セキュリティ

Anthropicのコードの80パーセントをAIが記述。浮いた予算を自社のデータ基盤構築へ投資する 今日のニュース AnthropicのCEOが本番コードの80%をClaudeが書くと公表 Agentic AI普及でテストや要件定義が次の開発課題に 中国移動とZTEがクレーム分析AIを導入し原因究明を自動化 米経費データでDeepSeekへの乗り換えが増加率首位を記録 自己増殖型ワームMiasmaがMSのGitHub73件に感染 ピックアップ: Anthropicが本番コードの8割をAIで生成。外注費の見直しと自社データ基盤への再投資 自社のシステム開発費を「仕方ないコスト」と思ったまま、今期も払い続けていませんか。 AnthropicのCEO、ダリオ・アモデイ氏が公言した。同社が書く新しい本番用コードの 80% を、自社AI 「Claude」 が記述していると。補助ツールとしてではなく、中核となるプロダクションコードをAIが担っている。開発自動化の議論が一段階変わった。 角度を一つ変えると。世界で最も高度なAI開発を手掛ける企業自身が、その開発プロセスを自社AIで代替している。技術的な自慢話ではなく、コスト構造の問題だ。 今の現実: 補助ツールから「主力戦力」へ AIコーディングツールは2023年頃から普及した。ただ多くの企業では、エンジニアが書いたコードをAIが添削する使い方にとどまっていた。 Anthropicの事例はその位置づけを逆転させている。AIが書いたものを人間が確認・承認する、という流れだ。 ただし、これが即座に「エンジニア不要」を意味するわけではない。Anthropicほどの規模でこれを実現するには、厳格なコードレビューとテスト自動化の仕組みが前提として存在する。土台なき自動化は、スピードより先にバグを量産する。 本質的な変化: 「作る」から「管理する」へのシフト コストの観点で見ると、構造的な変化はここにある。 AnthropicもOpenAIも年間数十億ドル規模の赤字を計上し続けている。推論コストだけで年間20億ドル超、研究開発を合わせれば50億ドルを優に超える。莫大なインフラ投資を維持するために、人件費を含む開発プロセスを可能な限りAIで代替するほかない。その結果として生まれた「本番コードの80%」という数字だ。 翻って中小企業の場合、システム開発費や外注費は固定費として膨らみやすい。要件定義が曖昧なまま発注し、修正のたびに追加費用が発生する——こうした構造を、コード生成の自動化は直撃する。「コードを書く」部分の費用が下がれば、そのぶん要件定義や設計に人と時間を集中させられる。 見落としがちな補足: リスクと、浮いた予算の行き先 一方で、Gladstone AIが米国務省の委託を受けてまとめたレポートは、AI生成コードの品質管理とガバナンスへの注意を促している。コードが自動生成されるほど、何がどこで動いているかを人間が把握し続ける体制が重要になる。自動化のメリットを得るには、管理の仕組みを同時に整えることが前提だ。 そして、そこで生まれる余地。開発費の一部を圧縮できたとして、その予算をどこに回すか。 過去の記事で繰り返し触れてきたように、自社固有のデータを蓄積・整理するための基盤整備は、AIを「外から借りるもの」から「自社の強みを乗せるもの」に転換する起点になる。汎用AIツールに誰でもアクセスできる今、差がつくのはコードの質より手元にあるデータの質だ。Anthropicの今回の発表は、その議論をより具体的な話にした。 あなたの会社の開発コストのうち、「書くこと」に払っている部分はどれくらいありますか。 各ニュース詳細 Agentic AIがコーディングを自動化し、テストや要件定義が次の課題に AIによるコーディングの自動化が進んだ結果、開発現場でそれ以外の未解決課題が表に出てきた。テスト設計、要件定義、インフラ管理といった領域でのボトルネックが前面に出た形だ。AIツール群を束ねる全体設計と、開発プロセスのマネジメント能力の比重が上がっている。 出典: VentureBeat 中国移動とZTE、クレーム分析から原因究明までをAIエージェントで自動化 中国移動江蘇省とZTEが、通信障害などの顧客クレームを処理するAIエージェントを共同導入した。マルチモーダルモデルとエージェント技術を組み合わせ、シグナリング分析から問題の特定までを自動処理する。従来は高度な専門知識を要した保守運用業務を、知識主導型のプロセスへと転換した。 出典: The Register 米決済データで判明、DeepSeekへの乗り換えが月次調査で増加率首位を記録 米決済プラットフォームRampが5万社超の取引データをもとに公開した月次調査で、DeepSeekが増加率首位に入った。入力コストはOpenAIの主要モデルと比べて数分の一の水準にある。セキュリティ上の懸念があるにもかかわらず、企業が直接APIに課金している実態をRampのエコノミストが指摘している。 出典: ITmedia AI+ 自己増殖型ワーム「Miasma」、MicrosoftのGitHubリポジトリ73件に感染 自己増殖型ワーム「Miasma」がMicrosoftのGitHubリポジトリに侵入し、73件が無効化された。開発環境そのものを標的にするサプライチェーン攻撃で、自動化が進む開発現場での新たな手口だ。コードの出所確認とAIツールへのアクセス権限の範囲をチームで取り決めておくことで、感染経路を絞り込める。 出典: TNW Java PDF/画像処理ライブラリをお探しですか？ JPedal（PDF描画・変換）・JDeli（画像処理）で高精度な処理を実現 詳しくはこちら

今日のニュース Anthropicの本番コード80%をAIが生成 — CEOが自社AIモデル「Claude」による自動生成の実態を公表 VentureBeat ChatGPTでローカルPDFエディタを自作 — 機密ファイルを外部送信せずAIの恩恵を受ける実践事例 ZDNet SupabaseがFirebase代替として評価額1.5兆円に — 8ヶ月で評価額を倍の100億ドルへ TechCrunch CodexがHTTP/2の脆弱性を発見 — 家庭用PCでもサーバ停止が可能な攻撃手法が判明 ITmedia NEWS ピックアップ: AnthropicのClaudeが本番コードの80%を生成、開発費の再配分を考える機会に AnthropicのCEOが公表した数字は、シンプルで重い。 自社の新しい本番用コードの80%が、すでに自社のAIモデル「Claude」によって書かれている。 この数字が興味深いのは、「AIが人間を補助する」という段階の話ではないからだ。AIが自分自身のシステムを構築し拡張していく、自律的な開発の構造がすでに動いているという報告である。 何が変わり、何が変わっていないか 誤解を避けるために整理しておく。 現時点でAIが書くコードは、人間のエンジニアによるレビューと意思決定を経ている。「エンジニア不要」という話ではなく、エンジニアの仕事の重心が「書く」から「判断する・設計する」へ移っているイメージに近い。 