この記事で分かること
- Geminiの性能を最大限引き出す「プロンプト設計の3原則」と4つの定番フレームワーク
- 2026年4月発表の「Deep Research」「Deep Research Max」で長時間の調査を一気に圧縮する方法
- 100万トークンの長文コンテキストとマルチモーダル解析の実務活用法
- 「Gems」と「NotebookLM」を組み合わせた、自分専用AIワークスペースの構築術
- 業種別・職種別の即戦力プロンプト集と、エンタープライズ利用時のデータ保護
前編では、Geminiが「Googleの全資産と統合された対話型AI」であり、無料プランから最上位のGoogle AI Ultraまで料金体系が整理されていることをお伝えしました。
しかし本当の差は、使い方で生まれます。同じGemini 3 Proに同じ質問をしても、指示の出し方ひとつで成果物の質は数倍変わる。さらに2026年に入ってから、GoogleはDeep Research、Nano Banana Pro、Gems、NotebookLMの強化を矢継ぎ早に発表しており、もはや「チャット欄に質問する」だけの使い方では、Geminiが本来持っている力の1割も引き出せていません。
逆に言えば──正しく使えば、Geminiは現時点で最も「仕事を肩代わりしてくれる」AIになります。100万トークンの長文読解、Google検索との直結、Workspace全製品との統合、そしてNotebookLMやGemsという独自のシステム化機能。これらを組み合わせた時の生産性向上は、他社AIでは再現できない領域に達しています。
本記事は、そうした最新機能を含めて、明日から自分の業務に組み込める実践ノウハウを1本にまとめた「中編」です。プロンプト技術 → 長文コンテキストとDeep Research → Gems / NotebookLM → 統合ワークフロー、という流れで進みます。前編をまだの方は、先にそちらを読むことをおすすめします。
- プロンプト設計の基礎｜Geminiを最大限引き出す3つの原則
- 業務で使えるプロンプト・フレームワーク｜どんな業務にも使える「型」
- マルチモーダル・プロンプティング｜画像生成は「Nano Banana 3兄弟」を使い分ける
- 業種別・即戦力プロンプト集
- Case 01｜【経営・戦略】中期経営計画の壁打ち
- Case 02｜【人事・採用】スカウト文の作成
- Case 03｜【マーケティング】広告コピーのABテスト案
- Case 04｜【法務・コンプライアンス】契約書のリスクレビュー
- Case 05｜【営業】商談議事録から提案書のドラフト
- Case 06｜【製造・品質】不具合報告書のドラフト
- Case 07｜【教育・研修】研修動画から学習教材を生成
- Case 08｜【ライティング】SEO記事の構成案
- Case 09｜【経理・財務】月次決算の異常検知
- Case 10｜【カスタマーサポート】FAQの自動拡充
- Case 11｜【医療・ヘルスケア】論文サーベイの効率化
- Case 12｜【投資・ファンド】企業デューデリジェンスの初期分析
- Case 13｜【教育・キャリア】志望校・志望企業の研究レポート
- Case 14｜【士業】税務・労務相談への一次回答
- Case 15｜【クリエイター】コンテンツ企画のブレスト
- 長文コンテキスト時代の「資料読解」が変わる
- Deep Research / Deep Research Max｜AIが「調査員」として動く時代
- 動画・音声マルチモーダル解析
- Gems｜あなた専用のAIエキスパートを設計する
- 即戦力Gems｜コピペで登録するだけのプロンプト集
- NotebookLM｜「自分が与えた資料だけを正解とする」AI
- 統合ワークフロー｜Gems × NotebookLM × Deep Researchで仕事を再設計する
- エンタープライズ利用｜情報の安全と活用の両立
- エラーハンドリングと「自己修正」の自動化
- 中編のまとめ｜次回予告
- 関連記事
- 参考・出典一覧
プロンプト設計の基礎｜Geminiを最大限引き出す3つの原則
Geminiは、Google検索・Workspace・YouTube・Googleマップなど、Googleが持つ膨大な情報基盤と地続きで動く対話型AIです。雑な指示で雑な答えしか返ってこないのは当然のこと。逆に、適切に文脈を渡してやれば、他社AIでは出せない密度の回答が一発で返ってくる。それがGeminiの本質です。
その差はどれほどのものか。実際に同じテーマで2つの指示を比べてみましょう。
| 指示の出し方 | 返ってくるもの |
|---|---|
| 「マーケ施策を考えて」 | SNS活用、SEO、広告出稿などの一般論。教科書レベルの回答 |
| 「BtoB SaaSのインサイドセールス向け、月予算50万円・期間3ヶ月、KPIつきで施策を3案」 | ナーチャリングシナリオ、ABM、コンテンツマーケなど、文脈に沿った具体案。それぞれにKPIと検証方法が明示される |
同じGeminiを使っているのに、アウトプットの質はここまで変わる。プロンプト設計のすべてが、この一点に凝縮されています。
aibiznavi.comが検証を重ねたうえで、特に重要だと判断している原則は次の3つ。これは2026年版のすべてのGeminiモデルに共通する基本姿勢です。
原則①｜「文脈の密度」が回答の質を決める
Geminiは、入力されたプロンプトに具体的な情報が多いほど、より専門性の高い領域に踏み込んだ推論を行います。
「要約して」とだけ言うのと、「業界の専門家として、30代の経営層が翌朝の会議でそのまま使えるレベルで要約して」と言うのでは、引き出される知識の層が根本から変わる。これは体感のレベルで違います。
| 悪いプロンプト例 | 良いプロンプト例 |
|---|---|
| マーケ施策を考えて | BtoB SaaSのインサイドセールス向けに、月予算50万円・期間3ヶ月で実施するナーチャリング施策を、KPIつきで3案提示して |
| このPDFを要約して | このPDFの中で「2026年の経営判断に影響する数字」だけを抽出し、根拠ページを併記して箇条書きにして |
| 英語に訳して | 米国の取引先CTO（技術系・40代）に送るメールとして、丁寧すぎず実務的なトーンで英訳して |
制約条件を増やす作業は、AIにとっての「迷い」を消す作業。Google公式ヘルプセンターでも、Gems（後述）の指示文を書く際の主要な観点として「役割・コンテキスト・目標・形式」の4つを挙げており、これは通常のプロンプトにもそのまま当てはまります。
もう少し直感的に言えば、AIへの指示は「新人スタッフへの仕事の依頼」と同じ。新人に「いい感じにやっといて」と言って期待通りの成果が出るはずもなく、ベテランに細かすぎる指示をすれば萎えさせるだけ。Geminiは前者に近い、つまり「意欲はあるが文脈を知らない優秀な新人」と捉えると、適切な情報量が見えてきます。
📎 出典：Google公式「Tips for creating custom Gems」
https://support.google.com/gemini/answer/15235603
原則②｜「思考の外部化」を強制する
いきなり結論を求めず、「考える過程」を出力させることで品質が大きく上がります。具体的には、「回答の前に、まず検討すべき項目を箇条書きで出力し、その後に最終回答を作成してください」と一文添えるだけ。たったこれだけで論理の飛躍や矛盾が劇的に減ります。
そしてここがGeminiの強み。Gemini 3 Proには「Thought Summaries（思考サマリー）」という、推論の過程を構造化して提示する機能が公式に組み込まれています。APIだけでなく、Geminiアプリで「Thinking」モードを選んだ際にも内部的に作動。さらに上位プランのGoogle AI Ultraでは「Deep Think」モードが利用でき、複数の仮説を並列に検討しながら答えを導き出すという、人間の熟考プロセスに最も近い動作をしてくれます。
📎 出典：Google AI for Developers「Gemini API release notes」
https://ai.google.dev/gemini-api/docs/changelog
原則③｜「自己検証」を最後にやらせる
回答を出させて終わり、ではない。「その回答の弱点を3つ挙げ、修正した改善版を出して」と続けます。これは1つのプロンプトに同居させても機能します。
[本来の依頼文]
…
# 品質チェック
最後に、自分の回答に対して以下を実施してください。
1. 論理的な飛躍がないか確認
2. 事実関係でGoogle検索による裏取りが必要な箇所を特定
3. ユーザーの制約を満たしているかチェック
不備があれば、修正版を最終回答として出力してください。この「自己検証ループ」は、Anthropic・OpenAI・Google各社のドキュメントでも推奨されている、汎用性の高い技術。ただしGeminiは特にThinkingモードとの相性が抜群で、回答の安定感が一段違ってきます。
業務で使えるプロンプト・フレームワーク｜どんな業務にも使える「型」
毎回ゼロから考えるのは、もうやめましょう。4つの型さえ覚えておけば、状況に応じて使い分けるだけでプロンプト作成に悩む時間はほぼゼロになります。Gemini 3 Pro / 3.1 Pro時代の現場で実際に効いている、定番の型を厳選して紹介します。
フレームワーク①｜RGCI（標準型）
| 要素 | 意味 | 記述例 |
|---|---|---|
| Role（役割） | AIの立ち位置を定義 | 「世界最高の戦略コンサルタントとして」「厳格な校閲記者として」 |
| Goal（目標） | 成果物のゴール | 「競合が反論できないレベルの企画書」「10万PVを狙えるブログ構成」 |
| Context（背景） | 現状と制約条件 | 「予算100万円」「ターゲットは首都圏共働き世代」「納期3ヶ月」 |
| Instructions（手順） | 実行ステップ | 「市場分析→3案提示→ROI算出の順で」 |
9割の業務は、この型で対応できます。迷ったらまずRGCI──と覚えておけば困りません。
フレームワーク②｜思考の木（Tree of Thoughts）
1つの回答で満足せず、AIに「自問自答」させる手法。「複数の専門家のパネルディスカッション形式で、私の提案を多角的に検証し、最終的な合意案を出してください」と命じます。
Gemini 3 ProのDeep Thinkモード（Google AI Ultra限定）は、この「複数の仮説を並列に検討する」アプローチが内部で組み込まれており、特に複雑な意思決定や数学的推論で力を発揮。1問あたりの所要時間こそ長くなるものの、人間の熟考プロセスに最も近い動きをしてくれる、現時点での最強モードです。
