Tech News JP

米国で、AIが暴走した際に政府が強制的に停止できるようにする「AIキルスイッチ法案」が、2026年7月23日（現地時間）に連邦議会へ提出された。するとその翌24日、NVIDIA・Microsoft・Metaなど25の企業・団体が共同書簡「Open Weights and American AI Leadership」を公開し、規制ではなく「AIを広く公開すること」こそが安全性につながるという反論を展開した。PC Watchが報じている。 なぜこの書簡が注目されるのか 書簡が擁護するのは「オープンウェイトモデル」、つまりAIの頭脳にあたるデータそのものを公開し、誰でも入手・改変して自分のコンピュータ上で動かせるAIモデルだ。ChatGPTのように開発企業が頭脳部分を非公開のまま提供する「クローズドモデル」とは対極にある。 背景には、中国Moonshot AIの「Kimi K3」など、最先端級の性能をうたう中国製オープンモデルの台頭がある。世界中に広がるAIをどう安全に運用するかという問いが、米国の政策論争に火をつけた形だ。 興味深いのは署名者リストの中身である。NVIDIAやMicrosoft、Metaが名を連ねる一方、クローズドモデルを主力とするOpenAI・Anthropic・Googleの名前はない。つまりこの書簡は業界全体の総意ではなく、「AIの公開」を推す陣営からの呼びかけという性格が強い。 海外の反応・論点 発表の仕方も異例だった。これまでX（旧Twitter）を使っていなかったNVIDIAのジェンスン・フアンCEOは、この書簡を発信するためだけに新規アカウントを開設し、「最初の投稿として、NVIDIAが署名した書簡を共有したい」という一文とともに書簡を紹介した。MicrosoftのサティアCEOも署名し、賛同を表明。署名していないイーロン・マスク氏も「全面的に支持する。ジェンスンは正しい」とXで同調した。 非署名側のOpenAIサム・アルトマンCEOも「米国にはオープンソースと非公開モデルの両方でAIに勝ってほしい。この動きをうれしく思う」と投稿しており、書簡そのものを敵視する空気はない。 書簡は、いったん公開したAIは開発元でも回収できないという弱点を認めた上で、「オープンさこそAIの安全への最も重要な道の1つになり得る」と主張する。少数の企業がAIを独占すればその企業のミスに社会全体が巻き込まれるが、中身が公開されていれば世界中の研究者が欠陥を見つけて直せる、という論理だ。あわせて、新興企業への支援や「時期尚早な規制」の回避も政策当局に求めている。 日本市場での注目点 日本の開発者やエンジニアにとっても、この議論は対岸の火事ではない。オープンウェイトモデルは既に日本国内でも、オンプレミス環境でのAI活用やコスト管理を目的に採用が進んでおり、米国の規制動向は利用可能なモデルの選択肢そのものに影響しうる。仮に「キルスイッチ」的な規制がオープンモデルの流通に制約をかける方向に転べば、海外モデルへの依存度が高い日本のAI活用にも波及する可能性がある。 日本国内では総務省・経済産業省が主導する「AI事業者ガイドライン」など、罰則より事業者の自主的な取り組みを促す枠組みが先行しており、方向性としては今回の書簡が主張する「規制より公開・透明性」という考え方と親和性が高い。今後の日本のAI政策論議でも、参照点として扱われる可能性がある。 筆者の見解 AIエージェントの活用は「禁止して事故を防ぐ」のではなく「安全に使える仕組みを用意し、公式なルートが一番便利だと思わせる」ことでしか定着しないというのが筆者の一貫した立場だ。今回の書簡が主張する「オープンさが安全性を担保する」というロジックは、この考え方と重なる部分が大きい。中身を隠して規制で縛るより、広く公開して世界中の目でチェックし続ける方が、結果的に頑丈な仕組みができるという発想には実感がある。 MicrosoftがサティアCEOの署名という形で明確に賛同を示したのは歓迎したい判断だ。AI領域での主導権争いにおいて、Microsoftには規制対応で守りに入るのではなく、オープンな技術基盤づくりに正面から関与してほしい。応援する立場から言えば、こうした一手をもっと積極的に、そして継続的に打ち続けてもらいたいところだ。 もっとも、書簡自身も認める通り、一度公開したAIは取り消せない。「公開すれば安全になる」という主張だけで思考停止せず、公開と同時にどう安全網を張るかという実務的な議論を続ける必要はあるだろう。法律による強制と、開かれた仕組みによる自律的な安全確保――どちらか一方ではなく、両者をどう組み合わせるかが、これからの焦点になりそうだ。 出典: この記事は 暴走AIは法で止めるべき？米AI規制法案にNVIDIAらが共同書簡で対抗 の内容をもとに、筆者の見解を加えて独自に執筆したものです。

イーロン・マスク氏は7月25日（日本時間）、X（旧Twitter）上で「来月、Xのシステムに関わるすべてのコードをオープンソース化し、第三者の監査を受ける」と投稿した。同氏は7月15日にも、セキュリティ脆弱性のレビュー完了を条件に全コードベースを公開する方針を表明していたが、当時は時期に言及していなかった。今回の投稿で、公開時期が2026年8月であることが初めて明らかになった。PC Watchが報じている。 なぜこの発表が注目か Xの推奨アルゴリズムをめぐっては、表示順位の操作やモデレーション基準の不透明さが繰り返し指摘されてきた経緯がある。2023年にも「For You」タイムラインの推奨ロジックの一部がGitHub上で公開されたが、今回マスク氏が予告しているのは「システムに関わるすべてのコード」という、より踏み込んだ範囲だ。さらに重要なのは、公開されたコードが実際に本番環境で動いているものと同一であることを、第三者のレビュアーに検証させるという点。ソースを見せるだけでなく「見せたものが本当に動いているか」まで確認させる姿勢は、プラットフォームの透明性としては一段踏み込んだ約束と言える。 海外での受け止め方 ただし、7月25日時点でマスク氏が公表しているのは大枠の方針のみだ。8月のいつ公開するのか、前提としていた脆弱性レビューが完了したのか、コードのライセンス形態は何か、監査を担う第三者が誰なのか——といった実務上の詳細は明らかになっていない。今回の投稿は7月15日の表明に「来月」という期限を追加しただけとも言え、実現するかどうかは8月の推移を見なければ判断できない状況だ。なお投稿の7分後、マスク氏は「(Former) Trillionaire（元・兆万長者）」とだけ書き込んでいる。6月のSpaceX上場で世界初の"1兆ドル長者"となった直後、株安で陥落したことへの自虐だが、コード公開宣言の直後に自身の懐事情まで明かしてみせるあたり、この人物らしい振る舞いが表れている。 日本市場での注目点 Xは日本でも主要SNSの一つであり、タイムラインの表示ロジックやモデレーション基準への関心は高い。今回の全面オープンソース化が実現すれば、日本のエンジニアやセキュリティ研究者も推奨アルゴリズムやモデレーションの仕組みを直接検証できるようになる可能性がある。一方で、コード公開は日本国内での利用規約や広告料金、X Premiumの価格体系には直接影響しない見込みで、あくまで技術基盤の透明性向上が目的だ。Mastodonのような分散型SNSは元々オープンソースで運営されており、Xがそこに歩み寄る形になる点も、SNSの透明性を比較するうえで覚えておきたい文脈だろう。 筆者の見解 表明そのものは歓迎したい話だ。公開したコードと本番システムが一致しているかを第三者に検証させる仕組みは、口約束ではなく仕組みで信頼を作るという発想であり、方向性としては筋がいい。ただ、7月15日の表明のときも期限は語られておらず、今回もライセンスや監査主体といった具体は詰め切れていない。期限だけが後出しで少しずつ積み増されていく様子を見ると、判断は「発表された瞬間」ではなく「実際に動いているものを確認できた瞬間」まで保留するのが実務的な態度だと思う。ソフトウェアの世界では、宣言よりも動いているコードのほうが常に雄弁だ。 出典: この記事は Xのオープンソース化は「来月」。イーロン・マスク氏は宣言直後に"元・兆万長者"と自虐も の内容をもとに、筆者の見解を加えて独自に執筆したものです。

