エージェント（LLM技術）に関するニュース一覧

NVIDIAは2026年3月のGTC 2026において、ローカル環境で動作するAIエージェント向けの新しいオープンモデル群と開発基盤を発表しました。DGX SparkやRTX PCでクラウド級の性能を実現することを目指しています。

Nemotron 3 Superは1200億パラメータのオープンモデルで、アクティブパラメータは120億に抑えられています。エージェントAI向けベンチマークPinchBenchで85.6%を記録し、同クラスのオープンモデルで最高スコアを達成しました。

小型モデルとしてはNemotron 3 Nano 4Bが発表され、GeForce RTX搭載PCでもエージェントやアシスタントの構築が可能になります。AlibabaのQwen 3.5シリーズ向けの最適化も同時に提供され、26万2000トークンの大規模コンテキストウィンドウに対応します。

エージェント実行基盤としてNemoClawがオープンソースで公開されました。OpenClaw向けの最適化スタックで、ローカルモデルによる推論でトークンコストを削減し、OpenShellランタイムによるセキュアな実行環境を提供します。

ファインチューニングの分野では、Unsloth StudioがウェブベースのUIで公開され、500以上のAIモデルに対応します。従来は高度な技術知識が必要だったカスタマイズ作業を、ドラッグ＆ドロップの直感的な操作で完結できるようになりました。

クリエイティブAI分野では、LightricksのLTX 2.3がNVFP4・FP8対応で2.1倍の高速化を実現し、Black Forest LabsのFLUX.2 Klein 9Bも画像編集が最大2倍に高速化されました。RTX GPU向けに最適化されたモデルが続々と登場しています。

Nvidiaの研究チームは、大規模言語モデルの会話履歴管理に必要なメモリを最大20分の1に圧縮する新技術「KVTC（KV Cache Transform Coding）」を発表しました。モデルの重みを一切変更せずに適用でき、最初のトークン生成までの遅延も最大8倍短縮されます。

LLMがマルチターン会話を処理する際、過去のトークンの数値表現を保持するKVキャッシュが不可欠ですが、長文脈タスクでは数ギガバイトに膨張します。これがGPUメモリを圧迫し、同時ユーザー数やレイテンシの深刻なボトルネックとなっていました。

KVTCはJPEGなどのメディア圧縮で実績のある変換符号化の手法をAIに応用しています。まず主成分分析（PCA）でKVキャッシュの特徴量を重要度順に整列し、動的計画法で各次元に最適なビット数を割り当てた後、NvidiaのnvCOMPライブラリを用いてGPU上で高速にエントロピー符号化を実行します。

Llama 3やQwen 2.5など1.5Bから70Bパラメータの多様なモデルで検証した結果、20倍圧縮時でも精度低下は1ポイント未満にとどまりました。一方、既存手法のKIVIやGEARは5倍圧縮で大幅な精度劣化が発生し、KVTCの優位性が明確に示されています。

NvidiaのAdrian Lancucki氏は、コーディングアシスタントやエージェント推論ワークフロー、反復的RAGが理想的な適用先と述べています。今後KVTCはDynamoフレームワークのKV Block Managerに統合され、vLLMなど主要な推論エンジンとの互換性が確保される予定です。

NVIDIAは GTC 2026において、AT&T;、Comcast、Spectrum、Akamai、Indosat、T-Mobileの通信大手6社と連携し、地理的に分散したAI推論基盤「AIグリッド」の構築を発表しました。通信網をAI配信の中核に据える構造的転換が進んでいます。

世界の通信事業者は約10万カ所の分散データセンターを運営しており、余剰電力は100ギガワット超に達します。AIグリッドはこの既存資産を活用し、ユーザーやデバイスの近くでAI推論を実行することで、応答速度の向上とトークンあたりコストの最適化を同時に実現します。

AT&T;はCiscoおよびNVIDIAと提携し、IoT向けAIグリッドを構築します。公共安全などミッションクリティカルな用途で、リアルタイムのAI推論をネットワークエッジで処理し、機密データの顧客管理を維持しながら検知・警報・対応を高速化します。

ComcastはNVIDIAやHPEと連携し、会話エージェントやクラウドゲーミングの需要急増時でも高スループットと低コストを維持できることを実証しました。Akamaiは4400超のエッジ拠点に数千基のBlackwell GPUを配備し、リクエストごとに最適な計算層へ振り分けるオーケストレーション基盤を構築しています。

インドネシアのIndosatは国内にソブリンAI基盤を整備し、現地語対応のAIプラットフォーム「Sahabat-AI」を展開します。T-Mobileはスマートシティや配送ロボットなど物理AIの実証を進めており、セルサイトが5G通信と分散AI処理を両立できることを示しています。

NVIDIAはAIグリッドリファレンスデザインを公開し、分散拠点でのAI展開に必要なコンピューティング・ネットワーキング・ソフトウェアの構成要素を定義しました。Cisco、HPE、Armada、Rafayなどのパートナーがフルスタックソリューションの市場投入を進めており、通信事業者がAIバリューチェーンで新たな収益源を確保する動きが加速しています。

MIT-IBM Watson AI Labが、MITの若手教員5名のAI研究プログラム立ち上げにおいて決定的な役割を果たしたことが明らかになりました。計算資源の提供と知的パートナーシップにより、各教員が着任初年度から野心的な研究を開始できた点が特徴です。

自然言語処理を専門とするJacob Andreas准教授は、着任直後にラボを通じて言語表現と低リソース言語のデータ拡張手法に関する初の大型プロジェクトを開始しました。NLP分野が言語モデル理解へと大きく転換する時期に、大規模計算資源を活用できたことが研究の方向性を決定づけたと述べています。

Yoon Kim准教授はポスドク時代にIBM側の共同研究者と出会い、ニューロシンボリックモデルの開発から大規模言語モデルの能力向上・効率化へと研究を発展させました。プロジェクト申請から大規模実験、ボトルネック特定、手法検証までシームレスに進められる体制が独自の強みだと評価しています。

Justin Solomon准教授はコンピュータグラフィックスと機械学習の融合研究で、異なるデータセットで訓練されたAIモデルの統合に取り組んでいます。Chuchu Fan准教授はロボット工学と制御理論の交差領域で、自然言語をロボットが理解・実行できる仕様に変換するLLMベースエージェントを世界に先駆けて開発しました。

Faez Ahmed准教授は機械学習による複雑な機械システムの設計加速に取り組み、従来「ほぼ解決不可能」とされた機械リンケージ問題をAIで解決可能にしました。5名の教員の経験は、持続的な産学連携が若手研究者の研究グループ確立と科学的探求にいかに大きな影響を与えるかを示しています。

仏Mistral AIは2026年3月17日、企業が自社の独自データを使ってAIモデルを構築・カスタマイズできるエンタープライズ向けモデル訓練基盤「Forge」を発表しました。NvidiaのGTCカンファレンスで披露され、クラウド大手への対抗姿勢を鮮明にしています。

Forgeは従来のファインチューニングAPIを大幅に超え、大規模内部データでの事前学習、教師ありファインチューニング、DPO、ODPOによるポストトレーニング、さらに社内ポリシーや評価基準に沿った強化学習パイプラインまでフルサイクルで対応します。製品責任者のサラマンカ氏は「AIサイエンティストはもはやファインチューニングAPIを使っていない」と述べています。

早期導入企業の事例では、Ericssonがレガシーコードの現代化に活用し、年単位の手作業を大幅に短縮しました。また古文書の欠損テキスト復元や、ヘッジファンドの独自定量言語への対応など、汎用モデルでは解決できない高度な専門領域での成果が報告されています。

ビジネスモデルは顧客が自社GPU上で訓練する場合、ライセンス料とデータパイプラインサービス料を課金し、計算資源は非課金とします。最大の特徴は「フォワードデプロイド・サイエンティスト」と呼ばれる組込み型AI研究者の派遣で、Palantir型の伴走支援モデルを採用しています。

同週にはMistral Small 4、オープンソースコードエージェントLeanstral、NvidiaとのNemotron Coalition参画も発表されました。ARRは2026年中に10億ドル突破を見込んでおり、ASMLや欧州宇宙機関など機密性の高い組織との提携を通じ、「AIを借りるのではなく所有する」という戦略を加速させています。

LangChainは、AIエージェントが安全にコードを実行できるサンドボックス環境「LangSmith Sandboxes」をプライベートプレビューとして公開しました。エージェントによる任意コード実行のリスクを軽減する目的で開発されています。

従来のコンテナは既知のアプリケーションコード向けに設計されており、エージェントが生成する予測不能なコードの実行には適していませんでした。LangSmith Sandboxesは各サンドボックスをハードウェア仮想化されたmicroVMで隔離し、Linuxの名前空間だけに頼らないカーネルレベルの保護を提供します。

セキュリティ面では認証プロキシを介して外部サービスに接続する仕組みを採用し、認証情報がサンドボックス内に一切残らない設計です。CPU・メモリ・ディスクのリソース制限も組み込まれており、エージェントの暴走を防止します。

実行機能としては、長時間タスクのタイムアウトなし動作、WebSocketによるリアルタイム出力ストリーミング、複数スレッドにまたがる永続的な状態保持に対応します。また、ウォームプールの事前確保とオートスケーリングにより、需要増加時にも待ち時間を最小化します。

今後は共有ボリュームによるエージェント間の状態共有、実行可能バイナリの制御、仮想マシン内の全プロセス・ネットワーク呼び出しの完全トレーシング機能を開発予定です。同社のOpen SWEプロジェクトでも内部利用されており、コーディングエージェント構築の基盤として位置づけられています。

LangChainは、企業が社内向けコーディングエージェントを構築するためのオープンソースフレームワーク「Open SWE」を公開しました。Deep AgentsとLangGraph上に構築され、Stripe・Ramp・Coinbaseなど大手企業が独自開発した社内エージェントの共通設計パターンを再現しています。

Open SWEの中核は隔離されたクラウドサンドボックスです。各タスクは専用のLinux環境で実行され、リポジトリのクローンとフル権限が与えられる一方、エラーの影響範囲はその環境内に封じ込められます。Modal、Daytona、Runloopなど複数のサンドボックスプロバイダーに対応しています。

