エンジニア(職業・職種)に関するニュース一覧

米輸出規制が欧州のAI主権論を加速

規制が招いた警鐘

Claude Fableの輸出規制
外国籍開発者の利用も遮断
欧州の主権論を再燃させる契機

欧州の対抗策

仏マクロン氏の独自路線表明
SoftBankの750億ユーロ投資
Cohereとアレフ・アルファの提携

残る課題

米国の巨額投資との資金格差
20カ国超の連携と規制緩和が前提

米トランプ政権が今月、Anthropicの高性能モデルClaude Fableを厳しい輸出規制の対象とし、外国人によるアクセスを禁じました。これを受け欧州では、米国製AIへの依存が事業継続のリスクだという認識が一気に広がっています。米中がAI開発競争を繰り広げるなか、自国の技術力に自負を持つフランスやドイツは締め出されたと感じ、独自路線を模索し始めました。

規制の影響は深刻でした。今回の指定はAnthropicで働く外国籍の従業員、つまりFableの開発に関わった当事者のアクセスまで禁じる内容だったためです。同社は急ぎモデルを市場から取り下げましたが、米政府がいつでもアクセスを遮断できる以上、欧州企業は米国モデルの上に安定した事業を築けないという教訓が残りました。

欧州側の動きも具体化しています。フランスのマクロン大統領はG7の場でAI幹部に主権問題を説き、米国が国家主義的なAI政策を続けるなら独自路線を進むと表明しました。同氏の「Choose France」構想は1000億ユーロを超えるAIインフラ投資の確約を集め、その中核をSoftBankの750億ユーロのデータセンター建設計画が担います。ただし当局の承認が前提です。

企業間の連携も進んでいます。カナダ拠点のCohereはドイツのアレフ・アルファとの協業を起点に、多国間の主権優先のパートナー網を築こうとしています。元Metaの著名研究者ヤン・ルカン氏は、各国が自国の言語や文化に合わせて使えるオープンな基盤モデルを共同開発する「Project Tapestry」を推進しています。

とはいえ課題は大きく残ります。Anthropicが直近で調達した650億ドルは、昨年の欧州と英国のAI新興企業への投資総額を上回るとされ、米欧の資金格差は依然として歴然です。欧州が世界二番手のAIを築くには、20カ国超の緊密な連携と過剰な規制の見直し、そしてリスク回避からの発想転換が欠かせません。

それでも2026年には新しい要素が加わりました。米政権の不器用な政策が、現状維持を耐え難いものにしている点です。チップ新興企業Qantのフェルチュ氏は「今の欧州の注目はトランプ氏なしには得られなかった」と語り、Fableの輸出規制が主権をめぐる新たな議論を呼んだと指摘します。欧州はAI主権を追求するほかない局面に立っています。

GitHub技術者、リモート文化で性別移行

ハンドル文化が支え

本名でなくハンドル名運用
対面不要のリモート前提
外見でなく文章で協働
性別の推測が起きにくい環境

福利厚生と職場の受容

性別適合ケアを全社員に提供
声トレやHRTを経費化
同僚は本人の希望どおり対応

GitHubのシニアセキュリティエンジニア、アーサー・サール氏が、自社のリモートファースト文化に支えられて職場で性別移行を実現した経験を、同社ブログで公開しました。社員を本名でなくハンドル名で識別する慣習のおかげで、移行は過去の職場より格段に進めやすかったと振り返ります。

サール氏はIT支援職からキャリアを始め、独学でコードを習得しました。5年前に同社のITエンジニアリングチームに加わり、半年後にはセキュリティチームへ移り、主要SaaS基盤のインフラのコード化などに携わってきたと述べています。

移行を後押しした要因として、同社が全従業員に性別適合ケア関連の福利厚生を用意している点を挙げます。声のトレーニングやHRTの処方、セラピーなどを経費として申請できる仕組みがあるといいます。

リモート前提の働き方も大きな支えになったと指摘します。出社時の服装や視線に悩む必要がなく、業務の大半がSlackやGitHub上の文章で完結するため、声が変化する時期も人前で話し続けずに済んだと説明しています。

アバターが擬人化されたカエルでも誰も気に留めない文化が、外見から性別を推測される問題そのものを取り除いたと語ります。社内システムで名前と代名詞を更新するだけで完了し、チームも本人が望む呼称で接してくれたといいます。

一方で同氏は、移行が困難や障壁だけで語られるものではなく、自分らしく振る舞う喜びも伴うと強調します。職場で初めて新しい名前で呼ばれた瞬間の感動に触れ、支援と時間があれば誰もが自分として働けると訴えています。

W杯でAI活用が勝敗を左右、強豪が優位

膨大なデータ解析

1試合1.5億点のデータ計測
ボール内センサーで毎秒500動作記録
Stats Performが世界の分析基盤

格差是正の試み

FIFAが全代表へAIエージェント提供
小国キュラソーがデータで初出場
イングランドはPK分析を5時間に短縮

広がる懸念

資金力によるデータ格差拡大
FIFA公認ツール規制の可能性

米データ・AI企業Stats PerformやFIFAは2026年のワールドカップで、AIを駆使した試合分析を本格導入します。FIFAは1試合あたり約1億5000万点のデータを計測し、ボール内のセンサーは毎秒500回の動きを記録します。AIが選手のスカウトや戦術立案、移籍交渉までを支える時代に入りました。

強豪国はこの技術をいち早く取り込んでいます。イングランド代表は敗退に直結するPK戦の分析にAIを活用し、従来5日かかっていた相手選手の分析を約5時間に短縮しました。かつてリーズで監督を務めたビエルサ氏のスタッフが1チームの分析に約300時間を費やした作業も、いまや自動で処理できるとStats Performのルーシー氏は語ります。

技術は小国にも新たな道を開いています。人口約16万人のキュラソーは、移民の血統をたどる「ディアスポラ追跡」で出場資格のある選手を特定し、史上最小の国としてW杯初出場を果たしました。代表26人のうち島生まれは1人だけで、残りはオランダ生まれだといいます。

一方で、資金力によるデータ格差の拡大が懸念されています。AIツールと運用人材は高額で、すべての国がまかなえるわけではありません。FIFAは格差是正策として、ChatGPT風の操作画面を持つFootball AI Proを全代表に初めて提供し、専門家を抱えなくても次戦相手を3Dで分析できるようにしました。

ただ、この取り組みが社内に開発者やデータ科学者を抱えるイングランド代表との差を埋められるかは不透明です。FIFAは将来的に各国を公認ツールのみに制限する規制の可能性にも言及しており、AIがサッカーの競争環境を左右する役割は今後さらに大きくなりそうです。

Googleが転職支援AIツール3種を紹介

3つのAIツール

職種探しのCareer Dreamer
応募書類作成のNotebookLM
面接練習のGemini Live

求職活動の効率化

求職プロセス全体を簡素化
興味と経験から職種を発想
履歴書と志望動機書を推敲
面接の即時フィードバック取得

Googleは6月25日、求職活動を支援する同社の生成AIツール3種を自社ブログで紹介しました。職種探しからの応募書類作成、面接準備までの一連の流れを、Career Dreamer、NotebookLM、Gemini Liveで効率化できると説明しています。煩雑になりがちな転職活動を、複数ツールの組み合わせで簡素化する狙いです。

最初の段階となる応募先探しでは、Career Dreamerを使います。自分の興味や経験をもとに、目指せる多様な職種をブレインストーミングできるツールです。求職活動の出発点となる「応募する価値のある仕事」を見つける手助けをします。

次の応募書類づくりでは、NotebookLMが履歴書や志望動機書の推敲を支援します。過去の経験を一貫した物語に整理し、採用担当者に響く形に練り上げることで、多数の応募者の中で目立つ材料を作れるとしています。

面接対策ではGemini Liveを活用します。想定質問への回答を練習し、自分の受け答えに対する即時フィードバックを求められる点が特徴です。対面でのやり取りを成功させる準備として位置づけられています。経営者やエンジニアにとっても、採用される側・する側の双方でAI活用の参考になりそうです。

OpenAIが無料ChatGPTの標準モデルを買い物強化で刷新

消費者向け改善

ユーザー意図の理解を向上
買い物・地域推薦を強化
複数条件の指示にも対応
6月25日に無料層へ展開

開発者とAPI

chat-latestエイリアスを更新
本番用はgpt-5.5を推奨
文脈窓40万トークン

OpenAIは6月25日、無料版ChatGPTの標準モデルであるGPT-5.5 Instantを更新しました。買い物や地域のおすすめ、複数条件の指示への対応を強化し、まず有料会員へ、続いて無料ユーザーへと順次展開しています。同社はXで「会話がより楽しくなった」と説明しましたが、具体的なベンチマーク数値は公開していません。

最大の変化はユーザー意図の理解です。旅行の計画や商品比較、近隣店舗の検索といった意思決定支援の場面で、質問の背後にある目的をより的確にくみ取れるようになりました。会話の途中で条件を追加したり反論したりしても、最初の回答に固執せず柔軟に対応する点が改善されています。

商取引や地域情報との連携も深まりました。位置情報を活用して近隣の選択肢を提示し、商品情報や画像を一つのまとまった回答に織り込みます。回答の体裁も定型的な箇条書きから、より温かみのある会話調へと調整されました。

開発者は更新版の挙動をchat-latestというAPIエイリアスから試せます。ただしこれは本番用のgpt-5.5モデルとは別物で、OpenAIは安定運用には引き続きgpt-5.5を推奨しています。今回はあくまでChatGPT側の更新であり、API向けモデル群の新リリースではない点に注意が必要です。

chat-latestの仕様は40万トークンの文脈窓と最大12万8千トークンの出力に対応します。料金は入力100万トークンあたり5ドル、出力30ドルで、キャッシュ入力は0.5ドルと9割引です。静的な指示を先頭に置くプロンプト最適化が促されます。

企業にとっての意味は新しい技術基盤ではなく、標準挙動の改善にあります。意図の推測や文脈の保持が向上すれば、調査や購買判断に使う従業員にとってChatGPTはより信頼できる道具になります。一方でメモリーソース機能は完全な監査証跡を提供しないため、RAGや社内ログのどれを正とするか企業側で定める必要があります。

OpenAI、社内出力トークンの99.8%がCodex経由と公表

社内利用の急拡大

社内出力トークンの99.8%がCodex経由
法務や採用も主要AIに移行
研究部門は半年で利用56倍

長時間タスクへ移行

個人の80.6%が30分超作業を依頼
上位1%は1日60時間超の稼働
8時間超タスクが最速で増加

非開発者の浸透

非開発者の個人利用が137倍
業務職の作業4分の1が技術系

OpenAIは6月25日、AIエージェントが知識労働をどう変えるかを測定した経済研究の論文を公表しました。同社のコーディングエージェント「Codex」について、社内では現在、週あたり出力トークンの99.8%がCodex経由で生成されていると明らかにしました。チャットボットから自律型エージェントへ、仕事の主役が移りつつあることを示す内容です。

最大の変化は、利用がエンジニア以外へ広がった点です。法務・財務・採用といった非技術部門が2026年4月ごろにCodexを主要AIツールへ切り替え、平均的な弁護士や採用担当者でも出力トークンの85%超をCodexで生成しています。研究部門の利用は2025年11月比で中央値56倍に達し、カスタマーサポートは32倍、エンジニアリングは27倍に増えました。

タスクの中身も短い対話から長時間の委任作業へと移りました。2026年5月までに個人ユーザーの80.6%が、人間なら30分以上かかる作業を少なくとも1度Codexに依頼し、25.6%は8時間超に相当する依頼を行ったといいます。社内の上位1%のユーザーは、複数の並列エージェントを使い1日あたり60時間を超えるエージェント稼働を生み出しています。

非開発者の伸びが開発者を上回ったことも特徴です。2025年8月以降、非開発者の個人利用は137倍、組織利用は189倍に拡大しました。業務部門の従業員がCodexで行った作業の4分の1超はエンジニアリングやコーディングで、エージェントが専門知識の壁を下げ、職務範囲を越えた仕事を可能にしていると分析しています。

OpenAIはこの結果を「能力の高いエージェントに低摩擦でアクセスできると何が起きるか」を示すものだと位置づけます。ツールが改善するほど、人はより長く複雑で部門横断的な仕事に使うようになるとし、これが今後の働き方の姿になる可能性が高いと結論づけています。なお作業時間の推定はCodexの記録を用いたLLMによる判定に基づくため、正確値ではなく方向性を示す数値だと注記しています。

OpenAI、政権要請でGPT-5.6を限定公開へ

段階的な公開

GPT-5.6を限定プレビューで提供
対象は少数の大企業顧客のみ
政権が顧客アクセスを個別承認

競合との差

Anthropicには輸出規制命令
MythosとFableの提供停止を要求
外国籍は技術利用が不可に

OpenAIは6月25日、次期主力モデルGPT-5.6の公開を遅らせ、少数の大企業向けに限定プレビュー形式で提供すると明らかにしました。安全保障上の懸念を理由にトランプ政権が段階的な公開を求めたためで、プレビュー期間中は政権が顧客ごとにアクセスを承認します。サム・アルトマンCEOが社内のQ&A;で従業員に伝えたと報じられています。

今回の措置は、政権が「スピード重視」を掲げて米国のAI輸出を後押しすると約束してきた方針とは対照的です。実際に規制の網が大手AI企業へ及び始めた形で、業界内では政権の介入姿勢への警戒感が広がっています。一方で、企業によって扱いが大きく異なる点も浮き彫りになりました。

競合のAnthropicはより厳しい対応を受けています。同社は今月、主力モデルMythosとFableの提供停止を求める通告を受け取りました。政権は輸出管理上の指令を出し、米国市民でない社員を含む「外国籍」の利用を禁じたためです。

OpenAIへの条件はAnthropicに比べて緩やかで、政権のAI規制が企業ごとに不均一に運用されている実態がうかがえます。経営者やエンジニアにとっては、最新モデルへのアクセスが政府の個別承認に左右されるという新たな不確実性が生じています。

Netris、a16zから15M調達

調達と出資元

a16z主導の1500万ドル調達
a16zパートナーが取締役就任
用途はエンジニア採用と機能拡張

技術と実績

ネオクラウドの立ち上げ自動化
ハードウェア完全アクセラレーション
世界35超のGPUクラスタで稼働
計約100万GPUを支える基盤

ネットワーク自動化の新興企業Netrisは2026年6月25日、ベンチャー投資大手アンドリーセン・ホロウィッツ(a16z)から1500万ドルのシリーズAを調達したと明らかにしました。新興のAIクラウド事業者(ネオクラウド)がデータセンターを早く稼働させられるよう、設定や運用を自動化するソフトを提供しています。調達資金はエンジニアと営業の採用、対応ハードウェアの拡充に充てます。

AIブームでデータセンター事業への参入が相次ぐ一方、GPUやスイッチを確保しても設定や運用を整えるには数カ月を要します。GPUが遊休状態にある時間はそのままコストとなるため、立ち上げの速さが収益を左右します。Netrisはスイッチ上で動くソフトと接続プラットフォームで、この準備期間を短縮すると主張しています。

同社のプラットフォームはハードウェア層でサーバーやリソースを分離し、複数顧客への提供(マルチテナンシー)を可能にします。EquinixやAWS、Googleなど大手は自前のエンジニアで対応してきましたが、小規模なネオクラウドにはその余力がありません。NetrisのSaroyan最高経営責任者(CEO)は、AI向けには通信量が膨大なため完全にハードウェアで高速化した仕組みが必要だと説明します。

注目すべきは、この技術にAIを使っていない点です。同社はAIが非決定的で勝手な動作をするため、数千台規模のスイッチ設定変更には不向きだと考え、再現性の高い独自アルゴリズムを採用しています。8年前から開発を続けてきた成果です。

実績も着実に積み上がっています。2年前にデモを見たNvidiaが顧客に同社を推薦したほか、現在は世界35カ所超のGPUクラスタ(計約100万GPU)で稼働中です。利用企業にはLightning AIやFoxconn、Hewlett Packard Enterpriseなどが名を連ね、a16zのパートナーGuido Appenzeller氏が取締役に加わります。

MITとMicrosoft、AIエージェントの消費電力を大幅削減

新システムの中身

自然言語で処理を記述
最適なモデルと機材を自動選定
新名称は「Murakkab」

効率化の実証成果

計算量は従来の約35%
消費電力は約27%に圧縮
コストは25%未満に低減
精度2%減で電力1桁削減

MITとMicrosoftの研究チームは2026年6月25日、複数のAIモデルやツールを連携させるエージェント型ワークフローの設計と実行を自動最適化するシステム「Murakkab」を発表しました。開発者が自然言語でやりたいことを記述するだけで、最適なモデルやツール、ハードウェア構成を自動で決定し、計算資源の無駄を抑えます。

従来は開発者が使用するAIエージェントやモデル、ツールに加え、実行順序やハードウェアまですべて手作業で指定する必要がありました。組み合わせの選択肢が膨大なうえ、各社のブラックボックス型モデルが混在するため、最適な構成を人手で見つけるのはほぼ不可能でした。新モデルが登場するたびに一から作り直す手間も生じていました。

Murakkabは開発者の意図を高レベルで受け取り、最適なモデルとツールの組み合わせを自動で特定します。逐次実行すべき処理と並列実行できる処理も判別し、性能を高めます。クラウド事業者が利用者に展開する際には、精度や遅延などの制約に合わせてハードウェア割り当てを動的に最適化します。

動画Q&A;やコード生成のワークフローで検証した結果、利用者の要件を満たしつつ計算量は他手法の約35%、消費電力は約27%、コストは25%未満に抑えられました。ある事例では精度の低下を約2%にとどめながら、消費電力を1桁以上削減したといいます。研究チームは今後、より複雑なワークフローや大規模クラスタへの拡張を目指す方針です。

Google Play、英で手数料下げ外部課金解禁

新ビジネスモデル

6月30日から手数料引き下げ
独自課金システムの併用可
外部サイト誘導を解禁

優遇策と背景

9月30日から追加割引
登録アプリストア制度を年内開始
CMAの懸念に対応
英開発者収益99億ポンド超

Googleは6月25日、アプリ配信サービス「Google Play」について、英国を最初の対象市場の一つとしてビジネスモデルを刷新すると発表しました。6月30日から開発者向けのサービス手数料を引き下げるとともに、Google Play以外の独自課金システムを併用できるようにします。デジタルコンテンツの購入については、利用者を開発者自身のウェブサイトへ誘導することも認めます。

今回の変更は、英競争・市場庁(CMA)が示してきた懸念に対応するものです。Googleはこれまで提供してきた選択肢の拡充を進めると同時に、規制当局の指摘を踏まえた制度設計に踏み込みました。同社によると、現在Androidは英国の開発者に対し99億ポンド超の収益をもたらしているといいます。

開発者にはさらに低い手数料率を得る道も用意されます。刷新した「Games Level Up」プログラムや「Apps Experience」プログラムに参加すれば、英国では9月30日から追加の割引が適用されます。手数料負担を抑えたい開発者にとって、参加を検討する材料となりそうです。

年内には、業界で初めてとなる「登録アプリストア(Registered App Stores)」プログラムも始まります。これは一定の安全基準を満たしたアプリストアについて、インストール手順を簡素化する仕組みです。Androidの開放性をめぐる議論が続くなか、Googleは選択肢の拡大と安全性の両立を図る構えです。

Google Finance、初のAndroidアプリ投入

専用アプリ登場

Android向け専用アプリを公開
iOS版は2026年内に投入予定
ウォッチリストや実時間データ集約

AI機能を中核に

AI刷新版が正式版に移行
株価変動をAIが解説する機能
対話型のAIリサーチ機能搭載

投資管理を強化

ポートフォリオ機能を全世界展開
定期配信の市況ブリーフィング

Googleは2026年6月25日、株式情報サービス「Google Finance」初のスマートフォン向け専用アプリをAndroid向けに全世界で公開しました。同サービスは20年の歴史を持ちながらこれまでアプリを持たず、今回が初のネイティブアプリ提供となります。iOS版も2026年内の投入を予定しています。

今回の更新では、AIで刷新したWeb版がベータ版を終え正式版へ移行しました。Googleのチャットボットがサービスの中核機能に組み込まれ、株価がなぜ動いたかをAIが解説する「key moments」や、対話形式で銘柄を調べられるAIリサーチツールが利用できます。アプリ下部の「Ask」ボタンから資産運用に特化したボットと会話でき、過去の対話履歴も確認できます。

Web版では、利用者の投資ポートフォリオ管理機能も全世界で順次提供を始めました。保有資産を一つのダッシュボードに集約し、配分や運用成績の分析を表示します。CSVやPDFのアップロード、スクリーンショットの貼り付け、あるいは保有内容を文章で説明するだけでも作成でき、「現在のポートフォリオで不足しているセクターは」といった質問にAIが答えます。

さらに、利用者が指定したテーマを定期的に配信する新機能も登場しました。「主要暗号資産の夜間の値動きを分析した寄り付き前ブリーフィングを毎日送って」といった指示を出すと、Google Financeが背景で情報を収集し、指定の頻度でカスタムの市況レポートを届けます。通知はGoogleアプリ経由で受け取れます。

アプリにはまず新体験の中核機能が搭載され、今後数カ月でライブ決算説明会やポートフォリオ、定期配信機能などWeb版の機能を順次取り込む計画です。経営者やエンジニアにとって、AIが市場の文脈を補足する金融情報サービスがモバイルでも常時手元に置ける点は、日々の意思決定の速度を左右する変化と言えます。

Google、Gemini音声操作の新活用100例公開

スピーカー発売と連動

Google Home Speaker発売
Gemini for Home搭載
新活用例100種を公開

有料プランで機能拡張

月10ドルのPremium
カメラ映像検索に対応
複数家電の一括操作

Googleは6月25日、音声アシスタント「Gemini for Home」の新たな活用法100例を公式ブログで公開しました。スマートスピーカー「Google Home Speaker」の正式発売に合わせた発表で、照明や家電の制御、買い物リスト管理、料理や育児の相談まで、家庭での幅広い使い方を提示しています。

今回の活用例は、生成AIならではの柔軟な自然言語理解を前面に押し出している点が特徴です。「コーヒーメーカーをオフ、いや、やっぱりオンにして」といった言い直しや、「寝室以外の照明を全部つけて」のような条件付き指示にも対応します。タイマー設定と掃除機の起動、音楽再生を一度の発話でまとめて行う複数操作も可能です。

上位プラン「Google Home Premium」は月額10ドルから提供されます。加入者はカメラ映像をAIに尋ねて検索でき、「昨夜の物音は動物だったか」「白いホンダがいつ車庫を出たか」といった質問に、録画を遡らずに回答を得られます。家族の顔を登録しておけば、ドアベル履歴から来訪者の到着時刻も確認できます。

音声操作は家庭領域でのAI普及を測る重要な接点であり、Googleはハードウェア発売と具体的な利用シーンの提示を組み合わせ、Geminiの日常浸透を狙っています。経営者やエンジニアにとっては、対話型AIが定型コマンドから文脈理解へ移行する流れを示す事例として注目に値します。

Claude が有料個人で躍進、ChatGPT 追う

決済データの傾向

1月比で売上75%増
有料個人層が月次で拡大
ChatGPT は依然首位

学習需要の変化

DataCamp で最多検索語に
個人講座需要が3対1でChatGPT超え
直近30日で需要18倍

AIに課金する米国の消費者の間で、Anthropic の Claude が支持を広げています。クレジットカード決済を分析する Indagari のデータによると、Claude の有料個人ユーザーと売上は2026年1月比で約75%増加し、月を追って伸びています。同社は企業や開発者向けの Claude Code が中心と見られてきましたが、より幅広い顧客層を獲得しつつあることを示す結果です。

Indagari は約2800万人の米消費者から得た数十億件の匿名化決済を分析しており、絶対的な売上や顧客数までは分からないものの、傾向をつかむには十分な規模だとしています。注目されるのは、3月に Anthropic がトランプ政権による大規模監視や自律兵器への自社モデル利用を拒否した後も、伸びが続いている点です。

学習プラットフォーム DataCamp のデータも、消費者人気の高まりを裏付けます。利用者約2000万人を抱える同社では、「Claude」が「AI」を上回り最も検索される語になりました。企業研修では ChatGPT 関連講座が依然優勢な一方、自発的に学ぶ個人の間では Claude 講座の需要が ChatGPT を3対1で上回り、直近30日だけで18倍に急増したといいます。

ただし消費者全体では ChatGPT が依然として圧倒的な存在です。市場調査の Sensor Tower や Indagari のデータでも、Claude は伸びているものの有料ユーザー数では大きく水をあけられています。それでも消費者から得る売上や認知度の面で Claude が ChatGPT に迫り始めているのは確かです。

OpenAI と Anthropic がともに株式公開を控えるなか、両社の事業の足腰が注目されます。今月、米政府がサイバーセキュリティ向けの強力なモデル「Mythos 5」「Fable 5」の非米国人による利用を禁じ、Anthropic が一時市場から撤収する事態も起きました。政府との対立が業績に与える影響は不透明ですが、現時点のデータは消費者と企業の双方でユーザーが増え続けていることを示しています。なお Anthropic はコメントを控えています。

Shopifyがモデル非依存のAI基盤を構築

LLMプロキシで自動切替

複数プロバイダーへ自動フェイルオーバー
トークンを一括購入し集中管理
特定ベンダーへの依存を回避
利用状況のレポートを一元把握

蒸留と利用統制

教師モデルから小型特化モデルを生成
最大で30倍の高速化と低コスト化
長時間実行に注意喚起する仕組み
ハーネスは利用者が自由に選択

EC基盤大手のShopifyが、特定のAIモデルが消えても影響を受けない自社AIスタックを構築しました。同社エンジニアリング責任者のFarhan Thawar氏が新しいポッドキャストで明らかにしたもので、全エンジニアが社内のLLMプロキシ経由で複数のAIプロバイダーにアクセスし、いずれかが停止しても自動でフェイルオーバーする設計です。

中核となるのが、トークンを一括購入して全利用者を束ねるプロキシの仕組みです。あるプロバイダーで障害が起きても利用者は別のモデルへ自動的に切り替わり、作業を中断せずに済みます。実際にClaude Fable 5が停止した際も、エンジニアはClaude OpusやGPT 5.5へ自動移行し、混乱は起きなかったといいます。

Thawar氏は、企業がこうした事例から学び、最低限のバックアップ体制を整えるべきだと指摘します。特定のプロバイダーに「強く縛られない」よう、モデル間を移動できる仕組みを持つことが重要だと強調しました。これは、可用性リスクを業務継続の観点でとらえる発想です。

もう一つの柱が蒸留です。教師モデルから学んだ生徒モデルは、狭いタスクに特化した小型言語モデル(SLM)となり、汎用モデルより有利な場面があります。同社の主力AIアシスタント「Sidekick」も、加盟店向けの多数の専門サブタスクを担っています。

蒸留パイプライン「UDP」に教師モデルや学習データ、評価、目標モデルを与えると、約1日で速度・コスト・精度の評価結果が返ります。Thawar氏によれば、小型化したモデルは2倍、極端な場合は30倍も高速かつ安価になり、しかも精度が鍵だと述べました。良好なら承認手続きなしで現場が即デプロイできます。

同社はさらに利用ダッシュボードを導入し、誰が高価なトークンを使い、どのモデルがどの職種で使われているかを可視化しています。長時間の実行には「本当に意図したものか」と通知するサーキットブレーカーも用意。目指すのは「AIの反射的利用」から「AIによるてこ」への移行だといいます。