Anthropicは2026年7月25日(日本時間)、新AIモデル「Claude Opus 5」の提供を開始した。カットオフ(学習データの締め日)は2026年5月。PC Watchが報じたところによると、最上位モデル「Claude Fable 5」に迫る知能を、従来のOpus系列と同水準の価格で提供するのが特徴で、有料プランのMaxでは標準モデルに、Proでは選べる中で最強のモデルとして利用できるようになった。 なぜこの製品が注目か Opus 5は、AnthropicのラインアップでFable 5の下に位置する「Opus」系列の最新版だ。だが性能面ではむしろ最高記録を塗り替えている。コーディング評価「Frontier-Bench v0.1」では全モデル中トップに立ち、前世代「Opus 4.8」の2倍超のスコアを、タスクあたりより低いコストで達成したという。コーディング支援評価「CursorBench 3.2」でも、最大の思考量設定でFable 5の最高スコアとの差0.5%以内に、タスクあたり半分のコストで迫った。 これまでAnthropicのサブスクリプションには明確な格差があった。Fable 5はMaxプランとTeam Premiumプランに標準搭載される一方、月額20ドルのProプランやTeam Standardプランでは従量課金の利用クレジットを別途購入しない限り使えなかった。Opus 5はProプランでも「選べる中で最強のモデル」として提供されるため、フラグシップ級の知能を得る入り口が一気に広がった。API価格は100万トークンあたり入力5ドル(約815円)、出力25ドル(約4,075円)で、前世代Opus 4.8から据え置きだ。 海外レビューのポイント PC Watchの記事は、Anthropicが公表したベンチマーク結果として、知識労働評価「GDPval-AA」での最高記録更新、未知の問題を解く「ARC-AGI 3」で次点モデルの3倍のスコア、PC操作評価「OSWorld 2.0」でFable 5の最高値を3分の1強のコストで上回ったことなどを伝えている。 早期に導入したLovableからは、従来のOpus系モデルより実行ごとの結果のばらつきが減り安定したとの報告が寄せられているという。派手なベンチマークの数字だけでなく、日々の実務で使ったときの再現性が上がっている点は、開発現場でモデルを使い倒すエンジニアにとって見逃せないポイントだ。 安全対策の設計にも変化がある。Fable 5では危険な使い方を検知する安全分類器が広めに設定されており、問題のない通常のコーディング作業まで誤検知される課題があったという。Opus 5のサイバー分野の分類器は、この介入頻度がFable 5比で約85%減る見込みで、脆弱性の発見は許可しつつ、侵入テストや攻撃コード生成のような悪用に近い操作だけをブロックする設計に改められた。 日本市場での注目点 Claude Opus 5はクラウドAPI・サブスクリプション型のサービスのため、家電のような「日本発売時期」は存在せず、発表と同時に日本からも利用可能になっている。料金は米ドル建てで、Proプランが月額20ドル(参考換算で約3,260円)、Maxプランが月額100ドル(5倍利用、約1万6,300円)または200ドル(20倍利用、約3万2,600円)。実際の請求額はカード会社のレート次第で変動する。 なお、一般利用ではデータ保持義務は課されないが、Fable 5相当以上のモデルを利用するビジネス顧客には引き続き30日間のデータ保持が求められる。社内導入を検討する場合は確認しておきたいポイントだ。競合という観点では、GitHub Copilotが直近でGemini系モデルを追加するなど、1つのツールの中で複数ベンダーのモデルを選べるようにする流れが加速している。Opus 5の値付けは、この「モデル選択の多様化」競争にさらに拍車をかける材料になりそうだ。 筆者の見解 Proプランのままフラグシップ級のモデルが使えるようになったことは、素直に歓迎したい変化だ。情報を追いかけるだけでなく実際に手を動かして成果を出す経験を積むことが今のエンジニアにとって最も重要だと考えており、コスト面のハードルが下がったことは、まず触ってみる後押しになる。ベンチマークの数字を眺めているだけでは何もわからない。月額固定の範囲で最上位級のモデルに触れられるなら、自分の手元のコードで試して確かめるのが一番早い。 もう一つ注目したいのは、サイバー分野の安全分類器が誤検知を大きく減らした点だ。危険なリクエストは弾きつつ、正当な脆弱性調査や通常のコーディング作業までブロックしない設計は、「禁止することで安全を確保する」のではなく「安全に使える仕組みを作る」という方向性であり、AIエージェントを実務に組み込むうえで本来あるべき姿勢だと感じる。過剰検知でユーザーの手を止めてしまう仕組みは、結局使われなくなるか、ユーザーが工夫して回避するだけになりがちだ。 AIコーディング支援の各社は、GitHub Copilotのように複数ベンダーのモデルを取り込む方向にも動いており、選択肢の多様化そのものは歓迎すべき流れだ。読者の多くがMicrosoft製品を軸に開発している状況を踏まえても、こうした値付けと安全設計の工夫は他のプラットフォームにも波及していくはずで、その動きを注視していきたい。 出典: この記事は 「Fable 5級を半額で」Claude Opus 5登場。Proでも最強モデルに の内容をもとに、筆者の見解を加えて独自に執筆したものです。

Google傘下の研究開発部門DeepMindが、次期フラッグシップモデル「Gemini 3.5 Pro」の投入を当初計画より遅らせていると、米メディアAxiosが2026年7月23日(現地時間)付で報じた。背景にあるのはDeepMind社員の士気低下、国防関連契約をめぐる社内の反発、そして有力研究者の相次ぐ流出だという。ChatGPT・Claudeとの三つ巴の競争が続くAI業界で、Googleの足踏みが表面化した形だ。 DeepMind内部で何が起きているのか Axiosが伝えた内容によると、Gemini 3.5 Proの遅延は単なる技術的な調整ではなく、組織内部の要因が絡んでいる。政府・国防関連の契約にDeepMindの技術が使われることに対して社内から異論が上がり、これが開発チームの士気に影響しているという。加えて、有力な研究者が他社やスタートアップへ流出する動きも続いており、モデル開発の推進力そのものが弱まっている実態が浮かび上がる。生成AI企業にとって研究者の頭数と士気は開発速度に直結するため、この種の内部の綻びは市場投入時期に直接跳ね返ってくる。 AIアシスタント市場のシェア構図 同じ報道では、AIアシスタント市場におけるシェアも明らかにされている。ChatGPTが46%とトップを走り、Geminiが28%、Claudeは10%という構図だ。ここで注意したいのは、この数字が指すのはあくまで一般消費者向けのAIアシスタントアプリの利用シェアであり、開発者が日常的に使うコーディングエージェントやAPI経由の利用実態とは別の指標だという点だ。総合アシスタントとしての普及度と、特定用途での実務利用の強さは必ずしも一致しない。 投資負担とフリーキャッシュフローへの影響 Googleはデータセンターやカスタムチップ(TPU)への投資を積み増しており、その負担がフリーキャッシュフローを圧迫している点もAxiosは指摘している。AIインフラへの巨額投資は各社共通の課題だが、旗艦モデルの投入が遅れれば投資回収がさらに先延ばしになる。収益化の遅れと投資負担の増大が同時に進む状況は、Googleに限らず生成AI業界全体が直面するリスクでもある。 実務への影響 日本のIT現場にとっても、今回の報道は他人事ではない。第一に、単一ベンダーへの依存はリスクになりうる。Azure OpenAI Service、Google Cloud の Vertex AI、AWS Bedrock経由のAnthropicモデルなど、複数の提供経路を把握し、いつでも切り替えられる構成にしておくことが実務上の保険になる。第二に、モデルの世代交代スケジュールは提供元の内部事情で簡単に動く。ロードマップを前提にプロジェクト計画を組む場合は、遅延を織り込んだバッファを持たせておきたい。第三に、社内での技術活用に対する心理的な反発が開発を遅らせるという構図は、生成AI導入を進める日本企業にとっても教訓になる。現場の納得感を得ないまま上から導入を進めると、同様の摩擦が起きうる。 筆者の見解 今回の報道で興味深いのは、シェア構図の数字よりも「大手企業の内部でも足並みが揃わなくなる」という事実そのものだ。AI業界はここ数年、次々と新モデルが発表されるニュースに注目が集まりがちだが、実際に現場を動かしているのは技術力だけでなく、組織としての士気や意思決定の速さだということを改めて示している。 筆者自身は、こうしたシェア争いのニュースを追いかけること自体にはあまり価値を置いていない。今のAI業界は情報量が多すぎて、すべてを追い切るのは非効率だ。それよりも、今手元にあるツールを実際に使い倒し、成果を出す経験を積むほうがはるかに重要だと考えている。ChatGPTが46%のシェアを握っているという数字も、消費者向けアシスタントとしての普及度を示すに過ぎず、開発現場でエージェント型のツールをどう活用するかという話とは別軸で捉えるべきだろう。 Googleについて言えば、画像生成など一部の領域では高い実力を持っている一方、今回のような組織内部の問題が開発速度を鈍らせているのだとすれば、それは技術力とは別の課題だ。国防契約への反発というのは、企業がAIをどこまで、どんな用途に使うべきかという線引きの難しさを象徴する出来事でもある。日本企業がAI活用の方針を社内で議論する際にも、技術選定と同じくらい、現場の納得感をどう作るかという論点は避けて通れない。 出典: この記事は Google’s Gemini delay widens AI race with OpenAI, Anthropic の内容をもとに、筆者の見解を加えて独自に執筆したものです。

