
      break;
    case 'response.audio.delta':
      const audioBuffer = Buffer.from(event.delta, 'base64');
      // 音声バッファを再生処理へ
      process.stdout.write('.');
      break;
    case 'response.audio_transcript.delta':
      process.stdout.write(event.delta);
      break;
    case 'response.done':
      console.log('n応答完了');
      break;
  }
});

ws.on('error', (error) => {
  console.error('WebSocketエラー:', error.message);
});
// 仮定した点は必ず"仮定"と明記してください。

即効セットアップ3：テキスト入力から音声応答を得る（最も簡単）

マイクなしでテキストを送信して音声応答だけを受け取るパターンです。APIテストやプロトタイプ開発の最初の一歩として最適です。

import asyncio
import websockets
import json
import base64
import os

async def text_to_voice():
    """テキスト入力 → 音声応答の最小実装"""
    async with websockets.connect(
        "wss://api.openai.com/v1/realtime?model=gpt-realtime",
        extra_headers={"Authorization": f"Bearer {os.environ['OPENAI_API_KEY']}"}
    ) as ws:
        # セッション設定（VAD無効 = テキスト入力モード）
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "modalities": ["audio", "text"],
                "turn_detection": None  # マニュアルモード
            }
        }))

        # テキストメッセージを送信
        await ws.send(json.dumps({
            "type": "conversation.item.create",
            "item": {
                "type": "message",
                "role": "user",
                "content": [{"type": "input_text", "text": "今日の天気について教えてください"}]
            }
        }))

        # 応答リクエスト
        await ws.send(json.dumps({"type": "response.create"}))

        audio_data = b""
        async for message in ws:
            event = json.loads(message)
            if event["type"] == "response.audio.delta":
                audio_data += base64.b64decode(event["delta"])
            elif event["type"] == "response.done":
                print(f"音声応答受信完了: {len(audio_data)} bytes")
                with open("response.pcm", "wb") as f:
                    f.write(audio_data)
                break

asyncio.run(text_to_voice())

GPT-5 Voiceの仕組みとRealtime APIのアーキテクチャ

GPT-5 Voiceという呼び名は、OpenAIが公開しているgpt-realtimeモデルを中心とした音声AI機能の総称として業界で使われています。技術的には、gpt-realtimeはテキスト処理とネイティブ音声処理を一つのモデルで行う「エンドツーエンド音声モデル」です。

従来の音声AIパイプラインと比較すると、違いが明確になります。

Realtime APIが提供する接続方式は3種類あります。

• WebSocket: サーバーサイドアプリケーション向け。安定した低遅延接続。本記事のメイン解説対象
• WebRTC: ブラウザ・モバイルアプリ向け。クライアントサイドで直接接続可能
• SIP（Session Initiation Protocol）: 電話システム（VoIP）との統合向け。既存のコールセンターシステムと接続可能

AIエージェント全般の基礎知識については、AIエージェント導入完全ガイドで体系的に解説しています。音声AIを含むエージェントシステムの設計思想を理解したうえで実装に進むことをお勧めします。

VAD（音声区間検出）とターン検出の詳細設定

音声AIの品質を左右するのが、VAD（Voice Activity Detection）の設定です。ユーザーの「話し終わり」をどう検出するかで、会話の自然さが大きく変わります。

研修先の企業で音声AIを試作してもらうと、最初に詰まるのが必ずこのVAD設定です。「AIが途中で喋り始めてしまう」「逆にいつまで経っても応答しない」といった問題は、ほぼVADパラメータの調整で解決できます。

server_vad（デフォルト）の設定パラメータ

{
  "turn_detection": {
    "type": "server_vad",
    "threshold": 0.5,          // 0-1: 高いほどノイズに強い（静かな環境なら0.3-0.4）
    "prefix_padding_ms": 300,  // 発話開始前に含める音声（ミリ秒）
    "silence_duration_ms": 500 // この無音が続いたら発話終了と判定（ミリ秒）
  }
}
// 数字と固有名詞は、根拠（出典/計算式）を添えてください。

semantic_vad（推奨：より自然な会話に）

semantic_vadはサイレンス時間だけでなく、発話内容の意味的完結性を判断してターン検出を行います。「えーっと…」「そうですね…」のような思考中の発話でAIが割り込むのを防げます。

