Elvis Presleyの権利者とEminem作品の出版社が、AI音楽生成企業Sunoを提訴しました。原告側は、本人の声や作風をまねた音楽・歌詞を無断で生成していると主張しています。
Presley側はテネシー州のELVIS法に基づき、歌手の声をAIで複製する行為を問題視しています。今回の訴訟は、著名アーティストの権利をめぐる争いを広げる動きです。
Sunoは、特定アーティスト名や楽曲を指定するプロンプトを禁じ、アップロード音声や歌詞の不正利用を検知する対策を進めていると説明しました。
同社はSonyやUMGなどからも訴訟を受けています。生成AIの学習・出力と、氏名・肖像・声の権利をどう調整するかが焦点です。
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。
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。
Metaは11月5日、AIエージェント「Muse」と音声や動画でリアルタイムに会話できる機能を米国の全利用者に公開しました。9月の開発者会議で発表した機能で、スマートフォン、ウェブ、Macから利用できます。
対話にはMuse Realtime AvatarとMuse Realtime Voiceの技術を使います。アニメーションのアバターは会話の調子に合わせて表情や身ぶりを見せ、利用者は人物や動物などに外見を変えられます。
Metaは、アバターを通じたやりとりが利用者とAIのつながりを強めると見ています。アバターは利用者を視認せず、音声を聞いて会話に応じる仕組みです。
同社は年内にMuse向けの小型ウェアラブル端末「Muse Charm」の投入を計画しています。音声対話は今後、AIグラスや同端末にも広げる予定です。
Googleは動画生成モデル「Gemini Omni 1.2 Flash」を公開し、Google Vidsにも搭載しました。Googleアカウント利用者はVidsで月3本まで、最大15秒の動画を無料で作成できます。
新モデルは従来の最大10秒から15秒へ延長し、3秒から1秒刻みで長さを指定できます。会話を通じて一部を修正でき、全編を作り直さず細部を調整できます。
人物や商品の画像、短い動きの映像、音声を参照に使い、顔や衣服、包装デザインなどを動画の最初から最後まで保つ機能も強化しました。下書きを360pまたは720pで作り、選んだ映像を1080pや4Kへ拡大する使い方を想定します。
Gemini APIと法人向けサービスでも一般提供を始めました。APIの720p動画価格は1秒あたり0.07ドルで、前世代より30％下がったとGoogleは説明しています。
Dropboxは11月5日、クラウド技術企業Tigris Dataを3億5000万ドルで買収すると発表しました。同社にとって過去最大級の買収で、2026年第4四半期の完了を見込みます。
買収技術は、AIモデルやエージェントを開発する企業向けの新サービス「DBX Agent Cloud」に生かします。当初はAmazon S3対応ツールと組み合わせて使えるオブジェクトストレージを単独提供します。
Dropboxは文書や画像、音声、動画を扱う機能や、AIエージェントが作業をまたいでファイルを管理する仕組みも追加する計画です。利用者は複数のAIモデルを選び、ChatGPTやClaudeなど外部ツールにDropboxの内容を接続できるようになります。
同社によると、新しいAI体験はすでに7万を超えるチームに提供されています。米国、英国、オーストラリアの対象顧客から展開し、2027年に対象拡大を予定しています。
Wild Dolphin Projectの創設者デニース・ハージング氏は、AIを使ってイルカの音声にあるパターンを調べています。研究チームはGeorgia TechやGoogle DeepMindの科学者と協力し、長年収集した映像と音声を分析しています。
チームはスカーフや海藻の一種サルガッスムを示す音を使い、水中で音を再生する装置による双方向のやりとりも試しました。研究者が音を鳴らし、対象物を使った行動を見せて、イルカの反応を観察します。
ただし、音をまねることと、その音の機能を理解することは別です。野生環境では両者の区別が難しく、保護施設など制御された環境での研究が役立つ可能性があります。
研究者は社会構造や行動について知見を蓄積していますが、イルカ同士の音が文化の中で何を意味するかは未解明です。パターンの発見は進んでも、人間とイルカの会話の実現には追加研究が必要です。
