MCP（LLM技術）に関するニュース一覧

DoorDashの共同創業者兼CEO、トニー・シュー氏は10月29日の第3四半期決算説明会で、外部AIエージェント経由の注文は稼働開始から累計で「数百件」にとどまると明らかにしました。同社は2026年第3四半期だけで10億件弱の注文を扱っており、現状では利用規模に大きな差があります。

TechCrunchによると、同社が2025年の報告で示した配達件数は1日平均300万件です。シュー氏は、利用者の注文は今も主にDoorDashのアプリからだと説明し、食事の注文は利用者が直接サービスに来る傾向があるとの見方を示しました。

一方、シュー氏は、事前に利用者の代わりに動くAIエージェントが、検討に時間のかかる買い物や重要な判断で役立つ可能性に言及しました。DoorDashは第三者エージェントの提供元との健全な関係づくりや、用途の把握を進める考えです。

同社は外部AIツールから注文できるMCPコネクターを公開しました。提供開始から1カ月未満で、利用は一部の早期ベータ参加企業が中心となり、企業の昼食注文の効率化などに使われています。

OpenAIとServiceNowは10月28日、企業向けAI連携を拡大すると発表しました。ServiceNowの業務情報やワークフローをChatGPTやCodexにつなぎ、企業がアプリを開発し、IT依頼やセキュリティ問題に対応しやすくします。新しい連携では、ChatGPT上で関連する障害を調べ、変更リスクを評価し、ServiceNowの記録を更新できます。

利用企業は自社のServiceNow環境をChatGPTに接続し、利用可能な機能を選びます。ServiceNowのAction Fabricが既存の業務ルールと権限を適用するため、実行できる操作は各組織の設定に沿います。

両社は、ServiceNowのAI Workflow FactoryでCodexを使う開発支援、資産やID情報を活用する脆弱性対応、音声でAI利用申請を作る機能も開発します。ServiceNowはエンジニアだけでなく全社員にChatGPT WorkとCodexを提供する計画です。

ServiceNow MCPプラグインはOpenAIのマーケットプレイスで提供中です。音声機能は2027年第1四半期、セキュリティ機能は同年1月に早期アクセスを始め、第2四半期の一般提供を予定しています。CodexのAI Workflow Factory対応は2027年の提供予定です。

Vercelは10月28日、コード変更の影響を受けるタスクだけを実行する「Vercel CI」をベータ公開しました。コーディングエージェントが頻繁にプルリクエストを作ると、従来型CIでは小さな変更でも全工程を再実行し待ち時間が増えます。同社は自社環境で、プッシュからCI通過までの時間が従来比2〜6倍速くなったとしています。

Vercel CIはTurborepoを使ってタスクと依存関係を把握し、変更されていない入力の結果はキャッシュから取得します。残りのタスクは個別のマシンで動き、依存先の完了後すぐに開始します。

すでにTurborepoを使うリポジトリではturbo.jsonを読み込むため、別のCI設定を用意する必要はありません。実行したいタスクにタグを付ければよく、Remote Cacheも初期状態で有効です。

実行状況やログはVercelのダッシュボード、CLI、MCPから確認でき、失敗タスクや後続のブロック状況を調べられます。GitHubのプルリクエストにチェックを投稿するため、既存のブランチ保護ルールで失敗時のマージを止められます。Vercelによると、社内リポジトリと非公開ベータで約800万タスクを処理しており、現在は全プランで利用できます。

Googleは10月28日、GeminiアプリとGoogle検索に外部アプリの機能を提供する「Connected Apps Platform」のプレビューを始めました。開発者は一度アプリを構築し、検索、Gemini、または両方で利用できるよう申請できます。

開発者はクラウド上のMCPサーバー、またはAppFunctions APIを使うAndroid MCPを通じて接続し、Google Connected Consoleで登録、テスト、審査申請を行います。公開後は流入数、応答遅延、エラー率を確認でき、認証済みアカウントや検証済みロゴなどブランド情報も管理できます。

Googleによると、Geminiと検索では生産性、チケット、健康、フィットネスなどの分野で50超のConnected Appsを提供しています。Adobe、Experian、Localiza、Pelotonなどの連携はGeminiで稼働しており、今後数週間で検索にも展開する予定です。瞑想アプリCalmも両サービスに加わります。

利用者はGoogleのAI画面から、買い物やプレイリスト作成などに外部サービスを使えます。Googleは開発者向けの接続先を広げ、AIを通じて各社アプリの機能にアクセスできる範囲を増やす考えです。

プレビューは米国の開発者向けに段階的に提供され、希望者はウェイトリストに登録できます。Googleは今後数カ月で参加開発者、提供地域、対応製品を広げる方針ですが、一般提供の時期は明らかにしていません。

デザインプラットフォームのCanvaは2026年10月22日、同社初の画像生成AI「Canva Craft」を世界の全利用者向けに公開しました。生成前にプロンプトを解釈して構図を計画する二段階方式を採用し、文字の読みやすさや物体配置、部分編集の精度を高めます。Dream Labから利用でき、最大2K、30を超える縦横比に対応します。

第1段階では、要素同士の位置関係や相対的な大きさ、視覚上の優先順位、表示する文字を計画します。第2段階でその設計図を画像にするため、複雑な構図でも文字や物体を意図した場所に置きやすく、ほかの部分を保ったまま狙った箇所を編集できます。

学習には写真ではなく、SNS投稿やプレゼン資料、インフォグラフィック、メニューなど、Canva上の人が制作した数百万件のテンプレートを使いました。生成画像は画像変換機能「Canva Magic」でレイヤーを持つデザインに変換でき、制作後の調整まで同じ環境で進められます。

Canvaは、自社モデルにより生成品質と処理速度を管理しやすくなると説明しています。外部モデルのAPI利用を減らせばコスト抑制にもつながる可能性があり、2024年に買収したLeonardo.aiの研究者も開発に参加しました。

今後はCanva APIで提供するほか、MCPを通じてChatGPTやGeminiなど外部チャットボットから使えるようにする計画です。入力・出力の監視、プライバシーと安全管理、報告機能を備え、より低コストで高速な2種類の派生モデルも開発しています。

米小売大手Walmartは2026年10月21日、AIエージェントが顧客に代わって商品を検索・購入できる「Agent Gateway」と、購入権限を管理する「Agent Profiles」を発表しました。Gatewayはベータ提供中で、Profilesは11月に導入し、WalmartとSam’s Clubの買い物に対応します。同社は利用者の承認と情報保護を前提に、エージェント型商取引を広げます。

Agent Gatewayは、Anthropicが開発したオープン規格MCPを使い、承認済みのAIエージェントをWalmartの商品検索や決済機能へ接続します。ブラウザー操作のつまずきを減らしつつ、顧客の個人情報や購入履歴をエージェントへ直接渡さず、普段選ぶブランドや商品を見つけられる設計です。

Agent Profilesでは、利用するエージェントごとに専用プロフィールをWalmartアカウントへ連携し、本人の購入と代理購入を分けて確認できます。初期設定は全取引の承認が必要ですが、たとえば100ドルまでといった利用上限を設ければ、その範囲内の購入を事前に許可できます。

利用者はプロフィールをいつでも削除でき、エージェントの利用を停止できます。Walmart+会員でなくてもWalmartアカウントがあれば利用でき、エージェント経由の注文にも通常の返品手続きが適用されます。

Walmartは、エージェントが顧客の意図を超えて行動することや、支払い情報へアクセスすることを禁じ、作業に必要な情報だけにアクセスを限定します。規約に従わないエージェントは遮断する方針で、AIエージェントを排除するAmazonや一部の旅行・予約サイトとは異なる戦略を鮮明にしました。

Figmaはインドで初開催したConfigで、AIエージェントと外部データやツールを結ぶ標準MCPについて、新たに20社との連携を発表しました。Amp、ClickUp、Linear、Meta Muse、Mistral、Notionなどを加える一方、共同創業者兼CEOのDylan Field氏はMCPは完全な仕様ではないと課題を示しました。

Field氏は、MCPを作ったAnthropicがArtifactsなどのクラウド資源を同じ仕組みで公開していない点に言及しました。オープンか閉鎖的かという二択では、サービス間で文脈共有が非対称になる問題が見落とされ、現状の仕様は先端AI企業に有利だとみています。

発端の一つは、MCP共同開発者がFigmaによるオープンソースツールPiの未対応を批判したことでした。Field氏はその後、Piへの対応を計画していると明らかにしています。

Figmaは利用者が自社データを幅広いAIツールで使える環境を望む一方、公開範囲が広がるほど悪用の可能性も高まると説明しました。連携先の拡大とデータ保護をどう両立するかが、MCP対応を進める企業に共通する設計課題です。

企業のAI利用を監視する新興企業Pluto Securityは2026年10月13日、シードとシリーズAを合わせて4,200万ドルを調達したと発表しました。従業員が使うAIツールや拡張機能、接続部品、独自開発アプリを調べ、危険なエージェント行動を実行中に止める製品を提供します。4月の販売開始から年間経常収益200万ドルを超え、30社超の企業顧客を獲得したとしています。

資金の内訳は、TLV Partnersが主導したシード850万ドルと、Jump Capitalが主導したシリーズAの3,400万ドルです。新資金は製品開発、セキュリティ研究、米国事業の拡大に使います。同社は米国とイスラエルに計40人の従業員を抱えています。

最高経営責任者によると、新しいAIツールは公開からわずか2時間で顧客企業内に現れることがあります。顧客で検出した危険の約6割は非開発者がAIで作ったツールにあり、部門別では財務が最多で、マーケティング、法務、開発が続きました。大手企業では財務担当者が顧客情報を扱うために作ったアプリが、インターネットへ公開されたままの例も見つかったといいます。

Plutoの製品はAIツールに加え、スキル、拡張機能、MCPサーバー、従業員が作ったアプリやエージェントを監視します。端末保護や機器管理の仕組みと接続し、指示文、コマンド、実行中の処理、権限、過去の行動を収集します。端末上の小型モデルがエージェントの意図を見極め、危険な部品や動作を検出します。

エージェントが利用者の意図を超える権限を得ようとした場合、製品は動作を止めるか、確認を求める指示を実行中の会話へ追加します。公開済みのAI部品を無料で検査できるPlutoniumも提供し、同社によると販売候補の70％が外部からの問い合わせで生まれています。AI導入を全面禁止せず、利用状況とエージェントの行動を同時に管理する点を売りにしています。

Google Cloudは2026年10月13日、企業が自律型AIエージェントを本番運用するには、分散データへの到達性、文脈と信頼、機械規模の処理、エージェント向け接続という4要件を備えたデータ基盤が必要だと提言しました。人間向けの保管・検索中心の仕組みから、業務上の意味と最新情報を実行時に渡す「知識エンジン」へ転換し、判断の信頼性と費用対効果を両立させる考えです。

第1の要件は、複数クラウド、旧来型データベース、社内設備、SaaSに散らばる構造化・非構造化データへの到達性です。同社はデータを一か所へ強制的に集めず、重複コピーや複雑な移動を減らす境界のないレイクハウスを提案しています。

第2は、データの実体、関係、社内定義を機械が読める形で与える文脈と信頼です。出所の追跡、鮮度の確認、定めた計算を使ったかの実行時証明を組み合わせ、エージェントの判断を企業の運用実態に結びつけます。単なるアクセス制御を超えた統一的な信頼の仕組みが必要だとしています。

第3は、大量データを大規模言語モデルへ直接送ってトークン費用と遅延を増やさず、データ処理層で効率よく実行する設計です。第4は、MCPやADKを通じて文脈と処理機能をエージェントへ公開する接続機能です。エージェントの行動履歴も蓄積し、性能改善へ戻します。

知識エンジンは、データの所在を示す従来のカタログとは異なり、業務用語の定義や関係を実行時に生成・補足します。例えば「計上済み売上」と「予測売上」を社内定義に基づいて区別し、グラフで関係をたどることで複数段階の質問へ答えます。目的は検索だけでなく、統制された共通の事実に基づく推論です。

データベースへ直接つないだ試作は短期間で作れても、企業全体の信頼性、処理性能、費用を保証しません。Google CloudはYahooの広告基盤を例に、リアルタイムの運用グラフと過去データの分析を同じ構成で組み合わせる実装を紹介しました。本番導入では接続の有無より、分散環境を横断して最新の文脈を持続的に供給できるかが分岐点だとしています。

GitHubは2026年10月12日、GitHub Copilotにコードベース固有の規約や作業手順を理解させる四つの方法を公式ブログで解説しました。リポジトリ内のカスタム指示、エージェントスキル、カスタムエージェントに加え、MCPサーバーで外部ツールを接続し、毎回の説明を減らしながら、実装から検証までをプロジェクト標準に沿わせる狙いです。

まず、リポジトリ全体の設計方針や命名規則、テスト要件は、.github/copilot-instructions.mdに記述します。特定のファイル形式やフレームワークだけに必要なルールは、.github/instructions内のファイルで適用先を指定できます。

品質確認やリリース準備など、決まった手順を繰り返す場合はエージェントスキルが適します。.github/skills配下にSKILL.mdやスクリプトをまとめることで、Copilotは必要な場面でテストやLint、障害対応の手順を読み込めます。

アクセシビリティー審査のように複数ファイルと複数ツールを横断する仕事には、カスタムエージェントを使います。.github/agents内のプロファイルで目的、指示、利用ツール、関連するプロジェクト文脈を定義し、専門的な役割を持たせます。