それでも80%という数値は、従来の「人月」を前提にしたシステム開発の見積もりを根底から問い直す水準だ。 過去にお伝えした千葉銀行グループのシステム移行工数80%削減、Pinterestの推論コスト90%削減と同じ流れが、今度は「コードを書く工程そのもの」へ及んでいる。 コスト構造への影響：外注費の計算式が変わる コスト構造への影響は直接的だ。 従来のシステム開発では、工数×単価という人月の計算式が外注費を決めていた。AIが生成するコードの比率が高まるほど、この計算式は意味を失っていく。 100人月かかっていたプロジェクトが20人月で完了するなら、外注費はそれだけ圧縮できる可能性がある。 この変化を支えるインフラの規模は大きい。GoogleはSpaceXに対して月額9億2,000万ドル（約1,380億円）の計算資源利用料を支払う契約を結んでいる。AIの学習コストは2027年に1モデルあたり10億ドルを超えるとも試算されており、この領域への正面からの参入は現実的ではない。 ただ、天文学的なコストで鍛え上げられたAIモデルを「使う側」に回れば、話は変わる。自社でインフラを持たずとも、開発工数の削減という効果だけを手にできる立場が中小企業にはある。 見落としがちな補足：クラウド依存にも別のリスクがある ひとつ付け加えておく。 米ニューヨーク州議会は、AIインフラの急拡大による電力負荷を理由に、新規の大型データセンター建設を1年間禁止する法案を可決した。クラウドAIの成長に規制という逆風が吹き始めている。すべての処理を外部クラウドに委ねる戦略には、サービス制限や価格変動の可能性が伴う。 浮いた開発費をどこへ向けるかの選択肢として、自社独自のデータ基盤——データベースやデータの流れを管理する仕組み——の整備が入ってくるのは、このためだ。 外部依存を減らしながらAIを活用できる自社固有の土台を持つ。コスト削減の果実を単なる経費節減で終わらせない使い道として、検討する価値がある。 あなたの会社では、システム開発の見積もりに「AIによる工数削減」を織り込んだことがあるだろうか。 各ニュース詳細 機密データのクラウド送信を回避しながらPDFエディタをローカルで自作した実践事例 機密データのクラウド送信を避けながらAIの利便性を活かす手法として、ChatGPTのコード生成機能を活用してオフラインで稼働するPDFエディタを独自開発した実践事例が報告された。AIに対して直接ファイルを渡すのではなく、コードの生成指示のみを行うことでデータをローカル環境に留め置くアプローチとして注目されている。 出典: ZDNet SupabaseがFirebase代替として直近8ヶ月で評価額を100億ドルへ倍増 Supabaseは直近8ヶ月の間に企業評価額を100億ドル（約1.5兆円）へと倍増させた。Googleが主導するFirebaseの代替としてオープンソースの開発者コミュニティへの浸透が進んでいる。 出典: TechCrunch AIモデル「Codex」がHTTP/2の新たな脆弱性を発見、nginxとApache httpdに影響 OpenAIのコーディング支援AIモデル「Codex」が、HTTP/2プロトコルに内在する新たなDoS攻撃手法を発見した。100Mbps程度の通信帯域があれば、家庭用PCからでも対象サーバを数秒で停止させられるとされ、nginxおよびApache httpdが影響を受ける。発見を受けて一部サービスはHTTP/1.1への切り替えによる緊急対応を実施した。 出典: ITmedia NEWS PDFをブラウザで高速表示したいですか？ BuildVu でPDF・Office文書をHTML5/SVGに変換。プラグイン不要でどのデバイスでも忠実に表示 詳しくはこちら

今日のニュース AlibabaがマルチモーダルAI「Qwen3.7-Plus」を0.4ドル/100万トークンで発表。VentureBeat GoogleがノートPC16GBで動く動画対応モデル「Gemma 4 12B」を公開。VentureBeat RampがAI課金の可視化機能を評価され、440億ドル評価で7.5億ドルを調達。TNW rsyncでAI生成コードがバックアップ障害を引き起こし、メンテナが批判。The Register ピックアップ: AlibabaのAI単価下落が示す構造変化と、中小企業が取れる次の一手 何が起きたか AlibabaがマルチモーダルAIモデル「Qwen3.7-Plus」を発表しました。テキスト・画像・動画の3モダリティに対応しています。APIの利用単価は100万トークンあたり0.4ドル。OpenAIの主力モデルと比べて75〜85%低い水準です。 価格だけではありません。複数のベンチマークで主要競合モデルに拮抗するスコアも示されており、「安いが性能は落ちる」という従来の構図とは様相が異なります。 今の現実：安くなったが、使い方は変わっていない 多くの中小企業で、生成AIの月次コストが数十万円規模に達しているケースも報告されています。ただ実態を聞くと、「ライセンス料は払っているが、どの部門が何に使っているか把握できていない」という声が多い。 Qwen3.7-Plusのような超低単価モデルへの移行で、仮に月次のAPI利用料が60〜70%削減できたとします。数字として魅力的ではあります。ただ、削減された予算の使い道が決まっていなければ、コスト圧縮は収益の底上げで終わります。 本質的な変化：API単価の下落は「インフラ投資競争の副産物」 この価格水準が生まれた背景を知っておくことは、今後の判断に役立ちます。 2026年のIPO市場では、SpaceX・OpenAI・Anthropicの3社だけで最大2,000億ドルの資金吸収が見込まれています。MetaはGPUを35万基導入しました。「Stargate」プロジェクトでは、最大5,000億ドル規模のAIスーパーコンピューター構築も構想されています。 これだけの数字が並ぶと実感しにくいかもしれませんが、経営への影響はシンプルです。メガテックが計算資源に巨額を投じるほど推論コストは下がり、その恩恵がAPIの単価に反映されます。中小企業にとっては、自ら投資しなくても利用できるインフラが安くなり続けるということです。 PinterestがAI推論コストを90%削減した事例や、千葉銀行グループの工数削減のケースも、この同じ流れの上にあります。一方で、DatabricksのCEOが「他社のIPO資金が枯渇する」と警戒感を示すほどの資本集中が起きていることも、同じ文脈の話です。 つまりこの価格の下落は、特定ベンダーのキャンペーンではなく、巨大資本によるインフラ整備の副産物として起きています。メガテックが競争するほど、末端のAPI単価は下がり続ける構造です。 見落としがちな視点：安くなっても「文脈の翻訳コスト」はゼロにならない API単価が下がっても、下がらないコストがあります。 自社の業務文脈をAIが理解できる形に整えること。社内に散在するデータを構造化すること。