OpenAIが資料生成のNextSlideを買収した。公開ベンチマークでは内容の得点が70〜80点台に届く一方、デザインとレイアウトは40点台にとどまる。この落差が生じる工学的な理由と収益構造を解く

レイアウトと余白の判断だけが、採点表の上で半分の点数に沈んでいる。総合50.2点という数字が示すのは文章力の不足ではない。買収された会社が持っていたのは、論文に書き残されないデザインの勘所だった。

OpenAI が資料作成のスタートアップNextSlideを買収し、チームはChatGPTの部門に入った。報道は2026年8月8日。創業者のアハメド・ベシュリによれば取引そのものは同年前半に成立しており、公表が数か月遅れた形になる。買収額は開示されていない。規模としては小さな取引だが、この会社が何を持っていたのかを技術の側から見ると、生成AIが今どこで詰まっているかがそのまま現れる。

発表が数か月遅れた取引と、連続起業家の二度目の売却

公表の遅れ自体は珍しくない。統合の完了、主要な技術者の在籍確認、報酬条件の成就を待ってから公にするのは、人材の獲得を主目的とする買収では通常の運びである。逆に言えば、NextSlideの技術者は数か月前からChatGPTの内側で作業していたことになる。製品を一から作り直す局面ではない。

ベシュリの経歴がこの取引の性格を裏づける。彼は2016年にニューヨークで無人レジのカートを手がけるCaper AIを共同創業した4人のうちの1人で、同社はカメラで商品を自動判別するショッピングカートを開発し、2021年10月にInstacartが3億5000万ドルの現金と株式で買収している。スーパーのレジと資料作成という接点のない2つの領域で、彼が同じ形の問題を選んでいる点が目を引く。どちらも、頻度が高く、時間を食い、しかも避けられない日常業務である。

OpenAIの買収は近年いくつかの型に分かれる。検索基盤のRockset、製品検証基盤のStatsigを11億ドルの株式交換で、ハードウェア開発のio Productsを65億ドルで取得した大型案件がある一方、少人数のチームをそのまま迎え入れる形の取引も並行して続いている。NextSlideは後者にあたり、既存の事業領域を統合するというより、埋まっていない工程を担う人材の獲得に近い。

1インチ=914,400という整数が決めているファイルの作法

PowerPointの規格がAIの生成方法を決めている
PowerPointの規格がAIの生成方法を決めている

なぜ「文章を書けるAI」が資料を作れないのか。答えの半分は、出力先であるPowerPointファイルの規格の側にある。

拡張子は1つでも、.pptxファイルの中身はZIPで圧縮された複数のXMLである。スライドの中身を書いたXMLと、それらの関係を定義するファイルが入っており、わずか2枚構成の資料を展開してもファイル数は40個に達する。スライドの型紙にあたるレイアウト定義が11種類あらかじめ含まれ、階層ごとに関係定義が付く。

座標系はさらに独特である。この規格はOffice Open XMLと呼ばれ、長さをEMUという単位の整数倍で表す。1インチが914,400 EMU、1ポイントが12,700 EMU、1センチが360,000 EMUにあたる。この半端に見える数値は、72・96・150・300・254のいずれでも割り切れるよう選ばれている。インチとセンチと画面上のピクセルを相互に変換しても小数を経ないため、丸め誤差が構造的に発生しない。印刷と画面表示を同じ座標で扱うための設計である。

このXMLをAIに直接書かせることが割に合わない理由は、ここから導かれる。XMLは人が読む前提で作られておらず、1つの図形に何十もの属性が付く。1トークンずつ生成すれば費用は分量に比例して膨らみ、しかもタグの閉じ忘れが1か所あるだけでファイル全体が開かなくなる。壊れ方が「一部が変」ではなく「PowerPointが起動を拒む」になるため、事後の手直しも効かない。

実装が採る経路は共通している。AIには構造化したJSONか、スライドを組み立てる短いプログラムを書かせ、XMLへの変換は決まりきった処理をする変換プログラムに任せる。カリフォルニア大学バークレー校などが公開した研究実装AutoPresentはこの方式を採り、80億パラメータ規模の小型モデルが描画処理を呼ぶPythonコードを生成することで、桁違いに大きなGPT-4oと同等の評価に届いた。生成すべきトークン数が桁で縮むためである。モデルの賢さではなく経路の設計が結果を決めた例として読める。

レイアウトは文章生成ではなく数式を解く問題である

スライド生成が解いている4つの層と達成度の落差
スライド生成が解いている4つの層と達成度の落差

資料を作る作業は4つの層に分解できる。素材から何を伝えるかを取り出す層、何枚に割って各枚に何を載せるかを決める層、位置と大きさと余白を決める層、そして編集できるファイルとして書き出す層である。

このうち第1層と第2層は言語の問題であり、大規模言語モデルの中核能力がそのまま効く。第2層の形式的な正しさは、構造化出力と呼ばれる仕組みでほぼ保証できる。指定したJSONの書式をオートマトンに変換し、次の1トークンを選ぶ瞬間に、書式上ありえない候補をすべて除外する方式である。書式違反を後から検出するのではなく、生成の瞬間に起こりえなくする。追加の処理時間は1トークンあたり数十マイクロ秒に収まり、推論そのものの時間に比べれば無視できる。

