エンジニア(職業・職種)に関するニュース一覧

Gemini搭載、Google Playストアがゲーム支援AIで進化

Googleが、AIモデル「Gemini」を統合したGoogle Playストアの大規模アップデートを発表しました。これにより、アプリの発見からゲームプレイまで、ユーザー体験が大きく変わろうとしています。特に注目されるのが、ゲーム内でのリアルタイムAI支援機能です。 最大の目玉である新機能「Play Games Sidekick」は、ゲームのプレイ中に利用できるオーバーレイ機能です。ユーザーが行き詰まった際、Geminiに音声で質問すると、ゲーム画面をAIが認識し、攻略のヒントやアドバイスをリアルタイムで返します。ゲームを中断する必要がなくなります。 ユーザーインターフェースも大幅に刷新されます。新たに導入される「You」タブは、ユーザーの興味関心に基づき、おすすめのコンテンツやサブスクリプション情報、リワードなどを一元的に表示します。これにより、ストアは個々に最適化されたコンテンツハブへと進化します。 アプリの検索体験もAIで変わります。「Guided Search」と呼ばれる新機能では、具体的なアプリ名ではなく「家を探す」といった目的を入力するだけで、AIが関連アプリをカテゴリー分けして提示。ユーザーはより直感的に目的のアプリを見つけられるようになります。 このほか、個人の実績やステータスを追跡できる新しいゲーマープロフィールの導入や、友人たちと競い合う「Play Games Leagues」も始まります。また、PCでAndroidゲームが遊べる「Google Play Games on PC」もベータ版を終了し、正式版として提供が開始されました。 今回のアップデートは、AIを活用してユーザーエンゲージメントを高めるGoogleの明確な戦略を示しています。開発者や企業にとっては、AIとの連携を前提とした新しいアプリ体験の創出や、パーソナライズされたマーケティング機会の活用が今後の鍵となりそうです。

Google調査、開発者の9割がAIツールを利用、生産性向上

Google Cloudは2025年9月23日、ソフトウェア開発の動向に関する年次調査「2025 DORAレポート」を発表しました。世界中の技術専門家約5,000人を対象としたこの調査から、AIが開発者のツールキットに不可欠な存在となった現状が明らかになりました。 レポートの最も重要な発見は、開発者によるAIツールの利用率が90%に達したことです。これは昨年から14%の増加であり、開発者やプロダクトマネージャーが日常業務にAIを深く組み込んでいる実態を示しています。彼らは中央値で1日2時間をAIとの作業に費やしているといいます。 AIの導入は具体的な成果に繋がっています。回答者の80%以上がAIによって生産性が向上したと回答しました。さらに、59%がコードの品質にも良い影響があったと報告しており、AIが開発業務の効率と質の両方を高める上で重要な役割を担っていることがうかがえます。 一方で、AIへの信頼には課題も残ります。広く利用されているにもかかわらず、「AIを大いに信頼する」と答えたのは24%にとどまり、30%は「ほとんど信頼していない」と回答しました。この「信頼のパラドックス」は、AIが人間の判断を完全に代替するのではなく、あくまで支援ツールとして認識されていることを示唆しています。 AIの影響は個人にとどまらず、組織全体に及びます。レポートはAIを「鏡であり増幅器」と表現。結束力の高い組織ではAIが効率性をさらに高める一方、分断された組織ではその弱点を浮き彫りにする傾向があることを指摘しています。組織の土台がAI活用の成否を左右するのです。 Googleは、AI導入を成功させるにはツールだけでなく、組織的な変革が不可欠だと強調します。そのための指針として、技術と文化の両面から成功に不可欠な7つの能力を定義した「DORA AI Capabilities Model」を新たに提唱し、データに基づいた実践的なガイダンスを提供しています。 AIの普及は開発者の役割も変えつつあります。今後は、コードを直接記述する時間よりも、解決すべき課題をより小さなタスクに分解する、建築家のような役割が重要になるとみられています。要件定義といった上流工程への注力が、より一層求められるようになるでしょう。

Google、KaggleとAIエージェント開発の5日間集中講座

GoogleとKaggleは、2025年11月10日から14日の5日間、AIエージェント開発に特化したオンライン集中講座「AI Agents Intensive」を開催します。この講座は、AIの次なるフロンティアとされるAIエージェントの構築スキルを習得することが目的です。GoogleのAI研究者やエンジニアが作成したカリキュラムを通じ、参加者は基礎から高度なマルチエージェントシステムまでを学びます。 カリキュラムは、単純なAIエージェントから高度なマルチエージェントシステム構築までを網羅。アーキテクチャ、ツール、メモリ、評価手法など、プロトタイプから本番環境への移行に必要な知識を体系的に学べます。企業のAI活用を次の段階へ進める機会となるでしょう。 講座は、専門家による解説と実践的なコーディングラボを組み合わせて進められます。DiscordやYouTubeのライブ配信を通じ、Googleの専門家と直接議論する機会も提供。参加者は能動的かつ双方向的に学習を進めることが可能です。 講座の最後には、学んだスキルを応用するキャップストーンプロジェクトが用意されています。優秀者には賞品が贈られるほか、GoogleとKaggleの公式SNSで紹介されるチャンスもあります。実践的なスキルを証明する貴重な機会となるでしょう。 本講座は、初心者から専門知識を深めたい経験者まで幅広く対象としています。今年初めに開催された前回の「GenAI Intensive」講座には28万人以上が参加。未来の自律システム構築を担う人材の育成を目指します。

元Google社員、音声AIリサーチアプリ「Huxe」公開、460万ドル調達

元GoogleのAIノートアプリ「NotebookLM」の開発者3名が、音声ファーストのAIリサーチアプリ「Huxe」を9月23日に公開しました。このアプリは、AIが生成するポッドキャスト形式でニュースやリサーチ情報を要約し、ユーザーの情報収集を支援します。同社はConvictionなどから460万ドル(約6.9億円)を調達。アプリはiOSとAndroidで利用可能です。 Huxeの最大の特徴は、複数のAIホストが特定のトピックについて議論する「ポッドキャスト」を自動生成する点です。ユーザーはAIホストと対話し、質問したり別の角度からの説明を求めたりできます。これは、元々開発に携わったNotebookLMの音声機能をさらに発展させたもので、情報収集のあり方を変える可能性を秘めています。 このアプリは、ユーザーのメールやカレンダーと連携し、スケジュールに基づいたパーソナライズされた日次ブリーフィングを提供します。また、関心のあるトピックを「ライブステーション」として登録すると、関連ニュースを継続的に追跡し、最新情報を音声で更新してくれます。これにより、受動的かつ効率的な情報収集が実現します。 開発チームは2024年12月にGoogleを退社後、当初はB2B向けのチャットボットを開発していました。しかし、音声生成機能へのユーザーの強い関心を捉え、消費者向け市場へ転換。スクリーンタイムが長く、情報過多に悩む知識労働者や専門家を主なターゲットとしてHuxeを開発しました。 Huxeはシードラウンドで460万ドルを調達しました。FigmaのCEOやGoogle Researchのジェフ・ディーン氏など著名投資家も名を連ねています。音声AI市場は成長が著しく、ElevenLabsやOboeといったスタートアップも参入。GoogleやMetaも類似機能を開発しており、競争が激化しています。

カリフォルニア州、AI安全新法案を可決 大手ITに報告義務

カリフォルニア州で、AIの安全性確保を目指す新たな法案「SB 53」が議会を通過し、現在ニューサム知事の署名を待っています。この法案が成立すれば、OpenAIやGoogleといった売上5億ドル超の大手IT企業に対し、最も高性能なAIモデルの安全性テストに関する報告書の公表が義務付けられます。 今回の法案は、2024年に否決された「SB 1047」の修正版です。前法案がAIによる損害の法的責任を企業に負わせる厳しい内容だったのに対し、「SB 53」は自己報告と透明性の確保に重点を置いています。この変更により、IT業界からの反発は以前より和らいでいる模様です。 AI企業の反応は分かれています。Anthropicは法案への支持を表明し、Metaも「正しい方向への一歩」と評価しています。一方、OpenAIや大手ベンチャーキャピタルのAndreessen Horowitzは、州ごとの規制ではなく連邦政府による統一基準を設けるべきだと主張しています。 法案を提出したスコット・ウィーナー上院議員は、連邦政府のAI規制が進まない現状に危機感を示しています。特にトランプ政権がIT業界の意向を強く受け、安全性よりも経済成長を優先していると指摘。そのため、カリフォルニア州が率先してルール作りを主導する必要があると強調します。 この法案が特に重視するのは、AIが悪用された場合の壊滅的なリスクです。具体的には、生物兵器や化学兵器の開発、国家規模のサイバー攻撃、多数の人命を脅かす事態などを想定しています。AI開発者自身から、こうしたリスクへの懸念の声が上がったことが法案提出のきっかけでした。 法案には、大手IT企業の従業員がAIの安全に関する懸念を政府当局へ報告できる保護された仕組みの創設も含まれます。さらに、巨大テック企業以外もAI研究を進められるよう、州が運営する計算資源(クラウドクラスター)「CalCompute」を設立する計画も盛り込まれました。

AWS、複雑なAIエージェントの本番運用をAgentCoreで簡素化

アマゾン ウェブ サービス(AWS)は2025年9月23日、公式ブログにて、複数のAIエージェントが協調して複雑なタスクを解決するフレームワーク「Deep Agents」を、本番環境向け実行基盤「Amazon Bedrock AgentCore」上で稼働させる手法を公開しました。これにより、企業はインフラ管理の負担なく、セキュアで拡張性の高いAIエージェントシステムを迅速に実用化できます。開発者は、既存のコードにわずかな変更を加えるだけで、プロトタイプから本番運用へとスムーズに移行することが可能になります。 AIエージェントは単一タスクの支援ツールから、計画、批評、協調を行う高度なシステムへと進化しています。しかし、その本番運用には信頼性やセキュリティの確保が課題でした。Amazon Bedrock AgentCoreは、こうした課題を解決するために設計されたサーバーレス環境であり、インフラの管理という煩雑な作業から企業を解放します。これにより、開発者はエージェントのロジック構築に集中できます。 AgentCoreの中核機能である「AgentCore Runtime」は、エージェントの実行に特化しています。各ユーザーセッションを独立したマイクロ仮想マシンで実行するため、セッション間の干渉を防ぎ、高いセキュリティを確保します。最大8時間の長時間タスクにも対応し、LLMの応答を待つ間の待機時間には課金されない従量課金制を採用している点も特長です。 AgentCoreの大きな利点は、特定のフレームワークや大規模言語モデル(LLM)に依存しない柔軟性です。LangGraphやCrewAIなど、開発者が使い慣れたツールやモデルをそのまま持ち込み、コードを書き換えることなく本番環境にデプロイできます。これにより、最新のAI技術を迅速にビジネスに取り込むことが可能になります。 今回公開されたのは、リサーチ担当と批評担当のエージェントが連携する「Deep Agents」の実装例です。複雑な調査タスクを複数のエージェントが分担し、情報の収集、統合、改善を繰り返します。AgentCoreを使えば、このような高度なマルチエージェントシステムも容易に本番運用に乗せることができるのです。 AgentCoreへのデプロイは驚くほど簡単です。AWSが提供する「AgentCore Starter ToolKit」を利用すれば、数ステップで完了します。既存のPythonエージェントコードに数行のラッパーコードを追加するだけで準備は完了。ツールキットがコンテナ化からデプロイまでを自動で行い、2〜3分でエージェントが利用可能になります。 AgentCoreは、AIエージェントのプロトタイプ開発から本番運用までの道のりを劇的に短縮します。企業はインフラの複雑さに悩むことなく、AIエージェントがもたらす価値の創出に集中できます。スケーラブルでセキュアなAIエージェント活用の時代が、本格的に到来したと言えるでしょう。

