企業のAI利用が増える一方、関連支出の伸びは鈍っています。Rampのデータでは、AIのトークン消費量が伸びても、8月と9月の支出増は合計1.5％にとどまり、7月の前月比42％から大きく減速しました。AI関連予算が膨らみ続けるという見方に、価格競争と利用企業の節約が疑問を投げかけています。

OpenAIやAnthropicの価格引き下げ、企業向け割引、低価格モデルやオープンモデルの選択肢が、利用単価を押し下げています。企業側も高価なモデルの利用を制限し、タスクに応じて軽量モデルへ振り分けるなど、費用管理を進めています。利用量の増加が、そのままモデル企業の売上増につながらない構図です。

一方、IBM Apptioが示す調査では、AI施策のうち期待した事業価値を実現しているのは37％です。AI投資の評価では、クラウド料金やライセンス料だけでなく、モデル利用、データ管理、ガバナンス、セキュリティ、運用、人件費まで含めた総保有コストを把握する必要があります。

経営側には、個別プロジェクトの予算順守だけでなく、投資ポートフォリオ全体が成果を生んでいるかを問う視点が求められます。費用当たりの成果を比較し、継続、停止、最適化、拡大を判断する仕組みが重要です。AI利用が安く広がることは顧客には利点ですが、モデル企業の収益成長や投資家の期待には重荷となる可能性があります。

OpenAIは2026年11月、脆弱性の発見や検証を支援する専用モデル「GPT-6 Cyber」を発表しました。防御目的のセキュリティ調査を担う企業や研究者向けに、脆弱性の再現・悪用検証能力を高める一方、利用は審査を経た顧客に限ります。

同社の評価では、指定された弱点を悪用する能力を測るExploitGymで48.5％を記録し、前世代の32.1％を上回りました。LinuxカーネルやFirefoxの調査でも脆弱性を報告し、保守担当者に再現テストや修正案を提供したとしています。

OpenAIは別途、セキュリティ企業Hacktronとの提携を発表しました。両社の技術者・研究者が優先度の高い領域を選び、特に外部サービスとの連携部分を検査します。Hacktronには高度なセキュリティ作業向けのDaybreak Redを通じ、モデルへのアクセスを拡大します。

モデルのAPI料金は入力100万トークン当たり20ドル、出力100万トークン当たり100ドルで、競合モデルより高い水準です。導入側には性能だけでなく、許可された範囲を守るか、再現可能な証拠を出せるか、価格と検証作業に見合う成果があるかの見極めが求められます。

セキュリティ企業Censysは、AIを使う侵入テストツールArtexの稼働環境を800件超、パスワードなしでインターネットから接続できる状態で確認しました。公開設定のままでは、第三者が攻撃ツールを閲覧・悪用する恐れがあります。

Artexは偵察からデータ窃取までを少ない人手で進めるオープンソースの自律型ツールです。正規のセキュリティ検査にも使われますが、運用にインターネット公開は必須ではなく、なぜ多数の環境が露出しているかは不明です。

露出した環境には、侵入先へのアクセス維持に使われる不正プログラムも含まれる可能性があります。Censysの調査は、認証なしで公開されたシステムが攻撃者に利用される危険を示しています。

Artexは公開後、複数の大規模攻撃との関連が指摘され、韓国の金融業界を狙った攻撃でも使用されたと報じられました。企業や研究者は、管理画面の認証と外部公開範囲を点検し、不要な接続口を閉じる必要があります。

Valsの調査によると、中国発のオープンウェイトモデルDeepSeekは、模擬企業ネットワークでのサイバー攻撃課題で平均73％の目標を達成し、OpenAIの限定提供モデルDaybreakの81％に迫りました。高性能な攻撃能力が、誰でも入手できるモデルにも広がりつつあります。

調査では、公開サイト経由で侵入するケースと、最初の企業網を突破して別の網へ進むケースを試しました。Daybreakは2回の平均で課題の81％を完了し、DeepSeekは73％でした。一部の課題では両者が同等の成績だったといいます。

費用差も大きく、Valsの試算ではGPT-6-Solによる攻撃はトークン代で17〜46ドル、DeepSeekは2〜3ドルです。オープンモデルは自前の機器で動かせるため、攻撃者だけでなく防御側にも低コストの選択肢となります。