この記事はClaude Code との共同執筆です。 BlueSkyに投稿したら、勝手にXにも流れてくれたらいいのに——そう思ったことはないですか？続きをみる note.com で続きを読む →

省スペースかつ修理・アップグレードのしやすさで知られる米Framework Computerが、ミニPC「Framework Desktop」に新しい構成オプションを追加すると発表した。AMDの新チップ「Ryzen AI Max+ PRO 495」を搭載し、統合メモリを最大192GBまで積めるモデルで、現時点では価格・発売時期は「近日発表」とされ、公式サイトでは事前登録の受付のみが始まっている。 何が変わったのか：統合メモリ192GBという数字の意味 Framework Desktopは2025年2月に、AMDのモバイル向けAPU「Ryzen AI Max」シリーズ（開発コード名 Strix Halo）を採用したミニPCとして登場した。最大の特徴は、CPUとGPUが同じダイ上のメモリコントローラを共有する統合メモリアーキテクチャで、当時のトップモデル「Ryzen AI Max+ 395」はLPDDR5Xを最大128GBまで搭載できた。 今回追加される「Ryzen AI Max+ PRO 495」搭載モデルは、この統合メモリをさらに192GBへ拡大し、帯域幅も273GB/sに向上している。CPUは16コア32スレッドのZen 5、GPUは40基のCU（Compute Unit）を備える統合GPUで、AI処理専用のNPUは131TOPSの性能を持つ。「PRO」を冠しているのは、AMDの法人・ワークステーション向けラインの特徴（拡張されたメモリ保護やリモート管理機能など）を継承しているためとみられる。 統合メモリが重要なのは、大規模言語モデル（LLM）をローカルで動かす際、モデルの重み全体をメモリに載せる必要があるからだ。単体GPUではVRAM容量がボトルネックになりやすいが、CPU・GPU・NPUが同じメモリプールを共有する構成なら、量子化した数百億パラメータ級のオープンウェイトモデルもGPU用の専用メモリを増設せずに扱える。Apple SiliconのMac Studioが「ローカルLLM機」として人気を集めてきたのと同じ理屈が、Windows PCの世界にもようやく本格的に持ち込まれた格好だ。 なお、部品交換のしやすさを掲げるFrameworkにとって、LPDDR5Xはダイに近接実装が必要でメモリを後から増設できない点は、同社らしい「修理可能性」の理念とはやや相反する。帯域幅を稼ぐための技術的なトレードオフとはいえ、興味深い設計判断だ。 実務への影響 日本のエンジニアやIT管理者にとって、このクラスのミニPCは「手元に置ける推論サーバー」としての価値がある。クラウドのGPUインスタンスは従量課金のため、四六時中モデルを立ち上げっぱなしにすると割高になりやすいが、ローカル機であれば初期投資後は電気代だけで動かし続けられる。社内データを外部に出せない案件のPoC、オフライン環境での検証、個人の学習用サンドボックスなど、コンプライアンス上クラウド利用がためらわれる場面での選択肢として検討する価値がある。 ただし、273GB/sという帯域幅は、データセンター向けGPUの数TB/s級とは桁が違う。大容量メモリで「載る」ことと「速く動く」ことは別問題であり、トークン生成速度は控えめになる点は導入前に見積もっておきたい。また日本国内での正式販売や技術基準適合証明（技適）の状況も、業務導入を検討する場合は事前に確認が必要だ。 筆者の見解 普段はAzureやM365を中心に見ている立場だが、ローカルで動かせるAI基盤の選択肢が増えること自体は素直に歓迎したい。クラウドか自前かの二択ではなく、用途に応じてクラウドとローカルを使い分けられる状態こそが健全で、24時間好きなだけAIを使い倒せる環境を個人や小規模チームが手に入れやすくなるのは良い流れだと思う。 Frameworkのような「修理・拡張できるPC」を掲げるメーカーが、AI時代に合わせてハードウェアの作り方自体を見直しているのも象徴的だ。完璧な理念を守りきることよりも、実際に手を動かして試せる環境を早く届けることを優先した判断に見える。エンタープライズ向けのAI基盤整備にAzureを勧める立場ではあるが、こうした個人・小規模チーム向けの選択肢が育つことは、結果的にAI活用の裾野を広げ、クラウド側の需要にも良い形で跳ね返ってくるはずだ。 出典: この記事は New Framework Desktop Option with AMD Ryzen AI Max+ Pro 495 and 192GB Memory の内容をもとに、筆者の見解を加えて独自に執筆したものです。

米国防高等研究計画局（DARPA）と米空軍は現地時間2026年7月16日、AIエージェントが飛行制御を担うよう改修したF-16戦闘機「VENOM」の実機飛行試験を、フロリダ州エグリン空軍基地で開始したと発表した。パイロットが搭乗した状態でAIに操縦を委ね、性能と安全性を人間が監視する「ヒューマン・オン・ザ・ループ」方式のテストで、DARPAの新プログラム「AIR（Artificial Intelligence Reinforcements）」を推進する第一歩と位置づけられている。 一点物の実験機ではなく「量産機」を自律化する VENOM（Viper Experimentation and Next-generation Operations Model）の核心は、対象が特注の実験機ではなく、現用の主力戦闘機F-16である点にある。改修キット「VENOM Autonomy Kit（VAK）」は、機体のコアソフトウェアには手を入れず、飛行制御とセンサー系に外付けのインターフェースを追加する形で自律飛行を可能にした。パイロットはスイッチ一つで人間操縦とAI操縦を切り替えられる設計だ。DARPAのプログラムマネージャー、ジェームズ・バルピアーニ准将は「標準的なF-16の飛行制御とセンサーを、コアソフトウェアを変えずに自動化した。これにより、支配的な空戦AIを開発するための効率的なパイプラインが手に入る」と述べている。 X-62A VISTAからAIRプログラムへ 今回の飛行は、DARPAの「Air Combat Evolution（ACE）」プログラムの延長線上にある。ACEでは一点物の実験機X-62A VISTAが、AIエージェントによる自律ドッグファイトをすでに実証済みだ。VENOMはその成果を、実戦運用に近い複数機のプラットフォームへ移す橋渡し役となる。今後はAIRプログラムのもとでVENOM機群を使い、複数のAIモデルを並行して実飛行検証し、将来的には人間パイロットが無人僚機部隊（Collaborative Combat Aircraft, CCA）を指揮する運用体制の確立を目指すという。 実務への影響 軍事用途とはいえ、この開発アプローチには企業のAIエージェント導入にも通じる示唆がある。 段階的な権限委譲の設計: 常時人間の承認を求めるのではなく、必要な場面でだけ人間が制御を奪い返せる「切替スイッチ」型の安全設計は、業務システムでAIエージェントに自律的な判断を任せる際の権限設計の参考になる。 既存資産を壊さない後付け拡張: コアソフトウェアを変更せず外付けキットで自律機能を追加する発想は、レガシーな基幹システムを刷新せずにAIエージェント機能を段階的に足していく設計と同じ発想である。 日本の防衛・航空分野への波及: 防衛装備庁（ATLA）や、英国・イタリアと共同開発中の次期戦闘機GCAP（Global Combat Air Programme）でも無人僚機・自律化の検討が進んでおり、米国のこうした実証データは今後の要求仕様の議論に影響してくる可能性がある。 筆者の見解 筆者はかねてAIエージェントの本質を「人間の認知負荷を減らすこと」だと考えており、確認や承認を都度人間に求め続ける設計では自律の価値を十分に引き出せないという立場を取ってきた。今回のVENOMのアプローチは、その考え方が軍事という最も安全要求の厳しい領域でも成立し得ることを示す事例として興味深い。 重要なのは、DARPAが「全面自動化を急ぐ」のではなく、「スイッチ一つで人間が制御を取り戻せる」という段階的な信頼構築の仕組みを先に用意した点だ。禁止や制限だけでAIの自律性を封じ込めようとする発想は長続きしない。安全に使える仕組みを先に作ってから徐々に権限を委ねる、という順序こそが、軍事に限らずあらゆる分野でのAIエージェント活用の王道だろう。企業のAI導入を考える立場としても、この「まず安全な切替の仕組みを作る」という発想は、業種を問わず参考にする価値があると感じる。 出典: この記事は DARPA, U.S. Air Force fly AI-controlled F-16 の内容をもとに、筆者の見解を加えて独自に執筆したものです。