Qualcomm、AI半導体新興Modularを約40億ドルで買収

買収の概要

対価は約40億ドル相当の株式
最大1920万株を新規発行
今年後半に取引完了の見込み
9カ月前の評価額の2倍超

事業戦略の狙い

モバイル依存からの脱却
データセンター市場への本格参入
創業者ら約150人が合流

米半導体大手のQualcommは2026年6月24日、シリコンバレーのAI半導体ソフトウェア新興企業Modularを約40億ドルで買収すると発表しました。対価として最大1920万株の普通株を発行する方針で、直近の終値ベースで40億ドル弱に相当します。取引は今年後半に完了する見込みです。

Modularは、開発者がコードを書き換えずに異なる半導体上でAIソフトを動かせる独自のコーディング言語とソフトウェア基盤を提供しています。今回の買収額は、同社が9カ月前に16億ドルの評価額で2億5000万ドルを調達した水準を大きく上回りました。2人の共同創業者を含む約150人の全従業員がQualcommに加わる予定です。

今回の動きは、収益の大半を占めるモバイル市場への依存から脱却を急ぐQualcommの姿勢を示しています。Cristiano Amon最高経営責任者(CEO)は声明で、多様な計算環境で動く開発者本位の水平型プラットフォームが将来を担うと述べました。同社はスマートグラスやイヤホンなどAI機器向けに40種類の半導体設計を進めているとされます。

Qualcommはデータセンター市場への参入も加速しています。昨年末にはサーバー向けCPUを手がける新興企業Ventana Micro Systemsを買収し、特定用途向け集積回路(ASIC)の設計にも取り組んでいます。中国のByteDanceが初期顧客になると報じられています。

Modularは2022年、GoogleのTPU開発に携わったChris LattnerとTim Davisが創業しました。Lattnerはコンパイラ基盤LLVMやAppleのSwift言語を生み出した人物で、NvidiaのCUDAやAMDのROCmに対抗する統一ソフト層の構築を目指していました。最終的にBig Techの外で解くべき構造的課題と位置づけた問題は、Qualcommという構造のもとで決着しました。

NVIDIAとAWSが本番AI基盤を拡張、推論4.6倍に

新GPUインスタンス

EC2 G7を新たに提供
Blackwell世代GPU搭載
推論性能は最大4.6倍
最大8GPU構成に対応

検索と学習の強化

ベクトル検索を標準GPU化
索引は最大10倍高速・コスト4分の1
GB300で性能認定取得

NVIDIAは6月24日、米AWSと連携し、本番規模のAI基盤を強化すると発表しました。両社はクラウド上の計算、検索、学習の各層を一体で改良し、企業が運用負担を抑えながらAIを実運用へ移せる環境を整えます。低遅延の推論や高速なベクトル検索、GPUの価格性能比といった課題に同時に対応する狙いです。

中核となるのが新インスタンス「Amazon EC2 G7」です。NVIDIAのRTX PRO 4500 Blackwell Server Edition GPUを搭載し、AI推論や映像処理、データ分析などの本番ワークロードに対応します。従来のG6と比べ、推論性能は最大4.6倍、グラフィックス性能は最大2.1倍に高まりました。

G7は最大8基のGPUと合計256GBのGPUメモリ、700Gbpsのネットワーク、最大7.6TBのローカルSSDを備えます。1基から8基までの構成に加え、ベアメタルも近く提供される予定です。利用者は過剰な設備投資を避け、用途に合わせて規模を最適化できる点が特徴です。

検索の層では、NVIDIAのライブラリ「cuVS」を使い、GPUによるベクトル索引をOpenSearch Serverlessの標準とします。これにより索引作成はCPU構成と比べて最大10倍速く、コストは4分の1に下がり、数十億規模のベクトルデータベースを1時間以内で構築できるとしています。検索拡張生成(RAG)や意味検索、エージェント型AIの基盤づくりが容易になります。

学習の層では、AWSがNVIDIA GB300向けに「Exemplar Cloud」認定を取得しました。NVIDIAが定める性能基準を満たしたことを示すもので、両社の協業による成果です。開発者は一貫した高性能基盤を前提に学習を進められ、クラウド選定や総保有コストの判断がしやすくなります。

今回の発表は、計算・検索・学習というAI基盤の全層を同時に底上げする内容です。共通する狙いは、運用チームの負担を増やさずに本番規模で性能を発揮できる環境を提供することにあります。企業がAIを計画段階から実運用へ移す動きが、さらに加速しそうです。

エンジニア職、AI時代に最も底堅いとの新データ

採用データの実像

大手テック採用は2019年比25%減
エンジニア職は11%減に留まる
新規採用の55%がエンジニア
新興企業は2019年比7%増

業界トップの見解

AmodeiはAIによる雇用喪失を警告
Anthropic経済責任者は影響未確認
Jevonsのパラドックスが示す需要増

ベンチャー投資企業SignalFireは2026年6月24日、8000万超の企業データを分析した最新の人材報告で、エンジニア職が2025年に最も底堅い職種だったと明らかにしました。AIがコーディングを自動化し真っ先に淘汰されるとの見方に反し、採用実態は逆の傾向を示しています。同社は更新が遅れがちな解雇統計ではなく、採用データを実時間の指標として用いました。

大手テック全体の採用は2019年比で25%減少した一方、エンジニア職の減少はわずか11%に留まりました。AlphabetやMeta、Appleなど主要12社では、2025年の新規採用の55%をエンジニアが占め、2019年の46%から大きく上昇しています。新興企業に至っては、2019年より7%多くエンジニアを採用しました。

調査責任者のAsher Bantock氏は、解雇理由として「AIがコードを書くため一人で複数人分をこなせる」との説明が繰り返される一方、現場の実態はそれと食い違うと指摘します。AIが本当にエンジニアを代替するなら採用が真っ先に落ち込むはずですが、実際はエンジニアの人員が他職種より速く増えているのです。

業界の見方は割れています。AnthropicのアモデイCEOは昨年、AIがホワイトカラーの初級職の半分を消し失業率を最大20%に押し上げると警告しました。しかし同社の経済責任者Peter McCrory氏は3月、AIによる雇用への大きな影響はまだ見られないと述べています。

NVIDIAのジェンスン・フアンCEOはさらに踏み込み、AIがエンジニア職を奪うとの説を明確に否定しました。同社の全エンジニアがエージェント型AIを使う今、エンジニアはかつてなく多忙だと語ります。AIが瞬時にコードを書く分、次のアイデアを生むよう常に求められるためです。

今回の傾向は、効率化が需要を減らさず逆に増やすというJevonsのパラドックスの典型例と言えます。AIで生産性が高まった結果、エンジニアには尽きない仕事が生まれている、とBantock氏は分析しています。

Gemini 3.5 Flashにコンピュータ操作機能を標準搭載

新機能の概要

主力モデルにコンピュータ操作統合
ブラウザ・モバイル・デスクトップ対応
従来は単独モデルで提供
長時間タスクと業務自動化を強化

提供と安全対策

Gemini API経由で利用開始
敵対的訓練でプロンプト注入を抑制
機微操作にユーザー確認を要求
多層防御で安全性を確保

米グーグルは6月24日、エージェントが画面を見て操作するコンピュータ操作機能を、主力モデルGemini 3.5 Flashに標準ツールとして搭載したと発表しました。これまでGemini 2.5の単独モデルでのみ提供していた機能を本体に統合し、エージェント用途で同社最高の性能を実現したとしています。開発者はブラウザやモバイル、デスクトップ環境を横断して自律的に動くエージェントを構築できます。

今回の統合により、3.5 Flashは画面を認識し、推論し、実際に操作を実行できるようになりました。グーグルはこれにより、継続的なソフトウェアテストや専門アプリをまたぐ知識労働といった、長時間にわたる企業の自動化タスクで性能が向上すると説明しています。実例として、Geminiアプリを解析して機能一覧を分類したり、自社ドキュメントのアクセシビリティ問題を自ら監査したりするデモが示されました。

開発者と企業はGemini APIおよびGemini Enterprise Agent Platform経由で、この機能を直ちに利用できます。Geminiはもともと関数呼び出しや検索・地図との連携に強みを持っており、そこに画面操作能力が加わった形です。ブラウザ自動化を手がけるBrowserbaseやUIPathといった顧客が、すでに価値を生み出していると同社は紹介しています。

ライブ環境で動くエージェントには、外部から悪意ある指示を紛れ込ませるプロンプト注入のリスクが伴います。グーグルはこれに対し、コンピュータ操作向けに的を絞った敵対的訓練を施したほか、企業向けの安全装置を2種類オプションで提供します。具体的には、機微または取り消せない操作にユーザーの明示的な確認を求める仕組みと、間接的なプロンプト注入を検知した際に自動でタスクを停止する仕組みです。

同社は多層防御の考え方を掲げ、これらの機能を安全なサンドボックスや人間による検証、厳格なアクセス制御と組み合わせるよう開発者に促しています。エージェントが現実の業務を代行する時代に向け、性能だけでなく安全面の整備を同時に進める姿勢がうかがえます。利用を始めるためのリファレンス実装やデモ環境も公開されました。

Figma、AIモーションとコード機能を追加

キャンバスの新機能

キャンバス上で直接コード編集
リポジトリのクローンと同期
AI生成のアニメーション
WebGPU活用のシェーダー効果

エージェント強化

反復作業をスキルとして再利用
生成型プラグインの自作
Weaveワークフローの統合予定

デザインプラットフォームのFigmaは6月24日、年次イベントConfig 2026で、キャンバスに新たなコードレイヤーとAIによるモーション機能、シェーダーを追加するアップデートを発表しました。デザイナーやエンジニア、PMがアイデアを素早く反復できるよう、フルスタック開発に最適化したキャンバスを目指す内容です。

目玉となるのが、キャンバスを離れずにコードを扱えるコードレイヤーです。リポジトリをクローンし、コードからフローをデザインレイヤーに抽出してテストしたり、変更をコードへ同期し直したりできます。最高プロダクト責任者の山下雄樹氏は、本番投入用の完璧なコードよりも、空間的に素早く方向性を探ることに価値があると説明しました。

モーション機能では、アニメーションやトランジション、3D変換をFigma内で直接設計できるようになりました。これまでは別ソフトで作成しコードに変換する必要がありましたが、今後はチャットに指示するだけでAIがアニメーションを生成します。シェーダーもプロンプトで作成でき、ディザやピクセル化、各種ぼかしなどWebGPUを活かした効果を扱えます。

チーム向けのAIエージェントも強化されました。反復作業をスキルとして登録しチーム全体で再利用できるほか、NotionやExcel、GitHubといった外部ツールの接続やファイル添付でAIに文脈を与えられます。レイアウト生成器などの独自プラグインをプロンプトで自作する機能も加わりました。

Figmaは昨年買収したノードベースのツールWeavyの統合も進めています。年内のアップデートでは、複数モデルで出力を比較するWeaveのワークフローをFigma内で直接生成できるようになる見込みです。一連の機能は、デザインとコーディングの間の受け渡しを滑らかにする取り組みの延長線上にあります。

Amazon、信頼できるAIエージェント設計手法を公開へ

発表の概要

VB Transform 2026で発表
Amazon AGI自律研究所が主導
信頼できるエージェント設計手法
一貫性・堅牢性・予測性・安全性を軸

企業の懸念

技術リーダーの4%のみガードレール信頼
40%が不正アクセスを懸念
27%がプロンプト注入を警戒
サンドボックスと人間レビューを重視

Amazonは6月24日、信頼できるAIエージェントの設計手法を、7月14日から米メンローパークで開かれる「VB Transform 2026」で公開すると明らかにしました。同社のAGI自律研究所ディレクター、ブライアン・シルバーソーン氏がVentureBeatの取材に応じ、生のベンチマーク性能を超えた構造的な枠組みを提示する考えを示しました。企業がエージェントに業務権限を与える際の不安を、どう解消するかが焦点です。

AIエージェントは業務を自律的に実行する能力を高めていますが、IT部門の責任者は企業システムへのアクセス権限の付与に慎重です。シルバーソーン氏は、その一因が信頼性の測り方にあると指摘します。業界標準のEVALスコアは性能の静的な断面を示すにとどまり、プロンプトや環境、入力の種類をまたいだ予測可能性をとらえきれないと説明しました。

Amazonの手法は、モデル自体を安全に作り込めるという前提を置きません。代わりに分離されたシステム設計を重視し、エージェントが提案した変更を人間がレビューしてから実装するサンドボックス環境などを採用します。検証可能なやり取りを優先することで、被害が大きくなりやすい金融など機密性の高い領域でも、信頼の隔たりを埋めることを狙います。

企業側の不安はデータでも裏づけられています。VentureBeatが100人超の上級技術リーダーらに実施した調査では、モデルのガードレールだけに頼ることに抵抗がないと答えたのはわずか4%でした。最も懸念する点として40%がツールやデータへの不正アクセスを挙げ、27%がプロンプトの操作や注入を指摘しています。

シルバーソーン氏は登壇セッションで、単一エージェントのラッパーから、実行中に自己修正できるマルチツール構成へ移行する道筋を示します。経営者やエンジニアにとって、エージェント導入の判断基準を見直す手がかりになりそうです。同会議では、Waymoが物理世界向けに安全なAIをどう構築するかを語るセッションも予定されています。

GoogleのGemini開発者2人、Anthropicへ流出

主要人材の離脱

Adler氏とPritzel氏がAnthropicへ
両者はGemini開発の中心人物
Googleからの人材流出が継続

相次ぐ大物退社

Shazeer氏がOpenAIへ移籍
Nobel賞のJumper氏もAnthropicへ
IPO前の株式を武器に引き抜き

米Googleは6月24日、生成AI「Gemini」の開発に深く関わった著名研究者のJonas Adler氏とAlexander Pritzel氏が、競合のAnthropicへ移籍すると報じられました。Bloombergが伝えたもので、両氏はGoogleの主力モデルであるGeminiの開発で中心的な役割を担っていました。TechCrunchはGoogleに取材を申し込んでいます。

今回の離脱は、Googleにとって人材流出という憂慮すべき流れの一部です。先週には、AI研究の重鎮として知られるNoam Shazeer氏が、Googleを離れてOpenAIへ移ると表明していました。Shazeer氏は2000年からGoogleに在籍し、間の3年間は自身が立ち上げたチャットボット企業Character.AIを率いていました。

そのCharacter.AIをGoogleは実質的に約27億ドルで買収し、Shazeer氏をGeminiの開発に呼び戻した経緯があります。それだけの投資をして確保した人材すら、再び社外へ流れている形です。今回の連鎖的な退社は、Googleが抱えるAI人材の引き留めの難しさを浮き彫りにしています。

Shazeer氏の発表からわずか数日後には、Google DeepMindのディレクターを務めるJohn Jumper氏も、Anthropicへの移籍を明らかにしました。Jumper氏はDeepMindのDemis Hassabis最高経営責任者(CEO)とともに、タンパク質の立体構造を予測するAlphaFoldの業績で2024年のノーベル化学賞を受賞した人物です。

こうした流出が続く背景には、OpenAIとAnthropicが新規株式公開(IPO)の準備を進めている事情があります。上場前のいまは、将来値上がりが期待できる株式を報酬として提示できるため、トップ人材を引き抜く好機となっているのです。AI企業の上場競争が続く限り、Googleからの頭脳流出はさらに加速する可能性があります。

旅行予約OmioがOpenAIで開発工数8割減

対話で旅程を予約

3000社超の交通事業者と接続
47カ国を網羅する移動ネットワーク
ChatGPTで自然言語の経路検索
実在する予約可能な旅程を提示

社内のAIネイティブ化

全エンジニアがCodexを活用
開発工数を従来比約20%に削減
四半期規模の案件を約1カ月に
意思決定の責任は人が保持

欧州の複合交通予約大手Omioは2026年6月23日、OpenAIと連携し、対話型AIによる旅行体験の構築と社内業務の変革を進めていると明らかにしました。同社は世界3000社超の交通事業者と接続し、47カ国で鉄道・バス・フェリー・航空便を仲介しています。利用者が行き先を伝えるだけで、予約可能な旅程を受け取れる仕組みを目指しています。

対顧客面では、Omioは2023年にChatGPT経由で利用できる早期の旅行体験の一つを公開しました。「ローマからフィレンツェへの最速ルートは」といった自然言語の質問に対し、ChatGPTをリアルタイムの運行・価格データに接続して回答します。最近では自社の交通ネットワークと結んだ専用のChatGPT体験へと拡張しています。

社内では、まず全社員にChatGPTを展開し、その後コーディング支援AIのCodexをエンジニアリングの工程へ深く組み込みました。CTOのトマス・ボツェトカ氏は「ChatGPTは前哨戦だった。本当の仕事はCodexで進む」と語っています。現在は全エンジニアが調査から計画、コーディング、テスト、レビュー、保守までCodexを使うといいます。

この取り組みは製品開発の速度を大きく変えました。Omioは多くの製品を従来の約20%の時間で構築できると見積もります。ボツェトカ氏は「複数の開発者が四半期かけていた案件を、今は1人が約1カ月でこなせる」と述べ、実験や意思決定の高速化につながったとしています。

一方で同社は責任ある運用を原則に掲げています。「責任と説明責任は人に残る。AIは開発や分析、意思決定を速めるが、主導権を握るのは人だ」と強調します。AIツールへの広いアクセスと統制、人による監督を組み合わせ、人が成果に責任を持つ運用モデルを築いているとしています。

GitHub、カリフォルニア州AI透明化法の修正を要求

連合での要求

GitHubがOSS連合に参加
Hugging Faceやモジラと共同
AI透明化法の修正要望

争点と代替案

ライセンス取消条項が問題
OSSは永続・取消不可が前提
供給網への不確実性懸念
EUのAI法に整合する案を提示

コード共有基盤のGitHubは6月23日、Black Forest Labs、Hugging Face、モジラと共にオープンソース連合を結成し、米カリフォルニア州のAI透明化法(SB942、修正案SB1000)に対し的を絞った修正を求める書簡を公表しました。規制の趣旨は保ちつつ、オープンソースのライセンス慣行との衝突を解消する狙いです。

争点は法案のライセンス取消条項にあります。オープンソースのライセンスは永続的かつ取消不可を前提に設計されており、開発者が安心してコードを再利用・共有できる仕組みを支えています。しかし法案は、下流の利用者が一定の義務を満たさない場合に開発者へライセンス取消を義務づけており、これが広く使われるライセンスと両立しないと指摘します。

連合はこの要件が法案の目的達成に不要だと主張します。AIシステムを改変・展開する開発者はすでに法の対象であり、執行の仕組みも維持されるためです。代替案として、オープンソースの特性を認め、下流利用者へ最良慣行を文書で通知すれば十分とするEUのAI法透明性行動規範への整合を挙げています。

GitHubは、透明性という法案の目的を保ちながらオープンソース開発との互換性を維持できるとして、これらの修正を支持しています。AIの説明責任と開かれた協調的なイノベーションを両立させるうえで、この均衡をどう取るかが重要だと強調しました。

同社は政策立案者への意見表明も呼びかけています。開発者や市民社会を含む技術的に根拠ある声が、オープンソースの基盤を損なわずに透明性要件を機能させる鍵になるとしています。

ブラウザのAIモデル重複保存を解消する新API提案

課題

オリジン分離でキャッシュ非共有
同一モデルの重複ダウンロード
Wasm実行環境の二重保存
ディスク容量と通信の浪費

提案するAPI

ハッシュでファイル識別
navigator.crossOriginStorage導入
オリジン横断の単一キャッシュ
書き込み時のハッシュ検証

Hugging Faceは2026年6月23日、ブラウザ向けAIライブラリTransformers.jsで提案中のCross-Origin Storage(COS)APIを試した結果をブログで公開しました。COSは、複数のサイト間でAIモデルやWebAssemblyの実行環境を重複なく共有することを狙う初期段階の仕様提案です。

問題の背景は、ブラウザのキャッシュがオリジンごとに分離されている点にあります。同じモデルでも別ドメインのアプリを開くと再ダウンロードが必要で、記事の例では177MBもの重複ダウンロードと保存が発生します。これはセキュリティとプライバシー保護のため、キャッシュをサイト単位で隔離している設計に由来します。

さらに、利用するモデルが異なるアプリ同士でも、土台となるONNX Runtimeの共通Wasmファイルを別々に取得・保存してしまいます。最終的なCDNのURLが同一でも、ネットワーク分離キーが一致しないためキャッシュは再利用されません。

COSは、ファイルをURLやオリジンではなく暗号学的ハッシュで識別する仕組みです。navigator.crossOriginStorageというインターフェースを通じ、ハッシュが一致すれば取得元を問わず同一ファイルとして認識し、一度の保存を全サイトで使い回せます。

公開範囲は開発者が制御できます。AIモデルやWasmのように広く共有したい資源はすべてのオリジンに開放し、社内専用モデルは特定オリジンに限定できます。可視性は拡大はできても縮小はできないため、公開資源を悪意ある第三者が制限し直す攻撃を防ぎます。

加えてCOSは書き込み時にハッシュを検証するため、宣言と異なるデータは保存に失敗します。これによりモデルの重みが正しいバイト列かを自動で整合性確認でき、公式CDNでも有志のミラーでも信頼して利用できる点が利点です。

IBM、エージェント開発簡素化のオープン基盤CUGAを公開

CUGAの狙い

IBM製のオープンソース基盤
プランニングと実行ループを内蔵
開発者はツールと指示文のみ記述
二十数本の単一ファイル実例公開

本番運用への道

6種類のポリシーで行動制御
小型オープンモデルでも安定動作
定義変更なしで主権環境へ再展開

米IBMは6月23日、エンタープライズ向けの自律型AIエージェント基盤「CUGA(Configurable Generalist Agent)」と、その実例集「cuga-apps」を公開しました。エージェント開発で必要となる計画立案、ツール呼び出し、状態管理といった配管作業を基盤側が肩代わりし、開発者はエージェントが使えるツールの一覧と指示文を書くだけで済む点が特徴です。

従来のエージェント開発は、フレームワーク選定やツール接続など実装の下準備に時間を取られ、肝心の中身づくりは後回しになりがちでした。CUGAはこの順序を逆転させ、計画・実行・状態管理を内蔵することで、FastAPIのルートが書ければ全行を読めるほど簡潔なコードでアプリを構築できるとしています。

実例集には映画推薦からIBMクラウド構成提案まで、それぞれ単一ファイルで動く二十数本のアプリが含まれます。エージェント本体は4つの引数を持つコンストラクタで定義され、汎用機能は共有のMCPサーバーから取り込み、アプリ固有のツールだけをPython関数として書く構成です。共通のひな形を持つため、一つ読めば全体を理解できる設計になっています。

CUGAは行動の前に計画を立て、実行中に誤りを検知して再計画する反省ステップを備えます。状態管理や変数追跡を基盤が担うことで、小型のオープンウェイトモデルでも長い処理を安定してこなせるとし、ホスト版アプリは大規模な独自APIではなくgpt-oss-120bで動作しています。

本番運用では、6種類のポリシーによる制御をエージェント本体に直接付与できます。要求段階で拒否するIntent Guardや、危険なツール実行前に人間の承認を挟むTool Approvalなどがあり、ガバナンスを後付けの層ではなく基盤に最初から組み込む方針を取っています。

IBMはこの基盤を、データや実行エンジンを同一境界内に閉じ込めるSovereign Coreへと展開しました。ローカルで書いたエージェントを定義変更なしでそのまま隔離環境へ再展開できる点を強みとし、運用環境が読めるオープンなコードであることが主権性の裏付けになると主張しています。

F5、本番AIの脆弱なデータ経路を警告

実証では露呈しない欠陥

ストレージ直結の脆弱性
本番トラフィックで障害連鎖
ノード障害でクラスタ全停止
停止がSLA違反に直結

データ配信層の構築

BIG-IPを制御点に配置
可観測性と自動切替
スループット維持を確認

クラウドサービス企業のF5は、AIワークロードを実証実験から本番運用へ移す際、データ配信の経路がシステムの拡張性を左右すると指摘しました。ストレージと計算資源を直接つなぐ構成は、デモ環境では問題なく動く一方、持続的で同時並行的な本番トラフィックの下では破綻しやすいといいます。

問題の核心は、AIワークフローがS3ストレージを中核資源として扱うようになった点にあります。しかしストレージとクラスタ間のネットワークは、GPUを最適稼働させるための高スループットで途切れないデータ移動を前提に設計されていませんでした。同社のPaul Pindell氏は、単一のストレージノードが故障すると全トラフィックが劣化し、場合によってはクラスタ全体が停止すると述べています。

停止の代償は大きいといいます。推論パイプラインが停滞すればSLAと顧客体験の問題になり、RAGシステムが遅延すればモデルが最新の文脈を失い、不正確な応答やハルシネーションを招きます。同時に、高価なGPUが遊休状態となりコストを押し上げます。

F5はこの課題に対し、データ配信をネットワークが「単に動く」前提に頼らない第一級の基盤層として扱う方針を示しました。具体的には可観測性、プログラマビリティ、障害耐性の三つを組み込み、Dell ObjectScale向け構成ではBIG-IPをストレージと計算層の間に制御点として配置します。

この構成は、QoSや接続数制限によってストレージを過負荷から保護します。同社は第三者機関SecureIQLabの検証により、こうした保護がスループットを犠牲にしないことを確認したとしています。ハイブリッドやマルチクラウド環境では、統一的な可観測性とプログラム可能なトラフィック管理を組み合わせ、一貫した制御と回復力を実現する狙いです。

F5のHunter Smit氏は、永続的な実証段階から抜け出す組織は障害を常態と捉える設計規律を共有していると語ります。遅延や輻輳、部分的な障害が起きる前提で、それを吸収できるデータ経路を築くことが、本番運用と試作の分かれ目になるという見方です。

Vercel、サーバー側評価のフラグ機能を提供

発表の要点

サーバー側評価で画面のちらつき排除
Next.jsなどにフレームワーク統合
デプロイと公開を分離する運用
Flags SDKはオープンソースで提供

内部での実績

v0チームが数百個のフラグを常時運用
段階的ロールアウトと緊急停止
本番DB移行の切り替えにも活用

Webプラットフォーム大手のVercelは6月22日、自社基盤に組み込んだフィーチャーフラグ機能「Vercel Flags」を発表しました。コードの公開可否をフラグで制御し、デプロイと機能リリースを別々に判断できる仕組みです。サーバー側で評価するため画面のちらつきや表示のずれが生じず、ページ性能への影響もないと説明しています。

最大の特徴はフレームワークとの統合です。他社のフラグサービスが汎用SDKと別個の管理画面を提供するのに対し、Vercel Flagsはデプロイと同じダッシュボードで管理し、コードからはFlags SDKを通じて読み込みます。Next.jsやSvelteKit向けの専用アダプターを備え、それ以外のフレームワークでもOpenFeature経由で利用できます。

クライアント側でフラグを評価すると、利用者は値が返るまでローダーやちらつきを目にします。Vercel Flagsはサーバー側で評価し、Next.jsのReact Server Componentsならレンダリング中に値を読み込むため、ブラウザは正しい画面を直接描画します。設定変更は数ミリ秒で各リージョンへ伝わると述べています。

フラグの登録は自動で、コードに定義してデプロイすると下書きとしてダッシュボードに現れます。コードから削除すると未参照と表示され、安全に整理できる状態が保たれます。さらにCLIコマンドを通じて、開発者だけでなくコーディングエージェントもフラグの作成や配信、停止を行えるエージェント対応も用意しました。