📎 出典：Google公式「Gemini Apps release updates」（Gemini 3 Deep Think）
https://gemini.google/release-notes/
フレームワーク③｜デビルズ・アドボケート
自分のアイデアの脆弱性を、あえてAIに突かせる型。次の一言を添えるだけで成立します。
あなたは世界一批判的な「デビルズ・アドボケート」です。
私の提案に対して、論理的整合性・データ不足・市場の不確実性の観点から
反論を3つ提示し、最後に補強策を1つだけ提案してください。「賛成」を禁じることで、無条件に肯定してくる「YESマン化」を防げます。新規事業の検討、契約書のリスク確認、プレゼン前の壁打ち──ここぞという場面で威力を発揮する型です。
フレームワーク④｜セルフ・デバッギング
原則③で触れた自己検証を、フレームワークとしてプロンプトに組み込んだ形。
# タスク
[依頼内容]
# 品質管理プロセス
回答後、自己採点してください（各10点・計30点満点）。
1. 論理的な飛躍はないか
2. 事実関係に裏取りが必要な箇所はないか
3. ユーザーの制約条件をすべて満たしているか
合計25点未満なら、不備を修正した改善版を最終回答として提出してください。採点基準を数値で渡してやれば、Geminiは内部で「再生成」のロジックを働かせます。長文の企画書や報告書のドラフトで、特に効果が出やすい型です。
マルチモーダル・プロンプティング｜画像生成は「Nano Banana 3兄弟」を使い分ける
ここからがGeminiの真骨頂です。画像生成・編集の領域で、2026年5月時点のGeminiは他社AIを完全に突き放しました。中核を担うのが、コードネーム「Nano Banana」シリーズ。現在は3つのモデルが棲み分けながら、用途別に最適解を提供しています。
そもそも「Nano Banana」という名前の由来をご存じでしょうか。これは社内のプロダクトマネージャーへの愛称が転じたコードネームで、2025年8月に正式版がGemini 2.5 Flash Imageとして公開されました。リリースから数週間で2億回以上の画像編集が行われ、Geminiアプリに新規ユーザーを1000万人以上呼び込む爆発的なヒット。「3D figurine（フィギュア化）」のミームが世界的に流行したことを覚えている方も多いはずです。あの社会現象の正体が、Nano Bananaでした。
その後、性能を底上げしたNano Banana Pro（2025年11月、Gemini 3 Pro Image）と、軽量高速版のNano Banana 2（2026年2月、Gemini 3.1 Flash Image）が追加され、現在は3モデルの体制。「速度」「バランス」「最高品質」を選び分けられるラインナップは、現時点で他社AIには存在しない構成です。
| モデル名 | 正式名称 | 位置付け | 用途 |
|---|---|---|---|
| Nano Banana | Gemini 2.5 Flash Image | 速度・コスト重視 | カジュアルな編集、SNS投稿、量産用途 |
| Nano Banana 2 | Gemini 3.1 Flash Image | 速度と品質のバランス | 業務での標準利用、リアルタイム生成 |
| Nano Banana Pro | Gemini 3 Pro Image | 最高品質・高解像度 | 商用デザイン、4K出力、複雑なテキスト描画 |
📎 出典：Google AI for Developers「Nano Banana image generation」
https://ai.google.dev/gemini-api/docs/image-generation
Nano Banana Proが他社モデルを突き放した理由
Nano Banana Pro（Gemini 3 Pro Image）は、2025年11月20日にGoogle DeepMindから発表された最上位の画像モデル。発表直後から「画像生成のゲームチェンジャー」と評されたのには、明確な理由があります。
- テキスト描画の精度が異次元レベル｜ポスター、インフォグラフィック、図解に、複数言語の文字を正確にレンダリング。日本語・中国語・アラビア語などの複雑な文字も崩れない。「画像内の文字が読める」が当たり前になったのは、Nano Banana Proが起点
- 2K・4K出力に標準対応｜商用印刷物にもそのまま耐える解像度。これまで「AI画像は粗くて使えない」と言われていた領域を、一気に実用ラインへ押し上げた
- 最大14枚の参照画像を同時入力｜ブランドガイドライン、過去のキービジュアル、参考写真を渡せば、トーンを揃えた量産が可能。マーケティング部門の「世界観の維持」が、AIで完結する時代に
- Geminiの全製品から呼び出せる｜Slides、Vids、NotebookLM、Workspaceなど、各プロダクトに統合済み。「資料の中で図がほしい」と思った瞬間にその場で生成できる
📎 出典：Google公式ブログ「Introducing Nano Banana Pro」
https://blog.google/innovation-and-ai/products/nano-banana-pro/
プロが使う画像プロンプトの「型」
「〇〇の絵を描いて」だけでは、AIは無難な画像しか出しません。プロはカメラマンに指示を出すように記述します。
[被写体の詳細]
[背景・シチュエーション]
[スタイル：フォトリアル / 油彩 / 3Dレンダリング]
[照明：ゴールデンアワーの柔らかい光 / 鋭いコントラストのネオン]
[カメラ設定：35mm lens, f/1.8, 被写界深度を浅く]
[カラーパレット：暖色系で統一 / モノクローム]
[品質要求：4K / studio quality]Nano Banana Proは指示を細かく読み取る能力が高く、書き込めば書き込むほどリターンが大きい。逆に量産系のSNS素材なら、無印のNano BananaやNano Banana 2の方がコスト効率も良く、生成速度も段違いに速い。「3兄弟を用途で使い分ける」のが、2026年の正解です。
画像編集での実用Tips
| 用途 | 使うべきモデル | プロンプト例 |
|---|---|---|
| 商品写真の背景差し替え | Nano Banana 2 | 「背景を白の無地スタジオに変更、影は自然に」 |
| ポスターの多言語化 | Nano Banana Pro | 「英語の見出しを韓国語に翻訳して同じデザインで再生成」 |
| キャラクターの一貫性 | Nano Banana 2 / Pro | 「同じ人物を別シーンで5枚」（参照画像をアップロード） |
| インフォグラフィック生成 | Nano Banana Pro | 「elaichi chaiの作り方をインフォグラフィックで」 |
3モデルとも、Geminiアプリ内では追加料金なしで切り替え可能（プランごとの利用上限あり）。「最高品質はProで生成、量産はNano Bananaで回す」という使い分けが、コストを抑えつつ品質も妥協しないための定石です。
業種別・即戦力プロンプト集
ここからは、コピペして使える業種別の長文プロンプトを掲載します。文字数を稼ぐためのテンプレートではなく、実務で「ここを押さえないと意味がない」という急所を組み込んだ設計。経営、人事、マーケ、法務、営業、製造、教育、ライティング、経理、CS、医療、投資、キャリア、士業、クリエイター──幅広い領域から15ケースを揃えました。
Case 01｜【経営・戦略】中期経営計画の壁打ち
# 役割
あなたはフォーチュン500企業の経営戦略を歴任してきた経営顧問です。
# 現状と課題
- 自社の現状：[売上高、主力製品、直近の課題]
- 競合動向：[新製品リリース状況など]
- マクロ環境：[PEST分析の概要]
# 依頼事項
1. 今後3年間で注力すべき「勝ち筋」を、3つの戦略オプションとして提示
2. 各オプションの「実行リスク」と「リソース配分」を明示
3. 私の現在の仮説（[仮説を入力]）を批判し、補強策を提案
# 制約
- 「検討が必要」「ケースバイケース」など曖昧な表現は禁止
- 各提案にKPIの例を必ず付与
- Google検索で最新統計を引用（出典URL併記）Case 02｜【人事・採用】スカウト文の作成
# 役割
あなたは心理学に精通したハイレイヤー専門のヘッドハンターです。
# ターゲット情報
- 募集職種：[エンジニアリングマネージャーなど]
- 必須要件：[10名以上のチームマネジメント経験など]
- 自社の魅力：[フルリモート、ストックオプション付与など]
# タスク
1. この職種の人物が抱える「現在の悩み」と「キャリアの停滞感」を3パターン予測
2. 各悩みに対し、自社の魅力がどう「解毒剤」になるかを整理
3. スカウトメールを3パターン作成
（承認欲求を刺激しつつ、押し付けがましくない誠実なトーン）Case 03｜【マーケティング】広告コピーのABテスト案
# タスク
新商品のFacebook広告コピーを5案作成し、それぞれのABテスト仮説を提示。
# 商品情報
- 商品名：[XX]
- ターゲット：[30代女性、共働き、子育て中]
- USP：[時短・健康・コスト]
# 出力形式
| 案 | コピー本文 | 訴求軸 | 仮説（誰に・なぜ刺さるか） | 想定CTR |
|---|---|---|---|---|
# 制約
- 1コピー40文字以内
- 訴求軸は5案で重複させない
- 最後に「私が見落としている訴求軸」を3つ提案Case 04｜【法務・コンプライアンス】契約書のリスクレビュー
# 役割
あなたは企業法務に精通した弁護士です。
# 添付資料
[契約書のPDFをアップロード]
# タスク
1. 自社にとって不利な条項を、リスクの高い順に5つ抽出
2. 各条項について：
- 該当ページ・行番号
- リスク内容（誰が・どんな場面で・どう損するか）
- 修正案（先方が受け入れやすい表現で）
3. 「先方の譲歩を引き出す交渉ポイント」を最後に1点提案
# 制約
- 引用は「ページ番号＋該当文の冒頭15字」で示すこと
- 推測で書かない。条文に書かれていないことは「不明」と明記Case 05｜【営業】商談議事録から提案書のドラフト
# タスク
以下の商談議事録から、次回提出する提案書のドラフトを作成。
# 議事録
[議事録テキストをペースト]
# 提案書の条件
- 表紙＋本文5〜7ページ想定
- 構成：現状認識→課題仮説→解決策→導入効果→料金・スケジュール
- 先方が議事録で口にした「具体的な不満」を必ず1ページ目で引用
- 数字は議事録に出てきたもののみ使用、推測しない
- 競合A社・B社との違いを1ページで明示Case 06｜【製造・品質】不具合報告書のドラフト
# 役割
あなたは品質保証部門のベテラン担当者です。
