アプリケーション・SaaS

今日のニュース Notionがメールアプリ終了。ユーザー半数がAIに処理委任。The Register 65年前のCOBOLシステム維持難航。生成AIのコード移行支援に活路。Silicon Canals フォルクスワーゲンが独工場閉鎖と最大10万人の人員削減を計画。TNW 米政府要請でOpenAIが「GPT-5.6」公開を限定的プレビューへ制限。TechCrunch Liquid AIがパラメータ2.3億の極小モデル発表。特定タスクで大型を凌駕。VentureBeat Mindstoneがタスクごとのモデル自動選択ルーティング機能開発。VentureBeat Atheni AIが導入後の定着化・オンボーディング支援を強化。Tech.eu Mistralが非構造化文書を直接理解する「OCR 4」公開。VentureBeat onsemiが約70億ドルでSynaptics買収。物理世界のエッジAI強化。TNW AI同士が監視し合う次世代認証「ガーディアン・エージェント」浮上。The Hacker News Notionがメールアプリを終了 — SaaSの価値基準が自律性へ移行します Notionが自社のメールアプリの提供を終了します。 利用者の過半数が受信トレイを開かなくなりました。 AIエージェントに処理を委ねているためです。 SaaSの価値基準が人間向けのUIから移り変わり、AI同士の自律的な通信へと向かう分水嶺の出来事です。 先月、AnthropicがSlack向けAIを発表しました。チャットツールにAIが常駐する段階でした。 事態はさらに先へ進んでいます。 人間が画面を見なくなる完全自律化の段階です。 Notion Mailの提供終了は、この変化の表れです。 今の現実：自律化がもたらす明確な実益 AI電子メール市場は高い成長を遂げています。 2025年時点で24億ドル規模と予測されます。 自律型AIは主に3層構造で機能します。 推論を行うLLM層、文脈を抽出するRAG層があります。 そして他ツールを操作するエージェント層です。 受信メールを解釈し、自動で分類や返信を行います。 n8nとGeminiを組み合わせたワークフローがあります。 受信メールをリアルタイムで要約・分類し、Notionなどの別ツールに自動記録します。応答時間は数分に短縮されます。 この技術は人間の作業時間を物理的に削ります。 英Mitie Groupは自動処理で900時間を削減しました。 感覚論ではなく、明確な費用対効果の数字が企業投資を後押しします。 巨大IT企業もこの流れを後押ししています。 GoogleはGmailにGeminiを展開します。 MicrosoftもCopilotを深く統合して市場を牽引します。 既存のインフラとして自律型AIが定着しつつあります。 本質的な変化：単体アプリから機能への溶融 本質的な変化は、単体アプリの消失にあります。 独立系のメールアプリは次々と姿を消しています。 SkiffやAstroも総合ワークスペースに買収されました。 GoogleのInboxも過去に本体へ統合されました。 優れた技術や人材が巨大プラットフォームに吸収される。「アプリ」から「機能」への溶融です。 人間にとって使いやすいUIは第一の価値ではなく、AIエージェント間の自律的な通信能力が重宝されます。 この自律化は特定の技術モデルに依存しません。特定モデルへの過度な依存は事業停止リスクを伴います。 先日解説したShopifyのアーキテクチャとも文脈は繋がります。 Mindstoneのような自動選択基盤も登場しました。 タスクに応じてシステムが裏側のモデルを切り替えます。 ユーザーはツールを意識せずに結果だけを受け取ります。 人間が画面を見ない前提へシステムがシフトする今、人間中心のUI投資は見直しを検討する時期です。 見落としがちな反論：操作速度の追求と監視の仕組み すべての業務が自律化に向かうわけではありません。 Superhumanのような特化型スタートアップも健闘しています。 人間の操作速度を高める独自の価値があります。 機密保護に特化したプライベートLLMの導入も進んでいます。自社のデータを外部に出さない工夫です。 ただ、人間がプロセスから外れることへの不安もあります。 ガバナンス低下への懸念は中小企業にとって切実です。 自律型AIが誤作動を起こすリスクは拭いきれません。 これを補うため、新しい管理手法も浮上しています。 AI同士が相互に監視し合う仕組み、ガーディアン・エージェントです。 過剰な権限付与を防ぎ、行動を監査します。 自律型AIに合わせた監査環境の構築が進んでいます。 ...

