タスク×モデルのマトリックス：2026年、どの仕事にどのAIを使うべきか（実タスク20件で比較）

「最適なAI」が間違った問いである理由

四半期ごとに誰かが「2026年最強のAI」を発表し、勝者を1つ選んで話を終わらせます。記事はよく読まれます。そして6週間後に新しいモデルが出て、ランキングが入れ替わり、また同じ作業が繰り返されます。これは仕事を前に進める助けにはならない、終わりのないトレッドミルです。

人々がこれらのツールを実際にどう使っているかについて、データは何を語っているのでしょうか。OpenAIとNBERのワーキングペーパー「How People Use ChatGPT」（2025年9月公開）によれば、ChatGPTのコンシューマー利用のおよそ80%は、Practical Guidance（実践的な助言）、Information Seeking（情報探索）、Writing（執筆）の3つに集中しています。コーディングは5%未満です。世間を賑わせるベンチマーク戦争は、ナレッジワーカーが実際に1日を過ごす内訳とは噛み合っていません。

このズレこそが本質です。数学オリンピックの問題を粉砕するモデルが、堅苦しいメールしか書けないことがあります。美しい文章を書くモデルが、引用をハルシネーションすることがあります。完璧なグラウンディングを持つモデルが、ちょっとしたトリアージでは遅いこともあります。問うべきは「どのモデルが最強か」ではなく、「自分のコンテキストにおいて、今日、この具体的なタスクで勝つのはどのモデルか」です。

この記事は汎用版のマトリックスです。学習目的に絞った比較はClaude vs ChatGPT for learningを、リサーチ手法はthe deep research tools comparisonを、ゆっくり考えるリーズニングモデルをいつ使うべきかはwhen to use reasoning modelsを参照してください。本稿はもっと俯瞰した話です。執筆、分析、リサーチ、コーディング隣接の業務、知識統合にまたがる20タスクを扱います。データはスペックシートからではなく、この四半期に同じプロンプトを各ツールに走らせ、それぞれが本領を発揮した瞬間を記録した結果から得ています。

リングに上がる4つのモデル（2026年の状況）

2026年4月時点のクイックプロファイルです。

ChatGPT（GPT-5 / Study Mode）。 OpenAIは2025年8月にGPT-5を統一デフォルトとして出荷しました。高速応答と深いリーズニングのルーターを組み合わせており、ほとんどのユーザーがもうモデルを選ばずに済むようになりました。強み：スピード、洗練、広いエコシステム（Custom GPT、画像、音声、Canvas）。弱み：文体が汎用的な「親切なアシスタント調」に流れがちで、抜け出すにはプロンプト工夫が必要です。

Claude（4.6 Sonnet / 4.7 Opus）。 Anthropicは2026年初頭にClaude 4.6 Sonnetを、その直後に4.7 Opusをリリースしました。強み：長文ドキュメントへの深い読み込み、文章のニュアンス、Extended Thinkingモード、サンプルを与えたときの文体マッチ。弱み：軽いタスクでは遅め、デフォルトのチャットではネイティブのウェブブラウジングがありません（ただしProjectsはドキュメントに対応）。

Perplexity（Sonar / Pro）。 2026年のPerplexityは自社のSonarモデルを基盤とし、GPT-5やClaudeへのオプションルーティングも備えます。強み：最新ウェブへのグラウンディング、インライン引用、高速スキャン。弱み：長文生成は継ぎはぎ感が出ます。モデルが流れではなくソーシング（出典提示）を最適化しているためです。

Gemini（2.5 Pro / Deep Research / Workspace）。 GoogleのGemini 2.5 Proは100万トークンのコンテキストウィンドウとWorkspaceとの緊密な統合を持ちます。強み：長いコンテキスト、DriveやGmailへの理解、構造化されたレポートを伴うDeep Research。弱み：短い執筆タスクでは文体が平板に読めることがあり、トーン調整にはClaudeより多くのプロンプト努力が必要です。

価格の現実。ChatGPT Plus、Claude Pro、Perplexity Pro、Google AI Proはいずれも2026年4月時点で月額20ドル前後です。4つすべてに無料プランはあるものの、上位モデルは制限されます。ほとんどのナレッジワーカーは4つすべての有料プランは必要ありませんが、多くは逆にリソース不足で、合わないモデルを使い続けて結果を悪化させ、2つ目のサブスクリプションを契約すべきだと認めようとしません。