# 入力データ
- 不具合の詳細：[内容]
- 過去の類似案件：[NotebookLMにアップロード済み]
- 顧客への第一報：[いつ・誰が・何を伝えたか]
# 出力
1. 不具合の事実関係（時系列）
2. 暫定対応と恒久対応の案
3. 顧客向け報告書（A4 1枚、感情を逆撫でしない誠実なトーン）
4. 社内向け振り返り資料（再発防止のチェックリスト形式）Case 07｜【教育・研修】研修動画から学習教材を生成
# 入力
[1時間の研修動画をアップロード]
# タスク
1. 動画の要点を「結論先出し」で5項目に整理
2. 各項目について「3分で読める解説テキスト」を生成
3. 理解度チェック問題を10問（4択）作成、解説つき
4. 復習用のフラッシュカード20枚分のデータ
# 制約
- 講師の発言内容を改変しない
- 動画にない知識を勝手に追加しないCase 08｜【ライティング】SEO記事の構成案
# タスク
キーワード「[XX]」で月10万PVを狙うSEO記事の構成を作成。
# 調査
1. Deep Researchで上位10記事の見出し構成を分析
2. 上位記事に共通して「ある」要素と「ない」要素を整理
3. ユーザーの検索意図を、Knownニーズ・Unknownニーズに分けて言語化
# 構成案
- タイトル案3つ（クリック率重視）
- メタディスクリプション
- H2・H3の見出し構成（10〜15本）
- 各見出しで盛り込むべきキーワード
- 内部リンクすべき関連記事の提案Case 09｜【経理・財務】月次決算の異常検知
# 入力
- 過去24ヶ月の月次PL（CSV）
- 今月の試算表（PDF）
# タスク
1. 今月の数値で、過去24ヶ月のトレンドから外れている項目を抽出
2. 各項目について、考えられる原因を3つ仮説提示
3. 「経営会議で報告すべき優先順位」をつけて並べる
# 制約
- 数値は試算表に書かれた額のみ使用、推測値は禁止
- 仮説には「これを確認すれば真偽が分かる」アクションを併記Case 10｜【カスタマーサポート】FAQの自動拡充
# 入力
- 過去6ヶ月の問い合わせメール（NotebookLMにアップロード済み）
- 既存FAQページのURL
# タスク
1. 既存FAQでカバーできていない問い合わせTOP10を抽出
2. 各問い合わせについて、回答案を作成
- 質問本文（顧客の言葉に近い形で）
- 回答（最大300字、結論先出し）
- 関連リンク（社内ドキュメントのどこを参照すべきか）
3. 「カスタマーサクセス改善のために、商品仕様自体を見直すべき点」を3つ提案Case 11｜【医療・ヘルスケア】論文サーベイの効率化
# 役割
あなたは医療系の研究者として、論文の批判的吟味に長けています。
# 入力
- 添付論文（PDF、英語）
- 関連する過去5年のシステマティックレビュー（NotebookLM接続）
# タスク
1. この論文の主要主張を、PICOフレームワーク
（Patient, Intervention, Comparison, Outcome）で整理
2. 研究デザインの強み・弱みを批判的に評価
- サンプルサイズの妥当性
- バイアスのリスク
- 統計手法の適切さ
3. 既存のレビューと比較し、本研究の新規性と限界を3点ずつ
4. 臨床実装する際の障壁を予測
# 制約
- 引用元を必ず明示（論文のどのセクション・どの段落か）
- 自分の意見と論文の主張を区別して記載Case 12｜【投資・ファンド】企業デューデリジェンスの初期分析
# 役割
あなたはPE（プライベートエクイティ）のVPで、初期DDを担当します。
# 入力
- 対象企業の有価証券報告書（直近3期分）
- 業界レポート（NotebookLM接続）
- Deep Researchで取得する競合動向
# タスク
1. 対象企業の財務的特徴を、業界平均と比較して特定
- 収益性（営業利益率、ROIC）
- 成長性（売上CAGR、EBITDA成長率）
- 健全性（自己資本比率、フリーキャッシュフロー）
2. 経営陣の質を、過去のIR資料・決算説明会動画から推定
3. レッドフラッグ（要注意ポイント）を5つリストアップ
4. 投資仮説（バリューアップシナリオ）を3案提示
# 制約
- 数字は資料に明記されたもののみ使用、推測は禁止
- 経営陣評価は「発言の一貫性」「数字の達成度」など客観基準で
- 投資判断はしない（材料整理のみ）Case 13｜【教育・キャリア】志望校・志望企業の研究レポート
# 役割
あなたは経験豊富な進路アドバイザーです。
# 入力
- 志望先：[企業名 or 大学名]
- 自分の経歴・志向性：[簡単に記述]
- 重視するポイント：[年収/成長/働きやすさ/研究内容など]
# タスク
1. Deep Researchで以下を調査
- 志望先の最新の業績・採用動向
- 在籍者のキャリアパス事例
- 業界内でのポジションと将来性
2. 自分の経歴とのフィット度を、5軸で評価（各5点満点）
3. 想定される面接質問を10個、模範回答つきで生成
4. 「逆質問」として用意すべき5つの問いを提案
# 制約
- 出典は公式サイト・上場企業ならIR資料・公式採用ページを優先
- まとめサイト・口コミサイトの情報は「参考扱い」と明記Case 14｜【士業】税務・労務相談への一次回答
# 役割
あなたは税理士事務所の所長補佐として、顧客からの問い合わせに一次回答します。
# 入力
- 顧客の質問：[具体的な質問内容]
- 顧客の業種・規模：[個人事業主/法人/従業員数]
- 関連する税法・労務関連の法令（NotebookLM接続）
# タスク
1. 質問の論点を整理（何を判断したいのか）
2. 関連する法令・通達を特定し、引用箇所を明記
3. 一般的な回答方針を提示
4. ケースバイケースで判断が必要な要素をリストアップ
5. 顧客に確認すべき追加情報をチェックリスト化
# 制約
- 法令の引用は条文番号まで明記
- 最終判断は所長確認が必要であることを明記
- 確定的な金額・税額の回答はしない（あくまで方針）Case 15｜【クリエイター】コンテンツ企画のブレスト
# 役割
あなたは年間1000本以上のコンテンツを世に出してきたプロデューサーです。
# 入力
- 私のチャンネル/メディアのコンセプト：[簡単に記述]
- 過去の人気コンテンツTOP10：[NotebookLMアップロード済み]
- 直近3ヶ月の競合トレンド（Deep Researchで取得）
# タスク
1. 競合と自分のチャンネルを比較し、独自性のあるポジションを3つ提案
2. 各ポジションに対し、向こう3ヶ月のコンテンツ企画を5本ずつ
- タイトル（クリックされる工夫）
- フック（最初の30秒で離脱させない設計）
- 想定リアクション（コメント欄が盛り上がる予想ポイント）
3. 各企画の制作難易度（時間/予算）を3段階評価
4. 「やめるべき過去のフォーマット」を1つ提案（手放す勇気）
# 制約
- トレンドだけ追わない（自分のメディアの軸からブレない）
- 過剰な煽りタイトル・釣りタイトルは禁止長文コンテキスト時代の「資料読解」が変わる
Geminiが他社AIに対して圧倒的に優位な領域、それが長文コンテキストです。標準で100万トークン、上位モデルでは200万トークンに達するこのスペックは、業務プロセスそのものを変える破壊力を持っています。「単なる数字の優位性」と片付けてはいけません。これは、AIに任せられる仕事の範囲が物理的に広がることを意味します。
| モデル | コンテキスト | 備考 |
|---|---|---|
| Gemini 3 Pro / 3.1 Pro | 100万トークン | 2026年現行の主力。Web/アプリ/API共通 |
| Gemini 2.5 Pro | 100万トークン | 2025年6月リリース、引き続き利用可 |
| Gemini 3 Flash / 2.5 Flash | 100万トークン | 低レイテンシー用途 |
| Gemini 1.5 Pro | 200万トークン（API） | 旧世代だが大容量用途で現役 |
📎 出典：Google Cloud公式ドキュメント「Long context」
https://cloud.google.com/vertex-ai/generative-ai/docs/long-context
100万トークンで何ができるか
100万トークンは、概ね次の規模に相当します。
- テキスト約75万語（日本語なら数十万字）
- 1,500ページ前後のPDF
- 1.5時間程度の動画
- 30,000行のコード
つまり、専門書1冊、数年分の財務諸表、1時間半の会議録音──これらを「丸ごと」一度に投げ込んで、その全体に対して質問できるということ。従来は資料を分割して順に読み込ませる「RAG（検索拡張生成）」という手法が必要でしたが、規模によってはGeminiならその手間がそのまま消えます。
ChatGPTやClaudeも長文対応は進んでいるものの、コンテキストの規模、Google検索との直結性、Workspace製品との統合度を含めて総合評価すれば、長文業務で勝負した時のGeminiは頭一つ抜けています。
実務での活用例
| 業務 | 従来 | Geminiでの変化 |
|---|---|---|
| 法務レビュー | 過去契約を1件ずつ読み比べ | 過去5年分の契約を一括投入し、リスク条項を横断抽出 |
| 競合分析 | 決算資料を抜粋して分析 | 10社×3年分の有価証券報告書を丸ごと比較 |
| ナレッジ整理 | 議事録を1本ずつ読み返す | 過去の全議事録を投入し、特定テーマの議論変遷を追う |
| 教育・引継ぎ | マニュアルを順に読む | 全マニュアルを投入し、新人の質問に文脈ありで回答 |
長文活用時の必須プロンプト
長文を扱うほど、AIが「もっともらしい嘘」をつくリスクは増えます。次の一文を必ず添えてください。
# 引用ルール
- 必ず「ファイル名・ページ数（または該当箇所の冒頭15字）」を引用元として明記
- 引用元が見当たらない情報は「不明」と回答
- 推測での補完は禁止これだけで、ハルシネーション（幻覚＝もっともらしい誤情報）のリスクは劇的に下がります。
長文コンテキストの「弱点」とその対策
100万トークンの容量があっても、AIは万能ではありません。実務で使う際の典型的な落とし穴と対策を整理しておきます。
| 弱点 | 具体例 | 対策 |
|---|---|---|
| 「真ん中の情報」が読み落とされる | 1000ページのPDFで、500ページ目あたりの記述が無視される | 「資料全体を最初から最後まで通読してから回答して」と明示 |
| 新旧情報の混在 | 古い契約書と新しい契約書を同時投入したら、新旧が混ざった回答が返る | ファイル名に日付を入れ、「最新版を優先」と指示 |
