規制・政策

GitHubがAIツールを完全従量課金へ移行した。次年度の開発予算を成果連動型で再試算する 今日のニュース GitHub Copilotが6月から月額制を廃止し従量課金へ移行する。ITmedia NEWS アクセンチュアが全社74万人にAIを展開し社員の89%が継続利用を希望した。TNW OpenAIのモデルがAWS上で正式に提供開始されインフラ統合の選択肢が広がった。OpenAI Blog MicrosoftとOpenAIが独占契約を見直し他クラウドへの展開が可能となった。VentureBeat Amazonが商品ページに音声対話型AIのQ&A機能を追加し音声回答を提供し始めた。TechCrunch AIがユーザーの状況に応じて操作画面をその場で生成する使い捨てUIの移行が進む。ZDNet オーストラリア政府が大手IT企業に対しニュース利用に応じた2.25%の課税を発表した。TNW 素材プラットフォームFreepikがMagnificへ改名しAI生成機能を統合した。Tech.eu 仏Mistral AIがTemporalベースのワークフローエンジンをリリースした。VentureBeat IBMが社内8万人でのテストを経たAIコーディングツールBobの提供を開始した。The Register ピックアップ: GitHub Copilotが月額制を廃止し従量課金へ移行 何が起きたか GitHubは6月1日より定額料金制を廃止します。対象はAI支援ツール「GitHub Copilot」の全プランです。ITmedia NEWS 代わりに導入されるのはAIクレジット制です。消費したトークン量に応じてクレジットが引かれます。完全な従量課金モデルへ切り替わります。 なぜこの転換が面白いのか。定額制だから全員に配るという判断が通用しなくなるためです。 今の現実: 赤字と1000倍のコスト増 ここには率直な背景があります。 GitHubは2023年時点で赤字を出していました。月額10ドルのプランに対し平均20ドルのコストがかかっていたためです。 それでも定額制を維持できた理由があります。多くのユーザーがコード補完などの軽い使い方をしていたためです。 状況を変えたのが自律型AIの台頭です。複数タスクを処理するAIはトークン消費量が1000倍に増えます。 1回あたり5から20ドルのコストが発生するケースもあります。旧来の定額モデルでは吸収できない水準に達しました。 AIによるインフラコストの高騰を踏まえ、自社の開発環境ではどのような影響が出るとお考えですか。 本質的な変化: アクセス権から成果への対価へ これはGitHub固有の話ではありません。 OpenAIなどがAPIコール数ベースの従量課金を採用してきました。AI業界全体でビジネスモデルの転換が進んでいます。 SaaS市場でも成果連動の課金体系が機能することが実績として見えてきています。従量課金の企業の収益成長率が中央値で21%を記録したと報告されています。 中小企業の開発現場に引き直すと問いはシンプルです。誰が何のためにCopilotを使っているかを把握しているでしょうか。 定額制の時代はその問いを後回しにできました。従量制では使途の不明なコストがそのまま請求書に現れます。 見落としがちな補足: 競合の動きと廃止しない選択 市場には別の動きもあります。 Cursorなどの競合ツールは無料プランなどを武器にユーザー獲得を続けています。 GitHubが従量制へ移行するタイミングです。定額制を好む開発者がこれらのツールへ流れる可能性も指摘されています。 従量制が全員の最適解とは限りません。 利用頻度が高くAIを使い込むチームには利点があります。コストが可視化されるためです。一方軽度な利用のチームには定額の代替ツールが適しています。 現場視点で見落としやすい課題があります。誰がどの手順でAIを呼び出しているかという個人の習慣です。 ベテランエンジニアが意識せず冗長なプロンプトを繰り返すケースがあります。特定の処理を任せすぎていることもあります。これらはトークンログを取るまで見えません。 コスト管理の話は開発プロセスの標準化という課題と直結しています。 チーム内の特定メンバーへの属人化を防ぐため、AI活用ガイドラインの策定は進んでいますか。 4月22日にお伝えした定額提供の停止が確定しました。6月1日からAIクレジットという仕組みで始まります。 今後の予算策定において開発チームのAI利用実態を数値で確認してみてください。思わぬ発見があるかもしれません。 定額制の代替ツールで広く浅く使わせるか。従量制を受け入れコア業務に絞って深く使うか。あなたの組織ではどちらが現実に合っているでしょうか。 各ニュース詳細 アクセンチュアが全社74万人にCopilotを展開し定型業務を最大15倍高速化 アクセンチュアが約74万人の全従業員にMicrosoft 365 Copilotを展開した。定型業務の処理速度が最大15倍向上したと報告されている。テストに参加した社員の89%が継続利用を希望している。 出典: TNW OpenAIモデルがAWS上で正式に提供開始 OpenAIとAWSが戦略的パートナーシップを拡大した。AWS環境上でOpenAIの主要モデルやエージェント機能が正式に提供開始となった。開発者はAWSのセキュリティ要件を維持したままOpenAIの機能を開発に組み込める。 出典: OpenAI Blog MicrosoftとOpenAIが独占契約を見直し他クラウドでの提供が可能に MicrosoftとOpenAIが結んでいたクラウド環境の独占契約が見直された。これによりOpenAIはAWSなど他社インフラ上でも自社モデルを直接販売できるようになった。企業は特定の環境に縛られず既存インフラを活用してAIを統合できる。 出典: VentureBeat AIがユーザーの状況に応じて操作画面をその場で生成する使い捨てUIへの移行 固定されたユーザーインターフェースから、AIがユーザーの意図に応じてその場で動的に生成する使い捨てUIへのパラダイムが台頭している。静的なマニュアルや属人的な操作手順をシステム側が吸収する方向へ移行している。 出典: ZDNet ...