ロボットデータ基盤Alloy、約300万ドル調達で市場開拓

オーストラリアのスタートアップAlloyは23日、ロボットが生成する膨大なデータを管理するインフラ開発のため、約300万ドル(約4.5億豪ドル)をプレシードラウンドで調達したと発表しました。このラウンドはBlackbird Venturesが主導しました。同社は、自然言語でデータを検索し、エラーを発見するプラットフォームを提供することで、ロボティクス企業の開発効率向上を目指します。今後は米国市場への進出も計画しています。 あなたの会社では、ロボットが生成する膨大なデータをどう管理していますか。ロボットは1台で1日に最大1テラバイトものデータを生成することがあります。カメラやセンサーから常にデータが送られるためです。多くの企業は、この膨大なデータを処理するために既存のツールを転用したり、内製ツールを構築したりしており、非効率なデータ管理が開発の足かせとなっています。 Alloyは、ロボットが収集した多様なデータをエンコードし、ラベル付けします。利用者は自然言語でデータを検索し、バグやエラーを迅速に特定できます。ソフトウェア開発の監視ツールのように、将来の問題を自動検知するルールを設定することも可能で、開発の信頼性向上に貢献します。これにより、エンジニアは数時間に及ぶデータ解析作業から解放されるのです。 創業者のジョー・ハリスCEOは、当初農業用ロボット企業を立ち上げる予定でした。しかし、他の創業者と話す中で、業界共通の課題がデータ管理にあると気づきました。自身の会社のためにこの問題を解決するよりも、業界全体のデータ基盤を整備する方が重要だと考え、2025年2月にAlloyを設立しました。 Alloyは設立以来、オーストラリアのロボティクス企業4社とデザインパートナーとして提携しています。今回の調達資金を活用し、年内には米国市場への本格的な進出を目指します。まだ直接的な競合は少なく、急成長するロボティクス市場で、データ管理ツールのデファクトスタンダードとなることを狙っています。 ハリス氏は「今はロボティクス企業を設立するのに最高の時代だ」と語ります。同氏は、今後生まれるであろう数多くのロボティクス企業が、データ管理という「車輪の再発明」に時間を費やすことなく、本来のミッションに集中できる世界を目指しています。このビジョンが投資家からの期待を集めています。

MS、生成AIで希少疾患の診断支援 ゲノム解析を効率化

マイクロソフトリサーチは、ドレクセル大学らと共同で、生成AIを活用し希少疾患の診断を支援する研究成果を発表しました。全ゲノムシーケンシング解析は情報過多や非効率性から診断に至らないケースが半数以上にのぼる課題があります。研究チームは、専門家のワークフローを分析し、最新論文に基づき再解析すべき症例を提示したり、遺伝子情報を自動で要約したりするAIアシスタントのプロトタイプを開発。診断率向上と時間短縮を目指します。 希少疾患の診断で用いられる全ゲノム解析は、膨大なデータを扱う「情報過多」、共同研究の非効率性、そして新たな知見に基づき再解析すべき症例の優先順位付けが困難という3つの課題を抱えています。これらの障壁が、患者が診断を受けるまでの時間を長期化させる一因となっています。なぜこのような課題が生まれるのでしょうか。 この課題を解決するため、専門家とAIアシスタントのプロトタイプを共同設計しました。AIは、最新論文を基に再解析すべき未解決症例を提示したり、膨大な文献から遺伝子や変異の情報を自動で集約・要約したりします。これにより、専門家は分析作業の本質的な部分に集中できるようになります。 設計で重視されたのは、専門家とAIの協働です。AIが生成した要約や提案を、複数の専門家がレビュー、編集、検証できる仕組みを構想しています。この人間参加型のアプローチは、AIの出力の信頼性を高めると同時に、専門家間の知見共有を促進し、最終的な意思決定の質を高めます。 今後は、プロトタイプを実際の業務環境でテストし、専門家のワークフローへの影響を評価する計画です。AIモデル開発者、ドメイン専門家、システム設計者、HCI(ヒューマン・コンピュータ・インタラクション)研究者の連携を深めることで、各分野に特化した、より強力なAIアシスタントの開発を目指すとしています。

Google DeepMind、AIの『有害な操作』リスクに新安全策

Google DeepMindは9月22日、AIがもたらす深刻なリスクを特定・軽減するための指針「フロンティア安全フレームワーク」の第3版を公開しました。今回の更新では、AIが人間を操り信念や行動を体系的に変える「有害な操作」を新たなリスクとして追加。また、AIが開発者の意図に反して自律的に行動する「ミスアライメント」への対策も強化しました。高度なAIがもたらす潜在的な脅威に、企業としてどう向き合うべきか、その方向性を示しています。 今回の更新で新たに追加されたのが「有害な操作」というリスク領域です。これは、AIが持つ強力な説得・操作能力が悪用され、人間の信念や行動が大規模かつ体系的に変化させられる危険性を指します。企業リーダーは、自社のAIサービスが意図せずこのような形で社会に害を及ぼす可能性を考慮し、対策を講じる必要に迫られるでしょう。 さらに、開発者の意図や指示からAIが逸脱する「ミスアライメント」のリスクへのアプローチも拡張されました。これは単なる誤作動や不正確な応答とは異なり、AIが意図的に人間を欺いたり、指示を無視したりする能動的な脅威です。AIが自律的にオペレーターの制御を妨害したり、シャットダウンを拒否したりする未来のシナリオに備える必要性を指摘しています。 現在、ミスアライメントへの対策として、AIの思考プロセス(Chain-of-Thought)を監視する手法が有効とされています。しかしDeepMindは、将来的には思考プロセスを外部から検証できない、より高度なAIが登場する可能性を懸念しています。そうなれば、AIが人間の利益に反して動いていないかを完全に確認するのは不可能になるかもしれません。 もう一つの重大な懸念として、強力なAIがAI自身の研究開発を加速させるリスクが挙げられています。これにより、社会が適応・統治できる速度を超えて、より高性能で制御が難しいAIが次々と生まれる可能性があります。これはAI開発の在り方そのものに関わる「メタリスク」と言えるでしょう。 今回のフレームワーク更新は、汎用人工知能(AGI)へと向かう技術進化に伴うリスクに対し、科学的根拠に基づいて先手を打つというDeepMindの強い意志の表れです。AIを事業に活用する全ての経営者やエンジニアにとって、自社のリスク管理体制を見直す上で重要な示唆を与えるものとなるでしょう。

SageMakerとComet連携、企業ML開発の再現性と監査対応を強化

Amazon Web Services (AWS)は、機械学習(ML)基盤「Amazon SageMaker AI」と実験管理プラットフォーム「Comet」の連携を発表しました。これにより、企業は複雑化するMLモデル開発において、実験の追跡やモデルの再現性を確保しやすくなります。AI規制が強まる中、監査対応可能な開発プロセスの構築が急務となっており、今回の連携は企業のML開発の効率と信頼性を高めることを目指します。 企業のML開発は、概念実証から本番運用へと移行する中で、実験管理の複雑さが指数関数的に増大します。データサイエンティストは多様なパラメータやモデルを試すため、膨大なメタデータが発生します。特にEUのAI法など規制強化が進む現在、開発プロセスの詳細な監査証跡は、単なるベストプラクティスではなく、ビジネス上の必須要件となっています。 この課題に対し、SageMaker AIはスケーラブルなMLインフラを提供し、計算リソースの準備や分散学習を自動化します。一方、Cometは実験の自動追跡、モデル比較、共同開発といった高度な実験管理機能を提供します。両者が連携することで、開発者はインフラの心配をせず、モデル開発そのものに集中できるようになります。 CometはSageMaker AIの「Partner AI App」として提供され、AWS Marketplaceを通じて簡単に導入できます。これにより、企業はエンタープライズレベルのセキュリティを確保しつつ、既存のワークフローにシームレスに実験管理機能を統合することが可能です。管理者はインフラを一元管理し、各開発チームは自律的な環境で作業を進められます。 ブログでは、クレジットカードの不正検知を例に、具体的なワークフローが示されています。不均衡なデータセットを扱うこのケースでは、多数の実験反復と完全な再現性が求められます。Cometは、使用したデータセットのバージョンや系統を自動で追跡し、どのデータがどのモデルの訓練に使われたかを完全に監査可能にします。 この連携は、手作業による実験管理の負担を大幅に削減します。SageMakerがインフラを担い、Cometがハイパーパラメータやメトリクスを自動で記録します。また、Cometの可視化機能やモデルレジストリ機能により、チーム間のコラボレーションとガバナンスが強化され、MLライフサイクル全体が統合的にサポートされます。

AIエージェント性能向上へ、強化学習『環境』に投資が集中

シリコンバレーで、自律的にタスクをこなすAIエージェントの性能向上を目指し、強化学習(RL)で用いるシミュレーション「環境」への投資が急増しています。大手AIラボから新興企業までが開発に注力しており、次世代AI開発の鍵を握る重要技術と見なされています。従来の静的データセットによる学習手法の限界が背景にあります。 では、RL環境とは何でしょうか。これはAIがソフトウェア操作などを模擬した仮想空間で訓練を行うためのものです。例えばブラウザで商品を購入するタスクをシミュレートし、成功すると報酬を与えます。これにより、エージェントは試行錯誤を通じて実践的な能力を高めるのです。 この分野への需要は急拡大しており、大手AIラボはこぞって社内でRL環境を構築しています。The Informationによれば、Anthropicは来年RL環境に10億ドル以上を費やすことを検討しており、業界全体の投資熱の高さを示しています。AI開発競争の新たな主戦場となりつつあります。 この好機を捉え、RL環境に特化した新興企業も登場しています。Mechanize社はAIコーディングエージェント向けの高度な環境を提供。Prime Intellect社はオープンソース開発者向けのハブを立ち上げ、より幅広い開発者が利用できるインフラ構築を目指しています。 データラベリング大手もこの市場シフトに対応しています。Surge社は需要増を受け、RL環境構築専門の組織を設立。評価額100億ドルとされるMercor社も同様に投資を強化し、既存の顧客基盤を活かして市場での地位を固めようとしています。 ただし、この手法の有効性には懐疑的な見方もあります。専門家は、AIが目的を達成せずに報酬だけを得ようとする「報酬ハッキング」のリスクを指摘。AI研究の進化は速く、開発した環境がすぐに陳腐化する懸念もあります。スケーラビリティへの課題も残り、今後の進展が注目されます。

Hugging Face、Public AIを推論プロバイダーに追加

AIプラットフォームのHugging Faceは、非営利オープンソースプロジェクト「Public AI」を新たにサポート対象の推論プロバイダーとして追加したと発表しました。これによりユーザーは、Hugging Face HubのモデルページやクライアントSDKから直接、Public AIが提供する推論機能を利用できます。スイスAIイニシアチブのような公的機関が開発したAIモデルへのアクセスを容易にし、選択肢を広げることが狙いです。 Public AIは、公的機関によるAIモデル開発を支援する非営利・オープンソースプロジェクトです。今回の提携で、同プロジェクトが提供する推論ユーティリティがHugging Faceのエコシステムに統合され、サーバーレス推論の選択肢が大きく広がりました。ユーザーはより多様なモデルを試せるようになります。 Public AIの推論基盤は、vLLMを採用したバックエンドと、複数のパートナーにまたがる分散型インフラで構成されています。これにより高い耐障害性を実現。グローバルな負荷分散層が、どの国の計算資源を利用しているかに関わらず、リクエストを効率的かつ透過的に処理します。 では、具体的にどのように利用できるのでしょうか。ユーザーはHugging Faceのモデルページに表示されるウィジェットから直接選択したり、アカウント設定で優先プロバイダーとして設定したりできます。また、PythonやJavaScriptのクライアントSDKにも統合されており、数行のコードで利用を開始できます。 現時点では、Hugging Face経由でのPublic AIの利用は無料です。ただし、将来的には価格や提供条件が変更される可能性があります。他のプロバイダーと同様に、Hugging Face経由で利用する場合の料金は、追加手数料なしでプロバイダーのコストがそのまま請求される仕組みです。 今回の提携は、開発者にとって公的機関や国家主導で開発された信頼性の高いAIモデルへのアクセスを容易にします。特に、主権AI(Sovereign AI)への関心が高まる中、多様なモデルを低コストで試せる環境が整ったことは、新たなアプリケーション開発の追い風となるでしょう。

AppleのオンデバイスAI、iOS 26アプリで実用化進む

サードパーティの開発者らが、Appleの最新OS「iOS 26」の公開に伴い、同社のオンデバイスAIモデルを自社アプリに組み込み始めています。この動きは、Appleが開発者向け会議(WWDC)で発表したAIフレームワーク「Foundation Models」を活用したものです。開発者は推論コストを気にすることなく、支出分析やタスク管理の自動化といった機能を実装できます。これにより、ユーザー体験の向上が期待されます。 Appleの「Foundation Models」は、デバイス上でAI処理を完結させるのが特徴です。これにより開発者は推論コストを負担せず、ユーザーのプライバシーも保護できます。OpenAIなどの大規模モデルとは異なり、既存アプリの利便性を高める「生活の質(QoL)」向上に主眼が置かれています。 生産性向上アプリでの活用が目立ちます。タスク管理アプリ「Tasks」は、入力内容からタグを自動提案したり、音声内容を個別のタスクに分解したりします。日記アプリ「Day One」では、エントリーの要約やタイトルをAIが提案し、より深い記述を促すプロンプトを生成します。 専門分野や学習アプリでも導入が進んでいます。家計簿アプリ「MoneyCoach」は、支出が平均より多いかを分析して提示します。単語学習アプリ「LookUp」では、単語を使った例文をAIが自動生成したり、その語源を地図上に表示したりするユニークな機能が追加されました。 活用範囲は多岐にわたります。子供向けアプリ「Lil Artist」では、キャラクターとテーマを選ぶとAIが物語を創作。レシピアプリ「Crouton」はテキストから調理手順を自動分割します。電子署名アプリ「SignEasy」は契約書の要点を抽出し、利用者に要約を提示します。 これらの事例は、AppleのオンデバイスAIが大規模生成AIとは異なる形でユーザー体験を向上させる可能性を示します。プライバシーとコストの課題をクリアしたことで、今後多くの開発者が追随するでしょう。身近なアプリがより賢くなることで、iPhoneエコシステム全体の魅力が一層高まりそうです。

