OpenAIは7月10日、ChatGPTに組み込む新しいAI代行機能ChatGPT Workを発表しました。最新の旗艦モデルGPT-5.6を基盤とし、メールやカレンダー、コード管理、チャットなど複数のアプリをまたいで、複雑な多段階の業務を自律的にこなします。従来の質問応答型のチャットボットから、実務を遂行する作業プラットフォームへと役割を広げる狙いです。

最大の特徴は、OpenAIのサーバー上で常時稼働するクラウド型の仮想マシンです。利用者がどの端末を使っていても常に待機し、ローカル機器の起動を前提とする競合との違いを打ち出しています。担当のプロダクトマネージャーは、スマートフォンからでもサイトを作成して共有できる点を新しさとして挙げました。

外部サービスとの連携には、Model Context Protocol（MCP）に基づくプラグインを用い、Gmailやカレンダー、Slack、GitHubにつなぎます。目標を伝えると作業を細かな手順に分解し、数時間かけて独力でやり遂げます。担当者は、複数人の予定を調整して10件の検証会議を一度に設定した例や、3か月かかる分析業務を1週間に短縮した例を紹介しました。

提供はPro、Enterprise、Eduから始まり、数日のうちにPlusとBusinessにも広がります。月額20ドルのPlusを含む全有料プランで使える点を戦略の柱に据えます。一方で、Slackやメールなど機微な業務データを読み取るため、企業のセキュリティ担当が導入前に慎重に精査するとの見方もあります。

競争は激しさを増しています。AnthropicのClaude Cowork、MicrosoftのCopilot Coworkと並ぶ三つ巴の構図となり、いずれもクラウド常駐で業務を実行する点は共通します。OpenAIは週9億人の利用者と5000万人の有料会員という圧倒的な普及基盤を武器に、幅広い提供で先行を狙います。

背景には、株式公開を控えるOpenAIの事情があります。同社は極秘に上場申請書のS-1を提出済みで、企業価値は7300億〜8520億ドル規模と報じられます。消費者向けの巨大な利用者層を企業収益へ転換できるかを示す製品として、ChatGPT Workの成否が問われます。

韓国の半導体大手SK Hynixは7月10日、米ナスダック市場に上場し、265億ドル（約40兆ウォン）を調達しました。米国外の企業による新規株式公開としては史上最大で、2014年のアリババ集団による250億ドルを上回りました。AIブームで需要が急伸するメモリ半導体の成長期待が、記録的な資金調達を後押しした形です。

同社は米国預託証券（ADR）1億7790万株を1株149ドルで売り出しました。米国の投資家がソウル市場の株式の約10分の1の価格で買えるように設計されており、当初は仮ティッカー「SKHYV」で取引され、13日から正式に「SKHY」となります。初値は公開価格を14%上回り、その後も上昇が続きました。

注目すべきは、この旺盛な需要です。売り出し価格はソウル市場の3日平均に対して2.7%の上乗せだったにもかかわらず、需要は供給可能な株数の7倍超に達したと報じられています。韓国企業は統治構造や地政学リスクを理由に割安に評価される「コリア・ディスカウント」を指摘されてきましたが、今回はその影響を感じさせない結果となりました。

背景にあるのは、同社が手がける広帯域メモリ（HBM）の存在です。HBMはAI向けGPUの中核部品で、エヌビディアが主要な調達先の一つとしてSK Hynixに依存しています。調達資金は、AIによる世界的なメモリ不足に対応する韓国内の新工場や新たなパッケージング施設、次世代半導体を製造するEUV露光装置に充てられる計画です。

一方、米国は自国内での生産強化を強く求めています。ラトニック商務長官は、SK Hynixやサムスン電子と米国での工場建設について協議していると明らかにし、韓国がこの重要技術を独占する状況を避けたい考えを示しました。競合の米マイクロンは米国内製造に2500億ドルを投じ、9万人超の雇用を生む計画を表明しています。

もっとも、韓国勢の投資の軸足は依然として本国にあります。両韓国メーカーは直前に、韓国内の新たな製造投資として合計5500億ドル超を約束したばかりです。AI半導体の生産拠点をめぐり、韓国と米国の綱引きが一段と鮮明になっています。