MCPサーバーは、Copilotを文書や外部サービスへつなぐ仕組みです。例えばPlaywrightを接続すると、ブラウザーでアプリを操作し、自動テストの合格だけでなく画面の挙動も確認できます。まずは繰り返し説明している規約を一つ選び、カスタム指示へ追加するのが導入の起点です。

スペイン発のクリエイティブ基盤Magnificは2026年10月8日、企業のブランド規定を画像生成と完成後の確認に反映する「Magnific One」を有料会員向けに世界で公開しました。OpenAIのGPT Image 2を基盤に、AIが構図や照明などの方向性を補い、複数の担当者や外部制作会社でも一貫した販促物を作りやすくする狙いです。

中核のBrand Kitは、ガイドラインPDF、Webサイト、既存画像、説明文をAIが解析し、ロゴ、書体、色、画像表現を再利用可能な指示にまとめます。Finalモードで生成後も規定違反や画質上の問題を確認し、指摘箇所の修正を依頼できます。

生成機能は、1枚分のクレジットで8案または16案を出すDraftと、2K・4K画像を作るFinalの2モードです。最大5枚の参照画像に対応し、PhotoshopやFigmaと連携する編集機能も備えます。

ただし、独自技術の説明には食い違いがあります。担当者はGPT Image 2への追加学習に言及した一方、書面FAQは「学習はしていない」とし、プロンプト改善や創作指示、ブランド規則の適用だと説明しており、モデルの重みを変更したかは不明です。

年間契約の個人向けプランは月14.50ドルからで、設定別の推計画像単価は約0.12〜0.73ドルです。Web、デスクトップ、モバイルに加え、ChatGPTやClaudeから呼び出せるMCPにも対応します。

Magnificは社内の非公開比較で勝率約68.5%を主張しますが、手法や投票データは公開されず、ブランド準拠率や修正回数も示していません。導入企業は価格だけでなく、承認までの修正工数とOpenAIへの依存を実運用で確かめる必要があります。

Google Cloudは2026年10月8日、企業向けイベント「Gemini at Work 2026」で、業務用の汎用AI「Geminiエージェント」を発表しました。Gemini Enterpriseの単一画面から調査、資料作成、コーディングなどの目標を与えると、必要なモデルやツール、社内システムを選び、複数のアプリや端末をまたいで成果物を仕上げます。現在は企業顧客向けの限定プレビューです。

このエージェントはクラウド上で稼働し、数時間から数日に及ぶ仕事を続けながら、端末を替えても同じ文脈と記憶を保ちます。Google Workspace、Microsoft 365、Slackのほか、SalesforceやJira、BigQueryなどに接続し、必要に応じて専門エージェントへ作業を分担します。

チームで共有する「同僚型」に設定すれば、専用のWorkspaceアカウント、メールアドレス、カレンダー、Drive領域を持たせ、チャットで呼び出せます。アクセスできるのは明示的に共有された情報に限られ、操作はAI自身の名義で監査ログに記録されます。

Geminiは仕事内容に応じてモデルを自動選択し、Google製モデルに加えてAnthropicのClaudeも利用できます。企業はMCPサーバーで独自ツールを接続でき、スマートルーティングやプロジェクト単位の利用上限で性能と費用を管理できます。

Googleによると、既存のGemini EnterpriseはFortune 100企業の約90%で使われ、BNP Paribasは6万5000人超へ展開しています。ただし、これらは新しい汎用エージェントの採用実績ではなく、発表時点で実運用の信頼性を示す独立比較もありません。

Googleは全面提供の時期、個別機能の提供範囲、専用価格やライセンス条件を明らかにしていません。導入を検討する企業は限定プレビューで、権限設計、監査性、タスク完遂率、実運用費を検証する必要があります。

ラディソン・ホテル・グループは2026年10月7日、アクセンチュアとOpenAIの技術を使って開発したChatGPT向けプラグインの初期成果を公表しました。旅行者は会話内でホテルを検索・比較し、同社サイトで予約を完了でき、2026年7〜8月の訪問から予約への転換率は自然検索の約1.5倍となる結果を示しました。

プラグインはエージェント型開発を取り入れ、6週間で構築・公開されました。ChatGPT上で候補を地図に表示し、価格や設備を比較した後、ラディソンの公式サイトへ移って予約する導線です。

導入後の更新により、利用者は事前にプラグインを入れていれば、問い合わせに「@RadissonHotels」と入力しなくても関連する場面で自動表示されます。会話から自社の直接予約チャネルへつなぐことで、集客効率と顧客関係の強化を狙います。

同社はChatGPT内のスポンサー広告も併用し、7月の開始後に欧州などへ展開しました。記録されたチェックアウト・予約イベントの54％は、広告の閲覧後効果として帰属しており、直接クリック以外も評価しています。

アクセンチュアが開発したMCPサーバーとAPIは、プラグインと広告の双方を支え、今後の機能追加にも使う計画です。同事例は、生成AI内の接点を単発施策にせず、検索・広告・自社予約を共通基盤で結ぶ構成です。

米VentureBeatは2026年10月6日、企業AIエージェントが業務用語を理解するための文脈源について、VB Pulseの8月調査を報じました。回答企業の67％が統制されたセマンティック層を運用・試行・構築中だった一方、それをエージェントの主要な文脈源とした割合は13％にとどまり、文書検索や業務システムへの直接照会が先行しています。

主要な文脈源は、文書検索が32％、SQL・API・MCPサーバーなどを使う直接照会が21％、大量の文書や記録をモデルに渡す長文脈読み込みが19％でした。セマンティック層は6月の21％、7月の19％、8月の13％と低下しており、整備が進んでもエージェントがそこを参照するとは限りません。

文脈の欠落や不整合に起因する「確信を伴う誤答」を過去6カ月に経験した割合は、8月で64％でした。セマンティック層の運用・試行・構築企業では78％、評価中または導入予定なしの企業では37％でしたが、調査は因果関係を特定していません。正しい定義があるため誤答を検出しやすい可能性と、問題を経験した企業ほど同層を構築した可能性の両方があります。

製品の設計は分かれています。OpenAIのData agentはSnowflake、Databricks、BigQueryなどへ直接接続し、SlackやBIダッシュボード、ファイルの文脈を都度まとめますが、永続的な文脈層は作りません。Keewanoは取り込み時に文脈を付加し、Snowflakeはアクセス制御と事前の文脈準備を組み合わせています。

企業が確認すべきは、セマンティック層の有無だけでなく、エージェントが実際に何を読み、業務定義とアクセス制御をどこで付与するかです。直接照会や長文脈読み込みにも統制された意味を組み込めますが、調査は各社が実施しているかを明らかにしていません。経営者や開発責任者には、導入率だけでなく、文脈の経路と誤答の検出方法まで設計する視点が重要です。

AtlassianとOpenAIは2026年10月6日、企業向け製品での提携拡大を発表しました。GPT-6 AstraやGPT-5.6シリーズをRovoなどに順次組み込み、JiraやConfluenceに蓄積した業務文脈からAIが判断・実行できる範囲を広げます。一方、Atlassianは用途、速度、費用に応じて複数社のモデルを使い分ける方針を維持します。

新契約では、OpenAIの先端モデルがAtlassianのAIエージェントとRovoを支えます。人、案件、文書、意思決定を結ぶTeamwork Graphを参照し、製品リリースの遅延要因や未達の節目を洗い出し、次の行動を提示する想定です。

ただし、GPT-6 AstraはRovoの標準モデルにはなりません。Rovoの内部ゲートウェイが能力、速度、コストに応じ、OpenAIを含む複数の提供元へ処理を動的に振り分けるため、Atlassianはモデル依存を抑えます。

外部AIとの接続では、再構築したMCPサーバーがJira、Confluence、Bitbucket、Loomなどにまたがる220超のツールを提供し、1日1500万件超の呼び出しを処理します。OAuth 2.1とPKCE、利用者ごとの既存権限、操作リスク別の確認、監査ログなどを組み合わせます。

企業導入では、性能だけでなく費用と停止リスクの検証が欠かせません。高度な推論はRovoクレジット消費を増やす可能性があり、Astraの安全機構は正当な作業でも中断する場合があるため、試験導入では権限制御、データ保持条件、処理再開の設計を確認する必要があります。

Airbnbは2026年10月1日までに、秋季更新の一環としてAI検索を公開し、共同創業者兼CEOのブライアン・チェスキー氏は同日のTechCrunchのインタビューで、消費者向けAIにはエージェント専用のOSとSDKが必要だとの見解を示しました。対話だけに頼らず、閲覧や比較、本人確認、地図、ホストとの連絡を扱う豊かな画面と、他社エージェントとの相互接続を実現する基盤が必要だとしています。

同氏は、チャットボットは一度に示す候補が少なく、買い物や旅行探しでは結果まで何往復も必要だと指摘します。一方、旅行は計画や期待そのものを楽しむため、Airbnbは閲覧・発見を残したチャットと現行検索の中間の画面を模索します。

家族や友人と旅を計画する利用場面を踏まえ、Airbnbは今後3～6カ月で複数人が同時に使えるAI画面を探ります。さらに、あらかじめ設計した固定画面とAIがその場で作る生成画面を組み合わせる考えで、操作画面がすべて消えるとの見方には否定的です。

消費者向けエージェントを受け入れるには、外部エージェントが閲覧、比較、本人確認、地図などの機能を扱える堅牢なSDKか、Airbnb側への引き継ぎが必要です。同氏は将来、検索や顧客対応などの個別エージェントを統合し、MCPを介して他社のエージェントと接続する構想を語りました。

ただし同氏は、iOS、macOS、Windows上のAIアプリはAI向けOSではなく、業界にはカーネル層で各エージェントを連携させる基盤がないとみています。AppleやGoogleなどが新たなプラットフォームを築かない限り、当面はアプリ内にエージェントを置く形が中心になるとの見立てです。

Airbnbは今秋、検索と顧客対応を助ける音声エージェントを公開する計画です。同社ではAIで機能提供が速まり、チェスキー氏自身も情報収集をAIに任せることで会議を減らしていると説明しました。

Multiverse Computingの研究チームは2026年9月29日、複数のMCPツールを使うLLMエージェント向け検証層「ProvenanceGuard」を発表しました。回答を主張単位に分け、事実の裏付けだけでなく、回答が明示・暗示した出典と実際の根拠が一致するかを調べ、医療エージェントの評価で専門家が不通過とした139件中138件を検出しました。

狙うのは、複数のツール出力を一括評価すると見逃しやすい出典の混同です。たとえば返金条件が規約文書にあるのに口座記録の情報として示せば、事実自体は正しくても帰属は誤りです。患者記録の投薬情報を医学文献の知見として扱う場合も同じ問題が生じます。

ProvenanceGuardは既存エージェントの回答生成後に動く検証層で、再学習を求めません。保存したMCPトレースから回答を主張に分解し、関連ソースの特定、根拠の有無、回答内の出典表現との一致を順に検査します。各主張の出典判定と回答全体の許可・遮断を返し、遮断後はRARR方式で修正または安全な代替文を再検証できます。

評価では、開発用データから分けた40回答・361主張を専門家が確認しました。ProvenanceGuardは不通過とされた139件のうち138件を検出した一方、支持ありとされた67件も止めており、誤通過を抑える保守的な設計です。出典を特定できる主張では正しいソースを約86％選び、遮断判定のF1は比較した5方式で最高の0.802でした。

遮断後の処理では、実際の全トレースで止めた173回答をすべて解消しましたが、144回答は実質的な書き直しではなく代替文に着地しました。再構成した複数ソースの試験では、当初止めた59回答をすべて解消し、最終的な代替文は2件でした。報告されたローカル構成の追加処理は、オフライン判定で回答1件当たり約0.5秒です。

一方、似たソースが複数ある難しい試験では遮断判定のF1が0.846だったのに対し、正確な出典の特定率は50.3％でした。出典名だけを入れ替えた50例はすべて検知しましたが、類似資料の見分けには改善余地があります。NVIDIAのNVFlowでは金融エージェントが取得したSEC文書との照合に任意の検証段階を導入しており、各社が使うモデルやデータに合わせた試験と調整が必要です。

AIセキュリティ企業Recoは9月29日、企業内のAIエージェントとアプリ、人、アカウント、権限のつながりを可視化・統制する事業の拡大に向け、5500万ドルを調達したと発表しました。企業が把握できないままエージェント導入を急ぐなか、採用や営業、提携、顧客支援を強化し、既存のSaaS保護基盤を足場に競争が激しくなる市場で成長を狙います。

今回の資金調達は、2月に発表した3000万ドルのシリーズBに続く追加ラウンドです。顧客のAT&T;がベンチャー部門を通じて参加し、ForestayとQuadrille Capitalも出資しました。累計調達額は1億4000万ドルに達しました。

共同創業者兼CEOのOfer Klein氏によると、評価額は2月時点から2倍超となり、数億ドル台後半です。年間経常収益は数千万ドル規模で、今年3倍へ伸ばす見込みを示しました。顧客は100社を超え、金融サービス企業が事業の約40％を占めます。

需要の背景には、企業の管理を上回る速さで増えるAIエージェントがあります。RecoはFortune 100企業の顧客で、同社が把握していなかった2万1000のエージェントを検出したと説明しました。別の大手金融顧客では、退職者が設定したエージェントにSalesforceへの接続権限と、企業が確認できないドメインへデータを共有できる状態が残っていたとしています。

