デジタルマーケティングのコンサルタントとして、 生成AIツールは実際に課金し、実務で使い倒してから 評価することにしている。Gensparkもそのうちの一つだった。
試しに触れてみて、久しぶりにワクワクした。 その感覚のまま、早々に年間サブスクを決断した。
それでも解約した。
プロダクト批判ではない。Gensparkには独特の「設計の癖」があり、 それを知らないまま有料プランに入ると、 静かにお金が消えていく。 その癖を、課金前に知っておいてほしい。
それでも解約した──5つの「癖」
具体的な話から入る。使いやすいことは、諸刃だ。「簡単に始められる」ということは、「何も考えずに始められる」ということでもある。以下に挙げる癖は、いずれもその「使いやすさ」と表裏一体で生まれている。
① クレジット消費の「推定」は信用できるか
Genspark Plusは月10,000クレジット。AIチャットと画像生成は2026年12月末まで無制限で使える。その点はフェアに評価したい。
では何にクレジットが使われるのか。スライド生成、Deep Research、動画生成、そしてワークフロー処理だ。これらが消費する。
問題は、「いくら消費するか」の予測精度だ。
子どもの英語学習を支援するWebアプリをバイブコーディングで作っていたときのことを話す。
クレジットを効率的に使うために、機能や動作・UIを具体的に指示した上で、消費クレジットをあらかじめ予測させるというアプローチを取った。推定が高ければ、機能を削るか、より軽い処理に切り替える。そういう設計で進めようとしていた。
ある機能の開発で、Gensparkが提示した推定消費クレジットは「20〜30」だった。
実際に処理が走った結果：1,000クレジットを大幅に上回った。
これが1回なら誤差として許容できる。しかし、アプリ制作の過程で方法を変えながら何度試しても、同様の「予測と実績の乖離」が繰り返された。
推定値を信じてクレジット計画を立てることができない。言い換えれば、ユーザーが能動的にコストをコントロールしようとする手段が、機能として存在しているにもかかわらず実質的に機能していないということだ。
② ワークフロー機能の死角──「簡単に組める」ことの危うさ
GmailとのワークフローをGensparkで組んだ。やりたかったことはシンプルだった。
毎日積み上がるスパムメールの自動処理と、宛先・タイトルから読みたいテーマのメールだけをフィルタリングする。それだけだ。このワークフローは毎日500〜600クレジットを、音もなく消費し続けた。
Gmail側での体感の変化は、正直そこまで大きくなかった。気づいたのは月の中盤に「クレジット残量が異常に少ない」という事実を確認したときだ。
自分の落ち度もある。ワークフローを組んだまま、検証を途中で止めて放置していた。それは認める。
ただ、問題の本質はここだ。Gensparkのワークフロー機能は、組むのが恐ろしいほど簡単だ。UIが整理されていて、トリガーとアクションを設定するだけで自動化が動き出す。初心者でもすぐに「組めた感」が得られる。その設計は純粋に称えていい。
しかし「簡単に組める」ことと、「バックグラウンドで毎日クレジットを食い続けるモンスターを生み出してしまうリスク」が、切り離されていない。
起動前に「このワークフローは1日あたり推定◯◯クレジット消費します」という警告は、少なくとも自分が使っていた段階では実用的な形で機能していなかった。稼働後にクレジットが音もなく減り続けていることを事前に察知する仕組みが不十分だ。
- 事前に推定させても、実際の消費とかけ離れることがある（予測の信頼性の問題）
- ワークフローを動かし続けると、気づかずに大量消費が続く（事後の可視化の問題）
どちらも根っこは同じだ。クレジット消費のコントロール権が、実質的にユーザーの手にない。
「ちょっとやってみよう」という感覚でワークフローに手を出すと、月の半分を過ぎたところで途方に暮れる。初心者への警告として、これだけは言っておきたい。
ワークフロー機能を使う前に確認すること