MicrosoftとOpenAIが独占契約を解消。複数クラウドの併用でAI運用コストを見直す 今日のニュース MicrosoftとOpenAIが独占契約を解消し他社クラウドで技術提供を開始 GitHub Copilotが6月から完全従量課金制に移行しコスト実績を可視化 ServiceNowが自律的に業務を完遂するAI社員の活用戦略を新たに発表 新会社が11億ドルを調達し人間のデータに依存しない自己学習型AIを開発 学習プロセスを自律最適化するAIフレームワークが人間のベースラインを突破 本番AI環境でエラーを出さずに処理が劣化するサイレント障害への対策が進行 110万ダウンロードのPythonパッケージにマルウェア混入が発覚し安全確認を推奨 中国政府がMetaによる約3000億円規模のAI企業買収を阻止し市場競争を維持 ピックアップ: MicrosoftとOpenAIが独占解消 AIプロジェクトを立ち上げる際、インフラの選定は常に悩みの種です。 初期費用を抑えるためにクラウドを選びます。 しかし気づけばその独自の仕様に縛られてしまいます。 データ転送の費用や連携機能が足かせになります。 一度システムを構築すると他のクラウドへの移行は困難を極めます。 多くの企業がこのベンダーロックインに苦しんできました。 そのロックインを当然のものとして受け入れてきた業界の構造が、いま静かに崩れ始めています。 今回の契約解消はそうした現場の悩みを解決する糸口になります。 自由にインフラを選べる環境は経営の選択肢を大きく広げます。 契約解消の背景 MicrosoftとOpenAIが独占ライセンス契約を解消しました。 これまでOpenAIの技術はAzure経由でのみ提供されてきました。 今回の改定でAWSなど他のクラウドでも展開できるようになります。 特定の一社に依存する構図が変わりつつあります。 The Register 契約が変わっても今日から何かが劇的に変わるわけではありません。 OpenAIの製品は引き続きAzureを優先して提供します。 他クラウドへの展開はAzureが対応できない場合などに限られます。 現時点ではOpenAIとAzureの関係は実質的に続いています。 中小企業が明日から別のクラウドに切り替えられるわけではありません。 ただ業界全体のインフラ提供の構造は確実に変わりました。 クラウド環境の新たな現実 競合であるAnthropicの動きを見ると流れがよくわかります。 AnthropicはAWSとGoogle Cloudの双方と非独占契約を結んでいます。 AWSが最大40億ドルを投資しました。 Google Cloudも最大20億ドルを投資しました。 いずれもインフラを使う権利と引き換えの事業契約です。 結果としてClaudeは主要なクラウドのどこでも使える状態にあります。 AIモデルの価値がどこで動くかではなく何ができるかで評価されています。 特定のクラウドに縛られない戦略が新たな標準になりつつあります。 インフラの柔軟な調達が可能になることで新しい挑戦がしやすくなります。 インフラ最適化の可能性 インフラ側でも新たなコスト削減の動きがあります。 複数クラウドを跨いでGPUの空き枠を自動探索する技術が登場しました。 SkyPilotと呼ばれるオープンソースのフレームワークです。 リージョンやクラウド間の価格差を自動で比較して活用します。 研究機関の実証ではインフラコストを大きく削減した事例もあります。 中小企業にとってAIの推論コストは大きな負担です。 日々の業務でAIを頻繁に利用するとあっという間に予算を超過します。 計算資源を効率的に使うことで経費を大きく節約できます。 先日お伝えした低コストAIの登場と組み合わさることで変化が加速します。 浮いた予算を他の重要なIT投資に振り向けることができます。 AIインフラの価格競争が現場のコストを引き下げます。 運用に向けた確認のすすめ マルチクラウド環境は決して万能ではありません。 複数クラウドを束ねる運用には高い技術的な知識がいります。 コンテナ技術の設定や障害時の切り替え設計が必要です。 コストを下げるために管理コストが上がる逆転現象も起こり得ます。 自社に安定して運用できるエンジニアがいるか確認します。 外部に委託するコストとの詳細な比較も欠かせません。 自社の体制によって最適な選択肢は変わります。 Azure一本で動いている企業が今すぐ構成を変える必要はありません。 ただ次の契約更新のタイミングで他の選択肢を比較する材料になります。 単一ベンダー依存のリスクを減らすことができます。 複数クラウドを跨いだインフラコストの最適化を検討してみてください。 中小企業のAI活用を後押しする前向きな変化としてお勧めします。 縛られていた選択肢が広がった今こそ、自社に本当に合ったインフラを改めて問い直す好機です。 ...

今日のニュース Anthropicの自律取引実験で、AIモデルの性能差が直接的な経済格差を生むことが判明。[ITmedia AI+] 元AWS幹部のMatt Domo氏が、企業AI導入の失敗原因は技術より組織変革の不足にあると指摘。[The Register] DeepSeekが、最高峰のクローズドモデルと同水準の性能をコスト6分の1で実現した新モデル「V4」を公開。[VentureBeat] 企業の85%がAIエージェントを試験導入する一方、本番稼働に至っているのは5%にとどまると判明。[VentureBeat] 攻撃グループがMicrosoft Teamsのヘルプデスクを装い、マルウェアを展開する手口が報告。[BleepingComputer] Oracleが単一データセンターキャンパスの建設に向けて163億ドルの資金調達を完了。[TNW] Sequoia Capitalが自社では投資できないOSSのAIプロジェクトにMac mini 200台を無償提供。[TNW] AI応用先として創薬・医療分野のタンパク質設計が脚光を浴び、200兆円規模の市場で期待が高まる。[日経クロステック] LLMがエラーを出さずに失敗するサイレント障害を防ぐ挙動監視の必要性を専門家が指摘。[VentureBeat] MicrosoftがTypeScriptコンパイラをGo言語で書き直したベータ版を公開し、コンパイル速度が10倍に向上。[Publickey] NECがDXブランド「BluStellar」で2030年度に売上1兆3000億円を目指すと発表。[日経クロステック] AIデータセンターのボトルネックが演算能力から通信網に移行し、光モジュール需要が高まる。[DIGITIMES] GoogleがAnthropicへ最大400億ドルの投資を計画。[Ars Technica] カナダのCohereがドイツのAleph Alphaを約200億ドル規模で買収し、欧米第三極を形成。[Sifted] GoogleがサイバーセキュリティのWizを320億ドルで買収し、AI活用の防衛網構築を強化。[日経クロステック] MetaとMicrosoftが同日に計1.6万人規模の人員削減を発表し、削減分をAI投資に充当。[TNW] 欧州DORA法により、金融機関にアクセス制御と認証管理が法的義務として課される。[BleepingComputer] MetaがエージェントAIの推論強化に向け、AWSの最新チップ「Graviton5」を自社インフラに導入。