Grok活用事例ダイジェスト

2026-09-19・仕様2 / 新機能2 / 実践2　※英語は日本語訳つき。週末号は公式STT新モデル（Transcribe 2.0）とGrok Botの音声ロールアウト、プライベート網接続の公式契約を中心に拾っています。

仕様解説

docs.x.ai — Connect to private networks（Team Setup／Tailscale／Cloudflare Tunnel）en仕様

引用

Grok Bot computers run in Cursor's cloud and reach the internet through shared static egress IP addresses. If the systems your Bots need, such as internal APIs, source control, databases, or staging environments, live on a private network, route traffic through a member's desktop or install your organization's networking client on every team computer through Team Setup. Tailscale and Cloudflare Tunnel are common client choices… Team Setup is Enterprise only… This is a pattern you run, not a Cursor-managed network mode… Do not include secrets. Setup scripts run as the computer user on every team computer… Authenticate computers interactively in the computer's browser…

日本語訳

Grok BotのコンピュータはCursorのクラウド上で動き、共有の静的egress IP経由でインターネットに出ます。社内API・ソース管理・DB・ステージングなどプライベート網のシステムへは、(1)メンバーのデスクトップ経由でegressを回す、または (2)Team Setupで全チームコンピュータへ組織のネットワーククライアントを入れる、の二択です。TailscaleとCloudflare Tunnelが代表例です。Team SetupはEnterprise専用で、Cursorが運用するネットワークモードではなく、導入・認証・ACLは組織側の責任です。Setupスクリプトに秘密を埋め込まず、コンピュータ上のブラウザで対話認証します。

9/14号のコネクタ紹介や9/18号のApprovals境界のあとに続く、「社内網にどう届けるか」の公式契約です。Network Controls（許可リスト）とは別レイヤで、プライベート到達があってもallowlistは別途必要、と明記されています。Cloud Agents用のTailscale手順とも別物で、Grok Bot側はTeam Setup経由です。

考察

宮崎の中小単体より、グループ会社のステージングや情シス伴走で効きます。「共有egressを社内FWに開けば足りる」ケースと、「閉じたVPCにだけ入れたい」ケースを分け、後者はパイロット1〜2台で認証と到達確認をしてから全機へ、が公式推奨どおり安全です。

Connect to private networks

docs.x.ai — Speech to Text（model選択とSmart Turn）en仕様

引用

Pass model on the REST form or as a WebSocket query parameter. … grok-voice-transcribe-2.0 — Our best transcription model. grok-voice-transcribe-1.0 — Original model. Default when model is omitted. … Smart Turn uses a lightweight ML model to predict whether the speaker has finished their thought during silence pauses, reducing false endpointing on mid-sentence pauses (e.g. while dictating numbers or thinking between clauses). … Without Smart Turn, a brief pause while dictating a phone number or thinking between clauses triggers speech_final.

日本語訳

RESTのmultipartまたはWebSocketのクエリでmodelを指定します。grok-voice-transcribe-2.0が現行の最良モデルで、1.0は省略時の既定です。Smart Turnは無音境界で「発話が終わったか」を予測し、電話番号の読み上げや文節の間などでの誤った発話終了判定を減らします。Smart Turn無しだと短い間でspeech_finalが発火し得ます。

後述のTranscribe 2.0ニュースとセットで読む運用契約です。リリースノートとdocsは「省略時は1.0」、ニュースは「近日デフォルト化・1.0は数週間で非推奨予定」と書いています。本番は明示ピン留めが安全です。日本語（ja）を含む対応言語表もあり、format=true時の整形に使います。

考察

コールセンターや議事録のPoCでは、まず失敗しやすい録音セットで1.0と2.0をA/Bし、固有名詞・住所・数字の訂正コストを見るのが実務的です。音声エージェントではSmart Turnの閾値（例: 0.7）とsmart_turn_timeoutをセットで決めます。

Speech to Text ／ Release Notes

新規機能解説

x.ai/news — Introducing Grok Voice Transcribe 2.0en新機能

引用

Today we're releasing Grok Voice Transcribe 2.0, our latest speech-to-text model. Across our real-world evaluations, Grok Voice Transcribe 2.0 is one of the most accurate transcription models available today and twice as accurate as Grok Voice Transcribe 1.0, at the same price. … On the public Artificial Analysis leaderboard, Grok Voice Transcribe 2.0 ranks first for accuracy among 32 streaming models. … Multilingual accuracy is its largest improvement over Grok Voice Transcribe 1.0. … Batch transcription remains $0.10 per hour of audio and streaming $0.20 per hour, with diarization, timestamps, and key terms included. … Grok Voice Transcribe 2.0 will soon be the default in the Speech-to-Text API, and Grok Voice Transcribe 1.0 will be deprecated in the coming weeks. To stay on it during the transition, pin grok-voice-transcribe-1.0.