ツールセットは約15種に厳選されており、シェル実行・Webフェッチ・GitHub PR作成・Linear連携・Slack返信などを備えます。Stripeが約500ツールを運用する中でも「量より品質管理が重要」と指摘しており、Open SWEもこの方針を踏襲しています。

サブエージェントとミドルウェアの二層構造が特徴です。複雑なタスクは専門の子エージェントに分割委譲され、ミドルウェアはPR自動作成やフォローアップメッセージの注入など確実に実行すべき処理を担います。これにより柔軟性と信頼性を両立させています。

呼び出しはSlack・Linear・GitHubの3チャネルに対応し、開発者は既存のワークフロー内でエージェントを起動できます。MITライセンスで公開されており、サンドボックス・モデル・ツール・システムプロンプトなど主要コンポーネントはすべてカスタマイズ可能な設計です。

H Companyは2026年3月17日、NVIDIAのNemotron-Nano-2 VLモデルをベースにしたマルチモーダルコンピュータ操作エージェントモデル「Holotron-12B」をHugging Faceで公開しました。本モデルは画面認識・操作に特化し、量産環境での高スループット推論を目指して開発されたものです。

Holotron-12Bの推論効率を支えるのは、状態空間モデル（SSM）とアテンション機構のハイブリッドアーキテクチャです。従来のTransformerが抱える二次計算コストを回避し、長いコンテキストや複数画像を含むエージェント的ワークロードで優れたスケーラビリティを実現しています。

ベンチマーク評価では、WebVoyagerスコアがベースモデルの35.1%から80.5%へと大幅に向上しました。H100 GPU1枚でvLLMを使用した実験では、同時接続100の条件下で8.9kトークン/秒のスループットを記録し、前モデルHolo2-8Bの5.1kトークン/秒を大きく上回りました。

学習は2段階で実施されました。NVIDIAのNemotron-Nano-12B-v2-VLを起点に、H Company独自の画面理解・ナビゲーションデータで教師あり微調整を行い、約140億トークンで最終チェックポイントを構築しています。ライセンスはNVIDIA Open Model Licenseで公開されています。

今後の展開として、NVIDIAが同日発表したNemotron 3 Omniをベースとした次世代モデルの開発も予告されました。SSM-AttentionとMoEアーキテクチャを活用し、企業向けの大規模自律型コンピュータ操作への展開を目指すとしています。

Googleは、Gemini APIにおけるエージェント向けツール機能を大幅にアップデートしました。組み込みツールとカスタム関数の同時利用、ツール間のコンテキスト循環、Gemini 3へのMapsグラウンディング拡張が主な内容です。

これまで開発者は、Google検索などの組み込みツールとカスタム関数を別々にオーケストレーションする必要がありました。今回の更新により、同一リクエスト内で両方を渡せるようになり、エンドツーエンドのレイテンシ削減とエージェント設計の簡素化が実現します。

マルチステップワークフローでは、あるツールの出力を別のツールの入力として使う場面が頻出します。新たなコンテキスト循環機能により、組み込みツールの呼び出しと応答がモデルのコンテキストに保持され、後続ステップでのデータ参照と推論が可能になります。

デバッグ性の向上も図られています。すべてのツール呼び出しに一意の識別子（id）が付与されるようになり、非同期実行や並列関数呼び出し時にモデルのリクエストとクライアント応答を正確に対応付けられます。

さらにGemini 3ファミリーでGoogle Mapsグラウンディングが利用可能になり、最新の空間データや地域のビジネス情報、通勤時間などをエージェントに組み込めます。Googleは、これらの機能を活用する際に新しいInteractions APIの使用を推奨しています。

1PasswordのNancy Wang CTOとCorridorのAlex Stamos CPOが、AIエージェントのID管理における課題を議論しました。エージェントがCRMログインやDB参照、メール送信を行う際、誰の権限で動作しているかが不明確な状況が企業で広がっています。

最大の問題の一つは、開発者がAPIキーやパスワードをプロンプトに直接貼り付ける行為です。Corridorはこの行為を検知して開発者を適切なシークレット管理へ誘導しており、1Passwordはコード出力側で平文の認証情報をスキャンして自動的にボールトに格納する仕組みを構築しています。

コンテナ環境向けに開発されたSPIFFE/SPIREをエージェント文脈に適用する試みが進んでいますが、Wang氏は「四角い杭を丸い穴に無理やり押し込んでいる」と認めています。認証だけでなく、エージェントにタスク単位の時間制限付き権限を付与する認可の仕組みが不可欠です。

Stamos氏は標準化の方向性としてOIDC拡張が最有力と指摘し、独自ソリューションを展開する約50社のスタートアップについて「どれも勝者にはならない」と断言しました。また、セキュリティスキャナーの誤検知がLLMのコード生成能力を根本的に損なうリスクも警告しています。

Facebook時代に1日約70万件のアカウント乗っ取りに対処した経験を持つStamos氏は、10億ユーザー規模では「コーナーケースが実際の人的被害を意味する」と強調しました。エージェントのID基盤は人間向けの仕組みを流用するのではなく、ゼロから設計する必要があると結論づけています。

中国AIスタートアップZ.aiは、オープンソースのGLM-5をベースにしたプロプライエタリ版「GLM-5 Turbo」を発表しました。エージェント駆動型ワークフロー向けに最適化された同モデルは、OpenRouterのAPIを通じて即日利用可能です。

価格は入力100万トークンあたり0.96ドル、出力100万トークンあたり3.20ドルに設定されています。前身モデルより合計コストで約0.04ドル安く、Claude Haiku 4.5やGemini 3 Flashなど競合モデルと比較しても競争力のある水準です。

技術面では、複雑な指示の分解・ツール呼び出し・スケジュール実行・長時間タスクの安定性が改善されています。OpenRouterのデータによると、ツール呼出エラー率はわずか0.67%で、GLM-5の各プロバイダー（2.33〜6.41%）を大きく下回ります。

注目すべきはライセンス戦略の変化です。Z.aiはGLM-5 Turbo自体の公開は明言せず、得られた知見を次期オープンソースモデルに反映するとしています。これはAlibaba Qwen部門の幹部離脱や組織再編と合わせ、中国AI業界全体の商用化シフトを示唆しています。

この動きは、OpenAI・Anthropic・Googleが採用する「オープンで普及、プロプライエタリで収益化」という米国型ハイブリッド戦略と酷似しています。エージェントプラットフォームを検討する開発者にとって、GLM-5 Turboは製品であると同時に、中国AI市場の構造変化を読み解く重要なシグナルです。

a16z（Andreessen Horowitz）は、AIがSAP・ServiceNow・Salesforceなどの大規模レガシー基幹システムの活用方法を根本的に変えると提言しました。これらのシステムは企業の中核データと業務プロセスを握っており、置き換えは極めて困難ですが、AIによる「再生」が現実的な選択肢になりつつあります。

レガシーシステムの課題は深刻です。SAP ECCからS/4HANAへの移行には最大7億ドル・3年・50人規模のコンサルチームが必要とされ、独リドルは5億ドルを投じた移行を断念しました。デジタル作業者は1日平均1,200回もアプリを切り替え、週4時間を浪費しています。システム統合市場だけで2023年に約3,800億ドル規模に達しています。

AIの活用領域は大きく3つあります。第一に「導入・移行」では、要件定義やテスト自動化により工期とリスクを圧縮します。AxiamaticやTesseraなどのスタートアップが、ERP移行プロジェクトの失敗を早期検知し、コンサルタント依存を削減するツールを提供しています。

第二に「日常利用」では、AIコパイロットがSlackやブラウザから質問応答と安全な操作実行を担います。APIが存在しない業務には「コンピュータ使用型エージェント」がUI操作を自動化し、従来手作業だった残り30〜40%のワークフローもカバーします。Factor LabsやSolaが本番環境で実用化を進めています。

第三に「拡張」では、レガシーシステム上に薄型アプリを迅速に構築します。12のSAPトランザクションを1画面に集約するベンダーオンボーディングや、複数システムを横断するイベント駆動ワークフローが実現します。a16zは最終的に基幹システム自体は残りつつも、AIが「意図駆動型の操作レイヤー」となり、ユーザーは画面やコードではなく目的を伝えるだけで業務が完結する世界を描いています。

AIエージェントがユーザーに代わってWebサイトを操作する場面が増え、企業が依拠してきたアクセス解析の前提が崩れ始めています。ページビューやクリックといった指標は正確でも、その背後にある意図が人間のものとは限らなくなっているのです。

従来の自動化トラフィックは規則的な挙動で容易に検出できましたが、大規模言語モデルを活用した最新のAIエージェントは標準ブラウザで動作し、スクロールや非線形なナビゲーションを行うため、人間との区別が極めて困難になっています。技術的な異常検知だけでは対処できない時代に入りました。

EC事業者が商品閲覧数やカート追加の増加を需要シグナルと判断して広告費を増やしたものの、実態はAIによる価格監視や比較操作だったという事例が生じています。デジタルメディアではPV増加と広告収益が連動せず、SaaS企業では機能探索が増えてもコンバージョンに結びつかない現象が報告されています。

こうした課題に対し、CAPTCHAやレート制限による排除型アプローチから、行動文脈を分析する解釈型アプローチへの転換が進んでいます。人間特有の非効率な操作パターンとエージェントの構造的なロジックの違いを、ナビゲーションフローやタイミングの変動から確率的に推定する手法が注目されています。

ビジネスリーダーに求められるのは、エンゲージメント指標の再評価、活動と意図の分離、文脈的・確率的な計測手法への投資、そしてAI参加が拡大する中でのデータ品質の維持です。Web上のインタラクションは人間の直接操作からAI支援、完全自律までの連続体として捉える時代に移行しています。

Picsartは、クリエイターがAIアシスタントを「雇用」できるAIエージェントマーケットプレイスを開設しました。SNSコンテンツのリサイズやリミックス、商品写真の編集など、特定タスクを自動化する4種類のエージェントを提供開始しています。

