【実録】AIエージェント「Manus」の実力は？ナンプレを5分で解く驚異の性能を徹底レビュー
最終更新日：
2025.6.11
監修者情報
岡田 徹
NOVEL株式会社 代表取締役
大阪大学在学中よりエンジニアとして活動し、複数のプロダクト立ち上げを経験。
2019年2月にNOVEL株式会社を設立。
2022年より生成AI領域に特化し、
AIライティングSaaS『SAKUBUN』（累計70万回利用・2万アカウント）を企画・開発。大手メディアや人材企業・出版企業への導入実績を持つ。
現在は中堅企業向けAIコンサルティングに注力し、製造業・小売業・金融機関など業種を問わず、生成AIの導入から定着までを一気通貫で支援している。
著書: 『2冊目に学ぶ ChatGPTプロンプト攻略術』（C&R研究所、2024年）
この記事に関連するお役立ち資料
AIを活用した業務自動化 事例BOOK
無料ダウンロード
はじめに
次々と新しいサービスが登場する生成AIの世界。その中でも、自律的にタスクを実行する「AIエージェント」は、私たちの働き方を根底から変える可能性を秘めています。今回は、世界初の汎用AIエージェントとして注目を集める「Manus（マヌス）」について、弊社代表の岡田が実際に使用した感想を、エンジニアの秋月との対談形式で深掘りしていきます。
プログラミングや分析タスクにおけるManusの実力、得意なこと、そして現時点での限界とは？具体的な使用例を交えながら、そのポテンシャルを徹底的にレビューします。
世界初の汎用AIエージェント「Manus」とは？
岡田：今日話したいテーマがAIエージェントの「Manus」です。このツールの使い道が、ようやく具体的にわかってきました。
Manusは、Butterfly Effectという会社が開発した「世界初の汎用AIエージェント」と謳われています。その最大の特徴は、ユーザーの指示に基づき、クラウド上にサンドボックス環境（Ubuntu）を構築し、その中で自律的にタスクを実行してくれる点にあります。
秋月：なるほど。単にテキストを生成するLLMとは違い、実際にコンピュータを操作して作業を進めてくれるわけですね。
岡田：その通りです。他のAIエージェント、例えばChatGPT o3（*注1）などと比較したとき、Manusの際立った特徴として挙げられるのが、実行するタスクを「TODOリスト」として最初に明示してくれることです。
これから何をどのような手順で行うのかをユーザーが事前に把握できるため、プロセスの透明性が非常に高い。タスクが完了するごとにチェックマークがついていくので、進捗管理も容易です。
事例①：ナンプレを5分で解答。ChatGPT o3を圧倒する速度と精度
岡田：Manusの実力を測るために、いくつかタスクを依頼してみました。その一つが「ナンプレを解かせる」というものです。これが驚くべき結果でして。
以前、同じ問題をo3に解かせた際は約20分かかったのですが、Manusはわずか5分ほどで正確に解き明かしました。
秋月：20分が5分に！それは驚異的な速さですね。なぜそこまで差が出たのでしょうか？
岡田：おそらく、Manusのタスク処理能力、特にPythonコードをスムーズに実行できる環境が大きく影響していると見ています。
Manusはまず、ナンプレの問題を解析し、それを解くためのPythonコードを自動で生成しました。さらに、その解答が正しいかどうかを検証するためのコードまで自動で書き上げ、実行してくれました。この一連の流れが非常にスムーズで、一切の無駄がありませんでした。
秋月：なるほど。単に答えを出すだけでなく、その答えを検証するプロセスまで自動化してくれるのは信頼性が高いですね。
岡田：はい。特にデータの正規化のような、構造化された問題に対しては絶大な強さを発揮する印象です。タスクを細かく分解し、一つひとつ着実に実行していく。その動きは、まるで熟練のプログラマーを見ているかのようです。
Manusの強み：なぜプログラム関連のタスクに強いのか？
秋月：話を聞いていると、Manusは特にプログラムで解決できるような、論理的なタスクに強い印象を受けますね。