- ワークフローの稼働中は、クレジット残量をダッシュボードで毎日確認する習慣をつける
- 試験運用は「1〜2日で止める」前提で組む
- 月10,000クレジットのうち、ワークフローに割り当てる上限をあらかじめ決めておく
③出力品質に感じる「一枚越し」の感覚
これは体感の話なので数値化はできない。ただ、ChatGPTやClaudeを直接使うのと比べて、 Gensparkを経由したときの出力にやや「薄さ」を感じる場面があった。
誤解のないよう補足しておくと、Gensparkはモデルをユーザー側で直接指定できる。ChatGPT、Claude、Geminiをチャット画面で切り替えて使う設計になっており、「どのモデルが動いているかわからない」という話ではない。
問題はそこではなく、「ラッパー構造」にある。Gensparkは各モデルへのリクエストに、Super Agentとしての動作に必要なシステムプロンプトや処理の指示を上乗せしてからAPIを叩く構造になっている。レビューサイトやユーザー報告でも「プロンプトが具体的でないと文体が単調になる」「直接使うより指示の通りが甘い」という声が複数見られる。研究レベルでも、LLMはシステムプロンプトの肥大化によって本来の推論精度が下がることが確認されており、「ラッパー越しに叩くと、同じモデルでも直接触るより出力がブレやすい」という構造的な理由がある。
もちろんこれはGensparkだけの問題ではなく、AIプラットフォームというカテゴリが持つ根本的なトレードオフだ。「何でも一か所で」という便利さと、「直接触ったときの精度」は、現時点ではどうしても並立しない面がある。
④ アグリゲーター価値の相対的な低下
Gensparkが登場した当初、「1か所でChatGPT・Claude・Geminiが使える」という価値は稀少だった。
2026年現在、その稀少性は薄れてきた。ChatGPTはエージェント機能を強化し、ClaudeはProjectsとTools連携が進み、GeminiはGoogle Workspaceとの統合を深めた。それぞれが「自前でできること」を急速に拡張している。
GensparkがSuper AgentやClawとして「アグリゲーターを超えた価値」を目指しているのはわかっている。ただ、Plusプランの費用対効果という観点で問われると、「Gensparkを通じて複数AIを使う理由」が以前ほど明確ではなくなってきた。これは環境変化であり、Gensparkの責任ではない。
④ サポート体制の課題
不透明なクレジット消費について問い合わせをしたが、1週間待ったものの回答は（自動レスポンスの回答も含め）一通もなかった。
急成長中のスタートアップとして、ある程度仕方のないことだと理解している。ただ、初心者にとってクレジット消費の不明点は「使い続けるかどうか」を判断するために重要な情報だ。回答が遅れることの実害は、想像より大きい。
Gensparkを使うべき人・やめるべき人
ここで一つ、根本的な矛盾を指摘しておきたい。
Gensparkの設計思想は「初心者に優しい」ことを標榜している。Help Centerで使い方を説明するのではなく体験させる設計、「どのAIを 使えばいいかわからない」という問いを消す設計、複雑な操作を 必要としないUI──これらはすべて、生成AI初心者の参入障壁を 下げることを意識して作られている。
しかし実態はどうか。
クレジット消費の予測が効かない構造、ワークフローが バックグラウンドで静かに大量消費し続けるリスク、 問い合わせへの対応が遅いサポート体制── これらの癖を許容できるのは、 「AIツールにはこういうことが起きうる」という 経験値を持ったユーザーだけだ。 初心者が「ちょっと試してみよう」という感覚で Plusプランに課金すると、 月の半ばに大したこともしていないのにクレジットが無くなり、どうにもこうにも動けなくなる可能性が十分にある。
つまりGensparkは、初心者向けに設計されながら、 実態として使いこなすには中級者程度のリテラシーが必要なプロダクトになっている。 設計思想と実態の間に、まだ埋まっていないギャップがある。 これはGensparkが悪いプロダクトだということではなく、 急成長中のスタートアップが必然的に抱える 「プロダクトの成熟度と、マーケティングが生む期待値の乖離」だ。