最も高機能なFlairエージェントはShopifyと連携し、市場トレンドを分析してオンラインストアの改善提案を行います。将来的にはA/Bテストの実施や低パフォーマンス商品の特定も可能になる予定で、ECオーナーの売上向上を包括的に支援します。

Resize Proエージェントは各プラットフォームの推奨サイズに画像・動画を自動変換します。元の素材がサイズに合わない場合はAIが生成的にフレームを拡張し、意図的に構図を整えたような仕上がりを実現します。

これらのエージェントはWhatsAppやTelegram上でも利用可能で、デスクでも移動中でもチャット形式で指示を出せます。CEOのアヴォヤン氏は「クリエイターは操作者から意思決定者へ変わる」と、エージェントによるワークフロー革新を強調しました。

安全面では、エージェントの自律レベルをユーザーが設定でき、すべての操作に承認を求めるモードも用意されています。LLMベースのソフトウェアに伴うハルシネーションや意図しない動作のリスクに対し、段階的な制御で対応しています。無料プランでは利用が限定的で、本格利用には月額約10ドルからの有料プランが必要です。

Nvidiaのジェンスン・ファンCEOは2026年3月のGTC基調講演で、オープンソースAIエージェント基盤OpenClawに企業向けセキュリティ機能を組み込んだNemoClawを発表しました。すべての企業にOpenClaw戦略が必要だと訴えています。

NemoClawはOpenClaw開発者ピーター・シュタインベルガー氏と共同開発され、任意のコーディングエージェントやオープンソースAIモデルを活用できます。Nvidia製GPUに限定されずハードウェア非依存で動作する点が特徴ですが、現時点ではアルファ版の位置づけです。

一方でOpenClawのセキュリティリスクは深刻です。Token Securityの調査では企業顧客の22%がIT部門の承認なくOpenClawを運用しており、Bitsightは2週間で3万件超の公開インスタンスを確認しました。ClawHubスキルの36%にセキュリティ欠陥が含まれるとの報告もあります。

特に危険な攻撃面は3つあります。第一にランタイム意味的データ抽出で、エージェントが正規APIを通じて悪意ある指示に従います。第二にクロスエージェント文脈漏洩で、1つのプロンプト注入が全エージェントチェーンを汚染します。第三に相互認証なしの信頼チェーンで、侵害されたエージェントが他の全エージェントの権限を継承します。

緊急対応としてClawSecやIronClawなど6つの防御ツールが14日間で開発されましたが、いずれも上記3つの根本的脆弱性は解消できていません。セキュリティ顧問のオライリー氏はスキルを実行ファイルとして扱う能力仕様の標準化を提案しており、企業はOpenClawが既に社内環境に存在する前提でリスク対策を講じる必要があります。

OpenAIは自社のコードセキュリティ製品「Codex Security」において、従来の静的解析（SAST）レポートを起点としない設計を採用しました。代わりにリポジトリのアーキテクチャ、信頼境界、意図された動作から分析を開始し、人間に報告する前に検証を行う方針です。

SASTは入力源から危険なシンクまでのデータフロー追跡に優れますが、実際のコードベースでは間接呼び出しやリフレクション、フレームワーク固有の制御フローにより近似処理が必要になります。より根本的な問題は、サニタイザーが存在しても、その制約が変換チェーン全体で維持されるかを判定できない点にあります。

具体例として、JSONペイロードから取得したリダイレクトURLに対し正規表現チェック後にURLデコードを行うパターンがあります。CVE-2024-29041ではExpressにおいて、不正なURLがデコード・解釈の過程で許可リストを迂回できる脆弱性が発見されました。データフローは明白でも、変換後に検証が有効かが真の問題でした。

Codex Securityはコードパスをセキュリティ研究者のように読み、検証と実装の不一致を探します。最小のテスト可能な単位に分解してマイクロファザーを生成し、Python環境のz3ソルバーで制約充足問題として形式化することも可能です。サンドボックス環境でエンドツーエンドのPoCを実行し、疑惑と確証を区別します。

SASTレポートを起点としない理由は3つあります。第一に、既存の検出結果が探索範囲の早期収束を招きます。第二に、SASTが内包する暗黙の前提が推論を歪め、調査ではなく確認作業に陥ります。第三に、エージェント自身の発見能力の評価が困難になり、システム改善の妨げとなります。

Nvidiaは2026年3月16日、サンノゼで開催した年次カンファレンスGTC 2026において、次世代AIコンピューティング基盤「Vera Rubin」プラットフォームを発表しました。CEOのジェンスン・フアン氏は基調講演で、BlackwellとRubinチップの受注見通しが1兆ドルに達すると宣言しています。

Vera RubinはVera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9、BlueField-4 DPU、Spectrum-6、Groq 3 LPUの7チップで構成されます。旗艦モデルのNVL72ラックは72基のRubin GPUを搭載し、Blackwell比で推論スループットがワットあたり最大10倍、トークン単価は10分の1を実現するとしています。

Anthropicのダリオ・アモデイCEO、OpenAIのサム・アルトマンCEO、Metaらがプラットフォーム採用を表明しました。AWS、Google Cloud、Microsoft Azure、Oracle Cloudの4大クラウドがすべて提供を予定しており、80社超の製造パートナーがシステムを構築します。Microsoftはハイパースケールクラウドとして初めてVera Rubin NVL72を稼働させたと発表しました。

ソフトウェア面では、企業向けAIエージェント構築基盤「Agent Toolkit」をオープンソースで公開しました。Adobe、Salesforce、SAP、ServiceNow、CrowdStrikeなど17社が採用を表明し、セキュリティランタイム「OpenShell」やコスト最適化のAI-Qを統合した包括的な開発環境を提供します。推論OS「Dynamo 1.0」も主要クラウドに採用されています。

ハードウェアでは、GB300チップ搭載のデスクトップ型スーパーコンピュータ「DGX Station」を発表しました。748GBの統合メモリと20ペタフロップスの演算能力で、1兆パラメータモデルをクラウド不要でローカル実行できます。NemoClawと組み合わせ、常時稼働型AIエージェントの個人運用を可能にします。

さらにNvidiaは、Mistral AIら8組織とNemotron Coalitionを結成し、オープンフロンティアモデルの共同開発を開始します。自動運転分野ではBYD・日産らがLevel 4対応車両を開発中で、Uberとは2028年までに28都市でロボタクシー展開を計画しています。製薬大手ロシュは3,500基超のBlackwell GPUを導入し、AI創薬を加速させます。

今回のGTC 2026は、NvidiaがチップメーカーからAIプラットフォーム企業への転換を鮮明にした大会となりました。ハードウェア、ソフトウェア、モデル、エージェント基盤を垂直統合し、宇宙からデスクトップまであらゆるスケールのAIインフラを一社で提供する戦略は、競合であるAMDやGoogle TPU、Amazon Trainiumとの差別化を図るものです。

Nvidiaは2026年のGTCにおいて、AIエージェント向けの新たなモジュラー型リファレンスアーキテクチャ「BlueField-4 STX」を発表しました。GPUと従来型ストレージの間に専用のコンテキストメモリ層を挿入し、推論時のボトルネックを解消する設計です。

STXが解決を目指すのは、KVキャッシュデータの処理遅延です。KVキャッシュとは、LLMが推論時に保存する中間計算結果であり、エージェントがセッションやツール呼び出しを跨いで文脈を維持するために不可欠です。コンテキストウィンドウの拡大に伴いキャッシュも肥大化し、従来のストレージ経由ではGPU利用率が低下していました。

STXはNvidia自身が直接販売する製品ではなく、ストレージパートナー向けのリファレンスアーキテクチャです。新型BlueField-4プロセッサにVera CPUとConnectX-9 SuperNICを統合し、Spectrum-X Ethernet上で動作します。ソフトウェア面ではDOCAプラットフォームに「DOCA Memo」を追加し、プログラマブルな最適化基盤を提供します。

パートナーにはDell、HPE、NetApp、VAST Dataなどストレージ大手12社が共同設計に参加し、CoreWeave、Oracle Cloud、LambdaなどAIネイティブクラウド8社も採用を表明しています。IBMはSTX共同設計者であると同時に、Nvidia自身がIBM Storage Scale System 6000をGPU分析基盤に採用したことも発表されました。

STXの登場は、エンタープライズAI基盤においてストレージ層がGPU調達と同等の重要な意思決定対象になることを示唆しています。ただし、性能値の比較ベースラインは未公開であり、導入判断には詳細な検証が必要です。2026年下半期にパートナー各社からSTXベースの製品が提供開始される見通しで、今後12カ月以内にストレージ更新を検討する企業は選択肢として考慮すべきです。

LangChainは、langgraph-cliパッケージに新たなdeploy CLIコマンド群を追加し、コマンドライン一つでAIエージェントをLangSmith Deploymentへデプロイできる機能を公開しました。

中核となるlanggraph deployコマンドは、ローカルのLangGraphプロジェクトからDockerイメージを自動構築し、本番運用に必要なインフラを一括で構成します。手動でのサーバー設定が不要になり、開発者の負担を大幅に軽減します。

インフラ面では、永続化のためのPostgreSQLとメッセージストリーミング用のRedisが自動的にセットアップされます。これにより、エージェントは追加設定なしに本番環境で安定稼働できます。

GitHub ActionsやGitLab CI、Bitbucket Pipelinesなど既存のCI/CDワークフローとの統合も容易です。デプロイの一覧表示、ログ確認、削除といった管理コマンドも同時に提供されています。

開発者向けにはdeep agentとsimple agentの新テンプレートも公開されており、langgraph newコマンドで雛形を生成できます。uvxを使えばインストール不要で即座に試用が可能です。

LangChainは2026年3月16日、NVIDIAとの包括的な統合を発表し、企業向けエージェントAI開発プラットフォームを提供すると明らかにしました。累計ダウンロード数10億回を超える同社のオープンソースフレームワーク群と、NVIDIAのAIツールキットを組み合わせた構成です。