生成AIの電力消費を千分の一にする新モデルが登場。自社のクラウド維持コスト削減計画を立てる。 今日のニュース 生成AIの電力消費を千分の一にする非ノイマン型の新モデルが登場 — TNW Shopifyが特定AIモデルへの依存を排除する独自のプロキシ基盤を構築 — VentureBeat OpenAIとBroadcomが推論に特化した専用チップ「Jalapeño」を共同で発表 — OpenAI Blog Ripplingが複数SaaSに散在するデータを統合する管理基盤への進化を宣言 — TechCrunch 導入前のAI音声エージェントをテストする専門企業Covalが約43億円を調達 — TNW 仏Mistralが複雑な非定型帳票を構造化データへ変換する新モデルを公開 — VentureBeat 欧州委員会がAWSとAzureをデジタル市場法の規制対象に指定する方針を表明 — The Register IBMが1000億個のトランジスタを指先サイズに収めるサブ1ナノ技術を発表 — MIT Technology Review 金融業界向けのリスク判定プロセスを自動化するTaktileが約160億円を調達 — TNW ピックアップ: AIの電力消費1000分の1を可能にする新技術と、コスト構造が変わるまでのタイムライン 先月、OracleはAIインフラ投資へのシフトを理由に2万人を削減しました。 FordはEV向け電池工場をAI用蓄電設備へ転換しています。 巨額の資本と物理的なインフラがAIという一点へ集中しています。 このメガトレンドのど真ん中に小さくも鋭い問いが生まれました。 「そもそもAIはこれほど電力を消費する必要があるのか」という疑問です。 今の現実 — 電力という見えない請求書 国際エネルギー機関の予測があります。 2026年までに世界のデータセンターが消費する電力が倍増します。 日本の年間総消費量に匹敵する約1,000TWhに達する見込みです。 数字を少し身近なものに置き換えてみます。 ChatGPTは1回の応答で通常のGoogle検索の約10倍の電力を消費します。 およそ2.9Whの電力を使います。 これは一般家庭の約1万7000世帯分に相当します。 ChatGPT単体が1日でこの電力を使い切る計算です。 その膨大な計算処理を支えるのがNVIDIAのH100です。 このAIチップは1基あたり700Wの電力を消費します。 さらに1基の価格は約550万円と非常に高価です。 クラウド事業者はこの巨額の維持費を負担しています。 そしてそのコストはそのままサービス利用料へ転嫁されます。 企業が毎月AIツールに払う費用の裏側にはこの現実があります。 電力とチップのコストが積み上がって料金を押し上げています。 だからクラウド料金が高いという企業の感覚は間違いではありません。 本質的な変化 — 「計算の仕組み」を根本から変えるアプローチ この状況を打破する新技術が登場しました。 元DatabricksのAI責任者が創業したUnconventional AIです。 同社が画像生成モデル「Un-0」を新たに公開しました。 注目すべきは生成される画像の品質ではありません。 AIを動かす根本的な仕組みが変わった点です。 従来のAIは0と1のデジタル演算を膨大な回数繰り返して結果を出します。 GPUはその繰り返しを猛スピードで処理するための専用装置です。 しかし新モデルのUn-0はその前提を完全に取り払いました。 電圧の振幅ではなく発振器の位相を使って情報を処理します。 回路が物理的に最低エネルギーの状態へ落ち着こうとする現象を利用します。 この自然の物理現象をそのまま計算に活用する仕組みです。 量子コンピュータのような冷却設備などの特殊環境は一切不要です。 標準的な半導体製造プロセスで生産でき室温のまま動作します。 ミネソタ大学らの研究チームも同種の構造で実証結果を出しています。 従来CPUの消費エネルギーを0.52%に抑えつつ99.99%の精度を達成しました。 同社が主張する電力1000分の1という数値はこの構造に基づきます。 単なるソフトウェア上の処理効率化やデータ圧縮ではありません。 計算そのものの原理が異なるため根本的な省電力が可能になります。 ...

今日のニュース OpenAIがBroadcomと共同で推論特化の独自チップを発表しました。 ShopifyがAIモデルをいつでも切り替えられるプロキシ基盤を構築しました。 カスタマーサービスにAIを導入した企業の7割が60日以内に投資対効果を実感しています。 QualcommがAIソフトウェア企業Modularを買収すると発表しました。 Figmaがデザインキャンバス上でコードを直接扱える機能を追加しました。 MoEngageが顧客1人ひとりに専用AIを配置するためAampeを買収しました。 Mistralが170言語に対応した文書構造化ツールOCR 4を発表しました。 公式審査をすり抜けた偽のAIスキルが多数のエージェントに組み込まれました。 Shopifyの非依存アーキテクチャに学ぶシステム設計 先日の記事では、AWSの技術的負債を検知するAIなどを紹介しました。 共通するテーマは「構築したシステムをいかに陳腐化させずに維持するか」です。 今回のShopifyとOpenAIのニュースは、まさにその最前線にあります。 数百万円のシステムが数週間で古くなる現実 AIツールに投資した経営者からこんな声を聞きます。 「費用に見合う効果がわからない」 「契約を更新した直後に優れたモデルが出た」 感覚論ではない。 GPT-4相当の処理コストは2022年に100万トークンで20ドルでした。それが2025年末には0.40ドルまで下がっています。 年間で約10倍のペースで単価が落ちている計算だ。 問題はコストが下がること自体ではありません。 特定のモデルに依存した状態で安価な選択肢が出たとき、乗り換えの自由がないことです。 インフラの主役が変わりつつある OpenAIが発表した独自チップ「Jalapeño」は象徴的です。 Broadcomと共同開発されたこのチップは推論に特化しています。 AIが次世代ハードウェアを設計するサイクルが始まっています。 OpenAIだけではない。GoogleやAmazon、Metaも専用チップを展開しています。 調査によるとクラウド大手の設備投資は増加傾向で、汎用GPUから推論特化の専用チップへの移行が進んでいます。 大手各社が相次いで動くほど、市場の変化は速い。 勝者が決まる前に依存するリスクを避ける インフラの主役はまだ決まっていません。 OpenAIのチップが市場を変える可能性もある。ソフトウェア層が台頭するかもしれない。新興企業が半導体の製造工程を変えることも十分あり得る。 今の段階で特定のインフラに依存するのはリスクが高い。 Shopifyの「LLMプロキシ」は一つの答えです。 複数のAIへの接続口を一元化する設計で、モデルの良し悪しでベンダーをいつでも切り替えられます。 特定のAI会社の存亡に自社の業務を委ねないという方針です。 LLM運用費用の多くは推論処理が占めます。 安価なインフラが出たとき即座に切り替えられるか。そこに数年後の競争力の差が出る。 蓄積した知見とデータは自社の固有資産です。 インフラ層を柔軟に差し替える設計があってこそ、その資産は生きます。 自社のAI活用が特定のベンダーと結びついていないか、Shopifyの事例を参照しながら棚卸しする機会にしてください。 各ニュース詳細 カスタマーサポートAIを導入した企業の70%が60日以内に投資回収を実感 カスタマーサービスにAIエージェントを導入した企業の70%が、60日以内に投資対効果を実感したと報告されています。 問題を解決した場合にのみ課金される成果報酬型のモデルが普及しています。 導入時の初期費用リスクが下がり、試験的な導入から始めやすい環境が整っています。 出典: ZDNet QualcommがAIチップ向けソフトウェア企業Modularを買収 QualcommがシリコンバレーのAIスタートアップModularを買収すると発表しました。 開発者が異なるチップごとにコードを書き直すことなくAIソフトウェアを実行できる言語を提供しています。 出典: Wired GPT-5 Proが免疫学者と協力し3年来の未解決問題を解明 免疫学者がGPT-5 Proを活用し、T細胞の挙動に関する3年間未解決だった医学の謎を解明しました。 AIは文献の整理にとどまらず、専門家レベルの仮説構築に貢献したとされています。 高度な推論と人間の専門知識を組み合わせた協調的な研究の実例です。 出典: OpenAI Blog FigmaがデザインキャンバスへのコードレイヤーとカスタムAI環境を追加 Figmaは年次カンファレンスで、デザインキャンバス上でコードを直接扱える機能を発表しました。 ユーザーが自社のワークフロー向けに独自のAIプラグインを構築できる環境の提供も開始しています。 デザインツールと開発環境の統合が進んでいます。 出典: The Verge MoEngageがAampeを買収し顧客ごとの専用AIエージェント配置へ移行 カスタマーエンゲージメント企業のMoEngageが、AIスタートアップのAampeを買収しました。 従来のセグメント分けに基づく手法から、顧客1人ひとりに自律型AIを割り当てる手法への移行を目指します。 出典: Silicon Canals ...

