Copilot Researcher Critiqueとは？Council機能との違いや使い方、料金を解説

Microsoft 365 Copilot Researcherに、AnthropicとOpenAIのモデルを組み合わせた新機能「Critique」が2026年3月30日にFrontierプログラムで提供開始されました。
一方のモデルが調査レポートを生成し、もう一方が正確性・網羅性・引用品質の観点から検証する仕組みで、深層リサーチの品質ベンチマーク「DRACO」では論文掲載の最良公開システムを+7.0ポイント上回る成果を記録しています。


本記事では、Critique・Council両機能の仕組みから、他社Deep Researchとの比較、料金体系、導入時の注意点までを体系的に解説します。

Microsoft 365 Copilot Researcherとは？

Microsoft 365 Copilot Researcherは、複雑な調査タスクを自律的に処理し、出典付きの構造化レポートを生成するAIリサーチエージェントです。
2025年3月に発表され、同年6月からMicrosoft 365 Copilotライセンス保有者に一般提供されています。

通常のCopilot Chatが「メール要約」や「短文ドラフト」など日常的なタスクに最適化されているのに対し、Researcherは数十分をかけて複数ソースを横断的に分析し、根拠付きのレポートとして仕上げることを目的に設計されています。

基本的な仕組みと特徴

Researcherの最大の特長は、Webと社内データの両方を横断して調査できる点です。具体的に利用できるデータソースを以下に整理しました。

• Web情報
  検索エンジン経由で取得する公開情報。競合分析、市場動向、技術トレンドの調査に活用
  
  
• 社内ファイル
  SharePointやOneDriveに保存されたWord・Excel・PowerPoint・PDFなどのドキュメント
  
  
• メール・会議・チャット
  Outlookのメール、Teamsの会議録・チャット履歴。プロジェクトの経緯や意思決定の背景を把握する際に有効
  
  

これらの情報源を組み合わせることで、「Web上の最新動向」と「社内の業務コンテキスト」を一つのレポートに統合できます。たとえば「競合A社の最新製品と、自社の製品ロードマップの差分を分析してほしい」といった依頼に対し、Web検索結果と社内の企画書を突き合わせた分析レポートを生成できます。

標準のCopilot Chatとの違い

「普段のCopilotで十分では？」と考える方も多いはずです。以下の表で、標準のCopilot ChatとResearcherの違いを整理しました。

項目	標準Copilot Chat	Researcher
処理時間	数秒〜数十秒	数分〜十数分
回答形式	短文・箇条書き	見出し・引用付きの構造化レポート
データソース	直近のコンテキスト中心	Web＋社内データの横断検索
出典表示	なし or 簡易	各セクションに出典リンク付き
向いている用途	メール返信、要約、ブレスト	市場調査、競合分析、技術リサーチ

ポイントは「処理時間の長さ＝精度の高さ」です。Researcherはあえて時間をかけることで、複数ソースの突き合わせや矛盾点の検出まで行います。日常のちょっとした質問には標準Copilot Chat、腰を据えた調査にはResearcherという使い分けが基本です。

【関連記事】
Microsoft 365 Copilot「Researcher」「Analyst」とは｜業務に特化したAIエージェントを解説

---

Copilot Researcher新機能「Critique」の仕組み

Critiqueの核心は、生成と検証を異なるモデルに分担させる二段構えのアーキテクチャです。

生成役と検証役を分けるマルチモデル連携

Critiqueの動作フローは、「生成」と「評価」を異なるモデルが担う二段構えの設計になっています。

Microsoftの公式発表によれば、一方のモデルが生成フェーズを担当し、タスクの計画、情報の検索・収集、初稿レポートの作成を行います。続いて、もう一方のモデルがレビューと改善に集中し、専門家レビュアーとして最終レポートの品質を高めます。

利用されるモデルはAnthropicとOpenAIを含むフロンティアラボのモデル群であり、どのモデルが生成役・検証役を担うかの具体的な組み合わせは公式では明示されていません。レビューモデルがチェックする主な観点は以下の4点です。

• 事実の正確性
  事実関係に誤りがないか、数値や日付が正確か
  
  
• 分析の幅と深さ
  ユーザーの質問に対して情報の抜け漏れがないか、十分な深掘りがされているか
  
  
• 提示品質
  レポートの構成や読みやすさが適切か
  
  
• 引用品質
  出典が適切に示されているか、リンク先の内容と記述が一致しているか

検証モデルのレビューを経て修正・補強された最終レポートがユーザーに届く流れです。

この「生成と評価を分離する」アーキテクチャは、一つのモデルが自分の出力を自分で検証する従来方式と比較して、見落としやハルシネーション（事実と異なる情報の生成）を構造的に低減できる点が強みです。