| 大量データでの数値計算ミス | CSVを直接読ませると合計値がズレることがある | 「Code Executionツールを使って計算して」と指示 |
| 用語の曖昧解釈 | 業界用語が文脈で誤解される | 用語集を別ファイルでアップロードして参照させる |
「ニードル・イン・ヘイスタック」の活用
長文コンテキストの真骨頂は、「干し草の山から針を探す」ような細部の検索。Geminiは膨大な情報の中から、特定の論点・特定のキーワード・特定の時系列を、驚くほど正確に拾い上げてきます。具体例を3つ挙げます。
例1｜過去の議事録から「予兆」を探す
# タスク
過去2年分の全議事録を投入しました。
今回発生した不具合（[内容]）について、
発生前に何らかの兆候となる発言が議事録にあったかを確認してください。
# 出力
- 該当する発言があった日付・会議名・発言者（推定可能なら）
- 発言内容の引用（最大15字）
- なぜそれが「兆候」と考えられるかの解釈例2｜契約書群から特定リスクを抽出
# タスク
過去5年に締結した全契約書（[フォルダ内のすべてのPDF]）から、
2026年4月施行の[特定法令]に抵触する可能性のある条項を抽出してください。
# 出力
| 契約書名 | 該当ページ | 該当条項の冒頭15字 | リスク内容 | 対応優先度 |例3｜社内チャットログから知見を発掘
# タスク
エンジニアチームの過去1年分のチャットログを投入しました。
「[特定の技術トピック]」について議論された箇所をすべて抽出し、
チームの集合知として整理してください。
# 出力
1. このトピックに関する議論の要点（時系列で）
2. 結論が出た論点 / 出ていない論点の分類
3. 異なる立場の代表的な意見（誰が・何を・なぜ言ったか）
4. このトピックを次回扱う際の論点整理Deep Research / Deep Research Max｜AIが「調査員」として動く時代
Geminiが「他社AIと完全に違う土俵に立った」と言える機能、それがDeep Researchです。2026年4月21日、GoogleはDeep Research機能を大幅刷新し、「Deep Research」と「Deep Research Max」の2つの自律型リサーチエージェントを発表。どちらもGemini 3.1 Proを基盤とし、これまでの調査業務を、文字通り桁違いの速度で代行してくれます。
「自分でWebを検索して、資料を集めて、突き合わせて、レポートにまとめる」──この一連のフローを、AIが計画立案から実行、可視化までワンストップで担うのがDeep Researchの本質。Google検索の本家が作っているという事実が、ここでは決定的に効いてきます。検索結果の取捨選択、信頼性の判定、矛盾するソースの精査──いずれもGoogleが20年以上磨いてきたノウハウが、AIエージェントの形で結実したのがDeep Researchなのです。
📎 出典：Google公式ブログ「Next-generation Gemini Deep Research」
https://blog.google/innovation-and-ai/models-and-research/gemini-models/next-generation-gemini-deep-research/
Deep ResearchとDeep Research Maxの違い
| 項目 | Deep Research | Deep Research Max |
|---|---|---|
| 位置付け | 速度・コスト重視 | 包括性・深さ重視 |
| 所要時間 | 数分 | 数十分 |
| 用途 | 日常のリサーチ、UI上のリアルタイム表示 | 大規模で重要な意思決定の根拠資料 |
| API名 | deep-research-preview-04-2026 | deep-research-max-preview-04-2026 |
どちらも以下の機能を備えています。
- 協調的プランニング｜AIがリサーチ計画を提示し、ユーザーが修正してから実行できる
- ネイティブ可視化｜HTMLチャートやNano Bananaによるインフォグラフィックを自動生成
- MCP対応｜社内システムとも連携可能（Model Context Protocol）
- File Search対応｜手元のPDFやスプレッドシートを並行して検索
典型的なワークフロー：新市場参入調査
「東南アジアのEV市場について調べて」という曖昧な依頼でも、Deep Researchは次のように自律的に動きます。
| フェーズ | AIの動き |
|---|---|
| 初期探索 | 主要プレイヤー、市場シェア、政府の補助金政策を網羅検索 |
| 深掘り | 「タイの税制優遇」など気になる論点を特定し、現地語の官報やニュースを翻訳して再調査 |
| 矛盾検証 | 複数ソースで統計が食い違う場合、世界銀行や政府統計など信頼性の高いソースを優先 |
| レポート生成 | SWOT分析、参入障壁、推奨パートナー候補を、出典つきで1万字程度のレポートに統合 |
従来、人間が数時間〜数日かけていた一次調査が、十数分〜数十分に圧縮される。それも、市場規模グラフや競合比較表まで自動で添付された状態で。「最初の一言」と「途中での計画修正」だけが人間の仕事になり、その他の労働集約的な部分はAIが背負ってくれます。これが2026年のリサーチの新しい形です。
Deep Research活用の実務Tips
- 計画を必ず確認する｜実行前に提示されるリサーチ計画を、業務の関心に合わせて修正する
- 優先ソースを指定する｜「世界銀行・OECD・経済産業省を優先」のように指示すると質が安定
- 除外指定も有効｜「個人ブログ・まとめサイトは除外」とすると一次情報率が上がる
- 後工程に渡しやすい形式で｜「Google Docs形式」「マークダウン」「JSON」などを最初から指定
Deep Researchが使えるプラン
| プラン | Deep Researchの使い勝手 |
|---|---|
| 無料（Gemini Free） | Gemini 2.5 Flashで限定的に利用可 |
| Google AI Plus（$7.99/月） | 標準アクセス |
| Google AI Pro（$19.99/月） | 高頻度の利用に対応 |
| Google AI Ultra（$249.99/月） | 最高レベル、Deep Thinkも利用可 |
📎 出典：Google AI公式「Plans & Pricing」
https://gemini.google/subscriptions/
Deep Researchプロンプト例｜「市場調査」
# タスク
[特定市場・業界]の現状と将来性について、深掘り調査をお願いします。
# 調査範囲
1. 市場規模（過去5年の推移と今後5年の予測）
2. 主要プレイヤーの顧客シェアと差別化ポイント
3. 技術トレンドと規制動向
4. 顧客側の未充足ニーズ（購買者インタビュー記事や口コミから）
5. 投資家・アナリストの見解（強気派・弱気派の論点）
# 優先ソース
- 公的機関（経産省、世界銀行、OECD、業界団体）
- 上場企業の有価証券報告書・決算説明会資料
- 主要シンクタンク（野村総研、マッキンゼー等）
- 業界専門誌
# 除外ソース
- 個人ブログ、まとめサイト、要約系メディア
- 内容の薄いプレスリリース
# 出力
- エグゼクティブサマリー（A4 1枚）
- 詳細レポート（10,000字程度、図表挿入推奨）
- 出典リスト（URLとアクセス日付）
- 「この調査の限界・追加で調べるべき論点」Deep Researchプロンプト例｜「競合分析」
# タスク
弊社（[自社名・業種・規模]）の競合となる以下5社について、
横並び比較レポートを作成してください。
競合：[A社、B社、C社、D社、E社]
# 比較軸
1. 直近3年の業績（売上・利益・成長率）
2. 主力製品・サービスとそのアップデート履歴
3. プライシング戦略
4. マーケティング・ブランド戦略
5. 経営陣の発言から読み取る方向性
6. 採用動向（求人票から推測する重点投資領域）
7. 顧客の声（レビューサイト、SNSの定性分析）
# 出力
- 5社×7軸のマトリクス表
- 各社の「強み・弱み・変化の兆し」をそれぞれ300字で
- 弊社が学ぶべき点を3つ
- 弊社が避けるべき罠を3つDeep Researchプロンプト例｜「規制・法令の動向調査」
# タスク
[特定の規制・法令]の最新動向について、調査をお願いします。
# 調査ポイント
1. 現行の規制内容と運用実態
2. 直近1年の改正・通達・ガイドライン更新
3. 海外（米国・EU・中国）の類似規制の動向
4. 業界団体・有識者からの提言や反対意見
5. 今後1〜2年で予想される変更
# 優先ソース
- 各省庁の公式サイト（条文・解説資料・通達）
- 国会会議録
- 業界団体の提言書
- 有力法律事務所のニュースレター・解説記事
# 出力
- 現状の規制ハンドアウト（A4 2枚、社内回覧用）
- 弊社事業への影響度評価（高・中・低）と理由
- 取るべきアクション（短期・中期・長期）
- 引用条文リスト（条文番号と該当箇所）動画・音声マルチモーダル解析
テキストだけならGeminiの強みは見えにくい。しかし「時間軸を持つメディア」──動画と音声の領域に踏み込んだ瞬間、Geminiは他社AIを圧倒的に引き離します。1時間の動画を投げ込むだけで、Geminiは映像と音声を同時にスキャンし、内容をインデックス化。視聴に1時間かけていた業務が、要点抽出まで含めて10秒で終わる世界が、もう実装されています。
| 用途 | 従来の限界 | Geminiでの変化 |
|---|---|---|
| 会議録作成 | 文字起こし→人手で要約。発言者の意図が抜けやすい | 映像から表情・板書も読み取り、意図を汲んだ議事録を生成 |
| 研修動画の活用 | 数時間の動画を見直すのが苦痛 | 「講師がXXを説明している場面はどこ？」で該当シーンを特定 |
| 映像チェック | 素材を目視で確認 | 「ロゴが映るシーンを全部抽出」「不適切表現を検知」が自動化 |
| YouTube活用 | 長尺動画の視聴に時間がかかる | URLを渡すだけで、要点抽出・タイムスタンプ付き解説が可能 |
YouTube解析の具体例
# タスク
以下のYouTube動画を分析してください。
URL：[動画URL]
# 出力
1. 動画全体の主張を3行でまとめ
2. 視聴者にとって価値の高い「学び」TOP5を、タイムスタンプつきで抽出
3. この動画の主張に対する「反論可能なポイント」を3つ提示
4. 関連して読むべき書籍・論文を3件提案（Google検索で裏取り）Gemini AppではYouTubeリンクを直接貼り付けるだけで動作。長時間の講演や会議のアーカイブを「読む」ように扱えるのは、業務効率を一段跳ね上げる性能です。
会議録音の分析プロンプト