プラットフォームはLangGraphによるマルチエージェントのオーケストレーション、Deep Agentsによるタスク計画とサブエージェント生成、そしてNVIDIA AI-Q Blueprintによるディープリサーチ機能を備えます。NeMo Agent Toolkitにより既存のLangGraphエージェントを最小限のコード変更で導入できます。

実行面ではNIMマイクロサービスが標準デプロイ比で最大2.6倍のスループットを実現します。Nemotron 3 SuperのMoEアーキテクチャにより単一GPUでのコスト効率の高い展開が可能です。並列実行や投機的実行によるレイテンシ削減も自動的に適用されます。

監視面ではLangSmithが150億トレース・100兆トークンの処理実績を持ち、分散トレーシングやコスト監視を提供します。NeMo Agent Toolkitのテレメトリと統合することで、インフラレベルとアプリケーションレベルの可観測性を一元化できます。

さらにLangChainはNVIDIAのNemotron Coalitionに参画し、オープンなフロンティアモデルの共同開発に取り組みます。将来的にはDeep AgentsがCUDA-Xライブラリを活用したGPUアクセラレーション環境で動作し、金融や医療分野での大規模データ処理を可能にする構想も示されました。

YahooのCEOジム・ランゾーン氏がThe Vergeのポッドキャスト「Decoder」に出演し、2021年のVerizonからのスピンアウト以降の再建戦略を詳細に語りました。同社は現在、Apollo Global傘下の独立企業として数十億ドル規模の売上を誇り、高い収益性を実現しています。

再建の柱となったのは、非中核事業の売却と広告技術の再編です。TechCrunchやEngadgetなどのメディアブランドを売却し、収益性の低いSSPとネイティブ広告事業を廃止しました。代わりにDSP（デマンドサイドプラットフォーム）に集中投資し、NetflixやSpotifyを含むCTV広告配信で成長を遂げています。

注目すべきは、新たに立ち上げたAI検索エンジン「Scout」の戦略です。Anthropicの軽量モデルHaikuとYahooの独自データを組み合わせ、コスト効率の高いAI回答エンジンを構築しました。ChatGPTやGoogleと異なり、パブリッシャーへの明示的なリンクとトラフィック送客を重視する設計思想を打ち出しています。

ランゾーン氏は、Yahoo Mailの利用者の50%がZ世代・ミレニアル世代であることを明かし、ユーザー基盤の若返りが進んでいると強調しました。7億人のグローバルユーザーに対してScoutを各プロダクトに統合配信し、検索頻度の向上を通じた成長を目指す方針です。今後はパーソナライズやエージェント機能の追加も予定しています。

スポーツ賭博や予測市場については、自社での運営には参入せず、情報提供と送客に徹する姿勢を明確にしました。Polymarket連携やBetMGMとの提携は広告契約に近い位置づけです。将来的にはIPOを視野に入れつつ、コングロマリット型のGM制で各事業の自律的成長を促す経営体制を維持していく考えを示しました。

DataRobotは2026年3月、NVIDIAと共同開発したAgent Workforce Platformにおいて、大規模言語モデル「Nemotron 3 Super」のワンクリック展開機能を発表しました。企業がAIエージェントを本番環境で安全に運用するための統合基盤を提供します。

Nemotron 3 Superは1200億パラメータのハイブリッドMamba-Transformerモデルで、100万トークンのコンテキストウィンドウを備えています。DataRobotのプラットフォームでは、GPU構成の自動推奨、監視・アクセス制御の即時有効化、チーム別クォータ管理が標準で組み込まれており、展開直後から運用可能な状態になります。

コスト管理面では、思考予算の調整により同一モデルで精度とコストのトレードオフを制御できます。金融推論ベンチマークでは、最高設定で約86%の精度に対し、最低設定でも約74%を維持しつつトークン消費を14分の1に抑えられることが実証されました。

ガバナンス面では、Oktaとの統合により、AIエージェントを企業ディレクトリ上の独立したIDとして管理する仕組みを実現しました。従来の共有APIキーによる認証では、非決定的なエージェントの行動追跡や即時無効化が困難でしたが、ID基盤型ガバナンスにより人間と同一の管理体系でエージェントを統制できます。

ハードウェア面では、NVIDIA RTX PRO 4500をDataRobotプラットフォームの推論エンジンとして技術検証済みであることを発表しました。32GBのGDDR7メモリとBlackwellアーキテクチャを搭載し、リアルタイム物流最適化やRAGパイプラインなど、エージェント型ワークロードに最適化された性能を提供します。

Googleは2026年3月11日、サイバーセキュリティ企業Wizの買収を正式に完了しました。買収額は320億ドル（約4.8兆円）で、ベンチャー支援企業の買収としては史上最大規模となります。Index VenturesのShardul Shah氏はこの取引を「10年に一度のディール」と評価しています。

Wizは2024年にGoogleからの買収提案を一度拒否していましたが、Googleが90億ドルを上乗せし、最終的に合意に至りました。米国および欧州の独占禁止法審査を経て、正式に手続きが完了しています。Shah氏によれば、WizはAI、クラウド、セキュリティ支出という三つの追い風の中心に位置しています。

一方、米政府効率化局（DOGE）の職員が社会保障データをUSBメモリに持ち出した疑惑が報じられ、データセキュリティへの懸念が高まっています。政府機関における情報管理体制の脆弱性が改めて問われる事態となりました。

Metaはバイラルで話題となったAIエージェントSNS「Moltbook」を買収しました。また、Palmer Luckey氏のレトロゲームスタートアップModRetroが10億ドル評価での資金調達を模索していると報じられ、テック業界の活発なM&A;動向が続いています。

Anthropicと米国防総省の法的紛争では、OpenAI、Google、Microsoftの技術者らがAnthropicを支持する法廷助言書に署名しました。AI企業と政府の関係をめぐる議論が業界全体に広がりを見せています。

ReplitとDatabricksは、両社プラットフォームを直接接続する新コネクタを発表しました。これにより、企業が管理するデータ基盤上で、コードを書かずに自然言語プロンプトだけでデータアプリケーションを構築できるようになります。

Databricksは2万社以上のエンタープライズ顧客を持ち、Fortune 500の多くがデータガバナンス基盤として利用しています。従来のバイブコーディングでは、こうした本番データへのアクセスがセキュリティ上の壁となっていましたが、今回の連携でその課題が解消されます。

デモではReplitのエージェントが3D気象グローブアプリを数分で構築しました。開発者はプロンプトの調整に集中するだけで、スキャフォールディングやUI生成はエージェントが、データのスケールとガバナンスはDatabricksがそれぞれ担当します。

DatabricksのGenie機能はアプリ内データコパイロットとして機能し、自然言語の質問に対してデータの出典テーブルを明示しながら回答します。これにより、営業・財務・オペレーション部門での意思決定に必要なトレーサビリティが確保されます。

この統合により、PM・RevOps・アナリストなど非エンジニア職でも、ガバナンスを維持したまま社内ツールを自作できるようになります。従来はBI開発のバックログに埋もれていたツール構築が、エンジニアリングキューを経ずに迅速に実現可能となりました。

NVIDIAは2026年3月13日、エージェント型AI検索パイプライン「NeMo Retriever」と自律データ分析エージェント「KGMON Data Explorer」の2つの成果を発表しました。いずれも主要ベンチマークで世界トップの性能を達成しています。

NeMo Retrieverは、従来の意味的類似度検索の限界を超えるため、ReACTアーキテクチャに基づくエージェントループを採用しました。LLMが検索クエリを動的に生成・修正し、複雑な質問を分解して反復的に情報を探索します。この設計により、視覚的に複雑な文書検索のViDoRe v3で1位、推論重視のBRIGHTで2位を達成しました。

技術面では、当初採用したMCPサーバー方式をスレッドセーフなシングルトン方式に置き換えることで、ネットワーク遅延やデプロイエラーを排除しました。GPU利用効率と実験スループットが大幅に改善され、同一パイプラインが異なるベンチマークに無変更で適用できる汎用性が最大の強みです。

一方、KGMON Data Explorerは表形式データの多段推論に特化したエージェントです。学習フェーズでOpus 4.5が再利用可能な関数ライブラリを構築し、推論フェーズでは軽量なHaiku 4.5がそのライブラリを活用して高速に回答します。DABStepベンチマークの難問で89.95点を記録し、Google AIやAntGroupを上回り1位となりました。

エージェント型検索は1クエリあたり約136秒と従来の密ベクトル検索より大幅に遅い課題があります。NVIDIAは蒸留技術による小型化で高速・低コスト化を目指す方針です。Data Explorerも20秒でタスクを完了し、従来の10分から30倍の高速化を実証しており、両プロジェクトとも実用化に向けた効率改善が進んでいます。

NanoClawとDockerは、AIエージェントを企業環境で安全に実行するための提携を発表しました。NanoClawのオープンソースエージェント基盤をDocker Sandboxes上で稼働させることで、エージェントにホストマシンや隣接ワークロードへのアクセスを与えずに自律的な作業を可能にします。

この提携が重要な理由は、AIエージェント市場が実証段階から本番デプロイの段階へ移行しているためです。CIOやCTOにとって最大の課題は、エージェントがライブデータに接続しファイルを変更する際に、周辺システムを危険にさらさないかという点にあります。従来のコンテナは不変性を前提としていますが、エージェントは最初の呼び出しでその前提を破壊します。

Docker社のMark Cavage社長は「エージェントの世界に対応するため、隔離とセキュリティモデルを根本から変える必要があった」と語りました。Docker SandboxesはMicroVMベースの隔離技術を採用し、従来のDockerワークフローとの互換性を維持しながら、エージェントが暴走した際の影響範囲を確実に封じ込めます。

NanoClaw創業者のGavriel Cohen氏は、企業では各チームが数百から数千のエージェントを管理する未来を描いています。財務・営業・開発など部門ごとに異なるデータアクセス権と自動化が必要となるため、汎用的な知能よりも「誰が何を見られるか」という境界設計が重要になると指摘しました。

