AIスタートアップのSakana AIは6月21日夜、複数のAIモデルを動的に束ねて最先端水準の性能を出すマルチエージェント基盤「Fugu（フグ）」を公開しました。開発者や企業、国家が特定ベンダーへの依存や地政学的な輸出規制から守られることを狙い、OpenAI互換の単一APIを通じて専門化したAIエージェント群へ問い合わせを動的に振り分ける仕組みです。

Fuguは巨大な単一モデルに頼る従来構造を回避し、優れた総合請負業者のように動きます。複雑な要求を受けると自ら全てを実行せず、問題を分解して専門の基盤モデル群に下請けさせ、その成果を検証したうえで最終出力を統合します。Sakanaは「Fugu自体がLLMであり、エージェント群の各LLMや自分自身を再帰的に呼び出すよう訓練されている」と説明しています。

背景には、6月12日にAnthropicが米政府の輸出規制命令を受け、最上位モデルのClaude Fable 5とMythos 5への一般アクセスを停止した事情があります。CEOで共同創業者のDavid Ha氏はXで「単一企業のモデルに国家インフラを頼るのは巨大なリスクだ。集合知こそ権力集中への実用的な備えになる」と述べ、Fuguが交換可能なエージェント群でベンダー制限を回避すると強調しました。

性能面でも存在感を示しています。コーディング能力を測るLiveCodeBenchではFugu Ultraが93.2、通常版Fuguが92.9を記録し、Claude Fable 5の89.8を上回りました。ソフトウェア課題を扱うSWE-Bench ProではUltraが73.7で、Claude Opus 4.8（69.2）やGPT-5.5（58.6）を明確に上回っています。

一方で価格は高めです。商用のプロプライエタリAPIとして提供され、どのモデルを選ぶかは利用者から意図的に隠されます。Fugu Ultraは100万トークンあたり入力5ドル・出力30ドルの固定料金で、単一モデルAPIと比べ高価な部類に入ります。月額は20ドルから200ドルの3段階で、EUとEEAではGDPR対応のため当面利用できません。

コミュニティの反応は分かれています。ある開発者は「単一の明快なプロンプトなら直接モデルを使うだろうが、委任や検証、調査ループを伴う複雑な作業ほどFuguが活きる」と評価しました。他方で「これは閉じたモデル群の上に乗る閉じたオーケストレーターにすぎず、AI主権とは言えない」との批判もあり、単一の巨大モデルがなお優位とみる声も残っています。

米Anthropic傘下のコーディング支援ツール「Claude Code」を生んだボリス・チェルニー氏が6月20日、米メタの技術会議「@Scale」で、AIエージェント同士が連携し続ける「ループ」を次の大きな転換点だと語りました。同氏は「人手のコード記述からエージェントへの移行と同じ規模の飛躍だ」と強調しています。

ループとは、あるエージェントがコード構造の改善を探り、別のエージェントが重複した処理の統合を探すといった作業を、休みなく繰り返す仕組みです。これらのエージェントは通常の開発者と同様にプルリクエストを提出し、コードが変わり続けるため稼働が止まることはありません。

従来のエージェント運用では、明確な目標を定め、進捗を区切って確認し、指示から外れないよう管理することが重視されてきました。ループはここからさらに踏み込み、背後で群れのように働き続けるエージェント群に作業を委ねます。AIへの信頼を大きく預ける形ですが、モデルの性能向上に伴い現実味を増しています。

この発想自体は全く新しいものではありません。自分自身を呼び出して処理を繰り返す再帰ループは計算機科学の基礎であり、停止の判断をAIに委ねる点が異なるだけで、基本的な仕組みは共通しています。代表例として、達成度を要約して目標到達を問い直す「ラルフ・ループ」が知られています。

ループはまた、推論時の計算量を増やす流れの一部とも捉えられます。米OpenAIの研究者ノーム・ブラウン氏が指摘したように、十分な計算資源を投じればほぼあらゆる問題を解けるため、コード改善のような積み上げ型の課題では計算を投じ続けるほど成果が伸びます。

ただし課題はコストです。ループは単純な対話よりはるかに速くトークンを消費し、常時稼働させる以上、支出に上限がありません。トークン販売を本業とするAnthropicには好都合でも、利用者には割高となり得ます。それでも、監視体制を整え対象を選べば、費用を上回る効果が見込めるとしています。

上海人工知能研究所は2026年6月、AIエージェントが自らの運用規則（ハーネス）を改善する新枠組み「Self-Harness」を発表しました。エージェントが自身の実行ログを点検し、モデル固有の失敗パターンを見つけて修正案を生成、性能を検証してから採用する仕組みです。検証実験では、対象モデルに応じて33〜60%の相対的な性能向上を確認したとしています。

ハーネスとは、基盤モデルを取り巻く制御層を指します。システムプロンプトやツール、メモリ、検証ルール、障害復旧手順などが含まれ、エージェントの失敗の多くはモデル本体ではなくこのハーネスに起因します。従来は技術者が勘や限られた失敗例を頼りに手作業で調整しており、モデルの更新ペースに追従しづらいという課題がありました。

Self-Harness は三段階の反復ループで動きます。まず一連のタスクを実行して失敗の傾向を抽出し、次に各失敗に対応した最小限の修正案を複数生成します。最後に回帰テストで評価し、別のタスクで性能を下げずに改善した修正だけを次版に統合する流れです。人間の技術者や外部の強力なモデルに頼らない点が特徴です。

具体例も示されました。あるモデルは設定の探索を延々と続けて時間切れになっていましたが、Self-Harness が50回のツール呼び出しで方針転換を強制する規則を書き加えました。別のモデルには重複コマンドを禁じる規律を、さらに別のモデルにはシェル間で環境変数を保持する規則を追加するなど、症状に応じた対策を自動で組み込んでいます。

一方で代償もあります。論文の筆頭著者ハンファン・チャン氏は、繰り返しの修正案生成と並列評価によりAPIトークン消費や処理時間、評価基盤のコストが増えると指摘します。さらに自動更新の良否は評価パイプラインの精度に依存するため、厳密な検証器が欠かせません。コーディングや社内業務自動化、DevOps など失敗を測定しやすい領域が適し、医療や安全性が問われる分野は避けるべきだとしています。

チャン氏は、技術者の役割がプロンプト調整から「フィードバック設計者」へ移ると予測します。基盤モデルが高度化してもハーネスは消えず、その役割はモデルをより豊かな外部環境へつなぐ方向に広がるとの見方です。人間による評価が及ぶ限り、フィードバックの担い手として人の関与は欠かせないと結んでいます。

米Googleは6月22日、Geminiモデルとエージェントを操作する新基盤「Interactions API」が一般提供（GA）に到達したと発表しました。2025年12月の公開ベータを経て、同社はこれをGemini向けの主要APIと位置づけ、すべての公式ドキュメントの既定をこの新APIへ切り替えます。開発者が最も好む構築手段に急速に定着したと説明しています。