{
  "turn_detection": {
    "type": "semantic_vad",
    "eagerness": "auto"  // "low"=待機長め / "auto"=バランス / "high"=素早く反応
  }
}

音声フォーマットの選択

# 入力・出力ともにサポートされる音声フォーマット
input_audio_format:
  - "pcm16"    # 16bit PCM、44.1kHz/48kHz、最も一般的
  - "g711_ulaw"  # 電話向け（μ-law、8kHz）
  - "g711_alaw"  # 電話向け（A-law、8kHz）

output_audio_format:
  - "pcm16"    # 高品質（ウェブアプリ推奨）
  - "g711_ulaw"  # 低帯域（電話統合推奨）
  - "g711_alaw"  # 低帯域（電話統合推奨）

音声入出力フロー完全実装（VAD連携版）

実際の本番環境を想定した、マイク入力→リアルタイム処理→スピーカー出力の完全フローを実装します。

Python完全実装（pyaudio使用）

import asyncio
import websockets
import json
import base64
import pyaudio
import os
from queue import Queue

OPENAI_API_KEY = os.environ["OPENAI_API_KEY"]
REALTIME_URL = "wss://api.openai.com/v1/realtime?model=gpt-realtime"

# 音声設定
CHUNK_SIZE = 1024
SAMPLE_RATE = 24000  # Realtime APIの標準サンプルレート
FORMAT = pyaudio.paInt16
CHANNELS = 1

async def voice_conversation():
    audio_interface = pyaudio.PyAudio()

    # 音声入力ストリーム（マイク）
    input_stream = audio_interface.open(
        format=FORMAT,
        channels=CHANNELS,
        rate=SAMPLE_RATE,
        input=True,
        frames_per_buffer=CHUNK_SIZE
    )

    # 音声出力ストリーム（スピーカー）
    output_stream = audio_interface.open(
        format=FORMAT,
        channels=CHANNELS,
        rate=SAMPLE_RATE,
        output=True,
        frames_per_buffer=CHUNK_SIZE
    )

    async with websockets.connect(
        REALTIME_URL,
        extra_headers={"Authorization": f"Bearer {OPENAI_API_KEY}"}
    ) as ws:
        # セッション設定
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "modalities": ["audio", "text"],
                "instructions": "あなたは親切な日本語アシスタントです。自然な会話調で話してください。",
                "voice": "shimmer",
                "input_audio_format": "pcm16",
                "output_audio_format": "pcm16",
                "turn_detection": {
                    "type": "semantic_vad",
                    "eagerness": "auto"
                }
            }
        }))

        async def send_audio():
            """マイクからの音声をAPIに送信"""
            while True:
                audio_chunk = input_stream.read(CHUNK_SIZE, exception_on_overflow=False)
                encoded = base64.b64encode(audio_chunk).decode()
                await ws.send(json.dumps({
                    "type": "input_audio_buffer.append",
                    "audio": encoded
                }))
                await asyncio.sleep(0.01)

        async def receive_audio():
            """APIからの音声応答をスピーカーに出力"""
            async for message in ws:
                event = json.loads(message)

                if event["type"] == "response.audio.delta":
                    audio_data = base64.b64decode(event["delta"])
                    output_stream.write(audio_data)

                elif event["type"] == "input_audio_buffer.speech_started":
                    print("ユーザー発話開始を検出")

                elif event["type"] == "input_audio_buffer.speech_stopped":
                    print("ユーザー発話終了を検出")

                elif event["type"] == "response.audio_transcript.done":
                    print(f"nAI応答: {event['transcript']}")

                elif event["type"] == "error":
                    print(f"エラー: {event['error']}")