EUの新たな規則を受け、AI生成文章に透かしを付けて識別する技術の実効性が問われています。記事は、文章の透かし方式が規則の要件を満たせるかに焦点を当てています。
AI文章の識別には生成時に印を埋め込む方法などがありますが、文章は画像や音声より印を維持しにくい性質があります。文章の一部を書き換えたり、翻訳したりすれば、判定が変わる可能性があります。
検出方法は、AIの生成物を見逃さないことと、人間が書いた文章を誤って判定しないことの両立が必要です。短文や編集済みの文章では判断材料も限られます。
規則が求める識別を実際に運用するには、透かしだけでなく、由来情報や検出手段の限界も考える必要があります。記事は、技術的な制約が制度対応を難しくする可能性を指摘しています。
Hugging Faceは小型音声合成モデル「Phonon」の詳細を公開しました。モデルは端末内で動作し、入力文を外部サーバーへ送らずに音声化できます。開発元は公開から約2週間の反響を受け、性能や設計を説明しています。
モデルは約65MBと75MBの2種類で、英語、仏語、独語、西語、葡語に対応します。100種類超の標準音声に加え、音声複製や文章による声の設計もできます。
小型化と音質の両立には、Pocket TTS系譜のフローマッチング方式を採用しました。開発では学習の数値的不安定性に対処し、5言語で品質を整えたと説明しています。
31m版はApache 2.0で、商用利用も可能です。40m版は非商用ライセンスで提供され、スマートフォンやPC、ブラウザーなどで利用できます。
Googleは11月4日、俳優ヘンリー・カヴィル氏がGooglebook上でビデオゲームを制作する企画を紹介しました。氏は手書きのアイデアから、プレイ可能な16ビット風ゲーム「Mustache Protocol」を作ることに挑戦しています。
Googleの紹介によると、自然言語の指示をゲームの仕組みに変換するAIツールAntigravityを使いました。音声を文字に起こして考えを整えるRamblerや、画面上の視覚要素を選んで組み合わせるMagic Pointerも活用しています。
AndroidスマートフォンとGooglebookの間で作業の文脈を引き継ぐContinue Onも使い、企画から調整までを進めました。Googleは制作過程を追う映像シリーズを始め、今後数週間にわたりエピソードを公開します。
ゲーム公開後の11月中、1プレイにつき11ドルをMovemberに寄付し、上限を50万ドルとします。寄付は男性のメンタルヘルス、自殺予防、前立腺がん、精巣がんに関する活動を支援します。
PCゲームのMOD投稿サイトNexus Modsは、新規投稿でAI利用の有無を申告するルールを導入します。AI支援とした投稿には、どの工程でどう使ったかの公開説明も求めます。
運営側はAI生成MODを全面禁止しない方針です。スクリプト補完から画像・音声・素材の生成まで創作工程にAIが広がっており、禁止よりも利用を明示し、プラットフォームの規則で扱う方が実態を可視化できると説明しています。
AI関連の表示はMODページで目立つようになり、利用者がゲームページやトップページでAI生成物を非表示にする設定も用意されます。検索結果での表示制御も今後の予定です。
既存投稿者には要件を満たすための60日間が設けられ、期限は2027年1月2日です。Nexus Modsは投稿物をAI学習に使ったり、学習目的で販売・ライセンス供与したりしないとし、再利用の制御や作者への帰属表示も強化する考えです。
AppleはiOS 27.3とwatchOS 27.3の開発者向けベータで、Apple Watch Series 12用のAudio Intelligence機能を試験提供しました。音や曲の検知に加え、会話を巻き戻すLive Rewindと、日中の会話を要約するSiri Recapsが含まれます。
筆者は自動車修理の受付で説明された免責額や修理期間、レンタカーの燃料量を、後から要約で確認できたと報告しました。口頭で一度に伝えられた情報を記録する点に価値を感じています。
一方、車の説明と家庭内の予定やテレビ番組の話が同じ要約に混ざりました。常時動作させると、記録する必要のない会話まで残り、家庭での利用には侵入感が生じると指摘しています。
Appleは可能な場合に音声処理とAI実行を端末内で行い、話者を特定せず、音声ファイルを保存せず、個人情報を伏せる設計です。筆者は要約項目ごとの削除や自動メモ書き出しを求めつつ、日常の記録機能として有用性も認めています。