GA版ではスキーマが安定したほか、開発者の要望に応える主要機能が加わりました。目玉はManaged Agentsで、1回のAPI呼び出しで遠隔のLinuxサンドボックスを確保し、エージェントが推論・コード実行・Web閲覧・ファイル管理をこなします。既定エージェントとして「Antigravity」が提供され、独自エージェントの定義も可能です。

実行面では、呼び出しに「background=True」を指定すれば、サーバー側が処理を非同期で走らせます。長時間タスクを扱いやすくする設計です。ツールも強化され、Google検索やGoogleマップといった組み込み機能と自作関数を1つの要求内で混在させ、結果を画像付きで返せるようになりました。

メディア生成も拡充しました。画像生成はNano Banana 2、音楽はLyria 3、表現力のある音声は複数話者TTSに対応します。Deep Researchも、速度重視と深さ重視の2系統やネイティブな図表生成を追加しました。スキーマは従来の「役割（Roles）」構造から、各動作を型付きの「ステップ（Steps）」として扱う方式へ簡素化されています。

費用と運用の最適化も進みました。FlexとPriorityの階層により費用か遅延かを選べ、Flexでは費用を50%削減できます。過去のやり取りは有料枠で55日間保持され、後から取得可能です。一方、従来の「generateContent」APIも完全にサポートを継続し、当面は新しいGeminiモデルを受け取り続けます。

ただしGoogleは、長時間稼働モデルやエージェント向けの最先端機能は、状態を持つエージェント処理向けに設計された新APIへ集約していくとの見通しを示しました。新APIはPythonとJavaScriptのSDKで利用でき、LiteLLMなどの提携先経由でも使えます。移行ガイドも公開され、各フィールドの対応関係を確認しながら段階的に切り替えられます。

Alibaba Cloudは6月21日、AI動画生成モデル「HappyHorse 1.1」を公開しました。企業向けにAPIを全面開放し、最初の2週間は全機能で40%割引を提供します。OpenAIのSoraが採算難で終了し、ByteDanceのSeedance 2.0も著作権問題で国際展開を凍結するなか、世界2位の実力を武器に企業市場の主役を狙う動きです。

同モデルは4月に匿名でベンチマークに登場し、独立評価サイト「Artificial Analysis Video Arena」で即座に首位を獲得しました。現在は3つのリーダーボード全てで2位につけ、テキスト動画ではGoogleのVeo-3.1を69点上回ります。人間の評価者による比較に基づくEloスコアでの差であり、一時的なぶれではない品質差を示しています。

技術面の強みは、テキスト・画像・動画・音声を単一の150億パラメータTransformerで処理する統合設計です。動画と音声を別々のモデルでつなぐ競合と異なり、一度の生成ですべてを扱うため、外部の吹き替えや後処理が不要になります。導入箇所や依存ベンダーが減り、企業にとって総保有コストの削減につながります。

1.1版では商用制作の課題を狙って改良しました。複数の参照画像で人物の一貫性を保つR2V機能を新搭載し、広告やシリーズ動画で問題となる被写体のブレを抑えます。動作の滑らかさや、機械生成と分かる「肌のテカリ」「過剰な先鋭化」といった不自然な質感も改善されました。

競争環境はAlibabaに有利です。Soraは1日約100万ドルの運用費に対し総収益が約210万ドルにとどまり、4月26日に終了しました。Seedance 2.0はNetflixやDisneyなど大手スタジオの法的警告を受け、国際展開を無期限延期しています。残るはGoogle Veoのみですが、Arenaの評価ではHappyHorseが上回ります。

一方で地政学リスクも残ります。米国防総省は6月8日、AlibabaをBYDやBaiduとともに中国軍企業リストに加えました。即座の制裁ではないものの、企業の調達判断には複雑さを加えます。欧州ではフランスなど現地データセンターを開設し、主権対応のインフラで信頼を得られるかが今後の鍵となります。

OpenAIは6月22日、サイバー防御の取り組みDaybreakを拡張すると発表しました。AIモデルで脆弱性の発見から修正までを高速化し、防御側に能力を行き渡らせるのが狙いです。あわせてオープンソース支援策「Patch the Planet」、専用モデルの新版、開発ツール向けプラグイン、企業連携プログラムを公開しました。

中核となるのが専用モデルGPT-5.5-Cyberの正式版です。既知の脆弱性を再現できるかを測る指標CyberGymで85.6%を記録し、通常版の81.8%を上回りました。Wiredによれば、この数値はAnthropicが米政権の輸出規制で撤回したMythos 5の83.8%も超えており、両社のサイバーAI競争を象徴する形となっています。

開発者向けには「Codex Security」プラグインを更新しました。コードベースを深く走査して脆弱性を検出し、影響範囲の特定や修正パッチの生成、検証までを担います。研究プレビュー開始以降、3000万件超のコミットと3万を超えるコードベースを走査し、50万件以上の修正を確認したといいます。

オープンソース支援策「Patch the Planet」は、セキュリティ企業Trail of Bitsと共同で設立しました。HackerOneやCalifとも連携し、人手不足に悩む保守担当者に専門家と高度なモデルを無償で提供します。cURLやGo、Pythonなど30以上のプロジェクトが参加を表明しています。

AIによる脆弱性発見が加速する一方、保守担当者は質の低い誤検知報告の山に追われてきました。同プログラムは専門研究者が報告を事前に検証・重複排除し、保守側の負担を軽減します。初週の5日間スプリントでは数百件の問題を洗い出し、数十件のパッチを統合しました。

OpenAIは各国政府との連携も拡大しています。日本やオーストラリア、カナダなどと信頼アクセスの枠組みを結び、重要インフラの防御強化に取り組む方針です。攻撃者より先に脆弱性を見つけて塞ぐ、防御主導の体制づくりが進んでいます。

米OpenAIは6月22日、対話AIのCodexを単一のプロンプトを超える長時間作業の基盤として使うための実践指針をまとめたホワイトペーパーを公開しました。Jason Liu氏が執筆し、文脈を保持しながら複雑なワークフローを管理し、長期にわたるプロジェクト全体で進捗を持続させる方法を、組織でAIを活用するリーダー向けに示しています。

中心となる考え方は、Codexを一度きりの応答ツールではなく、持続的な作業空間として扱う点です。組織が単一のやり取りで完結しない業務にAIを使う場面が増えていることを背景に、文脈の引き継ぎを重視しています。

実践面では、野心的な目標を検証可能な手順へ分解し、複数の業務ライン間で継続性を保つ手法が紹介されています。大きなゴールを段階的に進めることで、長期作業でも方向性を見失いにくくなるという狙いです。

もう一つの焦点は、実行をCodexに委ねる場面と、人の監督が最も価値を持つ場面の見極めです。すべてを自動化するのではなく、判断の境界を意識した使い分けを促しています。

詳細はOpenAIが公開したPDF版のガイドで読むことができます。長期的な開発や運用にAIを組み込みたい経営者やエンジニアにとって、実務的な参照点となりそうです。

米ストレージ大手Solidigmは2026年6月、AI推論の最大の制約がGPU供給からコンテキスト（文脈データ）管理へ移ったと指摘しました。同社のAI応用研究責任者ジェフ・ハーソーン氏は、計算コストが下がる一方で、セッション間に保持すべき状態データが想定を超えて急増していると説明します。これが2026年の最重要課題になると同氏は強調しました。