そして、AIの出力を業務判断に接続するプロセスを設計すること。これらは「配管工事」と呼ばれることもあります。その工数は人件費であり、ツールの単価には連動しません。 スタンフォード大学の調査では、ユニコーン企業のイグジットに占めるIPOの比率が2010年の83%から2024年には11%まで下落しています。資本の集中が一部に偏る構造は、外部調達に頼れない中小企業ほど自前の基盤整備を問われる環境とも解釈できます。 削減できたAPIコストを、どの「配管工事」に充てるか。その問いに答えを持っている経営者と、そうでない経営者とでは、同じ価格の下落から得られる成果が変わってきます。 各ニュース詳細 Google、ローカル動作対応の動画解析モデル「Gemma 4 12B」を公開 Googleがオープンモデル「Gemma 4 12B」を発表。標準的なノートPC（メモリ16GB）で完全ローカル動作し、音声・動画・画像の解析が可能。機密データをクラウドに送信せず処理できる選択肢として注目されている。 出典: VentureBeat Ramp、AI課金管理機能を軸に評価額440億ドルで7.5億ドルを調達 企業決済SaaSのRampが、AIトークン課金やエージェント利用コストの可視化・制御機能を強化。Series Fで7.5億ドルを調達し、評価額は440億ドルに到達。売上高は10億ドルを突破し、TPVは前年比170%増を記録した。 出典: TNW rsyncプロジェクト、AI生成コードによるバックアップ障害でメンテナが批判 バックアップツール「rsync 3.4.3」へのアップデート後、増分バックアップが機能しなくなる事例が報告された。調査の結果、AI支援によるコミットが原因として特定され、ベテランエンジニアが検証なしのAIコード流用を強く批判した。 出典: The Register メール対応をAIで自動化しませんか？ 受信メールをAIが分析し回答案を自動作成。担当者は確認・送信するだけ。 詳しくはこちら

今日のニュース EUがAIデータセンターの電力消費増に伴いピーク時の節電を家庭に要請。TNW 阿波銀行が廃止予定のテスト環境をAI開発に転用し不正アクセスを受けた。ITmedia NEWS MSがAIエージェント間で業務知識を共有する新基盤を発表した。VentureBeat MSがAIにPC操作を安全に行わせる隔離環境を発表した。VentureBeat TravelersがOpenAIを活用し全国の保険金請求手続をAI化した。OpenAI Blog 訴訟中のAI音楽Sunoが新たに4億ドルを調達し評価額が54億ドルに達した。TechCrunch SpaceXがIPO株価を135ドルに設定し約260兆円規模での上場を予定。TNW VS CodeでリンククリックのみでGitHubトークンを奪われる脆弱性が公開。BleepingComputer Googleが16GBメモリPCでローカル動作する軽量AIモデルを公開。VentureBeat OpenAIが非エンジニアでも生成アプリを即座にWeb公開できる機能を追加。ITmedia NEWS OpenAI Codex Sites公開 — 社内ツール開発の外注費削減から配管工事へ データセンターが国家電力の22%を占める国がある。 アイルランドではインフラの限界が現実の問題となり、新規の送電網接続が2028年まで停止された。 デジタルインフラの拡大が電力供給の限界を引き起こしている。 IEAによると26年のAI電力需要は1,000TWhを超える。日本全体の年間消費量に匹敵する水準だ。 企業にとってこの数字は、将来の利用料高騰リスクを意味する。 巨大クラウドへの無条件な依存は財務リスクに直結する。 この状況下で、OpenAIがCodexにSites機能を追加した。 生成したアプリケーションを即座にWebサイト化し、専用URLを発行してチーム内で共有できる。 プロンプトを入力するだけで、非エンジニアがアプリを作れる。 社内ツール開発のハードルが下がり、リードタイムも消える。 以前取り上げた画面開発の自動化トレンドの延長線上にある。 数百万円と数ヶ月を要した社内ツールが数分で完成する。外注費を75%削減できるなど、成果も見込める。 社内業務の効率化が進み、開発現場の前提が変わる。 ただ、ツールが登場した後の自社の状況も考えておきたい。 開発の手間は省けるが、裏側のデータ基盤は整っているか。 AIが参照する自社の業務知識がなければ、アプリは機能しない。 浮いた予算とリソースの使い道は明確だ。 AI導入の前提となる自社のデータ基盤整備、いわゆる配管工事への再配分が経営層の判断どころになる。 見た目の開発コストが下がる今が好機だ。 自社の業務データを整理し、AIが読み込める形に整える。 Travelersの保険金請求手続きのAI化も同じ構造で、独自データを活用して顧客体験を向上させた。 一方で、見落としてはいけない視点もある。 すべての処理を巨大クラウドAIに依存するリスクだ。 GPT-4で短いメールを作るだけで多くの電力を消費する。 データセンターの運営で電力費は最大のコスト要因で、インフラ支出の46%を占めるというデータもある。 電力コストの増加はやがてAIの利用料に直接跳ね返る。 EUではデータセンターへの報告義務を強化している。 フィンランドではMicrosoftが廃熱を地域暖房に提供する。 単一のクラウドに頼ることは、コスト変動のリスクを抱える。 その対策として、軽量なローカルモデルへの分散運用がある。 Googleは16GBメモリのPCで動くモデルを公開した。機密データの処理は手元のローカル環境で完結できる。 クラウドとローカルを使い分けることが、将来のインフラコストを抑える鍵になる。 ツール開発の自動化は、組織に時間と予算をもたらした。 それをどう使うかで、数年後の組織の競争力が決まる。 浮いた外注費をどのデータ整備に投資するか。 クラウドとローカルをどう組み合わせるか。 組織の配管工事を進める準備はできているだろうか。 各ニュース詳細 EUの欧州委員会がAIデータセンター起因の電力逼迫で家庭に節電を要請 AIを支えるデータセンターの電力消費が増加し、送電網に負荷をかけています。この状況を受け、欧州委員会は一般家庭に向けて、電力需要がピークに達する時間帯の節電を求めました。技術の進化がインフラに直接影響を与えている状況です。 出典: TNW 阿波銀行が廃止予定のテスト環境をAI開発に無断転用し情報を漏洩 顧客情報が漏えいした原因の調査結果が公表されました。本来は破棄されるはずだったテスト環境を、AIを活用したシステム開発に流用し、そこから外部からの不正アクセスを招いたことがわかりました。 出典: ITmedia NEWS Microsoftが企業内AIエージェント間の業務知識共有基盤を発表 企業内で活用される複数のAIエージェント同士が、業務データや知識をスムーズに連携できる新しい仕組みを発表しました。個別のAIを統合管理する機能が実装されています。 出典: VentureBeat ...