[ITmedia NEWS] Google DeepMindの技術を活用したIsomorphic Labsが、AI設計の新薬候補をヒト臨床試験に投入へ。[Wired] ヘルシンキのVerda社が再生可能エネルギーを活用するAIクラウドインフラに1億ドルを調達。[Tech.eu] Anthropic実験でAI間の経済格差が発覚。自社の調達と営業フローのAI化を進める かつて新任の営業担当として見積もり交渉の席に座ったときの話です。 先輩のように即断できず、確認のために何度も席を外しました。 結局その商談は流れてしまいました。 あの経験で痛感したのは、交渉の質は判断の速度と精度に左右されることです。 今、まったく同じ構図がAI同士の取引実験で起きています。 Anthropicの実験結果が、その事実をデータで示しています。 自律的な市場取引をAIエージェントに任せました。 結果、高性能なモデルほど有利な条件で取引を成立させました。 能力差が直接、経済的な優位性の差に転化した。 （出典：ITmedia AI+） 性能比較の話ではない。 どのAIを選ぶかが自社の交渉力の上限を決めるという話だ。 自律交渉AIがもたらす取引の変化 AIモデル間の性能差は、取引結果に明確な差を生みます。 推論能力のわずかな違いが、勝敗を分ける要因になります。 損失を徹底して抑える能力も、モデルの性能に依存します。 推論能力や学習データの質が低いAIは、損切りも甘くなります。 性能差が勝敗の差だけでなく、損失の規模の差としても現れます。 自社の調達担当の交渉相手が、高性能なAIになる可能性もあります。 他社が優秀なAI営業マンを導入する前の行動が大切です。 自社の暗黙知をAIにいかに継承させるかが問われています。 暗黙知の属人化がAI選定の問題に置き換わる 「あの担当者がいないと、あの取引先はまとまらない」。 中小企業でよくある、苦い記憶ではないでしょうか。 熟練の営業が退職した途端に失注が続くパターンです。 今後その構図は、AIの質の問題に変わる可能性があります。 自社のAIの質が低いと、相手のAIに条件を詰められます。 AI同士がリアルタイムデータをもとに交渉する時代は近いです。 自社の担当者が優秀でも、相手がAIになれば土俵が変わります。 育てる前に今の業務フローの棚卸しを進める ただ、ここで一つ立ち止まる必要があります。 優秀なAIを導入しても、承認フローが旧来のままでは止まります。 複数人の承認が必要なプロセスでは、AIの動きが止まります。 暗黙知をAIに継承させる前に、業務フローの棚卸しが必要です。 暗黙知が誰の頭の中にあり、どう動いているかを確認します。 AI営業マンを育てるのか、今の営業フローを見直すのか。 どちらを先に手をつけるかで、導入後の結果は大きく変わります。 ...

今日のニュース DeepSeek、GPT-5.5と同等性能のV4をコスト6分の1で発表 → VentureBeat OpenAI、複雑タスクの処理速度を向上させた新モデル「GPT-5.5」を公開 → OpenAI Blog OpenAI、SlackやSalesforceに直接連携する企業向け「Workspace Agents」を発表 → VentureBeat 企業の85%がAIエージェントを試験運用も、本稼働は5%にとどまる実態が明らかに → VentureBeat はてな、第三者による虚偽の送金指示で約11億円が流出したと公表 → ITmedia NEWS ピックアップ: DeepSeekが推論コストを6分の1に抑えた新モデルV4を発表。次年度のAI予算計画で選択肢として検討する 直近、GitHub Copilotの定額プランが停止されてAI予算の見直しを迫られた経験をお持ちの方も多いはずだ。その文脈で、今週最も読み解く価値があるニュースを選ぶとすれば、DeepSeek V4の発表になる。 何が起きたか 中国のAI企業DeepSeekが、新モデル「V4」を2026年4月に発表した。最上位の「V4-Pro」で見ると、100万トークンあたりの推論コストは入力1.74ドル・出力3.48ドル。OpenAIのGPT-5.5が入力5.00ドル・出力30.00ドルだから、「100万入力＋100万出力」のタスクに換算すると、GPT-5.5の35.00ドルに対してV4-Proは5.22ドルとなり、約6分の1の水準に収まる。軽量版「V4-Flash」では出力コストが0.28ドルで、GPT-5.5比では100分の1以下という数値だ。性能面でも、OpenAIのGPT-5.5やAnthropicのClaude 4.7 Opusなど米国大手の最新モデルと同等の評価を複数のベンチマークで得ている。 なぜこのニュースが面白いのか。「高機能モデルを使うことのコスト正当性」が、今日を境に問い直されるからだ。 コストが下がった理由 V4の低コストは設計の差から来ている。総パラメータ数は1.6兆と大きいが、実際にトークンごとに動かすパラメータを490億に絞る「MoE 2.0」アーキテクチャを採用している。使わない部分を動かさないから、計算コストが下がる。加えてハイブリッド・アテンション技術により、推論に必要な計算量を前世代比27%削減している。プロンプトキャッシュ機能を組み合わせれば入力コストをさらに最大90%カットできる仕組みも持つ。 ただし、コストが下がってもすべての課題が解決するわけではない。V4の利用はAPIが前提で、自社サーバーへのオンプレミス展開には別途インフラ整備が必要になる。社内データをクラウドAPIに流すことへの社内承認も、中小企業では時間がかかる論点だ。「安い」という事実と「すぐ使える」は、切り分けて考える必要がある。 構造的な変化として見えること もう一つ、見落とされがちな事実がある。V4はNvidiaのGPUではなく、Huawei製のAscend NPUで稼働している。米国製チップへの依存なしに、GPT-5.5と同等の性能を実現した。単なる価格競争の話ではなく、AIインフラの供給構造が変わりつつあることを示している。 市場データも同じ方向を指している。2025年初頭、企業のAI利用シェアは非公開モデルが約8割を占めていた。それが同年末にはオープンソースモデルが56%と逆転した。DeepSeekの前世代モデルV3も学習コストを550万〜600万ドルに抑え、当時から効率の高さとして注目を集めていた経緯がある。V4はその延長線上にあり、エンタープライズAI市場のコスト感覚を更新するものとみるのが適切だ。 残る論点 ただ、米国のAI企業や研究者からは慎重な見方も出ている。DeepSeekのオープンソース公開が完全なものかという透明性への疑問、および中国政府との関係性という地政学的な側面は、特に海外顧客との取引が絡む企業では無視できない検討事項になる。コストだけを見て選択するのではなく、自社のデータの性質や取引先との契約条件を先に確認することが現実的な順序だろう。 予算判断の問いとして 次年度のAI予算計画を立てている方に一つ問いを置いておきたい。今、自社が高コストな非公開モデルに払っている費用は、V4-Pro水準のコストで代替できる処理をどれだけ含んでいるか。全部を替える必要はないが、タスクごとにモデルを使い分ける選択肢に、今週ようやく現実的な数字がついた。 