背景には三つの要因が同時進行しています。コンテキストウィンドウの拡大で入力が巨大化し、エージェント型AIが数十から数百回のモデル呼び出しを連鎖させ、企業が監査や再利用のため推論状態の永続化を求めています。これらが重なり、既存のメモリ階層では扱えない規模へとデータが膨張しているのです。

解決策として、GPUメモリとネットワーク上の大容量ストレージの間に専用のコンテキスト層が生まれつつあります。高速・高密度のフラッシュメモリでKVキャッシュや検索データを推論速度で保持・配信する層で、NvidiaはこれをCMXという用語で規格化しました。

この層が重要なのは、推論が学習とは異なる入出力特性を持つためです。学習が大きなブロック単位の書き込み中心なのに対し、推論は細かく遅延に敏感で状態を伴います。KVキャッシュが高速層になければ再計算（re-pre-fill）が発生し、新たな価値を生まないままGPUサイクルを浪費してしまいます。

求められるのは平均速度よりテールレイテンシの予測可能性です。GPU資源を割り当てる制御系は数秒の遅延も許容できないため、安定した観測可能な性能が鍵となります。電力が制約となる大規模拠点では、ペタバイトあたりの消費電力も重要な指標になります。

経営層やインフラ責任者にとって、この新層はもはや任意の選択肢ではありません。DRAMより安価なNAND（フラッシュ）を中間層に配置すれば、投資効率を高めつつ高価で供給制約のあるメモリへの依存を減らせます。形成途上のこの領域でいかに既存資源を効率的に使うかが、今後数年のAIインフラを左右しそうです。

Splunk（シスコ傘下）のAI担当幹部ハオ・ヤン氏は2026年6月22日、AIエージェントを導入する企業の真の競争優位は、モデルの能力ではなく組織自身が学び続ける仕組みにあると論じました。多くの企業が同等のフロンティアモデルを使える時代には、現場で得た知見をAIへ還元できるかどうかが差を生むという主張です。

氏が問題視するのは、現場で生まれた知識の散逸です。セキュリティ分析官の修正やネットワーク障害の原因特定といった貴重な組織知が、チケットや個人の頭の中に埋もれ、将来のAI判断に再利用されない現状を指摘しました。これを再利用可能なシステムへ変えることが、エージェント企業の次の課題だと位置づけています。

解決の鍵は、モデルそのものの再学習ではなく、モデルを取り巻くエコシステムの改良にあります。知識ベースや検索層、プロンプト、ポリシー、ガードレール、ワークフローを通じて、運用で得た経験を制度的な知識へ変換し、次のエージェントが参照できるようにするという考え方です。

具体例として、断続的な性能劣化が起きるサービスが挙げられます。観測性・ネットワーク・セキュリティの各エージェントは個別には部分的な視野しか持ちませんが、人間の専門家による初回の原因特定（誤った経路設定など）をトレースや修正履歴ごと記録すれば、次回以降は同様のパターンをゼロから調べずに済むと説明します。

こうした学習を支えるアーキテクチャとして、経験を保存するメモリ、再利用可能な指針に変える知識ベース、信号を相関させるデータファブリック、挙動を可視化するAI観測性、そして学習の反映を承認・監査する制御プレーンの5要素を提示しました。これらが揃って初めて、信頼できる形でAIが改善し続けるとしています。

結論として氏は、次のAI時代を制するのは最も多くのエージェントを並べた企業ではなく、あらゆる業務や障害対応から学びを吸い上げられる企業だと述べました。モデルが変わらなくても企業自体が賢くなる生態系を築けるかが問われます。なお本記事はSplunkによるスポンサード寄稿である点に留意が必要です。

米自動車大手General Motors（GM）が6月、デトロイトのEV旗艦工場「Factory Zero」に日本のFANUC製ロボットアーム約50台を導入しました。一方で3月の一時解雇により1300人の労働者が今も職場復帰できていない状況で、全米自動車労働組合（UAW）が強く反発しています。地元紙Crain's Detroit Businessが報じました。

導入されたロボットは、組み立てラインで車両に各種部品を取り付ける作業を支援するものです。GMは3月に「一時的」とされたレイオフを実施しましたが、対象となった労働者をまだ一人も呼び戻していません。UAW Local 22のJames Cotton委員長は「1000人以上が無期限レイオフのままだ」と述べ、ロボット50台を導入する代わりに組合員を復職させられたはずだと訴えました。

今回の一時解雇に先立ち、同じFactory Zeroでは2025年10月に別の1200人が恒久的なレイオフの対象となっていました。短期間で二度の大規模な人員削減が重なった形です。労働者側の不信感が高まっている背景には、こうした経緯があります。

自動化を進めているのはGMだけではありません。Ford MotorやStellantisもFANUC製ロボットアームなどを組み立てラインに展開し、米国内の操業の自動化を加速しています。Hyundaiは2028年までに、傘下のBoston Dynamicsが手がける人型ロボット「Atlas」をジョージア州のEV旗艦工場に投入する計画です。

解雇された組合オーガナイザーのAndrew Bergman氏は、技術発展は本来「労働をより安全にし、賃金を減らさず労働時間を短縮できる」と指摘したうえで、経営側の手では利益の上積みと人員削減に使われていると批判しました。同じ6月の週にデトロイトで開かれた経営者側と労働者側の集会では、ロボットや自動化をめぐり対照的なメッセージが示されています。

Reindustrialize Summitでは新興企業創業者が「ロボットが製造基盤を超人的に強化する」と語った一方、UAW大会ではShawn Fain委員長が「人型ロボットと大規模な自動化の脅威」が雇用と賃金を損なうと警告しました。自動車メーカーと労働者にとって、自動化は存続を左右する争点になりつつあります。

中国の百度系PaddleOCRは6月22日、汎用OCRモデルの最新世代「PP-OCRv6」をHugging Faceで公開しました。文書やスクリーンショット、多言語画像、産業ラベルなど実環境のテキスト検出・認識を狙い、1.5M〜34.5Mパラメータの3階層で軽量さと精度を両立します。VLM全盛の時代に専用OCRの実用価値を示す動きです。

モデルはtiny、small、mediumの3層で構成されます。最小のtinyはエッジ端末向け、mediumはサーバー側の高精度処理向けと、用途に応じてサイズと精度を選べる設計です。small以上の2層は簡体字・繁体字・英語・日本語を含む50言語に対応します。

精度面では、PaddleOCR独自の複数シナリオ評価でmediumが検出Hmean86.2%、認識精度83.2%を記録しました。前世代のPP-OCRv5_serverと比べ、検出で4.6ポイント、認識で5.1ポイント向上しています。

技術面では、検出に大カーネルの軽量特徴ピラミッド「RepLKFPN」、認識に局所文脈と全体注意を組み合わせた「EncoderWithLightSVTR」を採用しました。小さく回転した文字や低解像度、複雑な背景といった難しい入力への対応力を高めています。