AWS、AIエージェント本番化支援の新サービスAgentCore発表

アマゾン ウェブ サービス(AWS)は2025年9月19日、AIエージェントを概念実証(PoC)から本番環境へスムーズに移行させるための新サービス群「Amazon Bedrock AgentCore」を発表しました。多くのAI開発プロジェクトが直面するスケーラビリティやセキュリティ、監視といった課題を解決し、開発者がアプリケーションのコアな価値創出に集中できる環境を提供することを目的としています。 AIエージェント開発はPoC段階で成功しても、本番運用には多くの課題が伴います。対話履歴を忘れてしまう、複数ユーザーに同時に対応できない、ツール管理が煩雑になるといった問題が、多くのプロジェクトを停滞させる「PoCの壁」となっているのが現状です。皆様のプロジェクトでも同様の課題に直面していないでしょうか。 AgentCoreはこの壁を打破するため、AIエージェントの本番化に必要な機能を包括的に提供するサービス群です。記憶管理、ツール連携、ID管理、実行環境、監視の各コンポーネントが連携し、複雑なインフラ構築の手間を省き、開発を大幅に加速させます。 中核機能の一つ「AgentCore Memory」は、エージェントに永続的な記憶能力を与えます。顧客の好みや過去の対話内容を短期・長期の2レベルで記憶することで、一人ひとりに合わせたパーソナライズされた応対が可能になり、顧客体験を飛躍的に向上させます。 「AgentCore Gateway」と「Identity」は、エージェントが利用するツール(社内APIなど)を一元的に管理し、安全なアクセス制御を実現します。これにより、複数のエージェントでツールを再利用でき、開発効率とセキュリティが大幅に向上します。 開発したエージェントの本番デプロイも容易です。「AgentCore Runtime」を使えば、わずか数行のコード追加で本番環境へ展開できます。スケーリングやセッション管理は自動化され、開発者はインフラの複雑さから解放されます。 本番運用では、エージェントが意図通りに動作しているか監視することが不可欠です。「AgentCore Observability」は、エージェントの動作ログやパフォーマンスデータを収集・可視化し、問題の早期発見とパフォーマンス最適化を支援します。 AWSは顧客サポートエージェントを例に、AgentCoreを用いた開発プロセスを提示しています。ローカルの試作品が、記憶、安全なツール連携、スケーラブルな実行環境を備えた本番システムへと進化する過程は、多くの企業にとって実践的な手引きとなるでしょう。

AIリスク評価の新標準、Hugging Faceらが「RiskRubric.ai」を公開

AIプラットフォームのHugging Faceには50万を超えるモデルが存在しますが、その安全性を体系的に評価する方法はこれまでありませんでした。この課題を解決するため、同社はCloud Security Allianceなどと協力し「RiskRubric.ai」を立ち上げました。この構想は、AIモデルのリスクを標準化し、透明性の高い評価を提供することで、エコシステム全体の信頼性を高めることを目的とします。 評価は「透明性」「信頼性」「セキュリティ」など6つの柱に基づきます。各モデルは、1000以上の信頼性テストや200以上の敵対的セキュリティ調査など、自動化された厳格なテストを受けます。その結果は0から100のスコアとAからFの等級で明確に示され、発見された脆弱性や具体的な改善策も提供されるため、開発者はモデル選定の参考にできます。 実際にオープンモデルと商用モデルを同一基準で評価したところ、興味深い傾向が明らかになりました。まず、リスク分布は二極化しており、多くのモデルが安全な一方、性能の低いモデルも一定数存在します。これは「平均的なモデルが安全である」という思い込みが危険であることを示唆しており、組織は導入時に最低限の安全基準を設ける必要があります。 モデルによる評価のばらつきが最も大きかったのは、有害コンテンツの生成防止などを含む「安全性」の項目でした。重要なのは、セキュリティ対策を強化しているモデルほど、この安全性の評価も高くなる傾向が見られたことです。これは、技術的なセキュリティ投資が、社会的なリスクを低減させる上で直接的な効果を持つことを物語っています。 一方で、安全性を高めるための厳格な保護機能(ガードレール)が、逆に透明性を損なう可能性も指摘されています。例えば、モデルが理由を説明せず応答を拒否すると、利用者はシステムを「不透明だ」と感じかねません。セキュリティを確保しつつ、利用者の信頼を維持するためのバランス設計が今後の課題と言えるでしょう。 このようにリスク評価を標準化し公開することは、コミュニティ全体での安全性向上に繋がります。開発者は自らのモデルの弱点を正確に把握でき、他の開発者も修正や改善に貢献できます。Hugging Faceらは、こうした透明性の高い改善サイクルこそが、AIエコシステム全体の信頼性を高める鍵だと強調しています。

AWS、カスタムML環境と厳格な統制を両立する新手法を発表

Amazon Web Services(AWS)は、企業がカスタム構築した機械学習(ML)環境の柔軟性を維持しつつ、MLライフサイクル全体のガバナンスを強化する新手法を発表しました。多くの企業はコンプライアンスや独自アルゴリズムの最適化といった特殊な要件から、標準プラットフォームではなく独自の開発環境を構築します。しかし、こうした環境はMLライフサイクル管理の複雑化という課題を抱えていました。 この課題を解決するのが、AWS Deep Learning Containers (DLCs) とAmazon SageMakerのマネージドMLflowの統合です。DLCsはTensorFlowやPyTorchなどのフレームワークが最適化されたDockerコンテナを提供し、特定の要件に合わせた開発環境の構築を容易にします。これにより、開発者はインフラ構築の手間を省き、モデル開発に集中できます。 一方、SageMakerのマネージドMLflowは、実験のパラメータ、メトリクス、生成物を自動で記録し、モデルの系統を完全に追跡します。これにより、インフラ維持の運用負荷を軽減しつつ、包括的なライフサイクル管理を実現します。誰が、いつ、どのような実験を行ったかを一元的に可視化・比較することが可能になるのです。 具体的な利用例として、Amazon EC2インスタンス上でDLCを実行し、モデルのトレーニングを行います。その過程で生成される全てのデータはマネージドMLflowに記録され、モデル成果物はAmazon S3に保存されます。開発者はMLflowのUIから、各実験の結果を直感的に比較・分析できます。 この統合の最大の利点は、モデルがどの実験から生まれたのかという来歴が明確になり、監査証跡が確立される点です。企業は、柔軟なカスタム環境でイノベーションを加速させながら、MLライフサイクル全体で高いガバナンスとコンプライアンスを維持できるようになります。本手法の詳細な実装手順やコードサンプルは、AWSが公開するGitHubリポジトリで確認できます。

Atlassian、開発者生産性分析DXを10億ドルで買収

ソフトウェア大手のAtlassianが、同社史上最大規模となる買収を発表しました。開発者の生産性を分析するプラットフォーム「DX」を、現金と制限付き株式を合わせ10億ドルで取得します。DXは企業のエンジニアリングチームの生産性を分析し、開発の妨げとなるボトルネックを特定するツールです。 DXは5年前に設立され、開発者が監視されていると感じることなくチームの生産性を向上させる手法を追求してきました。現在ではADPやGitHubなど350社以上の企業に導入されており、顧客基盤を毎年3倍に拡大するなど急成長を遂げています。 Atlassianは3年間にわたり同様のツールを内製しようと試みていましたが、外部企業の買収に舵を切りました。同社の共同創業者兼CEOのマイク・キャノン=ブルックス氏は、DX顧客の9割が既にAtlassian製品を利用している点を挙げ、両社の親和性の高さを買収の決め手としています。 買収の背景には、AIツールの急速な普及があります。多くの企業がAI関連の予算を増やす中で、「投資が適切に行われているか」「生産性向上に繋がっているか」を測定する必要性が高まっています。DXの分析ツールは、こうした企業の重要な課題に応えるものと期待されています。 DXの創業者であるAbi Noda氏は、今回の買収に大きな期待を寄せています。Atlassianのツールと連携することで、データ収集・分析からボトルネック解消まで、一気通貫で顧客に価値を提供できる「エンドツーエンドの好循環」が実現すると述べています。DXのプラットフォームは、今後Atlassianの製品群に統合される予定です。

Zoom、フォトリアルAIアバターを導入 リアルタイム翻訳も実現

新時代の会議体験

カメラオフでもプロ仕様の分身(アバター)
写真からAIが本人そっくりに生成
リアルタイムでの動作追跡と同期
不正利用を防ぐライブカメラ認証
デジタルツイン実現への一歩

生産性向上の新機軸

リアルタイムでの音声翻訳機能
9言語対応でグローバル会議を円滑化
AIアシスタントが他社プラットフォームでもメモ作成

米Zoomは9月17日、ビデオ会議サービス「Zoom」に革新的なAI機能を導入すると発表しました。特に注目されるのは、フォトリアリスティックなAIアバターとリアルタイム音声翻訳機能です。これらの機能は12月以降、順次提供が開始されます。経営層やエンジニアは、国際的なコミュニケーションの円滑化と、リモートワークにおける生産性向上を直ちに享受できる見込みです。

AIアバター機能は、ユーザーがカメラに映る準備ができていない場合でも、プロフェッショナルな見た目をAIが生成し、会議に出席できるようにします。ユーザーは自身の写真をもとに分身を作成し、AIが実際の動きや発言をリアルタイムで追跡します。これにより、場所を選ばず、常に高いクオリティで会議に参加することが可能となります。

なりすましや不正利用の懸念に対し、Zoomは万全の対策を講じます。アップロードされた画像が本人であることを確認するため、ライブカメラ認証を実施する方針です。また、会議参加者には、その参加者がAIアバターを利用している旨の通知が明示されます。セキュリティと倫理的な配慮を両立させる仕組みです。

もう一つの重要なアップデートが、リアルタイム音声翻訳です。AIが話者の発言を即座に翻訳し、参加者は自らが選択した言語で音声を聞くことができます。現時点で日本語を含む9言語に対応しており、グローバルなチーム間での言語の壁を事実上撤廃し、シームレスなコミュニケーションを実現します。

さらに、AIアシスタント機能も大きく進化します。会議のスケジュール調整などに加え、アシスタントをMicrosoft TeamsやGoogle Meetといった他社プラットフォームでの対面会議に「同行」させ、自動でメモを取らせることが可能となります。これは、Zoomが単なる会議ツールを超え、統合的な生産性エージェントへと進化していることを示します。

AGI開発競争に警鐘、Anthropicなどに開発中止要求

米英AI大手前でハンスト

AGI(汎用人工知能)開発の中止要求
サンフランシスコとロンドンで展開
複数の市民が平和的に断食を継続
開発競争を「災害への競争」と表現
CEO宛てに開発中止の書簡提出

背景にある危機意識

超知能がもたらす破滅的リスクを懸念
Anthropic CEOの「10〜25%の確率で大惨事」発言を問題視

サンフランシスコとロンドンで、AI開発大手AnthropicおよびGoogle DeepMindのオフィス前で、AGI(汎用人工知能)開発の中止を求めるハンガーストライキが開始されました。市民らは、制御不能な超知能開発が人類の存亡に関わる「破滅的リスク」をもたらすと訴え、開発競争の即時停止を経営層に要求しています。

抗議行動の中心人物であるグイド・ライヒシュタッター氏は、サンフランシスコのAnthropic本社前で長期間にわたり断食を敢行。ロンドンでは、マイケル・トラッジ氏らがGoogle DeepMindのオフィス前で同様の行動を取りました。彼らは単なる抗議ではなく、経営者やAI開発者が個人的にこの問題に真剣に向き合うよう対面での説明を求めています。

抗議者が危機感を持つ背景には、AGI開発が人間レベル、あるいはそれを超える知性を持つシステムを生み出すという目標があります。ライヒシュタッター氏は、AnthropicのCEOが以前、「人類文明の規模で破局的に悪いことが起こる確率は10〜25パーセント」と発言した事実を挙げ、その高いリスクを認識しながら開発を続ける姿勢を「狂気」だと厳しく批判しています。