問題は第3層である。ここは言語の問題ではない。要素をどこで揃え、間隔をどれだけ取り、どれを大きく見せるかを、不等式の集合として満たす計算であり、扱う対象は幾何学である。しかも厄介な循環がある。文字量が決まらなければテキストボックスの大きさは決まらないが、ボックスの大きさが決まらなければ何文字入るかも決められない。この相互依存は一度の推論で解けるものではなく、仮に配置して測り、はみ出しを見て縮め、また測るという反復で収束させるしかない。

学習の材料も足りない。世に出回る資料は完成形だけであり、なぜその余白なのか、なぜその配置なのかという判断の過程は残らない。文章であれば良い文と悪い文の対が大量に取れるが、レイアウトには対応する教材が存在しない。第3層が伸びない構造的な理由がここにある。

採点表の非対称 ― 内容は80点、デザインは40点台

この見立ては実測でも裏づけられる。スライド生成の評価用に整備されたSlidesBenchは、10分野の資料310本から585件の評価問題を切り出しており、細目ごとに採点するPresentBenchという枠組みも公開されている。

報告されている総合点は、テンプレート方式のPPTAgentが50.2、汎用エージェントのManusが57.8、資料理解に強いNotebookLMが62.5である。注目すべきは内訳の偏りで、内容の基礎的な正しさはおおむね70点台から80点台に届く一方、デザインとレイアウトの得点は多くの実装で40点台にとどまる。この落差は特定の製品の癖ではなく、評価軸をまたいで一貫している。

実装側の設計思想もこれを裏づける。人の作り方を模したPPTAgentは、まず骨子を作り、それを既存のテンプレートに流し込んで編集する手順を採る。自力でレイアウトを設計せず、人間が作った型を借りているわけである。合理的な選択だが、裏を返せば第3層を正面から解く目処が立っていないという告白でもある。

OpenAI自身の製品にも同じ痕跡がある。2025年7月に有料利用者へ提供が始まったChatGPTのエージェント機能は、競合3社を調べてスライドにまとめるといった指示をこなし、編集可能な形で書き出せる。ただし公式の案内には、画面上のプレビューと書き出したPowerPointファイルとの間に食い違いが生じることがある、と注記が添えられていた。第1層と第2層は自社で解けている。埋まっていなかったのは第3層と第4層であり、そこを担う人材が今回入った。

日本語の組版ルールが自動化に課す追加費用

日本語で資料を作る場合、第3層の反復はさらに増える。

日本語には禁則処理がある。句点や読点、閉じ括弧は行頭に置けず、開き括弧は行末に置けない。この規則に引っかかった文字は前の行に押し込むか次の行へ送り出すかの判断を受け、その結果その行の文字数が過不足を起こす。行頭と行末を揃えた体裁を保つには、字間を微調整して埋め合わせる必要がある。英語のように単語間のスペースを伸縮させて済ませることができない。

文字幅の扱いも一様ではない。プロポーショナルメトリクスを有効にすると文字が詰まって1行に入る文字数が変わるため、テキストボックスの寸法設計はその減少分を織り込んで行う必要がある。同じ文字数でも設定次第で占める幅が変わる以上、「このボックスに何文字入るか」を事前に確定できない。第3層の循環が、日本語ではもう一段深くなる。

読み手の側からは、この差は「なんとなく詰まって見える」「行頭に句点が来ている」という違和感としてしか現れない。だが自動生成の側から見れば、収束までの反復回数と検証工程の増加という形で費用に直結する。日本語の資料で見た目の水準を保つことは、英語よりも一段高い要求になる。

7000万人で1億ドル、2500万人で350万ドル

技術の話は事業の話に直結している。この市場では、利用者数が近い2社の間で売上が桁で開いた。

Gammaは利用者7000万人に対して年間経常収益1億ドルの水準にある。2024年時点では2000万ドルだったので、短期間で5倍に伸びた計算になる。料金は2025年9月に最上位プランを月額100ドルで設けつつ、標準プランを月額18ドルに調整した。一方Tomeは利用者2500万人を抱えながら、2024年の年間経常収益は350万ドルにとどまり、2025年4月にスライド事業そのものを停止して営業支援へ転じた。

利用者1人あたりの年間売上に直すと、Gammaが約1.4ドル、Tomeが約0.14ドルとなる。10倍の差である。標準プランの月額から機械的に逆算すれば、Gammaの有料利用者は全体の1%に満たない水準でこの売上を支えていることになり、差を生んだのは利用者数ではなく、誰に何を売るかの設計だったと読める。個人の創作体験を広げる方向と、法人の業務要件を満たす方向のどちらに寄せるかが、そのまま単価に出た。

周辺の価格も参考になる。デザインツールのCanvaは月額15ドル前後、Microsoft 365 Copilotの法人向けプランは1席あたり月額21ドルで、2026年6月30日までの期間限定で18ドルに据え置かれている。スライド作成という機能単体でこの価格帯を正面から取りに行くのは難しく、日常的に開くアプリの中に載せて初めて成立する。OpenAIが自社開発ではなく買収を選んだ判断は、この構図と整合する。

日本市場では、この層をどこが取るかがまだ動いていない。大塚商会(4768)は法人向けの生成AI機能について、導入から活用までを一括で支援する枠組みを2023年11月に立ち上げ、中堅中小への展開を進めてきた。生成の機能そのものが標準搭載に近づくほど、支援側の価値は「使わせる」から「業務の型に落とす」へ移る。企業向けAIを主力とする PKSHA Technology(3993)、業務アプリの内製化を担うサイボウズ(4776)、国産の大規模言語モデルを持つ 富士通(6702)と NEC(6701)は、いずれも第3層と日本語組版という未解決の領域に隣接する位置にいる。