今日のニュース MicrosoftがAI専用OSを発表しました。TNW 新たなAI大統領令に署名されました。The Verge Codexで非エンジニアの利用が加速しています。TNW Zipが個人用AIへのデータ入力を防ぐ機能を発表しました。VentureBeat Travelersが保険金請求のAIアシスタントを展開します。OpenAI Blog 701xが現場から1000万ドルを直接調達しました。TNW ブラウザ内部のAIセキュリティ対策が求められています。BleepingComputer AIの本番運用でデータサイロが課題となっています。VentureBeat Microsoftが推論に特化した旗艦AIを発表しました。The Verge AIの誤答原因は社内文脈の欠如だと判明しました。VentureBeat ピックアップ: MicrosoftがAI専用OSを発表 「画面を作る」という前提が変わります。 MicrosoftがBuild 2026で新たなOSを発表しました。 アプリを持たないAI専用の基盤です。 あなたの開発チームが今まさに設計しているその画面は、数年後には存在しないかもしれません。 今の現実: できることと変わらないこと これまでのAI端末は管理性に課題がありました。 Rabbit r1などは操作の問題で利用が低迷しました。 舞台を企業向けに移すことで状況が大きく変わります。 AIがデバイスに合わせて画面を生成する方向へ進みます。 開発者が人間向けの画面を作る手間が減ります。 「アプリが消える」わけではありません。 「人間用の画面を作る」工程が減るということです。 本質的な変化: 設計思想の転換 市場規模の数字を見ると背景が見えてきます。 企業向けAI市場は拡大する見通しです。 2030年には526億ドル規模への成長が予想されます。 年平均成長率46.3%——予算が実験から実運用へ移行した証拠です。 Gartnerも2026年末までに企業アプリの40%にAIが実装されると予測しています。 ここで構造的な変化が起きています。 「何を作るか」から「誰のために作るか」への移行です。 これまでは人間向けの画面作りがゴールでした。 これからはAI向けのデータ構造作りがゴールです。 SalesforceのAI導入は8000社を超えます。 IBMは45億ドル規模の生産性向上を達成しました。 投資回収期間が2から6ヶ月という実績もあります。 こうした数字が、この移行の方向性を裏付けています。 現在のシステム開発予算を確認してみてください。 どれだけが画面の調整に使われているでしょうか。 設計思想の根本的な見直しが必要な時期です。 見落としがちな補足: 画面が減っても配管は残る ただ、注意が必要です。 AIが読み込むデータの品質が結果を左右します。 企業向けAIの誤答は社内文脈の欠如が原因です。 画面設計の手間が省けてもデータ整備は必要です。 用語の整理が追いついていないと、AIは的外れな回答を出し続けます。 過去にも推論コストの削減について触れました。 今回は「画面開発工数の削減」という新たな機会です。 浮いた予算と人手の向け先は同じ場所を指します。 自社のデータ基盤の整備です。 AIが直接読みに来るシステムを想像してください。 そのデータは正しく読める状態になっていますか。 業務文脈をAIに翻訳する配管工事を急ぐ時です。 画面が消えた先に何を残すか——それを今から問い直した組織だけが、次の波に乗れると思っています。 各ニュース詳細 トランプ大統領がAI大統領令に署名 トランプ大統領が新たなAI大統領令に署名しました。 業界の反発を受けていた事前審査ルールが撤廃されます。 今後の安全基準は企業の自主的な枠組みへ移行します。 イノベーションを優先する姿勢が明確になりました。 出典: The Verge ...

