セキュリティ

英大手のIT移行費が2400億円に達しました。カスタマイズを避け業務標準化を検討する機会になります

英小売大手の移行費用が約2400億円超過しました。AI導入に向けた業務標準化を検討する機会になります今日のニュース英Asdaがシステム移行で約2400億円の費用超過を報告 OpenAIが音声と聴取を同時に処理するGPT-Liveを発表攻撃者がAIの誤出力を悪用してボットネットを構築米AllstateがBroadcomを提訴しライセンス監査に抗議 Prime Intellectが独自AI構築支援で1.3億ドルを調達 SlackbotがCRMデータ取得と電子署名送信に直接対応 Xが誤情報訂正時に反応ユーザーへ直接DM通知を計画三菱UFJフィナンシャル・グループがOpenAIと提携攻撃者がAIを用いてヘルプデスクを狙う手口が増加中国当局が特定バージョンのClaude Code利用中止を指示英Asdaがシステム移行で約2400億円の費用超過を報告現実：既存業務への固執が招くコスト超過「予算の2倍近くかかった」――そんな報告が、遠い国の大企業だけの話だと思えますか。英小売大手のAsdaが巨額のコスト超過を報告しました。親会社からの独立に伴うシステム分離が背景にあります。新しい基幹システムへの移行プロジェクトが難航しています。総費用は約2400億円に達すると報告されました。この問題は特殊な大企業に限った話ではありません。 KPMGの調査データが厳しい現実を示しています。システム導入プロジェクトの70%が当初目標を達成できません。半数以上のプロジェクトで予算の超過が発生しています。その平均的な超過率は189%に上ると報告されています。移行には通常12ヶ月から24ヶ月の期間を要します。プロジェクトの遅延は移行サービス契約の延長を招きます。これが月額100万ドル以上の追加費用を発生させます。企業の利益を直接的に圧迫する深刻な要因です。過去にも同様の失敗事例がいくつも報告されています。ドイツの小売大手であるLidlのケースが代表的です。自社の独自プロセスを新しいシステムで再現しようとしました。その結果として7年もの時間を費やしています。最終的にシステムの導入自体を断念することになりました。この失敗により約800億円の損失を計上しています。米国の化粧品メーカーもデータ連携に失敗しました。約7000万ドルの純損失と株価下落を経験しています。自社の古いやり方にシステムを無理に合わせるカスタマイズ。これが巨額の損失やプロジェクト失敗の最大の要因です。システムの移行費用は業務の複雑さに比例して増加します。本質的な変化：システムの疎結合化と標準機能への適合現在、新しいシステムの構築手法が普及しています。「クリーンコア戦略」と呼ばれる設計手法です。システム本体への直接的なカスタマイズを固く禁じます。独自の機能や外部連携は別の基盤上に構築します。システム本体と独自機能を切り離すアプローチです。これにより最新のAI機能をスムーズに取り込むことが可能です。日本の赤城乳業はこの手法をいち早く採用しました。独自のカスタマイズを捨ててクラウドへ全面移行しています。標準機能を活用して高速な物流体制を維持しました。将来のAI連携を見据えた基盤を同時に構築しています。日立ハイテクの実践的な成功事例も参考になります。古いシステムには9,000個以上の独自プログラムがありました。これをわずか22個へ劇的に削減することに成功しています。保守運用にかかる負荷を極限まで引き下げました。標準機能に業務を合わせるアプローチの徹底です。業務プロセス自体をシンプルにする活動が実を結びました。反論・補足：標準化の限界と現場の反発一方で、すべての業務を標準化できるわけではありません。現場からは既存のプロセスを残す強い要望が上がります。長年培ってきた独自のノウハウが存在するためです。業務手順を変えることへの心理的な抵抗も少なくありません。しかし、既存プロセスをそのまま持ち込むのは非効率です。直近の記事でAI利用時の従量課金コストについて触れました。土台となる社内システムが複雑なままでは問題が起きます。将来的なクラウド運用やAI連携で無駄な費用が発生します。度重なるシステム改修が追加コストの発生源となります。結果として新しい技術を取り入れる身軽さを失います。モルガン・スタンレーの事例を過去に紹介しました。 AIの動きを制御するために業務フローを再設計しています。ツールを導入する前に業務自体をシンプルにする活動です。経営層が先頭に立ち何を捨てるべきかを決断しています。今回の失敗事例は自社のプロセスを見直す良い機会になります。 Asdaの2400億円という数字は、他人事ではなく「次は自社かもしれない」という問いかけでもあります。業務の複雑さを減らすことは、コスト削減であると同時に、AIという新しい力を最大限に活かすための土台づくりです。皆さんの会社のシステムはAIを受け入れる身軽さを持っていますか。 ...