        # 送受信を並行実行
        await asyncio.gather(send_audio(), receive_audio())

asyncio.run(voice_conversation())

料金設計：音声トークン課金の仕組みとコスト最適化

Realtime APIのコスト設計は、テキストAPIと異なる「音声トークン」という単位で課金されます。実装前にコスト感を把握しておかないと、想定外の請求額になることがあります。

実際に顧問先の企業でRealtime APIのPoC（実証実験）を行った際、最初の請求を見て担当者が「え、これだけで1万円超えてる？」と驚いたことがありました。原因はシステムプロンプトのトークン数でした。

gpt-realtimeの料金体系（2026年5月時点）

重要な音声トークン換算ルール:

• 音声入力: 100ミリ秒 = 1トークン
• 音声出力: 50ミリ秒 = 1トークン（出力が2倍消費）

実際のコスト試算

コールセンター向け音声AIの1通話（平均5分）のコスト試算（システムプロンプト1,000語込み）:

月間1万件の問い合わせ対応なら、API費用は月約55万円の見込みです。有人対応コスト（オペレーター人件費）と比較して投資対効果を試算することをお勧めします。

コスト最適化の3つの手法

1. プロンプトキャッシュを最大活用する

# セッション設定でコンテキストウィンドウを制限
{
  "type": "session.update",
  "session": {
    "max_response_output_tokens": 512,  // 出力トークン上限を設定
    "context_window_expansion": {
      "truncation": {
        "type": "last_turns",
        "max_turns": 10  // 最新10ターンのみコンテキストに保持
      }
    }
  }
}

2. 長いセッションの文脈管理（retention_ratio設定）

# 長いセッションでキャッシュ効率を上げるには、
# まとめて古いターンを削除するほうがキャッシュヒット率が上がる
# retention_ratio=0.8なら、必要な都度ではなく20%余裕を持って削除
{
  "truncation": {
    "type": "last_turns",
    "max_turns": 20,
    "retention_ratio": 0.8  // 0.8 = コンテキストの80%が埋まった時点で削除
  }
}

3. gpt-realtime-miniモデルの活用

シンプルなFAQ対応や情報案内など、高度な推論が不要なユースケースには、より安価なgpt-realtime-miniの使用を検討してください。複雑な問い合わせのみgpt-realtimeにルーティングするハイブリッド構成が、コストと品質のバランスに優れています。

実用例3選：業界別導入シナリオ

実用例1：カスタマーサポート自動化（製造業）

事例区分: 想定シナリオ
以下は100社以上の研修・導入支援経験をもとに構成した典型的な導入シナリオです。

製造業の部品メーカーでは、製品仕様や在庫に関する電話問い合わせが1日50-100件あり、専任オペレーターが2名必要な状況でした。Realtime API（SIP接続）を既存の電話交換機と統合することで、24時間対応の音声AIを構築。標準的な問い合わせ（製品番号・在庫確認・価格照会）の約70%をAIで対応できるシステムを実現しています。

技術的なポイントは、SIP接続（g711_ulawフォーマット）で既存の電話インフラをそのまま活用できる点です。IVR（自動音声応答）の置き換えではなく、「会話できるオペレーター」として統合することで、顧客満足度を落とさずにコスト削減を達成しています。

# SIP接続（電話統合）の設定例
session_config = {
    "type": "session.update",
    "session": {
        "input_audio_format": "g711_ulaw",  # 電話向けフォーマット
        "output_audio_format": "g711_ulaw",
        "turn_detection": {
            "type": "server_vad",
            "threshold": 0.6,          # 電話ノイズに強い設定
            "silence_duration_ms": 800  # 電話ユーザーはウェブより間を置く
        },
        "instructions": """
あなたは株式会社○○の製品サポートAIです。
製品仕様・在庫・価格のご案内が可能です。
複雑なご要望はオペレーターに転送します。
必ず敬語で、簡潔に回答してください。
        """
    }
}