日本語訳

本日、最新の音声テキスト化モデル Grok Voice Transcribe 2.0 を公開します。実世界評価では現状の最上位級の精度で、1.0の約2倍の精度を同一価格で提供すると述べています。公開のArtificial Analysisリーダーボードでは、ストリーミング32モデル中で精度1位と主張しています。多言語精度が1.0比で最大の改善です。価格はバッチ$0.10/時・ストリーミング$0.20/時で、話者分離・タイムスタンプ・キーターム込み。近日デフォルト化し、1.0は数週間で非推奨予定。移行中はgrok-voice-transcribe-1.0をピン留めします。

公式ニュース日付は2026-09-18です。昨日号のGalaxy／Memory中心では拾っていないため本号で扱います。Atlassian Loomの事例として、「Loomで録画→文字起こし→Cursorでコード反映」のループが紹介されています。第三者（DataNorth）は「省略時はまだ1.0」「ベンダー間の同条件ベンチは未公開」と調達視点を補っています。精度数値は公式主張として扱い、自社音声での検証が必要です。

考察

中小の伴走では、まず会議録音や問い合わせ通話のサンプルで固有名詞（社名・商品名・地名）の誤り率を見るのが近道です。価格据え置きなので「試してから切替」の説明がしやすいです。Botの音声UI（次カード）とは別製品線（APIのSTT）なので、混同しないよう顧客説明では分けます。

公式発表／ DataNorth要約

@bot — Grok Bot can talk now（デスクトップ／モバイルへ音声ロールアウト）en新機能

引用

Grok Bot can talk now. — @bot（2026-09-17）

日本語訳

Grok Botが話せるようになりました。 — @bot

続報（二次ソース）

Voice is rolling out on desktop and mobile over the next couple of days. Download Grok Bot: … — @bot（TeslaNorth / RuntimeWireが引用）

音声はこれから数日でデスクトップとモバイルに順次展開します。Grok Botをダウンロードしてください。 — @bot（二次報道による引用）

X投稿（公式embed）

Grok Bot can talk now.
— Grok Bot (@bot) September 17, 2026

スクショ（動画サムネ代替）

公式の詳細機能シート（対応言語・価格・既存ワークフローとの対応範囲）は投稿時点では薄く、二次報道も「デモ＋数日の段階ロールアウト＋ダウンロードリンク」が確認できる一次情報だと整理しています。デモは通話風UIで、ボード資料レビューの日程調整に承認を求める場面が示された、とRuntimeWireが伝えています。

考察

移動中の「下書きまで任せて、送信は後で承認」に向きます。音声で依頼しても、送信・購入・削除・本番変更はAsk firstのままにする、という9/18号のApprovals設計と組み合わせると事故が減ります。ロールアウトは段階的なので、端末に出ない場合は公式アカウントの告知を優先します。

@bot 投稿／ TeslaNorth ／ RuntimeWire

実践事例

Zenn — Grok botが僕らのチームを侵食してる（Slackイベント駆動／Human-on-the-loop）ja実践

引用

対話駆動型→Slackイベント駆動で動けるAIが出てきた。… うちのボットは、必要なときに必要な対応を拾います。… MUST（直すべき）／IMO／NITS／Q で分類し、MUSTがあったら、それに対するFIXのPRを作ってくる。… 僕がやる事は、設計とリリース。始まりと終わりの責任を持つ事。… PCを閉じてもボットは起きている。… Human-in-the-loopが残っていたAI駆動開発が、Human-on-the-loopに様相を変えてきます。… ベースの基盤開発環境があったからこその実力。… 先に考えるべき構築すべきは基礎の仕組みです。

2026-09-11公開（note再掲のZenn版）です。医療ドメインの少人数チームが、約1週間でSlackメンション起点の受付→レビューBot→FIX PRまで回した体験談です。9/18号のZenn「チーム設計テンプレ」とは別著者・別切り口で、GitHub Insightsの稼働感やCS／PDMへの展開も具体的です。成功条件としてSDD／TDD／ナレッジ集約を先に置いた点を何度も強調しています。

考察

伴走では「Botを入れる前に、ルールとレビュー観点を1か所に寄せる」説明に使えます。最終マージとリリース責任は人が持つ、という線引きは、承認境界の顧客説明と相性が良いです。ドメインが規制寄りの場合は、MUST自動FIXの対象範囲を最初に狭く切るのが現実的です。

Zenn記事

Qiita — Grok BotサンドボックスへTailscale SSH（観測経路を先に通す）ja実践

引用

調べているのは機械、実行するのも機械。運んでいるのだけが人間、という構図でした。… 生ログが無い状態では、AIは推論しか出せない。… 真因は… 表示フィルタが、単独CRの後ろへ無条件にESC[Kを挿していたこと。… Tailscaleでtailnetには載っていました。tailscale pingは通ります。それなのに22番は接続タイムアウト。… AIが持つマシンの中は、こちらから観測できない。… 観測経路を最初に1本通しておくのが、いちばん効きます。

2026-09-01公開の長文です。Grok Bot付属クラウドPC内でしか再現しない表示バグを、人手のコピペ往復（伝書鳩）で調査したあと、Tailscale SSHとACL／SSHポリシーを通して手元から直接観測できるようにした記録です。冒頭の仕様カード（private-networks）の現場版として読めます。EnterpriseのTeam Setupとは別に、個人tailnetでも「観測口」を先に作る教訓が強いです。

考察

Botの箱は便利な一方、中が見えないと誤った原因説明が記事や報告書に残り得ます。中小でも「週次で箱の中を覗ける経路（VPN／共有セッション／ログ収集）」を最初のSkillに書いておくと、伴走の手戻りが減ります。秘密をスクリプトに埋めない、という公式注意とも一致します。

Qiita記事

収集: 2026-09-19 JST。英語ソースは翻訳付き。精度ベンチやBot音声の詳細仕様は公式主張／二次報道の範囲で記載し、自社検証を前提にしています。Xはstatus URL確定済みのため公式embedを使用（widgets.jsはページ末尾で1回）。