Vercelは2026年4月に本機能を正式提供していますが、社内では1年以上前から使ってきたといいます。AIコード生成ツール「v0」のチームは常時数百個のフラグを運用し、新機能やAIモデルの切り替え、緊急停止スイッチなどに用いています。リリースは社内から5%、10%、25%、50%と段階的に広げ、問題があればコード変更なしで停止できます。

象徴的な事例が本番データベースの移行です。新旧のDBを同期させたうえでフラグが使用先を制御し、フラグの切り替えそのものが移行の実行になりました。検証環境で繰り返し練習してから本番に臨み、トラフィックを落とさず完了したとしています。高リスクな基盤変更を、練習・計画・実行できる作業に変えた点を強調しています。

Sakanaが複数AIを束ねる新基盤Fugu公開

Fuguの仕組み

複数モデルを動的に束ねる司令塔型
OpenAI互換の単一API提供
問題分解と検証を自律実行
通常版と上位Fugu Ultraの2種

性能と価格

コーディング指標でFable超え
輸出規制への耐性が狙い
Ultraは入力100万トークン5ドル

市場の反応

単一巨大モデル優位の声も

AIスタートアップのSakana AIは6月21日夜、複数のAIモデルを動的に束ねて最先端水準の性能を出すマルチエージェント基盤「Fugu(フグ)」を公開しました。開発者や企業、国家が特定ベンダーへの依存や地政学的な輸出規制から守られることを狙い、OpenAI互換の単一APIを通じて専門化したAIエージェント群へ問い合わせを動的に振り分ける仕組みです。

Fuguは巨大な単一モデルに頼る従来構造を回避し、優れた総合請負業者のように動きます。複雑な要求を受けると自ら全てを実行せず、問題を分解して専門の基盤モデル群に下請けさせ、その成果を検証したうえで最終出力を統合します。Sakanaは「Fugu自体がLLMであり、エージェント群の各LLMや自分自身を再帰的に呼び出すよう訓練されている」と説明しています。

背景には、6月12日にAnthropicが米政府の輸出規制命令を受け、最上位モデルのClaude Fable 5とMythos 5への一般アクセスを停止した事情があります。CEOで共同創業者のDavid Ha氏はXで「単一企業のモデルに国家インフラを頼るのは巨大なリスクだ。集合知こそ権力集中への実用的な備えになる」と述べ、Fuguが交換可能なエージェント群でベンダー制限を回避すると強調しました。

性能面でも存在感を示しています。コーディング能力を測るLiveCodeBenchではFugu Ultraが93.2、通常版Fuguが92.9を記録し、Claude Fable 5の89.8を上回りました。ソフトウェア課題を扱うSWE-Bench ProではUltraが73.7で、Claude Opus 4.8(69.2)やGPT-5.5(58.6)を明確に上回っています。

一方で価格は高めです。商用のプロプライエタリAPIとして提供され、どのモデルを選ぶかは利用者から意図的に隠されます。Fugu Ultraは100万トークンあたり入力5ドル・出力30ドルの固定料金で、単一モデルAPIと比べ高価な部類に入ります。月額は20ドルから200ドルの3段階で、EUとEEAではGDPR対応のため当面利用できません。

コミュニティの反応は分かれています。ある開発者は「単一の明快なプロンプトなら直接モデルを使うだろうが、委任や検証、調査ループを伴う複雑な作業ほどFuguが活きる」と評価しました。他方で「これは閉じたモデル群の上に乗る閉じたオーケストレーターにすぎず、AI主権とは言えない」との批判もあり、単一の巨大モデルがなお優位とみる声も残っています。

OpenAI、Codexを長時間作業の作業基盤と位置づけ

公開された指針

単一プロンプトを超える長時間作業支援
Jason Liu氏執筆の実践指針
Codexを持続的作業空間に活用
文脈保持と複雑な作業管理

実践のポイント

目標を検証可能な手順へ分解
複数業務を横断した継続性確保
委任と人の監督の判断基準

米OpenAIは6月22日、対話AIのCodexを単一のプロンプトを超える長時間作業の基盤として使うための実践指針をまとめたホワイトペーパーを公開しました。Jason Liu氏が執筆し、文脈を保持しながら複雑なワークフローを管理し、長期にわたるプロジェクト全体で進捗を持続させる方法を、組織でAIを活用するリーダー向けに示しています。

中心となる考え方は、Codexを一度きりの応答ツールではなく、持続的な作業空間として扱う点です。組織が単一のやり取りで完結しない業務にAIを使う場面が増えていることを背景に、文脈の引き継ぎを重視しています。

実践面では、野心的な目標を検証可能な手順へ分解し、複数の業務ライン間で継続性を保つ手法が紹介されています。大きなゴールを段階的に進めることで、長期作業でも方向性を見失いにくくなるという狙いです。

もう一つの焦点は、実行をCodexに委ねる場面と、人の監督が最も価値を持つ場面の見極めです。すべてを自動化するのではなく、判断の境界を意識した使い分けを促しています。

詳細はOpenAIが公開したPDF版のガイドで読むことができます。長期的な開発や運用にAIを組み込みたい経営者やエンジニアにとって、実務的な参照点となりそうです。

OpenAIがDaybreak拡張、OSS脆弱性を大規模修正

新サービスの中身

脆弱性発見から修正まで自動化
GPT-5.5-Cyber正式版を提供
Codex Security機能を更新
防御者向け限定アクセス

OSS脆弱性に集中投下

Trail of Bitsと共同設立
OSS30件超が参加表明
初週で数百件の不具合発見
専門家が人手で検証

OpenAIは6月22日、サイバー防御の取り組みDaybreakを拡張すると発表しました。AIモデルで脆弱性の発見から修正までを高速化し、防御側に能力を行き渡らせるのが狙いです。あわせてオープンソース支援策「Patch the Planet」、専用モデルの新版、開発ツール向けプラグイン、企業連携プログラムを公開しました。

中核となるのが専用モデルGPT-5.5-Cyberの正式版です。既知の脆弱性を再現できるかを測る指標CyberGymで85.6%を記録し、通常版の81.8%を上回りました。Wiredによれば、この数値はAnthropicが米政権の輸出規制で撤回したMythos 5の83.8%も超えており、両社のサイバーAI競争を象徴する形となっています。

開発者向けには「Codex Security」プラグインを更新しました。コードベースを深く走査して脆弱性を検出し、影響範囲の特定や修正パッチの生成、検証までを担います。研究プレビュー開始以降、3000万件超のコミットと3万を超えるコードベースを走査し、50万件以上の修正を確認したといいます。

オープンソース支援策「Patch the Planet」は、セキュリティ企業Trail of Bitsと共同で設立しました。HackerOneやCalifとも連携し、人手不足に悩む保守担当者に専門家と高度なモデルを無償で提供します。cURLやGo、Pythonなど30以上のプロジェクトが参加を表明しています。

AIによる脆弱性発見が加速する一方、保守担当者は質の低い誤検知報告の山に追われてきました。同プログラムは専門研究者が報告を事前に検証・重複排除し、保守側の負担を軽減します。初週の5日間スプリントでは数百件の問題を洗い出し、数十件のパッチを統合しました。

OpenAIは各国政府との連携も拡大しています。日本やオーストラリア、カナダなどと信頼アクセスの枠組みを結び、重要インフラの防御強化に取り組む方針です。攻撃者より先に脆弱性を見つけて塞ぐ、防御主導の体制づくりが進んでいます。

Google、Gemini新基盤APIを正式提供開始

GA到達の概要

Interactions APIが正式提供
Gemini向けの主要APIに昇格
2025年12月公開ベータから移行
全公式文書を新APIに既定変更

主な新機能

遠隔Linux環境のManaged Agents
非同期処理の背景実行
Flex階層で50%費用減

米Googleは6月22日、Geminiモデルとエージェントを操作する新基盤「Interactions API」が一般提供(GA)に到達したと発表しました。2025年12月の公開ベータを経て、同社はこれをGemini向けの主要APIと位置づけ、すべての公式ドキュメントの既定をこの新APIへ切り替えます。開発者が最も好む構築手段に急速に定着したと説明しています。

GA版ではスキーマが安定したほか、開発者の要望に応える主要機能が加わりました。目玉はManaged Agentsで、1回のAPI呼び出しで遠隔のLinuxサンドボックスを確保し、エージェントが推論・コード実行・Web閲覧・ファイル管理をこなします。既定エージェントとして「Antigravity」が提供され、独自エージェントの定義も可能です。

実行面では、呼び出しに「background=True」を指定すれば、サーバー側が処理を非同期で走らせます。長時間タスクを扱いやすくする設計です。ツールも強化され、Google検索やGoogleマップといった組み込み機能と自作関数を1つの要求内で混在させ、結果を画像付きで返せるようになりました。

メディア生成も拡充しました。画像生成はNano Banana 2、音楽はLyria 3、表現力のある音声は複数話者TTSに対応します。Deep Researchも、速度重視と深さ重視の2系統やネイティブな図表生成を追加しました。スキーマは従来の「役割(Roles)」構造から、各動作を型付きの「ステップ(Steps)」として扱う方式へ簡素化されています。

費用と運用の最適化も進みました。FlexとPriorityの階層により費用か遅延かを選べ、Flexでは費用を50%削減できます。過去のやり取りは有料枠で55日間保持され、後から取得可能です。一方、従来の「generateContent」APIも完全にサポートを継続し、当面は新しいGeminiモデルを受け取り続けます。

ただしGoogleは、長時間稼働モデルやエージェント向けの最先端機能は、状態を持つエージェント処理向けに設計された新APIへ集約していくとの見通しを示しました。新APIはPythonとJavaScriptのSDKで利用でき、LiteLLMなどの提携先経由でも使えます。移行ガイドも公開され、各フィールドの対応関係を確認しながら段階的に切り替えられます。

Claude Code開発者、AIの「ループ」を次の転換点と提唱

ループとは何か

コードを常時改善する仕組み
停止条件はAI自身が判断
PRを出し続ける無限稼働

コストと展望

トークンを大量消費
費用に上限なし
監視次第で大きな効果

米Anthropic傘下のコーディング支援ツール「Claude Code」を生んだボリス・チェルニー氏が6月20日、米メタの技術会議「@Scale」で、AIエージェント同士が連携し続ける「ループ」を次の大きな転換点だと語りました。同氏は「人手のコード記述からエージェントへの移行と同じ規模の飛躍だ」と強調しています。

ループとは、あるエージェントがコード構造の改善を探り、別のエージェントが重複した処理の統合を探すといった作業を、休みなく繰り返す仕組みです。これらのエージェントは通常の開発者と同様にプルリクエストを提出し、コードが変わり続けるため稼働が止まることはありません。

従来のエージェント運用では、明確な目標を定め、進捗を区切って確認し、指示から外れないよう管理することが重視されてきました。ループはここからさらに踏み込み、背後で群れのように働き続けるエージェント群に作業を委ねます。AIへの信頼を大きく預ける形ですが、モデルの性能向上に伴い現実味を増しています。

この発想自体は全く新しいものではありません。自分自身を呼び出して処理を繰り返す再帰ループは計算機科学の基礎であり、停止の判断をAIに委ねる点が異なるだけで、基本的な仕組みは共通しています。代表例として、達成度を要約して目標到達を問い直す「ラルフ・ループ」が知られています。

ループはまた、推論時の計算量を増やす流れの一部とも捉えられます。米OpenAIの研究者ノーム・ブラウン氏が指摘したように、十分な計算資源を投じればほぼあらゆる問題を解けるため、コード改善のような積み上げ型の課題では計算を投じ続けるほど成果が伸びます。

ただし課題はコストです。ループは単純な対話よりはるかに速くトークンを消費し、常時稼働させる以上、支出に上限がありません。トークン販売を本業とするAnthropicには好都合でも、利用者には割高となり得ます。それでも、監視体制を整え対象を選べば、費用を上回る効果が見込めるとしています。

AIチップのGroq、人材流出後に650億円超を調達

調達の概要

新規調達額6.5億ドル
Nvidia契約から約半年後
前回評価額69億ドル
新評価額は非開示

事業の転換

推論クラウドへ軸足転換
データセンター13拠点展開
開発者500万人超が利用
新経営陣を相次ぎ採用

AIチップ新興企業の米Groqは6月22日、6.5億ドル(約970億円)の新規資金調達を完了したと発表しました。Nvidiaが2025年12月にGroqの技術を非独占でライセンス供与し、創業者兼CEOのジョナサン・ロス氏らを引き抜いた事実上の買収(not-acqui-hire)から約半年後の調達となります。Groqは新たな企業評価額を明らかにしていません。

今回の調達は、主要人材と中核技術IPを失った同社の立て直しを象徴します。Groqは推論用の独自チップ「LPU(言語処理ユニット)」を開発していましたが、そのIPは現在Nvidiaが保有します。NvidiaはこのIPを基に、自社のハードウェアクラスター「Nvidia Groq 3 LPX」を3月のGTCで発表しています。

対抗策としてGroqは、子会社経由で展開してきた推論クラウド(neocloud)事業へ軸足を移しました。同事業は北米・欧州・中東・アジア太平洋に13のデータセンターを構え、500万人を超える開発者と数千社のAI企業に対し、週あたり数兆トークンを処理しているといいます。

経営体制の再構築も進めています。ロス氏の後任CEOには共同創業者のダグ・ワイトマン氏が就き、xAIやMetaを経たアラン・ライス氏をCOOに迎えました。さらにCTOにシンクレア・シュラー氏、CPOにラケシュ・マルホトラ氏が加わっています。

AI推論分野は需要と投資が急拡大する一方、競争も激化しています。中核IPをNvidiaと共有する状況で、Groqが推論クラウドの競争力を保てるかが今後の焦点です。一度は身売り同然の状態に陥った同社にとって、再起をかけた勝負が始まります。

Apple、iOS 27でSiri以外にも実用AI機能

日常作業を自動化

レシート撮影で割り勘自動計算
Apple Cashで支払い完結
漏洩パスワードを自動更新
メッセージにワンタップ提案
通話画面に予約番号を表示

操作を賢く簡素化

自然言語でショートカット作成
スマートホーム通知を1件に集約
Safariのタブを話題別に整理

米Appleは6月のWWDCで発表したiOS 27で、刷新版Siri以外にもApple Intelligenceを使った実用的なAI機能を多数組み込みます。同社はAIを新たなSiriではなくMessagesやSafariなど既存アプリに溶け込ませ、現実の課題解決に焦点を当てる戦略です。各機能は開発者ベータで稼働中で、秋の正式版に向け間もなく公開ベータにも届きます。

目玉の一つがレストランの割り勘です。レシートを撮影するとApple Intelligenceが品目や数量、チップ、合計を抽出し、自分が頼んだ品を選んでグループチャットで請求を共有できます。支払いは通常のApple Cash同様にダブルクリックで完了し、税やチップも各人の負担分として自動的に按分されます。

セキュリティ面ではパスワードの自動更新が加わります。AIが脆弱なパスワードやデータ侵害で漏れた認証情報を特定し、ユーザーに代わってサイトへサインインし、より安全な新パスワードへ自動で切り替えます。手動更新の手間を省きつつ、エージェント的に裏側で安全に処理する点が特徴です。

コミュニケーション関連も強化されます。Messagesは会話の話題に応じてワンタップ提案を表示し、頼まれ事のリマインダー登録や写真送付、予定のカレンダー追加を促します。電話のCall ContextはMailから予約確認番号などを端末内で抽出し、通話画面に必要情報を表示します。

操作の敷居も下がります。これまで専門知識が必要だったShortcutsは、やりたい作業を自然言語で記述するだけで自動化を組めるようになります。Homeアプリは複数の通知を一つの出来事として束ね、Safariは閲覧内容を理解してタブを話題別に整理します。いずれも処理はプライバシーを保護しながら行われます。

米政府がEUV装置の中国流出を懸念、ASMLは存在を全面否定

米政府の懸念

ルトニック商務長官がEUV装置の中国流出を懸念
輸出規制違反の重大な疑いを指摘
証拠は非公開のまま提示せず

ASMLの反論

中国に装置は存在しないと全面否定
出荷した全装置を追跡管理と説明
中国売上が2026年の約2割

市場と政策の力学

時価総額約7000億ドルの独占企業
DUV対中輸出禁止法案も審議中

米商務省のハワード・ルトニック長官が近時の会合で、オランダの半導体製造装置大手ASMLに対し、最先端チップの回路を描く唯一の装置であるEUV(極端紫外線)露光装置が中国に渡った可能性を懸念していると伝えました。これが事実なら、第1次トランプ政権以来ASMLに中国向けEUV販売を禁じてきた輸出規制への重大な違反となります。米ブルームバーグが報じました。

政府高官はEUV関連部品や輸送機材が中国へ出荷された証拠があると主張する一方、ブルームバーグにもASML本体にもその証拠を提示していません。商務省は中国国内に実機があるかどうかの問いにも回答しませんでした。

これに対しASMLは、中国にそうした装置は存在せず、過去にも存在したことはないと明確に否定しています。フーケCEOは、出荷した全装置を追跡しており、稼働中の顧客先にあるか、解体され返却されたかのいずれかだと説明しました。

同社は社内に情報の壁を設け、中国拠点の従業員はEUV技術や文書にアクセスできない設計だと強調します。フーケ氏は「持ったことのない装置をリバースエンジニアリングはできない」と述べ、技術流出の可能性を否定しました。

ASMLが規制を冒してまで違法販売に踏み切る動機は乏しいと見られます。同社は2026年売上の約20%を許可済みの対中販売(旧世代のDUV装置)で得る見通しで、EUV禁輸違反はこの収益と欧州最高の時価総額約7000億ドルという地位を一度に失わせる賭けになるためです。

背景には政策と市場の力学も見え隠れします。商務省はASMLの独占に挑む新興光源企業xLightに最大1.5億ドルを投じており、長官が同社を所管しながらASMLを追及する構図には注目が集まります。さらに、ASMLのDUV対中輸出を事実上禁じる超党派法案が議会で審議中で、4月に主要委員会を通過しています。

IEEEがLLMオンライン講座を開講、技術者の実装力底上げへ

講座の中身

全5講座のオンラインプログラム
Transformer構造を数式から解説
PyTorchで学習パイプライン実装
RAG・RLHF・量子化まで網羅

ねらいと修了特典

プロンプトを超えた構築力育成
修了でデジタルバッジ付与
組織向け団体研修にも対応

IEEEは2026年6月19日、技術者向けにLLMの仕組みを基礎から学ぶオンライン講座「Large Language Models Demystified」を開講したと発表しました。IEEE Learning Networkを通じて提供される全5講座構成のプログラムで、IEEE Educational ActivitiesがIEEE Computer Societyと共同で開発しています。

背景には、LLMを使う人と作れる人の差が急速に広がっている現状があります。LLMはメールや旅行計画に使う一般用途を超え、ソースコードの脆弱性検出や技術仕様の整理など、技術者の日常業務を支える基盤要素になりつつあります。市場は2030年まで年率約33%の成長が見込まれ、実装力は専門技能から必須要件へと変わりつつあります。

講座は単なるプロンプト術ではなく、生成AIの工学的な仕組みに踏み込む内容です。Transformerの自己注意機構や位置エンコーディングをNumPyとPythonで実装し、PyTorchでエンドツーエンドの学習パイプラインを構築します。LoRAなどのパラメータ効率化手法や量子化も扱います。

さらに最適化やアライメント、デプロイの段階では、RLHFやGRPO、RAG、エージェント型AIまで取り上げます。なぜモデルがそう動くのかを理解することで、開発者は試行錯誤から脱し、信頼性の高いAIツールを設計できるようになります。

修了者にはプロフェッショナル開発単位とIEEEのデジタルバッジが付与され、習得した専門性を証明できます。組織単位でチームを育成したい企業は、IEEEのコンテンツ専門家を通じて団体登録や研修プランの相談が可能です。

Metaの大量再編で社内反発、AI部門の士気崩壊

再編の混乱

約8000人を解雇
約7000人をAI部門へ強制配置
応用AIエンジニアリング部門への不満
会議で経営陣を罵倒する反発

経営陣の対応

CTOが伝達を「ひどい」と認める
ハッカトン案は社員に拒否
業務監視による反発拡大
業績好調でも遅れるAI開発

米Metaの新設AI部門で、社員の反発が深刻化しています。同社は先月、全社員の約1割にあたる約8000人を解雇する一方、約7000人をAI関連チームへ配置転換しました。中核研究組織Meta Superintelligence Labsを支える応用AIエンジニアリング部門への異動が、士気の急落を招いています。

配置された社員の多くは、業務内容を不本意なものと受け止めています。AIが処理できない作業を人間が肩代わりする事後学習(ファインチューニング)のような単純作業が中心で、「やりがいがない」「主体性を失った」との声が相次ぎました。配置転換に社員の選択権がなかった点も不満を増幅させています。

反発は公の場にも噴き出しました。応用AI部門の社内会議では、ある社員が通話を遮り自らを「会社の言いなりだ」と発言。さらに特定のAI幹部に対し侮辱的な言葉を伝えるよう求める場面もあったと報じられています。社員の業務をAI学習目的で監視する方針も、不信感を強めました。

経営陣も事態を認識しています。CTOのアンドリュー・ボズワース氏は、再編に関する社内コミュニケーションが「ひどいものだった」と認めました。ザッカーバーグCEOが士気回復策として提案したハッカトンには、社員が「業務で手一杯だ」と反発し、効果は乏しい状況です。

皮肉なのは、Metaが企業としては好業績を続けている点です。広告事業など既存部門が利益を生む一方、AI事業はまだ成果に乏しく、最新モデルの投入も遅れ気味だと指摘されています。OpenAIやAnthropicに後れを取る焦りが、性急な組織改編と現場の疲弊を生む構図が浮かび上がっています。

HuggingFaceがLoRA超え検証、最適手法は用途次第

LoRA一強の現状

モデルカードの98.4%がLoRA
画像生成でも95%占有
人気が自己強化する構図

公平な比較基盤

同条件で40以上の手法を評価
論文の自社有利な比較を回避
VRAM・忘却・速度も計測

用途別の最適解

画像生成ではOFTが上回る
config一行で手法切替

米AI企業のHugging Faceは2026年6月18日、自社ブログでパラメータ効率の良い微調整手法(PEFT)の比較検証結果を公表しました。広く使われるLoRAが本当に最適かを同社の標準ライブラリで検証し、用途によっては他手法が上回ると結論づけています。経営者やエンジニアが開いたモデルを自社データで調整する際の指針となる内容です。

PEFTは、モデル全体を何度も載せる必要がある微調整のメモリ負荷を大幅に下げる技術群です。少ないメモリで量子化モデルも調整でき、チェックポイントが小さく、既存知識を忘れにくい利点があります。同社が開発するPEFTライブラリは、多数の手法を統一APIで扱える点が特徴です。

LoRAは早期に登場し効果が高かったため、現在は圧倒的な普及率を誇ります。同社の調査では、PEFT手法を一つだけ挙げたモデルカードの98.4%がLoRAで、画像生成のチェックポイントでも約95%を占めました。ただしこれは性能の証明ではなく、解説や周辺対応の充実が人気を呼ぶ自己強化の可能性も指摘しています。

論文に基づく手法選びには問題があると同社は警告します。研究者は既存指標を超える結果を出す圧力にさらされ、比較対象や評価基準も論文ごとに異なるため、再現が難しいのです。実際、学習率の調整だけでLoRAが他手法に並ぶという研究もあります。

そこで同社は同一の基盤モデル・データ・ハードウェアで全手法を評価する基準を整備しました。数学データセットでの推論学習と、猫のぬいぐるみという新概念を学ぶ画像生成の二つを用意し、テスト性能に加えVRAM使用量や忘却、実行時間、チェックポイント容量まで追跡しています。

結果として、数学課題ではLoRAが性能とメモリの均衡点に位置する一方、画像生成ではOFTが高い類似度と低メモリで上回りました。同社は、LoRAが悪い選択ではないものの自動的な既定にすべきではなく、config一行で手法を切り替えて自分の用途に最適な手法を試すよう促しています。

Google、Ad ManagerにAI対話エージェント投入

Ask Ad Manager

Gemini基盤の対話型エージェント
発行者専用データで個別回答
問題のリアルタイム診断
プロンプトで複雑な指標取得
今月ベータ提供開始

エージェント化の拡張

年内にAPI・MCPサーバー提供
Yahooが独自エージェントへ統合
発行者・代理店向け専用エージェント開発

Googleは6月18日、広告配信基盤Google Ad ManagerにAI対話エージェント「Ask Ad Manager」を投入すると発表しました。同社のAIモデルGeminiを基盤とし、媒体社(パブリッシャー)が業績の把握や意思決定を素早く行えるよう支援します。今月中にベータ版を提供開始し、機能を年内に順次拡充する計画です。

最大の特徴は、各媒体社自身のデータのみを用いて個別の回答や提案を返す点にあります。データの安全性を保ちつつ利用者が主導権を握れる設計とし、複数ターンの会話形式で深い洞察を引き出せます。従来は手作業だった分析を、対話だけで完結できる狙いです。

提供される主な機能は3つです。1つ目はリアルタイムの問題診断で、広告枠の不具合をレポート作成なしに特定し収益機会の損失を防ぎます。2つ目はプロンプト1つでカスタム指標や複雑なレポートを生成する機能、3つ目は会話の文脈に応じて最適な画面へ誘導するナビゲーション機能です。

Googleはこれを「エージェント型」への進化の第一歩と位置づけます。すでに米Yahooが自社のカスタムエージェントにAd Managerを統合し、需要予測や広告枠の作成、レポート業務を効率化しています。広告テクノロジー業界全体が、AIによる業務自動化へ大きく舵を切りつつあります。

さらに同社は年内に、媒体社の運用を支える開発者向けツール(REST APIとMCPサーバー)を公開する予定です。媒体社・広告代理店向けの専用エージェントや、第一者・第三者エージェントが大規模に連携する基盤も開発中とします。広告の発見から価格交渉、配信実行までを一気通貫で担う未来を見据えた動きと言えるでしょう。

AI最適化Arbor、Codexら2.5倍上回る

性能の成果

検証可能な改善が2.5倍以上
検索精度45%→67%
既存エージェントは50%台で停滞
MLE-Bench Liteで最高成績

仕組み

仮説を木構造で蓄積学習
司令役と実行役の役割分離
テスト合格時のみ統合するマージゲート

中国人民大学とMicrosoft Researchの研究者は、AIシステムの自律最適化を担う新フレームワークArborを発表しました。試行錯誤の繰り返しを、過去の失敗から学んで改善を積み上げる累積的な学習プロセスへと引き上げる狙いです。実環境のエンジニアリング課題で、同じ計算資源のもとCodexやClaude Codeの2.5倍以上の検証可能な性能向上を実現しました。

従来のコーディングAIは各試行を独立して扱い、得た知見が会話履歴に埋もれて失われる弱点がありました。タスクが数百ターンに及ぶと文脈の上限を超え、初期の失敗で行き詰まるか、評価のぶれに振り回されてしまいます。複数の研究方針を同時に保持し比較する仕組みも欠いていました。

Arborは戦略立案と実装作業を分けて解決します。コーディネーターと呼ぶ司令役が仮説と方針を管理し、自身はコードを直接編集しません。実際の実装と評価は短命のエグゼキューターが担い、独立したgitワークツリー上で一つの仮説だけを検証して結果を報告します。