ニューヨーク市長のZohran Mamdani氏はWIREDのインタビューで、AI向けデータセンターへの反対運動を「希望を感じさせる」と語りました。電力料金や環境への影響を地域住民が懸念し、反対が党派をまたいで広がっていると説明しました。
同氏は、ChatGPTのモデル訓練にサンフランシスコ市を3日間動かすのと同量のエネルギーが必要だったと例示しました。AIの便益を企業が得る一方で、地域が負担を負う構図を「私たちのリスク、彼らの報酬」と表現しています。
マムダニ氏は、データセンター建設を巡る意思決定にも民主主義を広げ、地域の人々が自らの将来を選べるべきだとの考えを示しました。フロリダ州やニューヨーク州、カリフォルニア州でも反対や建設禁止の動きがあると述べています。
インタビューでは市政でのSNS活用にも触れました。政策情報を広く届けるため、媒体ごとに住民の利用実態を踏まえ、スペイン語話者向けにはWhatsAppチャンネルを開設して市長の音声メッセージなどを配信しています。
Appleは11月3日、watchOS 27.3の開発者向けベータで、Apple Watchのマイクを使うAudio Intelligence機能を公開しました。Siri Recapは会話の要約を作り、Live Rewindは直近15秒の音声を文字で確認できるようにします。
Live RewindはDigital Crownを2回押すと、聞き逃した可能性がある会話の一部をテキストで表示します。利用者は内容についてSiriに尋ねたり、スニペットをSiriアプリに保存したりできます。
Siri Recapを有効にすると、会話後にApple Intelligenceがタイトルと要点を生成します。後から内容を振り返る用途を想定し、会話中は相手とのやり取りに集中できるとAppleは説明しています。
Appleのプライバシー説明によると、処理対象の生音声は専用ハードウェア内で扱い、ファイルとして保存せず、OSやアプリからもアクセスできない設計です。別途、刷新したヘルスケアアプリのベータ提供と言語拡大も発表されました。
AIモデルの推論基盤を提供する米Falは、シリーズFで13億ドルを調達し、評価額が160億ドルになったとTechCrunchが報じました。4月時点の80億ドルから倍増し、推論サービスへの需要拡大を反映しています。
調達はBessemer Venture Partnersが主導し、Nvidia、Sound Ventures、T. Rowe Priceが参加しました。FalはシリーズEとFを同時に発表し、両ラウンド合計で16億5000万ドルを調達したと説明しています。
サンフランシスコ拠点のFalは、動画、画像、音声のAIモデルをホストし、利用者の要求に応じて実行する推論サービスを提供します。年換算売上高は今年、8億ドルを超えたとBloombergの報道は伝えています。
一方、推論事業者はモデルを動かす計算資源の購入やリースに多額を要し、粗利益率が低いと記事は指摘します。需要の急増が成長を支える一方、計算費用を抑えられるかが事業拡大の焦点です。
NVIDIAの開発者は、ハロウィーンに訪れる子どもと会話する投影作品「MonsterHouse」を制作しました。ガレージの扉を海賊船由来の不機嫌な家に見立て、訪問者の声を認識して返答し、「please」や「thank you」に応じて態度を和らげます。音声認識から会話、音声合成、口のアニメーションまでを1台のワークステーションで動かします。
会話の基盤にはNVIDIA Nemotron Voice Agentを使い、Nemotron ASRが音声を文字に変換し、小型言語モデルBolt E4Bが返答を生成します。LoRAアダプターや会話フローを組み合わせ、頑固な海賊という性格と、訪問者が礼儀を示した後の状態を保つ設計です。
生成した返答はMagpie TTS Zeroshotでキャラクターの声にし、Audio2Face-3Dが音声に合わせて口を動かします。よく使う挨拶などは文章や音声をキャッシュし、Bolt E4Bと音声合成を使う場合の発話終了から音声までの中央値は1.70秒、キャッシュ応答では0.72秒でした。
カメラ映像から衣装を説明するNemotron 3 Nano Omniや、人物を数えるYOLOとByteTrackも組み込めます。ただし、衣装認識の例は仮想映像での試験で、実際の来訪者や夜間照明での検証はこれからです。作者はMonsterHouseのコードを公開しておらず、今後もアニメーションや実地性能の改善を予定しています。