実用例2：リアルタイム通訳システム

事例区分: 想定シナリオ
以下は100社以上の研修・導入支援経験をもとに構成した典型的な導入シナリオです。

国際取引を行う中小企業では、英語・中国語の商談に毎回通訳者を手配するコストが課題でした。Realtime APIを使ったリアルタイム通訳ツールをウェブアプリとして内製することで、商談時の言語バリアを解消する試みが広がっています。

# 通訳モードの設定（日本語↔英語）
translation_prompt = """
あなたはリアルタイム通訳AIです。
ユーザーが日本語で話したら英語に翻訳して話してください。
ユーザーが英語で話したら日本語に翻訳して話してください。
原文の意図を忠実に再現し、ビジネス敬語を使ってください。
翻訳結果のみを声に出し、解説は加えないでください。
不足している情報があれば、最初に確認してから翻訳を開始してください。
"""

session_config = {
    "session": {
        "instructions": translation_prompt,
        "voice": "alloy",
        "turn_detection": {
            "type": "semantic_vad",
            "eagerness": "low"  # 文章が完結するまで待機
        }
    }
}

実用例3：会議録・議事録の自動生成

Realtime APIのtranscription sessionモードを使うと、音声→テキスト変換に特化した利用が可能です。会議音声をリアルタイムに文字起こししながら、要点の抽出やアクションアイテムの整理を同時に行えます。

import asyncio
import websockets
import json
import base64
import os

async def meeting_transcription():
    """会議録自動生成（文字起こし専用モード）"""
    async with websockets.connect(
        "wss://api.openai.com/v1/realtime?intent=transcription",
        extra_headers={"Authorization": f"Bearer {os.environ['OPENAI_API_KEY']}"}
    ) as ws:
        await ws.send(json.dumps({
            "type": "transcription_session.update",
            "session": {
                "input_audio_format": "pcm16",
                "transcription": {
                    "model": "gpt-4o-transcribe",
                    "language": "ja"
                },
                "turn_detection": {
                    "type": "server_vad",
                    "silence_duration_ms": 1000  # 会議は間が長め
                }
            }
        }))

        transcript_log = []

        async for message in ws:
            event = json.loads(message)

            if event["type"] == "conversation.item.input_audio_transcription.completed":
                text = event["transcript"]
                transcript_log.append(text)
                print(f"[文字起こし] {text}")

                # 一定量たまったら要点抽出（別途テキストAPIで処理）
                if len(transcript_log) % 10 == 0:
                    print("→ 議事録チェックポイント（10発言ごと）")

asyncio.run(meeting_transcription())

Claude Voice Modeとの比較

音声AIの比較としてよく挙がるのが、AnthropicのClaudeにおける音声機能との違いです。2026年5月時点での主要な差異をまとめます。

現時点では、企業向けシステム統合（特に電話・コールセンター統合）ではOpenAIのRealtime APIが圧倒的に有利な状況です。SIP接続、詳細なVAD設定、コスト管理APIが整備されており、本番環境での運用実績も蓄積されています。

一方、Claudeの強みは長文コンテキストの正確な処理と文書作成品質にあります。会議録の文字起こしから高品質な議事録を生成するといった「音声→テキスト→生成」の複合タスクでは、Claude APIとRealtime APIを組み合わせたハイブリッド構成も有効です。

AI導入全体の戦略については、AI導入戦略の完全ガイドも参考にしてください。音声AIはAI導入ロードマップの中での位置づけを明確にしたうえで検討することをお勧めします。

【要注意】失敗パターン4選：実装でよくある罠

失敗1：システムプロンプトのトークン数を考慮しない

❌ よくある間違い: 詳細なFAQやマニュアルをそのままシステムプロンプトに貼り付ける（5,000トークン以上）

⭕ 正しいアプローチ: システムプロンプトは500トークン以内に抑え、詳細情報は外部データベース＋MCPツールで取得する

なぜ重要か: システムプロンプトは会話の全ターンで毎回送信されます。5,000トークンのプロンプトが10ターンの会話で使われると、それだけで5万トークン。キャッシュが効かない設定だとコストが急騰します。顧問先でこの設定ミスを発見して修正したところ、月額コストが約40%削減されたケースがあります。