岡田：まさしくその通りです。分析系のタスクに関しても、o3より強いと感じる場面が多々ありました。その理由の一つとして考えられるのが、先ほども触れた「Ubuntuが起動する自由度の高い実行環境」の存在です。
秋月：サンドボックス環境で、Pandas（*注2）のようなライブラリを自由にインストールしたり、Linuxコマンドでディレクトリを移動したり、ファイルを作成したりと、人間がコンピュータを操作するのに近い動きができますからね。
岡田：そうなんです。実際の動作ログを見ると、cdコマンドでディレクトリを移動したり、touchコマンドでファイルを作成したりと、本当に人間のように環境を使いこなしています。この柔軟な実行環境を最大限に活用する能力が、Manusの強さの源泉なのでしょう。裏側のLLMモデルはおそらくOpenAIのものだとは思いますが、その動かし方が非常に巧みです。
秋月：タスクの実行プロセスを後から詳細に振り返れるのも、教育的価値があって素晴らしいですね。どういう手順で問題を解決したのかが可視化されるのは、他にない大きなメリットです。
事例②：大規模開発の限界と、光るポテンシャル
岡田：一方で、Manusにも限界はあります。試しに「Dify（*注3）のようなLLMプラットフォームを開発してください」という、かなり大規模なタスクを依頼してみました。
秋月：それはかなり無茶な要求ですね（笑）。結果はどうでしたか？
岡田：結論から言うと、さすがにアプリケーションを完全に完成させることはできませんでした。
しかし、その過程は非常に興味深かったです。まず、タスク分解の精度が驚くほど高く、どのような機能が必要かをWebで検索し、競合サービスをクロールして情報を収集し、クリック操作まで行うなど、ブラウザの自動操作までやってのけました。
岡田：最終的に、API仕様書や丁寧なユーザーマニュアルまで生成してくれたのですが、肝心の本体は完成しませんでした。おそらく、これほど大規模なタスクになると、コンテキストウィンドウの制約に引っかかってしまうのでしょう。
秋月：なるほど。ただ、タスクの計画能力や情報収集能力は非常に高いと。小規模な、いわゆる「使い捨ての便利アプリ」のようなものを作るのには、非常に向いているかもしれませんね。
気になるコストは？無料で使えるクレジット制度
岡田：Manusはクレジット制を採用していて、毎日ログインすると300クレジットがもらえる「ログインボーナス」のような仕組みがあります。そのため、私はこれまでずっと無料で利用できています。
秋月：無料で試せるのはありがたいですね。クレジットはどのような時に消費されるのですか？
岡田：最もクレジットを消費したのは、Webスクレイピングでリストを作成させた時です。これは単純にコンピュータの起動時間が長くなったためだと思われます。一方で、先ほどのナンプレや簡単なデータ整形であれば、1タスクあたり70〜150クレジット程度で収まりました。
まとめ：Manusは「分析・コーディングタスク」の強力な相棒
岡田：今回Manusを実際に使ってみて、特にコーディングや分析といった、プログラムで解決できるタスクにおいて非常に高いポテンシャルを秘めていると感じました。
秋月：タスクを自動で分解し、TODOリストで進捗を可視化しながら、サンドボックス環境で縦横無尽にコマンドを実行していく。その動きは、まさに自律的に働くエンジニアのようです。
岡田：大規模な開発はまだ難しいものの、日常的なデータ分析や、ちょっとしたツール開発、アルゴリズムの検証といった場面では、人間のエンジニアを強力にサポートしてくれる存在になるでしょう。「使い捨てのアプリ」を瞬時に作れる、という感覚は新しい体験でした。
今後、AIエージェントがさらに進化していく中で、Manusが見せたような「自律的なタスク実行能力」が一つのスタンダードになっていくのかもしれません。
その業務課題、AIで解決できるかもしれません
「AIエージェントで定型業務を効率化したい」
「社内に眠る膨大なデータをビジネスに活かしたい」