GitHubは2026年7月21日、公式チェンジログを更新し、Googleの最新モデル「Gemini 3.6 Flash」をGitHub Copilotのモデルピッカーに追加したと発表した。Visual Studio CodeやVisual Studio、JetBrains、Xcode、Eclipse、Copilot CLI、Copilot cloud agent、Copilotアプリなど主要な開発環境から、順次このモデルを選択できるようになる。 Gemini 3.6 Flashとは何か Gemini 3.6 FlashはGoogleが投入した最新のFlash系モデルで、Web開発・アプリ開発・コーディング、そして複数ステップにまたがる長時間のエージェント的タスクを想定して設計されている。推論の強度（reasoning effort）を用途に応じて調整できるほか、複雑なワークフローの中で複数のツールを並行実行する「並列ツール利用」に対応しているのが特徴だ。GitHubの初期テストでは、前世代のGemini 3.5 Flashと比較してタスク完了率とトークン効率の両方で改善が見られたという。 対応プランと利用条件 Gemini 3.6 Flashが利用できるのは、Copilot Pro、Pro+、Max、Business、Enterpriseの各プランのユーザーだ。課金体系は従量課金（usage-based billing）で、Google側のプロバイダー定価が適用される。ロールアウトは段階的に進められるため、モデルピッカーにまだ表示されない場合もしばらく待つ必要がある。 なお、Copilot BusinessおよびEnterpriseプランの管理者は、組織内のメンバーがこのモデルを選択できるようにするために、Copilotの設定画面で「Gemini 3.6 Flash Preview」ポリシーを事前に有効化しておく必要がある。この管理者操作を忘れると、現場のエンジニアがモデルピッカーを開いても選択肢に表示されず、問い合わせが発生しかねない。 実務への影響 日本のエンジニアやIT管理者にとって、このニュースが示す実務的なポイントは主に3つある。 1つ目は、モデルの使い分け戦略だ。Flash系モデルは基本的に「速度とコスト効率」を重視した設計であり、複雑な設計判断や大規模なリファクタリングよりも、定型的なコーディング作業や比較的軽量なエージェントタスクに向いている。すべてのタスクを最上位モデルで処理するのではなく、タスクの性質に応じてモデルを切り替えることで、組織全体のCopilot利用コストを最適化できる。 2つ目は、管理者側の事前準備だ。Business/Enterpriseプランでは前述のポリシー有効化が必須のため、新モデルがリリースされるたびに「使えるようにする作業」が管理者側に発生する。モデル追加の頻度が上がっている以上、これを定型作業としてチェックリスト化しておくと現場の混乱を防げる。 3つ目は、モデルリリースからツール統合までのスピード感そのものだ。Googleがモデルを発表してからわずか数日でGitHub Copilotに統合されている点は、開発者が最新モデルの恩恵を待たされることなく受け取れる体制が整いつつあることを示している。 筆者の見解 GitHubがGemini 3.6 Flashの発表から日を置かずに自社のモデルピッカーへ組み込んできたスピード感は、素直に評価したい。Copilotは特定ベンダーのモデルに固執しない「マルチモデル戦略」を早くから打ち出しており、この判断自体は理にかなっている。ユーザーに選択肢を提供しロックインを避ける発想は、Microsoftが本来得意としてきた「総合力で勝負する」というアプローチの延長線上にあるはずだ。 ただ、モデルピッカーに次々と選択肢が並ぶ現状には、気になる点もある。開発者が「今回のタスクにはどのモデルを選べばいいか」を都度自分で判断しなければならないのは、AIエージェント活用における認知負荷をむしろ増やしている面がある。せっかく高性能なモデルを揃えても、使い分けを人間任せにしたままでは、AIエージェント本来の価値である「人間の判断負荷を減らす」方向とは逆を向いてしまいかねない。 Copilotには、モデルの選択肢を増やすことに留まらず、タスクの性質に応じて最適なモデルを自動的に選び、開発者が意識せずとも効率よくタスクを完了できるような自律的な体験へ踏み込んでほしい。Microsoftにはそれを実現できるだけの技術力とプラットフォームの厚みがあるはずで、正面から勝負できる力があるのだからこそ、そこまで踏み込んだ進化に期待したい。 出典: この記事は Gemini 3.6 Flash is now available in GitHub Copilot の内容をもとに、筆者の見解を加えて独自に執筆したものです。

MicrosoftとDatabricksが、2017年から続く戦略的パートナーシップを2030年代まで延長すると発表した。Databricksは中核業務基盤としてAzure Databricksへの依存をさらに深め、次世代Arm基盤「Azure Cobalt」への移行も進める。一方Microsoftは、Databricksが開発した自然言語データ分析エージェント「Genie」を自社製品群に統合していく方針だ。 何が延長されたのか 両社の提携は今回が初めてではない。Azure Databricksはすでに数年前からAzureの一等地サービスとして提供されており、今回の発表はその関係を「延長・深化」させるものだ。ポイントは2つある。1つは、DatabricksがAzure基盤への技術的コミットメントを強めること。具体的には、MicrosoftがAzure上で展開する独自Arm CPU「Azure Cobalt」への移行を進め、コストと電力効率の両面でメリットを引き出す計画だ。もう1つは、DatabricksのAIコワーカー「Genie」をMicrosoft製品ラインへ組み込むこと。GenieはSQLを書けない業務担当者でも自然言語でデータレイクハウスに問い合わせできるエージェントで、これがMicrosoft側のエコシステムに接続されることになる。 なぜこれが重要か 企業のデータ基盤とAIエージェントは、もはや別々に語れない領域になっている。DatabricksはSnowflakeと並ぶレイクハウスの代表格であり、すでに多くの日本企業がAzure Databricksを分析基盤として採用している。今回の提携延長は、その基盤の上で「誰が使うAIか」の選択肢が広がったことを意味する。Microsoftは自社でGenie相当のものをゼロから作るのではなく、実績のあるパートナーの技術をAzureという土俵に呼び込む道を選んだ。これはCopilotのような自社製品一本足打法とは異なる、プラットフォーマーとしての現実的な戦略だ。 実務での活用ポイント すでにAzure Databricksを使っている組織であれば、この提携延長はロードマップの安全性を裏付ける材料になる。Azure Cobalt移行が選択可能になった際は、コスト・電力効率の観点でワークロードごとに移行を検討する価値がある。Genie統合が具体化した段階では、業務部門への自然言語データアクセスをどこまで開放するかが論点になるはずだ。ここではMicrosoft Entra IDによる条件付きアクセスや権限管理を先に設計し、「誰が」「どのデータに」自然言語で問い合わせできるかをガバナンスの土台として整えてから展開するのが筋が良い。 筆者の見解 Azureというプラットフォームへの信頼は、この手のニュースを見るたびに再確認できる。Microsoft Entra IDやAzureの基盤としての立ち位置は、AI時代においてもぶれていない。正直なところ、WindowsやAzure、M365を隅々まで追いかける意味自体は薄れてきていると感じる。それよりも重要なのは、Azureという土台の上でどのAIをどう選んで動かすかだ。その意味で、DatabricksのGenieをMicrosoft自身の製品に取り込むという今回の判断は、正面から勝負できる力があるからこそできる、地に足のついた一手だと思う。最も賢いAIを自前で作る競争では他社に後れを取る場面があっても、最も多くのエージェントが安全に、ガバナンスの効いた形で動くプラットフォームを提供する競争では、Microsoftには十分な勝ち筋がある。今回の提携延長は、その勝ち筋を実直に伸ばす一歩として素直に評価したい。 出典: この記事は Databricks and Microsoft expand partnership to help enterprises bring business context to enterprise AI の内容をもとに、筆者の見解を加えて独自に執筆したものです。

