生成AI：何を「作る」か
文章・画像・コードなどを生成する仕組みに着目した呼び名です。例として、会議メモから議事録の下書きを作る使い方があります。幅広い出力に対応していても、それだけでAGIと認定できるわけではありません。
AGI / ASI OBSERVATORY
AGI・ASIとは？
知能の先を、
確かな理解へ。
生成AIと、何が違うのか。いつ実現するのか。
期待と不安を分け、一次資料と仕事の具体例から読み解きます。
ビジュアルは知能の広がりを表す生成イメージです。実在のAGI・ASIシステムではありません。
START HERE / 最初に結論
AGIは「幅広く」。
ASIは「人間を超えて」。
ただし、物差しは一つではありません。
AGI（汎用人工知能）は、さまざまな知的な課題で人間に匹敵する汎用的な能力を目指す概念です。ASI（人工超知能）は、幅広い知的能力で人間を大きく上回る知能を指す概念です。
どちらも「どの課題で、誰と比べ、どこまでできれば到達なのか」を確認する必要があります。特定の試験で高得点を取ること、AIを自律的に動かすこと、AGIやASIであることは、同じ意味ではありません。［1］
先に押さえる3点
- 生成AI・AIエージェントは、AGI・ASIと同じ分類軸ではない。
- 実現時期の発言は、発言者の予測と確認された事実を分けて読む。
- 企業の準備は「到達年を当てること」より、資料・権限・確認方法を整えること。
01 / UNDERSTAND THE DIFFERENCE
AI・AGI・ASIの違いを、
一枚で整理。
「人間らしく話す」と「幅広く任せられる」を、
分けて考えるための比較です。
| 比べる点 | AI（人工知能） | AGI（汎用人工知能） | ASI（人工超知能） |
|---|---|---|---|
| 意味 | 入力から予測・文章・提案などを生み出す技術やシステムの広い呼び名。 | 幅広い知的課題で、人間に匹敵する汎用的な能力を目指す概念。 | 幅広い知的能力で、人間を大きく上回る知能の概念。 |
| 見るべき能力 | 対象の仕事で、必要な精度を出せるか。 | 課題が変わっても、学習・推論・応用ができるか。 | 人間を超える範囲・程度を、どう定義し測るか。 |
| 業務との関係 | 文書作成や情報整理など、具体的な用途から試せる。 | 未知の課題への対応力を含め、評価する条件の明示が必要。 | 将来の研究・社会への影響と、制御や安全性を議論する対象。 |
| 注意点 | 正しそうな誤回答もある。実際の資料で確かめる。 | 一つのベンチマークだけで、全体の到達を決めない。 | 構想・予測を、そのまま実現済みの性能と扱わない。 |
編集部による比較整理です。AIシステムの広い定義はOECD［2］、汎用性と性能の分け方はLevels of AGI［1］、ASIへの発展経路はFrom AGI to ASI［3］を参照しています。一本道の開発工程や実現時期を示す表ではありません。
02 / CAPABILITY ≠ AUTONOMY
生成AI、AIエージェント、AGI。
違うのは、
比べているもの。
文章を作れること。複数の手順を進められること。分野をまたいで理解・応用できること。この3つを混同しないのが出発点です。
能力と使い方を分けるための概念図。到達度・性能の実測図ではありません。
AIエージェント：どう「進める」か
目標に向けて複数の手順やツールを組み合わせる使い方です。例えば、資料の検索、要約、下書きの作成をつなぎます。自律性は設定した権限によっても変わります。メール送信や支払いまで許可するかは、知能の高さとは別の運用判断です。
AGI：どこまで「広く対応できる」か
分野や状況が変わっても対応できる汎用的な能力に関する概念です。「チャットが自然」「ツールを使える」という一つの特徴だけでなく、どんな条件でどの程度対応できるかを見ます。［1］
03 / WHEN WILL IT ARRIVE?