中核となるのが仮説ツリー精緻化(HTR)です。仮説・成果物・事実証拠・抽出した洞察を結びつけた節点を枝分かれさせ、失敗した実験は負の制約として記録します。これにより同じ誤りの反復を防ぎ、複数の競合する方針を安全に並行探索できます。

過剰適合を防ぐため、HTRは厳格なマージゲートを設けます。開発スコアが高くても、別の評価データで実際に改善が確認できなければ統合しません。検索エージェント課題では精度を45.33%から67.67%へ高め、50%台で止まったCodexやClaude Codeを大きく上回りました。

企業のAI活用では、複雑な実システムの継続的改善を自動化できる点が直接の価値となります。あなたの開発チームが抱える最適化のボトルネックも、こうした構造化された記憶を持つ手法で解きほぐせるかもしれません。

スマホ依存に反発、スロウテック市場が拡大

再評価される旧機種

iPod Shuffle再注目
中古端末市場の成長
フィットネス端末88%増
若年層に支持拡大

脱・常時接続の動き

米成人53%が削減希望
意図的な摩擦の価値
AIで時間を取り戻す発想

米国でスマホ依存からの脱却を目指す「スロウテック」と呼ばれる消費トレンドが2026年6月、TechCrunchの報道で改めて注目を集めています。中古端末販売のBack Marketが、画面を持たないiPod Shuffleの広告をニューヨークの地下鉄に出すなど、あえて機能を絞った旧世代機器が若年層を中心に支持を広げています。背景には、アプリやアルゴリズムが生活のあらゆる場面を仲介する常時接続への疲労があります。

iPodの生みの親として知られるトニー・ファデル氏は、自身が20年以上前に設計した端末の広告を駅で目にし驚いたと語ります。Back MarketのCMOジョイ・ハワード氏は、これまでの「ファストテック」が摩擦の排除を追求してきたのに対し、いまや人々は摩擦をむしろ自分を守る機能として歓迎していると指摘します。米国の成人の約53%がスクリーンタイムを減らしたいと答えているとのデータも紹介されています。

この動きは単なる懐古ではなく、ビジネスの数字にも表れています。市場調査会社Circanaによると、米国のフィットネストラッカー支出は前年比88%増となり、画面のないOura ringやWhoopが売上を牽引しました。中古市場やフリップフォン、e-ink端末のLight Phoneなど、注意を奪わない製品への需要が静かに高まっています。

一方で、完全な「ダムフォン」への移行には限界もあります。スクリーンタイム削減アプリMOQAを開発するオースティン・マレー氏は、銀行取引やホテルのチェックインなど、スマホ前提の社会では端末を手放すのは難しいと述べます。多くの消費者は極端な乗り換えではなく、スマホを使いながら利用時間を減らす中間的な手段を選んでいます。

注目すべきは、AIがこの潮流の両義的な存在である点です。AIは「ファストテック」の象徴である一方、ユーザーに代わって作業をこなし画面から離れる時間を生む道具にもなり得ます。159ドルのAIしおり「Mark」や、サポート終了したハードを再生する事例など、AIで自分の時間と主導権を取り戻そうとする使われ方が現れています。経営者やエンジニアにとって、利便性と注意力のどちらを設計の軸に置くかが、今後の製品づくりの論点になりそうです。

VercelがAIエージェント開発の統合基盤を公開

3つの中核機能

モデル接続とルーティング
複数手順のワークフロー実行
外部システムとの安全な連携
自前構築や囲い込みの回避

構成要素とeve

AI Gatewayがマークアップ無しで中継
Workflow SDKで処理を再開可能に
Sandboxが各エージェントに隔離VM
開発を簡素化するeveを公開

米Vercelは6月17日、本番品質のAIエージェントを開発・運用するための統合基盤「Agent Stack」を公開しました。エージェントにはモデルへの接続と切り替え、複数手順にわたる処理の実行、外部システムやユーザーとの安全な連携という3つの中核機能が欠かせないとし、それらを一式の構成要素として提供します。これまで開発者は単一プロバイダーへの囲い込み、複数ツールの継ぎ接ぎ、抽象化の自作のいずれかを迫られていました。

モデル接続層は2つの部品で担います。「AI SDK」は文字列を1つ変えるだけでモデルを切り替えられる共通インターフェースを提供し、プラットフォームやフレームワークに依存しません。「AI Gateway」は単一エンドポイントから数百のモデルへ振り分け、障害時のフェイルオーバーや費用・使用量の追跡を行います。価格への上乗せはなく、自前のキーも利用できます。

処理の実行層では、「Workflow SDK」が各手順をチェックポイントとして記録し、失敗した箇所だけを再試行します。途中で止まっても最後の正常な手順から再開でき、ゼロからのやり直しを避けられます。「Vercel Sandbox」は各エージェントに独自カーネルを持つ隔離されたmicroVMを与え、未レビューのコードを安全に実行させます。資格情報はサービス呼び出し時にのみ注入され、生のトークンには触れません。

外部連携層の「Vercel Connect」は、各タスクごとに権限を絞った短命トークンを発行し、長期間有効な広範なトークンに依存する従来手法を置き換えます。利用者からエージェント、サービスまで全ての操作を追跡でき、監査ログで誰の指示によるかを特定できます。現在はSlackやGitHub、Snowflakeなどに対応するパブリックベータ版です。「Chat SDK」は1度の導入で複数のメッセージ基盤へエージェントを届けます。

そしてVercelは過去1年で数百のエージェントを構築する中で、エージェントには共通の「形」があると気づき、その形をフレームワーク化した「eve」も公開しました。指示はマークダウン、ツールはTypeScriptで記述し、耐久実行や承認、配信は下層の構成要素で既に配線済みです。経営者やエンジニアにとって、エージェント開発の組み立て作業を省き本質に集中できる選択肢が広がったと言えます。

NEA幹部、AI投資効果の見極め本格化と指摘

コスト膨張の反動

過剰利用トークンマキシングの反動
Uberが年間AI予算を数カ月で消化
Claudeライセンス削減の動き

投資効果の追跡

AI支出のROI計測が焦点
効果追跡を担う新興企業の台頭
現場常駐エンジニアが導入の起点

市場と今後

複数モデルの使い分けが主流
今年のAI新規上場と個人エージェント注視

米ベンチャーキャピタルNEAのパートナー、ティファニー・ラック氏が6月17日、TechCrunchのポッドキャスト「Equity」に出演し、企業のAI投資効果(ROI)の見極めが本格化していると指摘しました。今年前半に流行したAI利用の極大化「トークンマキシング」の反動でコスト負担が表面化し、支出をどう評価するかが新たな論点になっていると語りました。

象徴的なのが支出の急増です。Uberは年間のAI予算を数カ月で使い切ったと報じられ、一部企業は組織の一部でClaudeのライセンスを削減し、Metaは社内の利用ランキングを廃止しました。利用を煽る段階から、費用対効果を冷静に問う段階へと空気が変わりつつあります。

ラック氏はこのROIの計測こそ商機だと見ます。企業のAI支出に対する効果を追跡する新興企業が次々と登場しており、現場に常駐する「フォワード・デプロイド・エンジニア」がAI導入を社内に広げるトロイの木馬になっていると説明しました。

モデル選びの潮流も変化しています。企業は単一の提供元に固定せず、用途に応じて複数のモデルを使い分ける動きを強めているといいます。ラック氏は価値がモデル層だけでなく、AIスタックのあらゆる階層で生まれていると見ています。

今後の焦点として、ラック氏は今年のAIの新規株式公開(IPO)の行方や、消費者向けの個人エージェントの可能性に注目していると述べました。電子商取引の普及を説いて回ったキャリアを持つ同氏は、AIにおける消費者体験の「マジックモーメント」に期待を寄せています。

Vercel、AIエージェント向け短命トークン基盤を公開

刷新の中身

長期保存トークンの廃止
実行時に発行する短命認証情報
タスク単位で範囲を限定
コネクター登録は1回のみ

仕組みと安全性

OIDCでアプリ本人確認
Slackなど主要サービス対応
トークン失効を即時実行

ホスティング大手のVercelは6月17日、AIエージェントに外部サービスへの安全な接続権限を渡す新基盤Vercel Connectをパブリックベータとして公開しました。環境変数に長期保存していたプロバイダートークンを廃止し、エージェントが作業のたびに短命の認証情報を実行時に受け取る方式へ切り替えるものです。トークン漏洩時の被害範囲を最小化する狙いがあります。

従来の方式では、全ユーザーで共有され失効しない長期トークンがエージェントに全権限を与えていました。Vercel Connectはこれをランタイム認証情報交換に置き換えます。開発者はコネクターを一度登録するだけで、プロジェクトや環境ごとに権限を割り当て、エージェントは必要なときだけ範囲を絞ったトークンを要求します。

本人確認の核となるのがOIDCです。Vercel上の各デプロイには固有のOIDC IDが付与され、トークン要求時にSDKがこのIDを提示します。Vercel Connectが検証し、許可されたプロジェクトと環境であることを確認してからプロバイダーの認証情報を返す仕組みです。アプリ側に秘密情報を保持しないため、漏洩や誤コミットのリスクが消えます。

権限はタスク単位で細かく制御できます。GitHubなら特定リポジトリの読み取り専用に限定でき、利用者ごとに本人として振る舞うトークン発行も可能です。環境ごとに別コネクターを使えば、開発環境で漏れた認証情報を本番環境で悪用される事態も防げます。

対応プロバイダーはSlack、GitHub、Linear、Discord、Notion、Salesforce、Figma、Snowflakeなどです。料金はトークン要求数に基づき、Hobbyプランは月5千回まで無料、ProとEnterpriseでは1万回あたり3ドルで課金されます。ベータ段階のため、トリガー転送はSlack、GitHub、Linearに限られ、失効や有効期間はプロバイダーの対応状況に依存します。

Vercelがオープンソースのエージェント基盤eveを公開

eveの特徴

エージェントはディレクトリ単位で定義
本番機能を標準同梱
永続実行とサンドボックス内蔵
人による承認フロー対応

開発から運用まで

トレースと評価機能を統合
SlackなどチャネルへCLIで追加
Vercel上にそのまま展開

Vercelは6月17日、エージェント開発用のオープンソースフレームワークeveの公開プレビューを発表しました。eveはエージェントが本番環境で必要とする仕組みを最初から備える点が特徴で、永続実行やサンドボックス、人による承認、サブエージェント、評価機能などを標準で同梱します。開発者は配管部分を組み立てる手間なく、エージェントの振る舞いそのものに集中できる設計です。

中核となる思想は「エージェントは1つのディレクトリ」という考え方です。モデルを記す`agent.ts`、人格を定める`instructions.md`、能力を担う`tools/`、知識を収める`skills/`など、ファイルとその配置がそのまま定義になります。Next.jsがフォルダをルートに変えたように、eveはファイルを1つの機能に変え、定型コードの記述を不要にします。

本番運用に必要な機能も一通り組み込まれています。各会話はチェックポイント付きの永続ワークフローとなり、クラッシュやデプロイをまたいでも中断地点から再開できます。エージェントが生成したコードは専用サンドボックスで隔離実行され、本番ではVercel Sandbox、ローカルではDockerなどで動かせます。

外部接続や運用面の作り込みも進んでいます。MCPサーバーやOpenAPI対応APIへの接続はファイル1つで定義でき、認証情報はモデルに見せずに仲介します。実行はすべてOpenTelemetry準拠のトレースとして記録され、Braintrustなど既存の監視サービスへ出力できるほか、評価スイートをCIに組み込んで回帰を検知できます。

デプロイは通常のVercelプロジェクトと同じく`vercel deploy`で完結し、Slackなどチャネルの追加もCLIコマンド1つで済みます。Vercel社内では100以上のエージェントが稼働しており、月3万件の質問に答えるデータ分析エージェントなどが業務を支えています。同社ではデプロイの約29%がエージェント起点に達し、開発はGitHub上で公開されています。

GMがAIで車設計を短縮、月面ローバーにも適用

開発期間の短縮

衝突解析を15時間から1分未満へ
ハマーEVの開発を2年に半減
週約200万回のシミュレーション

適用領域の拡大

自動運転やF1、防衛にも応用
NASA月面ローバーの設計に活用
コルベット部品で生成設計採用

米ゼネラル・モーターズ(GM)は2026年6月、AIとシミュレーションを活用して自動車などの開発期間を大幅に短縮する取り組みを公開しました。中国のBYDなどが2年以内で新型EVを市場投入する速さに対抗する狙いです。陣頭指揮を執るのは、テスラのオートパイロット開発やオーロラ・イノベーション共同創業で知られ、昨年6月に最高製品責任者として迎えられたスターリング・アンダーソン氏です。

中核となるのは、これまで個別に開発していた電装や熱制御、安全、操縦性などの機能を単一の仮想開発ツールに統合する手法です。アンダーソン氏によると、構造エンジニアは設計変更が完成車に与える影響を、従来の15時間に対しわずか1分ほどで確認できるようになりました。物理的な試作前にハードとソフトを同時に最適化できる点が特徴です。

効果は具体的な数字に表れています。フロント部の衝突解析は確率を用いたAI手法により、15時間の計算が1分未満に短縮されました。電動の「GMCハマー」は設計から店頭まで2年と、通常の4〜5年から開発期間が半減したといいます。自動運転開発では1日で100日分の走行を再現し、週におよそ200万回のシミュレーションを実行しています。

適用範囲は乗用車にとどまりません。GMはこの手法を自動運転車やLMR電池、キャデラックのF1参戦、軍事防衛システム、そしてNASAのアルテミス計画向け月面ローバーにも広げています。技術者はソフト上で重力を調整し、ミシガン州の室内で月面のタイヤ開発に必要な走行条件を再現できると説明します。

象徴的なのが、収益性の高いシボレー・コルベットへの応用です。重い複合素材のハッチを支えるブラケットの設計に生成的な物理ベース設計を用い、木の根のような形状で従来品より軽く硬く耐久性の高い部品を生み出しました。フィッシャー氏は「これがGMの新たな標準になりつつある」と語っています。

Copilot、プロンプトキャッシュと自動モデル選択で効率化

ハーネスの効率化

プロンプトキャッシュで状態再利用
ツール検索で定義を必要時に読込
繰り返し処理の固定コスト削減

Autoによる自動選択

タスク意図とモデル健全性で判断
ルーターHyDRAが最適モデル選定
キャッシュ境界でのみモデル切替
16言語族で精度の差は僅か

米GitHubは6月17日、コーディング支援AI「GitHub Copilot」のトークン効率を高める改良を発表しました。VS Code向けにプロンプトキャッシュとツール検索を導入し、加えてタスクに応じて最適なモデルを自動選択する「Auto」を各機能へ拡大します。狙いは、1セッション内でより多くの処理を実作業に振り向け、利用者のクレジット消費を抑えることにあります。

効率化の第一歩は、ターンごとに繰り返す情報を減らすことです。プロンプトキャッシュは同じ接頭辞の再計算を避けてモデル状態を再利用し、ツール検索はすべてのツール定義を毎回送る代わりに必要なものだけを随時読み込みます。エージェントが扱うツールが増えるほど、この固定コストの削減効果は大きくなります。

もう一つの柱が「Auto」による自動モデル選択です。最初のプロンプト後、Copilotはタスクの意図と現在のモデルの状態をもとに最適なモデルを選びます。同社の評価では単一のモデルが全タスクで最良ではなく、深い推論が必要な場面では強力なモデルが、そうでない場面では効率的なモデルが有効だったといいます。

Autoは2つの信号を組み合わせます。可用性や応答速度、エラー率、コストを追うリアルタイムのモデル健全性と、推論の深さやコードの複雑さなどを考慮するルーティングモデル「HyDRA」です。HyDRAは品質基準を満たすモデルを絞り込み、その中から最適なものを選ぶ仕組みです。

実運用では落とし穴も考慮されています。会話の途中でモデルを切り替えるとキャッシュが壊れ、節約以上のコストがかかる恐れがあるためです。そこでAutoは初回ターンや要約後などキャッシュの自然な境界でのみ切り替え、間は同じモデルを維持します。CJKを含む16言語族で訓練し、ルーティング精度は英語基準から4ポイント以内に収まったとしています。

タスク意図を伴うAutoはすでにVS Code、github.com、モバイルで利用可能です。今後はCopilot CLIやGitHubアプリ、他のIDEへ広げ、無料・学生プランではAutoを唯一の選択肢に簡素化します。管理者がAutoを既定や必須に設定できる制御も加わる予定で、開発者が毎回モデルを選ばずに済む方向へ進めるとしています。

危険なAIモデルの登場は不可避と専門家

規制の経緯

米政府が輸出規制を発令
外国籍ユーザーの利用を禁止
AnthropicがFable5とMythos5を停止

リスクの本質

デュアルユースの両刃の剣
Fable5のガードレール解除を懸念
安全保障上のリスクと判断

今後の見通し

他社やオープンウェイトも追随
規制は問題を先送りするだけ

AI開発企業のAnthropicは先週末、米政府による輸出規制の指示を受け、新モデル「Claude Fable 5」と「Mythos 5」の提供を停止しました。指示は「いかなる外国籍の利用も禁じる」という内容で、同社は金曜以降ホワイトハウスと協議を続けていますが、提供再開の合意には至っていません。今回の措置は、高度なAIの能力が安全保障とどう交わるかを象徴する出来事です。

問題の核心は、Mythosが持つデュアルユース(両刃の剣)の性質にあります。同モデルはソフトウェアの脆弱性を見つけて防御側の修正を助ける一方、悪用すれば攻撃にも転用できる能力を備えています。Anthropic自身も発表時に「サイバーセキュリティや生物学の専門家にとって有益な問い合わせは、悪意ある者の手に渡れば危険になりうる」と警告していました。

同社は当初、Mythosを「Project Glasswing」という作業部会の限られた参加者にのみ提供してきました。先週はMythos 5もこの集団に非公開で提供する一方、Mythos級の能力を持つ「Claude Fable 5」は、生物学やサイバーセキュリティに関する回答を制限したうえで一般公開していました。能力の高さと公開範囲を慎重に切り分けていたわけです。

ところがトランプ政権は週末、両モデルの利用を制限する方針を示しました。理由は、Fable 5のガードレールが解除されればMythos 5の能力に完全アクセスできるとみて、国家安全保障上のリスクだと判断したためです。企業と政府の見解の隔たりが、提供再開を阻む形になっています。

ただ専門家は、この対立が厳しい現実を先送りしているだけだと指摘します。Anthropicは今この問題の最前線に立っているにすぎず、複数の企業やオープンウェイトの開発者によるモデルも、近い将来Mythos 5と同等の能力を持つ可能性が高いというのです。すでにそうした能力を備えたモデルが存在する可能性さえあります。経営者にとっては、規制の動向と並行して、強力なAIが当たり前になる前提で対応を考える必要がありそうです。

Claude Design刷新、企業のブランド統制を強化

デザインシステム連携

GitHubやデザインファイル取込
出力をブランド基準で自動補正
管理者による編集ロック機能

コード連携と消費改善

Claude Codeと双方向同期
設計から実装への引き継ぎ解消
チャットと利用枠を共通化
9社へのエクスポート拡大

Anthropicは6月17日、AIデザインツール「Claude Design」の大幅刷新を発表しました。4月の研究プレビュー公開から2カ月で、見栄え重視のデモから企業のブランド統制を担う基盤へと位置づけを変えています。目玉は、企業の実際の部品を取り込んで出力を検証する仕組みです。

中核となるのが、刷新されたデザインシステムの取り込み機能です。利用者はGitHubリポジトリやデザインファイルから自社の部品やタイポグラフィ、カラートークンを読み込め、Claudeはそれらに沿って制作し、ユーザーが見る前に基準との整合を自動補正します。大規模組織では管理者が標準を承認して編集を固定でき、全成果物を社内ガイドラインに準拠させられます。

第二の柱はClaude Codeとの双方向連携です。Claude Code側で /design-sync を実行すれば、ローカルの設計部品をClaude Designに取り込めます。完成後はそのままClaude Codeへ引き継がれ、スクリーンショットや作り直しが不要になります。デザインとエンジニアリングの手渡しは長年の摩擦点でしたが、同一のAIが両側を担うことでこの溝を埋める狙いです。

立ち上げ時に問題視されたトークン消費にも対策を講じました。Claude Designの利用枠をチャットやClaude Code、Claude Coworkと共通化し、多くの利用者の余力を広げています。さらに1ターンあたりの平均消費を抑え、エラー率も大きく下げたとしています。ただ生成デザインは本質的に高コストで、Proプランの利用者には依然厳しいとの指摘もあります。

エクスポート先も大幅に拡張しました。Adobe、Canva、Miro、Replit、Vercel、Wixなど9社の連携先を追加し、PDFやPowerPointに加えて多様な出力に対応します。Claude Designを作業の完成地点ではなく制作の起点と位置づける戦略で、急成長する自己ホスト型のオープンソース対抗策「Open Design」への防御線にもなっています。

今回の刷新は、創造作業からコード、知的労働、企業運用までを同じ基盤でつなぐプラットフォーム戦略の一環です。成否を左右するのは、幅広い利用者でトークン経済が成立するか、デザインシステム取り込みが実用に耐えるか、そしてコード連携が設計と実装の溝を本当に消せるかの3点だといえるでしょう。

MetaがFacebook投稿基盤のAI検索、精度に課題

新機能の概要

Facebookアプリの新AI検索モード
公開投稿を横断して回答生成
InstagramリールやFacebookグループも参照
旅行や外出計画の支援を想定

実地検証の結果

地域の推薦はおおむね妥当
存在しない営業時間など誤情報も混在
誤情報の拡散誘導には強い耐性

米メディアThe Vergeの記者が2026年6月17日、Metaが導入したFacebookアプリの新検索機能「AIモード」を実地検証した記事を公開しました。同機能はFacebookやInstagramの公開投稿を横断的に参照し、複雑な質問に回答するもので、旅行や週末の過ごし方といった計画立案の支援を狙いとしています。Google検索のAIモードに類似する一方、地域コミュニティの投稿を情報源とする点が特徴です。

検証では基本的な推薦の精度は一定の水準にありました。「近場の夏の旅行先」という質問には、ホイッドビー島やレーニア山など妥当な候補を提示しています。ただしAI生成とみられる不正確な地図が混じるなど、情報源の質にはばらつきが見られました。

一方で具体的な質問では誤りが目立ちました。地域プールが週末休業すると案内したものの、引用元の投稿は実在せず、施設の公式サイトは営業を確認できたといいます。ミネアポリスの子ども向け施設を尋ねた際には、実際にはテキサス州にある店舗を近隣として推薦するなど、事実誤認(ハルシネーション)が複数発生しました。

懸念されたFacebookならではのリスクについてはMetaへの評価が分かれます。記者がワクチンや選挙不正に関する偽情報を引き出そうと試みたものの、明確な誤情報の生成は確認できなかったと述べています。ただし議会襲撃の参加者を擁護する曖昧な回答を一度生成した点には注意が必要です。

経営者やエンジニアにとって示唆的なのは、ユーザー生成コンテンツを基盤とするAI検索が抱える情報源の信頼性問題です。投稿データの活用は地域情報の鮮度という利点を持つ反面、出典の検証可能性が品質を左右します。実用に堪える水準へ到達できるかが、今後の普及を占う鍵となりそうです。

AIエージェントが実行時にツールを探す新標準ARD公開

ARDの狙い

事前導入なしの実行時探索
ツール・スキル・エージェントを横断検索
選択をLLM外に移す設計
製品ではなく業界共通の標準

HFの実装

参照実装Discover Toolを提供
Spacesを意味検索しスキル化
REST・CLI・MCPで利用可能

Microsoft、Google、Hugging Faceなどの貢献者が2026年6月17日、AIエージェントがツールやスキル、他のエージェントを実行時に発見するためのオープン仕様Agentic Resource Discovery(ARD)を公開しました。設定ファイルへ事前に組み込む現在の方式に代わり、連合型レジストリ越しに能力を検索できる発見層を定めるドラフト仕様です。製品やマーケットプレイスではなく、どの企業も独自に実装できる共通標準と位置づけられています。

従来のエージェントは「先に導入し後で使う」方式が前提でした。開発者がMCPサーバーのURLを設定に固定するやり方は日常的に使う数個のツールには有効ですが、無数の臨時的な用途には拡張できません。全ツールの説明をLLMのコンテキストに詰め込む代替策も、コンテキスト予算の制約を受けます。

ARDはこの選択処理をLLMの外へ移します。レジストリが発行者情報や代表的な問い合わせ例、コンプライアンス証明、タグといった豊富な信号で能力を索引化し、REST経由で公開します。クライアントが自然言語で検索し、モデルはその結果を呼び出すだけ。手動導入の静的カタログから意図ベースの検索へと転換し、MCPツールやA2Aエージェントを事前設定なしに広く利用できます。

仕様は2つの要素を定義します。発行者が能力を周知URLで公開する静的マニフェスト「ai-catalog.json」と、ライブで順位付けされた検索を返す動的なレジストリAPI「POST /search」です。Hugging FaceのDiscover Toolはその参照実装で、Hubの既存の意味検索をARDのカタログ形式に変換し、数千のSkillsやMLアプリ、MCPサーバーへの検索アクセスを提供します。

利用方法も整備されています。Hugging Face CLIに組み込まれた「hf discover search」コマンドや、well-known URLで公開されるカタログ、直接叩けるREST APIとMCPエンドポイントから検索できます。今後は仕様の連合モードとの統合強化や、ユーザー・組織プロフィールでの静的マニフェスト対応が予定されており、あらゆる発行者が標準的な仕組みで自らの能力を広告できるようになります。

Z.aiの公開重みGLM-5.2、低コストでGPT-5.5を上回る

性能と価格

SWE-benchでGPT-5.5超え
API出力料金は6分の1
MITライセンスで無制限利用
1Mトークンの長文脈対応

技術と展開

IndexShareで計算量2.9倍削減
Claude CodeなどでDay1対応
開発者から高評価

中国のAIスタートアップZ.aiは6月16日、7530億パラメータの公開重みモデルGLM-5.2を即日リリースしました。長時間にわたる自律的なコーディングや開発作業に特化して設計され、Hugging FaceやZ.aiのAPI、20以上のサードパーティ開発環境で利用できます。月額12.6ドルからの料金体系と100万トークンの文脈長を備え、企業のAI活用を狙います。

最大の特徴はMITライセンスでの重み公開です。企業はモデルを自由にダウンロードし、改変・微調整したうえで自社インフラ上やローカルで運用できます。先週、トランプ政権がAnthropicのClaude Fable 5への外国人アクセスを禁じる輸出規制を発令し、同社がモデルを全面停止した経緯もあり、地理的な制約を回避できる選択肢として注目されます。

ベンチマークでも存在感を示します。長時間タスクを測るSWE-bench Proで62.1点を記録し、GPT-5.5の58.6点を明確に上回りました。MCP-AtlasやFrontierSWEではClaude Opus 4.8と接戦を演じ、設計タスクのDesign Arenaでは1位を獲得しています。一方でTerminal-Bench 2.1の生スコアでは上位2モデルにわずかに及びません。

技術面ではIndexShareと呼ぶ最適化を導入しました。4つのスパースアテンション層ごとに同一のインデクサーを再利用することで、100万トークン時のトークンあたり計算量を2.9倍削減します。さらに思考の強度を「Max」「High」で切り替えられ、Highでは性能をほぼ保ちつつ出力トークン量を半減できます。