ただし、実際の攻撃者が常に最新モデルを使うとは限らず、既存の手法や古いモデルも使われています。企業は高度なAI攻撃の普及を想定しつつ、モデルの能力評価と脆弱性修正を継続する必要があります。

AIモデルの学習に使う実務データを求め、企業や仲介業者が職場の文書、メール、チャット、業務記録を買い集めています。WIREDは、過去の記録一式に対して数十万ドルから数百万ドルを提示する売り込みを取材しました。公開情報だけでは得にくい現場の知識や業務の複雑さを、モデルに学ばせる狙いです。

HandshakeやMercor、Micro1などの企業は、専門文書や企業データをAI研究所などに提供しています。破産企業のSpirit Airlinesが保有データを売却しようとした事例では、メールアカウントや社内メッセージ、SharePointファイルなどが対象となり、データの扱いを巡って労働組合が異議を唱えました。

仲介企業は個人を特定できる情報を削除すると説明しますが、プライバシー専門家は匿名化だけでは十分でないと懸念しています。メールや社内メッセージには、医療や家族に関する記述など、構造化されていない機微情報が含まれ得るためです。従業員本人が明確に同意しないまま記録が売買される点も争点です。

企業にとって業務データは新たな収益源になり得る一方、その記録を作った従業員の権利や機密情報の保護をどう担保するかは定まっていません。AI企業のデータ需要が強まるなか、収集範囲、同意、匿名化の検証、再利用の条件を明確にする基準づくりが急務です。

OpenAIはバイオ企業Ligoと、AIが日常的なウェットラボ実験をどこまで解釈できるか測るベンチマーク「BioBasicsBench」を公開しました。100課題で生データや実験上の問題を読み取り、証拠が結論を支えるか判断する能力を評価します。

課題はタンパク質実験、顕微鏡画像、測定、核酸、分子クローニングの5領域にまたがります。ゲル画像や細胞画像、実験器具の記録などを使い、実験者が日常的に行う分析を再現しています。

高い推論設定での平均得点は、GPT-6 Astraが66.7％、GPT-5.6 Solが43.8％でした。前者は画像や動画を含むデータの扱いで改善を示しましたが、誤ったラベルや実験の前提に引きずられ、結論を誤る例も残っています。

課題作成には研究者が参加し、別の研究者による内部確認と、ウェットラボ経験を持つ博士号取得者の外部確認を経ています。OpenAIは、ベンチマークを使って実験データの解釈や対照条件の確認を改善し、AIの研究支援と安全性を評価する考えです。

Anthropicは2026年11月、AIエージェントがセッションをまたいで情報を保持する「記憶」の構成要素を説明しました。会話や作業のログを残すだけでなく、そこから有用な知識を整理し、次のセッションで必要な文脈として読み込む設計を紹介しています。

同社の整理では、記憶は検索可能なログ、エージェントが書くメモ、Wikiなどの知識表現、各セッションに注入する文脈の階層で成り立ちます。人の脳が経験の一部を後から長期記憶へ統合する仕組みを参考にしています。

Anthropicは、セッションの合間にログを振り返って記憶を再編する処理を「Dreaming」と呼びます。Claudeが過去の誤りを修正したり、既存のメモや知識表現を更新したりする用途で、同社は有効性を評価してきたとしています。

課題は、後から必要になる情報を経験時点で見分けにくいことです。同社は記憶を、将来その情報が再び役立つという予測として捉え、どの記録を残し、どう統合するかを複数の評価で検討しています。

2026年の米中間選挙で民主党が歴史的勝利を収め、データセンター開発や巨大テック企業への政策が変わる可能性が出ています。選挙と同時に住民投票にかけられたデータセンター関連の41議案では、40議案で開発規制を強める案が多数の支持を得ました。地域の電力や土地利用を巡る懸念が、政治課題として鮮明になりました。

データセンターが直接の投票議題でない地域でも、開発計画は選挙戦の論点になりました。新たに選ばれた民主党系の知事や連邦議会議員は、追加規制を支持する可能性が高いと報じられています。AI計算需要の拡大を背景に施設建設が進むなか、許認可や地域負担を巡る議論が強まりそうです。

テック業界への影響は施設規制にとどまりません。TechCrunchの番組では、政府による巨大テック企業への監視強化も選挙後の論点として挙げられました。選挙結果を受け、AI企業はインフラ投資だけでなく、事業慣行や規制対応についても政治環境の変化を見極める必要があります。