今回の提携はOSSコミュニティから自然発生した技術的親和性に基づいており、商業的な取引関係はありません。NanoClawはアーキテクチャ変更なしでDocker Sandboxesに統合でき、GitHubからクローンして単一コマンドで環境構築が可能です。エージェントのセキュリティはアプリケーション層の後付けではなく、ランタイム基盤から設計すべきという両社共通の思想が、企業向けエージェントインフラの青写真を示しています。

中国でAIエージェントソフト「OpenClaw」が爆発的なブームとなり、全国各地でインストール講習会が開催され、数百人規模の参加者を集めています。テック企業はOpenClawの自社プラットフォームへの統合を急ぎ、地方政府も開発者向け補助金を発表する事態となっています。

しかし実際に利用してみると、プログラミング経験のない一般ユーザーにとっては導入のハードルが極めて高いことが判明しました。越境EC企業に勤める張氏はクラウドサーバーを借りLLMサブスクリプションを購入しましたが、数日後にはAIエージェントの出力品質が低下し、API設定の技術的課題に直面して断念しました。

このブームの最大の受益者は一般ユーザーではなく、Tencent、Alibaba、ByteDanceなどの大手IT企業です。通常のチャットボットが会話あたり数百トークンしか消費しないのに対し、OpenClawの1インスタンスは1日あたり数十〜数百倍のトークンを消費するため、API利用料が大きな収益源となっています。

各社は独自カスタマイズ版の開発にも着手しており、TencentのQClaw、ByteDanceのArkClaw、MoonshotのKimiClawなどが登場しています。これらは導入の簡便さをうたう一方、ユーザーを自社エコシステムに囲い込む狙いが明白です。OpenClawの創設者は中国企業の無断コピーに不満を表明しました。

このブームが示す最大の教訓は、中国の一般消費者がAIサービスに課金する意思を持つことが証明された点です。一方でセキュリティリスクが広く指摘されているにもかかわらず、少なくとも5つの地方政府が開発者への資金提供に乗り出しており、2022年のメタバース補助金と同様の便乗行政との指摘も出ています。

ベクトル検索企業のQdrantは、シリーズBラウンドで5000万ドル（約75億円）の資金調達を発表しました。同時にプラットフォームのバージョン1.17をリリースし、AIエージェント時代の情報検索基盤としての地位を強化しています。

同社CEOのアンドレ・ザヤルニ氏は、人間が数分に数回のクエリを行うのに対し、エージェントは毎秒数百から数千のクエリを発行すると説明しています。この負荷はRAG時代の設計では対応できず、専用の検索インフラが不可欠だと主張しています。

v1.17では三つの課題に対応しています。関連性フィードバッククエリで再学習なしに検索精度を向上させ、遅延ファンアウト機能でレプリカの応答遅延を回避し、クラスタ全体のテレメトリAPIで運用監視を一元化しています。

導入企業のGlassDollarは、Elasticsearchからの移行でインフラコストを約40%削減し、ユーザーエンゲージメントが3倍に向上しました。特許訴訟AI企業の&AI;も、数億件の文書を対象とした意味検索基盤としてQdrantを採用しています。

ザヤルニ氏はQdrantを「ベクトルデータベース」ではなく「AI時代の情報検索レイヤー」と位置づけています。Rustで構築された高効率アーキテクチャとオープンソース戦略により、大手ベンダーとの差別化を図る方針です。

営業自動化AIを開発するスタートアップRoxが、General Catalyst主導の新たな資金調達ラウンドで企業評価額12億ドル（約1800億円）に到達しました。複数の関係者によると、同ラウンドは昨年クローズしています。

Roxは2024年に設立された企業で、創業者のIshan Mukherjee氏はNew Relicの元最高成長責任者です。同氏はソフトウェア監視スタートアップPixieの共同創業者でもあり、2020年のNew Relicによる買収を経て同社に参画した経歴を持ちます。

同社の製品はインテリジェント・レベニュー・オペレーティングシステムと位置づけられています。SalesforceやZendeskなど既存のソフトウェア環境に接続し、数百のAIエージェントを展開して既存顧客の監視、見込み客のリサーチ、CRMの自動更新を行います。

2024年11月時点でSequoia主導のシードラウンドとGeneral Catalyst主導のシリーズAを含む累計5000万ドルの調達を発表しており、GVも出資に参加しています。資金調達時点で2025年のARRは800万ドルと予測されていました。

競合環境は激化しており、GongやClariといった既存のレベニューインテリジェンス企業に加え、11xやArtisanなどのAI営業開発プラットフォーム、さらにBrex元社長が創業したMonacoなどAIネイティブCRM新興企業も続々と参入しています。

Y Combinator支援のRandom Labsは、業界初の「スウォームネイティブ」自律型コーディングエージェント「Slate V1」を正式リリースしました。2024年にKiranとMihir Chintawarが共同創業した同社は、大規模並列処理で複雑なエンジニアリングタスクを実行する新しいアプローチを提案しています。

Slateの中核技術は「Thread Weaving」と呼ばれるアーキテクチャです。従来のAIコーディングツールが抱えていたコンテキストウィンドウの制約を、OS的なフレームワークで解決します。中央のオーケストレータが戦略的判断を担い、TypeScriptベースのDSLで並列ワーカースレッドにタスクを割り振る分離構造を採用しています。

記憶管理においても独自のアプローチを取ります。多くのエージェントが採用する「圧縮」方式では重要な状態情報が失われるリスクがありますが、Slateはワーカースレッド完了時に成功したツール呼び出しと結論のみを要約した「エピソード」を生成します。これによりスウォーム知性を維持しながら大規模並列処理を実現しています。

商業面では従量課金制のクレジットモデルへ移行し、組織レベルの課金管理機能を備えるなどプロフェッショナルチーム向けの設計が明確です。さらにOpenAIのCodexやAnthropicのClaude Codeとの直接連携を来週リリース予定と発表しており、競合ではなくオーケストレーション層としての立ち位置を狙っています。

性能面では、Terminal Bench 2.0のmake-mips-interpreterタスクで初期バージョンが3分の2のテストに合格しました。最新のフロンティアモデルでも単体では成功率20%未満とされるこのタスクでの好成績は、オーケストレーション型アーキテクチャの有効性を示しています。同社はSlateを開発者の代替ではなく、世界的なエンジニア不足を補う協調ツールと位置づけています。

Perplexityは2026年3月、Mac上でローカル稼働するAIエージェントツール「Personal Computer」を発表しました。同ツールは専用デバイス上で24時間稼働し、ユーザーのファイルやアプリに直接アクセスして業務を自律的に遂行します。

Personal Computerは、先月発表されたクラウド型の「Perplexity Computer」をローカル環境に拡張した製品です。ユーザーは具体的な操作指示ではなく、「投資家へのメール作成」「レポートのスライド化」といった目的レベルの指示を与えるだけで、AIが自律的にタスクを完了します。

セキュリティ面では、競合のオープンソースツールOpenClawとの差別化を強調しています。全操作の監査証跡を提供し、機密性の高い操作は事前承認を求める仕組みを備えます。さらにキルスイッチを搭載し、エージェントの暴走リスクに対応しています。

現時点ではウェイトリストによる招待制の早期アクセス段階にあり、正式な提供開始時期は未定です。対応ハードウェアはMac Miniが示されていますが、その他のプラットフォームへの対応は明らかにされていません。

CEOのAravind Srinivas氏はX上で、「人間最大の弱点である睡眠を克服し、一人で10億ドル企業を構築できる」と野心的なビジョンを語りました。プロフェッショナル用途を主軸としつつ、コンシューマー市場への展開も視野に入れた戦略が見て取れます。

NVIDIAは2026年3月12日、自社開発のAIリサーチエージェント「AI-Q」が、深層研究エージェントの主要ベンチマークであるDeepResearch Bench（55.95点）およびDeepResearch Bench II（54.50点）の両方で首位を獲得したと発表しました。

AI-Qはオーケストレーター、プランナー、リサーチャーの3つのエージェントで構成されるマルチエージェントアーキテクチャを採用しています。プランナーがまず情報の全体像を把握し、エビデンスに基づいた調査計画を策定します。リサーチャーは事実収集・因果分析・比較検証・批判的検討・最新動向の5種の専門家を並列に稼働させ、多角的な証拠を収集します。

性能の鍵を握るのは、独自に微調整されたNemotron-3-Super-120B-A12Bモデルです。OpenScholarやResearchQAなど複数のデータセットから約8万件の研究軌跡を生成し、品質判定モデルでフィルタリングした約6.7万件で学習しました。実際のWeb検索結果を含む軌跡データにより、現実のデータに対する検索・統合能力が強化されています。

長時間にわたるエージェント実行の信頼性を確保するため、ツール名の自動修正、推論トークンのリトライ、ツール呼び出し回数の予算管理、レポート構造の検証といったカスタムミドルウェアを実装しています。オプションのアンサンブル機能では、複数の独立した調査パイプラインを並列実行し、各出力を統合することで情報の網羅性を最大化します。

AI-QはNeMo Agent Toolkit上に構築されたオープンソースのブループリントとして公開されており、企業が自社環境で所有・カスタマイズできる設計です。YAML設定によりLLMやツール、エージェントグラフを柔軟に差し替え可能で、透明性とコントロールを維持しながら最先端の研究品質を実現できる点が、企業のAI活用において大きな意義を持ちます。

Notionは、ユーザーやAIエージェントが任意のコードを安全に実行できる「Notion Workers」機能を発表しました。基盤にはVercel Sandboxを採用し、外部データの同期やAPI呼び出し、自動化処理などを実現します。

Notion Workersでは、第三者の開発者やエージェントが生成した任意のコードをエンタープライズ環境内で実行するため、厳格なセキュリティ隔離が求められます。適切な分離がなければ、プロンプトインジェクションにより認証情報の窃取やデータ漏洩のリスクが生じます。

Vercel Sandboxは各WorkerをFirecracker microVM上で実行し、コンテナより強固な隔離を提供します。各VMが独自のカーネル、ファイルシステム、ネットワークスタックを持ち、実行完了後はVMの破棄またはスナップショット保存が行われます。