コスト優位は鮮明です。API料金は入力100万トークンあたり1.4ドル、出力4.4ドルで、出力30ドルのGPT-5.5や25ドルのClaude Opus 4.8を大きく下回ります。開発者向けにはGLM Coding Planも用意し、Claude CodeやCline、Kilo Codeなど主要なコーディングツールに即日対応しました。Cline IDEは「オープン重みの復活」と評し、開発者コミュニティから歓迎されています。

AI並行開発で再評価されるgit worktree

課題と仕組み

ブランチ切り替えの文脈切り替え負担
stashなしで作業を維持
別フォルダに並行作業環境を生成
編集中の状態を保持したまま修正

AI時代の必然

AIによる並行セッションの増加
Copilotアプリの既定動作
依存関係の重複と容量増
同一ブランチ二重利用の制限

GitHubは6月16日、自社ブログでgitのworktree機能を解説しました。worktreeは一つのリポジトリから複数の作業フォルダを同時に切り出す仕組みで、ブランチを切り替えるたびにstashやファイル再読み込みが発生する従来の負担を解消します。AIによる並行開発が広がる今、改めて注目される技術だと位置づけています。

従来の開発では、作業中の機能を中断して緊急のバグ修正に移る際、変更を一時退避するstashやブランチの切り替えが必要でした。エディタの状態が崩れ、node_modulesの再インストールも求められるなど、文脈切り替えのコストは小さくありません。記事の筆者も、同じリポジトリを複数回クローンして回避していたと打ち明けています。

worktreeを使えば、コマンド一つで隣に新しい作業フォルダを作り、別ブランチをチェックアウトできます。元のエディタ画面はそのまま残るため、stashの衝突リスクがゼロになり、真の並行作業が可能になります。作業が終われば、そのフォルダを削除するだけで片付きます。

なぜ今なのでしょうか。GitHubは、AIが開発の進め方を変え、開発者がかつてないほど多数のセッションを並行させるようになったと指摘します。worktreeはGitHub Copilotアプリの既定動作であり、多くの最新ツールが採用しています。コードを書く文化からレビューする文化への移行も背景にあります。

一方で注意点もあります。各フォルダが依存関係を個別に持つためディスク容量を圧迫しやすく、不要なフォルダの削除やgitignoreへの追加といった管理も欠かせません。Gitは同一ブランチを二つのworktreeで同時にチェックアウトすることを、データ破損防止のため禁止しています。

結局worktreeを使うべきかは、開発スタイル次第だと記事は結論づけます。ブランチとstashの心的モデルを好む人もいれば、今後はworktree中心に切り替える人もいるでしょう。並行作業が日常化する経営者やエンジニアにとって、選択肢として把握しておく価値のある手法です。

AIトークン費用が経営者の投資判断を揺さぶる

費用管理が新課題

トークノミクスへの関心急増
RBCの利用量が半年で5倍
決算でトークン言及が約300社
高機能新モデルは割高

企業ごとの対応

8x8は年500万ドル節約
上位モデル利用に上限検討
給与の2割をAIに投じる企業も

米ソフト企業の経営陣が2026年、生成AIの利用量に応じて膨らむトークン費用の管理に頭を悩ませています。トークンとはAIモデルが処理・生成する情報量の単位で、その費用をどう抑えるかを論じる「トークノミクス」が業界の新たな関心事として浮上しました。WIREDによると、決算説明会などでトークンに言及した企業は2026年4〜5月で約300社に上り、前年同期の93社から急増しています。

費用の増加ペースは一部で顕著です。カナダ・ロイヤル銀行のCEOは、半年でトークン利用量が500%増えたと明かし、シスコのチャック・ロビンスCEOも社内チャットボットの利用拡大で「トークン消費がかなり激しい」と述べました。分析ソフトのAmplitudeでは、一部の優秀なエンジニアが月に数千ドル以上を費やしているといいます。

企業の多くは費用監視の仕組みを開発・導入し、プロンプトごとに最安のモデルを選ぶ動きを進めています。価格が頻繁に変わるうえ、より高性能で高価な新モデルが毎月のように登場することが、経営層の不安を一段と強めています。AnthropicのClaude Opus 4.8は2月公開のモデルの約1.7倍のコストがかかります。

一方で、費用を恐れず利用を促す企業もあります。通信基盤を手がける8x8は、過去18カ月でClaudeを活用して不要なツールの契約を解約し、年間約500万ドルを節約したと推計します。同社のClaudeへの年間支払額はその額を「大きく下回る」とジョエル・ニーブ最高変革責任者は説明します。

ただし8x8でも、Opusの社内利用増加を受けてCFOと利用上限の導入を初めて議論しました。今後はOpusを使う際に「旧モデルでは対応できない」ことの証明を求める案も検討中です。同社は全1,800人に利用状況のダッシュボード確認を促し、AIを使わない社員には不利益があると警告しています。

野球関連アパレルのBaseball Lifestyle 101は、上位管理職約50人に毎月給与の約2割をトークンに使うよう指示しました。費用は年末までに月10万ドルを超える見込みですが、Claudeが在庫不足の小売店を特定して100万ドルの受注につなげるなど、すでに成果が出ていると共同創業者のビル・ロム氏は語ります。

Stanfordの分散型DeLMが司令塔なしで多エージェント費用を半減

中央制御の限界

主エージェントが通信ボトルネック
情報の希釈・欠落・歪曲のリスク
サブタスク増加で協調が遅延

DeLMの仕組み

検証済み知見の共有コンテキスト
エージェントが自律的にタスク取得
失敗・制約も共有し重複探索を回避

性能と意義

SWE-bench Verifiedで精度10.5%向上
タスク当たり費用を約50%削減

米Stanford大の研究者が2026年6月、中央オーケストレーターを持たない新しいマルチエージェント基盤DeLM(分散型言語モデル)を論文で発表しました。複数のAIエージェントが主エージェントを介さず直接協調し、ソフトウェア開発のベンチマークで費用を約50%削減しながら精度を高めた点が注目されています。

従来のマルチエージェント構成では、主エージェントがタスクを分割して各サブエージェントに割り当て、結果を集約・要約してから次の指示を出します。研究者のMao氏とMirhoseini氏は、この方式ではサブタスクが増えるほど主エージェントが通信と統合のボトルネックになると指摘します。さらに有用な情報が希釈・省略・歪曲され、進捗が失われる恐れもあります。

DeLMはこの前提を覆し、並列エージェント・共有コンテキスト・タスクキューの三要素で構成されます。共有コンテキストは検証済みの知見や失敗、制約をまとめた「gist(要約)」の保管庫として機能し、後続のエージェントが直接読み取れます。各エージェントはキューから自律的にタスクを取得し、互いの進捗を非同期に参照しながら作業を進めます。

性能面では、実際のソフトウェア開発課題を評価するSWE-bench Verifiedで最強のベースラインより10.5%高い精度を示し、タスク当たりの費用を約50%削減しました。長文脈の多文書質問応答LongBench-v2でも、GPT-5.4やClaude Sonnet、Gemini Flash、DeepSeek-V4-Proを含む4系統のモデルで最高精度を記録しています。

高性能の理由の一つは失敗の共有です。通常の並列実行では誤った経路が各エージェント内に留まり、他のエージェントが同じ袋小路をたどって時間と費用を浪費します。DeLMでは失敗した仮説や検証済みの制約が共有状態に書き込まれ、後続のエージェントが制約として読み取り無駄な探索を避けられます。

また共有情報は「展開可能(unfoldable)」な設計で、既定では短い要約だけを見せ、必要に応じて詳細な根拠まで掘り下げられます。これにより文脈窓の圧迫を抑えつつ精度を保てます。企業の開発者にとってDeLMは、すべてのワークフローに中央制御が必要だという常識に再考を迫る成果と言えるのではないでしょうか。

OpenAIが本番会話の再現でモデル挙動を事前予測

手法の仕組み

過去会話の応答を新モデルで再生成
本番に近い文脈での挙動再現
約130万件の匿名会話を分析

従来評価との違い

望ましくない挙動の頻度推定を改善
計算機ハッキングを事前検知
モデルのテスト察知を抑制

課題と展望

稀少リスクは従来評価が必須
再現環境の忠実度が誤差要因

OpenAIは6月16日、新モデルのリリース前に実際の挙動を予測する「Deployment Simulation(デプロイメントシミュレーション)」という手法を公開しました。過去の本番会話からモデルの応答部分を取り除き、リリース候補の新モデルで応答を再生成することで、ユーザーに届く前に現実的な文脈での挙動を検証する仕組みです。望ましくない挙動が新たに生じるか、どの程度の頻度で現れるかを事前に見積もれます。

従来の事前評価は、合成データや手作業で作成した敵対的プロンプトを使い、稀に起こる高深刻度の状況をストレステストすることに強みがありました。一方でこの手法は、実際の利用に近い分布を用いることで網羅性と選択バイアスの課題を回避します。トラフィックを多く再現するほどカバー範囲が広がるため、評価品質が人手ではなく計算資源に応じて拡張する点が特徴です。

OpenAIはGPT-5.4 Thinking向けに20種類の望ましくない挙動の発生頻度を事前登録し、予測精度を検証しました。予測の誤差の中央値は1.5倍にとどまり、従来のChallenging Promptsベースラインを上回りました。さらに、リリース前に「計算機ハッキング」と呼ばれる報酬ハッキングを唯一の新規ミスアライメントとして検出できたといいます。

もう一つの利点が、モデルがテストされていると気づくことによる挙動の歪みを減らせる点です。GPT-5.2は本番トラフィックを評価らしいと判定した割合が5.4%、シミュレーションでは5.1%とほぼ同水準でした。これに対しSWE-Benchなどの合成的な従来評価は、ほぼ100%が評価だと見抜かれていました。

この手法はツールを多用するエージェント設定にも拡張できます。OpenAIは社内のコーディングエージェントの12万件の軌跡を使い、ツール呼び出しを別のLLMで模擬することで、実データと見分けがつかない水準まで再現の忠実度を高めました。識別器による勝率は11.6%から偶然レベルに近い49.5%まで改善しています。

ただしOpenAIは、この手法が敵対的評価やレッドチーミングの代替ではなく補完だと強調します。1000万会話に1回しか起きないような稀少な失敗は検出が難しく、誤差の主因となる再現環境の忠実度の向上も今後の課題です。経営者やエンジニアにとっては、AIの安全性評価がより現実的かつ定量的になる方向性を示す事例といえるでしょう。

M365 Copilotの致命的欠陥、2FAコード窃取を許す

発見された脆弱性

最高深刻度の致命的脆弱性
メールから2FAコード窃取
Varonisが実証コードを公開
Microsoftが先週に修正済み

攻撃の仕組み

URLのqパラメータ経由のプロンプト注入
ガードレールを回避する手口
命令と外部内容を区別不能な根本欠陥

米Microsoftは2026年6月、同社のAI基盤「M365 Copilot」に存在した最高深刻度(致命的)の脆弱性を修正しました。発見・報告したセキュリティ企業Varonisは6月15日、概念実証の攻撃コードがCopilotのアクセス可能なメールから二要素認証(2FA)コードなどの機密情報を抜き取れたことを明らかにしました。

根本原因は、AIがユーザーからの指示と、要約や返信作成のために読み込む第三者コンテンツに紛れ込んだ指示とを区別できない点にあります。この境界を安全に守る方法が存在しないため、MicrosoftをはじめとするLLM提供各社は、被害を抑えるための場当たり的なガードレールを積み重ねるしかない状況です。

Copilotには、Webフォーム送信やメール送信などデータ持ち出しにつながる操作を禁じるガードレールが組み込まれています。攻撃者はこれを回避するため、HTMLタグを使わずに見出しやリンクを付与できるマークアップ言語を悪用したり、機密データをや

タグで包んだりしました。いずれの場合も、データを含むWeb要求が攻撃者のサーバーに届き、ログに記録されます。

Varonisが考案した攻撃連鎖は、まずパラメータ・トゥ・プロンプト注入と呼ぶ手法を用います。これはURLのクエリを示す「q」パラメータに悪意ある命令を仕込むもので、メールなどの本文に命令を埋め込む従来のプロンプト注入の近縁にあたります。

Microsoftは、Copilotの出力をブロックで囲んでブラウザに文字列として扱わせたり、明示的な承認なしに訪問できるサイトを制限したりする防御を設けていました。しかし今回の手口はこうした複数のガードレールを次々と乗り越えており、AIエージェントを業務に組み込む経営者やエンジニアにとって、外部入力の扱いが依然として大きなリスクであることを示しています。

Appleがカメラ付きAirPodsを2027年投入へ

AI連携ハードウェア

カメラ搭載AirPodsを投入予定
Siriに視覚情報を提供する設計
スマートグラス投入前の布石

2027年の新型iPhone

第2世代折りたたみiPhoneを計画
20周年記念モデルV73とV74
湾曲ガラスの全面ディスプレイ

半導体と経営体制

A21で2nmへ微細化
Ternus氏が新CEOに就任

Appleは2027年に向けたハードウェア計画を進めています。米Bloombergのマーク・ガーマン記者によると、カメラを搭載したAirPodsを2027年後半に投入する予定で、現在は来年のiOS28とともに社内テスト段階にあります。WWDC後にAI機能の発表が一巡したいま、次なる焦点はこうした新型デバイスへと移りつつあります。

新型AirPodsは、ステム部分にカメラを内蔵し、データをクラウドに送信中であることを示すライトを備える見込みです。これにより、刷新版のSiriが利用者の周囲の状況を把握する視覚的なコンテキストを得られるようになります。同社が初のスマートグラスを投入する前段階の製品として位置づけられています。

iPhoneでは、この秋に登場するとされる初代の折りたたみ機に続き、第2世代の折りたたみモデルも計画されています。これは、Appleがこの新カテゴリーに本腰を入れる姿勢を示すものです。加えて、長らくうわさされてきた20周年記念のiPhone(社内呼称V73とV74)が、今年のiPhone18 Proに続いて投入される見通しです。

この記念モデルは、画面を端まで広げた湾曲ガラスが側面を包み込む設計になるとされています。一方で標準モデルのiPhone18は来年まで投入が遅れる可能性があり、この秋の機種に近いA20系チップを搭載するもようです。

半導体の進化も見逃せません。2027年の機種は2nm世代のA21チップへ移行し、A22 Proではさらに微細な1.4nm技術の採用が見込まれます。Appleは主要委託先のTSMCに加え、一部生産でIntelの起用を検討しているといいます。

ただし、これらはあくまで現時点のうわさにとどまります。John Ternus氏が新たなCEOに就く体制変更や、メモリーや部品の供給不足、そしてAIをめぐる環境変化を踏まえると、確度の高い計画であっても変更の余地は残ります。経営者やエンジニアにとっては、Appleのデバイス戦略の方向性を読み解く材料となりそうです。

vibe codingの限界に仕様駆動開発が浮上

vibe codingの課題

プロンプトは一時的な知識
設計意図がコードに残らず
データ基盤の断片化を増幅

仕様駆動開発(SDD)

仕様を実行可能な契約に変換
業務知識を永続メモリ化
CI/CDと連携し版管理
データ基盤に高い適合性
技術者は設計と意図に集中

AIコーディングエージェントがデータ基盤の構築を加速する一方、その手法に課題が浮上しています。米VentureBeatが6月15日に公開した寄稿記事で、データエンジニアのShuhua Xu氏は、プロンプトベースのvibe codingが抱える限界を指摘し、解決策として仕様駆動開発(SDD)を提唱しました。なぜいま、この手法が注目されるのでしょうか。

vibe codingは、プロンプトから変換処理やパイプライン、検証テストを素早く生成でき、孤立した実装には極めて有効です。しかしプロンプトは本質的に一時的で、設計判断や業務ルール、依存関係といった文脈が会話やチケット、生成コードに散在したままになります。その結果、システム自体には構築の理由が残らず、半年後に誰も説明できなくなるのです。

この問題は、複数の相互接続されたシステムにまたがる企業のデータ基盤で特に深刻になります。取り込みパイプラインやウェアハウス、オーケストレーション、APIなどが独立して進化すると、上流の小さな変更が下流のダッシュボードやML処理を静かに壊しかねません。業務ロジックの重複や隠れた依存関係も増え、組織は全体像への見通しを失っていきます。

SDDはこの課題への一つの答えです。業務ルールや検証ロジック、オーケステーションの挙動を実行可能でバージョン管理された仕様に変換し、システム自体の一部に組み込みます。仕様はIaCやGitOpsの考え方をAI支援開発に拡張したもので、リポジトリに保存されCI/CDに統合され、人間とAIエージェント双方の永続的な運用メモリとして機能します。

データエンジニアリングは、この手法に特に適しています。再利用可能なパターンやメタデータ駆動のパイプライン、標準化されたワークフローに元々依存しているためです。設計パターンを一度定義すれば、新しいテーブルの追加は仕様への定義追記だけで済み、残りの実装はエージェントが同じ統制下のパターンで自動生成できます。

ただし人間の役割が消えるわけではありません。業務ロジックの定義やアーキテクチャ設計、正しさの検証には引き続き人間の判断が不可欠です。SDDによって技術者の仕事は反復的な実装から、意図と設計、業務調整へと移り、AIが実装やテストを大規模に担う体制へ向かうと筆者は見ています。

Skydio CEO、軍事AIに自主規制を引かないと主張

自律ドローンの戦略

米最大の自律ドローン製造企業
ドローンを飛ぶセンサー基盤と定義
公共安全・軍・電力網が顧客
ドック型自律機が次の主戦場
手動機の5〜10倍飛行頻度

中国依存と国産化

全一次部品を中国外へ移行済み
5年で35億ドルの国産投資
中国政府による台湾向け制裁

軍事AIの線引き

軍事利用に自主規制を設けない方針
Anthropicの慎重姿勢と対比
判断は民主的統制下の軍に委ねる
監視より透明性を重視と主張

米メディアThe Vergeは2026年6月15日、米最大の自律ドローン製造企業Skydioのアダム・ブライ最高経営責任者(CEO)へのインタビューを公開しました。中国製ドローンの米国禁輸、米国内製造への巨額投資、そして軍事AIの倫理的な線引きまで、ドローン業界の転換点が幅広く語られました。読者である経営者やエンジニアにとって、技術と地政学が交差する論点が凝縮された内容です。

Skydioは自社製品を飛ぶセンサー基盤と位置づけ、公共安全機関や軍、電力会社などリスクの高い現場を顧客に持ちます。ブライ氏は業界の次の段階を、ドックに常駐し遠隔・自律で飛行するインフラとしてのドローンだと説明します。ドック型機は手動操縦の機体に比べ5〜10倍の頻度で飛べるとし、ここに最大の事業機会を見出しています。

地政学面では、トランプ政権が昨年末に外国製ドローンを禁輸し、安価な中国製DJI機が米国市場から消えたことが追い風になりました。同社は創業当初から米国内製造を続け、今や一次サプライヤーの中国依存をすべて解消したと述べます。さらに今後5年で35億ドルを国内製造に投じる計画で、台湾への販売を理由に中国政府から制裁を受けた経緯も明かしました。

一方で同氏は、競争の本質は政策保護ではなく最高の製品を米国で作ることだと強調します。手動操縦で価格が重視される領域では中国が優位だが、AIと自律性を核とする統合ソリューションでは自社が勝てると自信を示しました。製造の生態系が中国に集中している現状も認めつつ、需要が国内の人材と技術基盤を育てると見ています。

最も議論を呼ぶのが軍事AIの線引きです。ブライ氏は、AnthropicがClaudeの軍事利用に慎重な姿勢を示すのとは対照的に、自社製品の軍事利用に自主的な禁止線を引かない方針を打ち出しました。シリコンバレーが善悪を決めるのは思い上がりであり、判断は民主的統制下にある軍や、命を懸ける兵士に委ねるべきだという論理です。

禁止条項を設けても順守するのは米軍など善意の側だけで、敵対勢力やテロリストは無視するため、結果的に道徳的に不利な立場に陥ると同氏は指摘します。警察利用についても、ドローンは飛ぶボディカメラのように対象が狭く透明性ダッシュボードで記録を公開できるため、無差別な常時監視より市民の自由を守れると主張しました。賛否は分かれますが、技術と倫理の議論を真正面から論じた点が注目されます。

Meta幹部、AI部門再編の失敗を社内で認める

再編混乱を謝罪

AI部門再編を失敗と認める
対象は約6500人の技術組織
現場が業務を収容所と表現
戦略変更で士気が低下

信頼回復策

管理職の部下を20人に上限
上司交代の頻度を抑制
戦略変更の理由を丁寧に説明
軽食や社内交流に投資

米Metaの最高技術責任者(CTO)アンドリュー・ボズワース氏は6月15日、3月に新設したAI部門の再編が「ひどい(atrocious)出来だった」と社内投稿で認めました。WIREDが入手した文書で、同氏は社員への説明やキャリア支援が不十分だったと述べ、コミュニケーションや昇進機会、さらには軽食の改善を通じて社内文化の立て直しを図る考えを示しました。

問題の中心は、約6500人のエンジニアと製品マネージャーで構成する「Applied AI」部門です。同社は生成AIモデルの改善を目的に3月この組織を立ち上げましたが、WIREDの先週の報道では作業の単調さに対する広範な不満が明らかになり、ある社員はこれを「収容所(gulag)」と表現していました。

ボズワース氏は「専門性や貢献が評価され、キャリアを伸ばせるという信頼を損なってしまった」と謝罪しました。採用の急拡大と縮小を繰り返す中で安定をもたらしていた管理体制を揺るがし、チーム全体を置き去りにしたと認めています。

改善策として同社は、管理職1人あたりの直属部下を約20人に上限を設け、組織再編に伴う上司交代の回数を減らす方針です。経営陣は戦略転換の理由をより丁寧に説明し、希望する社員には「AIコーチング」ツールを提供するとしています。Applied AI部門の責任者マハー・サバ氏も、強制配属された社員が他職種へ応募できるよう方針を転換しました。

なぜ今こうした対応が相次ぐのでしょうか。背景には大量解雇や従業員監視を受けたMeta全体の士気低下があり、CEOのマーク・ザッカーバーグ氏を含む複数の幹部が近日中に社内で改善を約束しています。ボズワース氏はAIが人の仕事を完全に奪うとは考えないとしつつ、「AIに仕事を奪われるのではなく、AIを使いこなす人に奪われる」との言葉に留意すべきだと述べました。

GitHubが多言語AI向け公開データセットを無償公開

データセットの概要

4000万超のリポジトリを収録
8000万件超の言語分類行
README・課題・PRの言語を判定
CC0-1.0での完全無償公開
本文ではなくメタデータのみ提供

狙いと活用

欧州言語の過小評価是正
AIコーディング評価セット構築
非英語開発者コミュニティの研究
3分類器の併記で精度調整

GitHubは6月15日、非英語の自然言語コンテンツを含む公開リポジトリを発見するためのメタデータ集「GitHub Multilingual Repositories Dataset」を公開しました。4000万を超えるリポジトリにわたる8000万件超の言語分類を収め、ライセンスはCC0-1.0で誰でも自由に利用できます。多言語AIの開発と評価を加速させる狙いです。

このデータセットはリポジトリ本文をそのまま収録するものではなく、あくまで多言語の協働が起きていそうな場所を探すためのメタデータ集です。各リポジトリについて、READMEと最もコメントの多い課題・プルリクエストの冒頭150文字を入力サンプルとして言語を分類し、20文字未満のテキストは除外しています。スター数やフォーク数、主要プログラミング言語、ライセンスといった付随情報も併せて提供します。

言語判定にはfastText・gcld3・lingua-pyの3つの分類器を用い、それぞれ信頼度スコア付きで結果を併記しています。GitHubはあえて単一ラベルに統合せず、利用者が精度と再現率のどちらを重視するか選べるようにしました。例えば高精度なギリシャ語の部分集合が欲しければ、3分類器すべてが一定の信頼度で一致する条件を課せばよいわけです。

今回の公開で見えてきた事実も興味深いものです。課題テキストで最も多い非英語は韓国語でしたが、READMEでは5番目にとどまりました。READMEの非英語首位はポルトガル語で、300万を超えるリポジトリで使われていました。言語の使われ方が文書の種類によって大きく異なることがわかります。

背景にあるのは、AIの学習・評価に使われるオンラインテキストで欧州言語が過小評価されているという課題です。一部の開発者や言語にだけ有効で、ほかを取り残すAIツールが生まれる懸念があります。READMEや課題、プルリクエストに含まれる開発者特有の言葉は、一般的なウェブテキストとは異なる価値を持つとGitHubは説明します。

なぜ今このタイミングなのでしょうか。本データセットは2025年のMicrosoftの欧州デジタル公約に基づくもので、GitHubは6月16日にストラスブールで開かれる催しでその意義を議論する予定です。ただし言語判定は短いテキストでは難しく、正解ベンチマークとして扱うべきではないと注意を促しています。あくまで透明性の高い発見ツールという位置づけです。

Apple、iOS 27で写真AI編集を本格搭載

3つの新機能

クラウド強化で実用化したClean Up
画像の縁を拡張するExtend
視点を再構成するSpatial Reframing
iOS 27開発者ベータで先行提供

信頼性への懸念

実在しない人物や植物の生成
編集画像へのSynthID付与
写真の信頼性低下リスク

Appleは6月13日、iPhoneの写真アプリにAIを使った本格的な編集機能を導入しました。新機能はiOS 27の開発者ベータで提供され、不要物を消すClean Up、画像の縁を広げるExtend、視点を変えて再構成するSpatial Reframingの3つが柱です。The Vergeの実機検証によれば、これらは概ね機能する一方で「写真とは何か」という問いを突きつけています。

最も実用的なのが刷新されたClean Upです。従来は端末内モデルのみで補完が不自然でしたが、今回からクラウド上の強力なモデルを使えるようになり、背景の通行人などを違和感なく除去できるようになりました。これはGoogleがPixelで先行してきた手法で、記者も「iPhoneユーザーに広く支持される」と評価しています。

Extendは構図が窮屈な写真の縁をAIで描き足す機能で、いわば逆方向のトリミングです。人物への編集は避け、追加できる余白も少量に抑えられている点を記者は評価しています。ただし元の写真になかった鉢植えを描き加えた例もあり、実在しない要素が混入する余地は残ります。

3つ目のSpatial Reframingは、カメラを動かしたかのように視点を再構成する機能です。被写体が近いほどAIが補完すべき情報が増え、顔がゆがむなど不気味の谷に陥りやすくなります。記者がWWDC後の写真を再構成した際には、Craig Federighi氏の隣に実在しない人物が作り出されました。

編集画像にはSynthIDのラベルが付与され、AIで加工されたことを示します。しかしInstagramでは専用メニューを開かないと表示されず、対策としては万全とは言えません。記者は、スマホで撮影・投稿された写真を信頼できるという前提が急速に崩れつつある点こそ最大の危険だと指摘しています。

Preply、OpenAIで語学指導を個別最適化

導入の成果

週次利用率95%到達
講師の7割超が機能活用
満足度4.7/5を獲得

授業後の自動分析

授業記録から個別添削
文法・語彙・発音を評価
宿題エンジンと連携

人間とAIの協業

講師の準備時間半減
人間主導でAI支援

オンライン語学学習で世界最大規模のPreplyは2026年6月12日、OpenAIのAPIを活用した新機能「Lesson Insights」の成果を公表しました。180以上の国・地域で10万人超の講師と学習者をつなぐ同社が、1対1の授業を個別最適化された学びへと変える狙いです。