マトリックスの読み方

方法論を簡単に。次節の各タスクは、同じソース素材と同じプロンプトを4つのモデルすべてに走らせ、5つの基準でスコア付けしました。正確性、文体マッチ、ハルシネーション率、所要時間、追加対応の負担（出力が使えるレベルになるまでに何ターン必要か）です。2モデルが引き分けたときは、ハルシネーション率を決定打にしました。検証時間こそが、あらゆるAIワークフローにおける見えにくいボトルネックだからです。

このマトリックスは2026年4月時点のものです。モデルのバージョンは速く動きます。今日「Claudeの勝ち」と書かれている行が、GPT-6が出たときや、Perplexityが差を埋める機能を追加したときに反転するかもしれません。フレームワークは行よりも長持ちします。判定は四半期ごとに見直します。

表の読み方についてもう1点。「Skip If」（避けるべきとき）の列が最も役立ちます。たとえ勝者であっても、その条件下では選ぶべきでないという指針が書いてあるからです。AI選びは「完璧なツールを見つけること」ではなく、「合わないものを素早く除外すること」がほとんどです。

20タスクのマトリックス

集計：ChatGPTが5勝、Claudeが8勝、Perplexityが3勝、Geminiが4勝。Claudeが過剰に勝っているのは、執筆と分析タスクがマトリックスに多いためです。あなたの1週間のタスク頻度で重み付けすると、リーダーボードはあなたが最も多く行う仕事の系統に傾きます。

タスク2、4、8、11では、自分のハイライトとノートが手元にあると出力が劇変します。Glaspのウェブハイライターは文体サンプルや出典の引用を一箇所にまとめておけるので、どのモデルでも引き出せる一貫したコンテキストレイヤーになります。

選択を間違えると数時間を失う3つのタスク

マトリックスの大半の行は寛容です。次点を選んでも10分損するくらいです。寛容でない行が3つあります。ここで間違えると数時間、ときには午後まるごと失います。

長文ソースの要約（タスク6）。 90ページのドキュメントを200Kコンテキストのモデルに渡すと、サイレントな打ち切りに当たります。モデルは「実際に見た部分」を要約するのであり、「あなたが送った全体」ではありません。要約は自信ありげに見えます。あなたはそれを納品します。2日後、誰かがモデルの視界に一度も入らなかったセクションについて尋ねます。Gemini 2.5 Proの100万トークンウィンドウは、50ページを超えるドキュメントに対する唯一誠実な選択肢です。次点のProjects付きClaudeは30〜50ページのソースなら受け入れ可能です。それ以下では差が縮まります。

オープンウェブ調査（タスク13）。 ここでの間違いは、最新データをブラウジング機能のないモデルに尋ねることです。ChatGPTもClaudeもブラウジングできますが、Perplexityはそれを前提に作られています。Vectara HHEM-2.1ハルシネーション・リーダーボードは一貫して、グラウンディング付きの検索が、グラウンディングなし生成と比べてハルシネーション率を一桁下げることを示しています。ブラウジングなしのモデルに「今週何があった？」と尋ねれば、5〜15%の確率で自信たっぷりのハルシネーションが返ってきます。雑談ならよいでしょう。クライアント向けメモなら破滅的です。

自分の文体のマッチ（タスク4）。 これがライターを最も強く噛みます。ChatGPTは汎用的なレジスターでは美しく書きます。3つのサンプルから自分の声に合わせるよう頼むと、サンプルを訓練分布に向かって平均化し、読みやすいけれどあなたではない何かを生成します。Claude 4.7 Opus、特にExtended Thinking有効時は、他のモデルが均してしまうリズムや語選びの癖を保持します。ここで間違えると、自分の名前で「自分の声に聞こえないもの」を発信してしまうコストが発生します。自分の文章では気づきにくいので、危険な失敗モードです。

このリストにない深いリーズニング系のタスク（多段証明、難しいロジックパズル、複雑なコードアーキテクチャ）については、when to use reasoning modelsで「遅いが正確」なプレイブックを参照してください。

各モデルの実力を引き出すプロンプトテンプレート

各モデルは異なる形のプロンプトに報いてくれます。以下は、出力品質を7から9へ確実に押し上げるテンプレートです。コンテキストの与え方の深堀りはcontext engineeringを参照してください。

ChatGPTは構造化された見出しを好む。 GPT-5は明示的なセクションマーカーに律儀に従います。これを使いましょう。

ROLE: ［モデルが誰であるか］
TASK: ［何を生成するか］
INPUT: ［ソースを貼り付け］
CONSTRAINTS:
- ［長さ］
- ［トーン］
- ［含めるべきもの］
- ［避けるべきもの］
OUTPUT FORMAT: ［正確な構造］