米メディアのVentureBeatは2026年6月、従業員100人以上の企業の技術指導層573人を対象にした調査結果を公表しました。それによると、多くの企業がAIエージェントを統制の仕組みが整う前に導入しており、しかもそれを承知の上で進めていることが分かりました。企業は今、自らの基準に追いつくための後追い整備に迫られています。

調査は識別、評価、費用把握、文脈、統括という5つの統制層に注目しています。各層でおよそ6割の企業が今後1年以内にベンダーの切り替えや追加を計画し、層によっては約3割が四半期内の移行を見込みます。すでに54%の企業が過去1年でエージェント関連のセキュリティ事故やヒヤリハットを経験しており、統制の遅れが実害に近づいています。

最も深刻なのが文脈の欠落です。過去半年で57%の企業が、自信を持って示した誤答の原因を業務文脈の不足や不整合にたどり着いたと答え、31%は複数回それを経験しました。それでも全社共通の文脈層を本番運用する企業は25%にとどまり、75%はまだ整備できていません。

評価の信頼性も揺らいでいます。半数の企業が社内評価を通過した機能を導入したにもかかわらず顧客に影響する障害を起こし、4社に1社は複数回発生させました。それでも66%が人手の確認なしの本番導入を許容またはその準備を進める一方、自動評価を完全に信頼する企業はわずか5%です。自律性の上限だけが先に高まり、その裏付けが追いついていません。

投資効率の課題も浮き彫りになりました。自社でGPUを運用する企業の86%が稼働率50%以下と回答し、高価な計算資源が半分も使われていません。さらに、多段階の作業を自力でこなせる真のエージェントは一部にとどまり、71%の企業では導入済みの大半が単発応答のチャットボットにすぎないと認めています。

GitHubは2026年7月、AIによるコードレビュー機能「Copilot code review」の平均コストを約2割削減したと明らかにしました。共有ツールへの移行で一度は品質が悪化したものの、原因はツールではなく指示文にあると突き止め、レビュー担当者の読み方に合わせて書き換えることで改善を実現しました。品質を維持したままコストだけを下げた点が特徴です。

発端は、独自のコード探索ツールを、Copilot CLIが使う保守性の高い共有ツール（grep、glob、view）へ置き換える試みでした。単純な入れ替えで済むと見込んでいましたが、社内ベンチマークではコストが増加し、検出できる問題の数はむしろ減ってしまいました。

トレースを分析すると、エージェントが変更差分を調べるのではなく、リポジトリ全体を「閲覧」するように広く探索していたことが判明しました。共有ツールに付随する指示文がコーディング支援向けに調整されており、レビューには不向きな広範囲探索を促していたのです。

そこでチームは、指示文をレビュー担当者の手順に沿って書き換えました。差分を起点に具体的な問いを立て、grepとglobで候補を絞り込み、必要な箇所だけをviewで精読する流れです。この小さな文言変更が、エージェントの動きを「閲覧して読む」から「問い、絞り、読み、判断する」へと変えました。

効果検証を支えたのが社内ベンチマークです。最終スコアだけでなくツールの呼び出し履歴まで可視化できたため、なぜ結果が変わったのかを具体的に検証できました。結果として本番環境で約2割のコスト削減を達成し、出荷を妨げる品質低下も見られませんでした。

記事は、エージェント開発ではツールそのものより周辺のワークフローが重要だと指摘します。同じツールでも、用途に合わせた指示文とベンチマークがあってこそ効果が出るという教訓です。

Google Researchは、表形式データ向けのゼロショット基盤モデル「TabFM」を公開しました。従来のようにデータセットごとにモデルを一から学習する必要がなく、未知の表に対しても一度の推論で予測を返せる点が最大の特徴です。表の予測を「文脈内学習(in-context learning)」の問題として捉え直すことで、数週間かかっていた構築作業を一回のAPI呼び出しに置き換えます。