Lesson Insightsは、学習者の同意のもとで録音・文字起こしした授業内容をOpenAIが分析し、文法・語彙・発音にわたる個別フィードバックを生成します。授業終了から数分以内に、要点のまとめや次の学習ステップを含む報告書がチャットに届く仕組みです。これらの知見は同社の自習用エンジンに直接流れ込み、一人ひとりに合わせた宿題へと変換されます。

Preplyは技術パートナー選定で複数のAIモデルを評価し、速度や信頼性、実運用への対応力からOpenAIを採用しました。共同創業者でCTOのドミトロ・ボロシン氏は「最先端のモデルが顧客の課題を解決してくれる。今や事業運営の中心にある」と語ります。社内ではChatGPT Enterpriseを600人超の従業員に展開し、週次利用率を60%から95%へ引き上げました。

効果は講師の業務にも及びます。これまで宿題や教材の作成に数時間かけていた講師は、その時間を半分以下に短縮できたと証言しています。さらにエンジニアの約94%がCodexなどのAIコーディング支援を使い、コード生成やレビューを効率化している点も特徴です。

同社は今後、学習者の目標や進捗、強みを数カ月単位で把握し、継続的に適応する学習体験の構築を目指します。Preplyが掲げる将来像は「人間かAIか」ではなく、人間主導でAIが支える語学学習です。

NanoClawとJFrog、AIエージェントの悪性コード遮断で提携

提携の概要

JFrog検証済みレジストリに直結
悪性パッケージを403で拒否
安全版へ自動誘導の修正ループ

狙いと背景

エージェントの自律的導入が盲点
供給網攻撃のリスク増大
企業に追跡可能性と統制提供

提供形態

OSS利用者は無償
企業は自社レジストリ経由

オープンソースのAIエージェント基盤「NanoClaw」を手がける NanoCo AI は2026年6月12日、ソフトウェア供給網管理大手の JFrog と提携し、自律型エージェントによる悪性コードのダウンロードを防ぐ新たなセキュリティ統合を発表しました。両社はこれを、AI環境を守る自動化された免疫システムと位置づけています。即日利用可能で、エージェントは JFrog の検証済みレジストリにのみ接続されます。

背景には、自律型エージェントが人間の監督なしに機能拡張のためパッケージを勝手に導入する、急速に広がる盲点があります。NanoClaw 開発者で NanoCo AI の共同創業者ガブリエル・コーエン氏は、音声ファイルを処理できないエージェントが自ら必要なパッケージを探して導入する例を挙げ、こうした動的な自己改善がエージェントを強力にする一方、供給網攻撃に対して極めて脆弱にすると説明します。

技術面では、NanoClaw エージェントのパッケージ要求やCLIツール、MCP(モデルコンテキストプロトコル)サーバーへの要求を、すべて JFrog のレジストリ経由に限定します。たとえば脆弱性のある Axios の旧版を取得しようとすると、レジストリが要求を403のセキュリティポリシーで遮断します。さらにエージェントに脆弱性を通知し、承認済みの安全な版を自動的に導入させる修正ループを生み出す点が特徴です。

企業にとっては、コンプライアンス上の大きな課題の解決につながります。JFrog の最高戦略責任者ガル・マーダー氏は、どのエージェントが誰によって動き、何のパッケージやスキル、MCPを使っているかを追跡する記録の仕組みが必要だと指摘します。統合は、自動化されたシステムが何にアクセスできるかを厳格に統制する信頼の層を提供します。

提供形態は二本立てです。オープンソース利用者には完全に無償で、検証済みの成果物やツール、スキルへのアクセスが与えられ、依存関係ごとの手動承認に追われずに済みます。一方、企業利用者はエージェントを自社の社内 JFrog レジストリに向けることで、自社の商用ライセンスや内部セキュリティ方針、統制基準に沿った運用を実現します。

両社の発想の根底には、ある現実があります。AIにすべてのゼロデイ脆弱性を完璧に見分けるよう学習させることはできない、という認識です。だからこそ、エージェントが脆弱性に到達できない環境そのものを構築するという発想が、この提携の核心にあります。

Moonshotの新型コード生成AI、思考トークン3割減

発表の要点

思考トークン30%削減
OpenAI互換APIで導入
1兆パラメータMoE基盤
改良MITで重み公開

検証の課題

独立指標は未提出
自社ベンチのみ向上
実装の率直さと能力の乖離

中国のMoonshot AIは2026年6月12日、オープンソースのコード生成モデルKimi K2.7-Codeを公開しました。前モデルK2.6と同じ1兆パラメータの混合エキスパート構成を引き継ぎ、推論時の「考えすぎ」を抑えて思考トークンを30%削減したと説明しています。OpenAI互換APIで導入でき、本番運用中のチームが構成変更なしに置き換えられる点が特徴です。

最大の変更は低レベルなコードの生成方法です。従来は既存ライブラリを包んで実装していたのに対し、新モデルは実装を直接書き起こすため、Rust・Go・Pythonやフロントエンド、運用基盤など幅広い領域で安定すると同社は主張しています。一方で温度調整に対応せず1.0固定のため、出力のばらつきを調整できない制約もあります。

ベンチマークでは自社指標で最大31.5%の向上を掲げますが、いずれもMoonshot独自の評価にとどまります。モデル間の差が出やすい独立指標DeepSWEには提出されておらず、実務家からは「どのモデルも自社テストでは2桁改善する」と検証の偏りを指摘する声が公に上がっています。

外部の検証結果はより複雑です。研究者がGPUカーネル最適化の公開指標で比較したところ、新モデルは6問中5問で実際に独自実装を書いた一方、うち2つは自らのバグで失敗し、ある項目では前モデルよりスコアが低下しました。「率直になったが能力は上がっていない」との評価が示されています。

経営やエンジニアの視点では、トークン削減によるコスト低下はすぐに試せる利点です。ただし効率改善が自社の業務分布でも成り立つかは別問題であり、ゲートウェイの重みを変える前に自前のワークロードで検証する慎重な姿勢が求められます。

Mistral、評価額200億ユーロでの調達協議と報道

調達の規模

約30億ユーロ規模の調達協議
評価額200億ユーロ到達の見通し
昨秋から評価額ほぼ倍増

欧州の主権AI

欧州主権AIの代表格
仏軍や各国政府と連携

米勢との差

累計調達は約40億ドル止まり
OpenAIやAnthropicに大差

フランスのAI企業Mistralが、約30億ユーロ(約35億ドル)の資金調達に向けて初期段階の協議に入ったと、Bloombergが6月12日に匿名筋を引用して報じました。この調達が成立すれば、企業評価額は約200億ユーロ(約231億ドル)となり、昨年9月のシリーズCで得た117億ユーロからほぼ倍増する計算です。なぜ今この規模なのか、その背景に欧州の事情があります。

Mistralは2023年に「フロンティアAIをすべての人の手に」という理念を掲げて創業した、欧州を代表するAIスタートアップの一つです。米国の競合と比べてオープンな開発方針を取り、一部の基盤的な大規模言語モデルをオープンウェイトで提供し、誰でも自由にカスタマイズできるようにしています。一方で、プログラミングや音声合成、文字認識といった用途に特化したクローズドモデルも展開しています。

近年、欧州各国が米国製テクノロジーへの依存を見直す動きを強めるなか、Mistralは親しみやすく「主権的」で国産の代替手段として自らを位置づけてきました。パリ近郊にデータセンターを建設中で、フランス軍やルクセンブルク政府、欧州の主要企業数社とも提携を進めています。

ただし、Mistralがこれまでに調達した資金はPitchBookによれば約40億ドルにとどまります。これは米国の競合であるOpenAI(1860億ドル)やAnthropic(1612.5億ドル)が集めた額のごく一部にすぎません。評価額の差も大きく、収益やモデルの普及、企業需要の面で米国勢が先行している現状を映しています。

今回の報道について、Mistralは取材に対し即座の回答を控えました。経営者やエンジニアにとって、欧州発の主権AIがどこまで米国勢との差を縮められるかは、今後の調達と事業展開を占う重要な指標となりそうです。

メタ新AI部隊で士気低下、社員「収容所」と不満

現場の混乱

全社配信で罵倒の抗議
応用AI部隊6500人規模
単純作業に不満続出
退職か異動かの強制配属

経営陣の対応

大量解雇8000人の余波
ザッカーバーグ氏が謝罪
管理職比率の見直し

メタの応用AI部隊で社員の士気が著しく低下していると、米誌ワイアードが2026年6月12日に報じました。今週開かれた数千人規模の社内ライブ配信では、ある社員が罵倒の言葉とともに経営陣への抗議を叫び、登壇者が顔を覆う一幕もありました。応用AI部隊は3月に新設され、AI研究を支援する約6500人のエンジニアと製品担当者で構成されています。

複数の現職社員は、配属された業務の単調さに強い不満を示しています。ある社員は現状を「文字どおり収容所だ」と表現し、突然目的を失い同僚とのやり取りもほとんどないまま毎週の課題をこなすだけだと訴えました。別の社員は、AIモデルを試すためのパズル生成などの作業を「魂をすり減らす」と語っています。

問題は応用AI部隊だけにとどまりません。先月のAI関連再編では全社員の1割にあたる約8000人が解雇され、データセンター部門やインスタグラムを含む複数部署で追加業務とストレスが生じました。さらに1600人超の社員が、AI訓練データ生成のために社員のクリックやキー入力を監視する施策の中止を求める嘆願に署名しています。

こうした状況を受け、最高経営責任者のマーク・ザッカーバーグ氏は金曜の社内メモで、一連の組織変更が社内に苦痛をもたらしたと認めました。同氏は「複雑な変更ゆえに過ちを犯した」と述べ、年内の追加大量解雇は行わないと改めて表明しました。一部チームで50対1まで膨らんでいた管理職一人あたりの社員数を制限する計画も示しています。

ザッカーバーグ氏は応用AI部隊を「目的地ではなく経由地」と位置づけ、優秀な人材が今後メタ社内の他の役割に貢献できるようにすると説明しました。しかし配属された社員には参加か退職かの選択肢しかなく、シリコンバレーでは異例の対応として一部は自らを「徴集兵」と呼んでいます。経営陣が現場の信頼をどう取り戻すかが、今後の焦点となりそうです。

ベゾスのAI新興企業、120億ドル調達

巨額調達と評価額

追加調達120億ドル
評価額410億ドル
従業員約150人体制
JPモルガンなどが出資

汎用エンジニア構想

目標は汎用エンジニア
ロボや創薬に応用
計算資源へ重点投資

アマゾン創業者のジェフ・ベゾス氏は2026年6月11日、共同で率いる新興企業プロメテウスが追加で120億ドルを調達したと明らかにしました。同社の評価額は410億ドルに達し、ニューヨーク・タイムズやCNBCに対し事業の詳細を語りました。物理的な製品の設計を支援するAIツールの開発を目指す構えです。

今回の資金はJPモルガン・チェースやゴールドマン・サックス、ブラックロックなどに加え、ベゾス氏自身も拠出しました。昨年の初回調達62億ドルに続くもので、累計の調達規模は大きく膨らんでいます。同社の従業員は現在およそ150人で、共同最高経営責任者にはアルファベット傘下の医療研究組織ベリリーを共同創業したヴィク・バジャジ氏が就いています。

ベゾス氏は事業の中核を汎用エンジニアの実現と表現しました。同氏は「すべての社会的な富は発明によって生まれる」と述べ、6000年前の鍬や後の蒸気機関を例に挙げました。プロメテウスはこの発明の循環を大幅に加速させる一連のツールを提供したい考えです。

対象となる分野はロボットや創薬、製造など多岐にわたります。ベゾス氏は自身が率いる宇宙企業ブルーオリジンを引き合いに出し、ロケットエンジンのような高度な機器を作る企業ほど恩恵が大きいと語りました。物理的な世界へ深層学習の原理を応用するフィジカルAIを軸に据えています。

巨額調達の背景には、膨大な計算資源の確保があります。ベゾス氏は「私たちの取り組みは非常に計算負荷が高く、そのためのデータを生み出す必要がある」と説明しました。資金の多くは計算資源の購入に充てられる見通しで、データ自体を自ら作り出す方針です。

OpenAIがOnaを買収しCodexのクラウド基盤を強化

買収の狙い

Codexのクラウド実行基盤を拡張
長時間稼働エージェントに対応
顧客管理型の安全な実行環境

Codexの利用拡大

週500万人が利用
年初比400%増
規制当局の承認が前提

OpenAIは2026年6月11日、クラウド実行基盤を手がけるOnaの買収を発表しました。同社の安全なクラウド実行・オーケストレーション技術を、急成長するCodexのエコシステムに統合し、ソフトウェア開発から知識労働まで長時間稼働するエージェントの基盤を強化する狙いです。買収は規制当局の承認など通常の完了条件が前提となります。

背景にはCodexの急速な普及があります。現在は週500万人が調査・分析・開発・自動化に利用しており、年初から400%増加しました。当初は開発者向けのツールでしたが、今では幅広い職種の人が初期の依頼から完成まで複雑な業務をこなす用途に広がっています。

OpenAIが重視するのは、作業時間の長期化です。Codexの最も価値ある仕事は数分ではなく数時間から数日にわたって進むようになっており、利用者が起点となった端末に縛られず、外出先からでも進捗確認や指示、意思決定、結果のレビューができる状態を目指しています。Onaの永続的な実行環境がこれを可能にします。

Onaはこれまで、ソフトウェア開発をローカル端末からクラウドへ移行させる取り組みを進めてきました。200万人の開発者が安全で再現可能なクラウド環境で作業するのを支援した実績があり、ノートPCを閉じても顧客のクラウド環境内でエージェントが作業を継続できる点が、Codexの次の段階に直結すると説明しています。

企業が実運用にエージェントを展開する際は、高性能なモデルだけでは不十分だとOpenAIは指摘します。Onaの顧客管理型の実行モデルにより、エージェントは企業自身のクラウド環境内で動作し、OpenAIが知能とオーケストレーションを提供します。実行場所やアクセス範囲、認証情報の制御、活動の記録といったセキュリティと統制の要件を満たしつつ、Codexの能力を損なわない構成です。

買収完了まで両社は独立した企業として運営されます。完了後はOnaのチームがOpenAIに加わり、Codexチームと連携して企業向けの安全で永続的な実行能力を高め、世界中のより多くの企業へCodexを展開していく計画です。

OpenAIがChatGPTを統合スーパーアプリ化、Codexが基盤

新体制と狙い

Sottiaux氏が中核製品責任者に就任
ChatGPTとCodexを統合しスーパーアプリ化
週間約10億人の消費者製品を刷新

技術と勝算

Codexを汎用エージェントへ転換
Sora等を閉鎖し資源を集約
Visa提携で決済を自動化
IPO控え成長再加速を狙う

OpenAIは6月11日、ChatGPTを単純なチャット画面から、仕事や私生活のあらゆる作業をこなすパーソナルAIエージェントへと作り変える計画を明らかにしました。同社が「スーパーアプリ」と呼ぶこの全部入りプラットフォームは、これまでで最大級の賭けであり、その成否を左右する立場にThibault Sottiaux氏が立っています。先月、同氏はChatGPTとCodexの両方を統括する中核製品責任者に就任しました。

Sottiaux氏は、OpenAIで最も急成長する収益源の一つとなったCodexの構築を主導してきた人物です。これまで開発者やAI研究者と向き合ってきた同氏が、今度は週間で約10億人が使う消費者向け製品の刷新を任されました。本人はこの役割について「とてもわくわくすると同時に、少し恐ろしい」と語っています。

スーパーアプリの実現に向け、OpenAIは動画アプリのSoraや科学者向けプラットフォームなど複数の独立製品をすでに閉鎖しました。これらを率いた幹部の多くは退社する一方、Sottiaux氏の社内での影響力は拡大し、現在はGreg Brockman氏に直属しています。閉鎖で生まれた資源は本プロジェクトに振り向けられましたが、中核チームは今も比較的小規模だといいます。

技術面では、スーパーアプリは主にCodexで駆動されると同氏は説明します。利用者が自然言語で頼むと、エージェントが裏側でコードを書き、API呼び出しを実行し、ウェブを操作してタスクを完了させますが、その過程は利用者には見えません。同社は昨年Operatorやその後継のChatGPT Agentで同様の試みをしましたが、いずれも普及しませんでした。Sottiaux氏はそれらを「時期尚早だった」とし、今はモデルの信頼性が十分に高まったと主張します。

OpenAIが描くのは、WeChatのようなアジア型スーパーアプリとは異なる構想です。米国などには既にGmailやクレジットカード、Venmoが普及しているため、同社のアプリは既存サービスへ接続する必要があります。今週はVisaとの提携でAIエージェントによる決済を可能にしたほか、メールやSlack、カレンダーとの連携も進めています。

最終的にOpenAIは、その下にあるウェブサイトやアプリ、APIを利用者が意識せず済むほど強力な共通インターフェースの構築に賭けています。ただしこの戦略は、基盤サービスを握る競合への依存という弱点も抱えます。Google やAnthropicとの競争が激化しIPOが迫るなか、同社はChatGPTのスーパーアプリ化で成長を再加速できるかが問われます。

MIT、3択順位付けで選好予測を高精度化

研究の核心

100年続く2択比較の限界を証明
選好間の相関は2択では検出不能
3択順位付けで相関を抽出可能

AIへの応用

ランダム効用モデルの精度向上
LLMの選好学習と整合に直結
実験数は項目数に対し非指数的

マサチューセッツ工科大学(MIT)の研究チームが2026年6月11日、人の選好を予測する数理手法を改良する成果を発表しました。従来の2項比較では選択肢間の相関を捉えられないと数学的に証明し、3つの選択肢を順位付けさせる方式が高精度な予測を可能にすると示しました。経営者やエンジニアにとって、推薦システムやAIの精度を左右する基盤技術となります。

土台にあるのは、約100年前に心理学者サーストンが提唱したランダム効用モデル(RUM)です。人が複数の選択肢から最も価値の高いものを選ぶという前提に立ち、行政や産業界で「ある幹線道路が封鎖されたら人々はどう通勤するか」といった反実仮想の予測に広く使われてきました。AIアシスタントのGabriele Farina氏は、人それぞれ好みが異なり時間でも変わるため、モデルは本質的に確率的だと説明します。

問題は、モデルの推定に使うデータがサーストン以来ほぼ2択比較に偏ってきた点にあります。AかBのどちらを選ぶかは答えやすい一方、Constantinos Daskalakis教授は「2つずつ見る方式では多数の選択肢間の相関を見つけられない」と指摘します。たとえば独立系映画を好む人は外国映画も好む傾向がありますが、2択データだけではこうした結びつきが見えないのです。

チームは、2択比較のみから相関情報を得るのは不可能だと証明しました。一方、多数の人が3つの選択肢を好みの順に評価すれば相関を識別でき、3択ベストと2択ベストの組み合わせでも同じ情報が得られます。PhD学生のSobhan Mohammadpour氏は、個々の順位結果を一つの大きなモデルに統合する手法を開発したと述べています。

実用面でも追い風があります。Farina氏によれば、必要な実験数はカタログの項目数に対して指数的に増えないため、効率的なアルゴリズムが成立します。この成果は4月にリオデジャネイロで開かれた国際会議ICLRで発表されました。

Daskalakis教授は、RUMが1990年代後半以降のインターネット経済に不可欠だったように、今後はAIモデルの整合(アライメント)にも中心的役割を果たすと強調します。LLMの学習では人が候補出力を順位付けし、モデルが好まれる文体や内容を学びます。なぜ3択が鍵なのか。膨大な選択肢すべてを聞き出せない以上、少ない問いで相関まで捉える設計が、より正確な予測モデルへの実践的な道筋になるからです。

Hugging Face、PyTorchの推論最適化を解説

nn.Linearの実態

転置はメタデータ書換のみ
バイアス加算はGEMM融合
addmmが単一カーネル化
compileは融合余地なし

MLPの融合効果

MLP1回で5カーネル
compileがGeLUとmulを融合
中間テンソルのHBM往復削減

手書きカーネル

Ligerは形状非依存で再コンパイル不要

Hugging Faceは6月11日、PyTorchの処理を可視化するプロファイリング連載の第2回を公開しました。今回は深層学習の基本部品であるnn.Linearを題材に、GPUカーネルの実際の挙動を追い、torch.compileやLiger製の手書きカーネルとの違いを実測値で示しています。対象読者はモデルの推論速度を詰めたいエンジニアです。

まず単一のnn.Linearでは、行列積と転置、バイアス加算が一見すると別々の処理に見えますが、実態は異なります。転置を担うaten::tはGPU上でカーネルを起動せず、テンソルの形状とストライドというメタデータを書き換えるだけです。バイアス加算もcuBLASのGEMMカーネル末尾に折り込む「エピローグ」として統合され、最終的にaten::addmmという単一カーネルで完結します。

そのため単一のLinearではtorch.compileが融合する余地はほぼ残っていません。compileが消すのはGPUの計算ではなく、ビュー処理を発行するCPU側の数マイクロ秒のオーバーヘッドです。Inductorがコンパイル時にストライドを計算し、addmmを直接呼び出すよう書き換えるため、GPUの計算内容は変わりません。

効果が表れるのは三つのLinearを積んだMLPです。GeGLU構成のMLPは1回の順伝播で3つのGEMMとGeLU、乗算の計5カーネルを起動します。torch.compileはこのうちGeLUと乗算、リシェイプを1つのTriton融合カーネルにまとめ、約50MBの中間テンソルがHBMを往復する無駄を排除します。これがコンパイルによる最大の改善点です。

記事は最後に、人手で調整したLiger製カーネルを比較対象に挙げます。Ligerの実行時間は92.8マイクロ秒で、特定形状向けに最適化されたInductorの89.4マイクロ秒よりわずかに遅く見えます。しかしInductorは入力形状が変わるたびに再トレースとコンパイルが必要で、Ligerは形状が変わっても再コンパイル不要です。数マイクロ秒と引き換えに形状変化への頑健さを得ているわけです。

筆者が一貫して勧めるのは「先に予想し、それから見る」という習慣です。トレースを開く前にカーネル数や種類を予測し、想定と食い違った点こそ最も学びが多いと説きます。次回はMLPからアテンション、最終的には完全なモデルへと解説を進める予定です。

Google、生成4倍速の拡散型モデルを公開

拡散方式の仕組み

256トークンを並列生成
全位置が相互に注意
誤りを自己修正
Apache 2.0で公開

性能と適用範囲

H100で最大1008トークン毎秒
標準版より品質は低下
ローカル推論で優位

Googleは6月11日、テキストを拡散方式で生成するオープンソースの実験モデルDiffusionGemmaを公開しました。画像生成で使われる拡散の原理を文章生成に本番規模で適用したもので、GPU上で標準モデルの最大4倍の速度を実現すると説明しています。Gemma 4を基盤にApache 2.0ライセンスで提供され、推論基盤vLLMがネイティブ対応した初の拡散言語モデルとなります。

従来の言語モデルはタイプライターのように左から右へ1トークンずつ生成し、確定した出力を後から修正できません。これに対しDiffusionGemmaは256個のランダムな仮トークンの塊から始め、ブロック全体を何度も並列で精緻化します。各パスで確信度の高い位置を確定し、不確実な位置は次のパスで再評価するため、自己修正と双方向の文脈参照が可能になります。

この構造はコード補完やテンプレート生成など、左から右への生成では失敗しやすい制約付きタスクに構造的に適しています。Googleは数独ソルバーで実証し、ファインチューニング後に成功率80%へ到達。確定ステップ数も48から12へと大幅に減り、早期停止による効率化を示しました。

速度面では、単一のNvidia H100でバッチサイズ1のFP8版が毎秒1008トークン、H200では1288トークンに達し、標準的な自己回帰方式の約6倍にあたります。一方でモデルは26BのMixture of Experts構成で、推論時に動かすのは3.8Bパラメータのみ。量子化すればRTX 4090など消費者向けGPUの18GB VRAMに収まります。

ただし速度の優位は条件付きです。GPUに余力があるローカル推論や低並列の用途で効果を発揮する一方、数百件を同時処理する高スループットのクラウド配信では効果が薄まります。Google自身も出力品質は標準Gemma 4より低いと認め、最高品質が必要な用途には標準版を推奨しています。

経営層やエンジニアにとって、専用GPUでの遅延削減はこれまで小型モデルへの妥協を意味していました。DiffusionGemmaは同じパラメータ規模のまま第三の選択肢を提供し、当日からvLLMで使えます。品質とのトレードオフは現実的ですが、ローカル推論や制約付き生成を扱うチームには試す価値があります。

GitHub、5月に9件の障害 AI需要急増で基盤刷新

5月の障害状況

1カ月で9件の障害発生
Actions関連が多発
プルリクやCopilotに影響
DB移行起因の障害が複数

信頼性への投資

AIとエージェントで需要急増
Azure移行で容量を倍増
DB分離で障害連鎖を遮断
「可用性優先」の方針掲げる

GitHubは6月11日、2026年5月に発生した9件の障害をまとめた月次可用性レポートを公開しました。プルリクエストやGitHub Actions、Copilotなど広範なサービスで性能低下が起き、原因の多くがデータベース移行や設定変更に集中したと説明しています。同社はAIを活用した開発需要の急増を背景に、インフラの全面刷新を進めていると強調しました。

今回のレポートで同社が異例なのは、個別障害の説明に先立ち信頼性向上の進捗を共有した点です。GitHubのトラフィックはAI支援型・エージェント型の開発ワークフローによって急速に拡大しており、これに対応するためモノリスの分割やAzureへの移行を進めています。現在、モノリスのトラフィックの40%をAzureから配信し、2月の8%から大きく伸ばしました。4カ月で実効容量を2倍以上にしたといいます。

障害の中で影響が大きかったのが、5月4日のスキーマ移行に起因する障害です。大規模で高頻度アクセスのテーブルに対する移行が、週次ピークの本番トラフィックと重なり、データベースの接続容量を飽和させました。プルリクエストが最も深刻な影響を受け、IssuesやActions、Codespaces、Copilotなど依存サービスにも波及しています。

GitHub Actionsをめぐる障害も目立ちました。5月5日と6日には、ホスト型ランナーの障害が連鎖し、前日の復旧作業が翌日の設定不具合を招くという二次障害が発生しています。さらに5月26日には、自動アカウント審査システムがActionsの認証用サービスアカウントを誤って停止し、新規ジョブが起動できなくなりました。同社は停止対象外とするサービスアカウントの許可リストを導入したと述べています。

上流プロバイダー起因の障害も報告されました。5月28日にはResponses APIの不具合により、GPT-5.2やGPT-5.4などのモデルでエラー率が上昇し、Copilotが影響を受けています。GitHubは影響モデルからトラフィックを退避させて対処し、自動フェイルオーバーの改善を進めるとしました。経営者やエンジニアにとって、AI開発基盤の安定性がいかに事業継続に直結するかを示す事例といえるでしょう。

同社は「可用性、次に容量、最後に機能」という原則を掲げ、ユーザー認証や認可を独立ドメインに分離する作業を完了に近づけています。ステートレスな認証トークンの展開により、トラフィック急増時の負荷増幅を引き起こしていたリクエストごとのDB参照も排除しつつあります。構造的な変更によって障害要因を恒久的に取り除く方針です。

AnthropicとDXC、規制業界にClaude導入で提携

提携の概要

数万人のClaude認定エンジニア育成
銀行・航空・保険の基幹系に導入
Claudeパートナーネットワーク参加

自社実証と展開領域

OASISのコード95%超をClaude生成
開発速度10倍と試算
保険・近代化・防御・運用の4分野

AIスタートアップのAnthropicとIT大手のDXCテクノロジーは6月11日、複数年にわたる世界規模の提携を発表しました。DXCは数万人規模のClaude認定の常駐エンジニアを育成し、銀行や航空会社、保険会社、政府機関などが依存する基幹システムにAIアシスタント「Claude」を組み込みます。