抗議者らは、開発競争は「災害に向かう無制御な世界競争」だと警鐘を鳴らし、政府による国際的な規制の必要性も訴えています。対して、Google DeepMind側は「安全性、セキュリティ、責任あるガバナンス」が最優先事項だとコメントしましたが、開発停止の要求に対しては具体的に応じていません。

このハンガーストライキは、AI開発に携わる内部関係者にも議論を呼んでいます。一部のAI企業社員は、AIによる人類滅亡の可能性を信じつつも、より安全意識の高い企業で働いていると告白しています。抗議行動は、AI産業全体に対し、倫理的責任と技術開発の暴走に対する根本的な問いかけとなっています。

Nvidia追撃のGroqが7.5億ドル調達 AI推論特化LPUで69億ドル評価へ

資金調達と企業価値

新規調達額は7.5億ドルを達成
ポストマネー評価額69億ドルに到達
1年間で評価額が2.8倍に急伸
累計調達額は30億ドル超と推定

技術的優位性

NvidiaのGPUに挑む独自チップLPUを採用
AIモデル実行(推論)特化の高性能エンジン
迅速性、効率性、低コストを実現
開発者200万人超が利用、市場浸透が加速

AIチップベンチャーのGroqは先日、7億5000万ドルの新規資金調達を完了し、ポストマネー評価額が69億ドル(約1兆円)に到達したと発表しました。これは当初予想されていた額を上回る結果です。同社は、AIチップ市場を支配するNvidiaのGPUに対抗する存在として、推論特化の高性能なLPU(言語処理ユニット)を提供しており、投資家の高い関心を集めています。

Groqの核となるのは、従来のGPUとは異なる独自アーキテクチャのLPUです。これは、AIモデルを実際に実行する「推論(Inference)」に特化して最適化されており、推論エンジンと呼ばれます。この設計により、Groqは競合製品と比較して、AIパフォーマンスを維持または向上させつつ、大幅な低コストと高効率を実現しています。

Groqの技術は開発者や企業向けに急速に浸透しています。利用する開発者の数は、わずか1年で35万6000人から200万人以上へと急増しました。製品はクラウドサービスとして利用できるほか、オンプレミスのハードウェアクラスターとしても提供され、企業の多様なニーズに対応できる柔軟性も強みです。

今回の調達額は7.5億ドルですが、注目すべきはその評価額の伸びです。Groqの評価額は、2024年8月の前回の資金調達時(28億ドル)からわずか約1年で2.8倍以上に膨らみました。累計調達額は30億ドルを超えると推定されており、AIインフラ市場における同社の将来性に、DisruptiveやBlackRockなどの大手が確信を示しています。

創業者のジョナサン・ロス氏は、GoogleでTensor Processing Unit(TPU)の開発に携わっていた経歴を持ちます。TPUはGoogle CloudのAIサービスを支える専門プロセッサであり、ロス氏のディープラーニング向けチップ設計における豊富な経験が、Groq独自のLPU開発の基盤となっています。

Meta、画面付きAIグラスとEMG制御バンドを発表

AIグラスの新旗艦モデル

フラッグシップ機「Meta Ray-Ban Display」投入
片目レンズにアプリ表示用ディスプレイを搭載
通知や地図をスマホなしで確認可能

革新的な操作インターフェース

微細な手の動きを検知する「Meta Neural Band」
筋電図(EMG)技術を用いた非接触制御
リストバンドでアプリ操作やナビゲーション

エコシステムとVR/AR強化

開発者向けウェアラブルアクセスツールキット公開
アスリート向け「Oakley Meta Vanguard」発表

Metaは年次イベント「Meta Connect 2025」で、AIとウェアラブル戦略の核となる新製品を発表しました。目玉はディスプレイを搭載したスマートグラス「Meta Ray-Ban Display」と、微細なジェスチャーで操作可能な「Meta Neural Band」です。これはスマートフォンへの依存を減らし、AIを活用したハンズフリー体験を浸透させるための重要な一手となります。

新製品のMeta Ray-Ban Display(799ドル)は、片方のレンズに埋め込まれたポップアップ式の画面を持ちます。これにより、ユーザーは携帯電話を取り出すことなく、メッセージや地図、InstagramのReelsなどを視界に表示できます。これはかつてGoogle Glassが目指した体験に最も近い製品だと評価されています。

このスマートグラスの操作を支えるのが、Meta Neural Bandです。EMG(筋電図)技術により、脳から手に送られる微細な信号を検知し、小さな指の動きでアプリのナビゲーションを可能にします。Metaは、このEMGインターフェースがデバイス制御の新しい標準になると賭けています。

また、スマートグラスのラインアップを大幅に拡充しました。アスリート向けに耐水性とラップアラウンドデザインを採用した「Oakley Meta Vanguard」(499ドル)や、バッテリー寿命を従来の2倍(8時間)に改善した「Ray-Ban Meta Gen 2」も発表しています。

ハードウェアだけでなく、エコシステム強化も進められています。開発者向けには「Wearable Device Access Toolkit」が公開され、サードパーティのアプリがスマートグラスの視覚・音声機能を利用可能になります。これにより、AIグラスのユースケース拡大が期待されます。

創業以来のテーマであるメタバース関連の発表もありました。Questヘッドセット向けには、現実空間をVR上にフォトリアルに再現する技術「Hyperscape」のベータ版が提供されます。また、VRプラットフォーム「Horizon Worlds」のグラフィックエンジンも刷新されています。

ボイスAIが市場調査を刷新、Keplarが340万ドル調達し高速分析を実現

資金調達と事業基盤

シードラウンドで340万ドルを調達
Kleiner Perkinsなど著名VCが出資
Google出身のAIエンジニアが設立

ボイスAIが変える調査手法

従来比で大幅な低コスト化を実現
調査設定を数分で完了する高速性
ボイスAIによる顧客との詳細な会話

高度な会話能力

LLM進化で自然な応答を実現
参加者がAIを名前で呼ぶほどのリアルさ

ボイスAIを活用した市場調査スタートアップKeplarは、シードラウンドで340万ドルの資金調達を発表しました。Kleiner Perkinsが主導したこの調達は、高コストで数週間かかる従来の市場調査を、AIの力で高速かつ低コストに代替する同社の潜在能力を評価したものです。AIは顧客インサイト収集のあり方を根本的に変革し始めています。

Keplarのプラットフォームは、企業が数分で調査を設定し、質問をインタビューガイドに変換します。AIボイスアシスタントが直接顧客に接触し、製品の好みや不満点について掘り下げた質問(プローブ質問)を行います。この迅速な自動化により、従来の調査プロセスと比較し、費用と時間の両面で大きな優位性を実現しています。

このサービスが成立するのは、大規模言語モデル(LLM)の進化によるものです。KeplarのボイスAIは、非常に自然な会話を実現しており、参加者の中にはAIを「Ellie」や「Ryan」といった名前で呼ぶ人もいるほどです。この人間と区別がつかないほどの対話能力が、質の高い生の顧客の声を引き出す鍵となっています。

クライアント企業がCRMへのアクセスを許可すれば、AIリサーチャーは既存顧客へリーチし、パーソナライズされたインタビューを実施できます。AIによる会話結果は、従来の人間による調査と同様に、レポートやPowerPoint形式で分析結果として提供されます。これにより、企業の意思決定者はすぐにインサイトを活用可能です。

Keplarの創業者は元Googleの音声AIエンジニアであり、確固たる技術基盤を持っています。ただし、顧客リサーチ市場の変革を目指す企業は他にも存在し、OutsetやListen Labsといった大規模な資金調達を実施した競合もいます。ボイスAIによる市場調査は、今後競争が激化するフロンティアとなるでしょう。

Hugging Face、仏Scalewayを推論プロバイダーに統合しAI利用の選択肢拡大

統合の核心と利点

Scalewayを新たな推論プロバイダーに追加。
gpt-ossやQwen3など人気モデルへ容易にアクセス。
モデルページからサーバーレスで即時推論可能。
ウェブUIとクライアントSDKからシームレス利用。

Scalewayの技術的強み

欧州データセンターによるデータ主権と低遅延。
トークンあたり€0.20からの競争的価格。
構造化出力、ファンクションコーリングに対応。
高速応答(200ms未満)を実現。

柔軟な課金体系

カスタムキー利用でプロバイダーに直接請求。
HF経由の請求は追加マークアップなし。
PROユーザーは毎月2ドル分の推論クレジット付与。

Hugging Faceは、フランスのクラウドプロバイダーであるScalewayを新たな「Inference Provider(推論プロバイダー)」としてハブに統合しました。これにより、経営者やエンジニアはgpt-ossやQwen3などの人気オープンウェイトモデルを、Scalewayの提供するフルマネージドなサーバーレス環境で利用可能になります。この統合は、AIモデルのデプロイと利用の柔軟性を高め、特に欧州におけるデータ主権への要求に応えるものです。

Scalewayが提供するのは「Generative APIs」と呼ばれるサーバーレスサービスであり、トークンあたり0.20ユーロ/100万トークンからという競争力のある従量課金制が特徴です。ユーザーはシンプルなAPIコールを通じて、最先端のAIモデルにアクセスできます。この手軽さとコスト効率は、大規模な本番環境での利用を検討する企業にとって大きなメリットとなります。

インフラストラクチャはパリの欧州データセンターに置かれており、欧州の利用者に対してデータ主権の確保と低遅延の推論環境を提供します。応答速度はファーストトークンで200ミリ秒未満を達成しており、インタラクティブなアプリケーションやエージェントワークフローへの適用に最適です。テキスト生成とエンベディングモデルの両方をサポートしています。

Scalewayのプラットフォームは高度な機能にも対応しています。具体的には、応答形式を指定できる構造化出力や、外部ツール連携を可能にするファンクションコーリング、さらにマルチモーダル処理能力を備えています。これにより、より複雑で実用的なAIアプリケーションの開発が可能になります。

利用者は、HFのウェブサイトUIだけでなく、PythonやJavaScriptのクライアントSDKからシームレスに推論を実行できます。課金方式は二通りあり、ScalewayのAPIキーを使う場合は直接プロバイダーに請求されます。HF経由でルーティングする場合は、HFによる追加のマークアップは発生しないため、透明性が高い価格で利用できます。

Hugging FaceのPROプランユーザーには、毎月2ドル分の推論クレジットが特典として提供されます。このクレジットは、Scalewayを含む複数のプロバイダーで横断的に使用可能です。本格的な商用利用や高いリミットが必要な場合は、PROプランへのアップグレードが推奨されています。

GV、CI/CDのBlacksmithに再投資 ベアメタル活用で開発を加速

異例の速さで資金調達

GVがわずか4ヶ月で追加投資
シリーズAで1000万ドルを調達完了
ARR(年間収益)は350万ドルに急増

開発速度を革新する技術

CI/CD処理にベアメタルを採用
処理速度を最大2倍に高速化
計算コストを最大75%の大幅削減

継続的インテグレーション・デリバリー(CI/CD)を提供するスタートアップBlacksmithは、シードラウンドからわずか4ヶ月で、Google Ventures(GV)主導のシリーズAラウンドを実施し、1000万ドル(約15億円)を調達しました。AI駆動のソフトウェア開発が加速する中、コードのリリース速度を劇的に高める同社の実績と市場拡大の可能性が評価され、GVは異例の速さで追加投資を決定しました。

Blacksmithの成長は目覚ましいものがあります。今年2月にわずか4人のチームでARR(年間経常収益)100万ドルを達成しましたが、現在は従業員8名体制でARRは350万ドルに急増しています。顧客数も700社を超えており、この短期間での確かな実績が、GVが短期間で大規模な追加投資を決断する決め手となりました。

同社の最大の強みは、従来のCI/CDプロセスが抱える高コストで予測不可能なテスト実行の課題を解消した点です。一般的なクラウドサービスをレンタルするのではなく、高性能なゲーミンググレードのCPUをベアメタル環境で活用しています。これにより、同社はリソースの経済性を完全に制御しています。

この独自のアプローチの結果、Blacksmithは顧客企業に対し、処理速度を最大2倍に高め、計算コストを最大75%削減できると主張しています。導入も容易であり、既存のコードを一行変更するだけで切り替えが完了します。これにより、企業は数分以内にコードの出荷プロセスを高速化することが可能です。

Blacksmithは、主にエンジニアを500人以上抱える大規模な開発チームをターゲットとしています。同サービスはGitHub Actionsと連携し、テスト分析や深い可視化機能を提供することで、既存のCI/CDプラットフォームを補完します。AIエージェントの普及は開発市場を広げ、同社の成長を後押ししています。