各ニュース詳細 OpenAIがGPT-5.5を公開、コーディングなど複雑タスクの処理速度を向上 OpenAIは新モデル「GPT-5.5」を公開した。コーディング・データ分析・ドキュメント作成など複雑な作業での処理速度が向上しており、APIでも提供されエンタープライズ向けの活用が想定されている。出典: OpenAI Blog 高度な業務の自動化を試みるうえで処理能力の幅が広がった。一方、日常の定型業務に対しては、コストと性能のバランスを個別に確認することが判断の前提になる。どの業務にGPT-5.5が必要で、どの業務はより軽量なモデルで十分か。その仕分けが、次年度予算の精度を決める。 OpenAIがWorkspace Agentsを発表、SlackやSalesforceへの直接連携が可能に OpenAIはカスタムGPTの後継となる企業向け「Workspace Agents」を発表した。SlackやSalesforceなど既存の業務システムと直接連携し、AIが社内ワークフロー内で作業を実行できる設計になっている。企業内データのサイロ化を解消し、AIが回答を出すだけでなく処理を完了させる役割を担う。出典: VentureBeat SlackやCRMをすでに使っている組織であれば、特定の部門から限定的に試す余地は十分にある。 企業AIエージェントの試験導入が85%に達するも、本番稼働は5%にとどまる 調査によると、企業の85%がAIエージェントの試験運用を実施している。信頼性への懸念から、実環境にデプロイできているのは5%のみで、精度の担保と権限管理を含む仕組みへのニーズが高まっている。出典: VentureBeat 試験導入と本稼働の間にある壁は、技術的な問題より権限管理や精度監視の体制が整っていないことに起因するケースが多い。85%が試し、5%が本番に進んでいる。この差を埋めた組織が、次の12ヶ月で実務上の優位を得る。 はてなが虚偽の送金指示により約11億円の流出を公表 はてなは2026年4月24日、第三者からの不正な送金指示によって約11億円の資金が流出したと公表した。ビジネスメール詐欺（BEC）とみられ、取引先を装った虚偽の口座情報への振り込みが行われたとされる。関係当局への通報と被害回復に向けた対応を進めているとしている。出典: ITmedia NEWS 送金の承認フローが1人・1段階で完結する設計になっていないか。11億円という額は規模感として遠く感じるかもしれないが、手口の構造は企業規模を選ばない。外部からの口座変更依頼に対して、電話や対面での二次確認が標準手順として存在するか、今週中に確かめる価値はある。 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

GitHubがCopilotの定額提供を停止。次年度の開発予算を従量課金で見直す 月額10ドルのサービスが、1ユーザーあたり月80ドルの赤字を生んでいたとしたら——あなたの会社のAI予算の前提は、今この瞬間も崩れているかもしれません。 GitHubが定額プランの新規登録を一時的に止めました。 自律型AIの過剰消費に耐えきれなくなったのが原因です。 AI導入コストの管理は新しい仕組みへと移行しています。 本日のテック業界から重要な動向を厳選してまとめました。 経営層が直ちに把握しておくべき情報ばかりです。 自社の次年度計画と照らし合わせながらお読みください。 GitHubがCopilot定額プランの新規登録を停止 Lovableで数千件のプロジェクトデータが外部露出 中国IT企業で自己代替AIの訓練を命じられボイコット OpenAIがCognizant等と提携しCodex導入を展開 YouTubeが著名人のAIディープフェイク自動検知を拡充 ソニーとホンダの共同EV会社が事実上の事業休止を発表 英国フィンテックRevolutが最大2000億ドルの評価額へ Vercelへのサイバー攻撃はAI活用による高速な攻撃と判明 トランプ大統領がAnthropicとの国防契約の可能性に言及 AIモデルKimi K2.6が数日間の連続自律稼働を実現 ピックアップ: GitHubの定額プラン停止が示す課金モデルの変化 GitHubが定額プランの新規登録を止めました。 対象はProやStudentなどのプランです。 製品担当のジョー・バインダー氏が理由を語りました。 開発者の使い方とインフラに根本的なズレが生じたそうです。 業界で最も多くの開発者を抱えるプラットフォームです。 その最大手が構造的な赤字を正式に認めた出来事です。 これまでSaaSの課金モデルは定額制が当たり前でした。 しかしAIの運用は使われるほど赤字になる構造を抱えます。 月額10ドルのCopilotが赤字を出していた時期があります。 ウォール・ストリート・ジャーナルが過去に報じています。 1ユーザーあたり月最大80ドルの損失が出たそうです。 わずか10ドルの売上に対して大きな持ち出しが発生します。 これはシンプルなコード補完での用途に限った話です。 この段階ですでにビジネスモデルの維持が困難でした。 ここに新しい自律型エージェントの機能が加わりました。 人間が指示を出さなくてもAIが自ら考えて作業を進めます。 タスクを分割して複数のエージェントが並行して動きます。 この構成ではトークン消費の総量が格段に跳ね上がります。 Claude Codeの実験で莫大な計算資源が使われました。 一部ユーザーが月2万5000ドル相当を消費した事例です。 調査会社のデータでも過半数がコスト超過を経験しています。 エラー時の暴走もコスト増大の要因として無視できません。 AIが47回連続で修正に失敗した事例も報告されています。 1つのタスクで30ドルを浪費した計算になります。 一度エラーが起きると自動で解決を試み続けてしまいます。 ガードレールのない自律稼働はコストの大きな穴になります。 以前の記事でCursorのクレジット制をお伝えしました。 当時は新興ツールの苦肉の策のように見えました。 しかし今回のGitHubの動きで状況が変わりました。 課金の見直しは開発ツール市場全体の構造問題です。 新興勢力だけでなく業界全体が同じ悩みを抱えています。 市場の二極化も静かに進んでいます。 単純なコード補完は月額10から20ドルで維持されます。 一方の高度な利用は月額100ドル超の従量課金が基本です。 Devinは基本料金を500ドルから20ドルへ下げました。 超過分は1ACUあたり2.25ドルの従量課金に移行しました。 IntercomのFin AIは解決1件あたり0.99ドルです。 これは完全な成果報酬型の仕組みです。 使った分や成果に対して払う設計思想へ移りつつあります。 結果を出した分だけ費用が発生する仕組みは合理的です。 ただしコストの問題は片面だけでは語れません。 企業環境での総所有コストを試算してみましょう。 月1万回の処理でAPI費用が500ドルだったとします。 保守やレビューを含めると月3000ドルに達する事例があります。 人件費の削減分と相殺されるかは各社の運用次第です。 ここに中国IT企業の事例が重なります。 自身の代わりとなるAIの訓練を従業員に命じました。 結果として社内で大規模な反発やボイコットを招いています。 人件費を削っても現場の士気と知見を失うリスクがあります。 現場の反発を招けば導入プロジェクト自体が頓挫します。 組織の文化や働く人の感情にも配慮が必要です。 ...