AGI・ASIは、いつ？
予測と証拠を、
同じ欄に置かない。
01
誰の発言？
研究論文、企業発表、経営者の予測を区別。
02
何の定義？
対象の課題、人間との比較、試験条件を確認。
03
どんな証拠？
独立評価、再現条件、失敗例や限界を読む。
04
自社では？
実際の資料で試し、許可する仕事を決める。
AGIからASIへ、一気に進むとは限らない
「From AGI to ASI」は、規模の拡大、新しいAIの方式、再帰的な改善、多数のAIの協働といった経路と、それぞれの障壁を検討しています。可能な経路の研究であり、特定の経路や実現時期が確定したという意味ではありません。［3］
04 / RISK WITHOUT CONFUSION
怖さを一括りにせず、
何が起きるかで
分けて考える。
「AIに攻撃されること」と「AIを仕事に使ったときのリスク」は、重なる部分はあっても同じではありません。AGI・ASIの将来リスクと、今あるAIの事故も分けて考えます。
国際AI安全性報告書は、汎用AIの能力・リスク・対策を扱い、得意な仕事と苦手な仕事のばらつきや、多段階の仕事での失敗も整理しています。高度な能力があることと、すべての仕事を安定して任せられることは別です。［5］
攻撃者がAIを使う
偽の連絡、なりすましなど。自社がAIを導入していなくても受ける可能性があります。相手の本人確認や送金前確認など、業務の防御が必要です。
自社のAIが間違う・漏らす
誤回答、資料の誤入力、過大なアクセス権など。入力できる情報、確認する人、外部へ出す前の承認を決めます。
能力と制御の関係が変わる
より高度なAIへの依存や、権限を与えたシステムの制御など。将来の議論を、現在の製品で発生した事実と混同しないようにします。
リスクの分け方と下記の準備は、一次資料を踏まえた編集部の実務向け整理です。安全性・法的適合性を保証するものではありません。NIST AI RMF［6］
AI導入時の情報管理・セキュリティを詳しく読む →05 / BRING IT BACK TO WORK
AGIを待つ前に、
仕事を確かめられる
会社にする。
未来のモデル名より、「どの資料から」「何を作り」「誰が確認するか」。ここを決めると、AIが変わっても検証を続けやすくなります。
例えば、小さな製造業で問い合わせの回答案を作る場面を考えます。次は実際の導入事例ではなく、検討用の架空例です。
入力する
顧客名を除いた問い合わせ文と、確認済みの商品仕様。
AIが整理する
答えられる質問、資料にない質問、回答案を分ける。
人が確かめる
仕様の出典、数値、納期・見積の未承認箇所を確認。
使う
責任者が承認した文面だけを送る。勝手に送信させない。
そのまま試せる、確認を残すプロンプト
公開できる架空の資料で試してください。個人情報や機密情報は、利用規約・契約・社内ルールを確認する前に入力しないでください。
あなたは問い合わせ回答の下書きを整理する補助者です。
【問い合わせ】部品Aは屋外で使えますか。来週20個納品できますか。
【確認済み資料】部品A：屋内用。数量と納期は営業担当の確認が必要。
【ルール】資料にない性能・在庫・価格・納期を作らない。
不明な点は「担当者確認」と明記。見積承認・送信はしない。
【出力】1. 資料にある事実 2. 未確認の点 3. 返信の下書き
最後に、人が照合する資料と承認事項を列挙してください。出力例（架空）
確認済み：部品Aは屋内用。
担当者確認：20個の手配可否と来週の納期。
下書き：部品Aは屋内用途の仕様です。数量・納期は担当者が確認してご連絡します。
人の確認：最新の仕様書、在庫・工程、納期の承認。
この例で評価するのは、AGIかどうかではなく、未確認情報を勝手に埋めずに残せたかです。日付や在庫が変われば、資料を取り直す手間は残ります。
最初に整える5つのもの
- 対象業務：まずは下書きや整理など、誤りを人が見つけやすい一つの仕事。
- 根拠資料：原本、更新日、参照してよい範囲。
- 評価例：正常な資料だけでなく、不足・矛盾を含むテスト用の資料。
- 権限と承認：閲覧・編集・送信・支払いを分け、必要最小限にする。
- 担当と停止：誤回答を見つける人、修正する人、運用を止める条件。
編集部の検討用手順です。AIのリスク管理についてはNISTの枠組み［6］も参照してください。
AI内製化の始め方・費用・引き継ぎを読む →06 / RESEARCH SIGNALS
最新動向は、
見出しより原文へ。
研究・評価・安全性を分けて読む。
ここでは確認できた一次資料を案内します。
AGIからASIへ、何が必要か。
「From AGI to ASI」は、発展経路と障壁を検討する研究です。超知能の完成を発表したものではありません。
研究の概要・論文へ ↗できることと、できないこと。
汎用AIの能力、リスク、リスク管理の科学的な整理。高度な成果と、残る不安定さを併せて読みます。
国際AI安全性報告書へ ↗そもそも、何を測るのか。
人間の認知能力に着目する評価の枠組み。単一の試験点数で知能の全体を語らないための資料です。