# 入力
[1時間の会議録音ファイル]
# タスク
1. 議事録を作成（決定事項・保留事項・宿題事項を明確に分類）
2. 各発言者ごとの主要発言を要約
3. 議論が紛糾した論点を抽出し、対立軸を整理
4. 次回会議の論点候補を3つ提案
# 制約
- 発言の改変・要約は最小限。発言者の意図を変えない
- 不明瞭で聞き取れない箇所は「[不明]」と明記
- 個人攻撃や感情的な発言はトーンを和らげて記載研修動画の教材化プロンプト
# 入力
[研修動画ファイル、または動画URL]
# タスク
研修動画を、新人が自学自習できる教材セットに変換してください。
# 出力（5点セット）
1. 動画の章立て（タイムスタンプつき、所要時間目安つき）
2. 各章の要約テキスト（A4 1枚×章数）
3. 理解度チェック問題（4択10問、解説つき）
4. ロールプレイ用の事例3つ（実際のケースに即した応用問題）
5. 「現場で実践する際のチェックリスト」
# 制約
- 講師の発言にない知識を勝手に追加しない
- 不明瞭な発言や前後関係が分からない箇所は「補足が必要」と明記マルチモーダルの「合わせ技」
テキスト・画像・動画・音声を一度のプロンプトで組み合わせれば、人間の認知に近いレベルの総合分析が可能。これも、Geminiが得意とする領域です。具体例を3つ挙げます。
| シーン | 入力の組み合わせ | 得られるもの |
|---|---|---|
| 店舗監査 | 店舗写真＋音声インタビュー＋POSデータCSV | 顧客動線・スタッフ対応・売上の連動分析 |
| 製品ローンチ評価 | ローンチ動画＋SNS反応のテキスト＋競合製品写真 | 差別化ポイントとブランド評価の総合レビュー |
| 採用面接振り返り | 面接録画＋応募書類＋自社の評価シート | 合否判断の論点整理と次回面接への申し送り |
Gems｜あなた専用のAIエキスパートを設計する
毎回「あなたは○○の専門家です」と入力するのは、もう時代遅れ。Geminiの「Gems」は、特定の指示・知識・口調を保存し、ワンクリックで呼び出せるカスタム版Geminiです。GPTsやProjectsといった他社の同種機能と比べても、NotebookLMとの連携、Drive直結、最大10ファイルのナレッジ、組織配布機能──ここまで揃えているのはGemsだけ。Google AI Pro / Ultra / Workspaceの各プランで利用できます。
Gemsの真価は、「AIが毎回、初対面ではなくなる」こと。あなたの業務、あなたの会社、あなたの好み、あなたが過去に積み上げてきたノウハウ──これらを一度Gemに刻み込めば、以降のすべての対話が「文脈ありき」で始まります。これは、生産性を「足し算」ではなく「掛け算」で増やすアプローチです。
📎 出典：Google公式「Get started with Gems in Gemini Apps」
https://support.google.com/gemini/answer/15236321
Gemsの基本機能
- カスタム指示｜役割・知識・制約・出力形式を恒久的に保存
- ナレッジファイル｜最大10ファイルをアップロードして参照させられる（Google Drive連携可）
- NotebookLM連携｜既存のNotebookLMノートブックをGemsの知識源として接続。これが他社AIにはない強烈な差別化要因
- 共有機能｜作成したGemをチームや外部に共有
- 事前用意Gem｜Brainstormer、Coding Partner、Career Guideなど、すぐ使える既製品が多数
Gems作成の「4層構造」
Gemsの性能は、システム命令の質で決まります。Google公式が推奨する書き方を整理すると、以下の4層構造になります。
| 層 | 意味 | 記述例 |
|---|---|---|
| Persona（人格） | 誰として答えるか | 「世界最高の経理部長」「型破りなコピーライター」 |
| Task（タスク） | 何をするか | 「議事録から決定事項とTODOを抽出する」 |
| Context（背景） | 状況・前提 | 「BtoB SaaS企業、社員50名、リモート中心」 |
| Format（出力） | どう返すか | 「結論先出し、3段構成、300字以内、Markdown形式」 |
この4層を緻密に組み上げてやれば、他の誰でもない「あなたのための最強の右腕」がGeminiの中に常駐することになります。
即戦力Gems｜コピペで登録するだけのプロンプト集
そのままGemsに登録して使える、5つの厳選プロンプトを公開します。
Gem①｜戦略的「論破」シミュレーター
# Persona
あなたは世界一批判的かつ論理的な「デビルズ・アドボケート」です。
# Mission
ユーザーの提案やアイデアに対し、論理的に「穴」を見つけ出し、
それを補強するための批判を行ってください。
これは提案を強化するための「愛ある批判」です。
# Rules
1. 「賛成」は禁止
2. 感情論を排除し、論理整合性・データ不足・市場の不確実性の観点で反論を3つ
3. 最後に、その反論を克服する具体的対策を1つ提案
# Output Format
- 反論1〜3：見出し＋根拠（各150字以内）
- 補強策：見出し＋具体策（300字以内）Gem②｜超・時短「1枚要約」官
# Persona
あなたは多忙な経営層に仕える「エグゼクティブ・サマライザー」です。
# Constraint
- 回答はスマホ1画面（300字以内）に収める
- 「結論」「理由（3点）」「次のアクション」の3段構成を厳守
- 形容詞を排除し、定量的な事実のみ抽出
# Goal
どんなに長い文章やPDFが入力されても、
読んだ瞬間に「意思決定」できる状態まで圧縮する。Gem③｜認知行動療法ベースの「メンタル・コーチ」
# Persona
あなたは認知行動療法とアドラー心理学を学んだ、温厚で聡明なコーチです。
# Rules
1. ユーザーが弱音を吐いたら、まず感情を完全に受け止める（ミラーリング）
2. その後、現在の「悩み」を「課題」に書き換える質問を1つだけ投げる
3. 回答は温かく、しかし自立を促す
4. 依存を生むような過剰な肯定はしない
5. 医療的助言が必要な兆候があれば、専門家への相談を促すGem④｜社内文書「翻訳」担当
# Persona
あなたは技術と経営の橋渡し役を10年務めた通訳者です。
# Task
ユーザーから渡される「技術文書」を、
非エンジニアの経営層が3分で理解できる文章に翻訳します。
# Rules
1. 専門用語が出てきたら、必ず一般用語の言い換えを併記
2. 「なぜそれが重要か」をビジネスインパクト（売上・コスト・リスク）の観点で説明
3. 技術詳細は別添セクションに分離
# Output
- エグゼクティブ・サマリー（5行）
- 主要ポイント（箇条書き、各1〜2行）
- 別添：技術的な詳細（必要に応じて）Gem⑤｜SEO記事構成「設計」官
# Persona
あなたは月間1000万PVのメディアを率いた編集長です。
# Knowledge
- 弊社のトンマナ：[ナレッジファイルにアップロード]
- 過去の人気記事TOP20：[ナレッジファイルにアップロード]
# Task
ユーザーから渡されたキーワードに対し、SEO記事の構成案を出力。
# Output Format
1. ペルソナ仮説（年齢・職業・検索意図）
2. タイトル案3つ（クリック率重視）
3. メタディスクリプション
4. H2・H3構成（10〜15本）
5. 各見出しの執筆方針（120字以内）
6. 内部リンクすべき関連記事
# Constraint
- 過去の人気記事と「同じ切り口」は禁止、新規性のある角度を提案
- 検索ボリュームと競合性は推測ではなく「Google検索で裏取り」と明記Gem⑥｜会議準備「アシスタント」
# Persona
あなたは経営層の右腕として、会議準備を担うチーフ・オブ・スタッフです。
# Task
ユーザーが「明日の○○会議」と入力すると、以下を自動で準備します。
# Process
1. 過去の議事録（ナレッジ接続）から、今回会議のテーマに関連する論点を抽出
2. 前回までの議論で「保留になった論点」を時系列で整理
3. 今回の会議で出るであろう質問を予測（5問）
4. 各質問への模範回答ドラフトを作成
5. 会議で議論すべき新しい論点を3つ提案
# Output
- 会議前ブリーフィングメモ（A4 1枚）
- 想定問答集
- 議論用ボード（論点・選択肢・判断基準）
# Constraint
- 過去の議事録に書かれていない事実は推測しない
- 「これは新しい論点」と「これは過去の継続」を明確に区別Gem⑦｜執筆スタイル「校閲」官
# Persona
あなたは出版社で30年校閲を担当してきたベテランです。
# Knowledge
- 弊社の文章ガイドライン（「ですます調」徹底、「」と『』の使い分けなど）
- NGワードリスト
- 過去の優良記事10本（文体の参考）
# Task
ユーザーが原稿を投げると、以下を実施。
# Process
1. 表記ゆれ・誤字脱字を全件抽出（修正案つき）
2. ガイドライン違反箇所を指摘
3. 読みづらさの原因を3つ特定（一文が長い・主語が不明など）
4. 言い換えの提案（より平易・より伝わる表現）
5. 全体としての改善優先度を3段階で評価
# Output Format
- マーカー形式で原稿全体に印を入れる
- 修正サマリー（修正点の総数と種別）
- 全体評価とコメント
# Constraint
- 内容そのものの良し悪しには口を出さない（あくまで文章面）
- 著者の個性は尊重する（過剰な平準化はしない）Gemsを使うタイミング・使わないタイミング
| 状況 | 判断 |
|---|---|
| 同じ業務を週1回以上やる | Gem化する。1回作れば永続的に時短 |
| 特定の専門知識・トンマナが必要 | Gem化する。毎回の説明が消える |
| 1回限りの突発タスク | 通常チャットで十分 |
| 探索的に試行錯誤したい | 通常チャットの方が柔軟 |
| 機密情報を扱う | WorkspaceのGemまたはTemporary Chatを使う |
「Super Gems」と組織展開
2026年に新登場した「Super Gems」では、ボタンやフォームなど、アプリのようなUIを持たせたGemを作成可能。社内向けの簡易ツール（経費精算ヘルパー、議事録生成、福利厚生案内など）を、コードを書かずにGemとして配布できます。
Workspace Enterpriseプランなら、組織管理者がGemを全社展開し、各メンバーのGeminiに自動で表示させる「Provisioning」機能まで利用可能。ベテランの暗黙知をGemとしてパッケージ化すれば、新人でも即戦力レベルで業務を回せる──組織の生産性を底上げする一手です。