Recoは文脈グラフを使い、エージェントとアプリ、利用者、アカウント、権限を結び付け、不要なアクセスを遮断できるようにします。280超のアプリと連携し、ブラウザーやネットワークの信号から未連携のエージェントも探し、プロンプトやツール呼び出しを検査します。競合各社も監視や実行時保護、MCPの検証などを掲げるため、経営者やセキュリティ責任者には、導入数だけでなくデータ到達範囲と権限を継続的に把握する運用が問われます。

OpenAIは2026年9月29日のDev Dayで、ChatGPTのプラグインを、アプリの発見から起動、操作まで担う仕組みに拡張すると発表しました。開発者は専用サイドバーや対話型パネル、ファイル閲覧機能を組み込め、利用者は会話中の提案からアプリを接続できます。発表内容は、AIとの対話をソフトウェア流通の新たな窓口にする構想を示しています。

開発者向けにはPlugin Creatorを用意し、プラグインの構築と登録を簡素化します。審査状況や修正点の確認、人による再審査の依頼、全面的な再申請を伴わないツール更新も可能になります。

利用者側では、プラグインの表示順位と推薦を改善し、必要なアクセス権を個別に承認できるようにします。ChatGPT Sitesでアプリを同僚と共有しても、各利用者が自分の認証情報、接続データ、権限で利用できる設計です。

企業向けには、AdobeやFigma、Salesforceなど30社超が参加するマーケットプレイスを始めます。Sign in with ChatGPTは、利用者のChatGPT上の本人情報とAI利用枠を第三者アプリへ持ち込める仕組みで、開始時点では16社が対応します。

さらに、提案中のMCP Events仕様への対応により、接続先アプリの出来事を起点とする自動処理が可能になります。自律型エージェントDotsは4000超のアプリに接続し、読み取り専用の調査を行えますが、実際の操作には利用者の承認が必要です。

一連の機能は、アプリの発見、配布、操作をChatGPTへ集約し、従来のアプリストア以外の顧客接点を開きます。一方、第三者サービスの契約や追加料金が不要になるとは示されず、従来型ストアに相当する課金・収益分配の仕組みも発表されていません。

Shopifyは9月28日、買い手のブラウザ内で動くAIエージェントが、対象店舗で購入手続きを完了できる機能を発表しました。既存の商品検索とカート追加に加え、WebMCP経由で注文画面を読み取り、住所や配送方法を更新し、買い手の承認後に注文を確定します。画面画像の取得やウェブページの解析に頼らず、正確な商品情報や必要な開示を構造化された接続方式で扱えるようにします。

新たに加わったのは、注文内容を確認する「get_checkout」、住所や配送方法などを変える「update_checkout」、注文する「complete_checkout」の3機能です。Shop Payにも対応し、対象となるShopify店舗へ順次展開しています。

WebMCPは、買い手のブラウザ内で動くエージェント向けに提案されている標準です。Shopifyは機械同士を直接つなぐMCPサーバーも提供しており、両方式は商品検索、カート作成、購入手続きを共通化するUniversal Commerce Protocolを利用します。

AIエージェントのMuseとInstinctは、すでにShopifyと直接提携して買い物機能を連携しています。一方、AmazonなどはAIによる代理購入を遮断しており、小売事業者の対応は分かれています。

Shopifyは、人向けのHTML画面をAIがたどる代わりに、専用のWebMCP機能を使うことで注文処理を効率化できると説明します。購入者の承認を残しつつ、商品情報、開示事項、人への引き継ぎ条件を共通形式で扱える点が、導入企業にとっての実務上の要点です。

AI企業H Companyは2026年9月28日、画面操作、コード実行、MCP、API呼び出しを1つのモデルで使い分けるエージェント向けモデル群Holo4を公開しました。27Bの密モデルと35B-A3Bの専門家混合モデルをAPIとモデル重みで提供し、デスクトップ、ウェブ、Android、コード環境、業務APIをまたぐ実務フローへの対応を狙います。

Holo4は画面上でクリックや文字入力を行い、自らコードを書いて実行し、MCPやAPIのツールも呼び出します。タスクに合う手段を選ぶため、APIのないアプリと業務システムを組み合わせる複合的な作業を同じモデルで進められます。

学習には教師あり学習と強化学習を使い、同社のAgentic Task Factoryが生成した多様な環境と課題を活用しました。この仕組みはウェブアプリ、MCPサーバー、デスクトップをまたぐ約1万件の課題を作り、同じ状態を画面とMCPの両方から操作する環境も含みます。

同社はモデルの行動を実行して文脈を管理する基盤も再構築しました。数百手順を追跡できる記憶機構と、操作対象のデスクトップ上で使えるシェルを追加し、長い作業の継続性を高めています。

公開値では、Holo4 27BのOSWorld 2.0スコアは61.7%で、Opus 5.5の81.8%を下回ります。同社はより少ないパラメーターと低い費用を強調していますが、評価の版、実行基盤、課題の範囲がモデル間で異なるため、数値の単純比較には注意が必要です。

2モデルはH Models APIで利用でき、重みは複数の精度形式と4ビットGGUFでHugging Faceに公開されています。評価結果の根拠となる操作履歴も再生・取得でき、同じ学習手法を適用した小型モデルHolotron4 Nanoも同時に提供されます。

The Vergeの9月28日インタビューで、Atlassian共同創業者兼CEOのMike Cannon-Brookes氏は、AIが企業向けSaaSを消滅させるとの見方に反論しました。AIは定型業務を自動化しても、複雑な規則や法令、人の判断を含む業務の把握には専用ソフトが必要で、同社ではMCPやCLIを使う顧客ほどJiraなどの利用と年間経常収益が伸びていると説明しました。

同氏は、AIが営業条件の確認など定型的な処理の大半を担っても、複雑な例外には人の直感と判断が残るとみています。処理量が増えるほど、誰が何をし、業務が成功しているかを企業全体で把握する必要も高まるため、Jiraのような業務基盤の役割は続くとの考えです。

Atlassianによると、MCPやCLIを使う顧客はJiraの課題数と利用席数が少なくとも5％速く増え、年間経常収益の成長率は非利用客の2倍です。MCP利用者の98％超が画面操作も併用しており、AI接続が既存製品の利用を減らすとは限らないと主張します。

同社は全研究開発の過半を、AI接続、検索、自動化、認証、統制などを各製品で共有する基盤へ振り向けています。一方で各製品には用途に合う画面が必要とし、単一製品への全面集約ではなく、FigmaやSalesforceなど他社サービスと深くつながる業務の結節点を目指します。

AIは組織にも影響し、Atlassianは3月に約10％を削減する一方、AI製品・サービスと企業営業への採用を増やし、必要な技能構成を変えました。CEOは技術者、デザイナー、製品管理者が互いの領域を担う場面は増えても、各職種は消えず、判断力と専門性がさらに重要になるとみています。

知識労働者向けブラウザDiaは、複数のSaaSにある予定、メッセージ、文書を端末上で読み、その日の優先事項を示します。CEOはチャット画面が仕事の最終形ではないとし、利用者がAIを意識せず既存の業務アプリを横断できる体験を、企業ソフトの次の接点に据えています。

デジタル出版・AIメディア企業のInkittは2026年9月24日、文章の脚本から数分でAI映画を生成する「Inkitt Movie Creator」の公開ベータ版を自社サイトで始めました。中核は、画像・動画・言語モデルを連携させ、撮影技法や人物・場所の一貫性を管理する社内開発のCinematicaで、企業が独自AI基盤を築く際の実例となります。

Cinematicaは、多数の保有作品を長編映像にする反復的で高コストな社内業務を解くため、2026年初めに開発が始まり、現在は第3版です。約25人のチームには約15人の動画プロデューサーがおり、日々見つけた制作手法を会議で共有して基盤へ反映しています。

肌の不自然な質感や複数人物の位置・顔の入れ替わりなど、生成AIが繰り返す失敗に対する専門家の修正法を再利用できる知識として蓄積します。社内の経験だけでなく外部コミュニティーの技法も評価・標準化し、暗黙知を組織の資産へ変える設計です。

Cinematicaは特定の生成モデルに固定せず、品質や費用に応じてSeedanceやMiniMaxなどを選べるため、業務手順を維持したままモデルを交換できます。完成済み動画の生成・AI制作費は1分75〜500ドルの見積もりですが、公開時点ではAPIがなく、MCP連携も今後の予定です。

一方、直接モデルを使う場合との比較ベンチマークや、一貫性、再生成率、制作時間の改善幅は未開示です。企業にとっての示唆は、反復業務を起点に現場の専門家を改善ループへ入れ、モデルではなくワークフローと蓄積知を自社で保有しつつ、効果と追加費用を数値で検証することです。

GitHub Security Labは2026年9月24日、C/C++プロジェクト向けの自律型ファジング基盤「Fuzzing Taskflow」を公開しました。リポジトリを指定すると、対象関数の選定からビルド解析、ハーネス作成、AFL++の実行、カバレッジ改善、クラッシュの選別、脆弱性報告までをLLMエージェントが一貫して担い、継続運用に伴う人手を減らします。

中核はカバレッジの反復改善です。エージェントは未到達の分岐を読み、新しいシードの追加、ハーネスの修正、辞書の拡充、価値の低い経路の除外を選び、2回続けて行カバレッジの伸びが既定値の1%未満なら処理を次へ進めます。

実行時間は対象ごとに30秒から始まり、反復のたびに倍増して最大960秒になります。短い探索で到達しやすい経路を先に拾い、後半だけ計算時間を増やす設計で、永続コーパスも反復や別キャンペーンをまたいで再利用します。

構成はシェルドライバー、工程別のタスクフローYAML、実行用MCPツールの3層です。エージェントが判断し、ツールが実行する責務分離を採り、状態はSQLiteに保存するため、各工程はメモリーではなくデータベースを介して連携します。

利用時は安全対策が欠かせません。LLMが選んだビルド命令などをホスト上で直接動かすため、権限を持たない使い捨てのCodespaceや仮想マシンが推奨され、脆弱性の判定や修正案も最終結果ではなく、人が確認すべき出発点と位置付けられています。

スタンフォード大学のJames Zou氏らは2026年9月16日、学術論文と付属コードを対話型AIエージェントへ変換するオープンソース基盤「Paper2Agent」をNatureで発表しました。論文中の手法を質問に答えるだけでなく、利用者のデータ上で実行できるツールとして自動生成・検証し、研究成果の再現と応用を速める狙いです。

実証では、深層学習モデルAlphaGenomeの文書とコードから、個人用ノートPC上で約45分、計算費用15ドル未満で22個のツールを生成しました。テスト用エージェントが参照結果との一致を確認し、失敗時は機能ごとに最大6回修正した結果、22個すべてが自動検証を通過しました。

検証済みツールはModel Context Protocol（MCP）サーバーにまとめ、Claude Codeなどの対応アシスタントから自然言語で分析や可視化を実行できるようにしました。研究チームの評価では、AlphaGenomeのコードを与えた標準のClaudeと専門AI「Biomni」を上回りました。

さらに、AlphaGenomeを含む3本の論文エージェントを連携させ、乾癬の遺伝的要因を調べたところ、十分に解明されていないGPR137を有力な原因候補として特定し、検証法を10件提案しました。人間が選んだ解析では、GPR137を抑制した際の遺伝子活性変化が、乾癬関連変異による免疫細胞の変化とよく似ることを確認しました。

一方、計算生物学100本のうち26本は、不完全なコード、欠けた文書、動かない依存ソフトなどが原因で変換できませんでした。この失敗は再現性の弱点を可視化する検査にもなります。経営者や研究開発責任者には、論文を読む資料から実行可能な業務資産へ変える可能性がある一方、コード品質と人間による最終判断が導入条件になります。

AI会議記録機器を手がけるVocciは、会議の文字起こしを主用途とする指輪型の録音端末を249ドルで発売しました。ボタンを2回押すだけで会話を録音でき、1回の充電で8時間動作するとしています。6グラム未満の軽さと操作性を売りにする一方、アプリの未成熟さや、相手に気づかれにくい録音が招くプライバシー上の課題も浮かびます。

本体は6グラム未満で、内外面にチタン素材を使い、録音中は表示灯と振動で利用者に知らせます。録音の開始・停止はボタンのダブルタップで操作し、長押しでVocci AIに質問できますが、質問機能はアプリを開いている時だけ動きます。

記者の試用では、騒がしいカフェで1時間を超える会話も大部分を正確に文字起こししました。一方、短いメモではAIの分析が原文より長くなる場合があり、操作方法も短いメモには向かないと評価しています。

各録音には、主要な文字起こしを示すChat、録音中にボタンで切り出すHighlights、会話全体の要約・分析を示すNotesがあります。ただし、画面構成は分かりにくく、リマインダーアプリとの直接連携や、セッションの文字起こしからAIチャットを始める手段も確認できませんでした。同社はMCPで他のアシスタントに接続できると説明していますが、業務自動化の基盤はまだ十分に整っていません。

プライバシー面では、普通の装飾品に見え、録音表示灯も装着者側を向くため、会話相手が録音に気づきにくい設計です。地域によっては録音の告知が法的に必要であり、同社は事前開示を促していますが、記事は悪用防止策として不十分な可能性を指摘します。249ドルという価格はPlaudやPocketより高く、スマートフォンに機器を貼る、リストバンドやペンダントを着ける、といった方法を避けたい利用者向けです。