こうした動きは、データセンターの立地や投資計画に不確実性を加えます。新設や拡張を検討する企業は、地域住民の支持、電力供給、行政との調整を早い段階で事業計画に組み込むことが重要です。規制の具体像は今後の政策形成に左右されますが、選挙を通じて反対意見が可視化された点は無視できません。

OpenAIは2026年11月、データセンター事業を進める地域への新たな約束を公表し、公務員との秘密保持契約（NDA）を使わない方針を示しました。データセンター建設への反対が米中間選挙で表面化したことを受け、計画をめぐる協議をより見えやすくする狙いです。

同社は、正当な安全保障情報や企業秘密、競争上機微な情報に限って、狭い範囲の保護を認めると説明しています。データセンター開発をめぐっては、NDAが開発側と自治体の協議を隠すとの批判が出ていました。

電力については、使用分と供給に必要なインフラの費用を全額負担するとしています。地域に生まれる雇用機会を示し、採用状況も報告する方針です。

OpenAIが所有・運営する今後の計算拠点には、これらの約束と地域の優先事項を盛り込んだ「地域協定」を設けます。自治体や住民にとって、費用負担や雇用の見通しを計画段階で確認できる仕組みになるかが焦点です。

アレン人工知能研究所（Ai2）は2026年11月、ロボットの学習と評価に使うオープンなシミュレーション環境「ToyBlocks」を公開しました。卓上でブロックを動かす限定された世界を用意し、訓練条件を変えながら、モデルの性能や失敗の原因を比較できるようにします。

ToyBlocksは、課題やロボット動作のデモを自動生成し、ブロックの押し・反転・積み重ねを評価します。文字や絵のあるブロックを使い、隠れた面を確かめて分類するなど、視覚的な判断と物理操作を組み合わせた課題も設定できます。

Ai2はシミュレーション資産、訓練データ、モデル、コード、評価用データを公開しました。初期データには8万5336件の長期デモが含まれ、合計で約1600時間、1億4400万フレームに相当するとしています。

研究では、ToyBlocksだけで訓練したモデルを実機のロボットアームでも試し、基本操作の成功率がシミュレーションと近い結果になったと報告しました。環境を限定することで、訓練データやモデルの変更が行動に与える影響を追いやすくし、ロボット学習の再現性向上を狙います。

Metaは2026年11月、Facebookの事業者向け規約を変更する計画を無期限で延期しました。変更案は、Meta Businessアカウント利用者に対し、Facebookにリンクされた外部サイトの情報を広くAI学習に利用できるよう求める内容でした。同社は関係者との協議を続け、現行規約を維持すると説明しています。

批判の中心は、事業者が外部サイトのクロールを拒めず、Metaが公開情報を大規模に収集できる可能性でした。ニュース出版社などは、Facebookページを維持するために規約を受け入れる必要があり、リンク先サイトの巡回や有料記事へのアクセスを可能にする手段まで求められると指摘されました。

当初10月30日としていた変更の発効日は、反発を受けて11月20日に延期されていました。ブラジルとノルウェーの裁判所は訴訟を受けて暫定的な差し止めを命じ、英国の競争・市場庁も、Metaが優越的地位を利用してAI学習データを取得しようとしているか正式調査を始めました。

今回の延期で、事業者が懸念していた規約変更は当面実施されません。ただしMetaは関係者との協議を続けるとしており、AI学習データの取得条件を巡る議論は続きます。プラットフォーム企業にとって、データ活用の範囲だけでなく、利用者や取引先が実質的に拒否できる設計かどうかが問われています。

MITの研究チームは、分子の性質を示すデータが少ない場合でも候補を絞り込める機械学習手法CheMeleonを開発しました。創薬や電子材料、エネルギー分野で、合成・試験に進む分子を選ぶ初期判断を支援します。

分子が標的に結合する強さなどの性質は、化合物ごとに実験して確かめる必要があり、探索には時間がかかります。研究チームによると、CheMeleonは特定の性質に関するデータが乏しい条件で、既存手法より候補を効率よく選べます。

モデルはMITのオープンソース機械学習パッケージChemPropを基盤に構築され、利用者はダウンロードして用途に合わせて調整できます。すでに複数の製薬企業が利用しているといいます。

未合成分子の性質予測コンテストでは、上位20件のうち9件がCheMeleonを活用しました。少量データでの予測が研究初期の選別を助ければ、限られた実験資源を有望な候補に振り向けやすくなります。