企業データの多くはデータウェアハウスやCRMに眠る表形式ですが、そこから信頼できる予測を得るには手間がかかります。欠損値の補完や特徴量エンジニアリング、ハイパーパラメータ探索に加え、運用後もデータドリフト監視や再学習が続くためです。一方でテキストや画像の生成AIはすでにゼロショット推論へ移行しており、表データはこの流れから取り残されていました。

大規模言語モデルに表をそのまま読ませても、文脈長の制約や数値のトークン化、二次元構造の喪失といった壁に突き当たります。TabFMはデータを格子として扱い構造を保ったまま処理する設計で、既存研究のTabPFNとTabICLの長所を統合しています。行と列を交互に注意する仕組みや行圧縮を組み合わせ、大規模な表でも効率よく文脈内学習を行います。

学習には実データを使わず、数億件の合成データセットを構造的因果モデルで生成して事前学習しました。51のデータセットからなる評価基盤TabArenaでは、調整済みの教師あり手法に匹敵または上回る精度を示しています。ただしGoogleは、最適化された本番モデルをすべて置き換えるものではないと慎重な姿勢を崩していません。

一方で新たな経済的トレードオフも生じます。学習時間はゼロになるものの、予測のたびに履歴データ全体を文脈として処理するため推論が重く、ミリ秒単位の低遅延を求める用途には向きません。またモデルの重みは非商用ライセンスで公開されており、商用製品への組み込みは現時点では認められていません。

それでもGoogleは、TabFMをBigQueryへ統合し「AI.PREDICT」コマンドでデータウェアハウス上から直接予測を実行できるようにする計画です。scikit-learn互換のAPIも用意され、専任のデータサイエンスチームがなくても高品質なベースラインを素早く構築できる点が実務での価値だと同社は説明しています。

ドイツテレコムは2026年7月10日、生成AIを事業運営の中核に据え、世界初のAIネイティブ通信会社を目指す全社変革を進めていると明らかにしました。欧州と米国で3億人超の顧客と20万人以上の従業員を抱える同社が、顧客対応から通信網運用まで組織全体の運営モデルを作り替える取り組みです。

変革の第一段階では、従業員にChatGPT Enterpriseを提供し、実験を後押ししました。導入は急速に広がり、月間アクティブ利用者は5万人を超え、AIツールの利用は2026年初頭から546%増加したといいます。同社のヨナタン・アブラハムソン最高製品・デジタル責任者は「AIネイティブになるとは、今の働き方にAIを足すことではなく、仕事そのものを再設計することだ」と語ります。

顧客対応は最も早い投資領域の一つとなりました。アブラハムソン氏はAIによる顧客サービスはまだ初期段階としつつ、対話ごとに学習し、たらい回しや待ち時間といった不満を解消することで、特定の場面では従来型のサポートを上回る可能性があると見込んでいます。

同社はOpenAIなどと連携し、AIを日常の通信体験そのものに組み込む段階へ進んでいます。新しいアプリを使わせることなく、通話へのリアルタイム翻訳や通話中の支援、通話後の要約といった機能を直接届ける計画です。加えて通信網の運用にもAIを取り入れ、通勤時間帯や大型スポーツイベントなど需要の変動に応じて資源をリアルタイムに調整しています。

同社はこれを、AIへのアクセスを民主化し、人々や企業に実質的な価値を生む取り組みの一環と位置づけています。専用の機器やアプリ、専門知識を必要とせず、誰もが使い慣れた通信を通じてAIに触れられる世界を描いているのです。

AI開発の共有基盤を運営するHugging Faceのクレム・デラングCEOは2026年7月10日、TechCrunchのポッドキャスト「Equity」で、オープンソースAIが急拡大していると語りました。同社はモデルやデータセットを共有できる「AI版GitHub」として成長し、いまやFortune 500企業の約半数が利用しています。企業はまず最先端のAPIから始めるものの、規模を広げるにつれてコストがかさみ、オープンソースモデルへと移行していくとデラング氏は指摘します。

デラング氏が繰り返し目にしてきたのは、AIを「借りる」段階から自社で持つ段階への転換です。最先端モデルをAPI経由で使うほどコストが膨らむため、拡大する企業ほどオープンソースへ向かうという構図があります。