評価研究の解説へ ↗この欄は解説更新日に確認した資料の選定です。AIの研究全体を網羅するものでも、リアルタイム更新の一覧でもありません。
研究所のAGI・ASI関連記事を読む →RELATED / 次に読む
基本を、もう一歩深く。
検索で言葉の意味を知るだけで終わらせず、「自社では何を変えるか」まで進めるための研究記事です。
PERSPECTIVE / 講演・将来構想
構想を、
一次情報で見る。
誰かの要約だけで判断せず、発言者本人の講演と公式レポートへ直接つながる導線を用意します。
OFFICIAL / SOFTBANK WORLD 2025
数千兆のAI agentsが常時稼働する世界へ
孫正義氏がAIエージェント、AGI、その先の知能について語った公式講演です。研究所では講演の主張と現在確認できる技術を分けて解説します。
公式講演レポートを読む ↗07 / QUESTIONS
知りたいことを、
一問ずつ。
AGIとASIの違いは何ですか？
AGIは幅広い知的課題で人間に匹敵する汎用的な能力を目指す概念です。ASIは幅広い知的能力で人間を大きく上回る知能を指します。ただし、対象の課題や比較基準をどう定めるかで到達の見方が変わります。
AGIと生成AIは同じですか？
同じ意味ではありません。生成AIは文章・画像・コードなどを生成する技術に着目した呼び名です。AGIは能力の汎用性に関する概念であり、生成できることだけでは到達を判断できません。
AIエージェントが動けばAGIですか？
そうとは限りません。複数の手順を自律的に実行する仕組みと、幅広い課題に対応できる能力は別の軸です。権限やツールを追加しただけでAGIになるわけではありません。
AGIやASIはいつ実現しますか？
このページでは実現年を確定しません。定義・評価基準の違いや、研究の不確実性があるためです。実現時期に関する発言は、発言者、発言日、前提条件を確認し、予測として扱います。
今の生成AIはAGIと呼べますか？
モデル名や会話の自然さだけでは判断できません。どの定義で、どの課題・条件を評価したかを確認する必要があります。「汎用AI」という一般的な呼び名を、そのままAGI到達の認定と読み替えないことも重要です。
ASIができたら、必ずすぐに仕事がなくなりますか？
そのようには断定できません。技術的な能力と、企業が実際に仕事を置き換えることは別です。責任、導入費用、法制度、情報管理、顧客への対応なども関係します。職業名だけでなく、作業単位で影響を考えることを勧めます。
中小企業はAGIを待ってからAIを導入すべきですか？
待つかどうかを一律には決められません。今のAIで役立つ仕事があるなら、公開可能な資料による小さな検証から始められます。対象業務・根拠資料・評価例・権限・担当者を先に整えると、後の製品変更にも対応しやすくなります。
AGI・ASIの情報は何を読めばよいですか？
定義はLevels of AGI、発展経路はFrom AGI to ASI、安全性は国際AI安全性報告書など、問いに応じて原文を読み分けます。企業の発表、研究論文、研究所の考察は同じ確かさの情報として扱わないようにします。
08 / PRIMARY SOURCES
何を根拠に、読んでいるか。
主張に対応する一次資料を示します。各研究者・機関の整理を紹介しており、すべての定義や見解が一致しているという意味ではありません。
- Google DeepMind — Levels of AGI for Operationalizing Progress on the Path to AGIAGIの性能・汎用性・自律性、評価の枠組み。
- OECD — Explanatory memorandum on the updated OECD definition of an AI systemAIシステムの広い定義。AGIの到達認定を定める資料ではありません。
- Google DeepMind — From AGI to ASIAGIからASIへの発展経路、障壁、未解決の研究課題。
- Google DeepMind — Measuring progress toward AGI: A cognitive framework認知能力から進展を測るための評価研究。
- International AI Safety Report 2026汎用AIの能力、残る限界、リスクと管理の研究整理。
- NIST — AI Risk Management FrameworkAIリスク管理と生成AIプロファイルへの入口。
編集：AI内製化総合研究所 ／ 運営：合同会社リバイバルフロー
研究所長：山崎 恭平。
2026年10月20日の改訂では、定義の比較、評価の見方、実現時期の読み方、リスク、検討用の業務例、FAQと出典を拡充しました。訂正・情報提供は編集部窓口へお寄せください。
運営・編集方針を確認する →From Future Intelligence to Today's Action
未来を待たず、
現在を変える。
AGI・ASIがいつ実現するかにかかわらず、業務を整理し、データを整え、社員がAIを使える状態にする価値は変わりません。