展開の柔軟性も特徴です。Transformers、ONNX Runtime、Paddle Inferenceの3つの推論基盤に対応し、`pip install paddleocr`で導入できます。出力は可視化画像と構造化JSONで保存でき、文書解析や検索、RAGやエージェントの処理に組み込めます。

米Metaは6月22日、社員のパソコン操作を記録する物議の監視プログラム「Model Capability Initiative（MCI）」を停止しました。社内のセキュリティ通知で、収集したデータが全社員から閲覧可能な状態になっていたことが判明したためです。打鍵やマウス操作、画面表示の内容など機微な情報が露出した可能性があります。

通知によると、露出したのは4万5000のhiveテーブルに及ぶ社員データでした。プロンプトや会話記録、人事・業績情報なども含まれていたと報じられています。Metaは「データが不適切にアクセスされた兆候はない」としつつ、調査のためプログラムを一時停止すると表明しました。

MCIは2026年4月に米国の社員向けに導入された仕組みで、AIが人間と同じようにソフトを操作する方法を学習させる狙いがありました。経営陣はAI学習に不可欠と繰り返し擁護してきましたが、当初は社員が拒否できない設計で、抗議を受けて限定的に緩和された経緯があります。

社内では1600人を超える従業員が、セキュリティと規制上のリスクを警告する反対署名に参加していました。今回の漏洩は、こうした懸念が現実になった形です。社員からは「指摘してきた通りだ」との声が上がり、経営陣への不信が改めて噴出しました。

ボズワース最高技術責任者（CTO）は社内向けに、プログラムの実装がプライバシー審査の基準に達していなかったと認めました。Metaは大規模な人員削減や組織再編が続くなかで士気の低下に直面しており、今回の問題はその不満をさらに高める可能性があります。

オープンソースAI新興企業のReflection AIは2026年6月22日、イーロン・マスク氏率いるSpaceXから大量のAI半導体を調達する計算契約を結んだとTechCrunchに明らかにしました。同社は2026年7月1日から2029年まで、テネシー州メンフィス近郊のColossus 2データセンターで、Nvidiaの最新AIチップ「GB300」と関連ハードウェアに即時アクセスする見返りに、月1億5000万ドルを支払います。

契約総額は最大63億ドルに達します。最初の3カ月経過後は、どちらの企業も90日前の通知で契約を解除できる条項が付いています。SpaceXがAnthropicと結んだ月12億5000万ドル、Googleと結んだ月9億2000万ドルの契約に比べると規模は小さいものの、いずれも2029年7月まで続く点は共通しています。

Reflectionはこの初の計算契約を、自社のオープンウェイト戦略の価値を示す材料と位置づけました。同社は学習済みパラメータを公開するモデルを掲げ、AnthropicやOpenAIのような閉鎖型フロンティアラボへの対抗軸として売り込んでいます。米政府がAnthropicの閉鎖モデル「Fable」「Mythos」を禁止して以降、オープンウェイト型モデルへの注目は高まっています。

2024年に元Google DeepMindの研究者2人が設立した同社は、今回の契約を「これまで公表されたオープンAIインフラへの最大級の投資の一つ」と説明しました。広報担当者は「閉鎖モデルだけに依存するリスクとコストを、より多くの国家や企業が認識している」とし、計算資源の拡大が世界最高のオープンモデルを大規模に構築する余力につながると強調しています。

なぜSpaceXが半導体の貸し手になっているのでしょうか。Colossusデータセンターは元々、マスク氏が設立し現在はSpaceXの一部となったxAIが、自社のAI開発のために構築したものです。社内のAI事業が伸び悩むなか、SpaceXは保有する貴重なAIチップを世界トップ級のAIラボに貸し出す方向へと舵を切りました。

Webプラットフォーム大手のVercelは6月22日、自社基盤に組み込んだフィーチャーフラグ機能「Vercel Flags」を発表しました。コードの公開可否をフラグで制御し、デプロイと機能リリースを別々に判断できる仕組みです。サーバー側で評価するため画面のちらつきや表示のずれが生じず、ページ性能への影響もないと説明しています。

最大の特徴はフレームワークとの統合です。他社のフラグサービスが汎用SDKと別個の管理画面を提供するのに対し、Vercel Flagsはデプロイと同じダッシュボードで管理し、コードからはFlags SDKを通じて読み込みます。Next.jsやSvelteKit向けの専用アダプターを備え、それ以外のフレームワークでもOpenFeature経由で利用できます。

クライアント側でフラグを評価すると、利用者は値が返るまでローダーやちらつきを目にします。Vercel Flagsはサーバー側で評価し、Next.jsのReact Server Componentsならレンダリング中に値を読み込むため、ブラウザは正しい画面を直接描画します。設定変更は数ミリ秒で各リージョンへ伝わると述べています。

フラグの登録は自動で、コードに定義してデプロイすると下書きとしてダッシュボードに現れます。コードから削除すると未参照と表示され、安全に整理できる状態が保たれます。さらにCLIコマンドを通じて、開発者だけでなくコーディングエージェントもフラグの作成や配信、停止を行えるエージェント対応も用意しました。

Vercelは2026年4月に本機能を正式提供していますが、社内では1年以上前から使ってきたといいます。AIコード生成ツール「v0」のチームは常時数百個のフラグを運用し、新機能やAIモデルの切り替え、緊急停止スイッチなどに用いています。リリースは社内から5%、10%、25%、50%と段階的に広げ、問題があればコード変更なしで停止できます。

象徴的な事例が本番データベースの移行です。新旧のDBを同期させたうえでフラグが使用先を制御し、フラグの切り替えそのものが移行の実行になりました。検証環境で繰り返し練習してから本番に臨み、トラフィックを落とさず完了したとしています。高リスクな基盤変更を、練習・計画・実行できる作業に変えた点を強調しています。

AIチップ新興企業の米Groqは6月22日、6.5億ドル（約970億円）の新規資金調達を完了したと発表しました。Nvidiaが2025年12月にGroqの技術を非独占でライセンス供与し、創業者兼CEOのジョナサン・ロス氏らを引き抜いた事実上の買収（not-acqui-hire）から約半年後の調達となります。Groqは新たな企業評価額を明らかにしていません。

今回の調達は、主要人材と中核技術IPを失った同社の立て直しを象徴します。Groqは推論用の独自チップ「LPU（言語処理ユニット）」を開発していましたが、そのIPは現在Nvidiaが保有します。NvidiaはこのIPを基に、自社のハードウェアクラスター「Nvidia Groq 3 LPX」を3月のGTCで発表しています。

対抗策としてGroqは、子会社経由で展開してきた推論クラウド（neocloud）事業へ軸足を移しました。同事業は北米・欧州・中東・アジア太平洋に13のデータセンターを構え、500万人を超える開発者と数千社のAI企業に対し、週あたり数兆トークンを処理しているといいます。

経営体制の再構築も進めています。ロス氏の後任CEOには共同創業者のダグ・ワイトマン氏が就き、xAIやMetaを経たアラン・ライス氏をCOOに迎えました。さらにCTOにシンクレア・シュラー氏、CPOにラケシュ・マルホトラ氏が加わっています。