一方で同氏は、少数の巨大企業がすべてを支配しかねない状況を懸念しています。この危機感は、Anthropicが公開を中止したFableをめぐり、オープンとクローズドの対立が改めて注目されるなかで語られました。

米国でダウンロードされるオープンモデルの多くは、中国の研究機関が生み出しているといいます。デラング氏はこれを、オープンソース自体を疑う理由ではなく、解決すべき課題だと捉えています。

経営面では、シリコンバレー流の大型資金調達に頼らず資本効率を優先し、昨年はNvidiaからの大型出資を断ったと明かしました。さらに同氏は、家庭や家族の生活を深く見ることになるロボットこそ、チャットボットやコーディング以上に開かれた透明なAIが急務だと訴えています。

Appleは7月10日、AI大手OpenAIを企業秘密の盗用と契約違反でカリフォルニア州北部連邦地方裁判所に提訴しました。訴状は、iPhone開発を率いた元幹部らがOpenAIへの転職時に未発表の部品や試作品、機密設計文書を持ち出したと主張しています。Appleは差し止め命令と損害賠償、持ち出された資産の返還を求めています。

訴状が名指ししたのは、Appleに24年在籍しiPhoneとApple Watchの製品デザインを統括したTang Tan氏です。同氏は現在OpenAIの最高ハードウェア責任者を務めており、採用面接でAppleの社外秘プロジェクト名を用い、候補者に実機部品の持参を求めたとされます。退職予定の社員に対し、セキュリティ手続きを回避する方法を指南していた疑いも指摘されています。

もう一人の被告である元電気技術者Chang Liu氏は、退職後も会社支給のノートパソコンを返却せず、機密の技術文書を多数ダウンロードしたと訴えられています。Appleは、社内ファイル共有システムへのアクセスが残るバグを悪用されたとし、この問題は今年初めに発覚したと説明しています。

背景には両社の関係悪化があります。2024年にChatGPTをiPhoneへ搭載する提携を結んだものの、その後関係はぎくしゃくし、AppleはGoogleのGeminiへの依存を強めてきました。OpenAIはこれまでに400人超の元Apple社員を採用し、独自のAI搭載デバイス開発を進めています。

OpenAIは昨年、著名デザイナーのジョニー・アイブ氏らが設立したハードウェア新興企業ioを65億ドルで買収しました。Appleは訴状で、OpenAIが供給業者を通じて自社の技術を模倣しようとしたとも主張しています。今回の訴訟は、AI搭載デバイス市場で競合を深める両社の対立を象徴する争いとなりそうです。

Hugging Faceは2026年7月10日、PyTorchのプロファイリング手法を解説する連載の第3回を公開しました。今回のテーマは注意機構（Attention）で、手書きの素朴な実装からSDPA（Scaled Dot Product Attention）の各バックエンドまでを、プロファイラのトレースで読み解きます。狙いは高速化テクニックの網羅ではなく、各手法がプロファイラ上でどう違って見えるかを掴むことにあります。

素朴な実装では、行列積・スケーリング・マスク・softmaxといった基本演算に分解して注意を計算します。トレースを開くと想定外のメモリコピーが1つ紛れ込んでおり、その原因は非破壊的なmasked_fillにありました。これをインプレース版のmasked_fill_に置き換えるだけでフォワードごとにカーネルが1つ減り、大規模モデルでは層の数だけ効果が積み上がります。

PyTorchはこの一連の処理をF.scaled_dot_product_attentionという1行に集約しています。ところがmathバックエンドに固定すると、カーネル数は5から20へ増え、約3.7倍も遅くなりました。FP32へ格上げしてTensor Coreを使わず、呼び出しのたびに因果マスクを作り直し、NaN対策の安全なsoftmaxを走らせるためです。