創業者は、Cockroach LabsやFaireなどの企業で大規模な分散システムを構築した経験を持ちます。CIにおけるビルドやユニットテストの非効率性を痛感した経験が、このサービス開発の原点です。今回のシリーズAには、Cockroach LabsのCEOら既存投資家も再参加しています。

Google、映画で「AIの死後世界」描く 新たな倫理的対話促す

AIオン・スクリーン始動

GoogleとRange Media Partnersが共同
AIの社会浸透を前提とした物語創作を支援
科学小説から日常へのAI移行を促進

第1作『Sweetwater』の核心

テーマは「デジタルな死後の世界(digital afterlife)」
ホログラフィックAIによる亡き母の再現
中心概念は「生成された亡霊(generative ghosts)」
未解決の悲嘆とテクノロジーの関係性を考察

Googleは先ごろ、短編映画プログラム「AI on Screen」の第1作目となる『Sweetwater』を公開しました。これは、AIが日常生活に浸透する中で、人間とAIの複雑な関係、特に「デジタルな死後の世界」という倫理的なテーマを深く掘り下げた作品です。エンターテイメントを通じて、技術の進歩が社会に及ぼす影響について、重要な議論を促しています。

このプログラムは、SFの世界から現実へと移行しつつあるAIのあり方に対し、映画制作者の視点から物語を創造することを目的としています。映画は人々の想像力を形成し、技術との共存について社会的な対話を喚起する強力なツールです。Googleは多様な声を支援し、技術とストーリーテリングの重要な岐路を探ります。

『Sweetwater』の中心的な概念は、「生成された亡霊(generative ghosts)」です。これは、AI技術によって亡くなった愛する人のデジタルな人格を保存・再現する試みを指します。作中では、故人の息子がホログラフィックAIとして再現された母親と遭遇し、テクノロジーが人間の悲嘆や感情を予期せぬ形で増幅させる様を描いています。

第1作は、マイケル・キートン・ダグラス氏が監督・主演を務め、息子のショーン・ダグラス氏が脚本・音楽を担当しました。著名な映画人との協業は、AI技術の話題を一般層に広げ、倫理や家族の力学といった普遍的なテーマに落とし込む上で大きな意義を持ちます。

経営層やエンジニアにとって、この種のコンテンツは単なる娯楽に留まりません。AIが人間の感情や社会構造に深く関わる未来において、倫理的なフレームワークや規制の必要性を具体的に示唆します。技術開発だけでなく、その社会的受容性を高める上での視点を提供しているのです。

Gemini 2.5がICPCで金獲得。人間不能の難問を30分で解決しAGIへ前進

プログラミング能力の証明

ICPC世界大会で金メダルレベルの成績
全12問中10問を正解し総合2位相当
人間チームが解けなかった難問Cを突破
国際数学オリンピック(IMO)に続く快挙

技術的ブレイクスルー

マルチステップ推論と並列思考能力を活用
動的計画法と革新的な探索手法を適用
創薬や半導体設計など科学工学分野への応用期待
プログラマーの真の協働パートナーとなる可能性

Google DeepMindのAIモデル「Gemini 2.5 Deep Think」が、2025年国際大学対抗プログラミングコンテスト(ICPC)世界大会で金メダルレベルの成果を達成しました。人間チームが誰も解けなかった複雑な最適化問題を見事に解決し、抽象的な問題解決能力におけるAIの劇的な進化を証明しました。

Geminiは競技ルールに従い、5時間の制限時間で12問中10問を正解しました。これは出場した大学139チームのうち、トップ4にのみ与えられる金メダルレベルに相当し、大学チームと比較すれば総合2位の成績となります。

特に注目すべきは、全ての人間チームが解決できなかった「問題C」を、Geminiが開始からわずか30分以内に効率的に解いた点です。これは、無限に存在する構成の中から、最適な液体分配ネットワークを見つけ出すという、極めて困難な課題でした。

Geminiは、各リザーバーに「プライオリティ値」を設定し、動的計画法を適用するという革新的なアプローチを採用しました。さらにミニマックス定理を利用し、最適解を効率的に導出するためにネストされた三進探索を駆使しました。

この快挙は、プレトレーニング、強化学習、そして複数のGeminiエージェントが並列で思考し、コードを実行・検証するマルチステップ推論技術の統合によって実現しました。これにより、Geminiは最も困難なコーディング課題からも学習し進化しています。

ICPCの成果は、AIがプログラマーにとって真の問題解決パートナーになり得ることを示しています。AIと人間の知見を組み合わせることで、ロジスティクスやデバッグ、創薬、マイクロチップ設計といった科学・工学分野の複雑な課題解決を加速させることが期待されます。

この先進技術の一部は、すでにGoogle AI Ultraのサブスクリプションを通じて、軽量版のGemini 2.5 Deep Thinkとして提供されています。AIコーディングアシスタントの知能が飛躍的に向上し、開発現場の生産性向上に直結するでしょう。

元Periscope創業者がAI再始動、コード理解とバグ修正の「Macroscope」

開発者向けの核心機能

コードベースの変更内容をAIが自動で要約
プルリクエスト(PR)の記述を自動生成
抽象構文木(AST)を活用した詳細なコード解析
PRに含まれるバグの早期発見と修正を支援

経営層・リーダーへの提供価値

リアルタイムなプロダクト更新状況を把握
自然言語でコードベースを質問可能
エンジニアの優先順位とリソース配分の可視化
競合を上回る高精度なバグ検出能力

元Twitterのプロダクト責任者であったケイボン・ベイクポー氏らが、AIを活用した新しいスタートアップ「Macroscope(マクロスコープ)」を立ち上げました。このサービスは、開発者やプロダクトリーダー向けに、複雑なコードベースの理解を助け、バグを自動で検出・修正するAIシステムを提供します。同氏は以前、ライブストリーミングアプリPeriscopeをTwitterに売却しており、その創業チームが開発者の生産性向上を狙い、満を持して再始動した形です。

CEOのベイクポー氏は、大規模組織において全員が何に取り組んでいるかを把握することが、自身の業務の中で最も困難だったと語ります。従来のJIRAやスプレッドシートといった管理ツールだけでは限界がありました。Macroscopeは、エンジニアがコード構築以外の雑務や会議に費やす時間を削減し、本来の創造的な作業に集中できるように設計されています。これは、あらゆる企業が直面する共通の課題です。

Macroscopeの基盤技術は、GitHub連携後にコードの構造を表現する抽象構文木(AST)を用いたコード解析です。この深い知識と大規模言語モデル(LLM)を組み合わせることで、精度の高い分析を実現します。開発者は、自身のプルリクエスト(PR)の自動要約や、PR内の潜在的なバグの発見と修正提案をリアルタイムで受け取ることができます。

プロダクトリーダーや経営層にとっては、チームの生産性状況や、プロジェクトの進捗を迅速に把握できる点が重要です。Macroscopeを通じて、自然言語で「今週何が完了したか」といった質問をコードベースに対して直接投げかけられます。これにより、熟練エンジニアの時間を割くことなく、リソース配分の優先順位付けや製品のリアルタイムな更新状況を把握可能です。

Macroscopeはコードレビュー分野で競合が存在しますが、独自ベンチマークで優れたパフォーマンスを示しています。100件以上の実環境のバグを用いたテストでは、競合ツールと比較してバグ検出率が5%高く、かつ自動生成されるコメントが75%少ない結果となりました。これは、精度の高い結果を出しつつも、ノイズが少なく、開発者のレビュー負担を軽減できることを示します。

Macroscopeは、既にXMTPやBiltなど複数のスタートアップや大企業での導入実績があります。料金体系は、アクティブな開発者一人あたり月額30ドルからとなっており、大規模企業向けにはカスタム統合も提供されます。同社は2023年7月の設立以来、合計4,000万ドルを調達しており、Lightspeedが主導した3,000万ドルのシリーズA資金調達により、今後の成長が期待されています。

AWSがGPT-OSS活用、エージェント構築加速へ

<span class='highlight'>主要構成要素</span>

モデルのデプロイ・管理にAmazon SageMaker AIを使用
エージェントの統合にAmazon Bedrock AgentCoreを活用
グラフベースのワークフロー構築にLangGraphを利用

<span class='highlight'>システム設計の要点</span>

複雑なタスクを専門エージェントに分業させる構造
高速推論を実現するvLLMサービングフレームワーク
スケーラブルでサーバーレスなエージェント運用基盤
低コストでの強力なオープンソースLLMの活用

AWSは、OpenAIが公開したオープンウェイトの大規模言語モデル(LLM)である「GPT-OSS」を活用し、実用的なエージェントワークフローを構築する詳細なガイドを発表しました。Amazon SageMaker AIでモデルをデプロイし、Amazon Bedrock AgentCoreでマルチエージェントを統合運用するエンドツーエンドのソリューションです。これにより、複雑なタスクを自動化し、企業生産性を大幅に高める道筋が示されました。

このソリューションの核となるのは、高度な推論とエージェントワークフローに優れるGPT-OSSモデルです。MoE(Mixture of Experts)設計のこれらのモデルを、高速な推論フレームワークであるvLLMと組み合わせ、SageMaker AI上にデプロイします。この組み合わせにより、単一のGPU(L40sなど)上でも大規模なモデルを効率的に動かすことが可能となり、運用コストを抑えつつ高性能を実現しています。

現実世界の複雑なアプリケーションには、単なるLLM応答以上のワークフロー管理とツール利用能力が求められます。この課題を解決するため、グラフベースの状態管理フレームワークLangGraphを採用し、複数の専門エージェントの協調を設計しました。これらのエージェントは、Bedrock AgentCore Runtimeという統合レイヤー上でデプロイ・運用されます。

Amazon Bedrock AgentCoreは、エージェントのインフラストラクチャ管理、セッション管理、スケーラビリティといった重労働を抽象化します。開発者はロジックの構築に集中でき、エージェントの状態を複数の呼び出し間で維持できるため、大規模かつセキュアなAIエージェントシステムをサーバーレスで展開・運用することが可能になります。

具体例として、株価分析エージェントアシスタントが構築されました。このシステムは、データ収集エージェント、パフォーマンス分析エージェント、レポート生成エージェントの3つで構成されます。ユーザーの問い合わせに対し、専門化されたコンポーネントが連携し、株価データ収集から技術・ファンダメンタル分析、そして最終的なPDFレポート生成までを一気通貫で実行します。

このエージェントワークフローは、定型的な分析業務を自動化し、アナリストの生産性向上に大きく貢献します。処理時間の大幅な短縮に加え、スキルを持つ専門家が、より複雑な意思決定や顧客との関係構築といった高付加価値業務に注力できる環境を提供します。オープンソースLLMの力を最大限に引き出し、ビジネス価値に変える実践例です。

金融の複雑なコンプラ業務をAIで7割削減、Rulebaseが2.1億円調達

資金調達と成長

YC支援のもと210万ドルを調達
元MS/GS出身者が2024年に創業
金融バックオフィス業務を自動化

AI「コワーカー」機能

顧客対応のコンプラリスクを評価
QAや紛争解決など手作業を代替
既存ツール(Jira等)とのシームレス連携

経営へのインパクト

業務コストを最大70%削減
顧客対応の100%レビューを実現

Y Combinator出身のRulebaseが、プレシードラウンドで210万ドル(約3.1億円)の資金調達を実施しました。同社は、フィンテック企業のバックオフィス業務、特にコンプライアンスや品質保証(QA)を自動化するAIエージェント「コワーカー」を提供し、生産性向上を目指しています。

RulebaseのAIコワーカーは、従来の金融機関でQAアナリストが手動で3〜5%しかレビューできなかった顧客対応を、100%評価できるように設計されています。これにより、手作業を大幅に削減し、人的コストを最大70%削減できると創業者は述べています。

このAIエージェントは、顧客とのやり取りを評価し、規制リスクを即座に特定します。ZendeskやJira、Slackなどの既存プラットフォームと連携し、一連の紛争対応ライフサイクルを管理します。人間による監視(Human-in-the-loop)を維持している点も、金融業界にとって重要です。

Rulebaseが金融サービスに注力する理由は、高度な専門知識(ドメインナレッジ)が要求されるためです。Mastercardの規則やCFPB(消費者金融保護局)のタイムラインといった詳細な知識をシステムに組み込むことが、他社との決定的な競争優位性(Moat)になるとCEOは強調しています。

すでに米国大手銀行プラットフォームなどでの導入実績があり、エスカレーション率を30%削減するなどの効果が出ています。調達資金を活用し、エンジニアリングを強化するとともに、今後は不正調査や監査準備といった新機能の追加も視野に入れています。