国連は2026年9月17日、Googleのオープンソース基盤Data Commonsを使い、各機関に分散していた世界統計を統合する「UN System Data Commons」を公開しました。自然言語検索とMCP接続により、人だけでなくAIエージェントも公式データを取得でき、分析担当者が表計算の整形ではなく傾向分析や政策立案に時間を使える環境を目指します。

公開時点で約20の国連機関のデータを収録し、26機関が参加を表明しています。指標、時系列、地理的境界を共通の知識グラフにまとめ、健康や教育などを地域・テーマ別に閲覧できるほか、平易な質問から関連統計と可視化を得られます。各データセットは国連の統計・技術専門家が検証します。

基盤はオープン標準のMCPに対応し、AIエージェントが数値と出典を直接取得できます。複数分野の指標を組み合わせ、ダッシュボード、グラフ、インフォグラフィック、報告書案の作成まで自動化できるため、調査の初動を短縮できます。

背景には、一般のLLMが公的統計を正確に答えにくい問題があります。UNICEFによる未査読のベンチマークでは、6モデル、13万3000件超の回答の平均精度スコアは21.2％で、約5分の3は利用可能な数値を示しませんでした。同じ質問に数値で答えた場合も、約2日後に同じ数値を返した割合は約半分でした。

Google.orgは基盤整備と技術支援に200万ドルを提供し、システムは国連管理の環境で運用されます。国連は2027年までに統計データセットの80％を収録する目標ですが、公式データにつないでもAIの解釈まで正しいとは限りません。重要な数値を引用・公開する前に、原典と生成物を人が確認する運用が不可欠です。

Googleは2026年9月16日、アメリカでGoogle Home向けMCPサーバーの早期提供を始めました。MCP対応のClaudeやChatGPTなどが利用者の許可を得て、接続機器や履歴にアクセスし、家電の監視・操作、カメラ情報の分析、専用画面の作成を担えます。対象は月額20ドルのGoogle Home Premium Advanced契約者で、今後数週間かけて提供します。

Home MCPはGoogle Nestのドアベルや温度調節器、Google Home対応機器、Matter対応の電球などを扱えます。複数カメラの情報を横断して出来事を確認したり、洗濯回数や照明の使用時間を履歴から調べたり、作業完了をスピーカーから音声で知らせたりできます。

利用者はGoogle Cloudのプロジェクトを作成してHome MCPを設定し、その接続情報を選んだAIに渡します。AIは利用者にGoogleへのログインと権限付与を求め、許可された範囲で機器や履歴を扱います。

実世界の鍵や空調、家電をAIに接続するため、安全性とプライバシーへの配慮が欠かせません。Googleは利用頻度の制限や安全対策を設け、ドアの解錠を認めませんが、接続するAIによっては想定外の動作が起きる可能性もあると注意を促しています。

この仕組みはGemini for Homeを置き換えず、外部AIが独自の画面からGoogle Homeを操作する経路を追加します。Googleには機器データと制御機能を基盤として提供し、その上で他社が消費者向けサービスを開発する狙いがあります。

Metaは2026年9月15日、AIエージェントからWhatsApp Businessの設定と運用を行える「WhatsApp Business Tools MCP」を発表しました。Claude、Cursor、Codex、ChatGPTなどを同サービスへ直接つなぎ、開発者が会話で作業を指示できます。複数の管理画面や資料、編集ツールを行き来する負担を減らし、企業の導入を効率化する狙いです。

従来はDeveloper Console、Meta Business Manager、API資料、コード編集画面を切り替える必要がありました。新しいMCPでは法人アカウントの作成、電話番号の追加と認証、Cloud APIへの登録、利用規約の確認などをAIエージェントが処理します。

運用時には、希望する内容を伝えてメッセージテンプレートを新規作成したり、既存のものを編集したりできます。メッセージとWebhookの試験に加え、利用規約、支払い方法、法人認証など、表面化しにくかった失敗の監視にも対応します。

設定や障害対応では、別のMeta Social Technologies MCPも併用できます。APIの接続先や資料を検索し、エラー解決を支援する役割を担います。

Metaはすでに広告管理やアプリ設定監視などのMCPサーバーを提供しており、今回WhatsApp Businessの導入支援を追加しました。PayPal、Stripe、GitHub、Notion、SlackなどもMCPサーバーを提供しており、外部サービスをAIエージェントから操作する仕組みが広がっています。

データベース新興企業Keewanoは2026年9月15日、AIエージェント向けの「KeewanoDB」を一般提供し、Hetz Ventures主導で1,200万ドルのシード資金を調達したと発表しました。利用者・端末・エージェントごとに出来事の順序と文脈を保持し、SDKとMCPを通じて履歴を直接読める設計です。現在はGoogle Cloud上の完全管理サービスとして提供します。

従来型のデータ基盤は、イベントを行や事前集計に変える過程で順序と文脈を失いがちです。その場合、AIエージェントは問い合わせ時にデータウェアハウスや検索インデックスから履歴を組み直す必要があります。KeewanoDBは出来事の並びを保存時から維持し、「何が起きたか」だけでなく「なぜ起きたか」を追いやすくする狙いです。

KeewanoDBは利用者、端末、エージェントなどの主体を主キーとし、各主体に起きたイベントを順番に結び付けます。会社はこれを主体ごとの大きな表と説明し、複数の表をまたぐ結合をクエリーで使いません。イベントはディスク上に4バイト単位で保存されるとしています。

取り込み時の意味付け層では、LLMが各イベントに追加の文脈を付与します。主体の状態が変わっても過去のラベルを置き換えず、活動中、非活動、不正疑いといった変化を順番に残します。加速エンジンを通じてエージェントがMCP経由でDB内のスクリプトを実行でき、外部処理へデータを移す工程を省きます。

開発者はSDKとMCPでデータベースへ接続でき、必要なチームは別層の分析機能も利用できます。自然言語クエリー用エージェントに加え、「Signal」が約1時間ごとに異常検知と因果推論を実行すると会社は説明しています。他のクラウドと自己管理型の配備は2027年初めを予定しています。

VentureBeatが2026年7月に101社を対象に実施した調査では、68％が直近半年にAIエージェントの確信を伴う誤回答を経験し、原因をモデルではなく業務文脈の欠落や不整合としました。外部アナリストは機械学習を後付けせず内蔵する点を差別化要因と見る一方、既存分類には収まりにくいと評価しています。導入判断では、現在の仕組みが履歴の順序を落とし、問い合わせ時に再構成していないかを確認する必要があります。

Hugging Faceは2026年9月10日、ブラウザー上のノードグラフ「Workflow1111」を公式ブログで紹介しました。AUTOMATIC1111風の画像・動画処理11系統を73ノードで再現し、テキスト画像生成から高解像度化、物体検出、動画化までを単一キャンバスに統合します。利用者はHugging Faceで認証し、自分の推論枠で各モデルを呼び出せます。

基盤はPython関数のfn、推論モデルのmodel、別のGradio Spaceを呼ぶspace、Hubデータセットの行を使うdatasetという4種類の演算子です。入力と出力をポートとして結ぶだけで、LLM、画像生成、VLM、検出、動画生成を同じグラフに配置できます。

同じ依存段階のノードは自動で並列実行されます。画像から生成プロンプトを作るVLMと分類器を同時に走らせるほか、4種のプロンプト行列も一斉に画像化し、追加の並列制御コードを不要にしています。

ネットワーク依存も抑えています。36個の演算子ノードのうち32個がfnで、22個はPillowやNumPyなどを使って端末内だけで動作するため、接続を失ってもキャンバスのおよそ3分の2は利用できます。外部モデルはInference ProvidersやSpaceへ委ねる一方、fnにはローカルGPUのモデルも結び付けられます。

各出力ノードは型付きRESTエンドポイントになり、Workflow1111では9本を公開しています。MCPサーバーを有効にすれば同じ出力がAIアシスタント向けツールになり、呼び出し元ごとのトークンで画像生成や検出を組み込めます。企業の開発者にとって、可視化、実行、API公開を一つの設計図で管理できる点が実装上の要点です。

CrowdStrikeは2026年8月、Fortune 500企業の端末でAIエージェント探索を有効にしたところ、初日に1万8000件を検出し、承認済みは300件だけだったと明らかにしました。同社はFal.Con 2026で、端末上の実行状況や通信、データ接触を可視化するFalcon Guardianを発表し、急増する未管理エージェントへの統制策として提示しました。

検出対象にはClaude Code、OpenAI Codex、Cursor、Kiroが含まれました。ただし、未承認分1万7700件のすべてが従業員によるシャドーAIだったかは、CrowdStrikeは明らかにしていません。

Falcon Guardianは既存のFalconセンサーを使い、端末やクラウドで動くエージェントの実行状況を捉えます。管理下の実演では、GitHub上の隠し命令や不正なMCPサーバーによる認証情報の持ち出しをセンサーが遮断し、流出を防ぎました。

焦点はエージェント固有のIDと最小権限です。CrowdStrikeは、エージェントが人間の過剰な権限を継承しがちだと指摘し、Amazonの最高情報セキュリティ責任者も、エージェントの権限範囲は操作者を超えるべきではないと述べました。

企業が最初に取り組むべきは、製品導入そのものよりエージェントの棚卸しです。所有者、用途、最終利用時点、接続先、実効権限を特定したうえで、端末での監視、ID管理、データ保護、ソフトウェア供給網対策を組み合わせる必要があります。

TechCrunchは2026年9月7日、AI開発や投資、事業判断に必要な専門用語を平易に説明する用語集を更新し、OpenAIの新モデルAstraで使われる「不透明な反復」などを追加しました。技術の進化で言葉の意味が急速に変わるなか、LLMやAIエージェント、学習手法、運用上のリスクを共通言語として整理し、読者が会議や製品評価で用語を正確に扱えるようにする狙いです。

用語集によると、LLMは大量の文章から語句の関係を学び、入力に適合する可能性の高いパターンを生成する深層ニューラルネットワークです。AIエージェントは複数のAIや外部機能を使って多段階の作業を担い、コーディングエージェントは記述・テスト・修正まで反復します。

モデル開発では、追加の専門データで用途を絞る微調整や、教師モデルの出力を小型モデルへ移す蒸留、既存知識を別の課題に生かす転移学習を使います。運用時の推論では、計算結果のキャッシュや一部の専門ネットワークだけを動かすMoEが、速度と計算効率の改善につながります。

新たに注目された不透明な反復は、問いを内部層へ繰り返し通し、自然言語で順を追う思考過程とは異なる方法で推論する技術です。小型モデルでも少ない計算量で性能を高めやすい一方、読める記録が減るため、不正な挙動を見つける監督可能性が下がると安全研究者は懸念しています。

OpenAIはAstraの思考過程は読める状態だとして、推論が完全に内部の数値表現だけになる「ニューラリーズ」との比較に反論しています。それでも企業は、幻覚による誤情報、トークン量に応じた費用、MCP経由の外部データ接続などを理解し、曖昧な用語は製品ごとの定義と実際の挙動を確認する必要があります。

MCPは7月28日、初回公開以来最大の仕様改定をリリースし、セッションを持たない中核、OAuth対応、MCP Appsなどを導入しました。公開初日には4つのTier 1 SDKが新仕様に対応し、CloudflareのAgents SDKも即日対応した一方、記事は防御の実施主体がプロトコルから接続先と開発者へ移ったと指摘しています。

新仕様ではMcp-Session-Idヘッダーと、クライアントを特定のサーバーに結び付ける初期化手順が削除されました。プロトコル版、クライアント情報、機能は各リクエストに含まれるため、任意のサーバーインスタンスが処理できます。

記事は新たな攻撃面として、MCP Apps内の保存型XSS、ポータブルハンドルの乗っ取り、ネットワーク監視では見えない制御の空白を挙げます。特にハンドルは会話内の文字列にすぎず、Jiraチケットやツール応答へのプロンプトインジェクションで有効な認証情報が攻撃者に渡る恐れがあると説明しています。

対策の優先事項は、すべての呼び出しに対する検査と強制、ハンドルを提示した主体と発行先の照合、MCP Appsが描画するHTMLの管理です。OAuth 2.1とPKCE、厳格なリダイレクトURI照合、対象サーバーに限定したトークン検証も推奨しています。

さらに、ホストプロセス、ローカルMCPサーバー、クライアント描画を接続先で可視化し、実際のモデルと業務フローで移行後のサーバーを試す必要があるとしています。旧HTTP+SSE転送方式などの廃止は7月28日から12カ月後、早くても2027年半ばであり、移行を安全対策として進めるべきだと結論付けています。

音響機器メーカーSonosは2026年9月1日、新たな「音響OS」を掲げ、アプリ基盤「Sonos 27」と生成AI音声機能、ヘッドホン「Ace Ultra」、サウンドバー「Beam Ultra」を発表しました。2024年のアプリ刷新で機能欠落やアクセシビリティ低下を招いた反省から、利用者の声を取り入れて操作性と機器連携を立て直し、スピーカー会社から総合音響基盤への転換を目指します。

Sonos 27アプリでは、タブ移動、部屋の並べ替え、音量操作を改善し、秋には製品ごとの接続障害を診断するシステム状態画面を追加します。早期提供の「Sonos 27voice」は気分に応じた楽曲の音声検索に対応し、MCP経由でChatGPTなど任意のAIサービスから再生を指示できます。

利用者は「Sonos Custom Agents」を設定し、特定の時刻や部屋でスピーカーを動かす処理、応答音声の変更ができます。生成AI機能はオプトインで、不要なら有効にせず従来機能を使えます。