元Netflix社員がAIコスト削減アプリを公開。浮いたAPI予算を自社データ基盤の整備へ再配分する 今日のニュース ソフトバンクGが仏のAIデータセンターに投資します。 LLMに再学習なしで知識を追加するMeMoが公開されました。 GitHub Copilotがトークン消費ベースの従量課金になります。 企業でのAIエージェント普及の障壁は権限管理にあります。 中国政府が大手IT企業に安売り中止とAI投資を指示しました。 Palo AltoのVPN機能に認証回避の脆弱性が発覚しました。 ユタ州知事が反発を受けデータセンター開発を厳格化します。 OpenAIが生命科学研究向けAIを防衛目的に限定提供します。 AIのAPI利用費を削減する無償ツールが公開されました。 Oktaが異常なAIを強制停止できる機能の提供を発表しました。 PinterestがAIの視覚層を最適化しコストを9割削減しました。 NHK技研が映像来歴を管理しフェイクを見分ける技術を公開。 GroqからNVIDIAが技術者を引抜きGroqは資金を調達しました。 加州がデータ流出の初動対応不備で23andMeを提訴しました。 仏Mistral AIが特定の産業に特化した新モデルVibeを公開。 日本MSが端末内で完結するローカルAI基盤の提供を始めました。 UCLAがOracleのシステム移行遅延で法的措置を協議します。 元Netflix社員がAIコスト削減アプリを公開。浮いたAPI予算を自社データ基盤の整備へ再配分する AI推論コストの単価は大きく下落しました。 それでも企業のAIインフラ支出は増え続けています。 業務でAIを利用するほど費用が膨らむ状況です。 経営層はこの費用対効果の不透明さに悩んでいます。 AIツールの継続利用を迷う企業も少なくありません。 そこで元Netflixの技術者がアプリを開発しました。 AIのAPI利用費を削減するProject Headroomです。 オープンソースとして無償で一般公開されました。 プロンプト内の冗長なトークンを削ぎ落とす技術です。 用途を絞り込んだ最適化が有効なコスト管理策です。 単なる情報削減はモデルの精度低下を招く恐れがあります。 文脈の欠落は業務エラーの直接的な原因となります。 そこで残すトークンを動的に判断する技術を併用します。 無駄を省きつつ必要な文脈を残すバランスが重要です。 コストと精度の両立はこの条件を満たすことで実現します。 先行企業はすでにこの手法で成果を上げています。 Pinterestは画像推薦AIの視覚層を最適化しました。 トークンを削りつつ高い精度を維持しています。 結果としてAPIの呼び出し費用を90%削減しました。 システム規模が大きいほどこの削減効果は絶大です。 今後は無駄な命令が直接的なコスト増に直結します。 GitHub Copilotが従量課金への移行を発表しました。 高性能なAIをどう使うかという段階は過ぎました。 今は無駄なAI呼び出しをどう減らすかが問われます。 この無償ツールで中小企業もAPI利用料を下げられます。 では削減によって確保した資金をどこへ向けますか。 最新のAIモデルへ再投資するだけが正解ではありません。 自律的なAIエージェント普及に向けた足場の準備です。 企業導入の壁はAIモデルの性能ではありません。 SaaS連携時の複雑な権限設定やアクセス制御にあります。 既存のID管理基盤ではAIの動的な要求に対応できません。 AIが機密データを勝手に扱う事態を防ぐ機能がいります。 安全に動かすための権限管理機能の導入です。 あるいはAIが正確に参照するためのデータ整備です。 こうした地味だが不可欠な配管工事へ予算を回します。 足元の無駄を省き未来の安全な自動化へ投資します。 浮いた予算を活用し自社の配管工事から始めてみてください。 SoftBank、仏に約14兆円のAIデータセンター投資を発表 ソフトバンクグループが仏で5GW規模のAIインフラ投資を発表しました。 最大750億ユーロを見込む欧州最大の投資プロジェクトです。 生成AI時代の計算リソース需要の拡大を見据えた事業展開です。 出典: TechCrunch 再学習なしでLLMを更新するMeMoが企業AI性能を向上 LLMを再学習せずに知識を追加できる新技術が登場しました。 既存モデルに記憶を追加しエンタープライズAIを強化します。 企業AIの性能が26%向上したことが新たに確認されました。 知識を最新に保つためのコストと時間を大きく削減します。 出典: VentureBeat ...

PinterestがAI推論コストを9割削減しました。浮いた予算で独自のデータ基盤を構築してみてください 今日のニュース Pinterestが推論コストを9割削減しました。 (VentureBeat) 開発者ツール内に誤作動を促す文字列が混入しました。 (Ars Technica) Figmaがデザインからコードを直接生成します。 (VentureBeat) DeepSeekが主力モデルを75パーセント値下げしました。 (VentureBeat) Autodeskが設備保全システム企業を買収しました。 (TNW) Monzoが継続利用を優遇する携帯プランを発表しました。 (Tech.eu) 豪州労働審判所のAI関連申し立てが増加しました。 (TNW) 研究チームが推論トークン消費を約7割削減しました。 (VentureBeat) Papayaが既存BaaSの課題を解消する金融基盤を構築しています。 (Sifted) Mistral AIが産業分野特化のモデルを発表しました。 (VentureBeat) Pinterestが推論AIコストを90パーセント削減 月間6億人が利用するPinterest。 彼らが画像認識モデルの不要な処理層を外しました。 独自のアーキテクチャへ置き換えています。 この取り組みで推論コストを90パーセント削減しました。 汎用モデルをそのまま使うのではありません。 自社業務に最適化する独自構成が競争力の源泉です。 現在、企業のAI向けGPU支出に偏りがあります。 全体の約6割から8割が推論処理に費やされています。 学習フェーズを上回るコストセンターです。 世界のAI推論市場は今後も成長を続ける見通しです。 技術進化で1回の処理単価は下落する予測もあります。 それでもAIの自律化で計算需要そのものが爆発しています。 ある対話型AIの推論には1日約1億円がかかります。 絶対的なコストは依然として膨大なままです。 使えば使うほどインフラ維持費が利益を圧迫します。 この矛盾に悩む企業は決して少なくありません。 外部の最新モデルに依存するアプローチは限界です。 支払ったライセンス費用に見合う効果が出ていますか。 実感を持てない経営者は多く存在します。 ここで本質的な変化が起きています。 巨大IT企業は推論専用チップの開発に投資しています。 クラウド事業者が提供する独自チップが代表例です。 推論処理では計算能力よりメモリ帯域が重要になります。 物理設備だけでなくソフトウェアの最適化も主戦場です。 Pinterestはモデルの不要な層を削り落としました。 画像やテキスト処理を自社データに特化させています。 外部モデルへ都度アクセスする無駄を省きました。 自社データとオープンソースを融合させる構成です。 これは現場レベルのミクロな技術的工夫です。 しかしインフラへの過剰投資を抑える戦略に直結します。 もちろん別の見方もあります。 専門機関は将来的に推論コストが9割下がると予測します。 インフラ環境が最適化されるのを待つ選択肢もあります。 最新設備の導入でコストを大きく削った企業もあります。 データ基盤の処理手順を見直した事例も存在します。 推論速度を引き上げることに成功しています。 ただクラウド事業者の値下げを待つだけでは危険です。 資金力に劣る企業は競争優位を失う恐れがあります。 運用に関わるハードウェア調達コストは上昇傾向です。 人員を削減してデータ基盤整備へ予算を回す企業もあります。 稼働コストを劇的に下げる取り組みが増えています。 独自の価値創造へリソースを振り向けることが重要です。 一連の経営戦略として捉える価値があります。 **AIコストの肥大化は、今この瞬間も静かに進行しています。**気づかぬうちに自社のIT予算を圧迫していませんか。 汎用的な外部モデルへの過度な依存を見直す時期です。 AI導入の本来の目的を考え直すタイミングです。 用途を絞ったスリムな独自構成を構築してみてください。 インフラ予算の配分を切り替える検討を始めましょう。 自社のビジネスモデルを見つめ直す良いきっかけになります。 Pinterestが証明したように、正しく削ぎ落とすことで、次の成長への投資が生まれます。 ...