マイクロソフトが自社製AIへの移行を開始しました。運用コストの最適化を検討する機会になります

MSが外部AIへの依存を減らしコスト削減に動きました。自社のAI予算ルールを再整備する機会になります今日のニュース MSが製品裏側のAI機能を外部依存から自社製小規模モデルへ移行しました。TNW 米国製無人四輪バギー100台以上がウクライナの戦場に実戦投入されました。TNW GoogleがGeminiのAIエージェント管理機能へバックグラウンド実行を追加しました。Google AI Blog Figmaが自然言語からコードを生成するプラットフォーム開発チームを買収しました。TechCrunch 人間とAIが文書を共同編集できる次世代ツール開発企業が47万ユーロを調達しました。Tech.eu 中国DeepSeekが米国の輸出規制を避けるため独自のAI半導体開発を計画しています。Ars Technica GitHubの公開Issue経由で非公開コードを盗むAIへの攻撃手法が発覚しました。The Hacker News AIツールへ推敲を依頼すると利用者の意見が歪められる危険性を英大学が指摘しました。TNW 英国スタートアップが微小重力下で創薬データを収集する小型ラボを軌道へ打ち上げました。Wired Metaが著名開発者主導の新たな画像生成AIモデルを主要アプリへ組み込み公開しました。TNW ピックアップ: マイクロソフトが自社製品の裏側で動くAIを自社製モデルへ移行開始「OpenAIへの依存を、Microsoftが自ら断ち切り始めた」——この事実は、AI業界の常識を静かに塗り替えつつあります。Microsoftが製品裏側のAIを自社製へ移行しました。 Excel等の機能からOpenAIのモデルを外しました。代わりに内製したMAIモデルを組み込んでいます。これは特定の処理に特化した小規模AIです。週数万件のプロンプトを処理し、コストを削減しています。直近の記事でも各社のコスト統制をお伝えしました。 UberはAI予算の枯渇課題に直面しました。アリババもトークン消費の削減に取り組んでいます。今回の対応もこのコスト統制の文脈に沿っています。巨大IT企業自らが外部モデルへの依存を減らしました。 AI投資の費用対効果を厳格に見直すシグナルです。単一モデルに頼る運用を見直す企業が増えています。現状の運用実態を確認します。すべてのタスクを自社製に置き換えたわけではありません。高度な推論にはOpenAIのモデルを併用しています。 Copilotの通信の大半は外部APIを経由します。完全な内製化には至っていません。現在は外部と内部のハイブリッド運用が行われています。高性能なモデルは費用対効果が課題となります。完全なコスト削減策としての機能は限定的です。注目すべきはタスクに応じたAIルーティング機構です。 Azureの仕組みがプロンプトの複雑さを分析します。最大18種類の言語モデルから最適なものを自動で選びます。単純なコード補完は軽量で高速なMAIへ回します。複雑な設計タスクだけを大型モデルへ送ります。計算資源の無駄を省く適材適所の振り分けです。さらに新しい実行アーキテクチャを採用しました。実行時のアクティブパラメータ数を抑えています。計算効率を高め、2秒以下の低遅延を実現しました。これで約30%の運用コスト削減を達成しています。 AI開発のアプローチも変化しています。数千億パラメータの巨大モデルからの移行が進んでいます。エッジ機器で動く小規模言語モデルの活用です。 Googleは小規模なGemma 2を展開しています。 Metaはエッジ向けのLlama 3.2を発表しました。 Appleも端末上で完結するAIをリリースしました。計算リソースを最大98%削減するアプローチです。安価で安全な軽量AIがビジネス現場に導入されています。一方で自社運用には課題も存在します。内製化への移行が常に最適な選択とは限りません。運用にはTCOと呼ばれる隠れたコストが存在します。インフラ費用だけではありません。保守を担うAIエンジニアの人件費も発生します。これは年間数十万ドル規模に達することもあります。スタートアップによる試算がこの実態を示しています。外部APIの利用は100万トークン約0.12ドルです。 1日の消費が少ない場合はAPI利用が適しています。自社運用で費用対効果が出るのは月間1億トークン以上です。これは超大規模運用を行う企業に限られます。 API利用と自社環境構築には費用構造の違いがあります。このトレードオフを考慮する必要があります。 ...