製品間の同期網には「Sonos Fabric」と命名し、別の部屋から持ち込んだスピーカーをサラウンド用に自動調整する「portable surround」と、スピーカーとヘッドホン間で再生を移す「Headphone Linking」を導入します。Ace UltraはWi-FiでSonos製品群につながり、電池は35時間、USB-Cと3.5ミリ接続にも対応します。Beam Ultraは従来機より4基多い9基の上向きドライバー、AI会話明瞭化、Wi-Fi、Bluetooth、HDMI eARCを備えます。

一方、Sonos 27はS2アプリで動作し、旧型機器向けS1アプリは対象外です。新機能が使える製品や更新経路の詳細は後日公表とされ、既存利用者には互換性と設定の複雑さがなお判断材料になります。

AIセキュリティー新興企業AIRは2026年9月1日、ステルス状態を終え、2回のシードラウンドで計5000万ドルを調達したと明らかにしました。同社は、企業内のAIエージェントを検出し、利用するスキルやプラグイン、MCPサーバーなどを継続審査して、基準を満たさないソフトや外部情報源への接続を遮断します。

AIRは、イスラエル軍の情報部隊「8200部隊」で攻撃的サイバーセキュリティーに携わったヤイル・サバンCEOとニブ・ホフマンCTOが創業しました。1000万ドルの第1回調達はSequoia、4000万ドルの第2回調達はGreenoaksが主導し、新資金は研究者の採用と米国・欧州での販売拡大に充てます。

製品は、社内で稼働するエージェントに加え、IT部門が未承認のAIツールや個人アカウントの利用も見つけます。エージェントの動作に介入し、スキルの読み込みやインターネット上の情報取得を解析したうえで、独自の許可リストと照合します。AIRによると、オンラインで見つけたアドオンとスキルの約27％を現在は除外しています。

背景には、エージェントがデータベースや企業システムを自律的に操作するほど、攻撃者がエージェント自体ではなく、読み込む情報を汚染する危険が高まるとの問題意識があります。承認済みの部品でも、依存パッケージの変更や開発者アカウントの侵害で危険になり得るため、一度限りの検査ではなく継続的な再審査が要点です。複数ベンダーを横断する独立製品への需要が残るとAIRはみています。

AIRは顧客が20社を超え、その約4分の1を大企業が占めると説明しています。金融や製薬など規制の厳しい業界で需要が強い一方、Noma SecurityやZenity、Astrix Security、Operant AIも同種の保護・統制製品を展開しており、継続審査の精度と運用規模が差別化の焦点になります。

米新興企業Circlebackは8月31日、AIによる会議メモ作成サービスに新たな無料プランを導入したと発表しました。これまで同社には無料プランがなく、最も安いプランでも月20.83ドルからでした。今回の無料プランでは、会議の文字起こしを無制限に行えるほか、直近30日間の履歴を閲覧できます。急速に競争が激しくなる市場で、より多くのユーザーに製品を試してもらう狙いです。

無料プランでは、会議の録音のほか、スマートフォンアプリやApple Watch向けアプリの利用、AIを使った文字起こし内容への質問、Linear・Slackとの連携が可能です。一方、全ての外部連携や無制限の履歴閲覧、API・MCPへの完全アクセスを求める場合は、年払いで月15ドルからの有料プランへの加入が必要になります。

背景には、AI議事録市場の競争激化があります。ここ数週間だけでも、音声入力アプリのWisprが独自の議事録機能を投入したほか、スケジュール調整アプリのCalendlyも同様のツールを追加しました。Granola、Read AI、Firefliesといった専業スタートアップも巨額の資金調達を重ねており、Circlebackはこうした動きへの対応を迫られていました。

Circlebackは2023年、Ali Haghani氏とKevin Jacyna氏が創業したY Combinator出身の企業です。2024年に250万ドルを調達して以降は黒字を維持しており、従業員8人で年間経常収益(ARR)は1人当たり100万ドル超、総額でおよそ800万ドルに達しています。

Haghani氏は、これまで無料の試用期間が限られていたことで利用者の離脱が大きかったと説明し、今回の無料プラン導入がその解決策になると述べました。同社はGoogle広告やMeta広告に費用を投じておらず、今回の無料プランがマーケティング施策の役割を果たすといいます。資金調達については当面予定していないとしつつも、必要になれば前向きに検討する姿勢を示しました。

AIを使って大量の動画や音声ファイルを検索できるサービスを手掛ける米サンフランシスコ発のスタートアップCliptoは、既存投資家らから1500万ドルを全株式で調達したと発表しました。今回の調達により評価額は2億5000万ドルに達し、生成AIの普及で急増するコンテンツ管理という課題に商機を見出しています。

Cliptoはユーザーのパソコン内にある動画・音声・画像・会議録などのファイルを自動で索引化し、フォルダーをたどらなくても自然言語で欲しいファイルを探し出せる仕組みを提供しています。ChatGPTやClaudeといったAIツールから直接検索を依頼することも可能で、処理はすべて端末上で完結するため、クラウドを介さずに済む点も特徴です。

創業者のヘンリー・カン氏は、カーネギーメロン大学の博士課程時代からロボットに周囲を記録・記憶させる研究に取り組んでおり、その発想を最初の起業やテンセントに買収された動画編集スタートアップZenvideoにも応用してきました。2023年に前回起業の仲間らとCliptoを設立し、あふれる動画コンテンツを「探して再利用する」需要に着目したといいます。

当初は動画制作者向けに開発された製品でしたが、現在は利用者全体の4分の1から3分の1程度を占めるにとどまり、弁護士や医師、研究者、人事担当者、教員や学生など幅広い層に利用が広がっています。累計利用者数は3000万人を超え、有料課金者も数十万人規模に達しているとのことです。

Cliptoは2026年初めに年間経常収益(ARR)1500万ドルを達成し、純利益ベースで黒字化しているといいます。従業員はサンフランシスコ・ベイエリア、香港、シンガポールを合わせて20人強にとどまり、少人数体制での成長を続けています。約2週間前には、AIアプリケーションが外部情報にアクセスするための標準規格「MCP」への対応も追加しました。

AdobeのPremiereやApple・GoogleのフォトアプリもAIによる検索機能を備えていますが、いずれも自社サービス内のファイルが対象です。これに対しCliptoは動画・音声・画像・文書を横断して検索できる点を強みとし、大手との差別化を図っています。今回調達した資金は、AIモデルや計算基盤の整備、さらに他のAIエージェントとの連携拡充に充てる方針です。

AIニュースリーダーを手がける米新興企業Particleは8月26日、ポッドキャストの音声を検索可能にする新サービス「Radar」を発表しました。音声を文字起こしして内容を理解し、重要な発言やハイライトを自動抽出することで、これまでテキスト中心だったAIエージェントが音声情報も扱えるようにする狙いです。

Radarはすでに13万本以上のポッドキャストを文字起こし済みで、業界最大級の規模を誇ります。Appleランキング上位200番組を135分野にわたって網羅し、毎日2万話が新たに索引へ追加されています。発言者の識別に加え、登場する人物や企業、製品などの固有名詞も自動で解析します。

共同創業者兼CEOのサラ・ベイクプール氏によると、API経由で直接連携する顧客の中で最も取引量が多いのはヘッジファンドだといいます。AI検索企業のExaなど大手データ企業とも提携しており、ジャーナリストや研究者にも利用が広がっています。メール、Slack、Webhookで通知を受け取れるアラート機能も備え、特定のゲストや話題に絞った条件設定が可能です。

注目すべき発言を自動で抜き出す機能もあり、番組全体を聴かなくても要点を把握できます。さらに広告出稿の追跡や視聴者数の推定、政治的偏向の分析、番組ランキングなど、企業のマーケティング調査に役立つ有料機能も用意されています。

料金は個人向けが月29ドル、20席分を含む法人プランが月399ドルで、API利用は個別見積もりとなります。Particleは今後、対象をポッドキャストからYouTube動画やニュース映像など他の音声・動画コンテンツにも広げる方針です。

OWASPの生成AIセキュリティプロジェクトを率いるロック・ランブロス氏とスティーブ・ウィルソン氏は8月18日、LLMアプリケーション向けOWASPトップ10でプロンプトインジェクションが専門家投票1位である一方、6639件の実被害記録では12位にとどまるとの分析をarXivで発表しました。公式ランキングに取って代わるものではないと両氏は断っています。

分析では、CVEやGitHubセキュリティアドバイザリー、OSV、AIAAICデータベースから集めた7714件のLLMセキュリティインシデントのうち6639件を20項目の分類体系に基づいてラベル付けし、ベイズモデルで分類誤差を補正した上で専門家投票と比較しました。その結果、両者の一致度を示すコーエンのカッパ係数は0.20にとどまり、90%信頼区間はマイナス0.16から0.57にまたがりました。区間がゼロをまたぐため、偶然の一致である可能性を否定できないと両氏は指摘しています。

プロンプトインジェクションはログやサポートチケット、検索で取得した文書などに命令を紛れ込ませる攻撃です。エージェントは正規に保有する権限を使って攻撃者の意図通りにツールを呼び出すため、製品の欠陥とはみなされずCVEとして記録されません。ウィルソン氏は、モデル内のプロンプトで書かれたルールは提案にすぎず強制力のある制御にはならないと述べ、モデルの外側で権限を制御する認可ゲートの導入を最優先の対策として挙げました。

専門家評価と実被害記録の乖離はプロンプトインジェクションにとどまりません。誤情報は専門家投票で13位ですが実被害記録では2位に浮上しており、論文は両者の不一致確率を99%と算出し最も意見が割れた項目と位置づけました。一方、エージェントの記憶汚染やMCPツールインターフェースの悪用といった新しい脅威は、実被害の順位区間が6位から20位まで広がるほどデータが乏しく、それでもすでに深刻度の高いCVEが報告されています。

OWASPは8月4日、実被害データを25%、専門家投票を75%の比率で組み合わせた最新版トップ10を公開し、プロンプトインジェクションは1位を維持した一方、過剰な権限(Excessive Agency)は6位から3位に上昇しました。ランブロス氏は、分類ごとに分類器の精度が9割から1割強までばらつく点を踏まえ、次回以降は信頼度に応じて重み付けを見直すべきだと提案しています。

両氏は、企業がOWASPトップ10を優先順位そのものではなく網羅性を確認する地図として使い、自社のシステムが実際に何をしているかをプロンプトや呼び出したツール、確信度スコアまで記録すべきだと助言しています。アイバンティの調査では、セキュリティチームの87%がエージェント型AIの導入を優先課題に挙げる一方、77%が人の確認なしにAIを行動させることに一定の抵抗感を持たないと回答しており、専門家評価と実被害データが一致しない現状のままAIエージェントの自律性拡大が進んでいる実態が浮かび上がります。

Anthropicは今月、Slackで稼働する自社エージェント「Claude Tag」を更新し、メッセージを1件ずつ判定していた仕組みを廃止して会話全体の文脈を読み取れるようにしました。同社のエンタープライズ製品責任者スコット・ホワイト氏によると、この変更により発言すべきタイミングを見極める精度が約30%向上したといいます。

ホワイト氏はこの動きを、AIが個人向けチャットボットから組織全体で機能する「同僚」へと進化する転換点だと位置づけています。以前のClaudeは「個人の秘書」のような存在でしたが、組織に導入された今は「会社全体の秘書」のように機能し始めていると説明しました。

背景にあるのは、企業データに接続する規格「MCP」の普及と、複数の情報源をつなぎ合わせて判断できるモデル知能の向上です。更新後のClaude Tagは会話の文脈を踏まえ、即時に返信する、スレッドで作業を始める、既存の業務に振り分ける、何もしないという4つの選択肢から行動を選びます。Anthropicは「うるさいエージェントは役に立たないエージェントより悪い」として、繰り返し関与不要と判断したチャンネルでは発言を控える設計にしたと説明しています。

常時稼働するエージェントには、悪意ある指示を読み込ませるプロンプトインジェクションへの懸念も伴います。Anthropicはモデルに分類器を組み込んだ対策に加え、Chrome拡張機能の一般提供を見送るなど段階的に安全性を検証してきたと説明しました。拡張された会話の文脈は当面、利用量や料金には加算されないものの、ホワイト氏は将来的な課金化の可能性について明言を避けています。

SlackはSalesforceが保有し、MicrosoftやGoogleも自社の業務ツールにエージェント機能を組み込んでおり、競合は激しくなっています。ホワイト氏は、複数システムを横断して情報をつなぎ合わせる中立性こそがAnthropicの強みだと強調しました。さらに今後は、Claudeに組織のOKR(重要目標達成指標)を持たせ、取り組むべき課題や連携すべき人を自律的に判断させる構想も語っています。

AIエージェント向けMCPゲートウェイを手がけるRunlayerと、人事給与大手Ripplingは、20日夜（現地時間）に互いへの訴訟を取り下げました。和解金の支払いも弁護士費用の精算もなく、訴訟は事実上決着なしで終結しました。Ripplingは取り下げの発表と同時に、係争の的だった自社のMCPゲートウェイ製品を正式に公開しています。

Runlayerは2025年11月に創業した新興企業で、Khosla VenturesのKeith Rabois氏らから4200万ドルを調達しています。Ripplingとは1年以上にわたり技術検証を続けていましたが、契約締結には至りませんでした。その後、Rippling社員から自社製品の複製版を開発中との連絡を受け、Runlayerは契約違反を主張して提訴しました。

