Googleが音声対話モデルGemini 3.8 Liveを公開しました。

Googleは2026年9月15日、音声対話モデルのGemini 3.8 Live と Gemini 3.8 Live Extended Thinkingを公開しました。会話の途中で言語を自動的に切り替え、話しながら裏でツールを実行し、推論の途中経過を声で実況します。事務所の面談や電話という、これまで文字として残らなかった場面にAIが入ってくる発表です。士業のチカラは有資格者による記事審査を置かず、一次資料を確認して事実を整理する立場で書いています。個別の事案がどの条文との関係でどう評価されるかは有資格者の判断領域なので、本記事では踏み込みません。

何が公開されたか 2モデルの違いと提供範囲

今回公開されたのは性格の違う2つのモデルです。Gemini 3.8 Live は規模とコスト効率を狙った位置づけで、会話の流暢さと視覚情報の参照を組み合わせます。Gemini 3.8 Live Extended Thinking は複雑なタスク向けで、多段階の推論を担当します。いずれもGemini APIと Google AI Studio で開発者に提供が始まりました。

数字の面では、Extended Thinking がArtificial Analysis の Speech to Speech Quality Index で総合1位となる82.6を記録し、エージェント的なタスク完了では τ-Voice で68.6パーセント、Sierra の τ-Voice-banking で35.1パーセント、Big Bench Audio で97.7パーセントという値がGoogleの発表に示されています。軽量側の Gemini 3.8 Live も Speech Agent Arena で2位に入ったとされています。音声エージェントを評価するServiceNow の EVA-Benchでも結果が示されていますが、これは Gemini Enterprise Agent Platform 上の Live API で実行したものだという注記が同じ発表に付いています。

実務にとって効くのは、ベンチマークの順位よりも挙動の記述のほうです。視覚入力をほぼリアルタイムで処理し、97の対応言語を会話の途中で自動検出して切り替え、ツールやAPI呼び出しを会話を止めずに裏で走らせる、と同発表は説明しています。Extended Thinking は考えながら話し、「ちょっと確認しますね」といった短い合図を先に返し、多段階の処理の進み具合を声で実況します。

提供範囲も整理しておきます。企業向けには Gemini Enterprise でプライベートプレビュー、一般利用者向けには Gemini 3.8 Live が Search Live で、Extended Thinking が Gemini Live で使えます。Google Workspace では Docs が Google AI Pro と Ultra の加入者、Gmail と Keep が Google AI 加入者全般となっており、Workspace のビジネス向け提供は近日公開とされています。日本語環境でどこまで同じ挙動になるかは発表資料からは読み取れないため、要確認として残ります。

士業事務所にとっての3つの論点

第一に、声で入れる情報は書いて入れる情報より線引きが難しくなります。Gemini API の追加利用規約（2026年3月23日発効）は、Google AI Studio の直接利用や Gemini API の無料枠を無償サービスと位置づけ、送信したコンテンツと生成された応答を製品やサービス、機械学習技術の提供と改善に利用すると書いています。さらに品質改善のために人間のレビュアーが入出力を読み、注釈を付け、処理することがあり、その前に Google アカウントやAPIキー、Cloud プロジェクトとの結び付きを切り離すと説明したうえで、無償サービスに機微な情報や秘密情報、個人情報を送信しないよう明記しています。有償サービスではプロンプトと応答を製品改善に使わず、禁止利用ポリシー違反の検知など限定された目的でのみ一定期間ログを保持するとされています。テキストなら貼り付ける前に一呼吸置けますが、面談中の会話はその一呼吸が効きません。顧問先の実名や金額が口から出た時点で、それはもう入力です。生成AIに入れてよい情報の範囲については税理士が生成AIに入れてよい情報の範囲 守秘義務から引く7つの線で整理しています。

第二に、会話の裏でツールが動くという設計は、権限の話に直結します。同じ規約のエージェント型サービスの条項は、サービスが実行する行動とタスクについて利用者が責任を負うとし、データやアプリケーション、システムへの接続を認可する判断も利用者側にあると書いています。加えて、人間の確認を求める要求を自動的に迂回しないこと、という一文が置かれています。会話が途切れないという体験のよさは、裏で何が実行されたかが会話ログからは見えにくくなることと表裏です。どのシステムに、どの範囲でつなぐかを先に決める話はAIエージェントを事務所に入れる前に決める権限とログの7チェックにまとめています。

第三に、97言語の自動切替は外国人対応の現場に効く一方で、提供元自身が用途を限定しています。同規約の免責事項には、医療や精神保健、法律、財務その他の専門的助言について本サービスに依拠しないこと、それらの話題に関する内容は情報提供目的であり有資格者の助言に代わるものではない、という趣旨が明記されています。外国人労働者の労務管理は監督指導の現場で論点になりやすく、技能実習生の労基法違反73.2パーセントという厚生労働省の集計もあります。通訳の負担が下がるのは大きい一方で、制度の説明をそのまま音声AIに任せる運用にすると、確認の責任が誰にあるのか曖昧になります。開業社会保険労務士の守秘義務は社会保険労務士法第21条、弁護士のそれは弁護士法第23条に置かれており、職種ごとに条文の立て付けが違います。

導入を検討する事務所の初動

すでに動き始めている事務所の順番を整理すると、おおむね次のようになります。

最初に、使う経路が無償か有償かをはっきりさせています。Google AI Studio は Cloud Billing が有効な Cloud プロジェクトに紐づくアカウント、または Workspace のエンタープライズアカウントから使う場合に有償サービス扱いになると規約は説明しており、Gemini API は課金アカウントに紐づく Cloud プロジェクト経由のときのみ有償扱いになります。同じ画面でも入口が違えばデータの扱いが変わるという構造です。

次に、録音と文字起こしをどこに残すかを決めています。会話が流れてしまう性質上、後から「何を入れたか」を再現できるのは事務所側の記録だけです。話者分離を伴う音声AIの実務論点はMetaの新音声AIに関する記事でも扱いました。

三つ目に、出力の真正性を扱う規程を用意しています。Google は AI 製品が生成した音声すべてにSynthIDによる電子透かしを埋め込むとしていますが、これは自社が生成した音声を検出可能にする仕組みであって、外から掛かってきた電話の真偽を判定してくれるものではありません。顧問先を装う音声への備えは士業事務所の本人確認ルール7項目で別途整理しています。

最後に、ベンダーへの質問項目を先に用意してから商談に入る事務所が増えています。聞くべき項目はAIツールのベンダーに何を聞くか 士業事務所の確認7項目と質問文にまとめてあります。費用と使い分けの考え方はGemini 3.8 Flashの記事が近い論点を扱っています。

まとめ

Gemini 3.8 Live と Extended Thinking は、会話を止めずに裏で処理を走らせる方向へ音声AIを進めたモデルです。97言語の自動切替や視覚情報の参照は外国人対応や現地確認の場面に効きます。一方で提供元の規約は、無償経路では機微な情報を送らないよう求め、エージェントの行動の責任は利用者側にあるとし、法律や財務の専門的助言には依拠しないよう明記しています。声で入れる運用に移る前に、経路と記録と規程を先に決めておく段階です。

参考文献

• Google「Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking」
• Google「Gemini API Additional Terms of Service」
• Google「Live API」ドキュメント
• ServiceNow「EVA-Bench」
• e-Gov法令検索「社会保険労務士法」
• e-Gov法令検索「弁護士法」

※士業のチカラでは、生成AIの導入支援から運用最適化まで、貴事務所の業務に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://shigyonochikara.jp/contact/

引用元: Google The Keyword