Claudeはペルソナ、評価基準、例に報いる。 Claudeは明確なペルソナと「良い出力とは何か」に細やかに注意を払います。

あなたは［ペルソナ］です。あなたは［読者］のために書いています。

私が望む文体の例を3つ挙げます：
［例1］
［例2］
［例3］

優れた回答の評価基準：
- ［基準1］
- ［基準2］
- ［基準3］

では、上記の文体と基準に従って［タスク］を書いてください。

Perplexityには日付制約付きの絞り込みクエリを。 Perplexityはチャットインターフェースをまとった検索エンジンです。そう扱いましょう。

探したい内容：［具体的な主張やデータポイント］
時間範囲：［過去30日 / 過去6か月 / 特定の年］
ソース優先度：［一次資料 / 学術 / ニュース / 公式］
除外：［スキップしたいドメインやコンテンツ種別］
形式：［引用付き箇条書き / 脚注付き段落］

Geminiには長いコンテキストと明確な指示を。 Geminiはたっぷりの素材と正確な指示を与えると最も力を発揮します。

［ここにソース文書を全文貼り付け。数十万トークンまで可］

指示：
1. 上記すべてのソースを読む。
2. ［特定の情報］を抽出する。
3. ［特定のチェック］でクロスリファレンスする。
4. ［正確な構造］で出力する。

頼まれない限り要約しないこと。出典を捏造しないこと。見つけられない場合はそう言うこと。

これらのテンプレートは出発点です。プロンプト品質の80/20は、適切なコンテキストを供給することにあります。残りの20%がテンプレートです。多くのユーザーは逆をやって、薄いコンテキストの上にプロンプトを過剰設計しています。

4つすべてを走らせるべきとき

間違いのコストが、複数ツールを走らせるコストを大きく上回ることがあります。パターンは、ハイステークス、追加クエリの限界費用が低い、そしてモデルが分かれたときに不一致のシグナルが明確なこと、です。

アンサンブルが報われるケース。

• 医療、法務、金融の意思決定で、ハルシネーションした数字が大事故につながるとき。
• 評判コストが時間コストを上回る、重要なクライアント納品物。
• 誤訳が結果を生む、機微な文書の翻訳。
• 公開前の自分のドラフトのファクトチェック。
• これから1,000ドル以上を支出する、または1週間以上の作業をコミットする意思決定。

アンサンブルパターンは単純です。同じプロンプトを3〜4モデルに通します。一致した部分は信頼度が高い。不一致の部分は、人間の判断が必要な「まさにその場所」を特定したことになります。不一致こそがシグナルです。3つのクエリを無駄遣いしたのではなく、見るべき場所のマップを買ったのです。

これは日常用途のパターンではありません。日々のルーティンワークでは、1つのモデルに絞った方が速くて安いです。アンサンブルは「ハイステークス時のみのツール」です。それに値する瞬間に温存しましょう。

このワークフローの小さな助けとして、ハイステークス意思決定の参考になるYouTube動画を要約するときは、YouTube Summaryが文字起こしに基づく要約を生成し、それを選んだモデルにクロスチェックさせることができます。グラウンディング済みの要約が「3人目の意見」になります。

自分専用のタスク×モデルマトリックスを作る

あなたのマトリックスはこの記事のものと同じになるべきではありません。理由はシンプルで、あなたのタスクの構成比は平均的な読者と同じではないからです。科学者のマトリックスはリサーチと統合に傾きます。創業者のマトリックスは執筆と意思決定支援に傾きます。マーケターのマトリックスは文体マッチと短文コピーに傾きます。他人のマトリックスを丸ごと借りても、せいぜい70%の精度です。

30日監査メソッド。

1. 集める、最適化しない。 30日間、AIにプロンプトを投げる前に1行だけ書きます：今やっているタスクは何か。ツールはまだ変えません。データだけ集めます。
2. タスクを束ねる。 30日目にグルーピングします。多くの人は5〜8種類のタスク型でAI利用の80%をカバーできることに気づきます。残りはロングテールです。
3. 1週間のベイクオフを走らせる。 上位5タスク型について、同じプロンプトを2〜3モデルに通します。本記事と同じ5基準でスコア付けします：正確性、文体、ハルシネーション、時間、追加対応の負担。
4. デフォルトを固定する。 タスクごとに勝者を1つ選びます。書き残します。再考をやめます。
5. 四半期ごとに再監査する。 モデルのバージョンは変わります。あなたの仕事も変わります。四半期で十分です。

