Metaは2026年11月6日、Muse Wonderを用いて学習させた特化型モデルをMuseとMeta AIの利用者に展開すると発表しました。過去の会話から重要な情報を使うActive Memoryと、想定外の問題が起きても目標に向けて作業を続けるActive Focusを、両製品のモデルに取り入れます。*1 ([research.meta.ai](https://research.meta.ai/blog/specialized-models-for-muse-and-metaai))
先に結論を言うと、今回のニュースは「上位モデルのMuse Wonderを全員がそのまま使えるようになった」ではなく、その能力を取り入れた特化型モデルを既存のMuseとMeta AIへ広げる発表です。 企業の担当者は評価数字だけで導入を決めず、実際に使える地域・アカウントを確かめたうえで、記憶の正確さと外部サービスへの操作権限を業務ごとに試すのがよいと私は考えます。*1*2 ([research.meta.ai](https://research.meta.ai/blog/specialized-models-for-muse-and-metaai))
この話題は、私もXで紹介しました。
今なら、生成AIの基礎知識から社内導入の6ステップ・定着のポイントまでを1冊にまとめた「はじめての生成AI社内導入ガイド」を無料で配布中!何から始めればいいか分からない方でも、これ1冊で導入の流れがつかめます。
目次
Metaとは|MuseとMeta AIに何が追加される?
今回の「Meta」は企業名で、更新の対象はMetaのAI製品であるMuseとMeta AIです。Museは依頼を受けて外部サービスを使いながら作業を進めるパーソナルAIエージェント、Meta AIは会話を通じて質問や思考の整理を支援するAIです。Metaの説明では、両製品を支える既存モデルの特化型をMuse Wonderで学習させ、順次展開します。*1*3 ([research.meta.ai](https://research.meta.ai/blog/specialized-models-for-muse-and-metaai))

| 項目 | 公式発表で確認できること | 企業が混同しやすい点 |
|---|---|---|
| Muse Wonder | Active MemoryとActive Focusを備える上位モデル。Meta Model APIとMuse Codeで提供される。*2 | 今回の発表は、このモデル自体の一律開放を意味しない。 |
| Muse Wonder Full | Muse Codeの契約者向けに提供される別のモデル。*2 | MuseやMeta AIに展開される特化型モデルとは分けて考える。 |
| Muse向け特化型モデル | Muse Wonderを用いて学習させ、Museの利用者に展開する。記憶と目標追跡の改善が説明されている。*1 | 発表された改善数字は主にMuseの新旧モデル比較。 |
| Meta AI向け特化型モデル | Museと同様にActive MemoryとActive Focusを取り入れる。*1 | Museで示された改善率をMeta AI固有の実測値として扱わない。 |
Active Memoryは、過去の会話を何でも機械的に持ち越すという説明ではありません。Metaは、一時的な情報と継続的に役立つ情報を見分け、古くなった情報を区別し、必要な場面で以前の文脈を使うようモデルを学習させたと説明しています。仕事で重要なのは「覚えているか」だけでなく「今も有効な情報として使ってよいか」です。*1
Active Focusは、途中で障害が出たときに目標を見失わず、別の手順を探したり、必要に応じて人へ確認したりする方向の改善です。ただし、粘り強く進むことと、確認なしで進めてよいことは別問題です。作業の継続性が高まるほど、企業側には中断条件と承認条件の設計が必要になると私は見ています。*1*2
評価結果をどう読む?|改善率と測定範囲
Metaの研究ブログで公表された数字は、評価対象と測定範囲を確かめて読む必要があります。ただし、数字をひとまとめにして「業務効率が何%上がる」と読むのは避けたいところです。Metaが公表したのは、それぞれ対象の異なる評価結果であり、表にある新旧比較はMuseのモデルについて示されています。*1 ([research.meta.ai](https://research.meta.ai/blog/specialized-models-for-muse-and-metaai))
| Metaが公表した指標 | 結果 | 読み方 |
|---|---|---|
| 重要情報の忘れ | 改善後のMuseモデルでは、目標達成に必要な重要情報を忘れる頻度が2.4分の1。*1 | 元の忘却件数や、個別の業務での発生率を示す数字ではない。 |
| Active Memory Eval | 重要な文脈を正しく使ったタスクの割合が、従来のMuseモデルの76%から現行モデルの90%へ。*1 | 「会話した内容を90%すべて記憶する」という意味ではない。 |
| 想定外の問題が起きる日常タスク | 完了について、Museのモデルで67%の改善。*1 | 完了率そのものが67%という意味ではない。 |
| Personal Superintelligence Index | Museの従来モデルが38%、現行モデルが47%。*1 | この指標だけで自社業務への適合性は判断できない。 |
特に区別したいのは「改善率」と「達成率」です。想定外の問題が生じるタスクでの67%は改善の大きさを表し、そのタスク群の完了率そのものではありません。また、重要情報の忘れが2.4分の1という数字から、元の失敗件数を逆算することもできません。Metaの発表にない母数を補って社内資料へ記載しないようにしましょう。*1
Active Memory Evalの90%は、評価タスクで重要な文脈を正しく使えた割合です。利用者の発言を無期限に保持する保証でも、契約情報を常に正しく更新できる保証でもありません。私はこの数字を、導入効果の確定値ではなく「自社でも記憶を使う業務を試す理由」として扱います。*1
もう一つの注意点は製品間の違いです。MetaはMuseとMeta AIの双方に改善を取り入れると説明する一方、発表文で示した新旧モデルのスコアや完了の改善はMuseを対象にしています。Meta AIを使う部署が社内説明をするなら、「Meta AIでも同じ割合だけ改善した」と言い換えないほうが正確です。*1
使い方|記憶と集中を業務でどう試す?