今日のニュース AWSが技術的負債を検知し修正を提案するAIを公開 サムスンが全社員にChatGPT Enterpriseを導入 OpenAI社内で半年前の導入支援業務の7割が消滅 AIエージェントが自らルールを書き換える手法が登場 Googleが映画制作会社A24とAI映像ツールを共同開発 AWSがビジネス影響度を加味するセキュリティAIを発表 AI特需で2003年規格の旧型メモリ価格が60%高騰 SpaceXがAI企業と月額1億5000万ドルの計算資源契約 SpaceXがAIインフラ投資に向け200億ドルの社債発行へ Apple製チップに修正不可能なハードウェア脆弱性が発覚 AWSが技術的負債を自動検知するAIを公開。自社のシステム保守を見直し外注費の削減を検討する あなたの会社のシステムに、誰も気づかないまま積み上がり続けているコストがあるとしたら——AWSがその「見えない負債」を自動で洗い出すAIエージェントの新機能をプレビュー公開しました。 コードリポジトリを継続的にスキャンし、サポートが終了した古いライブラリを検知します。 検知した問題には優先順位をつけ、修正の提案まで自動で行います。 数千万円かけて構築したシステムも、数年で古くなるのが現実です。 AWS Transformのこの新機能は、廃止されるAPIや古いランタイムを自動検出します。 組織固有のコーディング標準や承認済みのポリシーを拡張ルールとして設定することもできます。 AIがプルリクエスト（コード修正提案）を自動化し、コードの依存関係もマッピングします。 これにより、ITベンダーへの保守委託費を削減できます。 先週ご紹介したスタンフォード大学のエージェントAI研究や、AWSのRAG構築自動化で浮いた人的リソースを、自社システムのモダナイゼーション（現代化）への再投資につなげる流れが作れます。 こうした効率化の余力は、サムスン電子のような全社AIインフラの整備にも活用できます。 機密保持をクリアした法人向けAIは、グローバル競争における標準インフラとして位置づけられつつあります。 ソフトウェアの老朽化への対応が急がれる一方で、産業機器の現場では事情が異なります。 組み込みシステムではDDR2のT型トポロジが設計の容易さから今も採用されるケースがあります。 あえて旧規格へ移行するという選択肢も、現場によっては合理的な判断になりえます。 ただし中長期的には、技術的負債の蓄積はシステム維持費の増加につながる傾向があります。 ハードウェアの面でも同様の圧力が高まっています。 TrendForceの調査によると、AI向けメモリへの生産集中を背景にDDR2メモリの契約価格が前期比60%上昇し、小売市場ではDDR3キットが約3倍に達しました。 SKハイニックスなどの大手がHBMやDDR5へ生産をシフトした結果、旧規格DRAMが玉突きで品薄になっている状況です。 この空白を中国のCXMTが狙い、市場シェアを1%未満から約12%まで拡大し、米国大手企業もテストを始めています。 半導体サプライチェーンの変化が、自社のハードウェア調達計画に直接影響する局面に入っています。 自社で稼働中のレガシー機器の種類と調達先を確認しておくことが、こうしたリスクへの備えになります。 Apple製チップにソフトウェアアップデートでは修正できないハードウェアの脆弱性が報告されたことも、企業支給端末の運用ルールを見直す機会になります。 重要データのローカル保存禁止ルールを再確認しておくと安心です。 サムスンが全従業員にChatGPTとCodexを導入 サムスン電子がOpenAIとの提携を発表しました。 業務効率化を目的にChatGPT Enterpriseをグローバル展開します。 Codexによるソフトウェア開発の迅速化も目的に含まれています。 出典: OpenAI Blog OpenAIの導入支援業務で半年前の仕事の7割が消滅 顧客支援職種（FDE）において業務の約7割が自動化されました。 AIモデル自身の性能向上により、手動でのワークフロー作成が不要になりました。 AIモデルの性能向上速度が業務フローを上回る形で起きた社内再編として注目されています。 出典: ITmedia AIが自らルールを書き換え性能を60%向上する新手法 AIエージェントが自身の行動ルールを動的に再評価するフレームワーク「Self-Harness」が発表されました。 人間の介入なしにパフォーマンスを最大60%向上させる仕組みです。 運用監視の自動化が進み、少人数でのシステム管理が現実的になります。 出典: VentureBeat GoogleとA24がAI映像ツール開発で7500万ドルの提携 Google DeepMindが独立系スタジオA24と非独占的契約を結びました。 クリエイティブな映像制作向けのAIツールを複数の映画プロジェクトを通じて共同開発します。 他業界のコンテンツ制作プロセスへの応用も見込まれる取り組みです。 出典: TechCrunch 文脈からビジネス影響度を推論するAWSの新セキュリティAI インフラ構成や非構造化データの文脈をAIが加味して脅威を推論します。 システム設計段階からSTRIDE形式で脅威モデルを出力する機能が発表されました。 無駄なアラート対応が減り、少人数でのインフラ運用につながります。 出典: Publickey（新野淳一） ...