このような課題をお持ちではありませんか？
私たちは、お客様一人ひとりの状況を丁寧にヒアリングし、本記事でご紹介したような最新のAI技術を活用して、ビジネスを加速させるための最適なご提案をいたします。
AI戦略の策定から、具体的なシステム開発・導入、運用サポートまで、一気通貫でお任せください。
「何から始めれば良いかわからない」という段階でも全く問題ありません。 まずは貴社の状況を、お気軽にお聞かせください。
（*注釈）ツール・用語解説
注1：o3 ChatGPT o3モデルのこと。
注2：Pandas データ分析を容易にするための機能を提供するPythonのライブラリ。データフレームという独自のデータ構造を用いて、数値や時系列データの操作・分析を効率的に行うことができる。
注3：Dify LangGenius社が運営するLLM開発プラットフォーム https://dify.ai/jp
この記事に関連するお役立ち資料を無料ダウンロード
AIを活用した業務自動化 事例BOOK
AI技術を活用した社内業務効率化の基本から、実際の導入ステップまでをわかりやすく解説しています。
下記フォームにご記入下さい。（30秒）
テックユニットは、下記のような方におすすめできるサービスです。
お気軽にご相談ください。
・開発リソースの確保に困っている方
・企業の新規事業ご担当者様
・保守運用を移管したい方
・開発の引き継ぎを依頼したい方
おすすめの記事
関連する記事はこちら
Excel・Accessがもう限界？移行を判断する10のサインと、中小企業の現実的な進め方
ある日突然、業務が止まる前に「受注管理のExcelを2人で同時に開いたら壊れた。バックアップがなく、1週間分のデータが消えた。」「Accessのデータベース、作った担当者が退職してから誰も触れていない。クラッシュしたら終わり。」「月末の集計のたびに、営業・経理・現場の3つのExcelを手作業で突合している。毎月8時間かかっている。」こうした話は、ExcelやAccessを長年使ってきた中小企業の現
使うのは全体の3割だけ──ChatGPTが社内に定着しない「2つの壁」
大企業でも全社導入後に使っているのは2〜3割にとどまる背景と、社内に定着しない「2つの壁」、そして企業によって定着しやすさに差が出る理由を解説します。この記事で分かること・ChatGPTは3000人規模の大企業でも、全社導入後に使っているのは2～3割にとどまる・使われない理由は「汎用性が高すぎて何したらいいかわからない」と「社内データを全部言語化するコストが高い」の2つ・IT企業でもうまくいく理由
AI外注 vs 内製 どっちが正解？3年やって出た答えは"どっちもコケる"
AI外注か内製かで悩む中小企業向けに、どちらを選んでもコケる理由と、成果が出るハイブリッドの分業モデルを実務経験から解説します。この記事でわかること- フル外注もフル内製も、どちらを選んでも失敗しやすい構造的な理由がある- AI導入の失敗は「精度が悪かった」より「作ったのに使われなくなった」が圧倒的に多い- 成果が出るのは「課題設定は社内、実装は外部、運用は社内」という分業設計である外注か内製か—
そのデータ、本当にAIに使えますか？活用前に整理したい2つのこと
「AIを使いたいけど、うちのデータって本当に使えるのかな……？」そんな不安を感じている企業は少なくありません。ChatGPTなどの生成AIを導入しても、社内データの状態が整っていなければ、期待した答えが返ってこないことはよくあります。そこで「やっぱりAIは使えない」と判断されがちですが、実際にはAIそのものではなく、データの準備状況がボトルネックになっているケースがほとんどです。AIは一般的な知識
AI時代に必要なデータ基盤とは？整理しないとAIは使えない
「AIを入れたのに使えない」の本当の原因「ChatGPTを社内に導入したけど、精度が出なくて結局使われていない」「AIで月次レポートを自動化したいのに、どこから手をつければいいかわからない」こうした声は、AI導入を検討している中小企業のあちこちから聞こえてきます。ただ、このような状況の多くは、AIの性能の問題ではありません。原因のほとんどは、AIに渡すデータの側にあります。AIはポテンシャルが高い