Cursorが評価額500億ドルで20億ドル調達へ。次年度の予算を再編する Cursorが評価額500億ドルで20億ドルを調達へ。TNW AtlassianがAI学習用データ収集をデフォルト有効化。The Register 北京ハーフマラソンでロボットが人間の記録を更新。TechCrunch Metaが全体の1割を削減しAIインフラへ資金移動。TNW Notionの公開ページ設定で全編集者のアドレス流出。Hacker News Top Vercelで情報漏洩。攻撃者が内部データの販売主張。BleepingComputer トランプ政権が州独自のAI規制を阻止する方針を提示。TNW 中国AIが米国の23分の1の資金で性能差を2.7%に縮小。TNW 競合各社がAdobe対抗の無料機能を追加しシェアを狙う。The Verge ハードウェア設計AIのSchematikにAnthropicが参入。Wired SalesforceがAIエージェント向け基盤を発表。VentureBeat OpenAIが創薬特化の新モデルGPT-Rosalindを限定公開。VentureBeat AnthropicがUI自動生成するClaude Designを発表。VentureBeat カスハラ音声をAIが検知しテキスト証跡を残すサービス開始。ITmedia AI+ 企業の多くが自律型AIの攻撃に対応できない状況。VentureBeat Anthropic新モデルの脆弱性発見能力に国内金融が注目。日経クロステック Anthropicと米政府高官がAI軍事転用について協議。TNW Cloudflareが自社サービス全対応のAI向けCLIを開発中。ITmedia NEWS Cursorが評価額500億ドルで20億ドル調達へ。次年度の予算を再編する 「わずか1年でここまで到達するのか」と驚かされるニュースが飛び込んできました。 AI開発ツールCursorが、評価額500億ドルで20億ドルの資金調達に動いています。 単価276ドルの低価格ながら、すでに36万人の開発者を獲得。 わずか12ヶ月で年間経常収益1億ドルに到達しており、過去にZoomが数年かけたマイルストーンを軽々と超えるスピードです。 現場ツールの進化は、これまでの開発投資の前提を覆します。 次年度の人員計画を根本から見直す契機にもなります。 現在、開発者の92%が何らかのAIツールを導入済みです。 CursorはオープンソースのVS Codeをベースにしつつ、独自の強化学習モデルとRAG技術を統合しました。 20万トークンの文脈を読み込む処理能力を備え、100ミリ秒以下の超低遅延でコードを補完。 その結果、コード補完の採用率は72%に達しています。 ただ、無人でシステムが完成するわけではなく、「導入したもののライセンス費に見合うか不明」という声も存在します。 既存コードの保守や曖昧な要件定義のフェーズでは、依然として人間の関与が不可欠です。 この市場は2030年代に300億ドル規模へ到達する見込みです。 あるGoogle技術者が「1年の作業が1時間で完了した」と語るように、平均して26〜55%の効率アップが報告されています。 Salesforceも画面を持たないAI基盤を発表し、人間による画面操作からの移行が進行中。 AIがAPIを直接叩き、自律的にシステムを動かす構造へと変わりつつあります。 次年度のエンジニア採用を凍結する。 あるいはAI開発ツールへ予算を大きく移すなど、経営の投資判断に直結する変化が起きています。 市場は決してCursorの一人勝ちではありません。 大企業の90%が採用するGitHub Copilotは、有料会員470万人を抱え経常収益が20億ドルを突破。 自律処理を行うAnthropicのClaude Codeも、リリース半年で経常収益10億ドルに到達しています。 各社が独自の強みを打ち出し、熾烈なシェア争いを展開中です。 ここで思い出すのが、4月に取り上げた事例です。 ドイツのある金融機関がAIボットを全廃し、有人対応への回帰を選択しました。 開発速度の向上とコスト削減を極限まで追求する一方、顧客接点でどう品質を守るか。 完全な自動化を手放しに喜べない現実も浮き彫りになっています。 コストを削りAIに任せる領域。 次年度のIT予算を組む際、自社にとって最適な境界線はどこにあるのでしょうか。 Atlassianの規約変更やNotionの設定見直しなど、足元のツール管理も並行して進める必要があります。 自律化と人間回帰の視点から、重要なニュースを解説します。 AtlassianがAI向けデータ収集を開始 Atlassianは8月中旬より規約を更新します。 最上位プラン以外の全ユーザーを対象とし、AI開発向けデータの自動取得を開始。 ユーザー側での完全なオプトアウトは不可となります。 出典: The Register 自社のデータがAIにどう扱われるかを確認する重要な機会です。 開発の自動化が進むなか、データ主権の確保がより問われるようになっています。 8月に向け、SaaS契約更新の条件を再確認することが求められます。 ...