一方、efficient・flash・cuDNNの各バックエンドは、20個のカーネルを実質1つの融合カーネルにまとめます。とくにflashはFlashAttention-2の実装で、巨大なスコア行列をメモリに書き出さず、オンラインsoftmaxでチップ上だけで処理を進めます。これがHBMへの往復を避け、bf16のままTensor Coreで走らせる鍵になります。

flashはプロファイラ上で占有率が約13%と低く表示され、一見すると効率が悪そうに見えます。しかしこれはレジスタと共有メモリを意図的に多く使い、データをチップ上に留める設計の結果であり、最速という事実は変わりません。筆者は連載を通じ、まず結果を予想してからトレースを開き、食い違いこそ最も面白い手がかりとして掘り下げる習慣を勧めています。

Microsoftは7月10日、2026年版の環境サステナビリティ報告書を公表し、2025年の炭素排出量が前年比で25%増加したと明らかにしました。GeekWireの報道によると、排出量は「一部の対策を除いた場合」で3400万トンに達しています。同社はこの増加の主因をデータセンター基盤の拡張だと説明しました。

排出量が膨らんだ背景には、AIインフラの急拡大があります。報告書は「AIインフラがエネルギー・水・土地・資材の需要を押し上げる一方、持続可能性の解決策は需要に追いつく速さで拡大していない」と認めています。加えて同社は2025年2月に「追加性のないアンバンドル型の再生可能エネルギー証書」の購入を停止しており、これも数字を押し上げました。

Microsoftは数年前、2030年までにカーボンネガティブ、つまり排出する以上の炭素を除去する状態を達成する目標を掲げていました。しかし今回の後退は初めてではありません。2024年版の報告書でも同様の排出増が示されており、目標達成への道のりが依然として険しいことがうかがえます。

同じ傾向は他の巨大テック企業にも及んでいます。Googleは2026年の報告書でサプライチェーン排出量が25%急増したと報告し、Amazonはやや低い16%増を示しました。AIブームがもたらす電力・水資源の負荷は、業界全体で共通の課題となりつつあります。

経営層にとって重要なのは、AI投資の拡大と気候目標が正面から衝突し始めている点です。データセンターの増設が続く限り、排出削減策の規模拡大が追いつかなければ、公表済みの環境目標は形骸化しかねません。各社がどこまで具体的な緩和策を積み上げられるかが、今後の焦点になります。

欧州連合の執行機関である欧州委員会は7月9日、MetaのFacebookとInstagramについて、自動再生や無限スクロールといった機能が依存性を持つとの予備的認定を公表しました。委員会はこれらの設計が利用者の身体的・精神的な健康に及ぼすリスクをMetaが十分に評価していないと指摘し、既定での機能停止などの是正を求めています。

委員会は、こうした機能が「スクロールを続けたい衝動をかき立て、脳を自動操縦モードに移行させる」と説明しました。その結果、不健全な習慣や強迫的な利用につながっており、未成年や脆弱な成人への影響が特に懸念されるとしています。

委員会が問題視したのは機能そのものだけではありません。Metaが導入済みの時間管理ツールや保護者向けの管理機能についても、「依存性設計に起因するリスクへの対処に失敗している」と評価しました。保護者向け機能は十分な技術的知識と時間を持つ利用者にしか効果がなく、対策としての実効性を損なっているとの見方です。

これに対しMetaは早くも防御姿勢を示しています。同社の広報担当者は、予備的認定は「10代を守るために講じてきた重要な取り組みを正確に考慮していない」として不服を表明しました。夜間のInstagram利用の遮断や1日15分への画面時間の制限を保護者に可能にする「ティーンアカウント」を展開したと反論しています。

今後の焦点は制裁の有無です。Metaは数カ月にわたり反論する機会を与えられますが、違反が確定すれば巨額の制裁金を科されるおそれがあります。委員会は自動再生や無限スクロールの既定停止に加え、実効的な休憩機能の導入や、推薦システムをエンゲージメント偏重から改める対応を検討するよう勧告しました。

国連の専門機関である国際電気通信連合(ITU)は2026年7月、スイスのジュネーブで年次会議「AI for Good」サミットを開催しました。10年目を迎えた今回は、飢餓や病気、気候変動といった人類の課題をAIで解決するという理想主義的な目標を掲げる一方、技術の暴走と現実との隔たりが浮き彫りになりました。