今日のニュース AmazonVPが人間によるAI監視の限界を警告 TNW Langflowの脆弱性で7千台のサーバが標的に VentureBeat 生成AIの低品質な社内文書がナレッジ低下の要因になる TNW GoogleのAPI利用料80%値下げで価格構造が変化 Pandaily 台湾メモリ設計企業がAI需要で売上245%増見通し DIGITIMES アリババ系物流でクライミングロボ100台が稼働 Pandaily 北朝鮮の集団によるAI開発サプライチェーン攻撃 BleepingComputer 英政府が誤判定のある顔認証AIを導入 Ars Technica ノーベル賞受賞のJumper氏がAnthropicへ移籍 TechCrunch 中国Zhipu AIがHTMLデザイン評価で首位獲得 Pandaily Midjourneyが医療と温浴事業への参入を発表 ITmedia NEWS OpenAIがMac画面録画による作業代行機能を公開 ITmedia NEWS Anthropicが企業向け分析共有ワークスペース追加 VentureBeat 大阪メトロが月1000件の社内質問をAIで効率化 ITmedia AI+ 味の素が経理業務にAI導入し工数を76％削減 ITmedia AI+ インド通信大手が全サービスへのAI統合を宣言 TechCrunch 専門家がAIエージェントのアクセス権限管理を指摘 BleepingComputer Web閲覧AIを乗っ取るAutoJack攻撃手法が公開 The Hacker News GitHubが社内データ分析AIエージェント事例公開 GitHub Blog OpenAIがMac操作録画の自動化機能を公開 「AIに任せているはずなのに、なぜか人間の仕事は減らない」——そう感じている方は、少なくないはずです。その違和感は、数字でも裏付けられています。 商用AIエージェントの失敗率が最大95%に達している。 という調査データがあります。 これが現場のリアルな実態です。 人間の監視に依存する体制はすでに限界を迎えました。 Amazonのセキュリティ担当副社長が警告を発しました。 人間がAIを過信して出力の確認を怠る。 逸脱の常態化という現象が起きています。 Deloitteの最新の調査データがあります。 企業ユーザーの47%がAIの誤情報を信じました。 そのまま重大な意思決定を下しています。 人間の中途半端な介入による確認作業。 これらが業務のボトルネックを生み出しています。 この課題を解決する機能が登場しました。 OpenAIが公開したCodexの新機能です。 利用にあたってプログラミングの知識は必要ありません。 専門知識のない社員が独自の業務自動化ツールを構築できます。 Mac上での画面操作を実演して録画します。 日常の定型業務のPC操作を一度見せるだけです。 AIが自律的な作業プロセスを学習します。 そのまま手順を再現して作業を代行します。 画面操作ベースの汎用的な自動化の実現です。 高額な業務自動化ツールの導入費用。 外部のシステム会社への開発委託費用。 これらを自社の社員による内製化で削減できます。 現在の運用状況を確認します。 多くの企業がAIの出力を過信しています。 人間による監視機能の形骸化が進んでいます。 ただの承認印と化す問題点があります。 法曹界での実例が報告されています。 弁護士がAI生成の架空の判例を未確認のまま提出しました。 結果として裁判所に処罰されました。 医療現場でもエラーを含むメッセージが送信されています。 医師が内容の確認なしに承認した事例があります。 毎日繰り返される単調な承認作業。 人間の監視機能は容易に形骸化します。 技術が進んだ先の構造的な変化に対応します。 業務プロセスそのものをAIに任せます。 味の素の事例が参考になります。 誤りが許されない保守的な経理業務。 ここにAIエージェントを先行導入しました。 複雑な入力作業のプロセスを自動化。 結果として業務工数を76％削減しました。 ...

今日のニュース OpenAIがMac画面の録画だけで作業を代行する機能を公開し、業務自動化の障壁をなくす。 Adobeが主要アプリに外部AI連携エージェントを標準搭載し、企画へのリソース転換を促す。 米スタートアップがLLM計算処理のボトルネックを解消し、独自モデル構築の負担を下げる。 AWSが手動キュレーション不要の文脈レイヤーを発表し、社内データの資産化を容易にする。 Claudeがチーム共有可能な対話型ワークスペースを追加し、組織連携の基盤を進化させる。 インド通信大手Relianceが全サービスへのAI統合を発表し、従来型IT刷新の事例となる。 ChatGPT法人版が部門別予算管理ダッシュボードを刷新し、費用対効果の不透明さを解消する。 OpenAIがTransformer共同開発者を獲得し、今後のプラットフォーム選定の参考材料となる。 AIエージェントを乗っ取るAutoJack攻撃が発見され、サンドボックス環境の整備が促される。 GitHubが社内データ分析特化AIの構築事例を公開し、データドリブン経営の参考になる。 ピックアップ：OpenAIが録画による作業代行機能を公開 中小企業が長年抱えてきたシステム外注費の負担に、一つの答えが出た。 直近で続いてきたAI運用コストの低下トレンドを受け、今回の機能はその延長線上にある。 OpenAIがmacOS版Codex向けに公開したRecord & Replayは、プロンプトの入力すら不要な自動化ツールだ。 Macの画面操作を一度実演して録画するだけで、AIがピクセル情報から操作手順を解析し「Skill」として記憶する。 どのボタンをクリックし、何を入力し、どのパラメータが変動するかを画面から読み取る。 以降は同じ操作をAIが自律的に再現する。 自律型AIの開発は複数の企業が手がけている。 AnthropicはPC全体を操作する方式を採用し、OpenAIはブラウザ操作に特化したアプローチをとってきた。 Googleは自社の業務アプリ基盤との連携を深め、ローカル環境で動作する特化型モデルも台頭している。 各社がそれぞれの切り口から市場に参入している状況だ。 この機能で、自動化の入り口は実質ゼロになる。 プログラミングの知識がない社員でも、日常のルーティン業務を自ら自動化できる。 経費精算、休暇申請、定型レポートの作成といった作業が対象になる。 