対象となるのは、DXCが数十年にわたり運用してきた取引・保険金請求・業務処理の基幹系です。これらは厳格なセキュリティとコンプライアンス要件のもとで稼働しており、規制業界へのAI導入における信頼性が問われる領域だといえます。DXCは今回、Anthropicの提携企業ネットワーク「Claudeパートナーネットワーク」にも加わりました。

DXCはまず自社で実証しました。70カ国・約11万5000人の自社運用にClaudeを導入し、4月に投入した運用管理基盤「DXC OASIS」ではコードの95%超をClaudeが生成したとしています。同社はソフトウェア開発が10倍速まったと試算し、OASISはすでに50社以上の顧客に提供されています。

エンジニア育成では、DXCが既存の開発チームから人材を集め、Anthropicの認定プログラム「Anthropic Academy」で資格を付与します。さらにDXC独自のカリキュラムを上乗せし、顧客が運用する基幹システムに特化した訓練を施す計画です。

提携は当初、DXCがすでに大規模運用を担う4分野で始まります。保険の基幹刷新、レガシーコードを近代化する「Modernization as a Service」、常時稼働する防御サブエージェントを置くサイバーセキュリティ、そしてアプリケーション運用です。両社は業界ごとに段階的にClaudeを各環境へ広げる方針です。

AnthropicのPaul Smith最高商務責任者は、DXCが顧客と同じ要件のもとで先に自社実証した点を強調しました。DXCのRaul Fernandez社長兼CEOは「業界にとって節目だ」と述べ、信頼と経験を最先端AIと組み合わせる狙いを示しています。

AI先進企業は従業員1人に月7500ドル支出、中央値との格差680倍

企業間で広がるAI支出格差

上位1%は月7500ドル/人
上位10%は月611ドルに留まる
中央値はわずか11.38ドル

人件費超えはまだ先

ソフトウェア技術者月収の半額以下
上位1%で月次14.1%の成長継続
複数モデル併用でコスト最適化

加速するトークン消費

NVIDIAは計算コストが給与超過と発言
Mercorはトークン費が人件費を上回る

Ramp AI Indexの最新調査によると、米国企業のうちAI導入に最も積極的な上位1%の企業は、従業員1人あたり月額7,500ドルをAIに支出していることが明らかになりました。一方、中央値の企業はわずか11.38ドルと、エンタープライズプランの1席分に相当する水準にとどまっており、企業間のAI投資格差が鮮明になっています。

注目すべきは、最も積極的な企業でもAI支出が人件費を上回っていない点です。ソフトウェアエンジニアの平均月収は約16,000ドルであり、上位1%のAI支出7,500ドルはその半分以下にとどまります。「AIコストが従業員コストを超えた」という一部の発言が話題を呼んでいますが、データ上はまだその段階には達していません。

ただし、AI支出の増加ペースは依然として速く、上位1%の企業では前月比14.1%の伸びを記録しています。この成長率が継続すれば、人件費との逆転は現実味を帯びてきます。NVIDIAの幹部が「計算コストが従業員の給与を超えた」と発言し、AI人材マッチングのMercorもトークン費用が人件費を上回ったと公表するなど、先端領域では既にコスト構造の転換が始まっています。

上位1%の企業は特定のモデルやプラットフォームに依存せず、複数のフロンティアモデルやオープンソースモデルを組み合わせて利用する傾向があります。コスト効率を追求しながらも支出総額が増え続ける構図は、AIが企業にとって不可欠なインフラへと変わりつつあることを示しています。

MassMutual、12カ月契約でAIベンダー固定を回避

柔軟なAI基盤戦略

12カ月上限のベンダー契約
モデル切り替え前提の設計思想

成果と評価の仕組み

開発者生産性が約30%向上
問い合わせ対応を10分から1分に短縮
コスト・品質・体験の信頼スコア
ユーザーが高品質モデルを選好

米大手生命保険会社MassMutualは、AIベンダーとの契約を最長12カ月に制限し、特定のモデルやプラットフォームへのロックインを回避するAI戦略を推進しています。CIOのSears Merritt氏は「AI市場は極めて動的であり、そのダイナミズムに乗れる体制を整えたかった」と語り、市場の変化に応じてモデルを入れ替えられるインフラ構築を重視しています。

この戦略はすでに具体的な成果を上げています。開発者の生産性は約30%向上し、AIを活用したコンタクトセンターでは問い合わせの解決時間が10分から1分へと大幅に短縮されました。コストも数ドル単位からセント単位に削減されています。同社はオープンソースモデルの活用にも積極的で、フロンティアモデルとの使い分けを進めています。

注目すべきは、モデル評価における「信頼スコア」の導入です。ベンチマークやトークンコストだけでなく、ユーザーのフィードバックと業務上の成果を組み合わせてAIの品質を判断します。コンタクトセンターの開発時には、応答速度が速い安価なモデルと、数秒遅いが高品質なモデルを従業員に比較させたところ、大半が後者を選びました。

MassMutual はまた、利用パターンや開発者のワークフロー、モデルの性能とコストに関する詳細な分析基盤を構築中です。将来的には、タスクの種類に応じて最適なモデルへ自動的にルーティングする仕組みを目指しています。トークン消費を無制限にして利用制限をかけない方針も独自で、コスト急騰を防ぎつつ実験を促進する狙いがあります。

同社のアプローチは、急速に進化するAI市場で企業がどうベンダー戦略を組み立てるべきかの一つの指針を示しています。短期契約による柔軟性の確保、ユーザー体験を重視したモデル選定、そして詳細なデータに基づく継続的な最適化という三本柱は、AI導入を本格化させる企業にとって参考になるでしょう。

LSEG、OpenAI活用でリリース周期を2週間に短縮

導入の経緯と成果

リリース周期が最大6か月→2週間
顧客要望から本番稼働まで約4週間
数千人の社員が数週間で利用開始
アナリストの調査・分析時間を大幅短縮

ガバナンスと今後の展開

モデル評価や人間レビューを初期から整備
厳格なデータプライバシー管理の徹底
MCPで信頼性の高いデータ連携へ拡大

ロンドン証券取引所グループ(LSEG)は、OpenAIとの提携により生成AIを全社規模で導入し、製品リリースサイクルを従来の3〜6か月から約2週間へ大幅に短縮したと発表しました。LSEGは約190市場で4万社以上の顧客を抱える世界有数の金融市場インフラ企業で、顧客の多くがすでにChatGPTを利用していたことが提携の契機となりました。

LSEGはChatGPT EnterpriseとOpenAI APIを組織全体に展開し、数週間で数千人の社員が利用を開始しています。プロダクト、エンジニアリング、リサーチ、オペレーションの各チームがレポート作成、市場データの要約、プロトタイプの迅速な開発、社内ワークフローの効率化にAIを活用しています。アナリストは大量の金融・市場情報の要約にChatGPTを使い、初期調査にかかる時間を削減しました。

同社はAI導入と同時にガバナンス体制も整備しました。モデル評価フレームワークの構築、重要な出力に対する人間によるレビュープロセスの導入、厳格なデータプライバシーとセキュリティ管理を初期段階から実施しています。AI製品責任者のEmily Prince氏は「ベストプラクティスの拡大と業務の迅速化を、品質基準を維持したまま実現できるようになった」と述べています。

顧客向けの成果も顕著です。顧客からの要望を受けてから本番環境へのデプロイまでの期間が約4週間に短縮され、アイデアからプロトタイプへの移行も数時間単位で可能になりました。従来は規制、コンプライアンス、法務、サイバーセキュリティなどの要件で数か月を要していたプロセスが劇的に加速しています。

今後LSEGは、Model Context Protocolを通じてOpenAIモデルと自社の信頼性の高いデータを統合し、顧客がAIワークフロー内で正確かつ検証可能な情報にアクセスできる仕組みの構築を進めます。個人の生産性向上から、リサーチプロセスや製品開発、顧客向けソリューションへのAI組み込みへと取り組みを拡大する方針です。

Decartが写実的な運転シミュレーション用世界モデルOasis 3を公開

Oasis 3の主要機能

写実的な運転環境をリアルタイム生成
マルチカメラ対応の無限生成
API価格は1秒0.02ドル
自動運転の希少シナリオ訓練に対応

事業展開と競合環境

3億ドル調達で評価額約40億ドル
Toyota・Adobe・eBayが戦略投資
10万人超の開発者コミュニティ形成

現時点の技術的課題

走行中のテーマ整合性が急速に劣化

AIスタートアップのDecartは2026年6月10日、写実的な運転環境をリアルタイムに生成するインタラクティブな世界モデル「Oasis 3」を発表しました。自動運転車メーカー向けに希少な走行シナリオを大規模にシミュレーションすることを主な用途とし、今後はロボティクスなど物理AIへの展開も予定しています。APIは初日から公開され、価格は1秒あたり0.02ドルです。

Oasis 3は同社の基盤モデル「Lucy」をベースに開発されました。前方1台・側方2台のマルチカメラ構成で物理的に正確な環境を生成し、時間制限なく無限にシナリオを拡張できる点が特徴です。自動運転開発者にとっては、限定的なデモではなくエッジケースを際限なく試行できることが大きな利点となります。同社の垂直統合型最適化スタック「DOS」により、競合他社より1桁以上低いコストでモデルを運用できるとCEOのDean Leitersdorf氏は説明しています。

一方で技術的な課題も残っています。テスト記事によれば、初期シーンはプロンプト通りに高品質で生成されるものの、走行を続けるとテーマの整合性が急速に崩れ、都市の特徴が汎用的な風景に変化してしまいます。他の車両をすり抜けるなど物理シミュレーションの正確性にも問題があり、Leitersdorf氏はこれを「現在取り組んでいる重要な研究課題」と認めています。自己回帰的に1フレームずつ生成する構造上、コンテキストウィンドウが急速に埋まることが根本原因です。

競合環境は激化しています。GoogleのGenie 3、Fei-Fei Li率いるWorld Labsの「Marble」、LumaやRunwayなどが世界モデル市場に参入しています。Decartは数週間前に3億ドルの資金調達を完了し、評価額は約40億ドルに到達しました。Toyota、Adobe、eBayが戦略的投資家として参加し、既存投資家のNVIDIAも出資しています。

Leitersdorf氏は、APIを開放することでLLM黎明期のOpenAIのように開発者エコシステムが自然発生的に成長すると期待を示しています。既に10万人超の開発者がeコマースやライブストリーミング分野でLucyを活用しており、Oasis 3で物理AI領域への拡大を狙います。世界モデル分野はまだ初期段階にあるものの、開発者による予想外のユースケース創出が技術の進化を加速させるというのが同社の見立てです。

Datadog出身者がAIコーディング新興企業Niteshift設立、700万ドル調達

大手AI依存からの脱却

Greylock主導で700万ドル調達
Reid Hoffmanら著名エンジェル参加
モデル間を自動切り替えする基盤提供
トークン課金ではなく分単位の従量制

競合と差別化戦略

CursorやCognitionが先行する激戦市場
コードの検証・運用まで一貫対応
Datadog時代の大規模運用経験が武器
OpenAI・Anthropicの垂直展開を警戒

AIコーディングエージェントの新興企業Niteshiftが、Greylockのジェリー・チェン氏主導で700万ドル(約10億円)のシードラウンドを完了しました。同社はDatadogの初期エンジニアだったサジド・メフムード氏とコナー・ブラナガン氏が共同創業し、Reid Hoffman氏やDatadog共同創業者のオリビエ・ポメル氏らも出資しています。

Niteshiftの中核にある発想は、AIコーディングにおける大手AIベンダーへのロックイン回避です。メフムード氏はDatadog時代、AmazonのEC事業と競合するためAWSを避けるeコマース企業を多く見てきました。同じ構図がAI業界でも起きていると指摘し、AnthropicやOpenAIが法務・医療・金融など垂直市場に進出する「SaaSpocalypse(SaaS崩壊)」を警戒する企業に選択肢を提供します。

技術面では、Claude CodeやCodexといった主要コーディングエージェントを置き換えるのではなく、プロジェクトの要件に応じて複数モデル間を自動ルーティングする仕組みを構築しています。課金モデルもトークン販売ではなく、クラウドプロバイダーのような分単位の従量制を採用しました。メフムード氏は「我々はAIに対してソフトウェアを売っている」と説明しています。

ただし、参入する市場は競争が激しいのも事実です。CursorはSpaceXによる600億ドル買収提案が報じられ、Cognitionは260億ドル評価額で10億ドルを調達しました。Amazon BedrockやOpenRouterなど大手も競合に名を連ねます。モデル非依存という考え方自体は新しくなく、先行者の優位は大きいといえます。

メフムード氏はこうした懸念に対し、創業チームの実務経験で差別化できると主張します。Datadogをスタートアップから数十億ドル企業に成長させる過程で培った大規模エンジニアリング運用の知見は、AIが生成するコードの実行・テスト・検証を本番環境で自律的に行うインフラ構築に直結すると述べています。

Claude Fable 5の安全制限に研究者や企業が反発

過剰な安全制限

基礎的な生物学の質問も拒否
サイバーセキュリティ業務にも支障
キーワード単位の粗い判定方式

企業利用への波及

Microsoftが社内利用を制限
データ保持要件に法的懸念
30日間のプロンプト保存が障壁

今後の課題

誤検知の削減が急務
生命科学分野への段階的開放を計画

Anthropicが2026年6月9日に公開したClaude Fable 5は、同社初のMythosクラスモデルの一般提供版ですが、リリース直後から安全制限の厳しさに対する批判が相次いでいます。生物兵器対策を目的とした分類器が過剰に機能し、「ミトコンドリアとは何か」「細胞膜について教えて」といった高校レベルの生物学の質問すら拒否される事態となっています。

サイバーセキュリティ分野でも同様の問題が発生しています。IBM X-Forceの研究者をはじめ、多くのセキュリティ専門家がSNS上で不満を表明しました。安全なコードの書き方を尋ねただけでガードレールが発動し、旧モデルのClaude Opus 4.8にダウングレードされるケースが報告されています。判定がキーワードベースであるため、正当な業務利用まで広く遮断されてしまう構造的な問題が指摘されています。

企業への影響も広がっています。MicrosoftはFable 5の社内利用を制限しました。GitHub CopilotやFoundryの外部顧客には提供している一方、社内のエンジニアには利用を認めていません。Anthropicの新たなデータ保持要件により、プロンプトと出力が30日間保存され、利用規約違反と判断された場合は最大2年間保持される点が法的な懸念材料となっています。

Anthropicはこうした制限が意図的かつ保守的な選択であることを認めています。同社の広報担当者は、Mythosクラスのモデルが悪意ある生物学研究に利用されるリスクを考慮し、「早期に能力を提供するためのトレードオフ」だと説明しました。今後、検出精度の向上と誤検知の削減に取り組むとともに、生命科学コミュニティには制限なしでのアクセスを提供する計画を示しています。

一方、サイバーセキュリティ分野では、Anthropicが設けたCyber Verification Programに申請・承認されれば制限が緩和される仕組みがあります。ただし、現時点ではガードレールの粗さが正当な利用者の業務効率を著しく下げており、安全性と利便性のバランスが今後のAIモデル提供における重要な課題となっています。

テック業界の代名詞がFAANGからMANGOSへ交代

MANGOS台頭の背景

SpaceXが金曜にIPO予定
AnthropicもIPO申請済み
OpenAIが非公開でIPO申請

業界勢力図の転換

AI・宇宙企業が主役に交代
AmazonとNetflixは依然健在
eコマースからAIへ重心移動
自律型AIの経済的影響に懸念も

テック業界を象徴する企業群の略称が、従来のFAANG(Facebook、Amazon、Apple、Netflix、Google)からMANGOS(Meta、Anthropic、Nvidia、Google、OpenAI、SpaceX)へと移り変わろうとしています。SpaceXが6月13日に記録的なIPOを控え、AnthropicもIPO申請を済ませ、OpenAIが非公開でIPO申請を行うなど、AI企業と宇宙企業の大型上場が相次ぐことがこの変化を加速させています。

MANGOSという新しい略称は、開発者の@krishdotdevと@lilscootがX上で提案したもので、現在SNSで急速に拡散しています。FAANGが「牙」を連想させる攻撃的な響きだったのに対し、MANGOSは果物の甘い響きを持つ点も話題を呼んでいます。

もちろんFAANGが完全に消滅するわけではありません。Amazonのクラウド事業やNetflixのストリーミングサービスは依然として強力です。しかし、eコマースや動画配信よりも、AIやエージェント技術、宇宙開発を手がける企業群がテック業界の新たな中心になりつつあるという認識が広がっています。

TechCrunchの記事は、自律型AIの時代が健全な経済基盤をもたらすのか、それとも雇用喪失と経済的困窮を招くのかという問いを投げかけて締めくくっています。MANGOSの各社が今後どのような社会的価値を生み出すかが、この新しい略称の寿命を左右することになるでしょう。

Nextdoor、Codex活用で開発体制を変革

開発プロセスの転換

成果志向型エンジニアリングへの移行
1人でエンドツーエンドの機能開発
3チーム協業が不要に

技術的成果と組織変化

Rust組込みDBのデバッグに活用
GPT-5.5で根本原因分析が向上
ボトルネックが開発から戦略判断へ移行

1億1000万人以上のユーザーを11カ国で抱える地域SNSNextdoorのプラットフォームチームが、OpenAIのコーディングエージェントCodexを全面的に導入し、開発プロセスを根本から変革しています。エンジニアリング責任者のCory Dolphin氏は、従来のプロンプト反復型から「成果エンジニアリング」への転換だと説明しています。

この変革により、エンジニアは特定のシステムやフレームワークの専門家にとどまらず、モバイル・フロントエンド・バックエンドを横断してプロダクト体験全体を1人で担えるようになりました。具体例として、近隣のサービス提供者を見つける「Opportunity Alerts」機能では、地図表示の追加を1人のエンジニアがエンドツーエンドで構築しました。従来であれば3チームの協業が必要で、バックログに埋もれていた可能性がある機能です。

技術的には、組込みRustデータベースや競合状態が複雑なシステムのデバッグにもCodexを活用しています。Kubernetesポッドの起動障害やデータ分析のトレンド特定など、再現困難な問題の調査にクリーンな環境を与えて取り組ませています。GPT-5.4および5.5への更新で、難解な技術的詳細への深掘りと根本原因の特定能力が大きく向上したと評価しています。

組織への影響も顕著です。開発速度が飛躍的に向上した結果、ボトルネックはエンジニアリングから離れ、「何を構築すべきか」という戦略的意思決定に移りました。Dolphin氏は「Codexなしのエンジニアリングはもう想像できない」と述べており、AIコーディングエージェントが開発組織の構造そのものを変えつつある事例として注目されます。

MIT研究、AIニュース検証への依存で判断力低下と警告

AI依存の逆説

AI利用時は正答率21%向上
AI除去後は15ポイント低下
参加者の2割が依存傾向に

教育的AIの設計指針

直接回答型は依存を助長
ソクラテス式質問が有効
速度と学習効果のトレードオフ
AIリテラシー教育の必要性

MIT Media Labの研究チームは、AIチャットボットにニュースの真偽判定を頼ったユーザーが、AIなしでの判断力をかえって低下させるという「AI依存パラドックス」を実証する研究結果を、2026年のCHI学会で発表しました。67人の参加者を4週間追跡した結果、AI支援中はフェイクニュースの検出精度が21%向上した一方、AI除去後には開始前と比べて15ポイントも精度が低下しました。

この現象は、医師がAI支援後に独力でのがん検出能力を落とすという2025年の研究と同様の構造を持っています。計算機が暗算力を、GPSが方向感覚を弱めるのと同じ「認知的オフローディング」の一例です。参加者の約5分の1は「依存開発者」と分類され、自ら考えることからAIの判断を受動的に受け入れる行動へと徐々に移行していました。さらに約4分の1の参加者は、実際には成績が下がっているにもかかわらず、自分の能力が向上していると感じていたことも明らかになりました。

研究チームは対策として、AIの応答設計が鍵になると指摘しています。直接的に答えを提示するAIは依存を生みやすい一方、ソクラテス式の質問でユーザー自身に考えさせるAIは、独立した判断力の維持に効果的でした。ただしこの手法は即時的な速度では劣るため、利便性と学習効果のトレードオフが存在します。

研究を率いたPattie Maes教授は「思考を委託すれば、その問題解決能力は向上しない」と述べ、学校教育へのAI導入にあたっての認識向上を訴えました。共著者のValdemar Danry氏も「重要なタスクをモデルに丸投げしない新しいAIリテラシーの構築が必要だ」と強調しています。研究チームは今後、米英以外の地域やリソースの限られたコミュニティでの検証を計画しています。

Google、70言語超対応のリアルタイム音声翻訳AIを公開

翻訳モデルの技術特性

70以上の言語を自動検出
話者の抑揚やピッチを保持
数秒遅れの連続翻訳を実現
騒音環境にも対応する堅牢性

展開先と活用事例

Google Meetで順次提供開始
翻訳アプリにも全世界展開
Grabが月間1000万件超の通話で試験
SynthIDで生成音声に透かし付与

Googleは2026年6月9日、リアルタイム音声翻訳モデル「Gemini 3.5 Live Translate」を発表しました。このモデルは70以上の言語を自動検出し、話者の抑揚・ペース・ピッチを保持したまま自然な音声翻訳を生成します。従来のターン制翻訳とは異なり、話者の発話中に連続的に翻訳を出力し、数秒の遅延で追従する仕組みです。

技術面では、翻訳品質を高めるための文脈待機と即時翻訳のバランスを自動調整する点が特徴です。Google I/Oで発表された3.5ファミリーの一部として位置づけられ、Flash版に続く音声特化モデルとなります。背景雑音への耐性も備えており、騒がしい環境でも安定した翻訳を提供します。

展開先は多岐にわたります。開発者向けにはGemini Live APIとGoogle AI Studioでパブリックプレビューを開始しました。企業向けにはGoogle Meetでの音声翻訳として今月中にプライベートプレビューを提供し、対応言語を従来の5言語から70以上へ、言語の組み合わせを2000以上へと大幅に拡大します。

一般ユーザー向けには、AndroidとiOSのGoogle翻訳アプリでグローバルに展開を開始しました。Android版では新たに「リスニングモード」を追加し、イヤホンなしでも電話のように耳に当てるだけで翻訳音声を聞ける機能を実装しています。

実用面では、東南アジアの配車サービス大手Grabが、ドライバーと乗客間の多言語コミュニケーションにこのモデルを試験導入しています。Grabでは月間1000万件以上の音声通話がアプリ経由で行われており、大規模な実地検証の場となっています。生成されるすべての翻訳音声にはSynthIDによる電子透かしが埋め込まれ、AI生成コンテンツの検出可能性を確保しています。

Gemma 4活用事例をGoogleが紹介

オンデバイスAIの実用化

Gemma 4累計1.5億回超のDL
オフライン英語学習アプリの実現
4bit量子化でモバイル動作

視覚・長文脈の応用展開

画像認識とペルソナ維持の両立
256Kコンテキストで長期記憶
Apache 2.0で柔軟な展開
エッジからワークステーションまで対応

Googleは2026年6月9日、オープンモデルGemma 4を活用した開発者プロジェクト3件を公式ブログで紹介しました。Gemma 4はリリース以来1億5000万回以上ダウンロードされており、Multi-Token Prediction(MTP)による推論高速化や12B Unifiedモデル、量子化対応チェックポイントなど機能拡張が進んでいます。Apache 2.0ライセンスで公開されており、エッジデバイスからローカルワークステーションまで幅広い環境で利用できます。

1つ目の事例は、アプリ開発企業HubXが構築したオフラインAI英語学習プラットフォーム「BetterSpeak」です。エッジ最適化されたGemma 4 E2B(実効2Bパラメータ)モデルを推論エンジンとして採用し、インターネット接続なしでプライベートかつ低遅延の英語指導を実現しています。Googleが公開した4bit量子化版を使うことで、文法解説や進捗管理をモバイル端末上で処理しています。

2つ目の事例では、開発者がGemma 4の視覚言語タスク能力を活用し、「中世の吟遊詩人」というペルソナを維持しながら画像内の物体を正確に識別するデモを作成しました。物体検出や画像キャプション生成など多様なビジョン機能を、キャラクター設定と両立させた応用例です。

3つ目の事例では、開発者の@GOROmanが現実世界を冒険ゲームに変換するアプリを構築しました。大型モデルが提供する最大256Kのコンテキストウィンドウにより、ゲーム内の長い履歴を記憶し続けることが可能です。Googleはこれらの事例を通じて、Gemma 4がローカル環境で最大限の制御性を持って利用できるオープンモデルとしての実用性を示しています。

Apple、WWDC26でSiri AIと独自基盤モデルAFM 3を発表

Siri AI刷新の全容

Google Geminiベースの新Siri AI
専用アプリとして独立、全デバイス対応
画面認識で文脈に応じた操作を実行
Private Cloud Computeでプライバシー確保

AFM 3とAI写真編集

AFM 3は20Bパラメータをフラッシュに格納
オンデバイスで1B〜4Bを動的に活性化
写真のフォトリアル生成を解禁
SynthID透かしで改変を識別

開発者向けAI基盤

App Intentsでアプリ操作をSiriに公開
Shortcutsの自然言語生成でバイブコーディング実現

Appleは2026年6月9日、年次開発者会議WWDC 2026で、AIアシスタント「Siri AI」の全面刷新と、第3世代の独自基盤モデル「AFM 3」ファミリーを発表しました。新SiriはGoogle Geminiをベースとし、専用アプリとして独立。テキスト・音声・画像によるマルチモーダル対話に対応し、iPhoneからMac、Apple Watchまで全デバイスで利用できます。Tim Cook CEOにとって最後のWWDCとなる今回、同社はAI分野での遅れを取り戻す姿勢を鮮明にしました。

Siri AIの最大の特徴は、画面上のコンテンツを認識して文脈に応じた操作を実行するエージェント機能です。InstagramやSafariで表示中の情報をもとに検索や予定登録を行ったり、メッセージの文脈からリマインダーを自動提案したりできます。Apple上級副社長のCraig Federighi氏は「AIにおけるプライバシーは交渉の余地がない」と強調し、処理はオンデバイスまたはPrivate Cloud Computeで完結すると説明しました。

技術面で注目されるのがAFM 3 Core Advancedです。20億パラメータの重みをDRAMではなくNANDフラッシュに格納し、プロンプトごとにルーティングして1B〜4Bのパラメータを動的にDRAMへロードします。従来のMoEモデルがトークンごとにエキスパートを切り替えるのに対し、プロンプト単位で一度だけ選択する設計により、メモリ帯域の制約を回避しています。サーバー側のAFM 3 Cloud ProはGoogle Cloud上のNvidia GPUで稼働し、複雑な推論やエージェント処理を担います。

写真編集では、Appleはこれまでの慎重姿勢を転換し、Image Playgroundでフォトリアルスタイルの画像生成を解禁しました。新ツール「Extend」は画像の枠外をAIで補完し、「Spatial Reframing」は写真の視点を3D的に変更できます。改変画像にはGoogleのSynthID透かしを付与し、AI生成コンテンツの識別を可能にしています。かつてFederighi氏が「写真は現実を正確に捉えるべき」と述べていたことを考えると、大きな方針転換です。