AI推論分野は需要と投資が急拡大する一方、競争も激化しています。中核IPをNvidiaと共有する状況で、Groqが推論クラウドの競争力を保てるかが今後の焦点です。一度は身売り同然の状態に陥った同社にとって、再起をかけた勝負が始まります。

半導体大手NVIDIAは6月22日、AIデータセンター向けに摂氏45度の温水で冷却する新システムを発表しました。最新のRubin世代インフラは全チップと通信機器を液体だけで冷やす世界初の100%液冷を実現し、施設内の水使用を「ほぼ全廃した」と同社幹部は説明しています。従来の空冷や蒸発式冷却に比べ、消費電力と水使用を大幅に減らせる点が特徴です。

仕組みはチップ表面に密着した冷却板に45度の液体を流し、55度で排出する方式です。多くの気候では外気で熱を逃がせるため、機械式チラーや騒音源のファンを使わずに済みます。NVIDIAによると、好条件の地域では従来のメガワットあたり年間約260万ガロンの冷却水をほぼゼロにでき、最大100%の削減が可能だといいます。

コスト面の効果も大きく、50メガワット級の施設では冷却関連の電力・水道費を年間400万ドル超節約できると試算されています。冷却は歴史的にデータセンター電力の最大4割を占めてきたため、効率化の余地が最も大きい領域とされてきました。密度も高まり、従来6ラックユニットを要したシステムが2ユニットに収まります。

一方でTechCrunchは、この「水使用ほぼゼロ」という主張に測定範囲の問題があると指摘します。NVIDIAは施設の壁の内側だけを数え、外側を無視しているという見方です。発電や半導体製造に伴う施設外の水消費を加えると、総量は2〜3倍に膨らむ可能性があります。

つまり今回の技術が解決するのは、AIデータセンターの水消費全体の4分の1から3分の1程度にとどまる計算です。とりわけ化石燃料の発電所は米国最大級の水利用者で、天然ガスは1キロワット時あたり1.17リットル、石炭は2.2リットルの水を消費します。データセンター電力の約半分はなお化石燃料由来です。

AIの計算需要は今後も増え続け、IEAは2030年までの新規電力需要の4割超を天然ガスと石炭が担うと予測しています。施設内の冷却効率を高める意義は大きいものの、電源構成を再生可能エネルギーへ移さない限り、AIの水問題そのものは残るというのが専門家の見立てです。

米政府は先週、Anthropicの最新AIモデル「Mythos」と「Fable」について、外国籍の人物による利用を禁止しました。一部の技術者は、この決定を企業評価額9650億ドルの同社が繰り返してきたAIの社会的リスクへの警告が招いたとして、Anthropic自身に責任があると非難しています。

英紙Financial Timesの分析によると、Anthropicは2026年に競合のOpenAIをはるかに上回る頻度で先端AIの危険性を訴えてきました。同社や最高経営責任者Dario Amodei氏の公式声明やSNS投稿を調べたところ、1000語あたり5語がリスクや規制、制限に関する言葉でした。OpenAIとSam Altman氏の同じ数値は8分の1の0.6語にとどまります。

この比較は政治的な論争を呼んでいます。Meta元主任AI科学者でAIの先駆者の一人であるYann LeCun氏は今週、輸出規制はAmodei氏のばかげた恐怖煽りがついに実を結んだ証拠だと述べました。同氏は「自ら蒔いた種を刈り取るものだ」とSNSに投稿しています。

この対立は欧州とシリコンバレーの一部に警戒感を広げています。経営者や当局者は、トランプ政権が米国外からの最先端モデルへのアクセスを制限しかねないと懸念しているのです。今回の措置は、米国が強力化するAIをどう監督するつもりかを占う初期の試金石となりつつあります。

FT は「有害」「危険」「不整合」などの用語リストを作成し、各社やCEOの発言にどれだけ頻繁に登場するかを算出しました。あわせて感情分析も用い、両社の発信の肯定的・否定的な論調を比較しています。

Google DeepMindは6月22日、米インディー映画スタジオA24と「前例のない」研究提携を結び、約75億円（7500万ドル）を出資したと発表しました。両社は複数年にわたり複数のプロジェクトを進め、映像制作向けの新しいAIツールやワークフローを共同開発します。投資額はウォール・ストリート・ジャーナルが報じたものです。

提携の核心は、研究開発の現場に制作者の視点を組み込む点にあります。A24とその映画監督たちがDeepMindの技術を創作プロセスの内側で試し、改良し、構築することで、技術が使い手のビジョンに沿って形作られる狙いです。DeepMind側は一流アーティストから実地のフィードバックを得られます。

DeepMindの共同創業者でCEOのデミス・ハサビス氏は「アーティストを支えるツールを開発する最善の方法は、彼らと直接協働することだ」と述べました。初期は最先端技術と次世代エンターテインメントの橋渡しに焦点を当てつつ、具体的な目標や成果は時間とともに進化させる方針です。

A24は「エブリシング・エブリウェア・オール・アット・ワンス」や最新作「Backrooms」などのヒット作で知られ、ティモシー・シャラメやアン・ハサウェイら著名俳優とも近年協働してきました。作家性を重視するスタジオとAI研究所の組み合わせは、創作とテクノロジーの距離を縮める試みと言えます。

ハリウッドではAIの利用をめぐる論争が続いていますが、AIを制作に取り入れる動きは業界全体に広がっています。Netflixは今年、映像向けAIツールを手掛けるベン・アフレック氏の企業InterPositiveの買収を発表し、AmazonのMGM Studiosも昨年AI部門を立ち上げました。今回の提携は、こうした大手によるAI内製化の流れに連なる一手です。

半導体大手NVIDIAは6月22日、ドイツの研究機関ユーリッヒにある欧州初のエクサスケール級スーパーコンピューター「JUPITER」が、独ハンブルクで開催中の国際会議ISCで4つの科学プロジェクトの成果を披露したと発表しました。脳の細胞単位での地図化、全球気候の精密模擬、次世代通信網のAI、量子計算機の模擬という、これまでの計算機では到達できなかった課題に挑んでいます。JUPITERはNVIDIA製の「Grace Hopper Superchip」を中核に構築されています。

脳研究では、ユーリッヒ脳アトラスのチームが脳の微細構造を解析する基盤モデル「CytoNet」を開発しました。人間の脳は860億のニューロンと約100兆の接続を持ち、細胞単位での理解は困難でしたが、4,096基のGrace Hopperを用いて5日未満で訓練を完了しています。研究チームは次の段階として、脳研究者を支援するAIエージェントの構築を進めています。

気候分野では、ETHチューリヒなどの研究者が開発したモデル「ICON」が、地球システム全体を1キロメートル解像度で結合シミュレーションする世界初の成果を上げました。海洋・大気・陸域に加え炭素循環まで統合的に再現する点が画期的で、20,480基のGrace Hopperを使い、実際の気候146日分を24時間の計算で処理する世界記録を樹立しています。

通信分野では、通信機器大手のEricssonとユーリッヒが3月に提携を発表し、5Gの進化と6G網に向けたAI開発でJUPITERを計算基盤として活用します。脳に着想を得たアーキテクチャにより、複雑なネットワーク運用を大幅に低いエネルギーで処理することを目指しています。