では誰が使うべきか。ChatGPTやClaudeをすでに一定程度 使いこなしており、リサーチから資料作成まで一気通貫で 仕上げたい場面が多い人。ワークフローを組む際に 「設計してから動かす」癖があり、稼働後も使用状況を 確認できる人。複数AIへの課金を一本化したいと考えている人。 そういったユーザーにとっては、今でも十分に価値のある プラットフォームだと思っている。
逆に、生成AIを本格的に使い始めたばかりの人、 ChatGPTかClaudeのどちらかに課金していてそれで 事足りている人、「とりあえず試してみよう」という 感覚でワークフロー機能に手を出そうとしている人には、 今の段階では見送りを勧める。 Gensparkが成熟して、クレジット消費の透明性と サポート体制が改善されたタイミングで改めて検討すれば十分だ。
Eric Jingという男と、Gensparkが生まれた理由
ここまで癖と限界を書いてきた。ただ冒頭に言った通り、これはプロダクト批判ではない。Gensparkがなぜこの設計になったのか、そしてなぜ自分が「ワクワクした」と感じたのかを、プロダクトの背景から整理しておきたい。
Gensparkを語るとき、CEOのEric Jingを外すことはできない。
元Microsoft Bingアジア統括、元Baidu VP、そして対話AIの先駆け「Xiaoice（シャオアイス）」の生みの親として「Father of Xiaoice」と呼ばれるこの人物は、2023年末にMainFunc社を共同創業し、Gensparkを立ち上げた。
2024年、Gensparkは月間500万ユーザーを抱えるAI検索エンジンとして一定の地位を築いていた。
そのとき、Jingはある意思決定をする。
その資産を、捨てた。
ユーザーデータから見えてきた事実がある。「人は答えが欲しいのではなく、結果が欲しい。ビジネスプランの書き方を知りたいのではなく、ビジネスプランを手に入れたいのだ」というインサイトだ。Jingはそこにピボットを決断し、2025年初頭、スーパーエージェント型プラットフォームとして全面刷新する。
結果はこうだ。
| 時期 | 内容 |
| 2024年6月 | シードラウンド $60M（評価額 $260M） |
| 2025年2月 | Series A $100M（評価額 $530M） |
| 2025年11月 | Series B $275M（ユニコーン、評価額 $12.5億ドル） |
| 2026年1月 | ARR $1億ドル突破（サービス開始から9ヶ月で） |
| 2026年4月 | ARR $2.5億ドル、AI Workspace 4.0 リリース |
しかも、Workspace 3.0から4.0へのアップデートにかかった時間はわずか3週間だ。チームの規模は30人強。このリリース速度と資本効率は、生成AIスタートアップの中でも突出している。「最速で実装する組織」という評価は、数字を見れば誇張ではない。
「痒いところに手が届く」プロダクトの設計思想
Gensparkが生成AI初心者に支持される理由は明快だ。
「何のAIを使えばいいかわからない」という問いそのものを消す設計になっている。
ChatGPT、Claude、Gemini、DALL-E、画像生成、動画生成、スライド作成──これらを個別に使い分けるには、それぞれのUIを覚え、課金し、往き来しなければならない。Gensparkはそのコストを丸ごと引き受ける。70以上のAIモデルをオーケストレーションし、ユーザーは「スライドを作って」と言えばいい。どのモデルが使われるかは、Gensparkが判断する。
さらに象徴的なのはHelp Centerの設計だ。通常のAIツールは「使い方を説明する」ドキュメントを用意する。Gensparkは違う。各Helpに例文を置き、クリックするとそのままGensparkが起動して実行できる。説明を読ませるのではなく、体験させる。この設計哲学は、AIに慣れていない人間への想像力を感じる。