今日のニュース Salesforce、UIを持たないAI専用基盤を発表 — 人を前提とせずAIが直接データを操作する基盤へ移行 / VentureBeat OpenAIのCodexがPC画面の自律操作に対応 — ブラウザや他アプリを複数エージェントが並行操作 / OpenAI Blog Cloudflare、AI向けインフラ操作ツールを開発 — AIがインフラを自律管理できる設計思想を採用 / ITmedia NEWS Anthropic、UIを自動生成する新機能を追加 — 非デザイナーでもプロンプトから画面設計が可能に / Source 米Dairy Queen、AI音声注文を導入 — 従業員不足の解消に向け数十店舗のドライブスルーで展開 / The Verge 米データセンター建設の約4割が計画遅延の見通し — 送電網の限界や住民反対で物理インフラの課題が表面化 / Ars Technica ピックアップ：SalesforceがUIを持たないAI基盤を発表 CRMのライセンス費を毎月払っている企業は多いだろう。しかし現場の入力頻度は週に数回。そんな状態に心当たりはないだろうか。 Salesforceがシステムの構造を刷新した。創業27年で最大の変更だ。名称は「Headless 360」。従来のCRMは人が画面を操作することが前提だった。この構造を取り除く。AIがAPI経由でデータを直接操作する基盤へ移行する。 チャットツールで自然言語の指示を出す。商談の更新からリードの割り当てまで。AIが裏側で作業を完結させる。画面を開く人はいなくなる。 今の現実：何が変わり、何が変わらないのか この基盤が機能する領域は明確にしておく必要がある。技術構造はデータ層や推論エンジンなど4層だ。全機能がAPIなどで公開されている。1万以上の外部ツールと連携できる。 恩恵を受けやすいのは反復性の高い裏側の業務だ。受注処理や問い合わせの振り分け。手順が決まっている仕事への適合度は高い。 一方で複雑な交渉には人の判断が必要だ。すべてをAIに任せるわけではない。構造化された業務から順に進めるのが現実的である。 本質的な変化とUIの自動生成 ツール選定の基準も変わる。これまでは画面の見やすさが重視されてきた。今後はAIが自律的に動ける精度が問われる。 HubSpotはすでに成果報酬型の料金を採用している。解決した会話数に応じた課金だ。機能を持つ時代から結果に払う時代へ。ガートナーの予測では、2026年末までに企業アプリの4割にAIが実装される。 ただ、別の動きもある。AnthropicがUIを自動生成するツールを発表した。プロンプトから画面設計を可能にする機能だ。SalesforceがUIをなくす一方で、UIの作成をAIが助ける。AIが画面の役割そのものを再定義している。 見落としがちな視点：自動化の裏目 Sephoraなどはヘッドレス構造で顧客対応を無人化した。一方で逆の判断をした企業もある。 4月にお伝えした独金融のTrade Republicだ。導入したAIボットを廃止し有人対応へ戻した。顧客満足度が低下したためだ。金融商品という重い判断にAIの精度が合わなかった。効率化を優先して顧客が離れた。 自動化できる業務の境界線は技術の問題ではない。顧客との関係性の問題だ。表側と裏側を分ける棚卸しを今日の会議の議題にしませんか。AIに任せる業務と人が残る業務。その線引きをツール選定の前に決めてみてください。 AI自律化の波と開発・インフラ環境への浸透 利用者が人からAIへ移る現象はCRMに限らない。開発ツールやインフラ設計にも同じ波が来ている。 OpenAIのCodexがPC画面の自律操作に対応 プログラミング支援AI「Codex」が更新された。PC画面を直接認識し、ブラウザや他アプリを自律的に操作できる。複数のエージェントが並行して動作する。画像生成や過去の操作からの学習にも対応する。90以上の新プラグインも公開された。 CloudflareがAI向けのコマンドラインツールを開発 CloudflareはAI向けのインフラ操作ツールを公表した。人が直接設定するのではなく、AIがインフラを制御する前提の設計だ。全サービスに対応しており、AIエージェントの操作に最適化されている。 AI導入の物理的制約と顧客接点の課題 自律型AIの範囲が広がる一方で別の課題も出ている。接客の最前線での体験と物理インフラの両面だ。 米Dairy Queenが音声注文にAIを導入 米Dairy Queenは数十店舗のドライブスルーにAIを導入する。深刻な従業員不足の解消と注文処理の速度向上が目的だ。前年の試験運用を経ての本展開となる。追加注文を促すアップセル機能も備えている。 米国のデータセンター建設で約4割が計画遅延 2026年完成予定の米データセンターの約40%で遅れが生じている。送電網のボトルネックと地域住民の反対運動が原因だ。AIブームによる電力需要は数十万世帯分に相当する。物理インフラの整備が需要に追いついていない実態が明らかになった。 最新の事例から見えてくるのは、効率化と体験のバランスだ。裏側の作業はAIに任せつつ、接客の最前線には人を残す。現場に寄り添ったAIの配置が、顧客の信頼をつなぐ鍵になる。 社内ヘルプデスクや定型業務をAIで効率化しませんか。担当者はより複雑な顧客対応に集中できます。 有人への引き継ぎ機能も備えたAIチャットボット。100言語対応で24時間365日稼働します。 詳しくはこちら

今日のニュース OpenAIがPC内の全アプリを自律操作するCodex機能を公開した。VentureBeat Anthropicがエージェントタスクに強いClaude Opus 4.7を公開した。VentureBeat SpektrがKYC等の手作業をAIで代替し2,000万ドルを調達した。TNW SolidroadがCS品質の全件自動評価を実現し資金調達した。TNW Metaが動的タスクでも自己改善し続ける自律型AIを発表した。VentureBeat Metaが統合型AIで自社インフラを最適化し運用工数を削減した。Meta Engineering OpenAIがサイバー防衛特化モデルを主要セキュリティ企業に提供した。OpenAI ピックアップ：OpenAI Codexで「SaaSの画面」は本当に要らなくなるのか 社内のSaaS、ライセンス費に見合う使い方ができているか。 なんとなく契約を更新しているが、現場は半分Excelに戻っている。 この感覚を持つ経営者は多いはずだ。 OpenAIがCodexのデスクトップアプリを刷新した。 AIがPC内の複数アプリをまたいで自律操作する。 ブラウザ、Excel、社内システム。 バックグラウンドで数週間単位の処理を回し続けることもできる。 ただし、冷静に見る必要がある。 第1段階：操作する人が変わるだけで、SaaSは消えない 今のCodexがやっていることは「人間の代わりにマウスとキーボードを動かす」に近い。 CRMの画面をAIがクリックし、データを入力し、レポートを出力する。 