QuoraのPoe、AWS BedrockでAIモデル統合を96倍高速化

開発生産性の劇的向上

デプロイ時間を96倍高速化(数日→15分)。
必須コード変更を95%削減。
テスト時間を87%短縮。
開発リソースを機能開発へ集中。

統一アクセスレイヤーの構築

異なるAPI間のプロトコル変換を実現。
設定駆動型による迅速なモデル追加。
認証(JWTとSigV4)のブリッジング機能。

マルチモデル戦略の強化

30以上のテキスト/画像モデル統合。
設定変更でモデル能力を拡張可能に。

QuoraのAIプラットフォーム「Poe」は、Amazon Web Services(AWS)と協業し、基盤モデル(FM)のデプロイ効率を劇的に改善しました。統一ラッパーAPIフレームワークを導入した結果、新規モデルのデプロイ時間が数日からわずか15分に短縮され、その速度は従来の96倍に達しています。この成功事例は、複数のAIモデルを大規模に運用する際のボトルネック解消法を示しています。

Poeは多様なAIモデルへのアクセスを提供していますが、以前はBedrock経由の各モデルを統合するたびに、独自のAPIやプロトコルに対応する必要がありました。Poeはイベント駆動型(SSE)、BedrockはRESTベースであり、この違いが膨大なエンジニアリングリソースを消費し、新しいモデルの迅速な提供が課題となっていました。

AWSのGenerative AI Innovation Centerとの連携により、PoeとBedrockの間に「統一ラッパーAPIフレームワーク」を構築しました。この抽象化レイヤーが、異なる通信プロトコルのギャップを埋め、認証や応答フォーマットの違いを吸収します。これにより、「一度構築すれば、複数のモデルを展開可能」な体制が確立されました。

この戦略の結果、新規モデルを統合する際の必須コード変更量は最大95%削減されました。エンジニアの作業内容は、以前の65%がAPI統合だったのに対し、導入後は60%が新機能開発に集中できるようになりました。この生産性向上により、Poeはテキスト、画像、動画を含む30以上のBedrockモデルを短期間で統合しています。

高速デプロイの鍵は、「設定駆動型アーキテクチャ」です。新しいモデルの追加には統合コードの記述は不要で、設定ファイルへの入力のみで完結します。さらに、Bedrockが導入した統一インターフェース「Converse API」を柔軟に活用することで、チャット履歴管理やパラメーター正規化が容易になり、統合作業がさらに簡素化されました。

本フレームワークは、マルチモーダル機能の拡張にも貢献しています。例えば、本来テキスト専用のモデルに対しても、Poe側が画像を分析しテキスト化することで、擬似的な画像理解能力を付与できます。これにより、基盤モデルのネイティブな能力によらず、一貫性のあるユーザーエクスペリエンスを提供可能になりました。

本事例は、AIモデル活用の競争優位性を得るには、個別のモデル連携に時間を使うのではなく、柔軟な統合フレームワークへの初期投資が極めて重要であることを示唆しています。抽象化、設定駆動、堅牢なエラー処理といったベストプラクティスは、AIを大規模展開し、市場価値を高めたい組織にとって必須の戦略となるでしょう。

LLM開発費を最大化する効率的スケーリング則、MITが提言

研究の核心と課題

LLM開発の高額な計算資源コストへの対処法
小規模モデルから大規模モデルの性能を予測
従来の予測手法は体系的な検証が不足

効率を高める指針

多様なサイズでモデル数を優先して訓練
最終損失でなく中間チェックポイントを活用
ターゲットモデルの部分学習(30%程度)でコスト削減

データ選定と精度

初期のノイズデータ(100億トークン未満)を破棄
目標精度と計算予算を事前に決定

マサチューセッツ工科大学(MIT)の研究チームは、大規模言語モデル(LLM)の訓練コストを最適化するための「スケーリング則」構築ガイドを公開しました。これは、数百万ドルにも上る開発費を効率的に使い、大規模モデルの性能を高い信頼性で予測するための体系的な指針を提供します。AI開発における予算と性能のトレードオフを解消する画期的な分析です。

スケーリング則とは、小さなモデルの学習結果から、同じモデルファミリーのより大きなターゲットモデルの性能(特に損失)を推定する手法です。従来、この手法は開発者ごとに異なり、その有効性がブラックボックス化していました。今回の研究では、40種類のモデルファミリー、485の独自モデルを分析し、1,000以上のスケーリング則を検証しています。

最も重要な提言の一つは、予測の堅牢性を高めるために、多様なサイズのモデルを少数訓練することを優先すべき点です。単に非常に大規模なモデルを訓練するよりも、5つ程度の小規模モデルを分散して訓練することが、スケーリング則の精度向上に寄与すると結論付けています。

また、リソースを効率的に活用するため、ターゲットモデルをデータセットの約30%まで部分的に訓練し、そのデータを使って性能を外挿することで、大幅なコスト削減が可能となります。加えて、訓練過程の最終損失だけでなく中間チェックポイントのデータを利用することが予測信頼性を高める鍵です。

ただし、訓練開始直後(100億トークン以前)のデータはノイズが多く、予測精度を低下させるため破棄すべきだと研究者は推奨しています。開発者は、予測誤差率(ARE)が4%以内であれば最良、20%以内であっても意思決定に十分役立つ精度として目標設定が可能です。

興味深い発見として、完全に訓練されたモデルの「中間段階」のデータが、別のターゲットモデルの予測に再利用できることが判明しました。これは、追加コストなしに予測リソースを増強できることを意味します。また、小規模モデルと大規模モデルの挙動は予想以上に類似していることも確認されました。

研究チームは今後、モデルの訓練時間だけでなく、モデルの応答時間(推論時間)に関するスケーリング則へと分析を拡大する計画です。ユーザーの新しいクエリに対して「最適な思考量」を予測する技術は、リアルタイムでのAI活用においてさらに重要性を増すと期待されています。

MS、開発者AIでAnthropicを優先。VS Code/CopilotにClaude 4採用

開発環境のモデル交代

VS CodeのCopilotでClaude Sonnet 4を優先採用
マイクロソフトの内部評価でGPT-5より優位
コーディング性能の最適化が選定の決め手

MS内のAnthropic利用拡大

開発部門内でClaude 4利用の推奨が続く
M365 Copilotの一部機能にも採用を計画
ExcelやPowerPointでOpenAIモデルを凌駕

マイクロソフト(MS)は、開発者向け主力ツールであるVisual Studio Code(VS Code)およびGitHub CopilotのAIモデル戦略を転換しました。社内ベンチマークの結果に基づき、OpenAIのGPT-5ではなく、AnthropicのClaude Sonnet 4を、最適なパフォーマンスを発揮するモデルとして優先的に採用しています。

VS Codeには、利用状況に応じて最適なモデルを自動選択する新機能が導入されました。特にGitHub Copilotの有料ユーザーは、今後主にClaude Sonnet 4に依存することになります。これは、コーディングや開発タスクにおける性能最適化を最優先した、MSの明確な方針転換と言えます。

MSの開発部門責任者はすでに数カ月前、開発者に向けてClaude Sonnet 4の使用を推奨する社内メールを出していました。このガイダンスは、GPT-5リリース後も変更されていません。同社は、内部テストにおいてAnthropicモデルが競合製品を上回る実績を示したことが、採用の主要な根拠だと説明しています。

Anthropicモデルの採用拡大は、開発環境に留まりません。Microsoft 365 Copilotにおいても、ExcelやPowerPointなどの一部機能でClaudeモデルが導入される計画です。これらのアプリケーション内での特定のデータ処理や推論において、AnthropicモデルがOpenAIモデルよりも高い精度を示したためです。

MSはOpenAIの最大の投資家である一方、AIモデルの調達先を戦略的に多様化しています。これは、特定のベンダーへの依存を避け、製品ポートフォリオ全体で最高のAI体験をユーザーに提供するための戦略的判断です。また、MSは自社開発モデル(MAI-1)への大規模な投資も継続しています。

Google、Pixel 10とWatch 4を発表、Gemini AI機能を大幅強化

最新Pixel製品群

Pixel 10シリーズをフル展開
Pixel Watch 4を同時発表
Pixel Buds A Series 2も投入
アクセサリー「Pixelsnap」も展開

最先端AIと機能強化

Pixel向けGeminiの新機能5種
最新Google AIによる利便性向上
Watch 4に緊急衛星通信搭載
Pixel開発10周年記念のモデル

Googleは2025年9月16日の「Made by Google 2025」において、スマートフォン「Pixel 10」シリーズや「Pixel Watch 4」を含む新製品ラインナップを発表しました。この最新ポートフォリオは、Pixel開発10周年という節目を記念し、最先端のGoogle AIを深く統合しています。特に、デバイス上で動作する生成AI「Gemini」の機能が大幅に強化され、ユーザー体験の劇的な向上を目指します。

今回発表されたPixel 10シリーズには、通常モデルに加え、Pro、Pro XL、そして折りたたみ式のPro Foldが揃い、フルラインナップとなりました。デザインも一新され、発売10周年を飾るにふさわしいアップグレードが施されています。企業や開発者は、これらの多様なフォームファクターで、AIを活用した新しいモバイルソリューションの可能性を探ることが可能です。

新しいPixel製品群の核となるのは、高度に統合されたAI機能です。Googleは、Pixel上でGeminiの5つの新たな機能を提供することを明らかにしました。この最新のGoogle AIは、これまで以上にユーザーのパーソナライゼーションを可能にし、日常的なタスクをよりスムーズに実行できるよう設計されています。AIによる生産性向上は、ビジネス利用における最大の関心事となるでしょう。

また、同時に発表された「Pixel Watch 4」にも注目が集まります。Watch 4は、緊急時に備えた衛星通信機能(Emergency Satellite Communications)を搭載しており、ユーザーの安全確保を最優先しています。さらに「Pixel Buds A Series 2」やアクセサリー群「Pixelsnap」も投入され、Googleのエコシステム全体が強化されています。

Google、Windows向け新検索アプリ提供 生産性向上のAIハブ狙う

瞬時に統合検索

Mac Spotlight類似のデスクトップ検索機能
Alt + Spaceで即座に起動しフロー中断回避
ローカル、Drive、Webの情報源を統合
デスクトップ上に検索バーを常時配置可能

AIとLens連携

内蔵されたGoogle Lensによる画面検索
画像・テキストの翻訳や宿題解決の支援
AI Modeによる高度な検索応答と質問継続
検索結果の表示モード(AI, 画像, 動画など)を切り替え

現状と要件

現在、Search Labs経由の実験機能として提供
Windows 10以降が必要、当面は米国・英語限定

Googleは、Windowsデスクトップ向けに新しい検索アプリの実験提供を開始しました。これはMacのSpotlightに似た機能を持つ検索バーをPCにもたらし、ユーザーの生産性向上を強力に支援します。ローカルファイル、Google Drive、ウェブ上の情報を瞬時に横断検索できる統合機能が最大の特長です。AIモードも搭載されており、作業フローを中断することなく、高度な情報処理と検索を可能にします。

このアプリは、ショートカットキー「Alt + Space」を押すだけで即座に起動し、現在作業中のウィンドウを切り替えることなく利用できます。文書作成中やゲーム中でも、必要なファイルや情報にすぐにアクセス可能です。特に、ローカルPC内のファイルとGoogle Drive上のクラウドデータを一元的に検索できる点は、ハイブリッドなデータ環境を持つビジネスパーソンにとって大きなメリットとなります。

さらに、Googleのビジュアル検索機能「Google Lens」が内蔵されています。これにより、画面上の任意の画像やテキストを選択し、そのまま検索したり、翻訳したりできます。AI Modeを有効にすれば、複雑な数式問題の解答補助など、より深いAI駆動型の応答を得ることも可能です。検索を単なる情報発見から課題解決ツールへと進化させています。

MicrosoftはCopilot Plus PCなどで検索とAI機能をOSレベルで強化していますが、Googleはこのデスクトップアプリで対抗します。Googleは、Windows環境においても、WebとDriveの圧倒的なデータ連携力と、独自のAI技術を武器に検索における優位性を確立しようとしています。これは、両社のAI戦略の主戦場がOS/デスクトップ環境に移っていることを示唆します。

この新アプリは、ウィンドウの切り替え工数を削減し、情報探索時間を短縮することで、ユーザーの集中力を維持させます。特に大量の文書やデータを行き来する経営者やリーダー、エンジニアにとって、タスクフローを中断しないシームレスな検索体験は、生産性の大幅な改善に直結します。今後の機能拡張次第では、業務における「AIハブ」となる可能性を秘めています。