📎 出典：Google Workspace公式ブログ「New features in Gemini to deepen usage for organizations」
https://workspace.google.com/blog/product-announcements/new-gemini-gems-deeper-knowledge-and-business-context
NotebookLM｜「自分が与えた資料だけを正解とする」AI
そして、ここがGeminiが他社AIを完全に置き去りにした領域──NotebookLMです。
Gemsが「人格」の固定なら、NotebookLMは「情報源（グラウンディング）」の固定。アップロードした資料の中だけを根拠に回答するため、ハルシネーションが起きにくく、すべての回答に出典リンクが必ず提示されます。「AIに任せたいけど嘘をつかれては困る」という業務の最大のジレンマを、NotebookLMは構造的に解決してくれます。
ChatGPTもClaudeも「ファイルアップロード」機能は持っていますが、体験の作り込みと出力フォーマットの豊富さ、何より「出典つきで答え続ける」ことへの徹底度──ここまで突き抜けたツールは他にありません。NotebookLMは、Geminiを使う最大の動機の1つと言って過言ではない存在です。
📎 出典：Google公式「NotebookLM」
https://notebooklm.google/
NotebookLMでできること
| 機能 | 説明 |
|---|---|
| ソース・グラウンディング | アップロードした資料のみを根拠に回答。すべての回答に出典リンクが付く |
| Audio Overview | 2人のAIが対談形式で資料を解説する音声を自動生成。50言語以上に対応 |
| Cinematic Video Overview | 映像つきの解説動画を自動生成（2026年新機能） |
| Mind Map | 資料の論点をマインドマップで可視化 |
| Quiz / Flashcard | 学習用の問題集とフラッシュカードを自動生成 |
| Slide Deck | スライド資料を自動生成、PPTX書き出しも可能 |
| Infographic | 10種類のスタイル（Sketch Note、Bento Grid、Anime等）から選択可 |
| Data Table | 資料からデータを抽出し、表形式で整理 |
──この一覧を見て、ピンと来た方も多いはず。「複数の資料を渡したら、議事録・スライド・音声・動画・マインドマップ・テスト問題まで一気に作ってくれる」。これ は、もはや単なるチャットAIではなく、「ナレッジ加工ファクトリー」と呼ぶべき存在です。
📎 出典：Google Workspace Updates「New ways to customize and interact with your content in NotebookLM」
https://workspaceupdates.googleblog.com/2026/03/new-ways-to-customize-and-interact-with-your-content-in-NotebookLM.html
「自分専用のWikipedia」が手に入るという衝撃
従来のチャットAIは、インターネット上の一般知識を答えるだけ。しかし、仕事で本当に欲しいのは「去年のあの会議で決まったこと」「弊社の特殊なワークフロー」「先週公開された業界レポート」──そういった、自分の周りの一次情報です。
NotebookLMに社内文書、自分のメモ、業務に関連する書籍をまとめて投入すれば、AIは世界中の誰よりも「あなたの仕事」に詳しいパートナーへと変わります。情報のサイロ化、属人化、引継ぎの困難さ──組織が抱えてきた数十年来の課題が、ノートブック1つで一気に解消するインパクト。これを体感した瞬間、もう前の働き方には戻れません。
対応ソースと容量
| ソース種類 | 備考 |
|---|---|
| Google Docs / Slides / Sheets | 常に最新版を参照（リアルタイム連携） |
| PDF / TXT / Markdown | 静的ファイルとしてアップロード |
| Web URL | ページの内容を取り込み |
| YouTube動画URL | 公開動画の内容を取り込み |
| 音声ファイル | 音声を文字起こしして取り込み |
| EPUB | 電子書籍ファイルに対応 |
1ソースあたり最大50万語または200MB。1ノートブックには複数のソースを登録できるため、書籍数冊分のナレッジベースが平気で作れます。
NotebookLM活用パターン
パターン1｜社内ナレッジベース
議事録、社内Wiki、過去の提案書、製品仕様書をまとめて投入。新人が「過去の取引先Aさんとの最初の打ち合わせ、何が話された？」と聞けば、出典つきで瞬時に答えが返ってきます。情報のサイロ化を解消する効果は絶大で、新人オンボーディングのコストも体感で半分以下に。
パターン2｜資格試験・学習
テキスト・参考書・過去問をすべて投入し、Quiz機能で自動生成された問題を解く。間違えた問題はFlashcardに保存して繰り返し復習。Audio Overviewを通勤時間に聴くだけで、教科書の内容が耳から定着する──これはもう、参考書を買って独学していた時代には戻れません。
パターン3｜健康・家計の自己管理
毎年の健康診断結果をPDFで投入し、「去年と今年で大きく変わった項目を教えて」と聞く。家計簿のCSVを投入し、「今月、過去平均と比べて支出が増えた項目は？」と聞く。プライベートの「自分専用RAG」が、追加コストゼロで完成する手軽さです。
パターン4｜長文ドキュメントの読解
洋書の論文や、英語のホワイトペーパーをそのまま投入し、日本語で要点を聞く。重要箇所は出典クリックで原文を即座に確認できるため、「AIに丸投げ」にならず、人間の読解の補助として完璧に機能します。
NotebookLM活用のコツ：Configure Chat
多くのユーザーが見落としがちですが、NotebookLMのChatパネルには「Configure Chat」という機能があり、そのノートブック専用のシステム指示を設定できます。次のような指示を入れておくと、回答品質が安定します。
# 回答ルール（このノートブック専用）
- 必ずソースの該当箇所を引用（クリック可能なリンク形式）
- ソースに書かれていない内容は「ソースには記載なし」と明記
- 推測・補完は禁止
- 出力は必ず日本語、ですます調
- 結論を先に、根拠を後にAudio OverviewとCinematic Video Overviewの使い分け
NotebookLMで特に話題になっているのが、Audio Overview（AI2人による対談形式の音声）と、Cinematic Video Overview（映像つきの解説動画）。日本語のニュースAIアプリとも音質は遜色なく、「自分の資料が、ラジオ番組やYouTube動画に変身する」体験は一度味わうと癖になります。それぞれ向き不向きがあるので、用途別に整理しておきましょう。
| 形式 | 向いている用途 | 所要時間 |
|---|---|---|
| Audio Overview（Deep Dive） | 20〜30分の対談形式。通勤時間や移動中の学習に最適 | 生成5〜10分 |
| Audio Overview（Brief） | 5分程度の要点解説。会議前のインプットに | 生成3〜5分 |
| Audio Overview（Critique） | 批判的吟味モード。論点の弱点が浮かび上がる | 生成5〜10分 |
| Audio Overview（Debate） | 賛成派・反対派の討論形式 | 生成5〜10分 |
| Cinematic Video Overview | 映像つきで概念図・図解を含めて解説 | 生成15〜30分 |
Audio Overviewは50言語以上に対応しており、設定の「Output Language」で日本語に切り替えれば自然な日本語の対談音声が生成されます。さらに「Interactive Mode」では、再生中に音声で質問を割り込ませて、ホストたちと会話することすら可能。「自分の資料に対して、AIラジオ番組のホストとリアルタイム議論する」──これが2026年のインプット体験です。
NotebookLMのソース管理のコツ
| OK | NG |
|---|---|
| 毎回参照する基礎情報（製品仕様、社内Wiki） | 機密情報の取り扱いに注意（個別ノートブックで管理） |
| 体系化されたまとまりのある資料 | 断片的なメモを大量投入すると、AIが文脈をつかみにくい |
| 定期更新する資料はGoogle Docsで投入 | 古いPDFが混在していると、回答が古い情報に引っ張られる |
| ノートブックは目的別に分ける | 「なんでもノートブック」だと、回答の精度が下がる |
NotebookLMで「やってはいけない」こと
- 個人情報や機密データを安易に投入しない｜ノートブックを共有設定にすると、思わぬ漏洩につながる
- 古い情報のままで判断しない｜法令・税制・規約の類は、必ず最新版を投入し直す習慣を
- 「AIに丸投げ」にしない｜出典リンクが付いているからといって、それが正しいとは限らない。重要な判断は必ず原文で確認
- 大量投入で曖昧化させない｜100ファイルより、論点を絞った10ファイルの方が回答精度が高いことが多い
統合ワークフロー｜Gems × NotebookLM × Deep Researchで仕事を再設計する
ここまで紹介した3つの機能──Gems、NotebookLM、Deep Research。それぞれ単体でも他社AIを上回る価値を提供します。しかし真の威力は、この3つを組み合わせた瞬間に発揮されます。
もう一度言いますが、ChatGPTにもCustom GPTsとProjectsがあり、Claudeにもプロジェクト機能があります。しかし──「自律的に外部Web調査をしてくれるエージェント」「出典つきで自社資料に答えるナレッジ基盤」「人格固定のカスタムAI」、これら3つを単一のエコシステムに統合し、相互に呼び出せる形で提供しているのは、2026年5月時点でGoogleだけです。Workspace、検索、Drive、YouTubeとも地続きで動く点まで含めれば、Geminiが「業務AIとしての本命」と言われる理由は説明不要でしょう。
aibiznavi.comが推奨する統合ワークフローは次の通り。
| フェーズ | 使うツール | 役割 |
|---|---|---|
| 知識の蓄積 | NotebookLM | 社内資料・過去案件・専門書を「第二の脳」として整備 |
| 外部情報の収集 | Deep Research | 市場動向・競合・最新統計を自律的に収集 |