操作者が人からAIに変わっただけで、SaaSそのものは残る。 この段階では、ライセンス構造も課金モデルも大きくは変わらない。 シート課金の「1席」をAIが占めるだけ。 作業は速くなるが、ビジネスモデルへの影響はまだ限定的だ。 第2段階：AIがUIを飛ばしてデータと直接やり取りする世界 本当の転換点はその先にある。 AnthropicはMCPというプロトコルでシステム同士を直接つなぐ標準規格を整備している。 Google、Microsoftも自社基盤との統合を進めている。 AIがUIを経由せず、APIやCLIでデータと直接やり取りし始めたらどうなるか。 人間向けの画面を表示するコストも、UIを設計するコストも不要になる。 SaaSの価値の大部分は「人間が使いやすい画面」を提供することにあった。 その画面を誰も見なくなったとき、SaaS企業は「UI提供者」から「データ処理基盤」へと事業構造の転換を迫られる。 Gartnerは2026年末までに企業アプリの40%にタスク特化型AIが載ると予測している。 シート課金からタスク単位の従量課金へ。 アナリストの推計では、2033年にこの市場は約500億ドル規模になる。 第3段階：それでも人間には「見る場所」が必要になる ここで見落としてはいけないことがある。 AIが裏側ですべてを処理するとしても、人間はどこで状況を把握するのか。 経営者が売上の推移を確認する画面。 管理者がAIの処理結果を承認するダッシュボード。 異常値を検知したときのアラート表示。 「操作のためのUI」は消えていく。 しかし「理解のためのUI」はむしろ今以上に重要になる。 AIが自律的に動くほど、人間がその結果を一目で把握できる可視化の価値は上がる。 SaaS企業が生き残る道があるとすれば、ここだろう。 「AIに操作させるための画面」ではなく、「AIの処理結果を人間が判断するための画面」を提供する方向への転換。 権限管理と費用対効果。試算なしに始めてはいけない AIがローカル環境に深くアクセスする以上、権限管理が生命線になる。 まずは読み取り専用に限定した小規模検証から始め、処理ログを定期確認できる体制を整える。 コスト面も幅が大きい。 視覚的なAI処理には画像認識トークンの費用がかかり、業務内容次第で月額200ドルから5万ドル以上まで開きがある。 既存アプリをAIに操作させたら何件の手作業が消えるか、その試算からIT投資の優先順位を見直すことが出発点になる。 KYCに数時間かけていた手作業をAIが数分で片づける 特化型AIが汎用モデルの精度を上回るケースが増えている。 手作業が前提だったバックオフィスから成果が出始めた。 Spektrが手作業を置き換え2,000万ドルを調達 デンマーク発のSpektrが金融書類確認をAIで自動化した。 KYCやKYBと呼ばれるコンプライアンス業務が対象。 人が数時間かけていたリスク評価を、特化型AIエージェントの連携で数分に短縮する。 この業務特化アプローチが評価され、2,000万ドルの資金調達につながった。 出典: TNW Solidroadが品質評価を「全件チェック」に変えた アイルランドのSolidroadが顧客対応の品質評価を自動化した。 従来は全体の数パーセントしか確認できなかったサンプル評価を、AIで全件チェックに切り替える。 同社はこの事業で2,500万ドルを調達した。 ...

今日のニュース Databricks調査、特化型エージェント群が単一の高性能LLMより処理精度で21%優位に（VentureBeat） ChromeのGeminiサイドバーに「Skills」追加、AIプロンプトをワンクリックで再利用可能に（TechCrunch） Anthropic、企業向けAIエージェント統合基盤を提供開始、単一ベンダー依存の懸念も（VentureBeat） Modern Relay、AIエージェント間の共通インフラ構築に向け約4.5億円を調達（Tech.eu） Anthropic、OpenAIが支持するイリノイ州AI免責法案への反対を表明（Wired） ピックアップ: 特化型エージェントが単一巨大モデルの精度を21%上回る 「まずは一番高機能なAIを1本入れておけば間違いない」——そう判断して、高額なエンタープライズプランを契約したものの、現場の実務成果が期待を下回っていないだろうか。 Databricksの最新調査が、その判断を根本から問い直す結果を出した。複雑なデータベース照会のような実務タスクで、単一の高性能LLMを単独で使うより、複数ステップを踏む特化型エージェント群を組み合わせた構成のほうが、処理精度で21%高い成果を出したのだ。 数値にして21ポイント。誤差の範囲ではない。 なぜ特化型の組み合わせが強いのか 直感に反するように聞こえるかもしれない。「より賢いモデル1本」より「小さいエージェントの連携」のほうが勝るとはどういうことか。 背景にある構造はシンプルだ。実務タスクは多くの場合、複数の推論ステップが連鎖している。「データを引き出す」「条件を解釈する」「出力形式を整える」——各ステップに最適化されたエージェントを割り当てると、1つの巨大モデルが全工程を一括処理するより、各段階での精度が積み重なる。 工場の流れ作業に似た発想だ。万能な職人1人より、工程ごとの専門家が連携するほうが、精度と速度が両立する。 「万能AI」への投資コストは構造的に上がり続ける 精度の話だけではない。コスト構造の問題でもある。 AIの電力需要の増加を背景に、データセンターの運用コストは上昇し続けている。Oracleが2.8GWの燃料電池を自社設備に導入し、オフグリッドで電力を自給する計画を進めているのは、その典型例だ。電力確保に向けた関連投資は世界で6.7兆ドルに達するとの試算もある。 こうしたインフラコストは、最終的にエンタープライズ向けの利用料金に転嫁される。「万能な大型モデル1本」という選択は、精度でも価格でも、割高な判断になっていく可能性がある。 中小企業にとっての現実的な読み方 注意しておきたいのは、今回の調査がすべてのタスクで特化型エージェントの優位を示したわけではないという点だ。複雑なデータベース照会という、もともと複数ステップが絡む種類のタスクでの検証結果であり、単純な文章生成や要約のような一段階で完結するタスクでは話が変わる。 自社の業務を棚卸しするとき、問うべきは「より賢いAIが必要か」ではなく、「このタスクは何段階の処理で成り立っているか」かもしれない。多段階のワークフローを特化型エージェントに分割できる業務が社内にどれだけあるか——その数が、この調査の自社への適用可能性を決める。 巨大な単一システムへの投資を見直し、現場の特定タスクに特化した軽量なエージェントを組み合わせる戦略は、コストが限られる中小企業にとって現実的な選択肢の一つとなる。 関連調査: VentureBeat 各ニュース詳細 ChromeのGeminiサイドバーに「Skills」追加、プロンプトの保存と再利用が可能に Googleは、ChromeのGeminiサイドバーに「Skills」と呼ぶ機能を追加した。 