AIモデルの利用単価が18カ月で大幅に低下しました。全社的な予算統制ルールを再整備する機会になります

DeepSeek等のAIモデル単価が18カ月で下落しました。全社的な予算統制ルールを再整備する機会になります今日のニュース DeepSeek等のAI推論コストが18カ月で下落しました。Silicon Canals カクヤスが老朽化した基幹システムの解析に生成AIを導入しました。ITmedia AI+ Expediaが全社AI運用におけるシステム設計の重要性を指摘しました。VentureBeat MCPに企業向けアクセス権限の一括管理機能が追加されました。Publickey アシックスが手描きスケッチから靴の3Dデータを生成する技術を公開しました。MONOIST JAXAが音声AIを活用し宇宙機と対話できる技術の検証を始めました。ITmedia NEWS テンセントが軽量かつ高性能なオープンソースAIモデルを公開しました。VentureBeat MicrosoftがAI分野への投資集中を目的に約4800人を削減しました。TechCrunch RedditがAI生成スパムを排除するため自社開発のLLMを導入しました。TechCrunch LinuxのKVMにおいてホストを攻撃できる脆弱性が発見されました。The Hacker News ピックアップ: AIモデルの利用コストが18カ月で280分の1に下落スタンフォード大学のレポートが示す数字は驚くほど単純だ。最上位AIモデルの推論コストが下落を続けている。 2022年後半には100万トークンあたり20ドル。それが2024年末には7セントになっている。 3年前に月額1万ドルを要した処理が、今では200ドル未満で動かせる計算になる。コンピューターの歴史を振り返っても、価格がここまで短期間で下がった技術は珍しい。ただ、過去の価格下落と今回では根本的な原因が異なる。 1990年代後半のDRAM価格の下落や、仮想通貨バブル後のGPU価格の下落は、需要の消失と過剰供給が引き金だった。今回は需要が消えたわけではない。 DeepSeek等の低価格モデルが市場を牽引し、大手各社は防衛的な値下げを余儀なくされた。そこにモデルの軽量化と専用チップの進化が重なっている。競争と技術進化が価格を押し下げたという構図だ。推論コストの低下を牽引しているのは主に3つの技術である。 1つ目はモデルのパラメータを低精度化する量子化技術。精度を保ちながらメモリ使用量を最大75%削減できる。 2つ目はvLLMなどの推論エンジンによる最適化で、GPU待機時間を減らし処理速度を高める。 3つ目はGroqのような推論専用チップの台頭だ。これらが組み合わさり、コストの底が下がり続けている。さらにプロンプトキャッシュが標準になりつつある。同じ文脈の繰り返しを再計算せずに済ませる仕組みで、反復的な処理のコストを最大90%削減できる。 PinterestやNetflixはこうした手法を組み合わせ、AIインフラのコストをさらに50〜90%圧縮した。設計次第でコストはもう一段下げられる。単価が下がると、社内の担当者が頻繁にAPIを利用するようになる。以前のブログで取り上げたUberのAI予算枯渇も同じ構図だった。問い合わせ対応やレポート生成など用途が広がり、利用が増えるほどトークンの消費量は倍々に膨らむ。アリババが取り組んだ消費の最適化も同じ文脈だ。単価が10分の1になっても利用量が20倍になれば、総コストは以前の2倍に膨れ上がる。 API価格の下落は導入のハードルを確かに下げた。経営上の問いはそこから先にある。社内で誰がどのモデルを使っているか把握しているか。利用上限の設計などインフラの統制がこれからの課題になる。全社的なルールを再整備する時期が来ている。各ニュース詳細カクヤスが30年稼働の基幹システムの解析に生成AIを導入カクヤスは30年前に構築された基幹システムにAIを導入しました。全容把握が困難になっていた古いシステムです。人力では約450人月と見積もられた作業でした。 AIと現場の業務知見を組み合わせて作業量を削減します。システムの属人化を打破する手法を確立しつつあります。出典: ITmedia AI+ Expediaがエンタープライズ規模のAI運用における評価基盤の重要性を公開 Expediaが数億回のAI予測から得た知見を共有しました。デモで機能するAIと本番環境で稼働するAIは要件が異なります。本番環境ではモデルの精度よりもシステム設計が優先されます。評価基盤の整備も不可欠な要素として挙げられています。大規模に稼働させるAIには独自の設計方針が必要です。出典: VentureBeat MCPに企業向けアクセス権限の一括管理機能「EMA拡張機能」が安定版としてリリース生成AI向け標準プロトコルMCPの拡張機能がリリースされました。企業向けにアクセス権限の一括管理を可能にするEMA安定版です。従来はMCPサーバへの接続に個別のログインが必要でした。新機能により一括での権限付与と監査が可能になります。現時点ではOktaなどのIdPに対応しています。出典: Publickey ...