開発者向けには、App IntentsとApp Schemasを通じてアプリの機能をSiriやSpotlightに公開する仕組みが拡充されました。Shortcutsアプリでは自然言語による操作の自動化が可能になり、Safariでも自然言語でブラウザ拡張機能を作成できます。一方、Siri AIはEUと中国では当初利用不可で、対応ハードウェアも限定されるため、グローバル展開には課題が残ります。Appleの戦略はスタンドアロンのチャットボットではなく、OS全体にAIを統合するアプローチであり、プライバシーを武器にMicrosoftやGoogleとの差別化を図っています。

Anthropicが初の一般公開Mythosモデル「Claude Fable 5」を発表

Fable 5の性能と位置づけ

Mythos級モデル初の一般公開
SWE-bench Proで80.3%達成
高リスク領域はOpus 4.8に自動転送
95%超のセッションが転送なしで完了

企業導入と安全対策

Stripeが2か月の移行作業を1日で完了
1000時間超のテストで汎用脱獄なし
全トラフィックに30日間データ保持を義務化
入力100万トークン10ドルの価格設定

Anthropicは2026年6月9日、Mythos級モデルとして初めて一般公開されるClaude Fable 5と、制限付きアクセスのClaude Mythos 5を同時に発表しました。Fable 5はソフトウェアエンジニアリング、知識業務、ビジョン、科学研究の各分野で同社史上最高の性能を示し、SWE-bench Proで80.3%、FrontierCode Diamondで29.3%を記録しています。

Fable 5とMythos 5は同一の基盤モデルですが、一般公開版のFable 5にはサイバーセキュリティ、生物学・化学、モデル蒸留に関するリクエストを検知してClaude Opus 4.8に自動転送する安全機構が組み込まれています。Anthropicによると、セッションの95%以上はFable 5自体の応答のみで完了し、転送が発生するのは全体の5%未満です。1000時間を超える社内外のレッドチームテストでは汎用的な脱獄手法は発見されませんでした。

早期アクセスを得た企業からは高い評価が寄せられています。Stripeは5000万行のRubyコードベースで、チームが2か月以上かかる移行作業をFable 5が1日で完了したと報告しました。CursorはCursorBenchで最高性能と評価し、Hexは複雑な分析タスクのベンチマークで初めて90%を突破したと述べています。金融分野ではIMCやOptiver、Balyasnyがトレーディング分析での優位性を認めています。

制限付きのMythos 5はProject Glasswingのサイバー防御パートナーと一部の生物学研究者のみに提供されます。同モデルはExploitBenchで78.0%を記録し、サイバーセキュリティ能力では世界最高と同社は主張しています。生命科学分野では、社内の専門家がMythos 5を用いて創薬プロセスの一部を約10倍に加速し、14のタンパク質標的のうち9件で有望な候補を得たとしています。

価格は入力100万トークンあたり10ドル、出力100万トークンあたり50ドルで、Opus 4.8の2倍ですがMythos Previewの半額以下です。サブスクリプションプランでは6月22日まで追加料金なしで利用可能ですが、6月23日以降は使用クレジットが必要になります。また全Mythos級モデルのトラフィックに対し30日間のデータ保持が義務化され、訓練目的には使用しないとしています。AnthropicとOpenAIの両社がIPOを非公開で申請するなか、高性能モデルの商用展開競争が激化しています。

Amazon社員がシアトルのデータセンター新設凍結を支持

市議会の凍結議案

シアトル市議会が1年間の新設凍結を採決
新規5施設で市の電力消費の約3分の1に相当
既存30施設の10倍の電力消費増

社員と住民の反対

Amazon社員が公聴会で凍結支持を表明
1000人超が気候目標放棄を批判する公開書簡に署名
再生可能エネルギー100%や安全委員会の義務化を要求

全米に広がる規制の動き

ニューヨーク州議会も大型施設の1年凍結を可決
Amazonは年間2000億ドルの設備投資を計画

シアトル市議会は2026年6月9日、データセンターの新規建設を1年間凍結する緊急モラトリアムの採決を行います。4社が提案した5つの大型施設は合計で最大369メガワットの電力需要が見込まれ、これはシアトルの1日の平均電力消費の約3分の1に相当します。水資源の消費や電気料金の上昇、騒音への懸念から、住民や技術者が圧倒的多数で凍結を支持しています。

注目すべきは、Amazonの現職社員が自社のデータセンター拡大に反対する立場で公聴会に登壇したことです。シニアソフトウェアエンジニアのLiesl Wigand氏は「AIであらゆる問題を解決すべきだという考えが、コストを無視する文化を生んでいる」と証言しました。社員グループ「Amazon Employees for Climate Justice」は昨年、1000人超の署名を集め、Amazonが気候目標をAI開発のために放棄していると批判する公開書簡を発表しています。

社員らは具体的な規制案も提示しました。開発事業者にNDAやペーパーカンパニーによる匿名性の排除を求め、地域電力網への100%再生可能エネルギーの追加供給、レイオフ実施時の課税、そして市に報告義務を持つ労働者主導の安全委員会の設置を要求しました。水や電力の使用量の公開報告も求められています。

こうした動きはシアトルに限りません。ニューヨーク州議会は大型データセンターの1年間の建設禁止法案を可決し、知事の署名を待つ段階にあります。全米各地で個別のデータセンター計画が住民の抗議を受けて中止や縮小に追い込まれる事例も相次いでいます。

Amazonが今年2000億ドル、Microsoftが1900億ドルの設備投資を計画する一方で、Amazonは過去8か月で本社の3万人を解雇しました。社員のPatrick Schloesser氏は「巨大テック企業は計算能力をできるだけ速く構築しようと必死になっている。その必死さが私たちの都市に交渉力を与える」と述べ、企業の投資規模そのものが住民側のレバレッジになると指摘しました。

AIエージェントがHugging Face Spacesを連鎖し3Dギャラリーを自動構築

ビルディングブロック経済の実践

agents.mdでSpace APIを標準公開
画像生成と3D再構成を自動連鎖
統合コードなしでモデル間を接続

マルチメディア開発の変革

パリ・日本・エジプトのギャラリーを量産
新ギャラリーの限界費用は説明文1行分
人間の介入は審美的判断のみ

Hugging FaceのエンジニアMishig Davaadorj氏が2026年6月9日、AIコーディングエージェントが2つのHugging Face Spacesを連鎖させてパリの名所を3Dガウシアンスプラットで表示するギャラリーサイトを自動構築した事例をブログで公開しました。画像生成にはIdeogram4、単一画像からの3D再構成にはTripoSplatが使われ、エージェントは画像生成からファイル圧縮、ビューア構築、デプロイまでを一貫して実行しました。

この事例の技術的な核となるのが、Gradio Spaceが自動公開するagents.mdという仕様ファイルです。agents.mdにはAPIスキーマのURL、エンドポイントの呼び出し方法、ファイルアップロード手順、認証方式がプレーンテキストで記載されており、エージェントはクライアントライブラリやSDKなしでSpaceを操作できます。これにより、異なる組織が開発した最先端モデル同士を統合コードゼロで連鎖させることが可能になります。

Davaadorj氏はMitchell Hashimoto氏が提唱する「ビルディングブロック経済」の概念を引用し、AIがゼロからの構築よりも実績あるコンポーネントの組み合わせに優れている点を強調しています。従来コードライブラリの文脈で語られてきたこの考え方が、画像生成・動画・音声・3Dなどマルチメディア領域にも波及しつつあるという見解を示しました。

実用性を示す証拠として、パリのギャラリー構築後に同じパイプラインで日本とエジプトのギャラリーも「1文の指示」で量産できたことが報告されています。エッフェル塔やカルナック神殿、姫路城など各国6つの名所が3Dスプラットで再構成され、Three.jsベースのビューアにスクロール切替やドラッグ回転のUIが実装されました。人間が介入したのは「もう少しズームアウトして」「オベリスクを別の建造物に差し替えて」といった審美的な判断のみでした。

この事例は、モデルの統合に伴うSDK管理やGPU確保、入力形式の変換といった障壁がagents.mdによって大幅に低下したことを示しています。「プロンプトから回転する3Dモニュメントを生成する」という作業が、かつてはプロジェクト単位の取り組みだったものが、パイプラインの1ステップに縮小されたとDavaadorj氏は述べています。

AI育児インフルエンサー台頭、母親のAI活用と性差

AIを共同育児者に

ChatGPTで寝かしつけ解決の母親が話題
AI育児プロンプト販売で新ビジネス創出
家事・育児の見えない労働をAIで代替

AI利用の男女格差

女性のAI利用率、男性より20%以上低い
「母親の罪悪感」がAI活用の障壁に
AI企業の開発者層が女性の需要を反映せず

効率化か構造問題か

掃除機や洗濯機と同じ「家庭に縛る道具」との批判
根本的な家事分担の不平等は未解決

スイス在住のブランドコンサルタント、リリアン・シュミットさんは、3歳半の娘の寝かしつけに毎晩2〜3時間を費やしていました。専門家の助言がすべて失敗した末にChatGPTに相談したところ、従来と正反対のアドバイスが功を奏し、5分で娘が眠りについたといいます。この体験をきっかけに「AIを共同育児者にした」というTikTok動画を投稿し、3週間でフォロワーが2万7000人に急増しました。

シュミットさんのような「AI育児インフルエンサー」が急増しています。独自のAI育児プロンプトを37ドルで販売したり、母親向けにAI活用のコンサルティングを行うなど、新たなビジネスモデルも生まれています。元テックコンサルタントのサラ・ドゥーリーさんは、歯磨きの歌の作成やベビーシッターへの連絡にAIを活用し始め、現在は「AI-Empowered Mom」というブランドでフルタイムの事業を展開しています。

一方で、AI利用には深刻な男女格差が存在します。2025年の調査によると、女性は男性より20%以上、日常生活で生成AIを使う割合が低いとされています。「Mother AI」創業者のステファニー・ルブラン=ゴッドフリーさんは、AI業界が「白人・男性・旧態依然」な開発者層に偏っており、母親のニーズを反映していないと指摘します。また、AIに頼ることを「ズル」と感じる「母親の罪悪感」も利用の妨げになっています。

こうした動きには批判もあります。記事の筆者自身がAI育児を試みたところ、日常タスクをプロンプトに入力する作業自体がストレスとなり、家事責任が依然として女性に集中している構造的問題を突きつけられたと述べています。夫はClaudeを株式投資や建築の仕事に使っているものの、誕生日会や通院の管理には使おうとしないという実態も紹介されています。

AI育児ツールは掃除機や洗濯機と同様、家事を効率化する一方で女性を家庭に縛り続ける道具になりかねないとの懸念が残ります。ルブラン=ゴッドフリーさんは「これらのツールは時間に余裕のある人のために作られた。母親にはその余裕がない」と述べ、テクノロジーだけでは家事分担の根本的な不平等は解消されないと警鐘を鳴らしています。

Microsoft公式パッケージ73件に認証情報窃取マルウェア混入

攻撃の手口と被害

73件のパッケージが汚染
AWS・Azure・GCP等90超の認証情報を窃取
クラウド経由で横展開し他端末にも感染

Microsoftの対応と背景

GitHubは当初「規約違反」と表示
5月のdurabletask汚染に続き2度目
OIDC署名トークンの悪用で検証を突破
攻撃者TeamPCPのMiasmaマルウェアと特定

Microsoftの公式リポジトリで公開されていたオープンソースパッケージ73件が、認証情報を窃取する高度なマルウェアに汚染されていたことが判明しました。開発者がAIコーディングエージェントでこれらのパッケージを開くと悪意あるコードが実行される仕組みで、複数のセキュリティ研究者が報告しています。

マルウェア「Miasma」は28KBのペイロードを実行し、AWS、Azure、GCP、Kubernetes、パスワードマネージャーなど90種以上の開発ツールから認証情報を抜き取ります。さらにクラウドインフラを通じて横方向に拡散し、他の開発者のマシンにも感染を広げる機能を持っています。攻撃者グループ「TeamPCP」によるもので、同グループが公開した「Mini Shai-Hulud」ツールキットの派生です。

今回の手口はSLSA(ソフトウェア成果物のサプライチェーンレベル)の完全性証明に使われるOIDCトークンを窃取し、正規のMicrosoft署名を悪用するものです。暗号署名による検証をすり抜けるため、開発者が通常のセキュリティチェックだけでは異常を検知できません。

この事件は5月にMicrosoftのdurabletask Python SDK(月間40万ダウンロード)が同様の手口で汚染された事案に続く、わずか数週間での2度目のサプライチェーン攻撃です。GitHubは当初パッケージを「利用規約違反」として無効化しただけで、マルウェア混入を明示しませんでした。Microsoftも月曜日になってようやく「潜在的な悪意あるコンテンツを調査中」と認めており、影響を受けた開発者はシステムが侵害されている前提で対応すべきだと専門家は警告しています。

Google、最新詐欺動向レポートを公開

進化する攻撃手法

AITM攻撃でMFA突破が常態化
暗号資産詐欺の被害額が拡大
悪意あるアプリが権限悪用で恐喝

対策と防御策

セッション保護技術DBSCの導入
警察詐称の組織的ネットワークを無力化
Android開発者の本人確認を義務化
AI活用で不正広告パターンを検出

Googleは2026年6月、最新のオンライン詐欺動向をまとめた「Scams Advisory」第4号を公開しました。NASDAQのレポートによると、2025年の世界の詐欺被害額は推定5800億ドルに達し、成人の約5人に1人が被害に遭っています。Googleはこうした脅威に対し、AIを活用した検知・防御体制を強化しています。

フィッシング攻撃は従来のメール型から、正規のログイン画面を模倣してパスワードとセッションCookieを同時に窃取するAITM攻撃へと進化しています。QRコードを悪用した「クイッシング」やカレンダー招待への偽通知埋め込みなど、信頼されるクラウドサービスを悪用してセキュリティフィルターを回避する手口が広がっています。Googleはセッションを端末に紐づけるDBSC技術の導入や法的措置でこれに対抗しています。

暗号資産関連では、偽トークン配布や不正マイニングソフト、ノード構築チュートリアルを装ったウォレット窃取など多様な手口が確認されています。米国だけで2025年に110億ドル超の暗号資産詐欺被害が報告されました。Googleは広告ポリシーの厳格な適用と予測分析により、不正な暗号資産広告のブロックを進めています。

モバイル分野では、正規の個人金融アプリを装ったマルウェアが連絡先やSMS履歴を窃取し、被害者を恐喝する事例が増加しています。アプリストアの審査強化を受け、攻撃者は初回審査後にマルウェア機能を追加する「バージョニング」手法を用いています。

南アジアや東南アジア、湾岸諸国では、警察や政府機関を騙る組織的な詐欺が深刻化しています。公式に見せかけたメールアドレスから偽の会議招待を送り、ビデオ通話で「デジタル逮捕」と称して金銭を要求する手口です。Googleは多層防御とAndroid開発者の本人確認義務化により、こうした偽装ネットワークの撲滅を進めています。

AppleがSiri AIを発表、Google連携で対話型AIアシスタントに刷新

Siri AIの全面刷新

専用アプリで会話履歴を管理
画面内容を読み取りアプリ横断で操作
Google Gemini基盤の新モデル搭載
Dynamic Islandからスワイプで起動
音声のペース・表現力をカスタマイズ可能

Apple Intelligence全体の進化

Safariがタブを自動分類
Shortcutsを自然言語で作成可能に
写真の空間リフレームで構図を変更

展開と制約

年内ベータ、EU・中国では当初利用不可
対応言語は英語のみで順次拡大予定
小規模開発者にAIクラウド基盤を無償提供

Appleは2026年6月8日のWWDC 2026基調講演で、音声アシスタントSiriを全面的に刷新した「Siri AI」を発表しました。2024年に予告しながら実現できなかったAI強化を、Googleとの提携によりGeminiベースの新しいApple Foundation Modelsとして再構築しています。新しいSiriはChatGPTやClaudeのような対話型インターフェースを備えた専用アプリとして提供され、会話履歴がiCloud経由で全デバイス間で同期されます。

Siri AIの最大の特徴は、システム全体への統合です。画面に表示されている内容を読み取り、アプリをまたいで操作を実行できます。たとえば通話中にメールから航空便の詳細を表示したり、カレンダーの予定を自然言語で作成したりすることが可能です。iPhoneではDynamic Islandからのスワイプ、MacではSpotlight、Vision Proでは視線で起動でき、あらゆるデバイスでシームレスにアクセスできます。

Apple Intelligenceの進化はSiri以外にも広がっています。SafariはAIによるタブ自動整理やウェブサイトの変更通知機能を獲得し、Shortcutsは自然言語でワークフローを構築できるようになりました。写真アプリには撮影後に構図を変更できる「Spatial Reframing」、画像の端を拡張する「Extend」ツール、精度が向上した「Cleanup」ツールが追加されています。Image Playgroundもより高品質な画像生成が可能になり、開発者向けAPIも公開されます。

カメラアプリにはSiriモードが追加され、レシートを撮影して割り勘計算からApple Cash送金まで一連の操作を自動化できます。また、200万ダウンロード未満の小規模開発者にはPrivate Cloud Compute上のFoundation Modelsを無償で提供し、AI開発の参入障壁を下げる施策も発表されました。

ただし展開には制約があります。Siri AIは年内にベータ版として提供されますが、EUではiOS・iPadOSで当初利用できず、中国では規制上の理由から提供されません。対応言語も英語のみでのスタートです。高度なオンデバイスAI機能はiPhone Air・iPhone 17 Pro、M4以降のiPad、M3以降かつ12GB以上のRAMを搭載したMacに限定されます。なお今回のWWDCは、9月1日にCEOをJohn Ternusに引き継ぐTim Cookにとって最後の基調講演となりました。

気象・気候科学のAI活用、革命ではなく着実な進化

LLMではなくMLが主役

機械学習でデータのパターンを検出
LLMではなく従来型ML技術を応用
気象と気候で異なる手法を使い分け

過大な期待への警鐘

NWSがAI画像で架空の地名を生成
気象学者の代替ではなく補助的活用
長年の研究に裏打ちされた堅実な技術
強みと弱みが十分に理解された手法

気象・気候科学におけるAIの活用が注目を集めていますが、その実態は「革命」というよりも着実な進化です。Ars Technicaの分析記事は、この分野で使われているAIが大規模言語モデル(LLM)ではなく、機械学習(ML)であることを強調しています。

2026年初頭には、米国立気象局(NWS)の事務所がSNS用にAI生成画像を使用した際、アイダホ州の予報図に「Whata Bod」「Orangeotild」といった架空の地名が表示される失態がありました。ただしこれは実際の予報モデルとは無関係で、あくまでソーシャルメディア用の画像生成での問題です。

記事が指摘する重要な点は、気象予報と気候シミュレーションで異なるML手法が使い分けられていることです。機械学習はデータ中のパターンを検出する技術であり、単純な線形回帰から複雑なニューラルネットワークまで幅広い手法があります。気象・気候の研究者たちは長年にわたってこれらの技術を研究し、その強みと限界を十分に把握しています。

AI全般への過大な期待が広がるなか、気象・気候分野では地に足のついた活用が進んでいます。気象学者や気候科学者がLLMのプロンプトエンジニアに置き換えられる状況にはなく、既存の科学的知見と組み合わせた堅実なML応用が成果を上げています。

AI利用コスト急騰、IPO控える業界に試練

トークン課金の衝撃

GitHub Copilotがトークン従量制へ移行
開発者から「Tokenpocalypse」と批判
Uberは4カ月で年間AI予算を超過

IPOと収益性の壁

Anthropicなど大手がIPO準備中
投資家補助に依存した価格設定の限界
ChatGPT月額20ドルは戦略なき値付けとの指摘

変化の速度と規制

トークンマキシング流行から半年で反転
トランプ大統領がAI監視の大統領令に署名

MicrosoftがGitHub Copilotの課金体系をトークン従量制へ大幅に変更し、開発者コミュニティに衝撃が走っています。Redditではあるユーザーの勤務先がこの事態を「Tokenpocalypse(トークンの黙示録)」と呼び始めたことが話題となり、AI利用コストの急騰に対する不満が噴出しました。TechCrunchのEquityポッドキャストでは、この動きがAI業界全体に波及する可能性が議論されています。

とりわけ注目されるのは、Anthropicをはじめとする大手AI企業がIPOを控えるなか、収益性への疑問が高まっている点です。これまでAIサービスの価格は投資家の資金で大幅に補助されてきましたが、上場に向けてコストを利用者に転嫁する動きが加速するとみられます。ポッドキャスト出演者のSean O'Kane氏は「AI研究所はコストを十分に圧縮し、顧客の支出意欲と折り合いをつけられるのか」と問いかけました。

Uberの事例は業界の苦境を象徴しています。同社はAI支出がわずか4カ月で2026年の年間予算を使い切り、利用制限の導入を余儀なくされました。ChatGPT Plusの月額20ドルという価格設定も、戦略的な根拠なく決められたものだったと指摘されており、真のコストとの乖離が問題視されています。

変化のスピードも前例がないとTechCrunchのKirsten Korosec記者は強調します。「トークンマキシング」がブームになり、わずか半年で否定的に見られるようになったことが象徴的です。同時期にトランプ大統領が強力なAIモデルの政府審査を可能にする大統領令に署名しており、規制面でも急速な動きがあります。AI企業がS-1(上場申請書)にリスク要因をどう記載するかという問題は、業界の不透明さを端的に示しています。

Hugging Faceハッカソンで小規模モデルのゲーム生成に挫折

試行錯誤と失敗の過程

Nemotron 30Bでゲーム生成を試行
長文プロンプトでは動作せず
スキルカードでコンテキスト超過
RAG併用も画面は真っ白

方針転換と得られた教訓

複雑なゲームを断念しHTML生成に転換
時計やToDoリストは生成可能
Tetris級の複雑さで破綻
小規模モデルの限界が明確に

Hugging Face主催のBuild Smallハッカソンで、参加者がNVIDIAのNemotron 30Bモデルを使い、Three.jsベースのゲームを自動生成するプロジェクトに挑戦しました。アニメ「The Amazing Digital Circus」に着想を得た「デジタルペット」が冒険=ゲームを生成するというコンセプトでしたが、最終的にゲーム生成は実現できませんでした。

開発者はまず長文プロンプトでモデルに指示を与えましたが、生成されたゲームは正常に動作しませんでした。次にGitHub Copilotのスキルカードを導入したところ、短く設定していたコンテキストウィンドウを圧迫。ウィンドウを拡大しても問題は解消されませんでした。

さらにCodexでスキル情報を要約し、RAGで参照させる方式も試みました。この手法ではモデルの応答品質がやや改善したものの、生成されるゲームには必ず不具合があり、画面が真っ白になるケースが続出しました。

最終的にゲーム生成を断念し、シンプルなHTML生成ツールへと方針を転換しています。時計やToDoリスト、SnakeやBreakoutといった単純なゲームはワンショットで生成できるものの、Tetris級の複雑さになると破綻するとのことです。小規模モデルでの複雑なコード生成には依然として大きな壁があることを示す事例といえます。

AIエージェント普及でコード以外の課題が露呈

コード生成の先の壁

要件定義や運用が真のボトルネック
人間のレビュー負荷が急増
エージェントは曖昧さや責任を圧縮しない

経営層への3段階指針

権限最小化とコスト管理の徹底
マルチモデル戦略とビジネス指標での評価
安易な人員削減前に戦略再構築が必要

人材の役割転換

構文記述者からシステム思考者へ転換
成果量でなく事業インパクトで評価

VentureBeatに6月7日掲載されたClifton AI共同創業者兼CTOのJoe Bertolami氏による論考は、AIエージェントがソフトウェア開発の実行速度を劇的に高めた一方、コード生成以外の課題がかえって深刻化していると指摘しています。コードを書く速度は本来の律速ではなく、要件定義や複雑なシステム統合、運用保守こそが困難な部分であり、エージェントが大量のコードを生み出すことでその負担はさらに増大しています。

同氏は企業のエンジニアリング部門に向け、3段階のプレイブックを提示しました。第1段階は財務・リスクガバナンスです。エージェントに人間と同等の権限を与えず最小権限を適用すること、AIの予算暴走を防ぐためクォータやレート制限を設けることを求めています。Uberが2026年の予算を4カ月で使い切った事例などが警告として挙げられました。

第2段階は技術戦略で、単一モデルに依存せずマルチモデル・マルチベンダー体制を構築し、タスクごとに最適なモデルを使い分けることを推奨しています。成果の計測も、デプロイ数やコード行数ではなく、機能定着率や変更失敗率といったビジネス成果とエンジニアリングの耐久性に紐づく指標で行うべきだとしています。

第3段階は人材と組織の再編です。エンジニアはコードの記述者からシステム設計者・エージェント管理者へ移行する必要があり、評価指標もストーリーポイントなどの量的基準から、事業インパクトやシステム間の信頼性に重点を置く形へ変えるべきだと主張しています。

Bertolami氏は、AIエージェント導入前に業務基盤を整えないまま人員削減に走ることを強く戒めています。AIは工学的判断を代替するものではなく、それを増幅する力の乗数であり、統制なき導入は障害や技術的負債、予想外のコスト増をもたらすと警告しました。「測ってから切れ」という格言に従うべき局面で、多くの企業がただ切るだけの選択をしていると締めくくっています。

Anthropic、NSAの攻撃的ハッキングを技術支援

AIと国家安全保障

AnthropicがNSAに技術者派遣
脆弱性発見ツールMythosを提供
攻撃的ハッキングへの転用懸念

AI悪用のリスク

Metaのスマートグラスに顔認識コード
Meta AI支援機能でアカウント乗っ取り

新たな脅威手法

SSD計測のブラウザ攻撃FROST
中国研究所が暗号資産でペプチド販売

米メディアWIREDは2026年6月6日、今週のセキュリティ関連ニュースをまとめて報じました。中でも注目されるのが、AI企業Anthropicが米国家安全保障局(NSA)の攻撃的なハッキング活動を技術支援しているという英Financial Timesの報道です。AIがサイバー攻防の中核に組み込まれつつある現状を象徴する動きとなっています。

報道によれば、Anthropicはソフトウェアのぜい弱性を高速で発見できるツール「Mythos」をNSAに提供し、さらに自社のエンジニアを同局に派遣して活用方法を指導しているとされます。Mythosは大量の監視やサイバー攻撃への転用が懸念されており、当初は米国製ソフトの防御目的とみられていました。しかし今回の報道は、その用途が攻撃側にも及ぶ可能性を示しています。

プライバシー面では、Metaがスマートグラス連携アプリを通じ、5000万台超のスマホに休眠状態の顔認識コードを密かに配備していたとWIREDが報じました。「NameTag」と呼ばれるこの機能は、目の前の人物を端末上の生体情報と照合して特定するもので、同社が2021年に撤退したと説明していた技術と同種のものです。

生成AIの悪用も相次いでいます。xAIのチャットボットGrokが生成したディープフェイクのわいせつ画像をめぐる訴訟では、xAI側が原告らに実名での訴訟を求めて争っています。またMetaがAIで自動化した利用者サポート機能が悪用され、オバマ元大統領らの著名アカウントが乗っ取り被害に遭ったことも判明しました。

新たな技術的脅威も浮上しています。研究者らはSSDの読み取り時間を計測して他のタブや端末上のアプリを特定する、JavaScriptだけで動くブラウザのサイドチャネル攻撃「FROST」を報告しました。一方で、かつてフェンタニル前駆体を扱っていた中国の研究所が、暗号資産決済を通じたペプチド販売に転換している実態も明らかになっています。