Rivianは10月29日、Volkswagen Groupとの合弁事業を拡張し、自社のAI音声アシスタント技術の一部をVWにライセンスすると明らかにしました。2024年に始まった最大58億ドル規模の提携は、これまでRivianの電気・ソフトウェア基盤をVWの次世代車に展開することが主眼でした。
ライセンス料や支払い条件、搭載するVW車種は公表されていません。Rivianのソフトウェアと電装基盤を初採用する予定の小型EV「ID EVERY1」が候補となる可能性をTechCrunchは挙げていますが、搭載は確定していません。
Rivianのアシスタントは、運転者や同乗者の発話を理解し、車両の機能操作につなげます。同社は、発話から意図する操作を判断し、車載ソフトウェアの適切な機能に振り分ける独自のエージェント基盤を開発したと説明しています。
アシスタントは2026年5月にR1SとR1Tへ、10月にR2へ順次導入されました。VWとの提携拡張は、自社で構築した技術基盤を他社車両にも広げられることを示す事例だとRivianは位置付けています。
Rivianは電装、計算基盤、センサー、表示装置などを一体で設計する垂直統合を重視しています。車両全体のソフトウェア更新を迅速に行う基盤をVWの次世代車にも展開し、ソフトウェアを軸とする車づくりを支援する狙いです。
Hugging FaceのMattt氏は10月29日、Appleプラットフォーム向けのSwiftパッケージ「AnySpeechRecognizer」と「AnyDecisionModel」を公開しました。音声を文字にする処理と、定型の質問に答える処理を、汎用の文章生成モデルとは別の専用モデルで実行できるようにします。
AnySpeechRecognizerはAppleの音声認識APIに似た共通インターフェースを提供し、Apple標準のほかNVIDIAのParakeetやAlibabaのQwen3-ASRなどから認識エンジンを選べます。対応エンジンでは話者を識別する機能も使えますが、言語やライブ入力、単語の時刻表示などの対応範囲はモデルごとに異なります。
AnyDecisionModelは「はい・いいえ」、複数選択、段階評価の質問に対し、型付きの回答と確率を返します。文章を生成して答えを推測する代わりに、モデルが選択肢へ割り当てた確率から判定する設計で、MLXやCore AI、llama.cppなどのバックエンドを選べます。
両パッケージはHugging Face Hubのオープンモデルを利用でき、対応するモデルは端末上でも動作します。既存のSwiftアプリに組み込みやすいAPIを目指し、共通の呼び出し方を保ったままモデルを切り替えられる構成です。
必要環境はSwift 6.2以降、macOS 26またはiOS 26以降です。Appleシリコンや新しいOSを必要とするバックエンドもあるため、開発者は利用するモデルごとの対応言語、実行速度、メモリー要件を確認して選ぶ必要があります。
会議記録アプリで知られるGranolaは10月29日、音声入力機能を公開しました。現時点ではMac向けで、利用者はFnキーを押して話すと、発話を整えた文章として、使用中のアプリに入力できます。
機能は特定のアプリに限らず、メモやAIへの指示、メールやメッセージへの返信などに使えます。GranolaはiOSとWindowsにも近日対応する予定です。
今回の追加で、会議の記録を主軸としてきたGranolaは、日常的な音声入力にも用途を広げます。一方、音声入力ツールのWisprは会議記録機能を準備しており、両社は互いの得意領域へ進出しています。
TechCrunchによると、Fireflies、Speechify、Monologueなどの音声関連アプリでも、会議記録と音声入力を組み合わせる動きが見られます。単機能のツールから、話し言葉を幅広い作業に活用する多機能アプリへ競争の軸が移りつつあります。
IBMは2026年10月29日、モジュール型言語モデル「Granite Switch 4.1.1」を公開しました。前版4.1と完全な後方互換性を保つパッチ更新で、10言語の音声認識モデルとDecisionアダプターを改良し、基盤モデルを再計算せず追加機能を配信します。ソフトウェアのようにアダプターを選んで更新でき、運用中のモデルへの機能追加を効率化する狙いです。
新しい音声認識モデルは10言語の音声をテキスト化し、句読点と大文字表記も付与します。後続のモデルに渡す前に書式を整える工程を減らせる設計です。