ITUのドリーン・ボグダンマーティン事務局長は基調講演で「責任を持って導入すれば、AIは人類の最も差し迫った問題を解決できる」と語りました。会議の目玉として、ルワンダのカガメ大統領とセールスフォースのマーク・ベニオフ最高経営責任者が共同議長を務める44カ国参加の新委員会の発足も発表されました。

しかし現場からは批判の声が相次ぎました。人道支援団体アクセス・ナウのジュリオ・コッピ氏は、公共部門が巨大テック企業に過度に依存している現状を問題視し、「企業を親友のように扱うのをやめるべきだ」と警告しました。アマゾンの最高技術責任者による講演では、親パレスチナの活動家が壇上に乱入する場面もありました。

技術者からは「良い」という基準の曖昧さへの指摘も出ました。ハーバード大学のビジェイ・ジャナパ・レディ教授は「エンジニアにとって『良い』は何も意味しない」と述べ、抽象的な理念だけでは実装できないと訴えました。議論の焦点は、誰がモデルを使え、誰が半導体を買えるかというアクセスの格差にも及びました。

計算資源(コンピュート)は今や単なる技術問題ではなく開発課題だとの声が上がりました。多くの大規模言語モデルが英語中心である現状を踏まえ、安価なハードで動く小規模なローカルLLMの重要性も強調されました。専門家は、人権原則を検証可能な技術的仕組みに翻訳する中間層(ミドルウェア)の構築を提唱しています。

会場ではテスラのサイバートラックや国連の救助ヘリコプターが並び、人型ロボットが猛スピードで走り回っていました。合意形成を待つ議論をよそに、技術だけが先走る姿は、「良い」の定義が定まらないまま加速するAIの現実を象徴していました。

太陽光発電と家庭用蓄電池を手がける米Sunrunが、2026年7月10日、AI向け計算資源を顧客の自宅に分散配置する新たな実証実験を始めると発表しました。巨大なデータセンターを建設するのではなく、顧客宅に小型の計算ノードを設置し、参加者に報酬を支払う仕組みです。

対象となるのは、Sunrunの太陽光パネルと蓄電池を導入している家庭です。同社は各家庭に置いた計算ノードをつなぎ、全国規模の計算ネットワークを築く構想を掲げています。得られた計算能力は、AI企業などの法人向けに販売する計画です。

この分散型の発想の背景には、データセンターへの根強い反発があります。5月に公表された調査では、米国人の7割超が近隣での新規データセンター建設に反対しており、汚染や騒音、水と電力の消費が懸念材料となっています。

Sunrunは計算能力を1カ所に集約するのではなく、全米各地の小型ノードに分散させることで、こうした反対をかわす狙いです。同社は以前にも概念実証に成功したとしていますが、実際にどの程度うまく機能するかは未知数です。

家庭用蓄電池を主力とするSunrunにとって、AI計算の領域は全く新しい挑戦となります。同社の約110万人の顧客は、ノードの受け入れに前向きであれば待機リストに登録できます。実証は数カ月かけて完了させ、結果を評価したうえで本格展開を判断する方針です。

米ロサンゼルスのダウンタウンで6月20日、世界初のAIアート美術館をうたう「Dataland」が開館しました。メディアアーティストのレフィク・アナドール氏がスタジオ共同経営者と設立した施設で、開館から2週間で1万人を超える来場者を集めています。人間と機械の関係を問う没入型の展示を通じて、賛否の分かれるAIアートの新たな可能性を示すことを狙います。

看板となる展示は、熱帯雨林を題材にした没入型作品「Machine Dreams: Rainforest」です。会場の壁や床には自然の風景とコンピューターチップの質感が溶け合った映像が広がり、来場者の動きに応じて刻々と姿を変えます。これらの映像は、アナドール氏のチームが独自に構築した大自然モデルによって生成されています。

アナドール氏によれば、チームは3年をかけてゼロから自前のAIを学習させ、アマゾンなどの熱帯雨林に赴いて5ペタバイト規模の生データを自ら収集したといいます。スミソニアン協会などの研究機関の協力と同意を得て素材を集めた点を強調し、無断でコンテンツを学習に使ったとして訴訟に直面する大手AI企業との違いを打ち出しています。