Teams/OBSから4プラットフォームに同時ライブ配信するOSSツールを作った話この記事はClaude Code（AI）との共同作業で書かれています。 続きをみる note.com で続きを読む →

サイバーセキュリティ企業Varonis Threat Labsは2026年7月23日、サイバー犯罪フォーラムで新たに出回っているリモートアクセス型マルウェア「Dolphin X」を分析し、感染端末を自動的にスコアリングして攻撃対象の優先順位を付ける「AI Profiler」機能が組み込まれていることを明らかにした。攻撃者は"Kontraktnik"というハンドル名でこのツールを「オールインワンRAT」として販売しており、操作パネルには10カテゴリ・329機能が用意されているという。 Dolphin Xの正体と「AI Profiler」の仕組み Varonisのリサーチャー、Daniel Kelley氏によると、Dolphin Xの操作パネルには「サーベイランス」タブがあり、その中に「AI行動プロファイラー、アプリ使用状況トラッキング、リスクスコア、日次サマリー」と説明されるAI Profilerが存在する。感染端末のアプリケーション使用状況、リスクスコアとタグ、閲覧ドメイン、インストール済みソフトウェアといった情報を処理し、ランク付けされたプロファイルを日次サマリーとして攻撃者に提供する仕組みだ。 Varonisは実際に稼働するDolphin Xエージェントを感染端末上で動作させたわけではなく、隔離環境でビルダーとネットワークトラフィックのみを分析した。それでも"Auto-Start AI Profiler"、“ProfilerGetData”、“risk_score”、“risk_factors"といった文字列がコード内に確認されており、プロファイリング機能自体は実装されていると見られる。ただし、どのAIエンジンがランキングを生成しているかまでは特定できていない。 Dolphin Xは同時に強力な認証情報窃取機能も持つ。Chromium系・Gecko系ブラウザ9種、暗号資産ウォレット拡張機能100種、デスクトップ版ウォレット65種、パスワードマネージャー10種、クラウドCLIツール30種以上など、300超のアプリケーションを標的にすると謳う。加えて.envファイル、SSHキー、クラウドアクセストークンといった開発者向けの機密情報も窃取対象に含まれる。ただしこれらの収集能力も、Varonisが独立して検証したものではない点には注意が必要だ。 実務への影響 このニュースが示す本質は、「大量に盗んだ認証情報の中から、どれが金になるかを人間の代わりにAIが選別する」という分業の効率化だ。攻撃者はこれまで数百・数千件の盗難データを手作業でふるいにかけていたが、AIによるトリアージが実用段階に入れば初動対応までの時間はさらに短くなる可能性がある。 日本のIT現場にとっての教訓は明確だ。第一に、.envファイルやSSHキー、クラウドCLIの長期有効なアクセストークンを開発端末にそのまま置いておく運用は、これまで以上にリスクが高い。第二に、万一感染しても被害を「価値の低いもの」にとどめる設計、つまり認証情報そのものの価値を下げる仕組みが重要になる。具体的には、長期有効なAPIキーではなくJIT(Just-In-Time)で発行される短命トークンへの切り替え、シークレットのVault管理、そしてクラウド管理者権限の常時付与をやめることだ。攻撃者のAIがどれだけ賢くランク付けしても、盗める権限が最小化・短命化されていれば「高スコア」の対象にはなり得ない。 筆者の見解 正直に言うと、この手のセキュリティニュースを細部まで追いかけるのは得意な方ではない。ただ今回のDolphin Xの話は「AIが何をするか」よりも「攻撃者が何に困っていたか」を教えてくれる点で技術的に興味深い。大量の盗難データから高価値ターゲットを探す作業は、防御側のSOC運用が抱える"アラート疲れ"と本質的に同じボトルネックを攻撃側も抱えていたということだ。それをAIで解消しようとしているのは、防御側がAIでトリアージを効率化しようとしているのと表裏一体の構図だと思う。 そして結局のところ、この話は「常時アクセス権を持つ認証情報がどれだけ環境に転がっているか」という、以前から繰り返し指摘してきたゼロトラストの原則に戻ってくる。攻撃者のAI Profilerが高スコアを付けるのは、クラウド管理者権限や本番環境への常時アクセス権を持つアカウントだろう。逆に言えば、Just-In-Timeアクセスを徹底し常時アクセス権をなくしてしまえば、たとえ端末が感染しAIにスコアリングされても、そこに「高価値」と呼べるものは残らない。攻撃側がAIで効率化するなら、防御側は権限設計そのものでその効率化を無力化する。地味だが、これが一番効くはずだ。 出典: この記事は New Dolphin X malware uses AI to rank high-value targets の内容をもとに、筆者の見解を加えて独自に執筆したものです。

東京大学大学院情報理工学系研究科の坂田康亮特任研究員と高木剛教授は7月22日、次世代暗号(耐量子計算機暗号)の安全性評価に使う「MQ問題」の解読アルゴリズムで新記録を樹立したと発表した。MQ問題の解読難度を競う国際コンテスト「Fukuoka MQ Challenge」において、2023年に同チームが解読した問題と比べて約47,000倍計算が困難な問題(Type VI, m=24)を突破したという。 MQ問題とは何か 量子コンピュータが実用化されても解読されにくいとされる「耐量子計算機暗号(ポスト量子暗号)」の一方式に、多変数多項式を使う「多変数多項式暗号」がある。この暗号の安全性の裏付けとなっているのが、多数の多変数二次方程式を同時に解く数学的な難問「MQ問題」だ。MQ問題がどれだけ効率的に解けるかを調べることは、暗号の鍵長やパラメータを適切に設計するうえで欠かせない基礎研究にあたる。 今回の技術的なポイント MQ問題を解く標準的な手法は、グレブナ基底を計算する「F4」というアルゴリズムだが、計算の途中で扱う行列が巨大化し、メモリと計算時間を圧迫することが長年の課題だった。研究チームは2023年、「ヒルベルト級数」という数理的な道具を使って計算に本当に必要な項の組み合わせを絞り込み、行列を小さく保つ手法を発表、当時最難関だった問題を約9時間で解読していた。 今回はその発展として、計算の前半はヒルベルト級数に基づく組み合わせの絞り込みを、後半は行列が肥大化しにくい組み合わせを優先的に選ぶ手法を組み合わせることで、計算の最初から最後まで一貫して行列サイズを抑えることに成功した。この改良により、従来なら手が届かなかった規模の問題を現実的な時間で解けるようになった。 日本のセキュリティ業界が押さえておきたい点 耐量子計算機暗号は、NIST(米国立標準技術研究所)が標準化を進めている分野で、金融・行政システムを含む幅広い領域で今後数年かけて移行が進む見込みだ。MQ問題の解読限界がどこにあるかを正確に見積もる研究は、暗号方式そのものの選定や、実装すべき鍵長・パラメータの安全マージンに直結する。今回のような解読記録の更新は、裏を返せば「これまで安全とされていたパラメータの一部が将来的に見直しを迫られる可能性がある」というシグナルでもある。自社システムでポスト量子暗号への移行を検討しているエンジニアは、採用予定の方式がどのパラメータセットに基づいているか、今後の動向を定期的にチェックしておく価値がある。 筆者の見解 暗号の数学的な安全性評価という地味だが極めて重要な基礎研究で、日本の大学発チームが世界記録を更新したというのは素直に誇っていい成果だ。日本のIT業界全体を見渡すと技術的な地力の底上げが急務だと感じる場面が多いなか、こうした基礎研究がきちんと世界水準で戦えている事実は心強い。 実務エンジニアの立場では、この種の理論的な最先端を逐一追いかける必要はない。むしろ大事なのは、NISTなどが定める標準が固まった段階で、自社のシステムにきちんと実装し運用に落とし込むことだ。情報を追いかけることに時間を使いすぎるより、標準化の節目節目で「今何を実装すべきか」を判断し、実際に手を動かして移行を進める姿勢のほうが、この分野では価値を生む。 出典: この記事は 東大が暗号解読の世界記録。従来より約47,000倍難しい問題を突破 の内容をもとに、筆者の見解を加えて独自に執筆したものです。