DecisionアダプターはJev Decision Indexのテストセットで全体的な性能を改善したとIBMは説明しています。今回の更新では新しい音声認識モデルとアダプターを学習した一方、基盤モデル自体は変更していません。
Granite Switchは、専門知識を持つアダプターをキャッシュ効率よく組み合わせ、単一のエンドポイント上で使う構成です。利用者は必要なアダプターを選んで配備でき、モデル全体の再学習や移行を避けながら更新できます。
IBMは今後、アダプターSDKやチュートリアルを用意し、開発者や外部提供者が独自のアダプターを作成・検証・配信できるようにする計画です。モデルを一括更新するのではなく、機能単位で改良を届ける運用が広がるかが焦点です。
Googleは2026年10月29日、医療従事者向けの「Google AI for Healthcare Professionals Certificate」を発表しました。自分のペースで学べる4講座で、臨床以外の事務業務を中心に、日々の仕事でAIを責任を持って使う方法を扱います。所要時間は5時間未満で、患者の安全とプライバシーを重視します。
カリキュラムはGoogleの臨床医らが開発し、AIの基礎と出力の評価、患者とのコミュニケーション、日常業務の効率化、生涯学習の4分野で構成します。AIの判断をそのまま臨床判断に置き換えず、安全性やプライバシーに配慮する考え方も学びます。
実務例には、複雑な医療情報を患者向けの音声・視覚資料にすることや、予定調整、長いメールの確認があります。プログラミングをせず自然言語で役立つツールを作る方法も含まれます。研究論文の要点整理や発表準備、試験対策にも活用します。
講座の修了者は、最大5.0 AMA PRA Category 1 Creditsを取得できます。ニューヨーク大学グロスマン医学部、アラバマ大学バーミンガム校、トゥーロ大学などが、教員や研修医、医学生向けに導入しており、看護教育機関も活用しています。
音声AI企業Deepgramは10月29日、リアルタイム音声・動画基盤を提供するDailyを買収すると発表しました。買収額は公表していません。Dailyが開発・保守するオープンソースの枠組み「Pipecat」を維持し、音声エージェントの基盤を強化します。
Pipecatは音声や動画のストリームに、音声認識、大規模言語モデル、音声合成などをつなぎ、遅延を抑えるフレームワークです。Dailyは通話向けのホスト型基盤も提供しており、Deepgramは買収を通じてリアルタイム通信の知見を取り込む狙いです。
Deepgramのスコット・スティーブンソンCEOは、開発者が用途に合うモデルを選べる開放的なエコシステムを目指すと説明しました。Pipecatに複数のモデルを接続し、音声の表現力を備えたエージェントや、音声と他の機能を結ぶ仕組みを構築できるとしています。
同社はPipecatチームと共同開発したオープンな「Real-Time Context Standard（RCS）」も発表しました。音声から得た文脈や、言語モデルがその情報をどう使うか、応答をどのように話すかといったメタデータを定めます。
音声AI分野ではモデル開発企業と基盤企業の双方に投資が集まり、提携や買収も進んでいます。今回の買収は、オープンソースを保ちながら複数モデルを組み合わせる開発環境を広げ、Deepgramが音声以外のリアルタイム通信へ展開する足場にもなります。
Amazonは2026年10月29日、年末商戦を前に、音声アシスタントAlexaへ買い物関連の機能を100超追加したと明らかにしました。利用者は買い物リストや定期購入、配送指示、Prime契約の質問、請求・支払いの問題をAlexaで扱えます。買い物の手間を減らし、購入後の管理まで支援する狙いです。
新機能では、リストの作成や登録、内容の確認、商品の追加・編集ができます。定期購入では、商品ごとに配送間隔を毎月から3カ月ごとへ変えるよう依頼できます。
配送については、届け先住所の変更や置き場所の指示追加に対応します。利用者はPrimeやAudibleの契約内容を尋ねたり、請求や支払いの問題について質問したりできます。
Amazonは今年、検索欄の買い物アシスタントや、新商品・特典を知らせる機能も投入しています。今回の更新は、商品探しだけでなく、購入前後の管理をAlexaに担わせる取り組みの一環です。
同社によると、年初以降、エージェント機能を使う人は8倍に増えました。また過去12カ月に、4億人超の消費者がAlexaを買い物に利用したとしています。