アリババがAIのトークン消費を99パーセント削減。従量課金の膨張を防ぐ最適化手法を自社に組み込む

アリババがAIのトークン消費を99パーセント削減。従量課金の膨張を防ぐ最適化手法を自社に組み込む今日のニュースアリババが開発した新フレームワークがAIエージェントのトークン消費を99%削減し、従量課金コストの抑制に道を開いた。VentureBeat 建設テックのTrunk Toolsが業界特化の専用AIで文書レビュー期間を60日から10日に短縮した。VentureBeat 英デジタル銀行Starling Bankが従業員130人の削減を発表し、AI投資強化と並行した組織再編を進める。TNW アリババがAnthropicの「Claude Code」をソースコード漏洩リスクへの懸念から社内利用禁止とした。TechCrunch ピックアップ: アリババ、AIエージェントのトークン消費を99%削減毎月のAPI請求書の数字がどこまで伸びるか読めない。そんな状況でAI活用を進めている企業は少なくありません。以前取り上げたUberの事例は象徴的でした。AIに本腰を入れた結果、予算を4カ月で使い果たし、利用上限を設けざるを得なくなりました。「使えば使うほど請求が膨らむ」という構造が、エンタープライズへの導入拡大を足止めしてきました。その構図を変えうる技術がアリババから出てきました。何が起きたかアリババが開発した新しいAIフレームワークは、エージェントがタスクを実行する際にすべてのツールを最初から読み込まない設計を採用しています。その瞬間のタスクに必要なツールだけを動的に選び取る仕組みで、「Tokenmaxxing」と呼ばれる最適化アプローチの一形態です。結果として、エージェント1回の実行あたりのトークン消費量が99%削減されたとアリババは報告しています。精度を落とさずに99%という数字を達成している点が、他のコスト削減手法と異なります。今の現実——何が変わり、何が変わらないか確認しておきたい点があります。この技術は「AIを安く使い放題にする」という話ではありません。トークン単価そのものは、過去3年で99.7%下落しています。2023年時点でGPT-4の入力トークン100万件あたり30ドルだった価格が、2026年には0.10ドル台まで落ちました。単価は下がりました。それでもコストが問題であり続けているのは、エージェント型AIがタスク1件あたりに消費するトークン量が膨大だからです。ツールの説明文、実行ログ、思考の中間ステップ——これらが積み重なります。単価が下がっても消費量が100倍になれば、請求は増えます。アリババのアプローチは、消費量の側を直接削るものです。本質的な変化——構造が変わるこの技術の意味は、コスト削減だけではありません。「エージェントを使えば使うほど損をする」という構造が変わります。これまでエンタープライズ導入の判断を鈍らせていたのは、性能への不安よりも「どこまで請求が来るか読めない」という不確実性でした。従量課金モデルでは、利用が成功するほどコストが上がる構造があります。 GitHub Copilotは定額制からトークン消費ベースの従量課金へビジネスモデルを切り替えました。提供者側がコストの重心をそこへ移しています。受け手側のコスト最適化は、経営課題として重要になっています。 Microsoftは自社の圧縮技術「LLMLingua」を使い、金融向けのPDF解析エージェントで51倍のトークン圧縮と93%のコスト削減を実証しました。セマンティック検索でツール候補を絞り込む手法では、月6万ドルの削減に成功した大規模運用事例もあります。アリババの99%という数字は突出して見えますが、方向性は業界全体の流れと一致しています。一点、補足しておきたいこと 99%のトークン削減が可能になった場合、企業はコストが下がった分だけAIエージェントの利用量を増やす可能性があります。コストが10分の1になれば、10倍のタスクをエージェントに任せようとするのは自然な判断です。削減効果が運用コストの拡大で相殺される「リバウンド」が起きる可能性があります。技術的な最適化を導入した後に何をどこまで自動化するか、その判断軸を持っているかどうかが次の問いになります。アリババの技術はコスト爆発を抑える手段です。ただ、その使い方の設計は別の話です。各ニュース詳細 Trunk Tools、建設業の文書レビュー期間を60日から10日に短縮建設テックのTrunk Toolsは、図面や仕様書を扱う建設業務に対して、業界に特化した専用AIスタックを構築した。汎用の大規模言語モデルを使わないこの設計により、文書レビューにかかる期間を60日から10日へと短縮した。出典: VentureBeat Starling Bank、AI投資強化と同時に130人の人員削減を発表英デジタル銀行Starling Bankは、全従業員の約3%にあたる130人の削減を発表した。同時期にAIや技術基盤への投資強化を表明しており、業務再編の一環として位置づけている。出典: TNW アリババ、Claude Codeを高リスクソフトウェアに指定し社内利用を禁止アリババはAnthropicのコーディング支援AI「Claude Code」を高リスクソフトウェアに指定し、従業員の社内利用を全面禁止とした。同ツールはコード補完などで生産性向上に寄与する一方、入力されたソースコードが外部サーバーに送信される仕様を持つ。自社のコア資産であるコードベースの保護を優先した措置となっている。出典: TechCrunch 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

UberがAI予算を4カ月で使い切った。利用上限の設定とトークン消費の可視化でコストを制御する