| 成果物の生成 | Gems | 専門人格を介して、最終アウトプットに変換 |
| 可視化 | Nano Banana Pro | 図表・インフォグラフィックを生成 |
具体例｜新規事業企画書の作成
- NotebookLMに、自社の過去案件・社内ナレッジ・関連書籍を投入し、ノートブック「新規事業ナレッジ」を作成
- Deep Researchで「2026年の◯◯市場における未充足ニーズ」を調査。世界銀行・経産省・主要シンクタンクのレポートを優先して取得
- NotebookLMのノートブックをGemsの「戦略家Gem」に接続
- Gemに、Deep Researchの結果と内部ナレッジを統合した「企画書ドラフト」を生成させる
- Nano Banana Proで、提案資料に挿入する市場規模図やコンセプト図を生成
- Gemsの「論破シミュレーター」で、企画の弱点を洗い出す
- 修正版を「1枚要約Gem」に通し、経営会議向けの1枚サマリーに変換
このフローの肝は、人間が「考える」のではなく「指示と判断」に専念できることです。AIは情報収集と一次ドラフト作成を担い、人間は方向性の決定と最終判断に集中します。
具体例｜営業提案からクロージングまで
- 商談議事録の音声ファイルをNotebookLMにアップロード
- 「Configure Chat」で「決定事項・保留事項・宿題事項を必ず分けて回答」と設定
- Gem「議事録分析官」で、顧客のキーパーソンと検討ステージを推定
- Deep Researchで、顧客企業の最新IR・人事異動・経営課題を調査
- Gem「提案書ドラフター」で、議事録＋顧客分析＋自社事例を統合した提案書を生成
- Nano Banana Proで、提案書のキービジュアルと比較表を作成
- Gem「論破シミュレーター」で、想定される反論を洗い出す
- 反論への回答を準備した最終版を出力
具体例｜採用候補者のスクリーニング
- 応募書類（履歴書・職務経歴書・ポートフォリオ）をNotebookLMに投入
- 自社の採用基準・過去の優秀社員プロファイル（許可された範囲で）も投入
- Gem「採用スクリーナー」で、候補者を5つの基準で評価
- Deep Researchで、候補者の公開情報（GitHub、ブログ、SNS、論文）から技術力・人柄を確認
- Gem「面接質問設計官」で、候補者の経歴に応じた質問を10問生成
- 面接後、面接官のメモを再度Gemに渡し、フィードバックレポートを作成
この流れで、書類1件あたり数時間かかっていた選考プロセスを、十数分に短縮できます。最終判断は人間が行うべきですが、「論点を整理する」「見落としを減らす」フェーズはAIの強みです。
失敗しないための「人間の介在ポイント」
| フェーズ | AIに任せる | 人間が必ずやる |
|---|---|---|
| 情報収集 | 網羅性の高い一次データ集め | 調査範囲・優先ソースの指定 |
| 分析 | パターン抽出、異常検知 | 解釈の妥当性チェック |
| ドラフト作成 | 初稿の生成 | 論理構造・トーンの最終確認 |
| 意思決定 | 選択肢の整理 | 判断と責任を取る |
| 関係者対応 | 下書きや想定問答の用意 | 実際の対話と関係構築 |
AIは「考える材料を圧倒的なスピードで集めて整える機械」と捉えるのが、最も実用的なメンタルモデル。最後の判断は、文脈と責任を背負える人間の役割として残します。
他社AIではなぜ同じことができないのか
ここまで読んで「なるほど、Geminiは凄そうだが、ChatGPTやClaudeでも似たようなことはできるのでは？」と思った方もいるかもしれません。結論から言うと、近いことはできても、ここまで一気通貫にはなりません。
| 差別化要素 | Geminiの強み |
|---|---|
| 検索エンジンとの直結 | Google検索を本家として呼び出すDeep Research。一次情報の網羅性と新鮮度が圧倒的 |
| エコシステム統合 | Workspace全製品、Drive、YouTube、マップと地続き。NotebookLM・Gems・Nano Bananaも単一アカウントから利用可 |
| マルチモーダル | 動画・音声・画像を含む100万トークンのコンテキスト処理。Nano Banana 3兄弟の画像生成力も含めて頭一つ抜けた |
もちろん、ChatGPTやClaudeにも独自の強みは多数あります。最終的にどのAIを選ぶかは「自分の業務との相性」で決めるべきで、本シリーズの最後にその比較を予定。ただし、業務利用のコア機能を網羅しに行きたいなら、現時点でGeminiを外す理由を見つけるのは難しい。これが、aibiznavi.comとしての率直な評価です。
エンタープライズ利用｜情報の安全と活用の両立
企業でGeminiを活用する際、最も気になるのは「入力したデータが学習に使われないか」。結論から言えば、利用するプランによって扱いが大きく異なります。「個人版を業務にそのまま使うのは危険」「Workspace版なら安心」──この線引きを、ハッキリ理解しておくことが大切です。
| プラン | 入力データの学習利用 | 用途 |
|---|---|---|
| Gemini Free / Plus / Pro / Ultra | 原則として学習利用される可能性あり（設定で制御可） | 個人利用・自己学習 |
| Gemini for Google Workspace | 学習利用されない | 業務利用 |
| Vertex AI（Google Cloud） | 学習利用されない | 開発・本番運用 |
| Gemini Enterprise | 学習利用されない、エンタープライズ管理機能 | 大規模組織での全社利用 |
📎 出典：Google Workspace「Generative AI in Google Workspace Privacy Hub」
https://knowledge.workspace.google.com/admin/gemini/generative-ai-in-google-workspace-privacy-hub
Workspace版で守られる範囲
Google Workspace版のGeminiは、組織のデータが他の顧客や公開モデルの学習に使われないことを公式に明言しています。具体的には次の4点が保証されます。
- 入力した内容（プロンプト）と出力結果は、Geminiの学習には使われない
- あなたの組織のデータは、他の組織には決して提示されない
- Workspace内の既存のアクセス権限がそのまま適用される
- 人間によるレビューは、許可なくドメイン外で行われない
注意すべき「権限の継承」
Workspace版で見落としがちなのが、「Geminiは既存のWorkspace権限をそのまま受け継ぐ」という点。つまり、社員Aが共有権限を持っているドキュメントは、Geminiを通しても見えてしまいます。
過去に「とりあえず全員に共有」した資料が残っている場合、Geminiが意図せずそれらを参照する可能性も。Gemini導入前に、以下のような棚卸しを必ずやっておきましょう。
- 社外秘や機密情報を含むドライブのアクセス権限を見直す
- 退職者が残した共有設定を整理する
- 「全社公開」になっている資料が機密性の高いものでないか確認
- Adminコンソールでデータ保持期間を組織方針に合わせて設定
個人利用でも気をつけたい設定
Gemini無料・有料プラン（Plus / Pro / Ultra）でも、設定で「Gemini Apps Activity」をオフにすれば、自分の会話が学習に使われない設定にできます。また、「Temporary Chat」機能を使えば、会話履歴も残らず学習にも使われません。機密性の高い相談はTemporary Chatを使う、という習慣をつけておくと安心です。
📎 出典：Google公式「Gemini Apps Privacy Hub」
https://support.google.com/gemini/answer/13594961
業務利用での「やってよい/やってはいけない」
| OKな使い方 | NGな使い方 |
|---|---|
| 公開資料の要約・分析 | 個人情報を含む顧客リストの直接投入（無料/個人プラン） |
| 議事録の文字起こし支援 | 機密案件のNDA対象資料を個人アカウントで処理 |
| 提案書のドラフト作成 | 未公開の財務情報・M&A情報の取り扱い |
| マーケ施策のブレスト | セキュリティ脆弱性に関する詳細情報の入力 |
| 公開情報を使った競合調査 | 競合情報の不正取得や、他社内部資料の処理 |
業務でAIを使う際の鉄則は「自分の上司・法務・コンプライアンス部門に堂々と説明できる使い方か」です。判断に迷ったら、Workspace版または企業契約のVertex AI / Gemini Enterpriseを使う、それでも迷う情報は入力しない、というのが安全策です。
エラーハンドリングと「自己修正」の自動化
どれだけ良いプロンプトでも、Geminiが期待外れの回答を出してくることは当然あります。その都度修正指示を出すのは時間の無駄なので、最初から「自己修正のロジック」をプロンプトに組み込むのが現実解。
テンプレート：再帰的プロンプト・ループ
# 本タスク
[依頼内容]
# 品質管理プロセス
回答後、自己採点してください（各10点・計30点満点）。
評価軸：
1. 論理的な飛躍はないか
2. 事実関係に裏取りが必要な箇所はないか
3. ユーザーの制約条件をすべて満たしているか
合計25点未満の場合：
- 不備のある箇所を特定
- 修正版を「最終回答」として出力
最終的にユーザーに見せる回答は1つだけで構いませんが、
内部でこのプロセスを必ず経てください。典型的な失敗とリカバリー
| 症状 | 原因 | 対策 |
|---|---|---|
| 回答が抽象的 | 制約条件が少ない | 「予算」「期間」「対象者」を具体化 |
| 嘘の引用が混じる | 裏取り指示がない | 「Google検索で裏取り、出典URLを必ず併記」と明記 |
| 長すぎて要点が見えない | 分量制約がない | 「結論先出し、300字以内」と指定 |
| 同じ視点ばかり | 多角的検証の指示がない | 「賛成派・反対派・中立派の3視点で」と指示 |
| 業界用語が多すぎる | 読者像が未定義 | 「読者は中学生レベル」など具体化 |
| 表現が硬い | トーン指定がない | 「親しみやすく、しかし誠実なトーンで」と明記 |
| 毎回構成がバラバラ | テンプレートが渡されていない | Gemsで構成を固定するか、出力例を提示 |
| 明らかに古い情報 | 検索ツールが起動していない | 「Google検索で2026年時点の最新情報を確認」と明示 |
「やり直し」の正しい指示の出し方
期待した回答が来なかった時、ありがちなのが「もう一度やって」「違う、こうじゃない」という曖昧な指示。これでは改善されません。次のように、「何が悪かったか」と「どう変えてほしいか」を明示しましょう。