NVIDIAはRTX Sparkを搭載するWindowsノートPCがASUS、Dell、HP、Lenovo、Microsoft、MSIから発売されたと発表しました。GPUとCPUを一つのチップに統合し、最大128GBの共有メモリーと最大1ペタフロップのFP4 AI性能を備えます。価格は2599ドルからで、開発者やクリエーター、ゲーム利用者向けにAI処理とグラフィックス機能を提供します。
新機能として、録音音声を文字起こしし、翻訳や話者識別も行うNemotron 3.5 Transcribeが公開されました。NVIDIA Appでは、画面上で使うアプリとバックグラウンドのAIエージェントに割り当てるGPU資源を調整できます。
Liquid AIのLFM3オープンモデル群もRTX Spark上で利用でき、llama.cppやvLLMを通じて実行や追加学習が可能です。NVIDIAはローカルでモデルやエージェントを動かし、音声や文書を扱う用途を想定しています。
ゲームでは「Phantom Blade Zero」がレイトレーシングとDLSS 4.5に対応し、Minecraft Java EditionはRTX Remixを通じたパストレーシングに対応します。RTX SparkノートPCは厚さ14ミリ、重さ約1.4キロからとされ、バッテリー駆動中もAIモデルやクリエイティブ作業を扱えるとNVIDIAは説明しています。
イングランド民事司法のトップ職であるMaster of the Rollsを退任するジェフリー・ヴォス判事は、AIが将来、一部の民事紛争を判断する可能性を論じました。人の判断を要する複雑な商事紛争や家事事件とは分け、低額の過失請求や人身傷害のような案件で、迅速かつ低コストな解決を目指せるとWIREDに語っています。導入の条件として、当事者の同意か社会的な合意に基づく法整備を挙げました。
ヴォス氏自身はMicrosoft Copilotを使い、過去の文書を探したり、大量の資料を要約したりしています。一方、判決文の作成には使わず、重要事件の資料をAIに読ませることにも慎重だと説明しました。イングランドの現行指針も、裁判官のAI利用を事務作業に限るよう勧めています。
同氏は、中国・深圳の裁判所でAIの支援を受けて民事紛争を処理する事例を視察し、司法への適用を検討する価値があると考えています。AIチャットボットが訴状作成を助け、裁判所への提訴が増えることは、司法アクセスの広がりを示す面もあると述べました。
一方、AIが架空の判例を作り、弁護士が誤って引用する問題や、生成された画像・音声が証拠の信頼性を損なう懸念があります。ヴォス氏は、AIによる判断を人々が受け入れられるかは自明でなく、透明な説明と幅広い合意が不可欠だと指摘しました。どの事件をAIに委ねるかは、裁判所だけで決めず、社会や議会が議論すべき課題です。
Alphabetのサンダー・ピチャイCEOは10月28日、2026年第3四半期の売上高が前年同期比25％増え、年換算の売上規模が5000億ドルに達したと説明しました。Google Cloudの売上高は103％増で、AIインフラとサービスが成長を押し上げたとしています。検索のクエリ成長率も過去5年で最も高く、AI機能の利用拡大が事業を支えています。
ピチャイ氏によると、検索ではAI Overviews、AI Mode、従来型検索を一体化する取り組みを進めています。AI Modeの検索クエリは従来検索の平均3倍の長さで、世界の検索の5件に1件は音声、画像、文書を使うということです。
Googleの自社モデルAPIは毎分約320億トークンを処理し、前四半期比で40％増えました。Geminiアプリは利用者が10億人に達し、Google史上最も速く成長した製品だと同氏は述べています。
CloudではTPUを含むAI計算基盤への需要が強く、同社は供給能力を増やす作業を進めています。ピチャイ氏は今後、より効率的なモデルや、検索・Geminiアプリに続くChrome、Android、Workspaceでのエージェント機能拡大にも言及しました。
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。
NVIDIAは10月28日、録音音声を文字起こしするオープンウェイトモデル「Nemotron 3.5 Transcribe」と、音声データセット「Granary v2」を公開しました。モデルは40言語に対応し、うち31言語を英語と相互翻訳できます。最大1時間の録音を処理し、最大8人の話者を識別するため、会議や医療記録向けの開発に使えます。