高額な従来型RPAの導入費用や、外部へのシステム開発委託から離れる選択肢が生まれる。 ただ、留意すべき点もある。 ローカル環境での予期しない動作が報告されており、オープンソース陣営からは制御の難しさが指摘されている。 エージェントに広い権限を与えると、意図しない操作が起きる可能性がある。 現場には、定型業務が代替されることへの懸念もある。 まず手順が固定化された反復作業から試し、動作を確認しながら範囲を広げていく進め方が現実的だ。 浮いたコストと社内リソースをどこへ向けるかが、次の経営判断になる。 独自のデータ基盤の整備に再投資することで、自社のノウハウをAIに学習させる素地を作れる。 他社が模倣しにくい競争力の源泉を社内で積み上げていく取り組みだ。 全社的な自動化を安全に進めるには、ブレーキの設計も欠かせない。 Microsoftが報告したAutoJack攻撃では、悪意あるWebページを読み込んだだけでAIエージェントが乗っ取られる。 ホスト端末上で意図しないコードが実行されるリスクがある。 サンドボックス（隔離）環境でエージェントを動作させる運用ルールを先に整えておくと、このリスクを抑えられる。 安全な環境を整えた上で自動化の範囲を広げる。順序が重要だ。 自社のどの定型業務を録画から始めるか。その一歩が外注費の見直しにつながる。 出典：ITmedia NEWS 各ニュース詳細 Adobeが主要全アプリにAIエージェントを標準搭載 AdobeがCreative Cloudの主要アプリへAIエージェントの搭載を発表した。 制作の補助に加え、ChatGPTやClaudeといった外部の生成AIとの連携にも対応する。 複数のアプリをまたいだ作業や、修正指示を含むワークフローの処理が可能になる。 出典：ITmedia NEWS LLMの計算ボトルネックを打破する新技術が発表 米スタートアップのSubquadraticが、LLMの計算処理における課題を解消する新技術を発表した。 従来のアーキテクチャを見直すことで処理効率と速度を向上させるとしている。 ステルスモードを終了し、新モデルの詳細を公開した。 出典：MIT Technology Review AWSがエージェント自動学習型の文脈レイヤーを発表 AWSが企業データとAIエージェントをつなぐ文脈レイヤー技術を発表した。 手動でのデータ整理を必要とせず、エージェントとのやり取りから自動的に学習するグラフ構造を採用する。 エンタープライズ向けのデータ統合を簡素化する設計になっている。 出典：VentureBeat Claudeが企業向け共有ダッシュボード機能を追加 AnthropicがClaude Code Artifactsにライブ共有機能を追加した。 チーム内でリアルタイムに共有できる対話型ワークスペースが使えるようになる。 コードやデータの可視化画面をメンバー間で直接操作することも可能だ。 ...

今日のニュース 米Fordが新設EV電池工場をAI向け蓄電池の製造へ転換。 TNW コスト据え置きで推論効率を2.5倍に高める新AIフレームワークが登場。 VentureBeat OpenAIのAIが複雑な化学反応を自律改善し研究開発期間を短縮。 OpenAI Blog AIを一元管理するエンタープライズ向けOS開発企業が約95億円を調達。 Sifted DeepLが音声企業を買収し大規模会場の多言語リアルタイム翻訳へ進出。 Tech.eu 中国Z.aiの新モデルが1/6のコストでGPT同等以上の精度を記録。 VentureBeat Adobeが制作フロー全体を自動代行する自律型AIを各種ツールに実装。 VentureBeat 米規制局がデータセンターの送電網接続を迅速化する指令を発表。 TechCrunch 不要なAIエージェントが権限を残したまま放置されネットワークの弱点に。 The Hacker News BMWが中国EVメーカーとの競争を受け通期の利益予想を下方修正。 TNW Fordが電池工場をAI用へ転換。既存資産を再定義する 稼働すらしていない20億ドルのEV新工場が、突如として白紙に戻った。 過去の投資に固執して身動きが取れなくなる企業は少なくない。 外部環境の変化で事業計画が頓挫すること自体は珍しくないが、問われるのは手元の資産をどう活かすかだ。 本稿では、不要になった設備を別の成長市場へ鮮やかに転換した事例を取り上げる。 足元で減速する米国のEV需要。その背景には、高金利や充電インフラ不足による消費者の買い控えがある。 こうした逆風を受け、FordはSK Onとの合弁を一部見直し、建設中だった工場の用途転換に踏み切った。 対象となるのは、ケンタッキー州「ブルーオーバルSKバッテリーパーク」の一部。 当初EV用バッテリー製造に向けて投じられた20億ドルの設備が、AIデータセンター向けの定置用蓄電システム製造へと振り向けられる。 ここで活用されるのが、CATLからライセンス供与を受けたLFP（リン酸鉄リチウム）技術だ。 安全かつ低コストという利点を持つこの技術を用い、2025年からコンテナ型の蓄電池モジュールを量産する。 すでにEDF Power Solutionsとの間で、最大20GWhの蓄電池システムを供給する契約も締結済みだ。 北米のエネルギー貯蔵システムの需要は、今年76GWhに達する見込みだ。 動きを見せているのはFordだけではない。GMもLGとの合弁工場を蓄電池製造へ切り替えており、ステランティスもカナダの工場で同様の転換を実施した。 自動車各社は「EV専用」という縛りからの脱却を急いでいる。 いまや自動車製造の枠を超え、エネルギー供給分野への事業拡張が加速しているのだ。 データセンター向け蓄電池市場は今後急拡大し、2034年には約43億ドル規模へ成長するとの予測もある。 世界のエネルギー貯蔵市場全体を見渡せば、その規模は約456億ドルに達する。 特にAIのデータ処理はGPUをフル稼働させるため、最大40%もの激しい電力負荷変動を伴う。 もし停電が起きれば、1回あたり10万ドル以上の経済損失が発生し、約16%のケースでは被害額が100万ドルを超える。 これほどの代償を考えれば、蓄電池への初期投資は容易に回収できる計算だ。 さらに、リチウムイオン電池の価格低下に伴い総所有コストも改善傾向にある。 ABBが初期費用ゼロのサブスクリプション型モデルの提供を開始するなど、設備導入のハードルは着実に下がってきた。 