量子計算では、ユーリッヒの研究者が50量子ビットの万能量子計算機を完全に模擬し、従来の48量子ビットの記録を更新しました。CPUとGPUのメモリを密結合したGH200の構造により、GPU単体の限界を超える量子状態を保持できた点が突破口となっています。この模擬器「JUQCS-50」は、量子アルゴリズム設計の検証基盤として研究者に開放される予定です。

神経科学から気候、通信、量子まで広範な科学を支えるJUPITERの実績は、エクサスケール計算が研究段階から実用段階へ移行したことを示しています。これらの成果は、科学の最前線におけるGrace Hopper基盤の有効性を裏付ける証左となりました。

NVIDIAは6月22日、ドイツ・ハンブルクで開催中のスーパーコンピュータ会議ISCで、科学研究向けAIを加速する新ソフトウェア群を発表しました。化学・材料探索から暗黒物質の探索まで、これまでCPUで数時間から数日を要した処理を、GPUによるリアルタイム処理に置き換えます。発表されたのはDAQIRIライブラリ、ALCHEMI向けマイクロサービス、そして近日提供予定の参照コードcuPhotonです。

中核となるのは、性能向上の大きさです。天体観測の標準形式であるFITSデータを扱うcuPhotonは、NVIDIA GB200 NVL72上で動作し、ルービン天文台の大規模掃天観測の画像読み込みを1万4900倍高速化しました。信号処理と解析も最大8400倍速まると報告されており、史上最大のデジタルカメラが捉えた遠方銀河の解析を後押しします。

ネットワークライブラリのDAQIRIは、高速な検出器やセンサーからのデータを取りこぼさずに処理する点が特徴です。CERN・シカゴ大学・ユニバーシティ・カレッジ・ロンドンの研究者が開発したプロジェクトA-GHOSTは、DAQIRIを使い、ATLAS実験で通常は破棄される99%超のデータをリアルタイムにAI解析し、見逃されていた信号を捕捉します。

化学・材料探索向けのALCHEMIは、電池材料や触媒、OLEDディスプレイなどに応用できるマイクロサービス群です。生命科学プラットフォームを開発するLila Sciencesは、ALCHEMIを用いて高スループットの材料スクリーニングを50倍に加速し、合成可能性の高い安定候補を特定しました。VASP向けマイクロサービスでは磁気特性の計算も30%速まったといいます。

ではこれらのソフトはいつ使えるのでしょうか。ALCHEMIツールキットとNIMマイクロサービスはGitHubやNVIDIA NGCカタログから入手でき、VASP向けは今夏後半の提供予定です。DAQIRIはすでにGitHubで公開され、cuPhotonも今夏の提供を見込んでいます。研究現場における計算の高速化競争が、科学的発見のスピードを左右する局面に入っています。

2026年6月、北米3カ国で共催されるFIFAワールドカップを標的に、AIを悪用した詐欺が急増しています。QRコードや公式風のブランディングを備えた精巧な偽チケットが出回り、従来の見分け方が通用しなくなっていると、米IT誌WIREDが報じました。背景には生成AIによる偽サイトやディープフェイク動画の普及があります。

今大会は史上最大規模で、米国・カナダ・メキシコの16都市で104試合を開催します。サイバー企業TrendAIによると、2026年1月から5月までに1万3千件超のFIFA関連ドメインが登録され、5月初旬時点で41件に1件が不審または悪質と判定されました。1試合も行われる前の数字です。

需要の過熱が被害を広げています。FIFAは600万人超が観戦すると見込み、販売開始15日間で1億5千万枚のチケット申請が殺到しました。過去大会の約30倍という申し込み超過が、詐欺師にとって絶好の機会を生んでいます。

手口そのものは大きく変わっていませんが、背後の技術が一変しました。専門家は、AIが新しい攻撃手法を生むのではなく、攻撃の効率を飛躍的に高めていると指摘します。個別最適化された本物そっくりのメールを大量に作成し、偽サイトの構築を容易にしているのです。

一方でAIは防御の有力な武器にもなっています。膨大なデータから異常なパターンを検知し、不審なドメインを特定できるためです。MetaはGlobal Signal Exchangeなどの枠組みを通じ、Visaと連携して偽の広告ネットワークを摘発したと説明しています。

ただし技術だけでは脅威を排除しきれません。Palo Alto Networksの研究者は、従来の見分け方が信頼できなくなったと警告し、店舗の正規コードに偽コードを重ねるQRコード詐欺などの新手口に注意するよう呼びかけています。

半導体大手NVIDIAは2026年6月22日、米ロスアラモス国立研究所（LANL）が新設するスーパーコンピューター3基に同社の新型CPU「Vera」が採用されると発表しました。Mission、Vision、Veritasと名付けられた各システムは、HPEと共同で構築され、科学研究の高速化とエージェント型AIの実現を狙います。最先端の計算基盤が、仮説立案から実験までを自律的に担うAIを後押しする形です。

3基はいずれも、HPE Cray GX5000アーキテクチャとNVIDIAの「Vera Rubin」プラットフォームを基盤とします。Vera CPU、Rubin GPU、Quantum-X800 InfiniBandネットワークを組み合わせ、Missionには2,300基、Veritasには約1,150基の単体Vera CPUが搭載される計画です。Veritasは新技術を検証する役割を担い、より大規模なシステムへの応用を見据えます。

研究者が重視するのは、自ら仮説を立て、ツールを選び、シミュレーションを実行して結果を分析するAIエージェントです。LANLが公開する研究支援AI「URSA」はその方向性を示すもので、実験計画から結果分析までを支える枠組みとして開発されています。同研究所の検証では、Vera CPUがURSAの処理で従来のx86型スパコン「Crossroads」のCPUに比べ7倍の性能を示しました。

性能面の優位はほかの計算でも確認されています。熱伝導シミュレーションツール「Branson」での初期試験では、Veraが従来比3倍超の処理性能を発揮しました。独自設計のOlympusコアやLPDDR5メモリ、高速な内部接続が、こうした成果を支えています。

Veraは単体でx86系CPUの1ソケットを3倍超上回り、コア当たりメモリは4倍超、ノード当たりでは6倍に達します。Missionは2027年の稼働を見込み、国家核安全保障局の機密計算でCrossroadsを置き換える予定です。Visionは材料・核科学やエネルギー、生物医学など基礎研究の基盤となります。

今回の発表は、LANLとNVIDIAが10年以上重ねてきた協業の延長線上にあります。両者はGraceからVeraへとCPUの共同設計を進めてきました。3基は2024年導入のスパコン「Venado」を土台とし、実際の科学計算に即した設計思想を一段と推し進めるものといえます。

米国立科学財団（NSF）は2026年6月22日、AI研究基盤を提供するNAIRRパイロット計画が、過去2年間で全米700件超の研究を後押ししたと発表しました。NVIDIAはクラウド経由でDGXノードを最低4基・1カ月以上、研究者に専有提供し、技術支援も担いました。タンパク質予測から感染症対策まで、対象は医療・農業・エネルギーへと広がっています。