このすべてのステップ0は、自分のコンテキストを所有することです。読書からのハイライト、インタビューの引用、自分の文体のサンプル、過去プロジェクトの意思決定とノート。これらはあらゆるモデルが最高の仕事をするための入力です。これらがなければ、どのモデルも訓練分布の平均にデフォルトします。これらがあれば、中堅モデルですらあなたの具体的な仕事ではフラッグシップに勝つことがしばしばです。Glaspは、ハイライトとノートをプレーンテキストでエクスポートしてどのチャットにも流し込めるので、このレイヤーをモデル横断で一貫して保つ1つの方法です。

マトリックスはツールであって判決ではありません。簡単な意思決定を高速化することで、難しい意思決定に判断力を費やせるようにします。

よくある質問

1つだけ課金して切り替えをやめてもいい？

ほとんどのナレッジワーカーには、いいえと答えます。正直な答えはあなたのタスク構成比次第です。仕事の80%が執筆ならClaude Pro単体でほぼカバーできます。仕事の80%がリサーチならPerplexity Proが単一最良のサブスクリプションです。仕事が混合なら、2つの有料サブスクリプションがほぼ常に1つに勝ちます。2つで月40ドルほど。毎週何時間も合わないモデルを使うコストは、その金額をはるかに超えます。

GPT-5 / Claude 4.7のレベルなら、もう違いは気にならない？

差は2025年に縮まりました。消えてはいません。表面的なタスク（短いメール、単純な要約）では、4モデルはますます交換可能になっています。タスク固有の強み（文体マッチ、長コンテキスト、最新リサーチ、構造化リーズニング）では、差は計測可能なまま残っています。上のマトリックスがそれを反映しています。汎用タスクならどのモデルでも。固有タスクなら意図的に選びましょう。

Mistral、Grok、DeepSeek、Llamaは？

2026年4月時点では、これらはより狭いレーンで競合しています。MistralとDeepSeekはコスト効率の良いAPI利用やセルフホスト展開で強い。GrokはX（旧Twitter）とのリアルタイム統合があります。Llamaはカスタム微調整向けのオープンソースで先行しています。本記事が対象とするコンシューマー向けタスク構成比では、現時点で上位4を上回るものはありませんが、アプリケーションを開発する開発者やAPIコストを最適化したいチームにとっては真剣に検討する価値があります。

このマトリックスはどのくらいの頻度で変わる？

ほとんどの読者には四半期が正しいケイデンスです。メジャーなモデルリリース（GPT-6、Claude 5、Gemini 3）はおおよそ30〜50%の行をリセットします。マイナーアップデートはいくつかの行を動かします。フレームワーク（5基準、タスク×モデル相性）は安定しています。判定は減衰します。重要な行はメジャーリリースのたびに再テストしましょう。

本当に4つのサブスクリプションが必要？

いいえ。Perplexity Proに加えて{ChatGPT Plus、Claude Pro}のどちらか1つで、ほとんどのナレッジワーカーのおよそ80%のケースをカバーします。仕事がGoogle Workspace上にある、または長文ドキュメントを定期的に扱うなら、Geminiを足します。4つ目を足すのは、本格的な比較作業をしている、または常にタスクごとに最良のツールを使うことが仕事に直結する場合だけです。それ以外の人には、2つの有料サブスクリプションと3つ目の無料プランが正解の構成です。

結論

「最適なAI」という問いは、答えが20通りある問いに1つの答えを求めるという点で間違ったフレームです。2026年4月時点で、ChatGPT、Claude、Perplexity、Geminiはそれぞれ独自の強みの領域を持っています。目の前のタスクに合うものを選ぶ力は、ベンチマークを追うことよりレバレッジが高いスキルです。

この記事のマトリックスは出発点であり、判決ではありません。簡単な選択をスキップするために使い、自分の仕事のうち最も重要なものについて自分用のバージョンを作ってください。四半期ごとに監査してください。そしてどのモデルの下にも一貫して横たわるレイヤーが、あなたが持ち込むコンテキストの質であることを忘れないでください。ハイライト、ノート、文体サンプル、過去の意思決定。ツールは差し替えられます。コンテキストは複利で積み上がります。

意図して選びましょう。あなたの時間こそが、本当に重要な予算です。