DRACOベンチマークでの成果

Critique導入の効果は、定量的なベンチマークでも裏付けられています。

MicrosoftはDRACO（Deep Research Accuracy, Completeness, and Objectivity）ベンチマークでのスコアを公表しました。

DRACOは2026年2月にPerplexity AIと研究者らが発表した深層リサーチ向けベンチマークで、10ドメイン・100タスクを対象に「事実の正確性」「分析の幅と深さ」「提示品質」「引用品質」の4観点で評価します。

DRACO論文に掲載された各公開システムのスコアと、Microsoftが公表したCritiqueの改善幅を以下に示します。

ツール	DRACOスコア	出典
Perplexity Deep Research（Opus 4.6）	70.5	DRACO論文
Claude Opus 4.6単体	59.8	DRACO論文
Gemini Deep Research	59.0	DRACO論文
OpenAI Deep Research（o3）	52.1	DRACO論文
OpenAI Deep Research（o4-mini）	41.9	DRACO論文
Copilot Researcher（Critique有効）	論文最良システム比+7.0ポイント	Microsoft公表

Microsoftの公式発表によれば、Critiqueは集計スコアで**+7.0ポイント（SEM ±1.90）、Perplexity Deep Research（Claude Opus 4.6モデル）比で+13.88%**の改善を達成しています。内訳は、分析の幅と深さで+3.33、提示品質で+3.04、事実の正確性で+2.58です。

---

Copilot Researcherの「Council」モード

Critiqueと同時に発表されたもう一つの新機能がCouncil（カウンシル）モードです。

Critiqueが「生成→検証」の直列処理であるのに対し、Councilは複数モデルの並列比較を行う機能です。

複数モデルによる並列レポートと要約

Councilモードでは、同じリサーチクエリをOpenAIモデルとAnthropicモデルの両方に同時に投げ、それぞれが独立したレポートを生成します。

ユーザーに届くのは以下の3つです。

• OpenAIモデルによるレポート
  GPT系モデルの視点でまとめた調査結果
  
  
• Anthropicモデルによるレポート
  Claude系モデルの視点でまとめた調査結果
  
  
• 一致点と相違点のサマリー
  2つのレポートで見解が一致している箇所と、解釈が分かれている箇所を自動で整理した要約

MicrosoftのJared Spataro氏（Chief Marketing Officer, AI at Work）はこの機能について「複数の研究者に同じテーマで調査を依頼し、結論の違いを俯瞰するようなもの」と説明しています。

CritiqueとCouncilの使い分け

CritiqueとCouncilは目的が異なります。以下の表で使い分けの指針を整理しました。

観点	Critique	Council
目的	1つのレポートの精度を最大化	複数の視点を比較して判断材料を増やす
出力	検証済みの単一レポート	2つの独立レポート＋比較サマリー
処理	直列（生成→検証）	並列（同時生成→比較）
向いている場面	正確性が最優先の報告書作成	見解が分かれそうなテーマの多角的分析
例	規制動向の正確な把握、数値レポート	新規事業の市場性評価、技術選定の比較

実務での判断基準はシンプルです。「一つの正確な答えがほしい」ならCritique、「複数の見方を比べて自分で判断したい」ならCouncilを選んでください。

たとえば経営会議向けの市場レポートであれば、まずCouncilで複数の視点を得てから、最終稿をCritiqueで精度チェックするという組み合わせも有効です。

---

CritiqueとCouncilの使い方

CritiqueとCouncilを利用するには、Frontier環境でのモデルピッカー操作が基本です。組織や地域によっては、管理者による事前設定も必要になります。

管理者側の設定（Anthropicサブプロセッサーの有効化）

CritiqueではAnthropicのモデルが検証役として使われます。Microsoft Learnによれば、商用クラウドの大半の組織ではAnthropicは既定で有効です。ただしEU・EFTA・UKなど一部の地域では既定オフのため、グローバル管理者による有効化が必要です。手順は以下の通りです。