認証情報の注入機構では、ファイアウォールプロキシがネットワークレベルでAPIキーを挿入するため、実行環境内にシークレットが入ることはありません。動的ネットワークポリシーにより、依存パッケージのインストール後に通信先を制限することも可能です。

Notion Workersは単発機能ではなく、Notionを開発者プラットフォームへ転換する戦略の一環です。開発者はCRMレコードや分析データの定期同期、ボタンによる自動化、AIエージェントのツール呼び出しといった用途で活用でき、既成の統合を超えた柔軟な拡張が可能になります。

Microsoft Researchは、AIエージェントの障害原因を自動診断するフレームワーク「AgentRx」をオープンソースとして公開しました。併せて115件の失敗軌跡を手動注釈したベンチマークデータセットも提供しています。

現代のAIエージェントは数十ステップに及ぶ長い実行軌跡を持ち、確率的な挙動により再現が困難です。さらにマルチエージェント構成では障害がエージェント間で伝播し、根本原因の特定が極めて難しくなっています。

AgentRxは実行ログを共通形式に正規化した後、ツールスキーマやドメインポリシーから実行可能な制約条件を自動生成します。各ステップでガード条件付きの制約を検証し、違反をエビデンス付きで監査ログに記録する仕組みです。

評価実験では、既存のLLMプロンプティング手法と比較して障害箇所の特定精度が23.6ポイント、根本原因の帰属精度が22.9ポイントそれぞれ絶対値で向上しました。試行錯誤に頼らない体系的なデバッグを実現しています。

ベンチマークはτ-bench（API業務）、Flash（インシデント管理）、Magentic-One（汎用マルチエージェント）の3領域を対象とし、計画逸脱やハルシネーションなど9カテゴリの障害分類体系も整備されています。

イスラエルのAIエージェントスタートアップWonderfulは、シリーズBラウンドで1億5000万ドル（約225億円）を調達しました。企業評価額は20億ドルに達し、創業からわずか13カ月での急成長を示しています。

今回のラウンドはInsight Partnersが主導し、Index Ventures、IVP、Bessemer Venture Partnersなど既存投資家も参加しました。同社はシリーズAで1億ドルを調達してからわずか4カ月での追加調達となり、累計調達額は2億8600万ドルに達しています。

Wonderfulは非英語圏に特化した顧客サービスAIエージェントプラットフォームを提供しています。通信、金融、ヘルスケア、製造業など幅広い業界で需要が拡大しており、各市場の言語・文化・規制環境に合わせたカスタマイズを強みとしています。

同社の特徴的な戦略は、エンジニアチームを顧客先に派遣し、時にはオンプレミスで共同作業しながらAI技術の導入・統合を進める点です。現在、欧州・中南米・アジア太平洋地域の30カ国で事業を展開しています。

調達資金は新たな国への事業拡大に充てられ、従業員数を現在の300名から900名へと3倍に増強する計画です。CEOのBar Winkler氏は「2026年は企業がAI運用のパートナーを選定する年になる」と述べ、深い統合力と現地対応力が差別化要因になると強調しました。

Gumloopは、米ベンチャーキャピタルのBenchmarkが主導するシリーズBラウンドで5000万ドル（約75億円）を調達しました。2023年半ばに創業した同社は、非技術者でもAIエージェントを構築できるプラットフォームを提供しています。

同社のプラットフォームはShopify、Ramp、Gusto、Instacart、Opendoorなど著名企業で採用されています。従業員が構築したエージェントを社内で共有することで、自動化が組織全体に広がる複利効果が生まれる点が特徴です。

BenchmarkのEverett Randle氏がデューデリジェンスで発見したのは、ある企業が競合2社と同時にGumloopを試験導入した結果、半年後にはGumloopだけが日常的に使われていたという事実でした。学習コストの低さが決め手だったといいます。

競合にはZapierやn8nといった既存の自動化プラットフォームのほか、Dustなどの専門エージェントビルダー、さらにAnthropicのClaude Coworkのような基盤AIラボの参入もあります。それでもGumloopはモデル非依存のアプローチで差別化を図っています。

モデルに依存しない設計により、企業はOpenAI・Gemini・Anthropicのクレジットを自由に使い分けられます。Randle氏は「エンタープライズ自動化はAI分野で最大のカテゴリーだ」と述べ、同社の成長ポテンシャルに強い期待を示しました。

Anthropicは2026年3月、企業のClaude導入を支援するパートナー組織向けプログラム「Claude Partner Network」を発表し、初年度に1億ドル（約150億円）の投資を行うと明らかにしました。トレーニング、技術支援、共同市場開発の3本柱で構成されます。

投資の大部分は、パートナー企業への直接支援に充てられます。具体的には、トレーニングや販売支援、顧客導入の成功に向けた市場開発、共同キャンペーンやイベントのコマーケティング費用などが含まれます。パートナー向け専任チームは現行の5倍に拡大される計画です。

技術面では、初の公式認定資格「Claude Certified Architect, Foundations」を即日提供開始しました。本番環境でのアプリケーション構築を想定したソリューションアーキテクト向け試験で、年内にはセラー・開発者向けの追加認定も予定されています。

さらに、企業のレガシーコード刷新を支援する「Code Modernization スターターキット」も公開されました。技術的負債の解消はエンタープライズで最も需要の高い業務の一つであり、Claudeのエージェント型コーディング能力が直接的な成果につながる領域とされています。

大手パートナーの反応も積極的です。Accentureは3万人規模のClaude研修を計画し、Deloitteは業界特化ソリューションの展開を表明。約35万人の従業員を擁するCognizantは全社的なClaude活用を開始しており、大規模導入の動きが加速しています。

Zendeskは2026年3月12日、AIを活用した顧客対応自動化スタートアップForethoughtの買収を発表しました。買収額は非公開で、手続きは3月末までに完了する見込みです。

Forethoughtは2018年のTechCrunch DisruptでStartup Battlefield優勝を果たした企業です。ChatGPTの登場より4年も前からAIエージェントによる顧客対応の自動化に取り組み、先駆者としての地位を築いてきました。

同社はUpwork、Grammarly、Airtable、Datadogなど著名企業を顧客に持ち、2025年時点で月間10億件を超える顧客対応を処理しています。累計資金調達額は1億1500万ドルに達していました。

Zendeskは今回の買収により、特化型AIエージェントや自己改善型AI、音声自動化、自律型機能など自社AI製品の強化を加速させます。同社は製品ロードマップを1年以上前倒しできると説明しています。

Zendeskは2022年11月にHellman & FriedmanとPermira主導のコンソーシアムにより約102億ドルで非公開化されています。2007年の創業以来約12件の買収を行っていますが、金額を公開したケースはごく少数にとどまります。

米家具EC大手Wayfairは、OpenAIのモデルを社内基幹システムに統合し、約3000万点の商品カタログの品質管理とサプライヤー支援業務の効率化を実現しました。2024年の小規模検証から本番運用へと発展し、手作業の削減と意思決定の迅速化に成功しています。

カタログチームは従来、個別タグごとに専用AIモデルを構築していましたが、4万7000種類のタグへの対応は困難でした。そこでOpenAIモデルを基盤とするタグ横断型の統一システムを開発し、各タグの意味を自動定義する「定義エージェント」を導入しました。この結果、新規属性への対応速度は1年前の70倍に向上しています。

100万商品以上で本番稼働した結果、250万件の商品タグが修正されました。A/Bテストでは属性の充実により検索表示回数やクリック数、ページランクが有意に改善。信頼度が高い修正は自動適用し、リスクの高い変更はサプライヤー確認を経る二段階の品質管理体制を整えています。

サプライヤー支援では、AIエージェント「Wilma」を約1カ月で本番投入しました。受信チケットの意図を読み取り、不足情報を補完して適切なチームへ自動振り分けます。さらに12種類のエージェント型AIフローを展開し、複雑な対応履歴の要約や返信案の提示も行っています。

今後はマルチモーダルモデルの進化を活かし、視覚的・主観的な要素が多い家具領域での活用拡大を目指します。カタログ改善の効果は半年で4倍に拡大する見込みで、自然言語による商品検索など購買体験全体へのAI組み込みを推進する方針です。

Replitは2026年3月11日、AIコーディングエージェントの最新版「Agent 4」を発表するとともに、シリーズDで4億ドルを調達し、企業評価額が90億ドルに達したことを明らかにしました。わずか半年前の30億ドルから3倍の急成長です。

Agent 4は「人間の創造性を中心に据える」をコンセプトに設計されています。前世代のAgent 3が自律性を追求したのに対し、Agent 4ではデザインとコードを同一環境で扱える統合キャンバスを導入し、デザイン反復のスピードを大幅に向上させました。

最大の特徴は並列タスク実行です。複数のエージェントが認証・データベース・フロントエンドなど異なるタスクを同時に処理し、完了後にメインプロジェクトへマージします。競合が発生した場合は専用のサブエージェントが自動解決する仕組みです。

資金調達はGeorgian Partnersが主導し、Andreessen Horowitz、Coatue、Y Combinatorなどが参加しました。エンジェル投資家としてシャキール・オニールやジャレッド・レトも名を連ねています。調達資金は欧州・アジア・中東へのグローバル展開と製品開発に充てられます。

同社はFortune 500企業の85%にユーザーを持ち、Atlassian・PayPal・Zillow・Adobeなどが活用しています。年内にARR10億ドル到達を目指しており、ノーコード・バイブコーディング市場での圧倒的な存在感を示しています。

OpenAIは、AIエージェントに対するプロンプトインジェクション攻撃への防御設計について公式ブログで見解を公表しました。攻撃手法が単純な命令挿入から社会工学的手法へと進化している現状を踏まえた多層防御の考え方を示しています。

同社によると、初期の攻撃はWikipedia記事に直接指示を埋め込むような単純なものでしたが、モデルの性能向上に伴い攻撃も高度化しています。2025年に外部研究者から報告されたChatGPTへのメール経由の攻撃では、約50%の成功率が確認されました。