今日のニュース UberがAIコーディングツールの年間予算を4カ月で使い切り、1人あたりの利用上限を月額1,500ドルに設定した。Silicon Canals SAPが新規採用と不要不急の出張を凍結し、AI投資へリソースを集中させる方針を全社に通達した。TNW アリババが全ツールの一括読み込みを省略するルーティング手法を発表し、AIエージェントのトークン消費を99%削減した。VentureBeat スタンフォード大学とMITによる5,000人規模の調査で、AI導入によりコールセンター初心者の生産性が34%向上したことが確認された。Silicon Canals ピックアップ: Uberが直面したAI予算枯渇と、見えないトークンコストの現実年間予算が4カ月で消えた Uberのエンジニアリング部門は、AIコーディングアシスタント「Claude Code」を全エンジニアの84%に展開しました。結果、2026年分として確保していた年間予算を4月の時点で使い切ってしまいました。同社は緊急措置として、従業員1人あたりの利用上限を月額1,500ドルに設定しています。会議室で「12月まで持つはずだった予算が、もう残っていない」と誰かが声に出した瞬間を想像すると、この話の重みが伝わってくるのではないでしょうか。なぜこれが面白いか「眠らないAI労働者」という売り文句は、コストも眠らないという事実をセットで語りませんでした。今の現実 — コストが見えない構造的な理由従量課金制のAIツールは、定額のSaaSライセンスとはまったく異なる経費管理を要します。KPMGが2,145人のシニアリーダーを対象に実施した調査では、約3分の1の経営幹部が自社のAI関連コストを正確に把握できていないと回答しています。なぜコストが見えにくいのか。技術的な背景はシンプルです。AIとのやり取りが続くほど、過去の会話履歴・読み込んだファイル・新しい指示が毎回まとめて送信されます。セッションを長く維持するほど、1回のやり取りで処理するデータ量が膨らむ仕組みです。コード作業を始める前の状況把握だけで、1タスクあたり約4万トークンを消費するという記録もあります。ある事例では、セッションをリセットせずに使い続けた結果、69日間で約12万ドル相当のトークンを消費しました。 Uberの場合、1人あたり月額500〜2,000ドルのコストが積み上がっていたとされています。エンジニア数百人規模で同じことが起きれば、年間予算が4カ月で消えるのは計算上、不思議ではありません。本質的な変化 — AIが生み出す「隠れた修正コスト」コスト問題はトークン消費だけではありません。AIツールが普及した結果として、バグ率が41%上昇し、AIが生成したコードを修正する作業が従来の約2倍に増加したというデータがあります。 GoogleやAnthropicは、新規コードの75〜90%以上をAIに生成させるところまで到達しています。それでも、純粋な生産性向上は約10%で頭打ちになる傾向があります。開発者の役割が「ゼロから書く」から「AIの出力をレビューし、直す」へと移っているためです。AIツールの導入費用に加え、この修正作業の工数が見えないコストとして積み上がります。コーディングツール市場は2025年の約73.7億ドルから、2030年には約260億ドルへ成長すると見込まれています。市場の拡大とともに、各ベンダーの従量課金モデルへの移行も続いています。AnthropicもOpenAIもGitHubも、定額サブスクリプションから利用量ベースの課金体系へシフトしています。見落としがちな別の角度 — Teslaも同じ問題を抱えていた Uberは特殊なケースではありません。Teslaも同様のコスト高騰を受け、従業員の利用上限を週200ドルに設定しています。企業の79%が過去1年間でAI関連の予算を超過し、85%がコスト見積もりを誤ったというデータもあります。 7月2日にお届けした「モルガン・スタンレーがAIの自律性をあえて下げて成果を倍増させた事例」は、この問題の別の側面を示していました。無制限に動かすのではなく、人間がルーティングを制御することでコストを抑えながら成果を出す、という発想です。アリババが今回発表したトークン消費99%削減のフレームワークも、同じ方向を向いています。全ツールを一括で読み込むのではなく、必要なものだけを呼び出す仕組みに切り替えることで、コストを構造ごと変えました。 AIを「とにかく展開する」段階から、「どう制御して使うか」を設計する段階へ。Uberの事例が示すのは、その転換点です。あなたの会社では今、誰がAIの利用量を把握していますか。各ニュース詳細 SAP、AI投資集中のため新規採用と出張を全社凍結欧州最大のソフトウェア企業SAPは、AI事業への投資資金を確保するため、新規採用を一部の重点職種に限定し、不要不急の出張を制限する方針を全社員に通達した。内部メモはBloombergが確認し、SAPがThe Registerに対して事実を認めた。今後の採用は「AIに関連するコアな職種」に絞られるという。出典: TNW アリババ、ルーティング最適化でエージェントのトークン消費を99%削減アリババが発表した新しいAIフレームワークは、エージェントが作業時に全ツールを一括で読み込む処理を省略する設計を採用している。この手法により、エンタープライズAIエージェントのトークン使用量を最大99%削減できることが確認された。無制限にAPIを呼び出す従来の構造に対し、必要なツールだけを動的に呼び出すルーティングの効率化が核心にある。出典: VentureBeat スタンフォード・MIT調査、AI導入でコールセンター初心者の生産性が34%向上スタンフォード大学とMITが共同で実施した5,000人規模の調査で、コールセンターへのAI導入により経験の浅いオペレーターの生産性が約34%向上した一方、熟練オペレーターへの効果はほぼ見られなかった。AIが上位層をさらに引き離すのではなく、組織全体のスキルレベルを底上げするという、従来の予測とは逆の結果が示された。出典: Silicon Canals 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