• Microsoft 365管理センターにアクセスし、Copilot → Settingsを開く
  
  
• Data accessページで「AI providers operating as Microsoft subprocessors」を選択
  
  
• Available subprocessors for your organizationの一覧からAnthropicを有効化

Anthropicが無効な組織では、Critique・Council等のマルチモデル機能が利用できない、または制限される場合があります。

ユーザー側の操作

Frontier環境のResearcherでは、画面右上のモデルピッカーからモードを切り替えます。

• Auto（既定）
  Critiqueが自動適用されます。通常のリサーチではこのままでOK
  
  
• Model Council
  モデルピッカーからModel Councilを明示的に選択すると、複数モデルの並列比較モードに切り替わります

操作自体はモデルピッカーを1回クリックするだけなので、Researcher本体を使ったことがあれば迷うことはありません。あとは通常通りリサーチクエリを入力すれば、選択したモードで処理が実行されます。

---

【詳細比較】Copilot Researcher vs 他社のDeep Research

リサーチ特化のAIツールは各社が競っている領域です。ここではOpenAI Deep Research、Gemini Deep Research、Perplexity AIと比較し、それぞれの強みと弱みを整理します。

各ツールの特徴と違い

以下の比較表で、主要なDeep Researchツールの特性を整理しました。各ツールのモデルや利用制限は頻繁に更新されるため、ここでは変動しにくい構造的な違いに絞っています。

項目	Copilot Researcher	OpenAI Deep Research	Gemini Deep Research	Perplexity Deep Research
提供元	Microsoft	OpenAI	Google	Perplexity
社内データ連携	SharePoint/OneDrive/Teams/Outlook	なし	Google Workspace	なし
提供形態	M365 Copilotライセンスに含む	ChatGPTプランに含む	Google AIプランに含む	Perplexity Proに含む
出典表示	セクション別に引用リンク	末尾にまとめて参考文献	セクション内引用	段落ごとにインライン引用
利用制限	月25クエリ/ユーザー	プランにより異なる	プランにより日次上限あり	Pro：月20レポート

この表から見えてくるのは、各ツールの「得意領域」が明確に分かれているという点です。

Copilot Researcherが最も有利なのは、社内データとWebを横断するリサーチです。
SharePointの社内文書、Teamsの会議議事録、Outlookのメール——これらをWeb上の公開情報と統合して分析できるのはCopilot Researcherだけです。

一方、純粋なWeb調査に限れば、Perplexity Deep Researchが強力な選択肢です。段落ごとにインライン引用が付く出典密度の高さと、リアルタイム性で優位に立ちます。

OpenAI Deep Researchは構造化された長文レポートの生成に強く、Gemini Deep ResearchはGoogle Workspace連携とGoogle検索の精度がアドバンテージです。

導入判断で詰まる論点

Deep Researchツールの選定で実際に迷いやすいポイントを整理します。

• 「既にM365 Copilotを導入済みだが、別途Perplexityも契約すべきか？」
  社内データを含むリサーチがメインならCopilot Researcherで十分です。ただし、営業やマーケティング部門が競合のWeb動向を日常的にモニタリングする場合は、Perplexityの即時性と引用密度が業務効率を上げます。両者は競合ではなく補完関係にあるため、部門ごとに使い分けるのが現実的です
  
  
• 「月25クエリでは足りないのでは？」
  1クエリ＝「完了したレポート」のカウントであり、途中のやり取り（追加質問やヒアリング）はカウントされません。週5件程度の本格的な調査レポートを作成する運用であれば月25クエリで収まるケースが多いですが、部門全体で共有する場合は利用者を絞るか、結果をSharePointで共有する運用が必要です
  
  
• 「DRACOスコアだけで選んでよいか？」
  DRACOは有用な指標ですが、スコアが高い＝自社の業務に合うとは限りません。実際に自社のリサーチテーマで各ツールを試し、出典の質やレポート構成が自社の意思決定に使えるかを検証することを推奨します

---

Copilot Researcherの活用事例

ここまでの技術的な特徴を踏まえ、実際に企業がCopilot Researcherをどのように活用しているかを紹介します。

企業での導入事例

Copilot Researcherを含むMicrosoft 365 Copilotの導入は、日本企業でも着実に進んでいます。

以下に公開事例を紹介します。

• 朝日新聞社
  議事録作成・会議要約・メール下書き・資料検索など幅広い業務でCopilotを活用。Researcher機能では、従来数時間かかっていた調査業務が数分で完了する効果を実感したとの報告があります（Microsoft Customer Stories）
  