Googleは、パスワードや二段階認証の手段を失ってアカウントにログインできなくなった際の新しい本人確認手段として、「セルフィー動画」によるログイン・復旧機能を発表した。米TechCrunchが報じている。パスワードに代わる本人確認手段として生体認証を採用する動きは大手テック各社で広がっており、Googleもその流れに加わった形だ。 なぜこの機能が注目か 仕組みはこうだ。ユーザーはあらかじめ端末のカメラに向かって顔を右や左に向けたり、うなずいたりといった簡単な動作を行い、複数の角度から顔を捉えた「基準動画」を撮影する。この動画は暗号化された状態でGoogleのサーバーに保存される。後日ログインできなくなった際は、新たにセルフィー動画を撮影すると、Googleが基準動画と照合して本人であることを確認する仕組みだ。 専用の赤外線センサーを必要とするApple「Face ID」のような顔認証とは異なり、通常のカメラだけで機能する点が特徴といえる。TechCrunchは、AIが生成する動画がますます精巧になる中で、こうした「生きている本人であることの確認（liveness check）」がログインや決済など機微な処理を扱うあらゆるサービスにとって標準的な要件になりつつあると指摘している。 海外の報道のポイント Googleは公式ブログで、「セルフィーでサインインする際は、偽の写真や動画（いわゆるディープフェイク）によるなりすましを防ぐため、複数層のセキュリティを用いている」と説明している。具体的には、保存済みのセルフィーと新しい動画を照合するだけでなく、簡単な動作を求めることでリアルタイムに撮影された動画であることを確認し、加えて通常の不審なログイン試行の検知も併用するという。撮影した動画はいつでもGoogleアカウントから削除できる。 一方でTechCrunchは、アカウント復旧の利便性や不正防止に役立つ半面、顔などの生体データの収集がプライバシー上の懸念を招く可能性にも言及している。規制当局は近年、顔や声のデータを扱う製品に対する監視を強めており、この種の機能は今後も議論の対象になりそうだ。 日本市場での注目点 今回の機能はGoogleアカウントそのものに組み込まれるログイン・復旧手段であり、特定の端末やハードウェアを購入する必要はなく、追加料金も発生しない。日本ではすでにパスキー（Passkey）によるパスワードレス認証がGoogleアカウントで利用可能になっており、今回のセルフィー動画は主に「パスキーの登録端末も二段階認証の手段も手元にない」という復旧困難なケースの受け皿として位置づけられそうだ。 国内では銀行アプリやマイナンバーカード関連サービスなど、顔認証を使った本人確認がすでに広がりつつあり、ユーザー側の抵抗感は以前より薄れている。ただし顔の生体データをクラウドに預けることへの心理的ハードルは根強く、個人情報保護委員会などの動向も含めて、日本でどう受け止められるかが今後の注目点になる。現時点で日本語版アカウント設定への具体的な展開時期は明らかにされていない。 筆者の見解 生成AIの進化によって、本物と見分けのつかない偽動画を誰でも作れる時代になった以上、「動画は本人が映っているから信用できる」という前提そのものが崩れつつある。その意味で、なりすまし対策をサービス側の仕組みとして組み込み、ユーザーには「頭を動かすだけ」という簡単な操作で安全性を担保させるGoogleのアプローチは、理にかなった方向性だと感じる。 禁止や注意喚起だけでユーザーの行動を縛ろうとしても、結局は不便な抜け道が使われてしまう。それよりも、公式に用意された手段が一番安全で一番使いやすいという状態を作ることの方が、実効性がある対策になる。今回の機能は、パスワードを覚えられない、認証アプリの入った端末を失くした、といった「詰み」の状況を減らしつつ、ディープフェイク対策も同時に組み込んでいる点で、バランスの取れた設計だと言える。 もちろん生体データをクラウドに預けることへの抵抗感は当然あってよく、削除できる仕組みが用意されている点は評価できる。使うかどうかは選択できる形が保たれている以上、こうした「安全な選択肢を増やす」取り組みは、今後も他社を含めて広がっていくはずだ。 出典: この記事は Google will now let you sign in to your account with a selfie video の内容をもとに、筆者の見解を加えて独自に執筆したものです。

Presenceとは何か OpenAIが発表した「Presence」は、企業のカスタマーサポート業務を音声・チャット・メールの3チャネル横断でAIエージェントに任せるためのエンタープライズ向けプラットフォームだ。単なるチャットボットではなく、対応方針（ポリシー）の設定、CRMや基幹業務システムとの連携、リリース前の振る舞いテスト、本番稼働後の継続的な監視、そして人間へのエスカレーションまでを一気通貫で提供する点が特徴となる。 OpenAIはこの仕組みを、まず自社の英語圏における電話サポート窓口に投入した。結果として、問い合わせ全体の75%を人の手を介さずに解決しており、対応品質の評価は人間のオペレーターを上回っているという。 「モデルを売る会社」から「業務ソフトウェアを売る会社」へ Presenceが示す動きとして注目すべきは、OpenAIの事業領域の広がりだ。これまでOpenAIはAPI経由でモデルそのものを提供する立場が中心だったが、Presenceはポリシー管理・システム連携・監視・エスカレーションまで含めた「業務プロセスそのもの」をパッケージ化して提供する。これはSalesforceやZendeskなど、既存のカスタマーサポート／CRM業界のプレイヤーと直接競合する領域への参入を意味する。モデルの性能競争だけでなく、エンタープライズ業務ソフトウェア市場そのものが、AIエージェントを前提に再編されつつあることを象徴する発表だ。 実務への影響 日本のコールセンター・BPO業界は人手不足が慢性化しており、Presenceのような「無人解決率75%」を掲げる仕組みは対岸の火事ではない。ただし本国発表の数字はあくまで英語圏・自社事例であり、日本語の敬語表現や商習慣特有の問い合わせ対応にそのまま当てはまるかは別問題だ。 実務上参考になるのは個々の数字よりも、Presenceが前提としている設計思想の方だろう。具体的には次の3点が、ベンダーを問わず社内でエージェント型のサポート自動化を検討する際のチェックポイントになる。 ポリシーを先に明文化する: 何を自動応答してよく、何を人間に回すかの境界を先に決める 本番投入前の振る舞いテストを仕組み化する: 想定外の問い合わせパターンを事前に洗い出す 監視とエスカレーションを前提に設計する: 「全自動」ではなく「必要な時に確実に人へ渡す」設計が信頼を生む IT管理者は、自社のFAQ・問い合わせログを棚卸しし、どの割合が定型対応で解決可能かを見積もるところから着手するとよい。 筆者の見解 今回の発表で興味深いのは、Presenceが「確認を求め続ける補助ツール」ではなく、目的を渡せば自律的に対応し、必要な場面でだけ人間に引き継ぐ設計になっている点だ。これはAIエージェントの本来あるべき姿——人間の判断待ちを減らし、認知負荷そのものを下げる方向性——を体現しており、業界全体がこの方向に収束しつつあることを示す事例として素直に評価したい。 一方で、75%という数字だけを見て「うちも同じことができる」と早合点するのは危険だ。日本語特有の言い回し、業界慣習、クレーム対応の機微まで含めると、海外の自社事例をそのまま横展開できる保証はない。むしろ大事なのは、この種の発表を追いかけて評論することではなく、実際に自社の問い合わせデータで小さく試し、どこまで任せられるかを手を動かして確かめることだ。情報を追う労力を、検証に振り向ける組織から着実に差がつく段階に入っている。 出典: この記事は Introducing OpenAI Presence の内容をもとに、筆者の見解を加えて独自に執筆したものです。