これに対しRipplingは、Runlayerが自社特許を侵害しているとして反訴しました。Runlayer側はこの反訴について、法的費用を膨らませて提訴取り下げを迫る狙いがあったとみています。Runlayerは開示手続きに3週間を費やした末、訴訟を取り下げる決断をしました。

MCPゲートウェイは、AIエージェントが社内の他システムからデータを取得する際のアクセスを安全に仲介する仕組みです。従業員の役割に応じたアクセス制御や利用ログの記録といった機能も備え、企業のAI活用における安全管理を担います。

Ripplingは給与・福利厚生管理で知られてきましたが、ここ数週間でAIゲートウェイ市場にも参入しました。モデルへのルーティングや従業員ごとのトークン利用状況を可視化する製品で、StripeやRamp、Databricksと競合しています。さらに今回のMCPゲートウェイ製品では、RunlayerやDocker、Amazon Bedrockとも競合する立場になりました。

AI業界の変化の速さを踏まえ、企業が新興企業に課す長期の技術検証は見直しが必要だとの指摘も出ています。検証開始から契約締結までの間に、発注企業のニーズや戦略が大きく変わりうるためです。今回の一件は、想定外の相手が競合になり得るというAI時代特有のリスクを浮き彫りにしました。

世界最大の暗号資産取引所であるバイナンスは8月20日、AIエージェントが市場分析から取引執行までを代行できる新プラットフォーム「Agent OS」を発表しました。登録ユーザー数3億人超を抱える同社が、チャットボットから自律的に行動するエージェントへとAI活用の主戦場が移る中、実際の資金を扱う取引業務に自律型AIを本格的に組み込む動きです。

Agent OSは、バイナンスAPIやウォレット向けエージェント基盤に加え、新たにModel Context Protocol(MCP)への対応を追加しました。これにより、OpenAIのChatGPTやCodex、AnthropicのClaude Code、Cursorといった主要なAIツールから直接、口座情報の閲覧や取引の実行が可能になります。バイナンス製品担当副社長のジェフ・リー氏は「エージェントに何をどこまで許可するか、その裁量をユーザーに委ねる設計にした」と説明しています。

具体的には、エージェント専用のサブアカウントを通じて資金を隔離し、出金機能は初期設定でブロックされます。ユーザーは取引ごとに承認を求めるか、権限設定の範囲内で自律的に取引させるかを選べます。取引額や損失そのものに対する上限は設けられておらず、サブアカウントへの入金額が事実上の上限として機能する仕組みです。

リー氏によれば、エージェントがなぜその取引を判断したかという推論過程は、ユーザーの端末や利用するAIアプリケーション側で行われるため、バイナンス側では把握できないといいます。結果として生じた取引活動は監視できるものの、プロンプトインジェクション攻撃などで判断が操作された場合の防御線も、主にサブアカウントの権限制限に委ねられています。

暗号資産の自律取引をめぐっては他の取引所も追随しており、クラーケンは3月にMCPサーバーを備えたコマンドラインツールを、コインベースは6月に「Coinbase for Agents」を、OKXも独自のMCPツールキットをそれぞれ公開しています。バイナンスのリー氏は、Agent OSを暗号資産や既存の金融市場にまたがるAI活用の「第一歩」と位置づけています。

Snowflakeは2026年8月、企業向けデータクラウド上のAIゲートウェイ「Cortex AI Gateway」に、タスクごとに最適なモデルへ自動で振り分ける動的モデルルーティング機能を追加しました。簡単な質問まで高性能モデルが処理してコストと応答速度が悪化していた課題を受けたもので、社内検証では一部の処理でトークン費用を最大3分の1まで削減できたとしています。

振り分けは主に二つの仕組みで動きます。一つは小型モデルがまず処理を試み、対応できない場合のみ大型モデルを呼び出すアドバイザー方式です。もう一つは過去の問い合わせ履歴を学習した分類器が、単純な質問を自動的に軽量モデルへ振り分ける仕組みです。企業は特定モデルへの固定も選べ、振り分け自体に追加料金は発生しません。

Snowflakeはこの振り分け機能を既存のデータガバナンス基盤と連動させています。ロールベースのアクセス制御はモデルの利用可否やエージェントの権限にも及び、中国発のオープンモデルを含む一部モデルは顧客が指定した地域内で処理される仕組みです。MCPコネクタ企業Natomaの買収により、外部ツールへの権限を細かく絞った連携も可能になりました。

同社が提供する文脈管理ツール「Horizon Context」や「Cortex Sense」も、コスト削減を後押ししています。あらかじめ十分な文脈を与えておけば、モデル自身が試行錯誤でSQLを書いたり検索を繰り返したりする必要が減り、より安価なモデルでも同じタスクをこなせるようになるためです。エージェントの利用履歴を記憶として蓄積し、次回以降の問い合わせに活用する仕組みも備えています。

モデルルーティングを巡っては、DatabricksやAWS、Google Cloud、Nvidiaなども同様の技術を相次いで発表しており、業界全体の潮流になりつつあります。専門家は、Databricksがデータ・ML基盤からの統治、Snowflakeがアクセス制御からの統治、OpenRouterなど中立的なゲートウェイがモデルの選択肢の広さを競う、三つの異なる陣営に分かれつつあると分析しています。どの仕組みを選ぶかは、自社のデータやチーム体制がどの統治モデルに合うかで決まるとしています。

SpaceXの一部門であるSpaceXAI（旧xAI）は8月11日、業務代行AIエージェント「Grok Bot」の早期ベータ版を公開しました。役割を与えられた「Bot」が専用のコンピューター環境を持ち、業務アプリにログインして人と同じように画面を操作し、完了した成果物を返します。価格は法人向けが1席あたり月120ドル、個人向けは月200ドルからです。

最大の特徴は、APIやMCPを持たないアプリやウェブサイトでも扱える点です。Botは自前のコンピューターで動くため、利用者がノートPCを閉じても作業を続け、承認が必要な場面や作業完了時に戻ってきます。同社によると社内プロトタイプとして始まり、営業開拓やマーケティング、経費処理、バグ修正へと用途が広がったといいます。

操作を実演して見せると、Botはその流れをルーチンとして保存し、以後は手順を繰り返し指示しなくても実行できます。文章の書き癖や例外処理の好みを記憶し、どこで人の承認を求めるべきかも徐々に学ぶとしています。複数のBotを同じスレッドに入れれば互いに作業を引き渡し、上位の「Chief of Staff」Botが専門Botを束ねる構成も取れます。

提供開始は8月11日で、SuperGrok Heavy（月300ドル）、Cursor Ultra（月200ドル）、Cursor Premium Teams（1席月120ドル）の契約者が対象です。SpaceXが6月に600億ドルで買収したCursorのプランに組み込まれ、法人向けには一括請求やSAML/OIDCによるシングルサインオンが付きます。対応OSはmacOS、Windows、Linux、iOSで、Androidは近日対応とされています。

一方で同社はエージェント性能のベンチマークを公表していません。早期利用者からは「コードに限らず何にでも使えるエージェント」と高い評価が出た半面、裏側のモデル振り分けが自動で利用者がモデルを選べない点には不満も出ています。Anthropicのコンピュータ操作やOpenAIのWorkspace Agents、ChatGPT Workなど競合がひしめくなか、差別化の焦点はモデルの賢さより権限管理と実行の予測可能性に移りつつあります。

GitHubは8月11日、公式ブログで、開発者の役割がコードの書き手から仕組みの統括者へ移るとの見解を示しました。プロンプト1回で作るデモは手軽ですが、安全かつ確実にコードを生み出し続けるには、検査と権限を組み込んだ配信の仕組みが必要になります。同社は、開発者が今後コードそのものだけでなく、その周囲にある提供プロセス全体を設計し所有していくと説明します。

示された流れはこうです。課題へのラベル追加や夜間の定時実行といった使い慣れたリポジトリのイベントを引き金に、GitHub Actions のワークフローが動き、あらかじめ範囲を絞った作業をエージェントに任せます。その成果はプルリクエストとして提出され、そこから先は機械的な検査が引き継ぎます。

静的解析やテスト、セキュリティ検査、ビルド確認が走り、CODEOWNERS や必須レビュー、ブランチ保護がマージの可否を決めます。エージェントは柔軟に動きますが、あくまで規則に基づく予測可能な境界の内側です。この決定論的な部分こそチームが仕組みを信頼できる理由だと、同社は指摘します。

では開発者は何をするのでしょうか。引き金を定義し、エージェントの権限範囲を決め、作業の受け渡しを設計します。そのうえで人間の判断をどこに残すかを決めることが、統括者としての新しい仕事だと同社は位置づけています。

導入は小さく始めるのが得策です。課題の仕分け、ドキュメントとテストの同期、リスクの低い保守更新など範囲の限られた業務を一つ選び、既存の開発基盤に GitHub Copilot を組み込むよう勧めています。クラウドエージェントによる自動化、Actions 内での Copilot CLI 実行、MCP による機能拡張は、別々の思想ではなく同じ成熟度の道筋にある選択肢だとしています。

読み手にとっての要点は、エージェントの賢さよりも、その出力を受け止める検査と統制の設計にあります。単発のプロンプトが生む一度きりの成果から、再現性のある配信へ。同社は10月28〜29日に開くイベント GitHub Universe でも、この役割の変化を主題に据えるとしています。

Metaは8月10日、AIエージェントを手元のパソコンで動かすためのオープンウェイトモデル「Muse Glimmer」を公開しました。パラメータ数は約296億で、ライセンスは商用利用も改変も無制限に認めるApache 2.0です。Llamaの後継として4月に投入した独自モデル「Muse Spark」以降、同社が完全なオープンソースとして出す最初のモデルとなります。

注目はライセンスです。Llamaの独自ライセンスには月間7億ユーザーを超える企業を対象外とする条項などがあり長年批判を浴びてきましたが、Apache 2.0にそうした制約はなく、商用利用も改変も再配布も自由に行えます。Zuckerberg氏はXへの投稿で、旗艦モデルMuse Spark 1.2の重みも近く公開すると予告しました。

設計の中心にあるのは24GBのVRAMという制約です。完全精度のBF16では55GBを超える容量が必要ですが、Metaは約4bitの量子化版を用意し、言語モデル部分を20GB未満まで圧縮しました。RTX 4090やRTX 5090、32GB以上のMacであれば、KVキャッシュや視覚エンコーダまで含めた一式が収まる計算です。

速度面ではDFlashを使った投機的デコードを併用します。小型のドラフトモデルが16トークン単位で候補を提案し本体が並列に検証する仕組みで、RTX 5090の生成速度は毎秒74.9トークンから233.4トークンへと3.1倍に伸びました。エージェントは1件の依頼で何度もモデルを呼び出すため、この差が実用性を大きく左右します。

性能はどうでしょうか。Meta自身の比較では、MCP AtlasやGAIA2、SWE-Bench Proといったエージェント系の指標でGemma4-31BとQwen3.6-27Bを上回りました。一方でOSWorld-VerifiedやTerminalBench 2.1ではQwenが優勢で、万能な優位とまでは言えません。

安全性の扱いも見逃せません。プロンプトインジェクション耐性を測るSiren AgentDojoでは攻撃成功率28.4%とGemmaの25.6%に及ばず、Metaは取り返しのつかない操作に人間の承認を挟むよう推奨しています。それでも端末内で処理が完結する設計は、Zuckerberg氏が掲げる個人向け超知能構想の輪郭を初めて具体的に示すものと言えます。

スタンフォード大学のジェームズ・ゾウ准教授は8月7日、VB Transform 2026で、数万体のAIエージェントを企業のように組織化した仮想バイオテックを公開しました。2025年1月以前の公開データだけを用い、肺がんの標的CD276向け抗体薬物複合体を自律設計。数カ月後、製薬大手Merckが同じ治療設計へ独自に到達しました。

出発点は、ゾウ氏が自身の研究室を模して作った5〜8体規模の仮想ラボでした。AIの教授役が主任研究者を務め、専門の異なるAI学生役が定例会議で議論する構成で、エージェント向けにスタンフォードを再現した学校まで用意し追加学習を行わせています。この仮想ラボは新型コロナ変異株向けのナノボディを設計し、実験では人間が設計した既存品より高い結合性能を示しました。

なぜ単一の高性能モデルに計算資源を集中させず、数万体に分けるのでしょうか。同じ課題で比較したところ、複数エージェント側は議論や意見の対立を通じて誤りの連鎖に強い解を導いたといいます。互いを説得する過程が、単独のモデルより創造的で頑健な推論を引き出すという説明です。

規模を広げるほど、隘路になるのは情報を束ねる基盤です。既存のデータベースにMCPをかぶせても、人間や旧来のアルゴリズム向けのAPIはエージェントには扱いにくく、論文PDFの図表を読み違えて誤情報を生みます。同チームは複数のデータベースをAI向けの仮想ファイルシステムに写し取るPaperclipを開発し、精度を高めつつ時間と費用を一桁以上減らせたと説明しました。

実証では3.7万体の治験エージェントが分断された臨床試験データを統合し、市場到達の確率が約5割高い創薬標的の特徴を突き止めました。ゾウ氏は今後の焦点を、手順を細かく指示するワークフローから、基盤と誘因と防護柵を与える環境の設計へ移すべきだと述べています。最適化の対象は個々のモデルではなく、協働を支える環境そのものだという主張です。