Anthropicの「AI for Science」助成を受けるテュービンゲン大学などの研究者は、AIに科学モデルの構築を担わせる際の課題を論じました。目標は観測データに合う数式を見つけることだけではなく、そのモデルが現実の仕組みについて何を示すかを理解することです。

研究者は科学的モデリングを、モデルの形を決める、測定値に合わせてパラメーターを調整する、結果を解釈する、という三段階に整理します。1950年代のホジキン・ハクスリーの神経細胞モデルは、データへの適合に使った仮説が、後にイオンチャネルの構造理解にもつながった例として紹介されました。

AIは実験データに合う式を短時間で見つけられる可能性があります。しかし、似たデータを説明するモデルは複数あり、適合度だけではどの説明が妥当か判断できません。より単純なモデルがなぜ失敗するかを調べ、モデルの共通点と違いを理解する必要があります。

研究チームは神経科学などを対象に、AIを科学モデルの開発に役立てる方法を探っています。AIが数値や式を出すだけでなく、予測の根拠や適用範囲を研究者が検証できる形で示せるかが重要です。

NVIDIAは、6G研究向けオープンソースツール群のダウンロードが100万回を超え、世界8000超の研究・教育機関が利用していると発表しました。AerialとSionnaの開発者採用は過去1年で10倍に増え、通信・計算・センシングを統合する次世代網の研究を支えています。

Aerial無線ソフトウェアやSionnaは、シミュレーションやAI学習と、実際の電波を使う実験をつなぎます。研究者は同じ基盤でアイデアを試し、結果を比較しながら開発できます。

応用例の一つは、ロボットが画像全体ではなく、物体や位置関係を短い情報にして送る通信方式です。キングス・カレッジ・ロンドンの実験では、意図的に障害を加えた作業で、ロボットの完了時間を最大52.6％短縮し、成功率も改善したとしています。

NVIDIAは、機器の移動に応じて通信を調整し、ロボットや自律システムの接続を保つ研究も紹介しました。公開ツールの利用拡大は、研究機関や開発企業が次世代ネットワークの試作と比較を進めやすくする基盤となります。

Airbnbは2027年前半に、旅行の計画から予約まで支援するAIエージェントを投入する計画です。同社が2026年第3四半期の株主向け書簡で明らかにしました。利用者は旅行の希望を伝え、選択肢を検討し、Airbnb上で予約などの行動に移せるようになります。

同社は、一般的なチャット画面を旅行計画にそのまま使う方式を採りません。質問に合わせて地図、写真、比較表、カレンダー、旅程など数百種類の旅行向け画面要素を組み合わせ、専用のインターフェースをリアルタイムで構成する構想です。同行者と候補を比べながら決める利用も想定しています。

Airbnbは、ホストとゲストを結び、宿泊予約の過程に関わってきた経験が競争上の強みになると説明しています。旅行特化の画面設計と既存の予約基盤を組み合わせ、単純な質問応答を越えて、選択から予約までを一続きにする狙いです。

共同創業者兼CEOのブライアン・チェスキー氏は、以前から2027年のエージェント公開を示唆していました。同社はAIを製品開発や運営にも活用しており、旅行者向け機能の刷新を事業の中核に据えます。実際の提供開始までに、提示内容の精度や予約手続きとの連携が利用体験を左右しそうです。

MetaはAIアシスタントMuseに、目的に合わせた画面を作る新機能「Spaces」を追加しました。利用者がチャットで希望を伝えると、旅行計画や買い物管理、音楽トラッカーなどの専用スペースを生成し、アプリ内で作業を続けられます。

スペースには項目のチェック、メモの追加、内容の編集ができます。GmailやGoogleカレンダー、OpenTable、Notionなどの外部サービスを接続すると、予定や価格の変化をバックグラウンドで反映するとMetaは説明しています。

作成したスペースはサイドバーやメイン画面に配置でき、表示するタイミングも調整できます。MetaはMuseアプリとMeta AIチャットボットに、過去の情報を会話で活用する「Active Memory」などの機能も導入します。

SpacesはMuseの全利用者に展開中です。Metaは今後、スペースを他の利用者と共有し、共同作業できる方法も検討しています。個人向けAIを、単発の質問応答から継続的なタスク管理へ広げる動きです。