🤖✍️ この記事はAIとの共同執筆です ── AIエージェント（Claude Code）が胡田との実際の共同作業の経験をもとに下書きを自動生成し、胡田が内容を確認・修正したうえで公開しています。 続きをみる note.com で続きを読む →

OpenAIは2026年7月24日(日本時間)、ChatGPTデスクトップアプリ(macOS/Windows)に新しい音声対話機能「ChatGPT Voice」を追加したと発表した。PC Watchが同日付で報じている。対象はPlus、Pro、Business、Edu、Enterpriseの各有料プランで、同日から順次展開される。 なぜこの製品が注目か ChatGPT Voiceの最大の特徴は、「話す」と「聞く」を同時にこなすフルデュプレックス(全二重)型の音声対話にある。基盤となっているのは、7月9日に発表されたばかりの音声専用モデル「GPT-Live」だ。人間同士の会話のように相手の発言を聞きながら自分も話せるため、「発話→待機→応答」を繰り返す従来型の音声アシスタントとは体感が大きく異なる。 さらに今回のデスクトップアプリ対応で踏み込んだのが、音声によるPC操作と、複数のAIエージェントの同時指揮だ。エージェント機能「ChatGPT Work」や、コーディングエージェント「Codex」上で動く複数のエージェントに対し、声だけで次々と指示を出せるようになった。公式ヘルプによれば、Web検索やメモリの参照、ビジュアルウィジェットの表示にも音声対話のまま対応するという。キーボードから手を離した状態で複数のタスクを並行して進められる点は、AIエージェントの活用が「1つの指示を待つ」段階から「複数のタスクを同時に監督する」段階へ移りつつあることを象徴している。 海外レビューのポイント PC Watchの竹元かつみ氏は、ChatGPT Voiceを実際に試用したレポートを公開している。竹元氏によれば、ChatGPTと音声で会話を続けたまま、画像生成スキル「Imagegen」による3Dボクセルアートの生成が進み、その後Remotionを使ったmp4出力までを声の指示だけで進められたという。竹元氏は「ChatGPTと会話しながらCodexで開発を進められるのは実に楽だった」と、ハンズフリー操作の快適さを評価している。 一方で元記事の記述からは、デスクトップアプリ本体へのChatGPT Voiceの展開が執筆時点で竹元氏の環境に行き渡っておらず、iOSアプリのリモート接続機能「Remote」経由でCodexと連携した音声対話を体験した可能性がうかがえる。OpenAIも公式X(旧Twitter)で、iOSアプリからリモート接続を使えばCodex上でChatGPT Voiceを利用できると案内しており、Android対応は近日公開予定としている。全ユーザーへの展開はこれから順次進む段階で、デスクトップアプリでの体験レポートは今後さらに積み上がっていきそうだ。 日本市場での注目点 ChatGPT Voiceは新規ハードウェアではなく既存アプリへの機能追加のため、Plus(月額20ドル程度)以上の契約があれば追加料金なしで使える。日本語音声での対話精度がどこまで実用レベルにあるかは、展開が進んだ後の検証を待つ必要がある。 音声とAIエージェントでPC操作を代替する取り組みは各社が模索を続けている領域であり、ChatGPT Voiceは「複数エージェントの同時指揮」という切り口で先行した格好だ。日本のエンジニアにとっては、コーディングエージェント(Codex)との連携を声だけで行える点が特に実務的なインパクトを持つ。ハンズフリーの開発ワークフローに関心がある読者は、対応プランの契約状況を確認しておくとよいだろう。 筆者の見解 今回のChatGPT Voiceで注目したいのは、機能そのものよりも「人間の認知負荷をどう下げるか」という設計思想の方向性だ。声で指示を出し、複数のAIエージェントが並行してタスクをこなす——これは、人間が逐一確認・承認しながら進める使い方から、目的を伝えれば自律的に進めてくれる使い方へと軸足を移す動きの一つとして捉えられる。AIエージェントが自分で判断・実行・検証をループさせる仕組みという発想が、音声インターフェースという形でユーザーの手元に降りてきた印象を受ける。 日本のエンジニアには、こうした新機能が出るたびに「使えるかどうか」を評論する前に、まず実際に触って自分の開発フローに組み込んでみることを勧めたい。情報を追いかけることに時間を使うより、実際に使って成果を出す経験を積む方が、今の局面では投資対効果が明らかに高い。企業でも個人でも、クラウドかローカルかを問わずAIエージェントを日常的に使える環境を整えることが、もはや当たり前の前提になりつつある。ChatGPT Voiceのような機能追加は、その前提を後押しする材料の一つとして素直に歓迎したい。 出典: この記事は ChatGPT、会話しつつPC操作や複数AIエージェント同時指揮が可能に の内容をもとに、筆者の見解を加えて独自に執筆したものです。

Microsoftは、Azure Monitor配下のAI運用支援機能「Azure Copilot Observability Agent」を正式提供開始(GA)したと発表した。同時に、アラート発生を常時バックグラウンドで監視し、トリアージ・関連アラートの相関分析・詳細調査までを自動で行う新機能「Autonomous Operations(自律運用)」をプレビュー公開している。 Copilot Observability Agentとは何か Azure MonitorのCopilot機能はこれまで、自然言語での質問に応じてKQL(Kusto Query Language)クエリを生成したり、ログやメトリクスの傾向を要約したりする「聞かれたら答える」チャット型のアシスタントだった。今回GAとなったObservability Agentは、この対話型の枠を超え、運用担当者が明示的に質問しなくても、監視対象のアラートやテレメトリを継続的に観察する「常駐型」のエージェントへと役割を広げた。 Autonomous Operationsが変える運用フロー プレビュー公開されたAutonomous Operationsは、アラートが発火した瞬間からバックグラウンドで動き出す。重要度のトリアージ、関連する複数アラートの相関付け、過去の類似インシデントとの突き合わせ、ログ・メトリクス・トレースを横断した原因調査までを、運用担当者が気づく前に済ませておく。いわゆるAIOps(AI for IT Operations)の実装であり、SRE・運用担当者が最初に見る画面は「生のアラート」ではなく「一次調査済みのサマリー」に変わっていく。 実務への影響 日本の大規模Azure環境を運用するIT管理者・SREにとって最大の恩恵は、アラート疲れ(Alert Fatigue)の軽減だ。深夜のオンコールで大量のアラートを一つずつ手作業で相関付ける負担が減り、一次トリアージ済みの情報から対応を始められる。 導入にあたっては、このエージェント自体を一つの「非人間アイデンティティ(NHI)」として扱う視点が欠かせない。Azure Monitorやログへの参照権限を最小権限で設計し、書き込み・変更を伴う操作へは段階的にしか権限を広げない。現時点では「調査まで」に留まっている設計は堅実であり、まずは非本番環境や参照専用モードで挙動を確認してから本番に展開するのが安全な進め方だ。既存のServiceNowやPagerDutyなどのITSM連携がどこまで効くかも、導入前に確認しておきたいポイントになる。 筆者の見解 Azureのプラットフォームとしての信頼は、この手のAIOps機能が増えても揺らがない。むしろ今回の話で注目すべきは、Observability Agentの調査能力そのものより、それが誰の権限で、どこまでの範囲で動くのかという「エージェントのガバナンス」の設計だと感じている。 生成AIの進化スピードを考えると、個々のAI機能がどれだけ賢いかを追いかけ続けることにはあまり意味がない。それよりも重要なのは、大量に増えていくAIエージェントを、Microsoft Entra IDのような管制塔の下で安全に権限管理し、監査ログを残せる仕組みがあるかどうかだ。マイクロソフトは最先端のAIモデルを作る競争では必ずしも先頭を走っていないが、多数のエージェントを安全に稼働させるプラットフォームを提供する競争では強みを持っている。今回のAutonomous Operationsが「調査までは自律、実行は人間の承認」という現実的な線引きから始めているのは好印象で、この段階を丁寧に踏んでから権限を広げていってほしい。 出典: この記事は Azure Copilot Observability Agent is generally available, with autonomous operations in preview の内容をもとに、筆者の見解を加えて独自に執筆したものです。