「提案は立派なのに何も変わらない」を防ぐ──1問で分かるAI導入コンサルの本当の見極め方
AI導入コンサル選びの失敗パターン3つと、面談で使える見極め方を実務経験から解説。「論点整理だけ」「開発はできるがコンサルはできない」など現場で起きる地雷の正体とは？この記事でわかること-AI導入コンサル選びの失敗は「提案の華やかさ」で選ぶことで起きる-「論点整理・資料化が得意なだけのコンサル」はAIに代替される仕事しかしていない-面談で「対策できない質問」を一問投げるだけで、コンサルの実力が見抜
OCRを導入したのに工数が変わらない理由──「一気通貫で自動化しないと意味ない」と断言できる根拠
OCRを導入して読み取りはできるのに、その後のExcel貼り付けや確認作業は人のまま。「一気通貫で自動化しないと全体工数は変わらない」という構造的な理由と、例外処理・辞書の育て方・ROIの出し方を解説します。この記事でわかること「読み取り部分だけ自動化」では全体の工数はほぼ変わらない。一気通貫で自動化しないと意味がない一気通貫を阻む最大の壁は「基幹システムに連携する口がない」「Excelがないと業
「3年前に試して無理だった書類」が今は99.9%で読み取れる──生成AIベースOCRが変えた精度の常識
3〜5年前に諦めたOCRを再度試したら99.9%の性能が出た、という現場が増えています。生成AIベースOCR（VLM）が旧来OCRと何が違うのか。精度99%の実態と、図面・手書き書類への対応力の変化を解説します。 この記事でわかること「3〜5年前に試して無理だった書類」が生成AIベースのOCRなら読み取れるようになっているAI-OCR界隈で謳われる「精度99%」は条件次第の数字であり、帳
AIは指示待ちから先回りへ。次世代AIエージェントとは
これまで私たちが慣れ親しんできたChatGPTをはじめとする生成AIは、非常に賢いアシスタントでした。しかし、その基本はあくまで「指示待ち」。ユーザーがプロンプトを入力して初めて、その能力を発揮する受動的な存在でした。しかし今、その常識が大きく変わろうとしています。OpenAIが発表した新機能のように、ユーザーの過去の対話履歴や状況を分析し、「次に何をすべきか」を先回りして提案するプロアクティブA
方法から入るAI導入は失敗する｜現場起点のAI定着設計術
「最新のAIツールを導入したが、現場では全く使われず、ライセンス費用だけが無駄になっている…」 これは、AI導入に取り組む多くの企業が直面する、決して珍しくない現実です。鳴り物入りで始まったプロジェクトが、なぜ現場に受け入れられず、静かに形骸化してしまうのでしょうか。数々の議論と事例が示す失敗の根本原因は、驚くほどシンプルです。それは、「何を解決するか（課題）」よりも「どのAIを使うか（方法）」か
DX推進室がなくても大丈夫！現場主導のAI活用スモールスタート術
「AIの導入は、専門のDX推進室や優秀なAIエンジニアがいる大企業だけの話だ」 「我が社には推進できる人材がいないから…」企業の規模を問わず、多くのビジネスリーダーがAIの可能性を感じながらも、人材不足を理由に最初の一歩を踏み出せずにいます。しかし、もしその考えが、大きな機会損失に繋がっているとしたらどうでしょうか。結論から言えば、AI活用は専門部署がなくても、現場主導で「小さく」始めることが可能
AIで営業の優先度付けを自動化｜売れる3%に集中する方法
「なぜ、あの人だけが常に高い成果を上げ続けるのか？」 多くの営業組織では、一握りのトップセールスが全体の売上の大半を支えるという、いわゆる「属人化」が長年の課題となっています。彼らの持つ勘や経験を組織に共有するのは難しく、多くの営業担当者は日々の活動に追われ、本来注力すべき顧客を見失いがちです。あるトップセールスは、その成功の秘訣をこう語りました。「買ってくれそうなお客さんにだけアプローチしている
人気記事ランキング
おすすめ記事