性能面での進化も目覚ましい。 LFP電池は高価なコバルトを含まないため製造コストが安く、熱暴走のリスクも低いため安全性が極めて高い。 これを標準コンテナに収め、内部に液冷システムを統合することで、輸送や設置が容易なモジュール化を実現した。 最新の製品ではエネルギー密度が430Wh/Lに達し、サイクル寿命は1万5千回を突破。 市場には初期5年間の劣化ゼロ保証を謳う製品まで登場している。 もちろん、自社のリソースを別業界へ転換するのは容易な決断ではない。 今回の決定を、既存EV戦略の事実上の頓挫と見る向きもある。 ただ、AIの進化によって産業のボトルネックは「計算資源」から「電力」へと移行した。 大手テクノロジー企業が、AIによる電力変動への対応や脱炭素化に向けてインフラ確保に奔走するなか、自動車メーカーの持つ余剰生産能力が見事に合致した形だ。 これは単なる設備転用ではなく、需給のギャップを埋める戦略的なリソース再配分である。 業務効率化で浮いた予算を自社のデータ基盤へ再投資する動きについては、以前の記事でも触れた。 今回の事例は、さらに一歩踏み込んだ事業戦略だ。 手元にある既存の事業資産を異業種へ再配置することで、市場の変化に合わせて自社の強みを柔軟に再定義している。 巨額投資の確実な回収手段として、この用途転換は理にかなっている。 その半面、本業である自動車事業の競争力低下に対する市場の視線は依然として厳しい。 先行するテスラは、大型蓄電池「Megapack」の導入量で記録更新を続けており、すでにエネルギー部門を収益の柱へと成長させた。 そこにBYDやCATLといった強固な量産体制を持つ中国勢が猛追し、急速に市場シェアを広げている。 蓄電池市場自体のシェア争いが過熱するなか、GMも冷却不要で安価な次世代電池の開発を急ぐ。 柔軟な事業転換はピンチを切り抜ける一手となるが、同時に本業の苦境を映す鏡でもある。 この決断が吉と出るか凶と出るかは、今後の市場動向次第だ。 市場環境の急変に合わせて自社のリソースを機敏に再定義し、異業種の成長領域で新たな収益源を確保する。 こうした柔軟な経営判断こそが、これからの不確実な時代を生き抜く鍵となる。 手元に眠る資産の価値を改めて見直すことで、次の成長軌道を描き出せるはずだ。 米規制局がデータセンターの送電網接続を優先する指令を発表 インフラ確保の動向として、米国の規制当局も異例の対応に乗り出している。計算資源から電力へとボトルネックが移行するなか、迅速な電力網への接続がビジネスの勝敗を分ける要因となってきた。 米連邦エネルギー規制委員会は、データセンター向けに電力網接続手続きの迅速化を特別に認める指令を発表した。 AIの稼働に伴う最大40%もの電力負荷変動に対し、既存のインフラが需要増に追いついていない現状を受けた措置だ。 1回の停電で10万ドル規模の損失が生じるリスクを防ぐため、安定した電力確保は不可欠である。 いまや大規模な電力網への接続権そのものが、IT産業成長の前提条件になりつつある。 出典: TechCrunch ...

AWSの新機能で自社データとAIの連携が数分で完了。開発外注費を見直し自社の知見を資産化する 今日のニュース AWSがRAGインフラ管理を完全自動化しました。AWS Blog スタンフォード大がAPIコストを半分にする手法を発表しました。VentureBeat Databricksがデータ分断を解消しAIの活用を可能にしました。VentureBeat Arcadeが社内AIの権限管理基盤のため6,000万ドルを調達しました。TNW OpenAIの自律型AIが医薬品合成の化学反応を改善しました。OpenAI Blog 世界モデルAI開発のOdysseyが3.1億ドルを調達しました。TechCrunch SpaceXが株価高騰を背景にCursorの買収を進めています。TNW 米政府がAnthropicにモデル再公開の条件を要求しました。Wired 英国政府がAnthropicの適用除外を求めましたが拒否されました。TNW 米政府がSandboxAQに半導体素材のAI探索を委託しました。The Register ピックアップ: AWSのManaged Knowledge Baseが変えるもの 外注で数百万かけて作ったAIシステムがあります。それが数週間で古くなります。そんな経験を持つ方に今日のAWSの発表を共有します。 Amazon Bedrockで新機能の提供が始まりました。「Managed Knowledge Base」です。自社の業務データをAIに読み込ませます。正確に回答するアプリを数分で構築できます。 ここで少し立ち止まります。「数分で」という言葉は軽く聞こえます。これまでのRAG構築の面倒さを整理します。 RAG構築の現実とコモディティ化 RAGはAIが回答を作る際の仕組みです。登録した自社データを検索して根拠にします。社内の知識をAIに持たせます。汎用AIに自社専用の頭脳を与えます。 ただ、構築には落とし穴がありました。データ取り込みの設計が必要です。データベースの選定や管理も必要です。検索精度の調整も伴います。自前で行うとエンジニアが数週間かかります。外注すると数百万円のコストが発生します。しかも保守が続きます。AWSは今回この部分を自動化しました。 インフラの組み立て作業がなくなる。これが今回の発表の核心です。 データ資産の問いへの回帰 ではインフラの壁が消えた先に何があるのか。 新機能が提供するのは入れ物です。中身の自社データは各社が自力で整備します。ここで問われるのが自社データの資産化です。 外注費などを削減した予算に行き場ができました。社内の暗黙知のデジタル化やデータの整理です。地味で後回しにされがちな作業ですが、RAG構築コストがほぼゼロになった今、データ整備の時間が直接AIの精度に変わります。 ここには世界的な文脈があります。Odysseyの評価額が14.5億ドルに達しました。AIの主戦場は物理世界の実作業に移っています。世界モデルAIが普及する未来を想定すると、その恩恵を受ける条件は一つ——自社データがAIと連携できる状態にあること。今回の発表はそのコストを引き下げました。 「入れ物が良くなっても中身次第」という批判 もちろん楽観的な見方だけでは不十分です。 インフラが自動化されても課題は残ります。データが古ければAIは誤った回答を返します。