  
• 住友商事
  日本企業初となるMicrosoft 365 Copilotのグローバル全社導入を実施。海外拠点との情報共有や調査業務の標準化に活用しています
  
  
• Capital Group Companies（米国）
  資産運用大手の同社では、Copilot Coworkを含むAI統合を推進。同社のBarton Warner SVP（Enterprise Technology）はSiliconANGLEのインタビューで「ステップの接続、タスクの調整、日常ワークフロー全体のフォロースルーが実現した」と述べています

事例に共通するのは、「調査・分析にかかる時間の圧縮」と「専門家でなくても高度な情報活用ができるようになった」という2点です。

社内の調査業務に毎週半日以上を費やしているチームがあるなら、それはResearcherで大幅に圧縮できる状態です。

特にCritique機能が追加された現在、レポートの精度も従来より向上しているため、「AIの出力を結局人間が全部チェックし直す」という手戻りも減らせます。

Researcher活用のコツ

Microsoft Learnの公式ガイドでは、Researcherから質の高い結果を得るためのポイントとして以下の3点が挙げられています。

• プロンプトを具体的にする
  「AIの市場動向を教えて」より「2026年上半期の日本国内における生成AI導入率の変化と、その要因を3つ挙げて」のように条件を絞る方が、焦点の合ったレポートが得られます
  
  
• 検索スコープを指定する
  Web情報のみ、社内データのみ、または両方の組み合わせを明示することで、不要な情報の混入を防げます
  
  
• 途中の確認質問に応答する
  Researcherは調査の方向性を確認するためにクラリファイング・クエスチョンを投げることがあります。この対話に丁寧に応じることで、最終レポートの精度が上がります

---

Copilot Researcherの注意点と導入判断のポイント

Researcherを本格運用する前に押さえておくべき制約と注意点を整理します。

月25クエリ制限の運用

Microsoft Learn の FAQによれば、Researcherはユーザーあたり月25クエリが利用上限です。1クエリは「完了したレポート」を指し、途中の追加質問やヒアリングはカウントされません。

25という数字は、週5日稼働で1日1件ペースの本格調査に相当します。個人利用であれば十分なケースが多いですが、チーム全体で共有する場合は工夫が必要です。

運用上の対策としては、完成したレポートをSharePointに保存してチームで共有する、定型的な調査はPower Automateでテンプレート化する、高頻度の簡易調査は標準Copilot Chatに切り替える——といった方法が有効です。

マルチモデル利用時のデータプライバシー

Critique機能ではAnthropic系とOpenAI系を含む複数モデルが関与するため、「社内データが外部モデルに送られるのでは？」という懸念は当然あります。

Microsoftは、Copilot全体がMicrosoft 365のセキュリティ・コンプライアンス・ガバナンスの枠組み内で動作すると明言しています。つまり、Entra IDによるアクセス制御、データ所在地ポリシー、情報保護ラベルといった既存のセキュリティ設定がResearcherにも適用されます。

ただし、Critique機能で具体的にどの範囲のデータが各モデルプロバイダーに渡るかについて、詳細なデータフロー図は2026年3月時点で公開されていません。機密性の高いデータを扱うリサーチでは、IT部門と連携してデータ分類ポリシーの確認を行うことを推奨します。

向いている場面と向かない場面

以下の表で、Copilot Researcherの適性を整理しました。

向いている場面	向かない場面
社内文書＋Webの横断調査	純粋なWebのみのリアルタイム検索
出典付きの正式レポート作成	雑談レベルの軽い質問
競合分析・市場調査	リアルタイム性が最重要の速報モニタリング
規制・コンプライアンス調査	月25件を大幅に超える高頻度リサーチ
M365環境に統合された業務フロー	M365を使っていない環境

Researcher本体はM365 Copilotライセンスがあれば利用できますが、CritiqueとCouncilはFrontierプログラム参加環境での提供です。Frontier環境では、モデルピッカーでAutoを選択するとCritiqueが既定で適用されます。まずはResearcher本体で1件、日常的にやっている調査業務を任せてみるところから始めるのがおすすめです。

---

Copilot Researcherの料金体系

ResearcherはMicrosoft 365 Copilotライセンスに含まれる機能であり、追加費用は発生しません。ここではMicrosoft 365 Copilot自体の料金体系を整理します。