UberのAI予算が4カ月で枯渇。自社での利用上限を設定し安全に生産性を高める

今日のニュース Uberの年間AI予算が4カ月で枯渇。従業員1人あたり月額1,500ドルの上限を設定してコスト統制に踏み切った。Silicon Canals AI導入で新人コールセンター員の生産性が34%向上。スタンフォード・MITの研究が、新人とベテランの生産性差が縮小した事実を示した。Silicon Canals Microsoftが25億ドルを投じ、6,000人体制のAI実装支援組織「Frontier」を新設。AWSの10億ドル投資に続く動きとなった。TNW AIエージェントが脆弱性探索からデータ暗号化、身代金要求までを全自動で行うランサムウェア攻撃が初めて観測された。ゼロトラストを前提とした防御策への移行が対策の起点になる。The Hacker News ピックアップ: Uberの年間AI予算が4カ月で枯渇、利用上限の設定で安全なコスト管理を実現年間分の予算が4カ月で底をついた。 Uberは5,000人以上のエンジニアにAIコーディングツール「Claude Code」を展開した結果、2026年用として確保していたAI予算を4月の時点で使い果たした。「疲れを知らない労働力」のはずが、従量課金の仕組みによってコストが青天井に膨らんでいった。事態を受け、Uberは従業員1人あたりの月額利用額を1,500ドルに制限するコスト統制へと切り替えた。この逆転現象は興味深い構造を持っている。AIを「人件費の代替」と位置づけていた前提が、「AIそのものが新たな固定費になり得る」という現実によって覆された形だ。今の現実——何が起きていて、何はまだ変わっていないか Uberは例外ではありません。Gartnerは、2028年までに生成AIプロジェクトの50%以上が予算超過に陥ると警告しています。国内でも85%の企業が初年度に30〜40%の予算超過を経験しているという調査があります。MicrosoftでさえもサードパーティのAIライセンス費が膨らみ、自社製のGitHub Copilot CLIへ切り替える判断を下した部門がありました。なぜここまでコストが膨らむのか。AIのAPI課金は「トークン」という処理単位に基づく従量制です。特にAIが自律的に動くエージェント型の使い方では、一回のタスクで消費するトークン数が読みにくくなります。複数のエンジニアが同時並行で使えば、あっという間に積み上がります。さらに、AIの出力単価は入力の3〜5倍に設定されるケースが多く、長文コードを繰り返し生成するコーディング用途では特に高コストになる構造があります。一方で、ROIの数字は複数の調査で示されています。週2〜6時間の工数削減が報告されており、仮に平均年収1,800万円のエンジニア50名のチームで生産性が10%向上すれば、年間で約9,000万円相当の労働価値が生まれる計算になります。問題はROIの大きさではなく、コストの予測しにくさにあります。本質的な変化——管理されない自律性は予算の穴になるモルガン・スタンレーは異なる選択をしました。リスクの高い照合業務において、AIエージェントの自律性をあえて制限し、人間の確認を介在させる設計を採用しました。その結果、精度が上がり業務量を半減させることに成功しています。完全自動化の追求が最善とは限らない、という実例です。この考え方は「ヒューマン・イン・ザ・ループ」と呼ばれます。AIが自律的に動ける範囲をあらかじめ絞り込み、重要な判断には人間が介在する仕組みです。コスト面でも精度面でも、エンタープライズ運用における現実的な落としどころとして機能しています。 Uberが設定した月額1,500ドルという上限も、同じ発想の延長線上にあります。AIを使わせながら、使える量に天井を設ける。GitHubはユーザーごとのAI予算枠機能を導入し、DatabricksもAI支出の上限を管理できるツールの提供を始めています。企業の現場に合わせた対応が進んでいます。見落としがちな補足——コスト最適化の手段はすでにある技術的な対策として、「プロンプトキャッシュ」という仕組みがあります。過去の長文入力を再利用することで最大90%のコスト削減が可能で、繰り返しの多い業務に有効です。また、即時の応答が必要ない処理を非同期でまとめて実行する「Batch API」は一律50%の割引が適用されます。ただ、こうした最適化はエンジニアリングチームがAPIの挙動を理解していることが前提です。ベンダーの管理ツールを活用し、ユーザー単位・チーム単位で月次の上限を設定するアプローチの方が、中小企業には現実的な選択肢になります。あなたの会社では今、AIツールの利用状況を誰かが把握していますか。ライセンス費の支払いと実際の使用量の間に、まだ誰も見ていない隙間があるとしたら——それはUberと同じ入り口に立っていることになります。 AI導入で新人エージェントの生産性が34%向上、スキルギャップの縮小が明らかにスタンフォード大学とMITが5,000人のコールセンターエージェントを対象に行った研究で、AI導入による新人の生産性向上率が34%に達した。一方、ベテランへの影響は限定的だった。ツールは「エース社員をさらに伸ばす」のではなく、「ボトム層を底上げする」方向に機能した。出典: Silicon Canals 属人化を排除する手段として、AIが機能し始めています。特定の熟練者が持つ暗黙知をAIが補完することで、経験の浅いメンバーでも一定の成果を出しやすくなります。採用コストや教育期間の削減という観点から見れば、中小企業にとって見逃せない数字です。 MicrosoftがAI実装支援組織「Frontier」を25億ドルで新設、実装支援へ軸を移す Microsoftが6,000人のエンジニアと専門家を擁する新組織「Frontier」を設立した。投資総額は25億ドルで、ロンドン証券取引所グループやユニリーバなど大手企業との連携を早期から確保している。 AWSが10億ドルを投じて現場エンジニアの常駐支援を発表したのは7月1日のことだった。IT大手2社がほぼ同時期に実装支援へ資金を集中させた。出典: TNW モデルの性能を競う段階から、「現場の業務にどう根付かせるか」を競う段階へ。この移行を、IT大手が合計35億ドル規模の投資で示した格好です。自社の業務フローへのAI組み込みを先送りにしている企業にとって、このタイミングは一つの目安になります。自律型AIランサムウェアが初観測、AIへのアクセス権限制御が防御の起点に AIエージェントが脆弱性の探索・データベース暗号化・身代金要求の全工程を、人手を介さず自動で実行するランサムウェア攻撃が初めて観測された。出典: The Hacker News 攻撃の自動化が現実の事例として確認されました。防御側も同じ土俵に立つ必要があります。社内ネットワークへのゼロトラスト導入と、AIへのアクセス権限の最小化が具体的な起点になります。特権アクセスを持つアカウントの棚卸しから始めるだけでも、攻撃の入り口を絞り込む効果が期待できます。 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