Vercelは8月5日、AIアプリ生成エージェント「v0」をプログラムから呼び出せる新しいAPIを正式公開しました。プロンプトを送るとv0がアプリを生成し、同社のVercel Sandbox上で開発サーバーを起動して、自社の画面に埋め込めるプレビューURLを返します。アプリ生成の機能そのものを自社製品や社内パイプラインに組み込めるようになった点が最大の変更です。

新APIでは、1つのチャットが1つのアプリに対応する独立した作業環境になります。v0はその中でファイルを読み書きし、実際にコードを実行して動作を検証するため、エラーを検知してその場で修正できます。追加のメッセージは現在の状態から続けて処理されるので、対話を重ねながらアプリを育てられます。

呼び出し方は同期・非同期・ストリーミングの3種類から選べます。非同期ならWebhookで完了を受け取れ、ストリーミングならファイル編集やコマンド実行といったエージェントの作業過程を自社の画面にそのまま流せます。GitHubリポジトリやZIP、ファイル一式からチャットを作ることもでき、既存コードの改修にも使えます。

エージェント開発者向けの接続口も3つ用意されました。MCPサーバー、AI SDK用のツール集「@v0-sdk/ai-tools」、そしてVercelのエージェント基盤eve向けのOpenAPI接続です。自作エージェントにv0をツールとして持たせれば、コード断片ではなく動くアプリを成果物として返せます。

想定される使い方は、ホワイトラベルのアプリビルダー、CIやWebhookからの自動改修、エージェント用のビルド手段の3つです。プレビュー用トークンは短命で、サーバー経由でプロキシする設計のためAPIキーがブラウザに露出しません。デザインシステムをスキルとして読み込ませれば、生成物を自社の見た目に揃えることもできます。

一方で注意点もあります。旧v1のチャットは新APIでは動かないため、残したいバージョンをZIPで書き出し、新しいチャットとして作り直す必要があります。接続先もapi.v0.dev/v2に変わり、応答は最終テキストだけでなくpartsを描画する前提に切り替わりました。

北京大学など中国の3研究機関は、AIエージェントにデータ処理工程を組ませるオープンソース基盤「DataFlow-Harness」を公開しました。12課題の検証で成功率93.3%を記録し、標準のClaude Codeに比べAPI費用を72.5%、応答時間を49.9%抑えています。狙いは使い捨てのコードではなく、後から人が読んで直せる資産を残すことです。

研究チームが問題視したのは、自然言語の指示と本番環境の要求との断絶、いわゆる「NL2Pipelineギャップ」です。実験では、Claude Codeが自由形式のスクリプトを書ける場合の成功率は94.2%でしたが、プラットフォーム固有の部品だけで工程図を組ませると83.3%まで低下しました。監査や再利用に耐える工程を作る方が、使い捨てのコードより難しいという結果です。

基盤は四つの要素で構成します。中核のバックエンドが処理工程を有向非巡回グラフ（DAG）として保持し、エージェントはMCP経由で利用可能な演算子の一覧と現在の状態を取得したうえで、型付きの差分だけを加えます。さらに「Skills」と呼ぶマークダウン文書が、演算子の選び方やスキーマ推定の手順を文脈に注入し、AIの当てずっぽうを減らします。

人が介在できる点も特徴です。WebUIでは自然言語での対話に加えて工程図を視覚的に編集でき、AIが提案した変更をその場で確認して手直しできます。システムは登録済みのデータセットや演算子、項目の受け渡しを事前に静的検査し、成立しない接続を弾きます。

実務に近い例では、教科書から画像付き問答データを抽出する課題でPDF解析やOCR、図版抽出などを組み合わせ、精度97.2%、網羅率87.3%を達成しました。数学データの整備でも、この基盤が組んだ工程で作ったデータの方が、素のClaude Codeが書いた処理より高い精度のモデルを生んでいます。

一方で導入の敷居は残ります。第一著者のRunming He氏は、現状はDataFlowプラットフォーム専用でAirflowやPrefectにそのままつなげるわけではなく、社内の登録簿やメタデータを結ぶアダプターの実装が必要だと説明します。Apache 2.0で公開されていますが、小規模な単発の変換や、メタデータを出せない旧環境には向かないとも述べています。

ソフトウェア大手SAPは7月30日、Oxford Economicsと共同でまとめた「SAP Value of AI Report 2026」を公表しました。13カ国の経営層2,600人を対象とした調査で、AIは平均的な組織の業務の30%を担い、前年の25%から広がっています。一般的なAIの投資利益率は16%から21%へ、エージェントAIへの期待値は10%から17%へ上がりました。

最大の障害はデータです。より多くの価値を引き出せない理由として73%がデータの品質と可用性を挙げ、79%は低品質な出力による手戻りや遅延を経験しています。基盤モデルの普及でデータを集めて整える手間は減った半面、ERPから抜き出した時点で失われる業務上の文脈をどう保つかが新たな論点になりました。

統制の備えはさらに遅れています。AIを統制する準備が十分だと答えた企業は12%にとどまり、69%が承認されていないシャドーAIの利用を認めました。SAPのAI Agent Hubはエージェントやモデル、MCPサーバーを検出して一覧化する機能を持ち、顧客は自社にあると知らなかったエージェントを数千件見つけたといいます。

次の拡大局面を担うのがAIエージェントです。SAPの最高AI戦略責任者ショーン・カスク氏は、目的を与えれば複数の手順とツールを自ら使い分けて成果にたどり着くと説明します。同社はすでに400を超えるAIユースケースを投入しており、ベータ版の未払費用計上エージェントでは中堅企業の会計担当者が月12時間かけていた作業を2〜3時間に減らしたといいます。

一方で、投資の進め方はばらついたままです。AI投資が場当たり的な組織は半数を超え、戦略的に全社で優先順位を付けられていると答えたのは17%にすぎず、前年の9%からほぼ倍増したとはいえ少数派です。69%が投資対効果に満足する半面、67%は潜在力を出し切れていないと考えており、成果を確認したからこそ次の課題が見えた形です。

人の側の準備も欠かせません。回答者の約80%がAIの価値を最大化するには技術研修だけでは足りないと考え、75%はすでに従業員の再教育を計画しています。ただし本レポートはSAP自身が手がけた調査であり、自社製品に有利な文脈で読まれやすい点は割り引いて受け止める必要があります。

NTTデータAIVistaのムケシュ・カルキ最高技術責任者と、Snowflakeのマヤンク・ウパディヤイ最高セキュリティ・トラスト責任者は、イベント「VB Transform 2026」で、企業のAIエージェントを安全に動かすにはID管理だけでは足りないと指摘しました。両氏は、すべてのエージェント操作に行動単位の認可と、改ざん耐性のある監査証跡を組み込む必要があると述べています。

背景にあるのは、認証情報の共有です。VentureBeatが6月に実施した調査では、企業の69%が認証情報を共有したままAIエージェントを稼働させており、セキュリティ事故や未遂事案の発生率の高さと結び付けられています。ウパディヤイ氏は、単一のAPIキーをエージェントに埋め込む設計を、全員分の権限の和集合を与えるようなものだと表現します。

従来のソフトウェアは、人が操作すれば決まったAPIを呼ぶ決定論的な仕組みでした。しかしエージェントは自ら考えて動き、目的に対して過剰な権限を与えられると探索的に振る舞い、意図しない副作用を生みます。障害が起きても、どのエージェントの行為かを特定できない追跡の断絶も起こります。

保険や医療、金融を主な顧客とするカルキ氏は、スコープを絞った認証情報は出発点にすぎないと言います。エージェントには、活動する法域と所属組織の規則という二層の制約がかかり、たとえば損害査定エージェントはワシントン州とカリフォルニア州で従うべき規制が異なります。だからこそ認可は、行動を起こす時点でルールに基づいて判定される必要があるのです。

カルキ氏は、統制はエージェントの外側に置き、すべての行動で働かせるべきだと強調します。ウパディヤイ氏はそのガバナンスを三層に整理しました。エージェント層はIDとツール権限、MCPの統制を、モデル層は間接プロンプト注入への対策と顧客VPC内でのモデル実行を、データ層は最小権限とゼロコピー構成、ロールベースのアクセス制御を担います。

では、何から手をつけるべきでしょうか。ウパディヤイ氏は、静的なシークレットを抱えた権限の棚卸しと、MCPゲートウェイによるシャドーAIの可視化を挙げます。一方でカルキ氏は、稼働中のエージェント基盤に後から統制を足すのは難しいとして、証明可能性は設計段階から作り込むべきだと警告しました。

AIシステムが外部ツールやデータ源と連携するための規格「Model Context Protocol（MCP）」が今週、公開以来最大となる仕様更新を迎えました。柱となるのは、プロトコル中核のステートレス化です。要求が個別のサーバーインスタンスに紐づくセッションに依存しなくなり、長年課題だった拡張性の壁を取り除く可能性があります。

発表ブログを書いたのは、Anthropicに所属する主要メンテナーのDavid Soria Parra氏とDen Delimarsky氏です。両氏はMCPが「双方向のステートフルなプロトコルから、要求と応答によるステートレスなプロトコルへ移行する」と説明し、これがサーバーの信頼性と拡張性を求める開発者から最も要望の多かった機能の一つだったと述べています。

Soria Parra氏は今回の更新を、リモートMCPが登場した1年余り前以降で最も重要な更新だと位置づけています。ステートレス化によって、サーバーを増やしても要求を特定のインスタンスに固定する必要がなくなるため、大規模な運用に踏み込む際の障壁が下がります。

更新の中身はステートレス化だけではありません。多段の往復を伴うリクエスト、ヘッダーを使った経路振り分け、キャッシュ可能な一覧結果、認可まわりの強化、正式な拡張フレームワーク、そして更新されたTier 1のSDKが加わりました。

開発者にとっての当面の論点は、既存のMCPサーバーをステートレス前提の設計にどこまで寄せるかです。仕様と同時にTier 1のSDKも更新されており、移行を判断する材料はそろいつつあります。

米国のスタートアップNimbleは7月29日、AIエージェント向けの新しい検索基盤Web Search Agentsを公開しました。同社は、主要な競合サービスと比べてトークン消費を51%削減しつつ、検索の精度を21ポイント高められると主張しています。企業が自律型のAIエージェントに正確な情報を効率よく供給するための土台を目指す製品です。

従来のAIエージェントは汎用の検索APIに頼り、大量の検索結果から関連情報を言語モデル自身が選ぶ必要がありました。この方式は複数回の検索と追加の推論を招き、トークン消費とコストを押し上げます。Nimbleは顧客ごとの領域に合わせて学習する自己学習型の検索アルゴリズムを使い、必要な情報を効率的に絞り込むと説明します。

新製品は同社が「Harness as a Tool」と呼ぶ考え方に基づき、検索API・ブラウザ操作・情報抽出・検証・記憶・調整の各機能を一つの管理された仕組みにまとめています。意味記憶とキャッシュ層を加えることで、検索を重ねるほど高速かつ効率的になるといいます。データはゼロデータ保持の設計で、顧客の問い合わせを同社の環境に保存しないとしています。

CEO兼共同創業者のUri Knorovich氏によると、同社はChatGPT Deep ResearchやGeminiのような利用者向けの研究支援ではなく、それらを支える一段下の検索基盤に位置づけます。競合はExaやTavilyといった開発者向けの検索基盤だといいます。CRM企業のRoxは、同社の基盤を採用してトークンコストを20分の1に削減したと報告しました。

提供はAPI・SDK・MCP経由で、従量課金は1回あたり0.025ドルから、管理型プランは月額2500ドルからです。同社は1日9000万件を超える検索を処理しているとしています。ただしベンチマークの手法や比較対象は公開されておらず、示された数値が幅広い環境で成り立つかは独立した検証が待たれます。

企業向けAIエージェントは業務をこなせても、相互に連携し、権限を委ねられ、事後に監査される仕組みはまだ整っていません。米メディアVentureBeatは2026年7月、イベント「VB Transform 2026」に登壇した新興5社が、この信頼の溝を埋めようとしていると報じました。各社はオーケストレーション、可観測性、接続性、セキュリティという4領域で、エージェント実運用の土台づくりに挑んでいます。

オーケストレーションを担うBANDは、多数のエージェントが背後で連携するための調整基盤を構築しています。共同創業者でCTOのVlad Luzin氏は、SlackやDiscordは人間向けで、エージェントは手動登録が必要な上に互いを認識できず「デジタルの独房」に置かれていると指摘します。BANDはA2AやMCPプロトコルに対応し、8〜20時間に及ぶ自律ワークフローを支え、人間も会話に加われる点が特徴です。

セキュリティ領域のConifersは、攻撃側が機械速度で動く一方、防御側が人間の速度にとどまる課題に挑みます。CEOのTom Findling氏によると、検知や調査といった防御機能をエージェント化し、封じ込め時間を7時間から12分へ短縮したといいます。可観測性を手がけるRaindrop AIは、本番環境で動くエージェントの重大な問題を発見し、過去のユーザー行動を基に修正を事前検証する監査ログ基盤を提供します。

接続と認可を扱うArcade.devは、エージェントが実ユーザーの権限で行動するための新しいセキュリティ基盤を提供します。共同創業者でCTOのSam Partee氏によると、同社の安全なランタイムは認証・認可の層を設け、最小権限で全操作を追跡できるため、企業のセキュリティ審査を通過できます。ロールベースアクセス制御など既存の統制をそのまま活かせる点も強みです。