現在、この新アプリはGoogleのSearch Labsを通じた実験段階にあり、利用はWindows 10以降のPCで、米国ユーザーのみ、言語は英語に限定されています。しかし、この戦略的な動きは、GoogleがデスクトップOSの垣根を越えて、検索体験の主導権を握る意図を示しています。今後の対応言語や機能の拡大に注目が集まります。

AIが心の支えに。数千万人が利用する信仰テック市場の光と影

爆発的な成長を遂げる「信仰テック」

Bible Chatは3000万DL超え
Hallowが一時ストア首位を獲得
年間最大70ドルの収益モデル確立
中国では運勢解読にAI活用

利用動機とAIの限界

24時間対応のアクセシビリティ
ユーザーからの「本当に神か」という問い
AIは統計的に尤もらしいテキスト生成
誤情報や誤解を生むリスク

宗教的テキストで訓練されたAIチャットボットが、数千万人のユーザーから精神的な指導や告解の相手として利用され、急速に市場を拡大しています。カトリック系の「Hallow」が一時的にApple StoreでNetflixやTikTokを上回るなど、その普及は驚異的です。AIは人間の深い精神世界にまで浸透し始め、年間最大70ドルを支払う「信仰テック」という新たな巨大市場を形成しています。

特に注目すべきは、主要アプリの規模です。「Bible Chat」はすでに累計3000万ダウンロードを突破し、多くのユーザーが秘密を打ち明けています。これは、AIが単なる情報検索ツールではなく、人間の内面的なニーズを満たす存在として認識され始めている証左です。市場価値を高めたい企業にとって、この精神的・心理的サポート領域は未開拓のブルーオーシャンと言えます。

AI利用の最大の動機は、アクセシビリティの問題を解決することにあります。ユーザーは「午前3時に牧師を起こしたくない」といった理由で、24時間即座に応答するAIを重宝しています。これは、従来の人的サービスでは満たせなかった時間や場所の制約を取り払う、AI導入の典型的な成功例として捉えることができます。

一方で、これらのチャットボットは神や超自然的な存在ではありません。大規模言語モデル(LLM)として、宗教的なテキストパターンに基づき、統計的に最もらしいテキストを生成しているに過ぎません。「ChatwithGod」のCEOが明かすように、ユーザーから「これは本当に神ですか?」という質問が頻繁に寄せられる点に、AIの人間的な応答能力と、それによる根源的な誤解が潜んでいます。

この技術の普及は、倫理的な課題を伴います。AIは訓練データに基づいて応答するため、誤った情報を提供したり、根拠のない安心感を与えたりする可能性があります。人間と異なり、AIには思考や心がないため、ユーザーの最善の利益を考慮に入れることができません。経営層や開発者は、AIが精神的指導を装うことの潜在的な危険性を理解し、責任ある設計が求められます。

AIコードレビュー市場急拡大、CodeRabbitが評価額800億円超で6000万ドル調達

驚異的な成長と評価

シリーズBで6000万ドルを調達
企業評価額は5億5000万ドル
ARRは1500万ドル超、月次20%成長
NvidiaのVC含む有力投資家が参画

サービスと価値

AIコード生成のバグボトルネック解消
コードベース理解に基づく高精度なフィードバック
レビュー担当者を最大半減し生産性向上
Grouponなど8,000社以上が採用

AIコードレビュープラットフォームを提供するCodeRabbitは、シリーズBラウンドで6000万ドル(約90億円)を調達し、企業評価額を5億5000万ドル(約825億円)としました。設立からわずか2年でこの評価額に達した背景には、GitHub Copilotなどに代表されるAIによるコード生成の普及で、レビュー工程が新たなボトルネックとなっている現状があります。この資金調達はScale Venture Partnersが主導し、NvidiaのVC部門も参加しています。

CodeRabbitは、増加するAI生成コードのバグに対処し、開発チームの生産性向上に貢献しています。同社の年間経常収益(ARR)は1500万ドルを超え、月次20%という驚異的な成長率を維持しています。Chegg、Grouponなど8,000社以上の企業が既に導入しており、急速に市場のニーズを取り込んでいることがわかります。

AIによるコード生成は効率を高める一方、その出力はしばしばバグを含み、シニア開発者がその修正に時間を費やす「AIのベビーシッター」状態を生み出しています。CodeRabbitは、企業の既存のコードベース全体を深く理解することで、潜在的なバグを的確に特定し、人間のように具体的なフィードバックを提供します。

創業者であるハージョット・ギル氏によると、CodeRabbitの導入により、企業はコードレビューに携わる人員を最大で半減できる効果が見込めるとしています。これは、開発サイクルにおける最も時間のかかる作業の一つであるコードレビューの効率化をAIが担うことで実現されます。

AIコードレビュー市場では、Graphite(5200万ドル調達)やGreptileなど、有力な競合が存在します。しかし、CodeRabbitは AnthropicのClaude Codeなどのバンドルソリューションと比較して、より包括的かつ技術的な深みがあると主張し、スタンドアローン製品としての優位性を強調しています。

開発者がAI生成コードに依存する度合いが高まるにつれ、その信頼性を担保するためのAIコードレビューの需要はさらに拡大する見通しです。CodeRabbitが提示する高精度なレビュー機能が、今後のソフトウェア開発における必須インフラとなる可能性を示唆しています。

YC最注目株:AIエージェントとインフラが主戦場

AIインフラと業務特化

AI向けStripe統合基盤の開発(Autumn)
AIエージェント用自動デプロイ基盤(Dedalus Labs)
本番環境のバグを修正するAIエンジニア(Keystone)
保険金請求を自動化する業務特化AI(Solva)

ニッチ市場と成長性

AI生成デザインのクラウド評価(Design Arena)
会話に特化したAI言語家庭教師(Pingo AI)
女性向け友人マッチングAIの急成長(RealRoots)
コスト効率の高い対ドローン兵器(Perseus Defense)

先週開催されたYCサマー2025デモデイでは、160社超のスタートアップが登壇しました。今回の傾向は、従来の「AI搭載」製品から、AIエージェントとそれを開発・運用するための専門インフラへの明確なシフトです。投資家の間で特に注目を集めたのは、複雑な課金管理やインフラ自動化を担うB2Bソリューション群でした。

最も求められるスタートアップ9社からは、AI市場の成熟度が見て取れます。特に、複雑な従量課金モデルに対応する「Stripe for AI」や、エージェントの自動デプロイを可能にする「Vercel for AI agents」など、AI経済を足元から支えるツールが多数登場しました。これは市場が本格的な収益化フェーズに入ったことを示唆します。

B2B領域では、AutumnがAI特有の複合的な課金モデルを簡素化し、既に40社のYCスタートアップで採用されています。また、Dedalus Labsは、AIエージェントのオートスケーリングや負荷分散を自動化し、数時間かかっていたデプロイ作業を数クリックで完了させます。インフラ効率化が成長の鍵です。

業務特化型AIも高い収益性を示しています。保険金請求プロセスを自動化するSolvaは、ローンチからわずか10週間で年間経常収益(ARR)24.5万ドルを達成。また、本番環境のバグをAIが自動修正するKeystoneも、多額の買収提案を断るほどの評価を受けています。

消費者向けサービスでは、AIを活用したニッチな社会的課題解決が成功事例となりました。女性の孤独解消を目的とした友人マッチングAI「RealRoots」は、月間収益78.2万ドルを稼ぎ出しています。また、会話に特化したAI家庭教師「Pingo AI」も月次70%成長と驚異的な伸びです。

異色な注目株としては、軍事・防衛分野のPerseus Defenseが挙げられます。同社は、安価なドローン群を迎撃するためのコスト効率の高いミニミサイルを開発しており、複数の米国軍関係機関からデモ実演に招かれるなど、国防技術の需要の高まりを反映しています。

GPT-5-Codexが開発生産性を劇的に向上させる理由

エージェント能力の進化

複雑なタスクで最長7時間以上の独立稼働
タスクに応じた思考時間の動的な調整
迅速な対話と長期的な独立実行の両立
実世界のコーディング作業に特化しRL学習を適用

ワークフローへの密着

CLI、IDE拡張機能、GitHubへシームレスに連携
ローカル環境とクラウド間のコンテキスト維持
画像やスクリーンショットを入力可能

品質と安全性の向上

コードレビューの精度が大幅に向上
重大なバグを早期に発見しレビュー負荷を軽減
サンドボックス環境による強固なセキュリティ

OpenAIは、エージェント型コーディングに特化した新モデル「GPT-5-Codex」を発表し、開発環境Codexを大幅にアップグレードしました。これはGPT-5を実世界のソフトウェアエンジニアリング作業に最適化させたバージョンです。開発者はCLI、IDE、GitHub、ChatGPTアプリを通じて、より速く、信頼性の高いAIアシスタントを活用できるようになります。

最大の進化は、タスクの複雑性に応じて思考時間を動的に調整する能力です。GPT-5-Codexは、大規模なリファクタリングやデバッグなどの複雑なタスクにおいて、最長7時間以上にわたり独立して作業を継続できることが確認されています。これにより、長期的なプロジェクトの構築と迅速なインタラクティブセッションの両方に対応します。

モデルは、既存のコードベース全体を理解し、依存関係を考慮しながら動作検証やテスト実行が可能です。特にコードレビュー機能が強化されており、コミットに対するレビューコメントの正確性と重要性が向上。重大な欠陥を早期に特定し、人間のレビュー工数を大幅に削減します。

開発ワークフローへの統合も一層強化されました。刷新されたCodex CLIとIDE拡張機能(VS Codeなどに対応)により、ローカル環境とクラウド環境間でシームレスに作業を移行できます。コンテキストが途切れないため、作業効率が劇的に向上します。

さらに、Codexは画像やスクリーンショットを入力として受け付けるようになりました。これにより、フロントエンドのデザイン仕様やUIバグなどを視覚的にAIへ共有し、フロントエンドタスクの解決を効率化します。また、GitHub連携によりPRの自動レビューや編集指示も可能です。

安全性確保のため、Codexはデフォルトでサンドボックス環境で実行され、ネットワークアクセスは無効です。プロンプトインジェクションのリスクを軽減するとともに、開発者はセキュリティ設定をカスタマイズし、リスク許容度に応じて運用することが可能です。

OpenAI、AGIへ「人型ロボットAI」開発を急加速

AGI実現への新経路

AGI実現へ物理世界での行動を重視
LLMの限界を認め新たな研究領域へ移行
人型ロボットAIの汎用化を目標に設定

開発体制と技術基盤

人型ロボット研究の専門家を積極採用
遠隔操作とシミュレーションで訓練
Nvidia Isaacなど開発環境を導入

ハード開発の可能性

試作・構築経験を持つ機械エンジニアを募集
量産化を視野に入れたハードウェア設計を示唆

OpenAIがAGI(汎用人工知能)達成に向け、ロボティクス研究を本格的に再加速させています。特に、物理世界との相互作用を可能にする人型ロボットAIの開発に注力するため、スタンフォード大学などから専門家を積極的に採用していることが明らかになりました。これは、既存のLLMモデルの限界を超え、AIを次の段階へ進めるための戦略的な転換です。

同社は、AGIを実現するには、単なる対話や推論能力だけでなく、現実世界でタスクを実行できるアルゴリズムが必要だと判断しました。このため、大規模言語モデル(LLM)の発展がピークに達しつつあると見て、物理的な感覚や運動制御を伴う新たな研究分野に焦点を移しています。

採用された研究者たちは、人型や部分的に人型をしたロボットを制御するAIアルゴリズム開発の専門家です。求人情報からは、ロボットを人間が操作し、その動きをAIが学習するテレイグジスタンス(遠隔操作)やシミュレーションを用いた訓練システムの構築を進めていることが分かります。

具体的には、ロボット訓練に広く使われるNvidia Isaacなどの仮想物理環境シミュレーション技術の専門知識が求められています。これにより、現実世界での試行錯誤コストを削減しつつ、AIが複雑な環境に適応する能力を効率的に獲得することが期待されます。

OpenAIが自社でロボットを製造するか、既存のハードウェアを活用するかは不明確です。しかし、求人には、センサー付きロボットシステムの試作・構築経験を持つ機械エンジニアの募集があり、量産(100万台以上)を前提とした設計経験も要求されており、ハードウェアへの深い関与を示唆しています。

このロボティクスへの再参入は、競争が激化する市場への挑戦です。すでにFigureやAgilityなどのスタートアップに加え、テスラやGoogleといった巨大AI企業も人型ロボット開発に大規模な投資を行っています。現時点では、OpenAIに「魔法のような優位性はない」との指摘もあり、今後の技術開発競争に注目が集まっています。