質の悪いデータからは悪い結果しか出ません。構築が簡単になるほどこの問題が目立ちます。以前は構築の手間がフィルターとして働きました。 つまり浮いた工数の使い道が問われます。担当者がデータの品質管理に向き合えるか。そこに差が出ます。 自社で整備できているデータを棚卸ししてみてください。今日試すとしたらどのデータから始めますか。 各ニュース詳細 スタンフォード大がマルチAIのAPIコストを50%削減する手法を発表 スタンフォード大が新しい手法を発表しました。 中央の指揮役なしでAI同士が自律協調します。 タスク実行のAPIコストを50%削減しました。 分散設計でマルチAIシステムの構築が簡単になります。 出典: VentureBeat Databricksが運用データと分析データの分断を解消しAIのリアルタイム活用を実現 運用データと分析データの分断を解消しました。 AIがリアルタイムの運用データへ直接アクセスします。 最新情報を元にAIが意思決定できる環境が整います。 古いデータによるAIの誤答を構造的に防ぎます。 顧客対応や在庫管理での判断精度を高めます。 出典: VentureBeat ArcadeがAIエージェントの権限管理基盤を提供するため6,000万ドルを調達 ArcadeがシリーズAで6,000万ドルを調達しました。 社内AIがシステムを操作する際の権限を管理します。 AIは与えられた権限を最大限に利用する性質があります。 その制御が基幹業務へのAI導入における課題です。 出典: TNW 米政府がAnthropicに完全な脱獄防止を再公開の条件として要求 米政府はAnthropicのモデル再公開に条件をつけました。 完全な脱獄防止措置を求めています。 脱獄とはプロンプト操作で安全機能を迂回する手法です。 技術的に完全な防止は現時点で不可能と指摘されます。 英国政府の適用除外要請も米政府に拒否されました。 出典: Wired / TNW ...

今日のニュース スタンフォード大が新手法DeLMを発表。AI運用コストを半減しました。VentureBeat SpaceXがAI開発のCursorを買収。内製化を推進します。Ars Technica AWSがAIボットの巡回に対する課金制御機能を追加しました。AWS Blog 消費者の60%が過度なAIアピールに不信感を抱いています。TechCrunch Sakana AIが長文レポートを約8時間で生成するツールを発表。VentureBeat 米国防総省が議会報告書の執筆に生成AIを活用。150万人が利用中です。Ars Technica 半導体大手のMobileyeが米国でロボタクシー事業への参入を発表。TNW OpenAIが年間数十億ドルの赤字を計上していると判明しました。Ars Technica AI生成コードが数カ月後に技術的負債となる問題が表面化しました。VentureBeat ハッカーがTeams通信を隠れ蓑にする手口を発見しました。The Register スタンフォード大がエージェントAIのコストを半減。浮いた予算を自社のデータ基盤へ再配分できる 毎月のシステム外注費が重くのしかかります。 AIで業務を自動化したいものの、API利用料が見合わない。 これは中小企業の現場でよく聞かれる悩みです。 システム開発の丸投げから脱却したい。 自社で独自の業務環境を構築したい。 これまでその道を阻んできた運用コストの壁が崩れつつあります。 複数のAIが役割を分担して協調するマルチエージェント環境。 米Fortune 500企業の37%が本番環境へ導入しました。 BMWなどの企業で業務プロセス自動化の実用化が進んでいます。 定型業務コストが10分の1に減るというBCGの調査結果もあります。 Tenetの調査でも平均35%のコスト削減が報告されました。 中小企業でも試行錯誤が始まりました。 使ってはいるが明確な効果が見えない。 API費用が月に数十万円単位で膨張する。 ライセンス費に見合うか判断に迷う企業も少なくありません。 スタンフォード大が新フレームワークDeLMを発表しました。 従来のマルチエージェント環境には課題がありました。 複数のAIに指示を出す中央管理のLLMが必要でした。 DeLMはこの中央管理の仕組みを廃止しました。 各AIが直接通信して処理を進める仕組みに変更しました。 その結果として通信のボトルネックが消滅しました。 ソフトウェア開発のタスク解決率を65.7%に高めました。 同時に推論にかかるコストの50パーセント削減に成功しました。 月額50万円だったAPI費用が品質を落とさず25万円になる。 この事実は業務自動化を進める強力な後押しです。 AIエージェント市場は2030年に約526億ドルへ成長します。 市場拡大とともにAPIコスト最適化は企業の重要課題です。 中央の管理役をなくすことでAPI利用料が半分になる。 この事実はエンタープライズAIの運用を根本から変えます。 直近の記事で入力コストの低下を取り上げました。 今回は単一モデルから環境全体へと最適化の波が広がりました。 マルチエージェントの自律化で中央管理の通信負担が消滅します。 そしてAPI利用料が半分になり処理スピードが上がります。 この予算削減の仕組みによって生まれた余剰資金の使い道。 それが企業の未来を分けます。 浮いた予算を単なる経費削減で終わらせてはいけません。 システム外注費の削減とAI運用コストの圧縮で確保した資金。 これを自社の暗黙知を資産化するデータ基盤構築へ再配分する。 これこそが新しい経営戦略の形です。 浮いた外注費のデータ基盤への再投資は独自の競争力の源泉です。 一方で、開発速度の裏に潜むリスクには注意が必要です。 AIに依存してコードやパイプラインを生成させた結果。 数カ月後にはなぜ動いているのか人間には説明できない。 そんな技術的負債の問題も指摘されています。 完全な自動化を盲信してはいけません。 人間によるレビューとガバナンス体制の構築は不可欠です。 それでも、APIコストの壁を破る突破口は開かれました。 コストを理由に導入をためらっていた企業には、今がテスト運用を開始する時期です。 AI技術の非中央集権化がコストの壁を破壊しました。 あらゆる企業がシステムを内製化できる環境が整いつつあります。 最適化によって浮いた予算と人員の時間をどう使いますか。 どの独自のデータ資産を育てるために投資するかが問われます。 ...