よく使うプロンプトや作業手順をあらかじめ登録しておき、次回からはワンクリックで呼び出せる仕組みだ。 新しい専用アプリを導入しなくても、毎日開いているブラウザの中でAI支援を完結できる。 出典: TechCrunch 4月にAnthropicがWordアドインへのAI統合を発表し、それ以前にはWhatsApp上でのB2B業務自動化が話題になった。使い慣れた日常ツールにAIを溶け込ませる流れが、今度はブラウザでも進んでいる。 Anthropic、企業向けAIエージェント管理基盤を提供開始 AnthropicがClaudeをベースにした企業向けのマネージドサービスを開始した。 エージェントの構築・管理に必要な技術的な複雑さを吸収し、エンジニアリングリソースが少ない環境でも導入できる設計になっている。 ただ、特定ベンダーのエコシステムに業務フローが深く組み込まれると、後から別モデルへ切り替えるコストが見えにくい形で積み上がるという指摘も出ている。 出典: VentureBeat Modern Relay、AIエージェント間の共通インフラ構築に向け約4.5億円を調達 企業内で稼働する複数のAIエージェントが、互いにデータと文脈を共有できる共通インフラを手がけるModern Relayが、資金調達を完了した。 部門ごとにエージェントが個別に動く環境では、組織のルールや意思決定の文脈が各エージェントに届かず、自動化が部門単位で孤立するという課題がある。 ツール同士をつなぐ「エージェント間の共通レイヤー」という新たな市場を切り開く動きとして注目されている。 出典: Tech.eu Anthropic、OpenAIが支持するイリノイ州AI免責法案に反対を表明 イリノイ州で審議中の法案は、AIシステムが大規模な被害を引き起こした場合でも、AI企業の法的責任を大きく軽減する内容を含む。 OpenAIがこの法案への賛同を示す一方、Anthropicは「免責の範囲が広すぎる」として反対のロビー活動を行っている。 AI規制に対するアプローチの違いが主要各社の間で表れており、それぞれのロビー活動が活発化している。 出典: Wired AI企業が大規模被害の責任から免除される法的環境が整ったとして、それは導入企業にとっても安心材料になるだろうか。被害が起きたとき最終的に問われるのは「そのAIを業務に使うと判断した側」になる構図も読める。法整備の動向を追いながら、自社の運用ルールをどこに置くかを考える材料として読んでおきたいニュースだ。 今週のニュースに通底するのは、「万能な単一モデルへの依存から離れ、用途に特化した小さな仕組みを組み合わせる」という方向性だ。精度でも、定着率でも、コストでも、その発想が実務に合っていることを各事例が示している。 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 Linuxカーネル開発陣がAIコードの受け入れルールを策定。ZDNet LINEヤフーがYahoo! JAPAN IDのパスワード認証を廃止へ。ITmedia NEWS 米政府がAnthropicを規制。一方で財務省は金融利用を推奨。TNW 日本IBMがAI活用の開発基盤ALSEAを発表。属人性の排除を支援。ITmedia AI+ 英国NS&Iのデジタル刷新が約13億ポンドの予算超過。計画も4年遅延。The Register ピックアップ: LinuxカーネルがAIコードの受け入れルールを策定 「AIが書いたコードだから品質の責任はAIにある」 こんな言い訳が通る組織になっていませんか。 Linuxカーネルの開発陣が動きました。 AI支援ツールの利用ポリシーを正式に策定しました。 内容の核心は技術的な制限ではなく、責任の宣言です。 生成AIによるコードの提出を認めます。 ただし条件がある。 コードの品質と透明性に最終責任を負うのは人間です。 提出した本人が責任を持つと明記しました。 排除でも無条件容認でもない。現実的な路線です。 オープンソース界隈では論争が続いていました。 AI生成コードの扱いを巡る対立です。 「ライセンス問題や品質の担保ができない」という慎重論と、「開発効率を上げるため積極活用しよう」という推進論。 世界最大のプロジェクトがどう動くか注目されていた中で、示されたのがこの妥協点です。 面白いのはルールが技術を規律していない点です。 「人間の姿勢」を問うている。 AIを使おうが使うまいが提出者が内容を確認し、品質を保証する。 当たり前のことを改めて明文化する必要がありました。 エンジニアがいない会社でもこの構造は使えます。 ChatGPTで作成した提案書の誤りは作成したメンバーが確認する。 AIが生成した契約書の文面は担当者がチェックして署名する。 当然のことのように聞こえます。 ただ「AIが出したから」という言い訳が横行している組織は少なくありません。 4月7日の記事でMassMutualの事例を紹介しました。 AIパイロット版の乱立を解消した事例で、ガバナンス体制の構築が鍵でした。 今回のLinuxカーネルの決断はその延長線上にあります。 パイロット版から本番環境へAIを定着させるには、責任所在の明確化が不可欠です。 今回のルール策定はその具体的な一歩であり、AIを業務に組み込む際の最低限の前提条件を示しています。 ツールとしてのAIを受け入れつつ、確認と最終判断を人間が担う体制を整える。 その姿勢が組織全体の信頼性につながります。 自社のガイドラインにAI利用の責任所在は明記されていますか。 各ニュース詳細 LINEヤフーがパスワード認証を廃止へ LINEヤフーがログイン方式を段階的に一本化します。 対象はYahoo! JAPAN IDです。 パスキーを利用した方式へ移行します。 フィッシング詐欺対策として生体認証などを活用します。 安全なログインのみとする方針です。 SMSワンタイムパスワードとの併用は現状維持です。 移行状況を見ながら一本化を進めます。 出典: ITmedia NEWS 米財務省などがAnthropicの利用を推奨 財務省などが大手銀行にAI活用を促しています。 対象はAnthropicのAIモデルです。 サイバーセキュリティ対策への利用を推奨しています。 一方で国防総省は同社を規制対象に指定しました。 サプライチェーンリスクを理由としています。 同じ政府内で推奨と規制が並存しています。 企業の技術選定に予測しにくい状況が生まれています。 出典: TNW 日本IBMがAI活用の開発基盤ALSEAを発表 日本IBMが開発基盤ALSEAを発表しました。 過去の開発知見をAIに学習させます。 上流工程の属人的なノウハウをドキュメント化します。 次工程のシステム開発に活用できる仕組みです。 要件定義からテストまでの工程を対象とします。 国内企業のレガシーシステム移行を支援します。 ...