今日のニュース DeepSeekが主力AIの利用料75%値下げを恒久化しました。 WixがAI競争激化を理由に約1000人の従業員を削減します。 Anthropicが調達を完了し評価額約9650億ドルに達しました。 Metaのデジタル広告売上が2026年にGoogleを抜く見通しです。 Merck等がAI導入の成果としてデータ基盤整備の重要性を語りました。 FigmaのAIがGitHubと連携しコードの直接生成が可能になりました。 マネーツリーがChatGPT上で口座残高を確認できるサービスを開始しました。 Miroが過去のSQLログを使いAIの不正確な回答を防ぐ手法を公開しました。 NvidiaがAIインフラ強化のため台湾へ年間1500億ドルを投資します。 無断利用されるAIを禁止せず安全に活用させる管理手順が公開されました。 ピックアップ: Wixの1000人削減とDeepSeek値下げ。浮いたコストをデータ基盤に再配分したMerckの勝ち筋 Web制作SaaS大手のWixが従業員削減を発表した。 全従業員の約20%にあたる約1000人規模となる。 同社CEOはイスラエル通貨高とAI競争激化を要因に挙げた。 株価は2025年初来で50%以上下落している。 タイミングが興味深い。 同じ週に中国DeepSeekが値下げを発表した。 主力モデルの利用料を75%引き下げて恒久化する。 人員を削る企業とAIの調達コストを下げる動きが重なった。 3年で80から90%下落したAPI単価 法人向けLLMのAPI単価が下がっている。 2023年からの3年間で80から90%の下落だ。 DeepSeek V3は出力100万トークンで約1.1ドルに設定された。 同等性能とされるOpenAIのモデルと比べると、20から50倍安い水準になる。 この低価格を支えるのが二つのアーキテクチャだ。 MoEとMLAと呼ばれる技術を活用している。 総パラメータ671Bの巨大なモデルでありながら、1トークン処理時に動かすのは約37Bに絞り込む。 メモリ消費を抑えて推論の効率を高めた結果、学習コストも競合の10分の1以下——金額にして約560万ドルとされている。 ただし数値を見る際に一つ留意点がある。 法人向けLLMのAPI支出総額は増加傾向にあり、2024年末の35億ドルから2025年半ばには84億ドルへ倍増する予測だ。 単価が下がっても利用量が増えれば支出も増える。 何に使うかを明確に決めた企業だけが、コスト削減の恩恵を受け取れる。 OpenAIのシェアが低下した事実 OpenAIの市場シェアはかつて約50%を占めていた。 現在では約25%まで低下している。 代わってAnthropicが約32から40%で首位に立ち、その後をGoogleが追いかける構図だ。 ただ、低価格モデルへの全面的な移行はコスト面で魅力的な一方、単一のモデルへ業務を集中させるのはリスクを伴う。 セキュリティやコンプライアンスの観点から、用途や機密性に合わせてベンダー依存のリスクを整理し、複数モデルへ分散させる判断も選択肢に入れておきたい。 OpenAIは小型から高性能帯までの多層化で対抗している。 Anthropicもプロンプトキャッシュやバッチ割引などを組み合わせて実質のコストを下げた。 Merckが証明したデータ基盤の価値 MerckのAI導入事例でよく語られるキーワードがある。 「配管が先だった」という言葉だ。 薬効探索の時間短縮という成果を出したMerckは、AIエージェント導入前にデータ基盤の整備に注力した。 今回のWixの動きも、単なるコスト削減のニュースとして読むと次の一手が見えない。 削減された人的コストや浮いた予算の行き先——自社固有のデータ資産の整備が有力な選択肢として浮かぶ。 Miroが過去のSQLログを活用した事例も紹介している。 AIの不正確な回答を防ぐ実務的な手法だ。 社内に今あるデータ資産を見渡してみてほしい。 整理されないまま眠っているものは何か。 再配分したリソースで着手する価値があるかもしれない。 各ニュース詳細 Anthropicが650億ドルを調達し評価額約9650億ドルに到達 Anthropicが650億ドルの資金調達ラウンドを完了しました。 IPOを控えた同社の企業評価額は約9650億ドルに達しています。 OpenAIとの競争に向けた資金力を確保しました。 出典: TechCrunch MetaのデジタルAI広告がGoogleを抜き2026年に世界首位へ Metaのデジタル広告事業が好調を維持しています。 2026年末までにGoogleを抜く見通しが示されました。 AIを活用した自動化ツールによる高い精度が奏功しました。 新しい広告枠の開拓も成長を後押ししています。 出典: TNW FigmaのAIがGitHubと双方向連携しデザインから本番コードを生成 FigmaのAI機能がGitHubと連携しました。 デザインから本番用コードを自動生成できます。 作成したUIがエンジニアの開発環境へ直接反映されます。 フロントエンド開発のワークフローが変わる転換点です。 出典: VentureBeat ...