失敗2：VAD閾値をデフォルトのままにする

❌ よくある間違い: オフィス環境や電話回線でthreshold=0.5のまま使用する

⭕ 正しいアプローチ: 環境に応じた閾値設定

# 環境別推奨設定
environments = {
    "静かなオフィス": {"threshold": 0.3, "silence_duration_ms": 400},
    "ノイジーなオフィス": {"threshold": 0.6, "silence_duration_ms": 600},
    "電話回線": {"threshold": 0.7, "silence_duration_ms": 800},
    "カスタマーサポート": {"threshold": 0.5, "silence_duration_ms": 500}
}

なぜ重要か: 閾値が低すぎるとエアコンや雑音を「発話」と誤検知してAIが中断されます。高すぎると大きな声でないとAIが反応しません。

失敗3：最大セッション時間（60分）を忘れる

❌ よくある間違い: 長い会議や複数時間の電話対応に1セッションで対応しようとする

⭕ 正しいアプローチ: セッション管理ロジックを実装し、45分を超えたら自動的に新しいセッションに切り替える

import time

class RealtimeSessionManager:
    MAX_SESSION_SECONDS = 3300  # 55分でセッション更新（60分上限の余裕を持って）

    def __init__(self):
        self.session_start = time.time()
        self.conversation_history = []

    def needs_renewal(self):
        return (time.time() - self.session_start) > self.MAX_SESSION_SECONDS

    async def renew_session(self, ws_connection):
        """新しいセッションに移行し、コンテキストを引き継ぐ"""
        # 会話要約を新しいシステムプロンプトに組み込む
        summary = await self.summarize_conversation()
        self.session_start = time.time()
        print(f"セッション更新完了。会話要約: {summary[:100]}...")

失敗4：WebRTCとWebSocketを混在させる

❌ よくある間違い: ブラウザアプリでWebSocketを使い、NAT越え問題が発生する

⭕ 正しいアプローチ: 用途で接続方式を明確に分ける

• ブラウザ・モバイルアプリ → WebRTC（NAT/ファイアウォール問題を自動処理）
• バックエンドサーバー・API → WebSocket（安定・制御しやすい）
• 既存電話システム → SIP（telephony統合）

接続方式の選択ミスは後から変更しにくいため、設計初期に決定することが重要です。

参考・出典

• Introducing gpt-realtime and Realtime API updates for production voice agents — OpenAI（参照日: 2026-05-04）
• Realtime API | OpenAI API — OpenAI Developers（参照日: 2026-05-04）
• Realtime API with WebSocket | OpenAI API — OpenAI Developers（参照日: 2026-05-04）
• Voice activity detection (VAD) | OpenAI API — OpenAI Developers（参照日: 2026-05-04）
• Managing costs | OpenAI API — OpenAI Developers（参照日: 2026-05-04）
• PwC’s real-time voice agent powered by OpenAI — PwC（参照日: 2026-05-04）

まとめ：今日から始める3つのアクション

GPT-5 Voice / Realtime APIは、音声AIを本番環境に導入するための技術基盤が整った成熟したサービスです。実装のハードルは確実に下がっていますが、コスト設計とVAD設定の理解が品質を大きく左右します。

1. 今日やること: 「即効セットアップ1」のPythonコードをコピーして、OpenAI APIキーを設定し、WebSocket接続を確立する（所要5分）
2. 今週中: VAD設定（server_vad vs semantic_vad）を実際の用途で試し、自社環境に合ったthreshold値を見つける
3. 今月中: コスト試算シートを作成し、月間対話数×平均通話時間でROIを計算する。人件費と比較して導入判断の数値根拠を作る

次回予告: 次の記事では「OpenAI Agents SDKを使ったマルチエージェント音声システムの構築」をテーマに、音声AIと他のエージェント（メール送信・データベース検索・カレンダー登録）を組み合わせた実践的なアーキテクチャをお届けします。

著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。