目玉の一つが、フラットアイアン研究所などの国際連合Polymathic AIによる流体シミュレーションです。同団体はNVIDIAのGPUとNVLinkを用い、大規模データセット「Well」で訓練した基盤モデルWalrusを一般公開しました。データやコード、重みも合わせて開放し、科学分野向けの強力な基盤モデル開発を狙います。

ミシガン大学のVenkat Viswanathan教授らは、分子AIと汎用LLMを融合する枠組みを開発中です。分子基盤モデル群MISTは独自トークナイザーSmirkを使い、400超の構造物性関係で微調整され、電気化学や量子化学など複数分野で最高水準に匹敵する性能を示しました。NAIRRで得た40GPUのDGXクラスタに加え、20万GPU時間を活用しています。

ボストン大学のハリリ研究所は、感染症の発生監視プログラムBEACON向けにLLMを訓練しています。世界の疾病追跡基盤やニュース、SNSの情報を解析し、簡潔な発生報告を自動生成する仕組みです。海外派遣の医師や政府機関、研究者がすでに利用を始めています。

同研究所のIoannis Paschalidis所長は「以前は専門家が報告書を作るのに数時間かかっていたが、今は約2分で済む」と語りました。NAIRRとNVIDIAの連携はハーバードやスタンフォードなど多くの大学にも広がっており、研究者がAIと高速計算へ広くアクセスできる環境が整いつつあります。

イスラエルの新興企業Eco Wave Powerは6月22日、NVIDIAのAI基盤とデジタルツインを活用し、海の波を電力に変える技術を発表しました。既存の港湾や防波堤を使うため、電力需要が高まる港湾やAIインフラ拠点の近くに発電設備を展開できる点が特徴です。同社はNVIDIAの新興企業支援プログラム「Inception」に参加しています。

AIの拡大に伴い世界の電力需要が急増する一方、送電網の増強には許認可や用地取得で数年を要します。同社のイナ・ブラバーマンCEOは「波力は最大級の再生可能エネルギーだが、誰も実現できなかった。どう簡素化するかを考えた」と語ります。米エネルギー情報局によると、米国だけで波力は年間消費電力の6割超を生み出す潜在力があるといいます。

仕組みの起点は、防波堤や防潮堤に取り付けるフローターと呼ぶ浮体です。海水の密度は空気の約800倍あり、風力タービンより小型の装置で大きな電力を生み出せます。従来企業は機器を浮体内に置き荒天で損傷する課題を抱えていましたが、同社はコンピューターやセンサー、油圧変換装置を陸上の施設に集約し、高価な機器を波から守ります。

AIは発電システムの最適化を担います。NVIDIA Omniverseで構築した波や浮体のデジタルツインが、設置前に波の状態や構造の挙動をシミュレーションし、配置の最適化と展開リスクの低減を実現します。運用段階では予測分析や異常検知、予兆保全を通じ、リアルタイムで効率と耐障害性を高めます。

同社はイスラエルのヤッファ港や米ロサンゼルス港で事業を展開し、ポルトガルや台湾、インドでも新規開発を進めています。ロサンゼルス港では、既存の送電網に頼らず波力だけでデータセンターを動かす実証も始まりました。AIソフトが制御層となり、波が強まる時期を予測して負荷の重い計算処理を割り当てます。

ブラバーマンCEOは「冷却と水を必要とするデータセンターは港湾に移りつつある」と指摘し、AI工場と波力発電の直結に商機を見いだしています。「我々は存在し、稼働し、送電網にもつながっている。革新的だが未来の話ではない。それが我々の強みだ」と述べました。

米ニューヨーク市で2026年、不動産仲介業者が生成AIで賃貸物件の写真を加工し、実物と大きく異なる「理想の住まい」を演出する手口が広がっています。ITメディア「The Verge」が6月22日に報じました。借り手は写真に魅了されて内見に駆けつけても、より狭く設備の劣る現実の部屋に直面し、物件探しが消耗戦と化しています。

中心にあるのが「バーチャルステージング」と呼ばれる手法です。従来から空室に家具を合成して見栄えを良くする技術はありましたが、生成AIの登場でワンクリックの加工が可能になりました。ある入居希望者は、写真にあった暖炉や立派なキッチンが実物にはなく、ガスコンロの上に植物が写っていた不自然さでAI加工に気づいたと語ります。

業界内でも線引きは曖昧です。フロリダ州の不動産業者は、改装イメージを顧客に示す用途なら有用だと認める一方、誤解を招くリスティングの作成は別問題だと指摘します。費用はバーチャルステージングが40〜400ドル程度に対し、実物の家具配置は数千ドルかかるため、安価なAI加工に流れやすい構図があります。

規制も動き始めています。ニューヨーク州は広告でのAI利用開示を義務化する法律を施行しましたが、主眼は合成人物で、AI生成の家具は対象外です。州務長官府はAI加工リスティングへの注意喚起を出し、虚偽広告は従来から禁止だと改めて示しました。

カリフォルニア州の「改変画像法」はさらに踏み込み、物件広告でAIによる画像加工を行った場合に開示を求めます。ただし規制内容は州ごとに大きく異なり、全米で統一された基準は存在しません。

経営者やマーケターにとって、この事例は生成AIによる信頼の毀損がもたらす実害を示します。誇張表現や偽装が容易になるほど、消費者は全ての情報を疑い始め、結果として業界全体の信用と取引効率が損なわれる点に注意が必要です。

フロリダ州立大学（FSU）は2026年6月22日、AI研究アシスタントNotebookLMの導入で学生の成績向上が進んでいると公表しました。Google for Educationとのパイロットを通じ、安全で誰もが使えるAIを学内に提供したところ、想定を上回る速さで学生が活用し始めたといいます。

最大の成果は個々の学生の変化に表れています。導入後まもなく、C評価で苦戦していた学生が数週間で学習習慣と成績を一変させた事例が報告されました。チューターやオフィスアワーが常時使えない中、NotebookLMは24時間利用できる個別学習ツールとして支援の隙間を埋めています。

具体的には、学生はフラッシュカードや練習問題、学習ガイドを作成し、難解な教材の音声要約を聞くことができます。図書館での昼間でも期末試験前の深夜でも、即座に使える学習ツールキットとして概念の習得と成績改善に役立ったと、多くの学生が語っています。

FSUがGeminiとNotebookLMを採用した理由の一つは、技術習熟度の格差を埋める点にあります。初心者でも数分で使いこなせる直感的な設計で、質問を入力すればすぐに価値を得られます。さらに教員の信頼を得るうえで重要なのが、NotebookLMが提供された原資料に厳密に基づいて回答する仕組みです。これにより教授のカリキュラムから学生が逸脱せず、長期的な学習スキルの育成につながります。

FSUはAIを教員の代替ではなく力の増幅装置と位置づけています。授業準備や視覚教材の作成、データ探索をAIで効率化することで、教員は貴重な時間を取り戻しているといいます。その時間は対面での関わりや指導、そして学生に必要なソフトスキルの育成という最も重要な場面へ再投資されています。