AWSが顧客企業へのエンジニア常駐に10億ドルを投資。現場実装に向けた人材要件を定義する

今日のニュース AWSが現場エンジニア常駐に10億ドル投資。 AI代替職種で若年層の雇用が13パーセント減少。 444個のiOS向けAIアプリ中282個でAPIキー漏洩。 Anthropicがエージェント向けAIモデルを発表。 Amazonの対話型AI経由の購買が従来検索を上回る。 NVIDIA対抗のAIチップ企業の評価額が50億ドルに。 Googleが対話形式の企業向け動画生成AIを公開。韓国政府がAIチップとロボットに1兆ドル規模を投資。ピックアップ: AWSが10億ドルで立ち上げた「現場エンジニア常駐」組織の意味 AIを導入しても効果が見えにくい。ツールの費用だけがかさんでいる。社内の業務プロセスが変わっていない。現場の負担が減ったという実感もない。そんな悩みを抱える経営者は少なくありません。実はその「詰まり」の正体は、技術の問題ではなく人の問題だったのです。その解決策をAWSが提示しました。 AWSは2026年6月30日に新組織の設立を発表しました。顧客のオフィスに自社の技術者を直接常駐させます。現場でAI導入の壁を取り除くことが最大の目的です。このプログラムにAWSは10億ドルを投資します。単なるリモートのサポート窓口ではありません。顧客の既存システムに深く入り込みます。散在するデータを繋ぐパイプラインを構築します。日々の業務フローに合わせてAIを直接実装します。多くの企業でAIツールの試験導入は完了しています。しかし日常の業務フローへの統合でつまずいています。例えば営業の顧客データをAIに分析させたいとします。データは複数の異なるシステムに分断されています。さらに書式もバラバラでそのままでは読み込めません。これを整理するための専任の技術者が社内に不足しています。結果としてAIツールは使われないまま放置されます。 AWSはこの行き詰まりを解消するための人員を派遣します。派遣される技術者は顧客のオフィスに直接出向きます。現場の担当者と机を並べて日々の業務を観察します。どこに非効率な作業があるかを見つけ出します。その場でコードを書いてAIと社内システムを接続します。数週間という短期間で動くシステムを構築します。リモートの会議だけでは見えない課題を現場で解決します。泥臭い作業を専門家が担うことで導入が一気に進みます。これが巨額の投資が狙う具体的な効果です。この常駐モデルの先駆者はPalantirという企業です。製造業の現場に自社の技術者を直接送り込みました。不良品率を下げるなどの具体的な課題を解決しました。 OpenAIもコールセンターに人材を派遣しています。導入支援に特化した新しい会社も独自に設立しました。 Anthropicも実装支援人材の採用を進めています。 IBMも導入専門のチームを立ち上げて展開中です。業界の焦点はモデル提供から導入の成功へと移行しました。 IDCの調査ではAI投資の大きなリターンが示されています。 1ドルの投資に対して平均3.70ドルの利益が見込めます。しかし現場の実態は非常に厳しいものです。生成AIプロジェクトの大部分が失敗に終わっています。全体の70から95パーセントが本番稼働に至りません。社内のデータ不足や利用費用の増加が主な原因です。概念実証だけで終わる事例が世界中で多発しています。最新のAIモデルの性能不足が原因ではありません。顧客側のデータが社内のあちこちに散在しています。古い既存システムと最新AIの接続も非常に複雑です。業務の手順が暗黙知になっていることも大きな壁です。 AIモデルに与えるべき情報がまったく整っていません。リモートの電話サポートではこの課題を解決できません。だからこそ現場に専門家を直接送り込みます。現場実装を担う専門人材の求人は800パーセント増加しました。彼らの総報酬は最高55万ドルに達しています。日本円で約8000万円という非常に高い水準です。中小企業が単独でこの人材を採用することは困難です。大手クラウドの支援モデルは現実的な選択肢になります。現場に入り込む支援を活用して立ち上げを進めます。 ...

Claude Codeがエンジニアの生産性を3倍に向上。実装から要件定義へ人材投資を振り向ける

Claude Codeがエンジニアの生産性を300%向上。実装から要件定義へ人材投資を移行する今日のニュース AnthropicのClaude Code導入事例によりエンジニアの生産性が300%向上しました。韓国半導体メーカー各社がAI向けメモリ半導体の増産に5500億ドルを投資します。外部エラー監視ツールの偽報告を通じてAIエージェントを乗っ取る手法が確認されました。米最高裁の判決により大統領によるFTC委員の解任が認められました。無償コミュニティから始まったAI評価サイトArenaが年商1億ドルの事業へ成長しました。コードエディタのCursorがスマートフォンからAIへ指示を出せるアプリを公開しました。カインズが画像生成AIを用いて実店舗でインテリアを試せる専用端末の実験を始めました。アクセンチュアと日本マイクロソフトがトラブルを自律解決する工場システムを開発しました。宇宙企業Rocket Labが衛星通信企業Iridiumを80億ドルで買収します。自律型AIエージェントのアクセス権限管理手法に関する新たな課題が指摘されています。 Claude Code導入によるエンジニアの成果300%向上「AIがコードを書いてくれる」と聞いて期待した通りの効果が出ている企業は、実はごく一部です。しかし今、その「一部」と「大多数」の差がはっきりと数字に現れ始めました。Claude Code導入の最新事例を紹介します。エンジニア1人で3人分の成果を出せる環境が整いました。 AIがコード作成を助ける段階は過ぎました。 Claude Codeはターミナルで自律的に動作します。自ら考えて検証を繰り返すエージェント型AIです。開発のボトルネックが実装から要件定義へ移りました。システム開発の前提が大きく変わろうとしています。 MITの調査では95%がROIを証明できていません。ライセンス費用に見合う効果が見えないのが実情です。ツール導入だけでは恩恵を感じられません。確認作業に時間を取られる開発チームも存在します。自動化への期待と現実の間に乖離があります。導入を急ぐあまり業務プロセスが追いついていません。一部の先進企業では取り組みが異なります。ブラジルの銀行Itaúは1人スクワッドを導入しました。少人数での高速な開発サイクルを実現しています。 GoogleのPMは数分でプロトタイプを検証します。コードを書かずにAIを活用する手法です。 Slackは固定ロードマップを廃止しました。少人数のチームでAIプロトタイプを回す手法です。現在コミットされるコードの約40%にAIが関与します。 Anthropic社内では80%以上がAI由来です。 AIエージェントの活用はすでに実用段階にあります。技術的な背景も見逃せません。 Claude Codeは約54万行のコード層を持ちます。強固なオーケストレーション層が安全性を担保します。専用APIに依存せずBashを直接操作します。エラーを読み取り修正まで反復する設計です。ユーザーの承認疲れを防ぐ機能も実装されています。開発現場の負担を減らす工夫が随所に見られます。開発の高速化に伴い新たな役割が求められます。技術要件を定義し試作品を作るBuilder PMです。この職種は2034年までに15%成長する予測です。マッキンゼーの調査が時間解放の効果を示します。作業時間を30%から60%削減できる推計です。定型業務の自動化でPMの作業も週33時間減ります。 Fortune 100企業の90%がCopilotを導入。組織の軸足が企画作業へ移行しています。 Googleでは開発速度が10%向上したデータもあります。エンジニアに依存せず高速で仮説検証を回します。 PMはより高度な戦略的判断に注力します。ユーザー体験の向上に時間を割くことが可能です。人員配置を見直す良い機会になります。 MITの研究が生産性のパラドックスを指摘します。コード生成が300%増えてもリリースは30%増です。大企業でのコスト削減率が10%未満の事例もあります。プロセス全体の再設計が投資対効果を引き出します。 CIやCDの仕組みを見直す機会になります。開発の高速化により機能リリースの要求も増えます。ツールに合わせた業務設計が求められます。 ...