日本市場への本気度も高い。ARRのトップ3市場に日本が入っており、ソースネクストとの提携で日本円決済・日本語サポートを整備した。Jing本人の発言にも「日本のユーザーはエンゲージメントが高い」という言及がある。
生成AIへの課金を「設計する」という考え方
最後に、Gensparkに限らない話をする。
生成AIへの課金を「話題性」や「なんとなくの期待感」で 決めている人は、一度立ち止まったほうがいい。 「あのAIが凄いらしい」「全部使えるなら元が取れそう」 という判断軸では、どのツールを使っても成果には結びつかない。
この手のプロダクトを使う上でまず整理すべきは、自分のどのタスクの時間コストを下げたいか、もしくはどのタスクのクオリティをどのレベルで高めたいかだ。
AIの価値は、効率化だけに宿るわけではない。 むしろ、かけた時間は同じでも出てくるものがまったく違うという体験── たとえば、自分一人では辿り着けなかった視点を 引き出してくれるとか、 粗削りなアイデアを整理して人に伝わる形に 仕上げてくれるとか── そういったクオリティの引き上げにこそ、 生成AIの本質的な価値があると自分は考えている。
この二つの問いに、具体的に答えられる人であれば、 Gensparkであれ何であれ、使いこなせる。 かけたコスト以上のリターンを、ちゃんと回収できる。
問題は、この問いに答えられないまま課金してしまうケースだ。 「とりあえず使ってみれば何か変わるだろう」という状態で Gensparkに入ると、どうなるか。 機能が多いぶん触れる場所が増え、 クレジットはあちこちで消え、 ワークフローが裏で動き続け、 月末に残るのは「なんとなく使った感」だけになる。
Gensparkは「ちょっと面白い万能ツール」に見える。 実際、触れば触るほど発見はある。 しかしそれは同時に、 目的を持たないユーザーの時間とお金を静かに、確実に食い潰していくツールでもある。
万能であることと、誰にでも効くことは、違う。
結局、なぜやめたのか
クレジットが不透明だったこと、ワークフローが 静かに暴走したこと、サポートの対応が遅かったこと。 これらはすべて事実で、やめた直接的な理由だ。 ただ、それらをひとつの言葉で括るなら、こうなる。
Gensparkが提供する価値の重心と、 自分が求める価値の重心が、今はずれている。
Gensparkの強みはリサーチから成果物まで 一気通貫で完結させることにある。 そのためのオーケストレーションであり、 ワークフローであり、スライド生成だ。 しかし自分の実務における生成AIの使い方は、 高度な思考の壁打ち、文章の精度を上げる反復、 コンテキストを保ちながら深く掘り下げる対話── こういった用途が中心だ。 それはGensparkよりも、 ClaudeやChatGPTを直接操作する方がいまや圧倒的に精度が高い。
つまりやめた判断は、Gensparkへの失望ではなく、 自分の用途との照合結果だ。
この照合を、課金の前にできるかどうか。 それがこの種のプロダクトを使いこなせるかどうかの 分水嶺だと思っている。繰り返しになるが、整理すべき問いはシンプルだ。 自分が削りたい「時間」、 そして引き上げたい「アウトプットのクオリティ」。 そしてその目的に対して、このプロダクトの強みは 本当に噛み合っているのか。
この問いに答えを出してから使い始めた人と、 「なんとなく凄そう」で課金した人とでは、 同じプロダクトを使っていても結果が全く変わる。 前者はコスト以上の成果を回収できる。 後者は機能の多さに翻弄され、 時間とクレジットを静かに食い潰して終わる。
Gensparkを検討しているなら、 まず無料プランで2〜3週間使い込んでほしい。 そこで「足りない」と感じた機能が、 自分の実務における本当の課題を教えてくれる。 その課題が言語化できたとき、 Plusプランへの投資判断も初めて意味を持つ。 いいプロダクトは、使う側の問いに答えてくれる。 ただし、問いを持っていない人には、 何も答えてくれない。