Museを試せる環境では、まず依頼したい作業と参照してよい情報を明確に伝えます。Museはブラウザーや接続したサービスを使って複数の手順を進める製品です。一方、Meta AIでは複雑な相談を段階に分け、途中で条件を変えたときに応答がどう変わるかを見ると、今回の更新を理解しやすいでしょう。*1*3
記憶の検証|古い条件を使わないか
私なら、最初は公開してよい架空の案件を使います。たとえば社内イベントの企画について、会場候補、参加者の希望、予算の上限を伝え、後の会話で一部の条件を変更します。そのうえで、変更前の条件を引きずらず、現在の条件を踏まえた提案が出るかを確かめます。
- 残す情報 — 継続して使ってよい方針と、今回だけ使う条件を分けて伝える。
- 変わる情報 — 日程や担当者を更新し、古い条件が再登場しないか確かめる。
- 確かめる情報 — 回答に使った前提を説明させ、人が元資料と照合する。
この試験で見たいのは、長い会話の内容を多く言い当てることではありません。以前の発言が再び必要になったときだけ使えるか、期限切れの情報を捨てられるか、条件が曖昧なら確認できるかです。実際の顧客情報を入れる前に、同じ構造の模擬データで失敗の形を把握しておくと、社内での評価がしやすくなります。
集中の検証|障害時に何を選ぶか
次は、途中で条件が崩れる作業を用意します。たとえば参照先の資料が見つからない、指定した形式で出力できない、途中で優先順位を変更する、といった状況です。正解まで作業を続けたかだけでなく、無理に結論を作らず代替案を出したか、人に聞くべき場面で立ち止まったかを見ます。
評価表には、完了・中断・確認依頼のどれを適切に選んだかを記録するのがおすすめです。企業の業務では、すべてを完了するエージェントより、判断材料が欠けたときに根拠を示して止まれるエージェントのほうが適する場面もあります。Active Focusを「人の承認を省く機能」と捉えないことが大切です。
AIエージェントに任せる作業と人が担う判断の分け方は、以下の記事で解説しています。
【驚異の業務革命】AIエージェントが実現する完全自動化の新時代 ―― OperatorとManusが変える業務の常識:汎用型&特化型エージェントの活用事例と導入ガイド
料金・比較|無料で使える範囲とMuse Wonderの違い
料金は今回、最も誤解されやすい点です。MetaはMuseについて、一般的な利用は無料で、より多く使いたい人向けにサブスクリプションを用意すると説明しています。Meta AIについても、通常利用の中核機能は無料で維持する方針を示しています。ただし、今回の特化型モデルについて「全機能を無制限に無料で使える」とは発表していません。*3*4 ([about.fb.com](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent?trk=article-ssr-frontend-pulse_x-social-details_comments-action_comment-text))
| 選択肢 | 公式に確認できる提供形態 | 検討時の注意 |
|---|---|---|
| Muse・Meta AIの特化型モデル | 両製品の利用者に向けて展開。*1 | 利用可否は各アカウントで確認する。今回の発表に利用枠の詳細はない。 |
| Museの一般利用 | 基本的な利用は無料で、さらに使いたい場合の契約プランがある。*3 | 無料利用と無制限利用は同義ではない。 |
| Meta AIの通常利用 | 中核機能は無料とMetaが説明。*4 | 有料プランの追加利用枠と混同しない。 |
| Muse Wonder・Wonder Full | WonderはMeta Model APIとMuse Codeで、FullはMuse Code契約者向けに提供。*2 | 今回展開する特化型モデルそのものの名称ではない。 |
Muse Wonderの利用方法を調べている開発担当者は、消費者向け製品の更新と、開発者向けのモデル提供を分けて確認してください。Metaの発表ではWonderをMeta Model APIとMuse Codeで提供し、Wonder FullをMuse Codeの契約者向けに提供しています。一方、今回の研究ブログはMuseとMeta AIに展開する特化型モデルについて、個別のAPI名や料金を示していません。*1*2
既存サービスの中で試したいのか、自社システムからモデルを呼び出したいのかによって、必要な確認事項は変わります。前者なら利用できる機能と利用枠、後者ならAPIで選べるモデルとデータの扱いを確認するべきです。Museで気に入った動きがあっても、同じ特化型モデルをそのまま自社アプリへ組み込めるとは決めつけないでください。
MetaがAIエージェントの事業で何を重視しているかは、以下の記事で解説しています。
Meta、AIエージェント「Manus」を買収 — Metaの戦略を徹底考察
企業での使いどころ|導入前に確認したいこと
私が最初の検証対象に勧めたいのは、条件の引き継ぎが重要で、誤りがあっても人が公開・送信前に直せる仕事です。たとえば、複数回の打ち合わせを踏まえた論点整理や、途中で条件が変わる社内イベントの準備案です。記憶と集中の改善が役立つかを見ながら、外部への送信や購入を伴う仕事は初期の試験から外せます。