Claude Code導入で開発のボトルネックが要件定義へ移行。少人数チームで組織を再編する

今日のニュース Claude Code導入で生産性が向上しPM需要が拡大米国の旧態依然とした自動車修理業界へ特化型AIが普及 Googleが計算資源不足でMetaのGemini利用を制限中国DeepSeekが理想主義を捨て商用化へ転換し資金調達自律型AIのメモリ消費を抑制し連続稼働コストを低減オムロンが知財エージェントを内製し特許関連工数を半減生体データから精神的苦痛を事前検知するAIボットが登場米Micron株価が上昇し一時Metaの時価総額を突破国際決済銀行が過熱するAI投資に対し金融危機レベルの警告ソフトバンク孫氏が電力確保を見据え東京電力へ出資意欲 NotionがAI普及を受けGmailクライアント機能を終了 OpenAIが安全保障戦略と連動しGPT-5.6を限定公開銀行システム維持のため若手COBOL技術者確保へ高額報酬テック大手がNvidia一強からの脱却を目指し独自チップ開発 AIエージェントのアクセス権限を監視する新概念が提唱規制撤廃派の業界がコンプライアンス分断を恐れルール要請 Trustpilotが提携しAI検索向けデータ構造化を推進 AI開発によるコーディング高速化がバグ量産につながる罠 Liquid AIがデータ抽出特化の超小型エッジモデルを発表 Claude Code導入で開発のボトルネックが要件定義へ移行。少人数チームで組織を再編する「エンジニアが足りない」という悩みは、もう時代遅れになりつつあります。AIの台頭により開発のボトルネックが移行しました。コードの実装力から要件定義の構想力への変化です。コードを書く行為の価値が相対的に下がります。何を作るか決める権限と仕組みづくりが勝負です。 Claude Code導入で生産性が3倍に向上します。エンジニア一人あたりの開発力が大きく上がります。企業は新機能を形にするためPMの採用を拡大します。少人数で高効率なチーム構築が可能になります。経営層は組織と採用予算を見直す機会になります。 Notionのメール委任やAnthropicの事例があります。現在のAIは人間の作業を助ける段階を越えました。自律的に実行管理する領域へ踏み込んでいます。 AnthropicのClaude Codeがその象徴です。ターミナルに常駐し自律実行ループを採用しました。計画やコマンド実行から検証までを繰り返します。ユーザー承認を省く自動モードも備えています。自動化においてAI自体の意思決定は1.6%です。残りの98.4%は権限管理など周辺インフラです。人間が注力するのはコードの記述ではありません。 98.4%の仕組み作りとシステム全体の構想です。生産性向上の裏には見落とされがちなリスクもあります。 AIツールの導入でコーディング作業は高速化します。ただ、設計の検討や品質管理体制が伴わなければ、欠陥品を早く出荷するだけになると専門家が指摘します。自動化を過信する監視体制の破綻です。 AWSの技術的負債検知AIの事例も同様です。自動化の恩恵とレガシーシステムの清算が同時進行します。テストの自動化と品質管理の基盤構築が欠かせません。 AIがコードを生成する速度はさらに上がります。組織が直面するのは構想力を持つ人材の確保です。品質を担保するインフラ設計も不可欠です。採用予算と組織図を構想と管理の体制へ転換します。まずは社内で稼働するAIエージェントの権限を棚卸しします。不要なアクセス権限を剥奪する見直しを実施します。この一歩が、AIを道具として使いこなす組織と、AIに振り回される組織との分岐点になるはずです。 Claude Code導入でエンジニア生産性が向上 Claude Codeにより開発の生産性が3倍に向上します。新機能開発のためPMの採用を拡大する企業が増加中です。 VentureBeat 米国自動車修理業界に特化型AIが普及米国に28万以上ある独立系自動車修理工場が対象です。旧態依然とした業界へ特化型AIが導入されています。業界の経済構造が変わり始めています。 TNW Googleが計算資源不足でMetaへのAI提供を制限 Googleが計算資源不足を理由に制限を設けました。 Metaが利用するGeminiへのアクセス枠が対象です。 AI開発競争の裏でインフラの限界が露呈しています。 TNW 中国DeepSeekが理想主義を捨て商用化へ転換中国のDeepSeekが70億ドルの資金を調達しました。以前の方針を転換して商用化へ乗り出します。大規模な採用活動を行い競争へ本格参戦します。 Pandaily ...

Notion利用者の半数がメール確認を停止。人が操作する前提の社内システム投資を見直す

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。 ...