Microsoft 365 Copilotのプラン別料金

2026年3月時点の料金体系を以下にまとめました。

プラン	月額料金（税別）	備考
Copilot Chat	無料（M365契約に付帯）	AI検索中心。Researcherは利用不可
Copilot Business（年契約）	¥2,698/ユーザー	2026年6月30日までのプロモーション価格
Copilot Business（年契約・通常）	¥3,148/ユーザー	プロモーション終了後の標準価格
Copilot Business（月契約）	¥3,778/ユーザー	月払いは割高

Researcherを利用するにはCopilot Business以上のライセンスが必要です。Copilot Chat（無料枠）ではResearcherにアクセスできません。

また、Microsoft 365の基本サブスクリプション（E3/E5/Business Premium等）が前提条件として必要です。Copilot Businessはアドオンライセンスであり、単独では購入できません。

Frontier Suite（E7プラン）

2026年3月9日にMicrosoftが発表した最上位プラン**Microsoft 365 E7（通称 Frontier Suite）**は、Copilot・Agent 365・Entra Suiteを統合したパッケージです。2026年5月のGA（一般提供）が予定されています。

E7では、Copilot Researcherに加えてCopilot Cowork（長時間実行型のマルチステップエージェント）やComputer Use（ブラウザ・アプリを自動操作する機能）といったFrontierプログラム限定の機能も利用できます。

Copilot・Agent 365・Entra Suiteを個別に契約する場合と比較して、E7はコスト面で大幅に有利になるとMicrosoftは説明しています。大規模導入を検討している場合は、E7のGA時期に合わせて調達計画を立てるのが合理的です。

【関連記事】
Microsoft 365 E7とは？E5との違いや料金、Agent 365を解説

---

M365のAI活用をリサーチから業務全体に広げるなら

Copilot Researcherで調査業務が数分に短縮されても、その調査結果を元にした報告・申請・承認作業が手動のままでは、業務全体の効率化にはつながりません。

AI Agent Hubは、M365環境のデータとワークフローを活用し、AIエージェントがリサーチの先にある業務アクションまで一気通貫で実行するエンタープライズAI基盤です。Copilot Researcherと同じSharePoint・Teams環境の上で、調査結果を起点にしたアクションまで自動化できます。

• 調査結果から報告・申請・承認まで自動化
  Teamsチャットから経費申請・稟議書作成・データ集計まで、9種類の業務特化AIエージェントがバックオフィス業務を代行。調査して終わりではなく、業務完了まで一気通貫で処理
  
  
• M365のデータをエージェントが横断活用
  Copilot Researcherと同じSharePoint・Teams・Outlook環境内のデータに、AIエージェントが直接アクセス。データの再入力やシステム間移行は不要
  
  
• 使い慣れたMicrosoft環境をそのまま活用
  Teams・Excel・Outlookなど既存ツールの延長でAIエージェントが動作。新しいツールの学習コストはゼロ
  
  
• データは100%自社テナント内に保持
  AIの学習対象から完全除外。Azure Managed Applicationsとして自社テナント内で動作が完了する設計

AI総合研究所では、M365環境を活かしたAIエージェント導入をMicrosoft MVP / Solution Partner認定の専任チームが設計段階から支援しています。まずは無料の資料で、自社の業務にどう組み込めるかをご確認ください。

---

まとめ

Microsoft 365 Copilot Researcherは、2026年3月30日のCritique・Council機能の追加により、マルチモデル連携による高精度なリサーチが可能になりました。

本記事のポイントを3つに絞ると、次の通りです。

1. Critiqueは「生成と検証の分離」でリサーチ品質を構造的に高める仕組み
AnthropicとOpenAIのモデルを組み合わせ、生成役とレビュー役を分離。DRACOベンチマークでは論文掲載の最良公開システムを+7.0ポイント上回る成果がMicrosoftから公表されています。

2. 社内データ×Webの横断検索がCopilot Researcher最大の差別化要因
SharePoint・Teams・Outlookの社内データとWeb情報を統合できるのは、M365統合型のCopilot Researcherならではの強みです。純粋なWeb調査が目的ならPerplexityも有力な選択肢ですが、社内コンテキストを含むリサーチでは代替がありません。

3. Researcher本体はM365 Copilotライセンスで利用可能、Critique・CouncilはFrontierで提供
年契約のCopilot Business（¥2,698〜¥3,148/月/ユーザー）があればResearcher本体は利用できます。Critique・CouncilはFrontierプログラム参加環境で提供中です。まずはResearcherで日常の調査業務1件を任せて、出力の品質と工数削減効果を確認するところから始めてみてください。