OpenAIは、AIエージェントをカスタマーサポート担当者と同様の三者構造で捉える設計思想を採用しています。人間のオペレーターにも権限制限や不正検知の仕組みがあるように、AIにも同様の制約を設けることで被害を局限する考え方です。

具体的な対策として、Safe Urlと呼ばれる機能を開発しました。会話中に得た情報が第三者に送信されそうな場合、ユーザーに確認を求めるか通信をブロックします。この仕組みはAtlas、Deep Research、ChatGPT Appsなど複数のサービスに適用されています。

同社は今後も社会工学的攻撃への研究を継続し、アプリケーションのセキュリティ設計とモデル訓練の両面に成果を反映させる方針です。完全自律型エージェントの安全な運用には、同様の環境にいる人間にどのような制御が必要かを問うことが重要だと強調しています。

OpenAIは、Responses APIにシェルツールとホスト型コンテナワークスペースを統合し、AIモデルが実際のコンピュータ環境でタスクを実行できるエージェント基盤を構築したと発表しました。従来のプロンプト応答を超え、ファイル操作やAPI呼び出しなど幅広い業務を自動化できます。

シェルツールは従来のコードインタプリタがPython限定だったのに対し、Go・Java・Node.jsなど多言語に対応します。モデルがコマンドを提案し、Responses APIがコンテナ内で実行、結果をモデルに返すループで動作します。複数コマンドの並列実行にも対応し、処理速度を大幅に向上させています。

コンテナ環境は3つの文脈を提供します。第一にファイルシステムでデータを整理し、第二にSQLiteなどの構造化データベースで効率的にクエリを実行できます。第三にネットワークアクセスはサイドカープロキシ経由で制御され、許可リストとドメイン単位の認証情報注入により安全性を確保しています。

エージェントスキルは繰り返し発生するワークフローを再利用可能な部品として定義する仕組みです。SKILL.mdファイルとリソースをバンドルし、バージョン管理されたパッケージとしてAPI経由で管理できます。モデルはシェルコマンドでスキルを発見し、指示を解釈して同一ループ内で実行します。

長時間タスクではコンテキストウィンドウが枯渇する課題に対し、ネイティブのコンパクション機能を実装しました。モデルが会話状態を分析し、重要情報を暗号化されたトークン効率の高い表現に圧縮します。OpenAIのCodexもこの仕組みに依存しており、長時間のコーディングタスクを品質を落とさず継続できます。

Nvidiaは2026年3月、オープンソースAIエージェント基盤「NemoClaw」の提供準備を進めていることが報じられました。年次開発者会議を前に、Salesforce、Cisco、Google、Adobe、CrowdStrikeなど大手企業とパートナーシップ交渉を行っています。

NemoClawは、1月に注目を集めたOpenClawの直接的な競合製品です。OpenClawは個人のマシンから常時稼働のAIエージェントを操作できるシステムで、OpenAIがその開発者Peter Steinberger氏を採用した経緯があります。Nvidiaはこの急成長市場への参入を狙います。

さらにNvidiaは、今後5年間で260億ドルをオープンソースAIモデル開発に投じる計画を明らかにしました。SEC提出の財務書類で判明したこの投資により、同社はチップメーカーからフロンティアラボへと進化する可能性があります。

同社はNemotron 3 Superも発表しました。1280億パラメータを持つこのモデルは、OpenAIのGPT-OSSを複数のベンチマークで上回ると主張しています。AI Indexでスコア37を獲得し、GPT-OSSの33を超えました。また、OpenClaw制御能力を測るPinchBenchで1位を獲得しています。

この投資の背景には、DeepSeekやAlibaba、Moonshot AIなど中国勢のオープンモデルが世界的に普及している状況があります。Nvidia応用深層学習研究VP Bryan Catanzaro氏は「エコシステムの多様性と強化が我々の利益になる」と語り、米国発のオープンモデルの重要性を強調しました。

NVIDIAは2026年3月11日、エージェントAI向け新モデル「Nemotron 3 Super」を公開しました。1200億パラメータのうち推論時に稼働するのは120億のみで、前世代比最大5倍のスループットと2倍の精度向上を実現しています。

本モデルはMamba-2層とTransformer層を組み合わせたハイブリッド構造を採用しています。Mamba層が線形計算量で高速処理を担い、Transformer層が高精度な情報検索を補完することで、100万トークンのコンテキストウィンドウを効率的に実現しました。

新技術「Latent MoE」は、トークンを圧縮空間に射影してからエキスパートに振り分けることで、同じ計算コストで4倍の専門家を活用できます。さらにマルチトークン予測により推論速度を最大3倍に高速化しています。

Blackwell GPUプラットフォームではNVFP4精度で動作し、Hopper世代のFP8比で最大4倍高速な推論を精度損失なく達成しました。DeepResearch Benchのリーダーボードでは1位を獲得しています。

Perplexity、CodeRabbit、Greptileなどの企業が即日統合を開始し、Siemens、Palantir、Cadenceなどの大手企業も製造・サイバーセキュリティ分野での活用を進めています。モデルはオープンウェイトで公開され、10兆トークン超の学習データとレシピも併せて提供されました。

Google Cloud、Oracle Cloud、AWS、Azureなど主要クラウドに加え、Dell AI FactoryやHPEによるオンプレミス展開にも対応します。NVIDIA NIMマイクロサービスとしてパッケージ化されており、企業は柔軟な環境で商用利用が可能です。

Manufactは、AIエージェントがソフトウェアと連携するための標準プロトコル「MCP」の開発基盤を提供するスタートアップです。サンフランシスコとチューリッヒを拠点とし、Peak XV主導で630万ドルのシード資金を調達しました。Y Combinator 2025年夏バッチの出身企業です。

MCPはAnthropicが2024年末に発表したオープン標準で、AIエージェントと外部ソフトウェアを接続する「AIのUSB-C」と呼ばれています。従来はツールごとに個別のコネクタ開発が必要でしたが、MCPにより単一プロトコルで統一的な接続が可能になりました。現在1万以上のMCPサーバーが稼働しています。

同社の主力製品であるオープンソースSDK「mcp-use」は、わずか6行のコードでMCPサーバーに接続するAIエージェントを構築できます。公開後すぐにGitHub上で大きな注目を集め、累計500万ダウンロード、9,000スターを獲得しました。NASAやNvidiaなど大手組織も利用しています。

ManufactはVercelのビジネスモデルを参考に、SDK・テストツール・クラウドの3層で展開しています。GitHubプッシュから60秒で本番MCPサーバーをデプロイでき、ChatGPT向けのMCPアプリも1分以内に構築可能です。AIエージェント市場は2025年の78億ドルから2030年に526億ドルへ急成長が見込まれています。

一方で課題も明確です。社員はわずか3名で、著名ユーザーはいるものの有料顧客はまだいません。AWS・Cloudflare・Vercelなどクラウド大手もMCPホスティング機能を相次ぎ投入しており、競争は激化しています。同社は2026年末までにARR 200〜300万ドルの達成を目指し、シリーズA調達につなげる方針です。

LangChainのVivek Trivedy氏が、AIエージェントの構造を「モデル＋ハーネス」と定義し、モデルを実用的な作業エンジンに変えるためのハーネス設計論を体系的に解説しました。ハーネスとはモデル以外のすべてのコード・設定・実行ロジックを指します。

ハーネスの最も基本的な構成要素はファイルシステムです。エージェントに永続的な作業空間を提供し、中間出力の保存やセッション間の状態維持を可能にします。さらにGitによるバージョン管理を加えることで、作業の追跡やロールバック、複数エージェント間の協調作業も実現できます。

汎用ツールとしてのBash実行環境も重要な要素です。事前に設計されたツールに依存せず、モデルが自律的にコードを書いて問題を解決できるようになります。サンドボックスにより安全な実行環境を確保し、ブラウザやテストランナーによる自己検証ループも構築可能です。

コンテキスト腐敗への対策も不可欠です。コンテキストウィンドウが埋まるにつれモデルの推論能力が低下する問題に対し、コンパクション（要約による圧縮）、ツール出力のオフロード、スキルによる段階的開示といったハーネスレベルの戦略が求められます。

長期自律実行では、Ralph Loopパターンによる自動継続や計画ファイルを活用した進捗管理が鍵となります。モデルの訓練とハーネス設計の共進化が進む一方、最適なハーネスは必ずしも訓練時のものとは限らず、タスクに応じた最適化で性能が大幅に向上する事例も報告されています。

LangChainは2026年3月、AIエージェント開発フレームワーク「Deep Agents」のSDKおよびCLIに、モデルが自らのコンテキストウィンドウを適切なタイミングで圧縮する自律コンテキスト圧縮機能を追加しました。

従来のエージェントハーネスでは、コンテキストウィンドウの85%に達した時点で一律に圧縮を実行していました。しかし複雑なリファクタリングの最中など、圧縮すべきでないタイミングで実行されるケースが課題となっていました。

新機能では、タスクの区切りや大量の新コンテキスト読み込み前、計画の実行開始時など、モデル自身が最適なタイミングを判断して圧縮を実行します。これにより、ユーザーが手動で/compactコマンドを発行する必要がなくなります。

圧縮時には直近メッセージの10%をそのまま保持し、それ以前のメッセージを要約に置き換えます。全会話履歴は仮想ファイルシステムに保存されるため、圧縮後も復元が可能です。

LangChainは独自評価スイートやTerminal-bench-2でテストを実施し、エージェントが保守的に圧縮を発動しつつも、ワークフロー改善に明確に寄与するタイミングを選択することを確認しました。この機能は、ハーネスの固定ルールを減らしモデルに作業記憶の制御権を委ねるという、エージェント設計の新たな方向性を示しています。

OpenAIがAIコーディングエージェント「Codex」の開発を全社的に加速させています。競合Anthropicの「Claude Code」が年間売上25億ドル超と急成長する一方、Codexは2026年1月時点で10億ドル超にとどまり、後発の立場に置かれています。