今日のニュース ロビンフッドがAIエージェントによる自律的な株取引プラットフォームをベータ公開しました メルクがAIエージェントとデータ基盤の先行整備により創薬サイクルを短縮しました Notionが外部AI連携APIを含む開発者向けプラットフォームを発表しました Zendeskがエンタープライズ経験豊富な新CMOを採用し体制を刷新しました NEC・日立製作所・富士通がAnthropicとの戦略的協業を相次いで発表しました 金融機関を狙うサイバー攻撃の主流がMFAトークンの奪取手法へ移行しました YouTubeがクリエイターの申告を問わずAI生成コンテンツの自動ラベル付けを開始しました AIエンジニアを開発するCognitionが10億ドルを調達し評価額が約3.7兆円に到達しました 従業員が無断利用するAIツールを管理するための5段階のアプローチが提示されました GoogleのNotebookLMにGoogleドライブとの自動同期機能が追加されました ピックアップ: AIエージェントに自律実行を委ねる権限基盤とデータ整備 個人向けの証券会社が、AIに株の売買を任せると宣言しました。ロビンフッドが2026年5月に新基盤をベータ公開しました。ユーザーの口座にAIエージェントを接続します。株取引やカード決済をAIが自律的に実行します。個人の資産を預かる主要な金融機関としては初めての動きです。AIによる完全自律の取引実行に踏み切りました。「AIに相談する」から「AIに任せる」仕組みへ移行します。ソフトウェアの更新にとどまらず、取引の意思決定をAIに委譲する設計上の転換です。 同時期に製薬大手メルクが示した成果も同じ構造です。同社はAIエージェントの導入に先立ちました。AIが直接読み書きできるデータ基盤を整備しています。その結果、創薬サイクルを3分の1に短縮しました。報道によれば、同社らは「配管工事が先だった」と述べています。AIツールの導入より先にデータ構造を物理的に作り直しました。この順序が実成果に直結したという証言です。 **技術的な土台となるのがオープン標準規格の「MCP」です。**Anthropicが2024年11月に公開しました。エージェントと外部システムを仲介する3層構造をとります。AIが安全にアクセスするための権限管理などを標準化します。ロビンフッドもこの規格を採用して連携を設計しています。MCPによって安全なAPI連携と権限管理が標準化されます。外部システムとの連携に必要なコード記述を減らすことができます。開発チームの負担を減らしながら安全性を高められます。開発や運用の手間が軽減される事例も出ています。外部連携が最適化され、運用コストが下がった報告もあります。コスト効率と安全性の両立を標準規格が可能にしつつあります。 ただし、自律実行の前に確認したい失敗例があります。2012年に米国の証券会社がアルゴリズムの設定を誤りました。45分間で約4億ドルの損失を出して経営危機に陥っています。原因は取引速度ではなく、権限制御と監査証跡の不備でした。実行判断がAIに移っても、権限範囲や記録の設計は人が行います。権限設計を後回しにすると、速度がそのままリスクに変わります。 ここで起きていることは、特定の業界に限った話ではありません。以前、AI専用のデータ構造に刷新した事例を紹介しました。今回の話題もその文脈と地続きです。企業が最初につまずくのは、AIツールの選定ではありません。AIが直接扱えるデータが社内に存在しないという現実です。データ形式が不統一で、アクセス権限が属人的な場合があります。手動更新のままでは、自律型のAIを導入しても機能しません。 **AIツールを導入する前に、データ環境の整備を検討してみてください。**顧客からの問い合わせに対して、AIが自動で回答を作成します。同時に、必要な社内システムへアクセスして処理を完結させます。このような場面を想像してみてください。社内の顧客データが整理されていなければ、AIは回答を導き出せません。権限管理が適切でなければ、重要な情報の漏洩につながる可能性もあります。そのため、まずはデータ基盤の整備と権限の設計が不可欠になります。 米国株取引の約70%はすでにプログラムが担っています。関連市場は2030年に約334億ドル規模へ成長する見通しです。自律型AIを業務に組み込む流れは、一般企業にも広がっています。受発注や在庫管理などの領域で活用が進むと見込まれています。ツール選びより、AIが動ける環境を整えることが鍵になります。自社の業務データがAIに読める状態か、一度確認してみてください。 各ニュース詳細 Notionが「Notion Developer Platform」を発表しAIと業務を進める基盤へ移行 Notion Labsは開発者向けの新しい機能群を発表しました。外部のAIエージェントと連携するAPIなどが提供されます。単なるナレッジ管理にとどまらず、新たな開発基盤へ拡張されます。業務プロセスやAIを組み込んだワークフローを構築可能にします。 ITmedia AI+ ZendeskがエンタープライズSaaS経験者のTifenn Dano Kwan氏を新CMOに任命 Zendeskは他社で豊富な経験を持つ人物を新CMOに任命しました。同社はAIによる顧客サービスの自動化へ事業の軸足を移しています。新しい体制でAIを中核に据えた企業としての立ち位置を確立します。 TNW NEC・日立製作所・富士通の国内IT大手3社がAnthropicとの戦略的協業を発表 国内のIT大手3社が、Anthropicとの協業を相次いで発表しました。安全な環境でのClaudeの提供などを進めます。国内向けに特化したソリューションの開発も行います。NECはAnthropicのグローバルパートナーにも認定されています。 ITmedia AI+ 金融機関向けサイバー攻撃の主流がMFAリセットによるトークン奪取手法に移行 金融業界へのサイバー攻撃において、新たな手口への移行が進んでいます。パスワードを狙う従来の手口から、MFAを突破してトークンを窃取します。従来型の多要素認証だけでは防ぐことが難しくなっています。そのため、認証プロセス自体の根本的な見直しが推奨されています。 VentureBeat YouTubeがAI生成コンテンツの自動検知とラベル付けを申告有無にかかわらず開始 YouTubeにおいて、プラットフォーム側で自動検知するルールが導入されました。クリエイターからの明示的な申告を待たずに、AI生成映像を特定します。特定された動画には自動的にラベル表示が行われます。自社ツールで制作されたものなどには、ラベルが恒久的に表示されます。 TNW CognitionがARR約750億円で10億ドルを調達し評価額約3.7兆円に到達 自律型のAIエンジニア開発を手掛けるCognitionが資金調達を実施しました。新たに10億ドルの資金を調達しています。同社の年間経常収益はすでに4.9億ドルに達しています。資金調達の実施前評価額は250億ドルと算出されています。 TechCrunch シャドーAIの管理手順として権限設計を含む5段階のアプローチが提示 従業員が無断で利用するAIツールに関して、5段階のアプローチが提示されました。利用実態の把握やリスク分類、権限管理などが含まれます。ツールを一律に禁止するのではなく、安全な利用環境を定めます。ルールに基づく運用を行う仕組みづくりが推奨されています。 The Hacker News NotebookLMにGoogleドライブとの自動同期機能が追加され文書更新が即時反映 Googleが提供するNotebookLMに新しい機能が追加されました。Googleドライブとの間でファイルが自動同期されるようになります。これまでは手動での更新作業が必要でした。今後はドライブ上のファイルが変更されると、即座に内容が反映されます。 ITmedia NEWS

