AIに「必要な情報を調べて表にまとめて」と頼むとき、文章を作る力だけでなく、検索やファイルの読み取り、計算などの道具を使う力が必要になります。その使い方を学ぶための例題は、どう作られるのでしょうか。今回は、動作する手順を先に用意し、そこから質問を作るという研究を紹介します。日常の仕事に取り入れるヒントも、研究の説明とは分けて考えます。
9月に紹介された、学習データの作り方の研究
Google Researchは2026年9月10日、ToolGradを紹介しました。これはモデルに道具の使い方を学ばせるためのデータを生成する仕組みです。論文は2025年8月6日に初版が公開され、現在の第3版は2026年6月17日付です。9月に新しい一般向けアプリが発売された、というニュースではありません。
質問を先に作る順序を、逆にする
論文で対比されている従来手法は、まず質問を作り、その質問を解ける道具の使い方を探索します。ToolGradは順序を逆にし、動作する道具の使用手順を組み立ててから、それに対応する質問を生成します。解ける例題を作るために、解き方の側を出発点にする発想です。
Googleの説明では、候補の道具を提案し、実行結果を比較して一つを選び、手順と質問を更新する過程を繰り返します。名前にある「勾配」は、ここでは改善の方向を伝える文章によるフィードバックを指します。一般の利用者がチャットに一言指示すれば、モデルそのものの学習が自動で始まるという話ではありません。
評価は、何を測った数字なのかが大切
著者らは生成したデータでモデルを追加学習させ、道具の呼び出しを測るベンチマークで改善を報告しています。ただし、学習データを作れた割合、ベンチマークの点数、実際の会社で業務を完了できた割合は別の指標です。この記事では研究の結果を、自社業務でも同じ成功率になるという根拠には使いません。
例えば、正しい計算機能を選べても、入力する売上の期間を間違えれば仕事としては不正解です。表を保存できても、依頼者が必要とする項目がなければ完成ではありません。研究を読む際は「どんな道具と課題で試したか」「何をもって正解としたか」を分けて見ると、期待できる範囲を考えやすくなります。
仕事へのヒントは、正しくできた一例を具体化すること
ここからは研究の実装手順ではなく、考え方から得られる実務上の提案です。自動化したい仕事について、まず人が正しくできた小さな一例を用意します。「毎月の集計を自動化したい」だけでなく、使う元表、抽出する行、計算方法、出来上がる表までを一組にします。
例えば架空の売上表なら、「確定した注文だけを選ぶ」「商品別に数量を足す」「合計と元表を照合する」という流れにできます。その結果を見てから「この表から確定注文の商品別数量を集計して」という依頼文を作れば、求める結果と指示の間に抜けがないかを点検できます。これは学習用データの大量生成を行わなくてもできる作業です。
成功する例だけでなく、迷う例も用意する
一つのきれいな例だけで評価すると、実際の仕事にある曖昧さを見落とします。同じ商品が違う名前で書かれている、必要な列が空欄になっている、対象期間の指定がない、といった例も別に用意します。このとき期待する動作は、無理に表を完成させることとは限りません。
対象期間が不明なら質問する、数量が欠けていれば未確認として示す、重複らしい行は元資料に戻って確認する。こうした「止まる」「確認する」動作にも正解を決めておくと、便利そうに見える回答と、任せられる処理を区別しやすくなります。追加学習をしない場合でも、評価用の例として役立ちます。
公開コードを使う場合の条件
公式リポジトリにはデモと評価の再現手順が公開されています。簡単なデモはGPU不要とされていますが、Gemini APIキーが必要です。一方、モデルの学習や評価を再現する手順にはGPUを使う説明があります。コードが公開されていることと、実行費用がかからないことは同じではありません。
リポジトリにはApache-2.0のライセンス表示があります。ただし、利用するモデル、データ、外部APIの条件まで一律になるとは限りません。日本からの各サービスの利用可否、料金、商用利用条件は導入する構成ごとに確認が必要です。本記事ではデモの実行や日本の個別アカウントでの利用確認は行っていません。
まず三つの架空データで確かめる
最初の試行は、正常な表、欠損のある表、条件が曖昧な表の三つで十分です。期待する答えを先に人が作り、AIの結果と照合します。正答だけでなく、余分な操作がなかったか、不明な点を勝手に補わなかったかも記録します。公開や外部送信を伴わない範囲で試せば、結果を落ち着いて比較できます。
顧客名や社外秘の数字を例題に使う前に、架空データで手順を固めましょう。ToolGradが扱うのはモデルを育てるデータの作り方ですが、私たちの仕事にも「正しい結果と、その結果に至る操作を説明できるか」という問いを投げかけています。自動化したい一つの作業を、具体的な例にするところから始められます。
出典・確認日
2026年9月18日確認。Google Researchの記事、論文概要・改訂履歴、公式リポジトリを参照。研究の再現実験や実務効果の測定は行っていません。本文後半は独自の活用提案です。
AI導入、AIO、Web制作、外構DXについて、現場に合わせて整理します。
相談する→