顧客体験を手がけるOmiliaは、制御性の高いヒューリスティック型と、高速だが予測しにくいエージェント型の長所を両立させました。CPOのClaudio Rodrigues氏によると、年間30億件超の通話を処理し、解決時間を30〜45%改善、人間の担当者と比べて21倍のアップセル収益を生むといいます。ただし成熟した運用でも自動化は8〜9割にとどまり、人間の関与は依然として不可欠だと同氏は強調しました。

データ基盤大手のSnowflakeは7月28日、AIエージェントによる企業データやツールへのアクセスを一元的に統制する制御層「Cortex AI Gateway」を発表しました。同社の競合であるAnthropicのClaude CodeやCursorが構築したエージェントまで対象に含む点が特徴で、近く公開プレビューを開始します。自律型AIが機械速度で権限を組み合わせて動く時代に、従来の人間中心のセキュリティでは対応しきれないという危機感が背景にあります。

ゲートウェイは100を超えるMCPサーバーに対応し、アクセスポリシーや認証、権限、監査ログを一カ所に集約します。さらに見過ごされがちな課題として、暴走するAIコストの可視化にも踏み込みます。単純な問い合わせが高価な推論モデルへ誤って回されるといった無駄を、部門やエージェント単位で費用を割り当てて抑制できるようにする狙いです。

技術的な中核は二重帰属と呼ぶ仕組みです。エージェント自身の非人間IDと、そのタスクを承認した人間の双方を記録することで、行動の責任の所在を明確にします。加えて、利用者の標準権限を丸ごと引き継がせず、タスクに必要な範囲だけを与えるタスク単位アクセスを採用し、2026年5月に買収した新興企業Natomaの技術基盤の上に構築しています。

注目されるのは、普段は顧客を奪い合う競合同士が同じ信頼枠組みに集った点です。1Password、Aembit、Linx Security、SailPoint、Saviyntという5社のID管理ベンダーが参画し、統合機能は非公開プレビューに入ります。1PasswordのNancy Wang最高技術責任者は「我々が信頼を、Snowflakeが記録システムを提供する」と述べ、多層防御による協業だと位置づけています。

背景には、エージェント統制が巨大市場の争奪戦になっている現実があります。Gartnerは2027年までに統制の不備から企業の4割が自律型AIの格下げや停止を迫られると予測し、IDCは2029年に稼働するAIエージェントが10億を超えると見込みます。Snowflakeの強みはデータそのものへの近さにあり、エージェントが行に触れる前に暗号化や動的マスキングを働かせる点で他社との差別化を図る構えです。

AIエージェントとソフトウェアをつなぐオープン標準Model Context Protocol（MCP）が2026年7月28日、公開から約20カ月で最大の更新を発表しました。Linux Foundation傘下のAgentic AI Foundation（AAIF）が主導し、アーキテクチャを全面的に刷新して、大企業による本番環境での大規模導入に対応します。

今回の目玉は、完全なステートレスアーキテクチャへの移行です。従来はセッションを特定サーバーで保持する必要があり、そのサーバーが停止すると処理が失われる課題がありました。新版では標準的なロードバランサの背後でサーバーを運用でき、Kubernetesなど既存のDevOpsツールをそのまま活用できます。

一方で状態を通信で送受信するため、ペイロードは大きくなりますが、圧縮しやすく影響は小さいと保守陣は説明します。ほとんど使われていなかった一部機能は削除され、状態管理の責任は開発者側へ意図的に移されました。公式SDKが変更を吸収するため、多くの開発者にとって移行の負担は小さいとしています。

企業の信頼を得るための施策も強化されました。機能の廃止までに最低12カ月を保証する正式な廃止予告ポリシーを導入し、GoogleやMicrosoft、Amazonと協議して期間を定めています。認証面では発行者（iss）の検証を必須化し、OAuthの混同攻撃と呼ばれる脅威を未然に防ぎます。

新機能として、対話型のサーバー描画UIを提供するMCP Appsと、長時間の非同期処理を扱うMCP Tasksが正式な拡張へ昇格しました。クライアントは接続を切っても処理結果を後から取得でき、音声や動画の重い処理にも対応します。

MCPはAnthropicが2024年11月に開発し、2025年12月にAAIFへ寄贈したものです。SDKの週間ダウンロードは半年で倍増して約2.5億回に達しており、Anthropicの貢献比率は半数を下回るなど、運営はより中立的な体制へ広がっています。

MCPゲートウェイを手掛ける新興企業Runlayerは7月28日までに、人事ソフト大手Ripplingを営業秘密の不正利用や契約違反で提訴しました。訴状によると、RipplingはRunlayerの見込み顧客として約1年に及ぶ製品トライアルを実施し、その過程で製品ロードマップからソースコードまでの開示を受けていました。価格面で折り合えず取引が破談になった直後、Runlayerの製品をほぼ完全に複製したとされる社内開発が発覚したと主張しています。

両社は相互の秘密保持契約を結び、Ripplingは知的財産の複製や派生物の作成を禁じる製品トライアル契約にも署名していました。これはエンタープライズ向けソフトの試用では標準的な条項です。Runlayerは訴状で、この評価が「1年近い集中的なエンジニアリング協業」を伴ったと説明しています。

Runlayerによると、トライアル終了後まもなく「Ripplingの内部関係者」が創業者のアンドリュー・バーマンCEOにテキストを送り、社内で「Runlayerのほぼ1対1のコピー」を作る計画があると伝えたとされます。同社はこれを営業秘密の不正利用や不正競争、契約違反に当たると訴えています。

一方のRipplingは、独自のMCPゲートウェイを投入する事実は認めつつ、Runlayerの知的財産を悪用したとの主張は否定しています。広報担当者は「Runlayerは競争を避けようと事実をでっち上げている。我々は自社の専有情報のみを用い、優れた製品を投入する」と反論しました。Runlayerは著名法律事務所サリバン・アンド・クロムウェルを起用しており、訴訟に一定の信頼性を持たせています。

この訴訟は、AIインフラを自社開発できる技術力を持つ大企業に製品を売り込むことの難しさを浮き彫りにします。MCPはAnthropicが2024年11月にオープンソースとして公開して以降、AI相互運用の基盤となり、ゲートウェイ市場の競争は激化しています。2025年に製品を投入し、コースラ・ベンチャーズなどから計4200万ドルを調達したRunlayerにとっても、深い試用の末に顧客が内製へ傾くリスクは重い教訓と言えそうです。

米ゼネラル・モーターズ（GM）は2026年、イベント「VB Transform 2026」で、自動運転部門のエンジニアリング業務をAIエージェント中心に再設計した成果を公表しました。同部門のバイスプレジデント、ラシェッド・ハク氏によると、ワークフロー全体をエージェント向けに組み替えた結果、マージ済みプルリクエストが約3倍に増え、リリースの高速化と不具合の減少を同時に実現したといいます。

注目すべきは、同部門のエンジニアがコーディングに費やす時間が全体のわずか15%にすぎないという点です。残る85%は車両データの分析や問題の切り分け、実験の実行、修正案の検証などが占めており、GMはこの部分をエージェントで加速させました。ハク氏は「コーディングができるチャットボットを渡すだけでは多くの非効率が残る」と述べ、単なるAIコーディング支援ツールの導入とは一線を画すと強調します。

GMが採ったのは「ループ単位」での改善手法です。自動運転開発をシミュレーション、公道でのテスト、納車後の監視といった複数のループに分け、それぞれで最も長いボトルネックを特定して自動化し、この作業を繰り返しました。過去の複数の調査でもコーディングは開発工程の一部にすぎないと示されており、その一点だけを速めても効果は限定的だという考え方が背景にあります。

技術面では、独自にカスタマイズしたMCP（Model Context Protocol）サーバーを通じて、エージェントを社内ツールやペタバイト級のデータに接続しました。公道走行車から集めたテレメトリーをエージェントが分析して初期の切り分けを行い、エンジニア向けに課題を起票する運用も進めています。エージェントの権限は利用するエンジニアの権限に連動させ、成果物の責任はあくまで人間が負う設計としました。

GMは社内のエージェント基盤を一つの「プロダクト」として扱い、専任エンジニア4名を各チームに配置して有効な使い方の発掘と横展開を支援しました。重要な判断ポイントでは人間が責任を持ち続け、加速に先立ってテストや性能指標を整備した点も特徴です。ハク氏は当初もっと控えめな効果を見込んでいたとし、「どれだけ多くのことができるかが唯一の驚きだった」と振り返っています。

GitHubでAIツールを手掛けるBurke Holland氏は7月27日、公式ブログでAI開発の生産性を高める実践的なワークフローを公開しました。同氏は、日々登場する新しいツールやモデル、MCPを追いかけるより、エージェントの土台である「ハーネス」の習熟こそが最大の成果を生むと主張します。試作から計画、実装、レビューまでを既存機能だけで回す手法を、日付選択コンポーネントの開発を例に示しました。

ここで言うハーネスとは、CLIやGitHub Copilotアプリ、VS Codeなどに共通するエージェントの操作基盤を指します。Holland氏は各ツールで中核のワークフローが統一されつつあるとし、「一度学べばどこでも使える」と説きます。学習の第一歩には、テキスト操作が直接的なCLIから始めることを勧めています。

ワークフローは大きく4段階です。まず試作では、プロンプト一つで複数の画面案を生成し、API設計のような非視覚的な作業でもMermaid図で要件を可視化します。続く計画段階では、専用モードがエッジケースを次々と問いかけ、開発者が自身の専門知識でモデルを導くことが肝要だと強調します。

実装はAutopilotが担い、計画の各項目を完了するまでモデルに作業を継続させます。この間、Copilotは小型モデルの「Explore」や大型モデルの「General Purpose」といったサブエージェントを自動で使い分けます。生成結果が思い通りにならないのは当然で、品質に妥協せず反復する姿勢が最終的な完成度を左右すると同氏は述べます。

安全面では、権限を自動許可する「YOLOモード」を使う際、業務データを守るためサンドボックス環境での実行を推奨します。最終確認には、異なるAIファミリーに評価を依頼する「ラバーダック・レビュー」を用い、モデルごとの死角を補い合わせます。同氏は「今の正解は明日の反面教師になりうる」と述べ、最も簡潔な方法で再現性の高い成果を出すことに集中すべきだと結んでいます。

米Amazonは2026年7月23日、AIアシスタント「Alexa Plus」の大型更新を発表しました。今回の更新では、BoschやiRobot、Whirlpoolなど複数メーカーのスマート家電と新たに連携し、利用者の要望を適切な機器へ自動的に振り分けることが可能になります。Amazonが公開した新しいAI開発者向けツールキットが基盤となり、これまで対応できなかった独自機能を持つ機器も接続しやすくなる点が特徴です。

具体例としてAmazonは、洗濯機を使う場面を挙げています。利用者が「子どものサッカーユニフォームをしっかり洗いたいが、タグには冷水洗いのみと書いてある」と話しかけると、Alexa Plusが洗濯機のコース設定を自ら操作し、最適な設定を選び出します。従来は単純な指示にとどまっていた操作が、より複雑な文脈を踏まえた対応へと進化した形です。

Alexa Plusは2026年2月に本格提供が始まった刷新版アシスタントで、複数の手順を要する依頼や音声でのルーティン作成に対応してきました。ただし連携先はTicketmasterやUber、OpenTableなど一部のサービスに限られており、対応範囲の拡大が課題となっていました。

この課題に対しAmazonは、AIモデルを外部システムと接続する業界標準「Model Context Protocol（MCP）」を採用します。これによりCanvaやHeadspace、Priceline、Lyftなど多くの企業が年内に連携を始める見込みです。例えばPricelineでは、Alexa Plus上でホテルを比較して旅行を予約できるようになります。

さらにPricelineやFandango、Taskrabbitなどは、Amazon Walletを通じた決済にも対応する予定です。音声アシスタントが情報の案内から予約、支払いまでを一貫して担う流れが強まっており、Amazonは開発者の参入障壁を下げることで対応サービスの裾野を一気に広げる狙いです。

米ベンチャー投資会社Menlo Venturesのパートナー、マット・マーフィー氏は、TechCrunchのポッドキャスト「Equity」で、AIスタートアップの創業者が従来と異なる戦略を取るべきだと語りました。同氏は出資先のAnthropicが5月までに売上のランレートで470億ドルに達したと指摘し、25年の投資経験でも例のない成長だと述べました。

Anthropicの売上ランレートは2025年の90億ドルから急拡大し、5月には470億ドルに達しました。マーフィー氏はこの伸びについて、インターネット、モバイル、初期のクラウドのいずれの波でも見たことがない水準だと強調します。Menloは同社の5億ドルのシリーズDを主導し、その成長を間近で見てきました。

マーフィー氏が繰り返し訴えるのは、優れたモデルそのものは競争優位の源泉ではないという点です。同氏によれば、AnthropicはClaude CodeやMCP、Claude Skillsを通じて、単なる強力なモデルから包括的なプラットフォームへと転換しました。この基盤づくりこそが持続的な差別化になると位置づけています。

Menloは、どのファンドにもきれいに収まらない案件でありながら、無収益・未ローンチの段階でAnthropicを40億ドルの評価額で支援しました。マーフィー氏は、GoogleとAmazonが投資家として加わったことを初期の有望なサインだったと振り返ります。さらに同氏は、LovableやLegoraが過去25年で最速の成長を見せていると述べ、その速度が競争を目指す創業者にとって新たな基準になると指摘しました。