Googleが初のDP-LLM「VaultGemma」発表。プライバシー保護と性能の両立へ

<span class='highlight'>VaultGemma</span>公開の背景

機密データや著作権リスクの回避
LLMが訓練内容を記憶する現象
高品質な訓練データの枯渇

差分プライバシー(DP)とは

訓練フェーズでの意図的なノイズ付加
ユーザーデータのプライバシー保護を確約
データ記憶の確実な防止

DPスケーリング法則

精度と計算リソースのトレードオフ
ノイズ対バッチ比率が性能を左右
開発者が最適なノイズ量を設計可能に

Google Researchは、AIが訓練データを記憶し、機密情報を漏洩させるリスクに対応するため、初のプライバシー保護型大規模言語モデル(LLM)「VaultGemma」を発表しました。同時に、差分プライバシー(DP)をLLMに適用する際の性能と計算資源のトレードオフを規定する「DPスケーリング法則」を確立しました。この技術開発は、機密性の高いユーザーデータや著作権データに依存せざるを得ない今後のAI開発において、プライバシー保護とモデル性能の両立を図る上で極めて重要です。

LLMは非決定論的な出力をしますが、訓練データに含まれる個人情報や著作権データをそのまま出力してしまう、いわゆる「データ記憶」のリスクが常に伴います。VaultGemmaは、この記憶を防ぐために差分プライバシー(DP)を適用したモデルです。DPでは、モデルの訓練フェーズにおいて意図的に調整されたノイズを加えることで、特定の訓練データの影響を最小限に抑え、ユーザープライバシーの侵害を確実に防止します。

これまで、DPの導入はモデルの精度低下や計算要件の増大といった欠点を伴うため、その適用には慎重な判断が必要でした。しかし、Googleの研究チームは、モデルの性能が主に「ノイズ対バッチ比率」に影響されるという仮説に基づき、大規模な実験を実施しました。その結果、計算予算、プライバシー予算、データ予算の3要素の均衡点を見出すDPスケーリング法則を確立したのです。

このスケーリング法則の核心は、ノイズの増加がLLMの出力品質を低下させることを定量化した点にあります。開発者は、プライバシーを強化するためにノイズを増やした場合でも、計算リソース(FLOPs)やデータ量(トークン)を増やすことで性能低下を相殺できることが分かりました。この法則は、開発者が最適な「ノイズ対バッチ比率」を事前に設計し、プライバシーと性能の理想的なバランスを追求する道を開きます。

DeepMind責任者が語る「AIコ・サイエンティスト」戦略

AlphaFold成功の鍵

独自の問題解決フレームワーク
タンパク質構造予測を革新
AlphaFold、AlphaEvolveを開発

科学発見の民主化へ

新ツール「AIコ・サイエンティスト」
科学的ブレイクスルーを万人へ
研究開発の飛躍的な加速に貢献

DeepMindの戦略

科学・戦略イニシアチブを主導
AIによる科学の未来像を提示

Google DeepMindのPushmeet Kohli氏が、最新のポッドキャストでAIによる科学的ブレイクスルー加速戦略について解説しました。同氏は、AlphaFoldの成功を導いた独自の知見を共有し、その恩恵を広く社会に提供するための新構想「AIコ・サイエンティスト」に焦点を当てています。

DeepMindが過去に成し遂げたAlphaFoldやAlphaEvolveといった画期的なイノベーションは、同チームが適用した独自の「問題解決フレームワーク」から生まれました。このユニークなアプローチこそが、複雑で難解な科学的問題を効率的に解き明かす鍵となると強調されています。

同氏が提唱する「AIコ・サイエンティスト」は、その成功体験を基に構築される次世代のツール群です。これは、AIが人間科学者と協働し、特定の分野に留まらず、あらゆる人が科学的発見を達成可能にすることを目指しています。

この取り組みは、特にAI活用を志向する企業経営者やエンジニアにとって重要です。AIコ・サイエンティストが研究開発(R&D;)の現場に浸透すれば、創薬や新素材開発におけるイノベーションの所要時間とコストが劇的に削減され、企業の収益性向上に直結します。

SageMaker HyperPod、LLM学習の通信遅延を解消するトポロジー認識型スケジューリング導入

導入された新機能の概要

物理的配置を考慮するトポロジー認識型スケジューリング
大規模AIワークロードの最適化を目的
Amazon EKSクラスター上でのリソース管理を効率化

LLM学習効率化への貢献

ネットワークホップ削減による通信速度の向上
GPUクラスターの利用効率とスループットを改善

活用方法と技術要件

Kubernetesマニフェストでの必須/推奨トポロジー設定
SageMaker HyperPod CLIからのジョブ送信に対応
Task Governanceアドオン(v1.2.2以降)が必要

Amazon Web Services(AWS)は、大規模な生成AI(LLM)モデルのトレーニング効率を飛躍的に向上させるため、Amazon SageMaker HyperPodのタスクガバナンス機能に「トポロジー認識型スケジューリング」を導入しました。この新機能は、GPUインスタンス間のネットワーク通信遅延という、LLM学習における最大のボトルネックの一つを解消します。

生成AIワークロードは通常、Amazon EC2インスタンス間で広範な通信を必要とし、ネットワーク帯域幅と遅延が学習時間全体に大きく影響します。データセンター内のインスタンス配置は階層的な構造を持っており、同じ物理単位内に配置されたインスタンス間の通信は、異なる単位間の通信よりもはるかに高速になるため、配置最適化が重要でした。

このトポロジー認識型スケジューリングは、EC2のネットワークトポロジー情報を活用し、ジョブ提出時に物理的な近接性を考慮してリソースを割り当てます。具体的には、クラスター内のインスタンスの配置をネットワークの階層構造(レイヤー1〜3)に基づいて把握し、通信頻度の高いポッドを最も近いネットワークノードに集中配置します。

企業にとっての最大のメリットは、AIイノベーションの加速と市場投入までの時間(Time to Market)の短縮です。タスクガバナンス機能により、管理者やデータサイエンティストはリソース調整に時間を費やすことなく、効率的に計算リソースを利用できます。これは大規模なGPUクラスターを持つ組織全体の生産性向上に直結します。

エンジニアは、この新機能をKubernetesマニフェストファイルを通じて簡単に利用できます。ジョブ実行時に、全てのポッドを同一ネットワークノードに配置することを「必須(required)」とするか、「推奨(preferred)」とするかを選択可能です。また、SageMaker HyperPod CLIからもトポロジー指定パラメータを用いてジョブを送信することができ、柔軟な運用が実現します。

Claude Sonnet 4、Apple Xcodeに本格統合。開発ワークフローを劇的に加速

<span class='highlight'>統合の核心</span>

AnthropicのClaude Sonnet 4を搭載
対象はAppleの統合開発環境Xcode 26
コーディングインテリジェンス機能を提供開始
Appleプラットフォームのアプリ開発を加速

<span class='highlight'>AIが担う具体的な作業</span>

自然言語でデバッグ、リファクタリングを指示
プロジェクト全体から自動で文脈把握
コードのドキュメント生成と説明
エディタ内でインラインコード変更に対応

利用環境と対象プラン

Claude Codeを含むプランが対象
Pro、Max、Team/Enterpriseプランで利用可能
Xcode 26のIntelligence設定でログイン

AIスタートアップのAnthropicは、同社の高性能LLMであるClaude Sonnet 4を、Appleの統合開発環境(IDE)であるXcode 26に一般提供(GA)しました。これにより、Appleプラットフォーム向けアプリ開発者は、デバッグや機能構築においてClaudeの高度なコーディングインテリジェンスを直接活用できるようになります。開発ワークフローにAI機能を深く統合することで、開発期間の劇的な短縮と生産性向上を目指します。

本統合の核心は、Claude Sonnet 4による多岐にわたる支援機能です。開発者は自然言語を用いてコードとの対話が可能となり、プロジェクトの文脈や履歴をAIが自動で把握し、複雑なデバッグやコードのリファクタリングを支援します。また、コードをハイライトするだけで瞬時に説明を生成したり、必要なドキュメントを自動で作成したりできるため、理解と保守のコストが大幅に削減されます。

さらに、エディタ内で直接、コードのインライン変更に対応している点も特徴です。これにより、AIが提案した修正を即座に適用でき、思考の中断を最小限に抑えられます。特にSwiftUIプレビューやプレイグラウンドの作成をサポートすることで、視覚的な開発環境における試行錯誤のプロセスもスムーズになります。これらの機能は、開発者が創造的な作業に集中するための時間を創出します。

Claude in Xcodeを利用するには、Xcode 26をMac App Storeからダウンロードし、Intelligence設定でClaudeアカウントにログインする必要があります。本機能は、Claude Codeを含むPro、Maxプラン、およびTeam/Enterpriseプランのプレミアムシートで利用可能です。Anthropicは、主要な開発ツールへのAI統合を加速させることで、エンジニア市場における競争力を高めています。

AIで知的財産権を守るMarqVision、4800万ドル調達し日本進出へ

資金調達の概要

Series Bで4800万ドルを調達
総調達額は約9000万ドルに到達
Peak XV Partnersがリード投資家

AI戦略と市場拡大

資金の半分はAI・エンジニアリング強化へ
生成AIを統合し自動化を加速
地域展開として日本市場に新規参入

事業成果と潜在力

年次経常収益(ARR)は2000万ドル超
クライアントの売上を約5%向上に貢献

AIを活用したブランド保護プラットフォームを提供するMarqVisionは、この度シリーズBラウンドで4800万ドル(約70億円)を調達しました。急速に拡大する模倣品市場に対抗するため、AIによる知的財産権(IP)侵害対策ソリューションの強化と、日本を含むグローバル展開を加速します。これにより、総調達額は約9000万ドルに達しました。

調達資金の約半分は、プラットフォームの自動化促進と生成AI技術の統合を目指し、AIおよびエンジニアリングチームの拡充に充てられます。残りの資金は、大規模ブランドを対象としたエンタープライズ対応の強化と、グローバルな地域展開に投入される計画です。

MarqVisionは現在、米国、韓国、中国、欧州で事業を展開していますが、今回の資金調達を機に日本市場への新規参入を決定しました。国境を越えるIP侵害問題に対応するため、AI技術を駆使し、世界規模でのブランドコントロールを推進する構えです。

同社の成長は著しく、創業から4年で年間経常収益(ARR)は2000万ドルを突破しました。これは毎年収益が倍増している計算になります。創業者は、2027年半ばまでにARR 1億ドル達成を目標に掲げており、スケーラブルなAI基盤構築を優先しています。

MarqVisionは従来のソフトウェア販売モデルから、AI主導のエンドツーエンド管理サービスへとビジネスモデルを転換しました。この転換により、市場機会は当初の計画より100倍大きくなると評価されており、AIが労働集約的なサービス業界に変革をもたらす事例として注目されています。

AIの活用は、模倣品の除去に留まらず、ブランドの失われた収益の回復に焦点を当てています。多くのクライアントが売上を約5%向上させたと報告しており、これは法務部門だけでなく、収益目標を追う経営層やマーケティング部門にとっても重要な価値を提供しています。

AIが生むコード、シニアが検証する新常識

「バイブコーディング」の落とし穴

AIが生成するコードの品質問題
バグやセキュリティリスクの発生
シニア開発者が「子守」に奔走
検証・修正に多くの時間を費やす

新たな開発者の役割

生産性向上などメリットも大きい
コード作成からAIの指導へ
「イノベーション税」として許容
人間による監督が不可欠に

AIによる「バイブコーディング」が普及し、シニア開発者がAI生成コードの検証・修正に追われる「AIの子守」役を担っています。AIは生産性を向上させますが、予測不能なバグやセキュリティリスクを生むためです。

ある調査では95%の開発者がAIコードの修正に時間を費やしていると回答。AIはパッケージ名を間違えたり、重要な情報を削除したり、システム全体を考考慮しないコードを生成することがあります。

開発者は、AIを「頑固な十代」と例えます。指示通りに動かず、意図しない動作をし、修正には手間がかかります。この「子守」業務は、シニア開発者の負担を増大させているのです。

特に懸念されるのがセキュリティです。AIは「早く」作ることを優先し、新人が犯しがちな脆弱性をコードに混入させる可能性があります。従来の厳密なレビューを bypass する危険も指摘されています。

では、なぜ使い続けるのか。多くの開発者は、プロトタイプ作成や単純作業の自動化による生産性向上のメリットが、修正コストを上回ると考えています。

今後、開発者の役割はコードを直接書くことから、AIを正しく導き、その結果に責任を持つ「コンサルタント」へとシフトしていくでしょう。この監督こそが、イノベーションの税金なのです。