OpenAIは2021年にCodexの初期版を開発し、MicrosoftのGitHub Copilotに技術を提供していました。しかし2022年末のChatGPTの爆発的成功により、社内リソースがチャットボットやマルチモーダルAIに集中し、専任のコーディング製品チームが長期間不在となりました。

Anthropicはこの間、実際のコードリポジトリを使ったモデル訓練に注力しました。2024年6月にClaude Sonnet 3.5がリリースされると、そのコーディング能力が開発者に高く評価され、Cursorの急成長にもつながりました。OpenAIはCursorの買収を持ちかけましたが、創業者らは独立を選びました。

OpenAIは2025年3月にスプリントチームを結成し、同時にWindsurfを30億ドルで買収する計画も進めました。しかしMicrosoftが知的財産へのアクセスを要求し、両社の関係が緊張する中で買収は破談しました。その後GPT-5.2を搭載したCodexは性能が大幅に向上し、2025年9月にはClaude Codeの5%だった利用量が2026年1月には40%まで急伸しました。

一方でAIコーディングの社会的影響も拡大しています。Wall Street JournalはClaude Codeが1兆ドル規模の株安を引き起こしたと報じ、IBMは25年ぶりの株価急落に見舞われました。安全性団体からはOpenAIがCodex開発を急ぐあまり安全性評価をおろそかにしているとの指摘もあり、開発競争の加速と責任あるAI開発の両立が問われています。

Googleの「Paradigms of Intelligence」チームは、AIエージェントを多様な対戦相手のプールに対して分散型強化学習で訓練することで、ハードコードされた協調ルールなしに複数エージェント間の協調行動を自然発生させる手法を発表しました。この研究はエンタープライズ向けマルチエージェント展開の新たな指針を示しています。

従来のマルチエージェントシステムでは、各エージェントが自身の報酬を最大化しようとするため、ゲーム理論でいう「相互裏切り」状態に陥りやすいという課題がありました。たとえば2つの自動価格設定アルゴリズムが破壊的な値下げ競争を起こし、企業全体が損失を被るようなケースです。

本手法では、学習中のモデルとルールベースの静的プログラムを混合した多様な対戦相手プールを用意し、エージェントに相手の戦略を推測させます。文脈内学習により相互作用の履歴を解析し、リアルタイムで行動を適応させるため、コンテキストウィンドウの肥大化を招かずに効率的な協調を実現します。

LangGraphやCrewAIなどの既存フレームワークが状態遷移やルーティングロジックを明示的に定義するのに対し、本手法は訓練を通じて協調行動を生み出すアプローチです。標準的な強化学習アルゴリズム（GRPO等）で再現でき、特別なスキャフォールディングは不要とされています。

反復囚人のジレンマを用いた検証では、敵の情報が一切ない状態でもエージェントは試行錯誤を通じて安定した協調を達成しました。研究チームは、この成果により開発者の役割が個別ルールの記述から訓練環境の設計という戦略的役割へと進化すると述べています。

Microsoftは、AI統合基盤「Microsoft Foundry」上でFireworks AIのオープンモデル推論サービスのパブリックプレビューを開始したと発表しました。企業がオープンモデルを本番環境で安全かつ効率的に運用できる体制を整えます。

Fireworks AIは業界トップクラスの推論性能を誇り、毎日13兆トークンを処理し、秒間約18万リクエストを捌く実績があります。大規模モデルでも毎秒1,000トークン以上の生成速度を実現しており、この性能がAzure上で利用可能になります。

対応モデルはDeepSeek V3.2、OpenAI gpt-oss-120b、Kimi K2.5、新規追加のMiniMax M2.5の4種類です。サーバーレスの従量課金と、安定稼働向けのプロビジョンドスループットユニットの2つの料金体系から選択できます。

企業向けには独自のファインチューニング済みモデルをアップロードして推論に使える「BYOW」機能を提供します。既存の推論スタックを変更せずにカスタムモデルを登録・運用でき、実験から本番移行までの障壁を大幅に下げます。

Microsoft Foundryはモデル評価からデプロイ、ガバナンス、監視までを一元管理するエンタープライズ制御基盤として設計されています。オープンモデルの採用拡大に伴い、ツールやインフラの分断を防ぎ、継続的な改善サイクルを支える統合プラットフォームとして位置づけられています。

Zoomは2026年3月、AIを活用した新たなオフィススイートとしてAI Docs、Slides、Sheetsの3アプリを発表しました。会議の議事録や連携サービスのデータをもとに、文書の下書きやプレゼンテーション資料、データ入りのスプレッドシートを自動生成できます。

昨年発表されたAIアバターが今月中に利用可能になります。ユーザーの外見・表情・口や目の動きをリアルに再現するフォトリアリスティックな分身で、カメラをオンにできない場面でも会議に自然に参加できるよう設計されています。非同期ビデオメッセージにも対応します。

AIアバターの提供と同時に、会議中のディープフェイク検出技術も導入されます。音声や映像のなりすましの可能性を参加者にアラートで通知する仕組みで、AIアバター普及に伴うセキュリティリスクへの対策を同社は重視しています。

AI Companion 3.0がデスクトップアプリに拡大し、FY2026第4四半期の月間アクティブユーザーは前年同期比で3倍超に増加しました。また社内コミュニケーションアプリWorkvivoにもAIアシスタントが搭載され、SlackやSalesforce、Jiraなど複数サービスを横断した質問応答が可能になります。

非技術者向けのAIエージェントビルダーも発表されました。自然言語のプロンプトでカスタムエージェントを作成でき、チャットでメンションするだけでタスクを実行させられます。開発者向けには音声・視覚・言語のインテリジェンスAPIをオンプレミスとクラウドの両方で提供し、AI活用の幅を広げています。

OpenAIは、AIモデルが複数の指示源からの命令を適切に優先順位付けする「指示階層」の強化手法を発表しました。安全ポリシー違反やプロンプトインジェクション攻撃への耐性向上を目的としています。

AIシステムはシステムメッセージ、開発者指示、ユーザー要求、ツール出力など複数の指示を受け取ります。これらが矛盾した場合、信頼度の高い指示を優先する判断が求められますが、従来のモデルでは誤った指示に従うケースがありました。

同社は強化学習用データセット「IH-Challenge」を設計しました。各タスクは高権限ロールからの指示と、それに違反させようとする低権限ロールの指示で構成され、Pythonスクリプトで客観的に採点可能な点が特徴です。

このデータセットで訓練したGPT-5 Mini-Rは、TensorTrustで0.76から0.91へ、内部ベンチマークのSystem対User Conflictで0.84から0.95へと大幅に改善しました。同時に過剰拒否率も0.79から1.00に改善し、有用性を損なわない成果を示しています。

エージェント型AIがツール呼び出しや外部文書読み取りを行う時代において、信頼できる指示を一貫して優先する能力は安全性の基盤となります。OpenAIはIH-ChallengeデータセットをHuggingFaceで公開し、研究コミュニティへの貢献を図っています。

NVIDIAは2026年のCESにおいて、エッジAIプラットフォーム「Jetson Thor」上でキャタピラーの小型油圧ショベル向け音声AIアシスタントのデモを公開した。Qwen3 4BモデルをvLLC経由でローカル動作させ、クラウド接続なしで低遅延な自然言語応答を実現している。

従来のオープンモデルはデータセンターで運用されてきたが、クラウド依存はレイテンシとコストの課題を抱える。Jetsonはシステムオンモジュールにコンピュートとメモリを統合し、メモリ不足による調達難を解消しながら、産業機器向けに安定したエッジ推論環境を提供する。

ロボティクス分野ではFranka RoboticsのFR3 DuoがオンボードでGR00T N1.6モデルを実行し、タスクスクリプト不要で知覚から動作まで完結させた。NYU・UIUCなどの研究機関もJetson Thor上でヒューマノイド制御や抹茶製造ロボットの開発に成功している。

個人開発者レベルでも活用が広がっており、Hugging FaceのAndré Marafiotiはエージェント型AIシステムをJetson AGX Orin上で構築し、タスク自律スケジューリングを実現した。CollabnixのAjeet Singh RainaはOpenClawをJetson Thor上で24時間稼働させ、メール・カレンダー管理を自動化している。

Jetson Thorは現在、Gemma 3・Mistral 3・Qwen 3.5・gpt-oss-20B・NVIDIA Cosmosなど主要オープンモデルを広くサポートしており、開発者はvLLM・Ollama・llama.cppなど多様なフレームワークを選択できる。GTC 2026では産業自律化の未来をテーマにした展示も予定されている。

Microsoft Researchは、AIエージェント向けの汎用プラグイン型記憶モジュール「PlugMem」を発表しました。従来のエージェントは対話履歴が増えるほど検索精度が低下する課題を抱えていましたが、PlugMemは生データを構造化知識に変換することでこの問題を解決します。

PlugMemの設計は認知科学の知見に基づいています。人間の記憶がエピソード記憶・意味記憶・手続き記憶に分かれるように、PlugMemもエージェントの対話履歴を「事実（命題的知識）」と「再利用可能なスキル（処方的知識）」という2種類の知識単位に変換し、知識グラフとして体系的に整理します。

システムは構造化・検索・推論の3つの中核コンポーネントで構成されています。構造化では生データを知識単位に変換し、検索ではタスクの意図に基づいて関連知識を抽出します。推論では取得した知識を簡潔なガイダンスに凝縮し、エージェントのコンテキストウィンドウを圧迫しない形で提供します。

評価実験では、長いマルチターン会話の質問応答、複数のWikipedia記事にまたがる事実検索、Webブラウジング中の意思決定という3つの異なるベンチマークで検証を実施しました。いずれにおいてもPlugMemは汎用検索手法やタスク特化型設計を上回る性能を示し、同時にメモリトークンの消費量も大幅に削減しました。

研究チームは、エージェントの記憶は単なる過去の記録保存から、再利用可能な知識の能動的な提供へと進化すべきだと主張しています。PlugMemはタスク特化型アプローチの代替ではなく、その土台となる汎用記憶基盤として位置づけられており、両者の組み合わせでさらなる性能向上が確認されています。コードと実験結果はGitHubで公開済みです。