米国でビッグテックがデータセンター建設に巨額を投じる中、その施設を配線する電気工の間で、AIインフラ建設に携わることの是非をめぐる議論が広がっています。米メディアWIREDが2026年6月22日に報じました。労働需要が急増する一方、地域社会への影響やAIの使われ方への懸念から、仕事を引き受けるべきか悩む声が現場から上がっています。

建設規模と厳しい工期は、業界で人材争奪戦を引き起こしています。米国際電気工組合（IBEW）は組合員が「AI革命を支えている」と主張し、3月に公表した指針で組合労働は「AIの未来に不可欠」と位置づけました。テック企業も対応を急ぎ、Metaは技能職向けの育成アカデミーを発表、Googleは技能訓練支援に5000万ドルを投じると表明しています。

一方で、約50万人が月に訪れる電気工向け掲示板redditでは、AIが経済に与える影響を問うスレッドが目立つようになりました。データセンター業務が地域社会への損害に加担することにならないか、職を失う引き金にならないかと案じる声がある一方、「仕事は仕事」と割り切る意見も根強くあります。

中西部のある電気工は、職業を明かすと相手の態度が一変するため、もう自分の仕事を人に言わないと語ります。ただ本人はデータセンターの仕事を自ら望み、減給も受け入れて職を得ました。電気工として採用された後、数カ月で管理職に昇進し、将来は技術者への転身を目指すなど、上昇の好機と捉えています。

対照的に、ライアンと名乗る電気工は「世界の政府が右傾化している」と述べ、企業への不信からデータセンター業務を避け続けています。組合員として仕事を選べる立場を生かしており、たとえ長期失業しても引き受けたくないと語る一方、「建てるなら組合でやってほしい」とも付け加えました。

別の電気工ダンテは、製材所もデータセンターも「本質的に同じ仕事」だと割り切ります。ただ、ある見習いは「どうせ建つのだから自分が稼げばいい」という正当化が現場に広がっていると指摘し、「生活が懸かっていない自分だから言えることだが」と複雑な思いを明かしました。

米電気電子学会IEEEは2026年6月22日、専門誌IEEE Spectrumで人工知能の誕生70周年を記念する寄稿を公開しました。執筆者のSan Murugesan氏は、1956年のダートマス会議でAIが正式な学問分野として確立されて以来の歩みを振り返り、その歴史を理解することが技術を善用する鍵になると論じています。

AIの知的源流は1956年より前にさかのぼります。1943年にマカロックとピッツが人工ニューロンの数理モデルを考案し、1950年にはアラン・チューリングが「機械は考えられるか」という問いを投げかけ、後にチューリングテストと呼ばれる評価法を提唱しました。

技術の進化は期待と失望が交錯する道のりでした。1980年代に専門家システムが注目を集めたものの限界が露呈し、資金や関心が冷え込む「AIの冬」を経験します。転機となったのが2017年にグーグルの研究者らが発表したトランスフォーマー技術で、これが今日の生成AIの基盤となりました。

2022年のChatGPT公開以降、AIの普及は電話やテレビ、インターネットを上回る速度で進んでいます。スタンフォード大学のAI Index 2026はこの前例のない採用率を示しており、近年は自律的に動作するエージェント型AIへと進化が続いています。

一方で記事は深刻なリスクも指摘します。AIは確信を持って誤情報を生成する「幻覚」を起こし、偽情報やディープフェイクの拡散を助長しかねません。AIへの過度な依存が人間の判断力や批判的思考を損なう恐れもあると警告しています。

IEEEはAIの進歩を記録するだけでなく、その発展と責任ある利用を主導してきました。100を超えるAI関連標準を策定し、倫理的な設計を促す認証プログラムCertifAIEdを運営しています。記事は、AIを人間中心で信頼でき倫理的なものに保つことが今後の責務だと締めくくっています。

Amazonは2026年6月22日までに、生成AI型対話アシスタント「Alexa+」のインド展開に向け、ヒンディー語版のベータ試験参加者を募集していることがわかりました。同社は一部の顧客にヒンディー語のメールを送り、フォーム入力による登録を呼びかけています。AIアシスタント市場で巨大なインドの音声需要を取り込む狙いです。

メールでは「新しいAlexa体験を作っており、皆様のフィードバックが重要だ」と説明し、ヒンディー語版の試験開始時に通知すると伝えています。一方で、ベータ版にはバグがあり、不正確な情報や現地表現の誤発音が生じる可能性があるとも注意を促しています。Amazonはインドでの試験を認めたものの、詳細なコメントは控えました。

現時点でAlexa+はインド未提供であり、正式な launch 時期は明らかになっていません。同社は2017年に英語対応でAlexaをインド投入し、2019年にヒンディー語へ対応した経緯があります。インドでは6億人超がヒンディー語を話すとされ、ヒンディー語と英語を混在させて使う層の開拓を目指します。

Alexa+は2025年に発表されましたが、展開は遅く、米国の全ユーザーに開放されたのは2026年2月でした。今年に入り、英国やカナダ、ブラジル、メキシコ、イタリア、ドイツへと対応国を広げ、現地の文脈に合わせた機能を提供しています。料金はPrime会員が無料で、それ以外は月額課金となります。

GitHubは2026年6月22日、オープンソースソフトウエア（OSS）のアクセシビリティ改善を掲げた誓約から1年間の進捗を自社ブログで公表しました。同社は昨年、障害者のOSS参加支援、支援技術の普及拡大、主要OSSのアクセシビリティ改善という3つの目標を掲げ、その実現に向けた取り組みを進めてきました。今回の報告では、具体的な成果と参加を呼びかける2つの方法が示されています。

中核となったのが、2026年5月にサンフランシスコの本社で開催したオープンソース支援技術ハッカソンです。貢献者や保守担当者、教育者、障害当事者が2日間にわたり、現実のアクセス障壁に取り組む支援技術プロジェクトで協働しました。会場ではNVDAスクリーンリーダーやキーボード操作を学べる学習ルームも併設されました。

ハッカソンでは幅広い分野のプロジェクトが進められました。視覚障害者向けのカメラ型支援技術や、PDFをアクセシブルな形式へ変換するワークフロー、車いすのソフト・ハード開発、多段式点字ディスプレイの触覚体験などが含まれます。これらは実際の生活で生じる課題に直結した取り組みです。

開発現場でアクセシビリティを根付かせるためのツールも拡充しました。注目されるのが、GitHub ActionsとCopilotを使い障壁の発見・起票・修正を自動化するAI搭載のアクセシビリティスキャナーです。あわせて、ACCESSIBILITY.mdの作成やCIへの組み込みを促すベストプラクティス指針、設計用のFigmaツールキットも提供されています。

今後の参加機会も用意されています。2026年7月9日にはオンラインのコミュニティデイを開き、ハッカソン参加プロジェクトのデモや成果を共有します。さらに10月19日には非営利団体All Things Openと連携し、米ノースカロライナ州ローリーでアクセシビリティサミットを開催する予定です。経験の有無を問わず、誰もが貢献者として一歩を踏み出せる場を目指すとしています。