展示のもう一つの特徴は、来場者が身につけるウェアラブル端末です。スマートウォッチと肩掛け型の装置が心拍や体温などの生体データを読み取り、作品がそれに反応して映像や音、さらには香りまで変化します。アナドール氏は「芸術は私たちを感じ返せるか」という問いを掲げ、鑑賞者の感情そのものを入力として扱う仕組みだと説明します。

環境負荷への配慮も打ち出しており、Google DeepMindから実験的な低電力リソースの提供を受け、Google Cloud上で持続可能な計算処理を実現しています。生成AIによる粗悪な「スロップ」への批判が根強い中、アナドール氏は「これはAIではなく人間であることのすべてだ」と語り、AIを人間性を再発見する道具と位置づけています。

Metaのインスタグラム責任者アダム・モセリ氏は7月10日までに、ポッドキャスト番組でAI生成コンテンツをフィードから自動的に除外する機能には反対する考えを示しました。同氏は「AIコンテンツを除外すべきではない」と述べる一方、内容がAI製かどうかを利用者に知らせるべきだと主張しています。

モセリ氏は、AIが嫌いなら「フィードに入れるべきではない」と語り、好みに応じた表示の調整を提案しました。プラットフォームからAIを全面的に排除することと、内容に基づく並べ替えとを区別している点が特徴で、AIコンテンツを好む人は「AIタウン」のようなフィードを持てるべきだとも述べています。

現状ではインスタグラムやTikTok、YouTube、Facebookなどの主要サービスはAI生成物にラベルを付ける一方、フィードから除外する選択肢は提供していません。モセリ氏はAIコンテンツの検出が「難しい」と認め、モデルの進化とともに判別できなくなる可能性にも言及しました。

同氏は、利用者が「これはAIか」と尋ねればサービス側が確度を答えられる仕組みが望ましいとの見方を示しました。むしろカメラで撮影された「実写コンテンツ」にラベルを付ける方が現実的かもしれないと語り、2025年12月に触れた「本物のメディア」の指紋付けの構想と重なります。

一方でMetaは技術の活用を進めており、画像生成ツール「Muse Spark」を投入しました。利用者は他人をタグ付けするだけでAI作品に取り込めますが、性的搾取を監視する団体は悪用やなりすましの明白な機会を生むと警告しています。

Googleは、Geminiアプリに新機能「学習ノート」を追加しました。ユーザーが学びたいテーマを伝えると、一人ひとりに最適化された学習空間を用意する仕組みです。

学習ノートは、利用者の強みや知識の穴に合わせて、内容を細かく区切ったレッスンを提供します。何から手をつければよいか迷いがちな学習の入り口を、整理された形で示してくれます。

学習の途中では、理解度を確認する小テストが出題されます。知識が定着しているかをその場で測れるため、あいまいなまま先へ進む心配が減ります。

進み具合は専用のダッシュボードで管理できます。次に何を優先すべきかが一目でわかり、短い時間で新しい分野を習得しやすくなります。

米グーグルの健康事業Google Healthは、プロゴルファーのブライソン・デシャンボー選手と提携し、人工知能を使った健康管理の取り組みを始めました。メジャー大会二冠の実績を持つ同選手が、競技で培ったデータ分析の手法を日常の体調管理へと広げる試みです。両者はフィットネスの未来を共同で探ると表明しています。

デシャンボー選手は2年前からGoogle Cloudと組み、AIによるスイングのリアルタイム分析を続けてきました。今回はその知見を、体の動きや回復、負荷への反応を正確に把握する健康分野へと応用します。

提携の中心となるのが、新型のウェアラブル端末Fitbit Airと、対話型のGoogle Health Coachです。心拍の傾向や消費エネルギー、回復の度合いといった指標を、プロが頼る精度で一般の利用者にも届ける狙いがあります。

目的は、これまで専門家だけが得ていた実用的な助言を、誰もが日常で受け取れるようにする点にあります。デシャンボー選手の徹底した分析志向とGoogle Health Coachの助言機能が組み合わさることで、どのような成果が生まれるかが今後の焦点となります。