金融特化AIの訓練役に日給370万円の事例が登場。自社の業務知識をAIに翻訳する人材育成をご検討ください 今日のニュース 金融特化AIを訓練する人材に日給約370万円が支払われる事例が登場しました。TNW 家事の動画撮影を物理AIの学習データとして提供するギグワークがインド等で増えています。TechCrunch 青森県がチャットボットを生成AIに切り替え、運用コストを7割削減しました。ITmedia xAIが競合Cursorの社員との接触を控えるよう、社員へ通達を出しました。TNW ランサムウェアの初期侵入コストと復旧費用の間に3,500倍の差があることが判明しました。ITmedia ピックアップ: AIを「訓練する人材」に日給370万円が支払われる理由 AIツールを導入した企業が、今度はAIを訓練する人材に投資しています。 ウォール街でその構図が数字になって表れました。元投資銀行員のフェリペ・シニステラ氏とデイヴ・ワン氏の事例です。2人はAIモデルに対し、高度な専門知識を用いて金融業務の文脈を教え込んでいます。 この訓練の役割として、1日あたり最大2万5,000ドルを受け取っています。TNWによると、2人は今後2ヶ月間の予約が既に埋まっている状態です。 この報酬が示すのは、AIの操作スキルの希少性ではありません。金融業務の文脈でAIを訓練できる人材の絶対数が足りないという現実です。 今の現実——導入率80%でも実務活用は2割 国際的な投資銀行のAI導入率は80%に達しています。ただ、実務で本格的に活用しているのは約2割にとどまります。 「AIからの回答が一般論すぎる」。これは現場の声をまとめると行き着く共通の不満です。ツールの操作は学べます。ただ、ローン審査などの文脈をどうAIに組み込むかは、誰も教えてくれませんでした。 その空白を外部のAIトレーナーが埋めています。 国内でも状況は似ています。三菱UFJ銀行は独自AI「AI-bow」を開発しました。外部専門家と連携した実践的な研修を組み合わせました。これにより月22万時間の労働時間削減を達成しています。 三菱UFJ信託銀行もAVILEN社の支援を活用しました。結果として月2,000時間以上の削減を実現しています。ここに共通するのは、ツールの単体導入ではありません。「実務に沿ったAIの訓練」との組み合わせです。 本質的な変化——ツールの性能より翻訳力 技術が標準化されると、競争は別の軸へ移ります。 汎用的なAIツールは今や月額数千円から利用できます。GPT-4などを試したことがある人は、どの業界にもいます。差がつくのはそこから先です。自社の業務フローに合わせてAIを調整し、現場に根づかせる部分です。 金融業務で特に重要なのは、正確性の担保です。AIが誤った情報をもっともらしく出力する現象があります。このハルシネーションは融資判断の損失に直結します。 ウォール街向けAIの「Rogo」は、RAGという手法を採用しています。これでハルシネーションの発生率を3.9%まで下げました。自社データを参照させながら回答を生成させる技術です。 AIに業務を教え込むには、業務知識とAIの特性の両方を理解する人間が不可欠です。その役割を担える人材が、今日給370万円で呼ばれています。 人員再編と並行して進むAI活用 もう一つの動きにも目を向けてみてください。 バンク・オブ・アメリカでは、開発者の生産性がAI活用で20〜25%向上したそうです。モルガン・スタンレー等では、数千人規模の人員再編が発表されています。生産性向上が背景にあります。 今の金融業界では、2つのことが同時に起きています。「AIを訓練できる人材が足りない」ため外部へ高額報酬を払う動き。そして「AIで効率が上がった」ため人員を絞る動きです。 この構図は、AIを道具として使う側に回ることの重要性を示しています。金融業界に限った話ではありません。 自社の中に、業務の文脈をAIへ翻訳できる人材はどれだけいるでしょうか。新たなツールへの投資よりも、社内人材の育成へ予算を振り向ける時期かもしれません。 各ニュース詳細 掃除や洗濯の動画撮影が物理AI向けギグワークとして成立しインドで増加 注目ポイント：現実世界の動作データ獲得競争が白熱し、現場作業の自動化が想定より前倒しで進む期待感があります。 インドで、ロボット向け物理AIの精度を高めるため、日常の家事作業を動画に収めて提供する新たな形態のギグワークが普及しつつあります。スタートアップHuman Archiveがインドのサービス系企業と連携してデータ収集を進めており、現実空間の動作データの需要の高さを示しています。 TechCrunch 青森県がシナリオ型ボットを生成AIに切り替え運用コストを7割削減 注目ポイント：複雑な分岐設定から解放される生成AIへの切り替えは、多くの中小企業が参考にできる成功例です。 青森県は公式Webサイトのチャットボットを、従来のシナリオ型から生成AIへと移行しました。事前のシナリオ設計が不要になり、WebサイトのFAQとQ&Aの二重管理も解消されています。この移行により、利用コストは従来と比べて7割削減されました。 ITmedia xAIが競合するCursorのスタッフとの交流を制限する社内通達を発令 注目ポイント：開発最前線での人材流動性の低下は、AIスタートアップ間の独自技術の囲い込みが始まった証左です。 xAIの法務責任者であるジェームズ・バーナム氏が、コード生成AIで競合するCursorの従業員との接触を控えるよう社内通達を出しました。両チームが協力関係を始めてから数週間後に方針が転換されており、AI人材獲得や技術流出を巡る競争の激しさがうかがえます。 TNW ランサムウェアの初期侵入と復旧のコスト差は3,500倍に達する 注目ポイント：圧倒的に攻撃側が有利なコスト構造を直視し、初期防衛へ予算を投じることが合理的な経営判断です。 セキュリティ企業Halcyon Japanの調査によると、攻撃者がダークウェブでネットワークへのアクセス権を購入する費用は約6万6,000円です。一方で被害企業の平均復旧費用は約2.3億円に達し、両者のコスト差は約3,500倍となっています。この非対称な構造が攻撃を持続させています。 ITmedia AIチャットボットで問い合わせ対応を自動化しませんか？ 100言語対応・24時間365日稼働。マニュアル・FAQ・製品情報を学習したAIが顧客対応 詳しくはこちら