サムスン電子は7月23日（現地時間）、ロンドンで開催した「Galaxy Unpacked」で、Googleと共同開発する新型スマートグラスを披露した。ガジェット系メディアThe Gadgeteer（記者Rei Padla氏）が報じたところによると、今回のモデルは韓国発アイウェアブランドGentle Monster、および米国の老舗メガネブランドWarby Parkerとのコラボレーションで、日常的にかけられる「AIメガネ」に仕上げることを狙っているという。Google I/O 2026で示されたAndroid XR＋Gemini搭載スマートグラス構想の、量産に向けた具体化と位置付けられる。 スペックと機能 — Geminiが「見て」「聞いて」サポート サムスンのGlobal Newsroomが確認している主なハードウェア仕様は、軽量・薄型のフレーム、バッテリーは1回の充電で最大9時間駆動、専用充電ケース使用でさらに最大7回分のフル充電が可能というもの。内蔵カメラが視界の情報をGeminiに渡し、Snapdragon AR1 Gen 1がタッチ操作・省電力・熱管理を担う構成だ。機能面では、ハンズフリーでの道案内、メッセージ送受信、写真撮影に加え、リアルタイム翻訳や、メニュー・看板など視界内の文字を訳す機能が用意されている。 海外レビューのポイント The Gadgeteerは、サムスンが「まずメガネとして成立させ、その上にAI機能を足す」という設計思想を採ったことを評価している。Rei Padla氏は記事の中で、ヘッドセットとしてではなく普段のメガネとして違和感なく機能することこそが、実際にかけてもらえるかどうかを分けるポイントだと指摘した。また、Gentle Monsterのファッション性とWarby Parkerの日常性という異なるデザイン言語を用意した「二本立て戦略」についても、初期採用層を超えてARグラスを広げるための現実的な判断だと好意的に紹介している。一方で、価格・具体的な発売国・ディスプレイの有無といった核心的な仕様は現時点で非公開であり、記事は「詳細は続報待ち」という留保付きの評価で締めくくられている。 日本市場での注目点 2026年秋に一部市場での発売が予定されているが、日本が対象国に含まれるか、価格がいくらになるかはいずれも未発表だ。ブランド展開の観点では明暗が分かれそうだ。韓国発のGentle Monsterは原宿など国内に直営店を持ち認知度も高いため、国内投入のハードルは比較的低いと見られる。一方Warby Parkerは北米中心の展開で日本に実店舗を持たず、仮に発売されても並行輸入や海外通販が主な入手手段になる可能性が高い。競合としては、既に日本でも販売実績のあるMeta系のスマートグラスが挙がり、価格帯・翻訳精度・カメラ機能の比較対象になりそうだ。 筆者の見解 今回のニュースの本質は、「スマホを取り出さずに済む」という体験設計そのものにある。AIエージェントの価値は、人間にいちいち確認や操作を求めることではなく、目的だけ伝えれば裏側で片付けてくれるところにある。翻訳やメッセージ処理をハンズフリーで完結させるという方向性は、この「認知負荷を減らす」という本筋にきちんと沿った設計だと感じる。 Geminiを搭載したのがGoogleである点も興味深い。実務・業務領域でのAI活用は今はまだ判断が分かれる面があるが、日常生活の中で「見たものを訳す」「聞いた内容を扱う」といった軽量タスクは、コンシューマー向けAIが力を発揮しやすい領域だ。派手な機能を並べる前に、まずメガネとして無理なくかけられる形に仕上げてから機能を足すというサムスンの順序立ては、道具として自然に定着させるための堅実なアプローチだと思う。 日本の読者にとっては、これを「話題だから知っておく」で終わらせず、店頭で試せる機会があれば実際に手を動かして確かめてみることをおすすめしたい。ニュースを追いかけるだけより、実際に触れて得られる感触の方が判断材料として価値が高い。価格と国内発売の詳細が固まり次第、続報を待ちたい。 出典: この記事は Samsung Smart Glasses Bring Gemini to Frames You Might Actually Wear の内容をもとに、筆者の見解を加えて独自に執筆したものです。

OpenAIは、自己対戦型の強化学習で訓練した自動レッドチーミングAI「GPT-Red」の詳細を公式ブログで公開した。GPT-Redを使ってGPT-5.6を鍛えた結果、プロンプトインジェクション攻撃の成功率を90%超からわずか23%未満まで引き下げることに成功したという。GPT-Red自身の攻撃力は、人間のプロのレッドチーム（攻撃成功率13%）を大きく上回る84%を記録し、自律エージェントに対する実際のハッキングデモ（自動販売機の乗っ取り）まで公開されている。 GPT-Redとは何か GPT-Redは、モデルの脆弱性を発見することだけに特化して訓練された「攻撃側AI」だ。人間のレッドチームがプロンプトインジェクションやジェイルブレイクの手口を手作業で考案するのに対し、GPT-Redは強化学習によって自ら攻撃パターンを生成し、改良し続ける。 自己対戦強化学習の仕組み ポイントは、攻撃側（GPT-Red）と防御側（対象モデル）を互いに競わせる自己対戦（self-play）の枠組みにある。GPT-Redが新しい攻撃を見つけるたびに、その攻撃パターンで対象モデルを再訓練し防御力を強化する。このループを繰り返すことで、人手では洗い出しきれない攻撃パターンを網羅的に発見し、モデルの耐性を段階的に引き上げていく。結果としてGPT-5.6の攻撃成功率は23%未満まで下がった一方、GPT-Red自体は84%という高い攻撃成功率を維持しており、「攻撃側が防御側を追い越し続ける」いたちごっこの構造がそのまま浮き彫りになっている。 なぜこれが重要か 公開されたデモでは、自律的にタスクを実行するAIエージェントにプロンプトインジェクションで不正な命令を注入し、自動販売機を乗っ取る攻撃が実演された。これは理論上の脆弱性ではなく、AIエージェントが決済や在庫管理、物理デバイスといった実世界のシステムに接続され始めている今、極めて現実的な脅威だと示す好例だ。エージェントが自律的に判断・実行する範囲が広がるほど、攻撃対象になったときの被害も具体的になる。 実務での活用ポイント 日本企業でもAIエージェント導入が本格化する中、実務担当者への示唆は明確だ。 外部入力(Webページ、メール、ファイル)を読み込んで行動するエージェントは、プロンプトインジェクションの発生を前提に権限を最小化する 決済や実行系のアクションを伴うエージェントには、金額や操作範囲に応じた承認フローを組み込む 自社でLLMアプリを運用するなら、GPT-Redのような自動レッドチーミングの発想を参考に、継続的な脆弱性診断をパイプライン化する 筆者の見解 AIエージェントの本質は、人間への確認を減らし自律的に目的を遂行させることにある。だからこそ、その自律性を安全に担保する技術がセットで進化する必要がある。GPT-Redのような自己対戦型レッドチーミングは、「禁止するのではなく、安全に自律的に使える仕組みをどう作るか」という王道の解き方であり、自動販売機ハッキングのデモは、エージェントが実世界のシステムに触れ始めた今こそこの取り組みが急務であることを裏付けている。 日本のIT現場は「危ないから使わせない」という禁止アプローチに流れがちだが、それでは現場は公式に安全な選択肢がないまま非公式な利用に流れるだけだ。攻撃側AIと防御側AIを競わせて耐性を鍛えるという発想は、AIエージェントが確認待ちの副操縦士から自律的に動くハーネスループ型の運用へと広がっていくほど、重要性を増していくはずだ。 出典: この記事は GPT-Red: Unlocking Self-Improvement for Robustness の内容をもとに、筆者の見解を加えて独自に執筆したものです。

DockerでAzure SDKが断続的にタイムアウトする。原因はAzureじゃなかった🤖✍️ この記事はAIとの共同執筆です ── AIエージェント（Claude Code）が実際の共同作業の経験をもとに下書きを自動生成し、胡田が内容を確認・修正したうえで公開しています。 続きをみる note.com で続きを読む →