Amazonは2026年11月、米国の一部顧客を対象に、AIアシスタント「Alexa」とテキストメッセージで会話し、買い物を進める機能を始めました。利用者は自然な文章で商品を探し、カートへの追加から購入まで依頼できます。年末商戦を前に、音声中心だったAlexaを日常的な買い物窓口へ広げます。

機能は商品検索だけでなく、買い物リストの管理、価格の追跡、ウェブ上の商品比較、配送状況の確認にも対応します。商品や服装の写真を送れば、Amazon上で似た商品を探せます。Alexaは今後、利用者の好みを学び、商品を提案する計画です。

提供対象者には利用を促すメッセージが届き、招待されていない人は順番待ちリストに登録できます。Amazonは今後数週間で対象を広げるとしています。まず限定提供で使い勝手を確かめながら、テキストによる購入導線を整える段階です。

AIエージェントを巡っては、外部サービスのエージェントに任せる動きもあります。一方、DoorDashは外部エージェント経由の注文がこれまで数百件にとどまると説明し、自社のテキスト型エージェントを育てる方針を示しました。Amazonの施策も、顧客接点と購入データを自社内に保つ狙いがうかがえます。

ロボット向けシミュレーションを手がけるPhysiclは2026年11月、Inovia Capital主導のシードラウンドで1000万ドルを調達しました。創業者兼CEOのアレックス・ド・ヴィガン氏は、現実に近い仮想環境と合成データを提供し、ロボットや世界モデルの訓練を支援します。

同社の「Studio」には1万の3D環境と10万のアセットが含まれ、利用者は個別の課題に合わせた場面を作れます。例えば、散らかった台所や影の中にあるカップをロボットが見分ける訓練データを生成できます。

ロボット開発では、動画だけを使った学習の効果や、遠隔操作でデータを集める費用が課題です。仮想環境は有力な選択肢ですが、形状や素材、物理法則を現実に近づける必要があります。Physiclは、前身企業で培った3D再現技術をこの課題に転用します。

初期顧客の世界モデル企業SpAItialは、製品の再現性を高めるためにPhysiclの合成データを利用しています。Physiclは将来、学習状況に応じて必要なデータを自動生成する基盤を目指しており、訓練データの準備にかかる時間を短縮できるかが注目点です。

スタートアップのUnderdogは2026年11月、容量32MBの音声生成モデル「Woof」を公開し、ブラウザー上で試せるゲーム形式のデモを用意しました。同社によると、モデルは多くの端末でインターネット接続なしに動作し、入力した文章を音声で読み上げます。

Woofは3100万パラメーターで、一般にダウンロードできます。デモでは、タイプライターに文字を入力して音声を再生できるほか、音楽チューナーを操作する機能もあります。

大規模モデルの計算需要が増す一方、スマートフォンやPCなどで動く小型モデルの開発も進んでいます。記事は、Woofが大型モデルを置き換えるとは限らないものの、端末内アシスタントや個人向けポッドキャストなどに使える可能性を挙げています。

Underdogは数週間前に、文字起こしや口述入力向けの167MB音声認識モデル「Bark」も発表していました。創業者は、利用者がデータを自分の端末に保てるAIを目指すと説明しており、性能と端末要件の両立が今後の焦点です。

Hugging FaceのOpen ASR Leaderboardは2026年11月、Liva AIとの協業で、エジプト英語とナイジェリア英語の非公開音声データを評価用に追加しました。収録時間はそれぞれ1.34時間、1.55時間で、いずれも自然な会話音声です。多様な英語アクセントで音声認識を比べられるようにし、ベンチマークの代表性と信頼性を高めます。

追加データは、Liva AI Conversational EGとNGの2セットです。どちらも自発的な会話を収録し、句読点と大文字小文字を付け、言いよどみも残した書き起こしを備えます。作為的に読み上げた音声では捉えにくい実際の話し方を評価できます。

リーダーボードでは、アクセントを米国英語と非米国英語に分ける表示に、英国、オーストラリア、カナダ、インド、ナイジェリア、エジプトを含めます。また、米国・英国・オーストラリア・カナダの「内圏」と、インド・ナイジェリア・エジプトの「外圏・拡大圏」も比較できるようになります。

今回の追加は、評価対象となるアクセントや言語の幅を広げ、非公開データの活用でベンチマーク対策を抑える取り組みの一環です。今後、対象アクセントが増えれば、外圏と拡大圏を分けて示す方針です。開発チームは、世界各地の音声で認識性能を改善する動きを後押しします。