今日のニュース Stack OverflowがAI間で技術情報を共有する専用掲示板のベータ版を提供開始 Publickey Salesforceが無人顧客対応AIのFinを約5500億円で買収しプラットフォームへ統合 TechCrunch Copilot経由で社内データが流出する脆弱性が発見されアクセス権限の厳格管理が課題に The Hacker News NewCoreがAIエージェントのアクセス権を一元管理する基盤開発で約100億円を調達 TechCrunch Monday.comが約300億円のファンドを新設し業務AIスタートアップの囲い込みへ TNW FoxがRokuを約3.4兆円で買収しコンテンツと端末を統合した広告プラットフォームを構築 TechCrunch 英国政府がメンタルヘルス保護を目的に16歳未満のSNS利用を禁ずる厳格な措置を発表 TechCrunch インドのSarvamが約360億円を調達し自国に最適化されたエンタープライズAIを展開 TechCrunch マルチエージェントの連携に向けたAI間通信の次世代プロトコルを巡る主導権競争が活発化 VentureBeat Sakana AIが調査や分析に特化した商用版リサーチエージェントの提供を新たに開始 ITmedia AI+ Stack OverflowがAI専用掲示板のベータ版を提供開始 「また追加費用が発生した」——そう頭を抱えた経験のある経営者は少なくないはずです。 何度打ち合わせても追加の費用が発生します。 既存の紙業務をそのまま画面にするような提案もあります。 要件定義のたびに発生する意思疎通の手間は無視できません。 ベンダーに依存するとシステムの中身が見えなくなります。 これらは企業の成長スピードを遅らせる要因になります。 前回の記事で開発チームの65%がAI化する予測に触れました。 本日はその予測を裏付ける事実を取り上げます。 外部委託の悩みを解決する新しい技術が登場しました。 新野淳一氏が運営するPublickeyの報道によると。 Stack Overflowが新サービスを提供開始しました。 AI同士が技術情報を共有する専用の掲示板です。 これまで人間向けだった巨大QAサイトが変わります。 AIが直接通信するための場所として機能します。 あるAIが試行錯誤して得た解決策を書き込みます。 それを別の組織のAIが即座に読み取り活用します。 人間が解決策を検索する時代から移行します。 AI自身が自律的に知識を検索し共有する仕組みです。 現在の生成AI導入における現実を見てみましょう。 企業AIチームの78%が初年度のAPI予算を超過しています。 高度なAIモデルの動作には多くの計算リソースが要ります。 各組織のAIはこれまで独立して稼働していました。 同じエラーに直面するとそれぞれが試行錯誤を繰り返します。 この無駄な反復が運用コストを押し上げています。 今回のAI掲示板はこの課題を解決する手段となります。 他のAIの成功例を流用して計算の無駄を省きます。 APIの利用コストを最大80%削減できる試算もあります。 この技術は予算の限られた中小企業に恩恵をもたらします。 莫大な開発費を用意する必要はありません。 他のAIが解決した知見を自社のAIが借りてくるだけです。 世界中の優秀なエンジニアが自社を助けてくれる感覚です。 APIの呼び出し回数が減ることでランニングコストが下がります。 予測不可能な追加費用に怯える必要もなくなります。 予算の見通しが立てやすくなることは経営の安定に繋がります。 複数のAIが協力する仕組みは開発の形を変えます。 AI同士が自律的に知識を交換し連携して作業を進めます。 タスクの完了時間が短縮されプロセスの精度が向上します。 これは中小企業にシステム開発を内製化する機会を与えます。 外部委託していた作業を非エンジニアでも社内で処理できます。 要件定義からコード作成までを社内のAIが完結させます。 外部ベンダーとの調整業務に時間を割く必要がなくなります。 内製化によりシステムの仕様がブラックボックス化しません。 自社の業務プロセスに完璧に合致した仕組みを構築できます。 画面の変更や機能の追加も社内で迅速に対応可能です。 事業の成長に合わせて柔軟にシステムを成長させられます。 市場の変化に即座に対応できる俊敏性が手に入ります。 これもAIによる内製化がもたらす大きな副産物です。 一方で注意すべき視点もあります。 AIの自律性が高まるとリスク管理の仕組みが必要です。 重要な判断には人間が必ず関与する体制を作ります。 これをハイブリッド型の承認プロセスと呼びます。 AIにすべてを任せるのではなく有能な部下として扱います。 またAIが働きやすいように社内データを整えることも大切です。 現在APIを設計済みの開発者は**全体の24%**に留まります。 人間向けの紙資料をAIはそのままでは読み取れません。 データに直接アクセスできる環境作りが最初のステップです。 ...