Museは接続するサービスと、そのサービスで何を許すかを利用者が選べる設計です。Metaはメール送信や購入などの重要な操作では確認を求め、実行履歴を見られると説明しています。これらは検証時に確認すべき製品上の仕組みですが、社内の承認規程やアクセス管理の代わりになるものではありません。*3 ([about.fb.com](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent?trk=article-ssr-frontend-pulse_x-social-details_comments-action_comment-text))
- 対象業務 — 反復作業の削減より先に、記憶違いが起きたときの影響を見積もる。
- 入力情報 — まず模擬データで試し、実データを使う条件は社内規程に照らして決める。
- 接続権限 — 閲覧だけで足りるサービスに、送信や変更の権限まで与えない。
- 承認地点 — 対外連絡、購入、契約に関わる変更は人が確認する運用を定める。
- 評価記録 — 成功例だけでなく、古い情報の使用、早すぎる中断、不適切な続行も残す。
記憶の管理も忘れてはいけません。MetaはMuseに対して特定の記憶を忘れるよう指示でき、接続したサービスの権限変更や切断もできると説明しています。一方で、モデルが何を重要だと判断し、どの場面で思い出すかは業務上の確認対象です。削除や権限変更の操作手順を試し、担当者が交代する際の運用まで決めてから実データを扱うべきでしょう。*3
安全対策があることと、事故が起きないことも同じではありません。Metaの研究チーム自身、エージェントは誤りを起こし得るうえ、読み込むデータを通じて攻撃される可能性があると説明しています。外部ページや共有資料を読む仕事では、そこに書かれた指示を業務上の正式な命令として扱わないかを確かめたいところです。*5 ([research.meta.ai](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse))
さらに、2026年11月8日時点で今回の発表には、特化型モデルの地域別展開日程や個別の利用枠が明記されていません。発表を見てすぐに全社員の環境で同じ動作を再現できる前提は置かず、実際の対象アカウントで利用可否を調べる必要があります。検証結果には利用した製品、画面で確認した機能、実施日を残すと、後から比較しやすくなります。*1
自社の業務に合わせてエージェントの記憶、接続先、承認手順を組み込みたい方は、既製サービスを試す段階と開発要件を固める段階を分けて考えるのがおすすめです。法人向けAIリスキリングサービスの導入社数No.1*の弊社デジライズが、AIコンサルティング&開発のサービス資料を無料でお送りしています。既製のAIサービスでは要件が満たせず、自社に合わせたシステム構築や環境の検討が必要な場合の進め方をまとめています。
※出典:株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」(2026年5月/調査期間:2026年3月26日〜4月17日/調査方法:デスクリサーチおよびヒアリング/2026年3月末時点)
エージェントの導入では、モデルの評価結果だけでなく、どの画面から操作し、どこで人が介入できるかも比較対象になります。開発作業を進めるAIエージェントの操作方法の違いは、以下の記事で解説しています。
Claude Code・Codex・Antigravity、AIコーディングエージェントの「リモート操作」機能を徹底比較
まとめ
- 更新内容 — MetaはMuse Wonderを用いて学習させた特化型モデルをMuseとMeta AIに展開します。*1
- 数字の読み方 — 記憶やタスク完了の改善はMetaが示したMuseの評価結果として扱います。*1
- 料金と提供範囲 — 通常利用の無料枠と、上位モデルや追加利用の契約条件を分けて確認します。*2*3*4
- 企業の判断 — 記憶の更新、接続権限、人による承認を模擬業務で検証してから対象を広げます。
今回の発表で私が注目するのは、AIが長く働けることそのものより、「必要な情報を適切なときに使い、行き詰まっても次の判断につなげる」という方向です。まずは実データを使わない小さな検証を行い、古い条件を使わないか、障害時に確認を求められるかを見てください。その結果を踏まえて、任せる業務と人が止める地点を決めるのが私のおすすめです。
参考資料
- *1 Meta AI Research「Bringing Specialized Models to Muse and Meta AI」
- *2 Meta「Introducing Muse Wonder and Muse Wonder Full: Frontier Models for Agents」
- *3 Meta「Introducing Muse: The World’s First Personal AI Agent Built for Everyone」
- *4 Meta「Introducing Meta One: A Subscription Service With More Features and AI to Create, Connect, and Stand Out」
- *5 Meta AI Research「How We Built Safety Into Muse」