オランダのアムステルダム郊外で2026年11月、Microsoftが入居するデータセンターの建設現場に約100人の抗議者が立ち入りました。活動団体Geef Tegengasなどが抗議を組織し、現場のクレーンにはAIに反対する横断幕が掲げられました。

建設計画は高さ85メートルの棟3棟で構成され、英国の開発会社Pure Data Centresが施工しています。報道によると、現場ではMicrosoftへの抗議やパレスチナに関する主張を記した横断幕も掲げられました。

アムステルダム市は2025年、新たなデータセンター建設を2030年まで認めない方針を決めました。一方、この計画は2016年から進められており、規制導入前の計画として建設段階に至ったとされています。

今回の抗議は、ダブリンのMicrosoft施設を含む欧州各地での反対運動と同じ週に起きました。電力や地域への影響に加え、AIや企業活動への批判も重なっており、既存計画をどこまで進めるかが問われています。

AkaiやMoogを傘下に持つinMusicは、音楽機器のユーザー改造を支援する方針です。CEOのジャック・オドネル氏は、MPCなどの内部仕様やコードを公開し、開発者向けSDKも用意すると説明しました。

SDKは改造を容易にするとともに、機器が起動不能になるリスクを抑える狙いがあります。公式ソフトの安定性を保ちながら、実験後に状態を戻せるリセット機能も検討しています。

同社は音楽機器の見本市NAMMで、傘下ブランドの22製品を試せる「Creator Lab」を設ける計画です。アナログ回路を持つMoog製品についても、回路部分を適切に扱う開発基盤を整え、改造の余地を探ります。

改造をめぐっては、ファームウェア変更で故障や保証への影響を懸念するメーカーもあります。一方、inMusicは利用者を締め出すより、安全に試せる道具を提供する考えで、音楽機器の開発参加を広げようとしています。

元Rockstarの技術ディレクター、オッベ・フェルメイ氏は、AIを使ったゲーム解析が、Rockstarに「GTA VI」PC版の開発を早めさせる可能性があると述べました。AIによる逆解析でコンソール版をPC向けに改変する動きが現実味を帯びれば、公式移植を長期間待つ従来の販売戦略に圧力がかかるという見立てです。

Rockstarは過去の主要作で、コンソール版を先行させ、PC版を数カ月から数年遅らせてきました。フェルメイ氏は、AIを使えばコンソール版の実行ファイルから移植しやすいコードを作る作業を、従来より少ない人手で進められると指摘します。非公式版でも一部のPCプレイヤーを満足させる品質になる可能性があるとしています。

ただし、同氏の試算では解析に数万ドル相当のトークン費用がかかり、完成品はRockstarの公式移植ほどの品質にならない見込みです。脅威が開発判断にどの程度影響するかは、技術の進歩や非公式移植の出来に左右されます。

GTA VIのPC版について公式な発売時期は発表されていません。報道ではRockstarが2027年第1四半期を目標にしているとされますが、AI逆解析が実際に発売を早めるかは未確定です。企業にとっては、生成AIが開発コストを下げるだけでなく、知的財産の保護やプラットフォーム戦略にも影響し得る事例です。

米サンフランシスコでは、AIへの賛否が恋愛相手を選ぶ際の価値観として表れています。 デートアプリのプロフィールに「AIを使う人とは付き合わない」と書く人もおり、技術の社会的影響や倫理観が、政治的な立場と同じように会話の題材になっています。AI産業の中心地でも、受け止め方は一様ではありません。

AI安全性の研究者の中には、AIの将来リスクや社会変化を踏まえ、子どもを持つか、長期の人生設計をどうするか悩む人がいます。最先端AI企業で働く相手との交際に慎重な人がいる一方、職業やAIへの態度は恋愛で大きな要素ではなく、収入面の魅力を感じるという声もあります。

AIチャットボットを感情の整理に使うことへの評価も分かれます。人に話しにくい悩みを言語化する助けとして認める人がいる一方、過度な依存や人間関係の代替を心配する人もいます。AIにどう接するかを相手の価値観の表れとみる意見も紹介されました。

デートの相手探しそのものをAIに任せる例もあります。ある起業家はAIエージェントにプロフィール閲覧やメッセージ送信をさせ、相性が合えば予定を組ませています。対照的に、地域イベントではAIを介さない対面交流を求める人もおり、効率化と人間らしいつながりの間で模索が続いています。