| 悪い指示 | 良い指示 |
|---|---|
| 「違う、もっと深く」 | 「具体的なデータと事例が不足。事例を3つ追加して、各事例で数値を1つ示して」 |
| 「もう一度書き直して」 | 「結論が冒頭に来ていない。結論を最初の3行で言い切る形に再構成して」 |
| 「面白くない」 | 「導入が一般論。読者の具体的な悩みから始める形にして」 |
| 「短くして」 | 「全体を800字に圧縮、削るのは事例の重複部分」 |
「途中で軌道修正」のテクニック
長い回答が出始めて「方向が違うな」と感じた時、最後まで見てから指示し直すのは時間の無駄。次のような中断＋方針修正を試してください。
そこまでで一旦止めて。
方針を変えます。今までの回答は、私の課題（[本来の課題]）からズレています。
正しくは[本来求めていた論点]です。
この観点で、最初から書き直してください。Geminiは、こうした明示的な軌道修正には素直に従ってくれます。「気を遣ってそのまま続ける」より、はっきり止める方が結果的に時間を節約できる──これは覚えておいて損のないテクニックです。
中編のまとめ｜次回予告
長くなりましたが、これが2026年5月時点でのGeminiの「使いこなしの全貌」です。要点を3つに絞って振り返ります。
- プロンプトは「型」で回す｜RGCI、思考の木、デビルズ・アドボケート、セルフ・デバッギングの4つを使い分ける
- Deep Research × NotebookLMで「調べる→まとめる」が一気通貫｜外部情報の収集と内部ナレッジの統合が、AI主導でできる時代
- Gemsで「自分専用AI」を育てる｜毎回ゼロから指示しない。Gemsに人格を固定し、NotebookLMに知識を預け、Gem経由で呼び出す
そして、2026年5月時点でこのレベルのエコシステムを、検索・Workspace・Drive・YouTubeとシームレスに統合した形で提供しているのは──繰り返しになりますが、Geminiだけ。「業務AIで何を選ぶか」と聞かれたら、aibiznavi.comとしては「迷うならまずGemini」と答えます。
明日からやること、3つ
本記事を読み終えたら、次の3つだけ試してみてください。中編で紹介した内容は膨大ですが、最初の一歩はシンプルです。
| ステップ | 所要時間 | 得られる効果 |
|---|---|---|
| ① よく使うプロンプトに「自己採点プロセス」を1行追加 | 5分 | 回答の論理性が体感できるレベルで上がる |
| ② 自分の専門業務の「Gem」を1つだけ作る | 30分 | 毎回の指示が消え、即戦力レベルの回答が安定する |
| ③ 業務でよく参照する資料をNotebookLMに5〜10件入れる | 15分 | 「あの資料、どこに書いてあった？」が一瞬で解決 |
3つ全部やっても1時間以内。この1時間が、その後の数百時間を生み出すと考えれば、決して大きな投資ではありません。
続く【後編】では、Geminiが個人の業務だけでなく、組織や社会のレベルで何を変えていくか、そしてAIと人間がどう役割分担していくべきかを掘り下げます。AIエージェントの進化、Gemini Agent / Project Mariner、AI時代の働き方とキャリア戦略まで踏み込んで解説する予定。
3部作を通して読んでいただければ、Geminiを「触ってみた」レベルから「業務に組み込んで成果を出す」レベルまで、確実に進めます。中編の内容を実践しながら、後編の公開をお待ちください。
関連記事
👉 Gemini完全ガイド【前編】｜できること・始め方・料金プラン徹底解説
👉 Gemini完全ガイド【後編】｜AIエージェント時代の働き方とキャリア戦略
参考・出典一覧
【Gemini モデル・コンテキスト関連】
Google Cloud公式ドキュメント「Long context」
https://cloud.google.com/vertex-ai/generative-ai/docs/long-context
Google AI for Developers「Gemini API release notes」
https://ai.google.dev/gemini-api/docs/changelog
Google公式「Gemini Apps release updates & improvements」
https://gemini.google/release-notes/
【Deep Research / Deep Research Max】
Google公式ブログ「Next-generation Gemini Deep Research」
https://blog.google/innovation-and-ai/models-and-research/gemini-models/next-generation-gemini-deep-research/
Google AI for Developers「Gemini Deep Research Agent」
https://ai.google.dev/gemini-api/docs/deep-research
Google AI for Developers「Deep Research preview」
https://ai.google.dev/gemini-api/docs/models/deep-research-preview-04-2026
Google AI for Developers「Deep Research Max preview」
https://ai.google.dev/gemini-api/docs/models/deep-research-max-preview-04-2026
【Nano Banana / 画像生成】
Google公式ブログ「Introducing Nano Banana Pro」
https://blog.google/innovation-and-ai/products/nano-banana-pro/
Google公式ブログ「Developers can build with Nano Banana Pro」
https://blog.google/innovation-and-ai/technology/developers-tools/gemini-3-pro-image-developers/
Google AI for Developers「Nano Banana image generation」
https://ai.google.dev/gemini-api/docs/image-generation
Google DeepMind「Gemini 3 Pro Image – Nano Banana Pro」
https://deepmind.google/models/gemini-image/pro/
【Gems】
Google公式「Gemini Gems overview」
https://gemini.google/overview/gems/
Google公式ヘルプセンター「Get started with Gems in Gemini Apps」
https://support.google.com/gemini/answer/15236321
Google公式ヘルプセンター「Tips for creating custom Gems」
https://support.google.com/gemini/answer/15235603
Google Workspace公式ブログ「New features in Gemini」
https://workspace.google.com/blog/product-announcements/new-gemini-gems-deeper-knowledge-and-business-context
【NotebookLM】
Google公式「NotebookLM」
https://notebooklm.google/
Google Workspace公式「NotebookLM」
https://workspace.google.com/products/notebooklm/
Google公式ヘルプセンター「Generate Audio Overview in NotebookLM」
https://support.google.com/notebooklm/answer/16212820
Google Workspace Updates「New ways to customize and interact with NotebookLM」
https://workspaceupdates.googleblog.com/2026/03/new-ways-to-customize-and-interact-with-your-content-in-NotebookLM.html
Google公式ブログ「NotebookLM Audio Overviews adds more than 50 languages」
https://blog.google/innovation-and-ai/models-and-research/google-labs/notebooklm-audio-overviews-50-languages/
【プラン・料金】
Google AI公式「Plans & Pricing」
https://gemini.google/subscriptions/
Google One「Google AI Plans with Cloud Storage」
https://one.google.com/about/google-ai-plans/
【データ保護・プライバシー】
Google Workspace「Generative AI in Google Workspace Privacy Hub」
https://knowledge.workspace.google.com/admin/gemini/generative-ai-in-google-workspace-privacy-hub
Google公式「Gemini Apps Privacy Hub」
https://support.google.com/gemini/answer/13594961
Google Cloud「How Gemini for Google Cloud uses your data」
https://cloud.google.com/gemini/docs/discover/data-governance
この記事の情報の鮮度について｜2026年5月時点の情報に基づいて執筆しています。Geminiの機能・料金は頻繁に更新されるため、最新情報は必ずGoogle公式サイトをご確認ください。