利用者は自然言語の指示で、話者ラベルの付与や翻訳、音声に関する質問への回答などを指定できます。モデルは録音済み音声を対象としており、ライブ配信の音声処理には対応しません。
Granary v2は多言語音声のデータと、文字起こしの表記を整える再利用可能なデータ整備工程を提供します。NeMo Speechの追加学習ツールと組み合わせ、医療用語など業界固有の語彙や表記にモデルを適応させられます。
NVIDIAの医療音声事例では、追加学習により未学習話者の評価で単語誤り率を最良の指示文のみの場合と比べ45.8％相対削減したと報告しています。モデルはHugging FaceとModelScopeで公開され、開発者は自社用途に応じて指示や追加学習を調整できます。
Metaは仮想ペットと会話するアプリ「Waddle World」を公開しました。16ビット風のペットがユーザーの話を聞き、会話に合わせた落書き風の絵を作るほか、日々の記録を残す用途を想定しています。
アプリのストア説明では、ユーザーは文字入力よりペットに話しかける形で交流します。買い物かごを積み上げる遊びや単語ゲームなども用意し、連続利用日数や得点を追わせない気軽な体験を掲げています。
記事によると、Waddle Worldは無料で、成人向けにフィリピンでのみ提供されています。米国など他地域での公開予定は明らかになっていません。
MetaはAIファッションアプリ「Style Sketch」も公開したと報じられました。報道で紹介された提供地域はインドネシア、シンガポール、タイですが、記事の取材時点では地域制限を独自に確認できていないとしています。
MITのパリス・スマラグディス教授は、機械が音を聞き分け、意味を理解する技術の研究を進めています。機械学習による音源分離や音声認識、音質改善を通じ、音楽制作の支援から事故や機器故障の検知まで幅広い応用を目指します。教授は、AIで音楽家を置き換えるのではなく、演奏や制作の道具を広げたいと話しています。
スマラグディス教授の研究室は、混ざった録音から個々の音を分離するニューラルネットワーク技術を開発しました。この技術はドキュメンタリー「The Beatles: Get Back」のアーカイブ音源の整理にも使われ、制作チームは2022年にエミー賞を受賞しました。
現在はMITで、音楽家に演奏への建設的な助言を返すシステムと、音を処理・分析する基礎技術の両方に取り組んでいます。サンプリングレートや処理区間を固定しない信号処理の手法を探り、より柔軟で効率的な仕組みを目指しています。
音を手掛かりにすれば、車の衝突音から事故の場所を推定したり、掘削機の異常音から故障を予測したりできる可能性があります。研究室は大規模言語モデルを音声認識や音質改善に取り込む方法も探っていますが、教授は音や音楽でのAI活用には、まだ最適な形が見つかっていないと述べています。
Googleは10月28日、Geminiアプリに、視覚と操作を通じて学べる「Immersive Explorations」を追加したと発表しました。シルクロードの交易路やジェットエンジン、稲妻の物理などを題材に、利用者が画面上の要素を選びながら、惑星規模から分子・原子まで段階的に理解できる仕組みです。
コンテンツはGemini Student Hubのライブラリーから利用できます。場面ごとにガイド付きで進み、ラベルをタップすると関連する内容をさらに詳しく見られます。
機能は英語、インドネシア語、ヒンディー語、ブラジルポルトガル語、フランス語、中国語簡体字で全ユーザーに提供されます。それ以外の言語では現在、英語のみで利用でき、今後対応言語を増やす予定です。
Googleは今後、Geminiとのチャット画面から直接アクセスできるようにするほか、各学習レイヤーを案内する音声ナレーションも追加する計画です。いずれも発表時点では今後の提供予定で、開始時期は示していません。
Liquid AIは2026年10月27日、企業が自社管理の端末やサーバーで使える小型マルチモーダルモデル群「LFM3」を公開しました。言語、画像・動画、音声、複合入力、構造化判断を扱う6モデルを約20億パラメータ級でそろえ、単一GPUで自社データに追加学習できる設計です。推論場所とデータ管理を選びやすくし、用途特化型AIの導入負担を下げる狙いです。
LFM3-1.7Bは、短い畳み込みと局所・大域注意を組み合わせる「トライハイブリッド」構成を採用しました。Liquid AIによると、前世代の2.6Bモデルよりパラメータを35％減らしながら、ブラウザ操作のWebArena-Verifiedで38.42点を記録し、Qwen3.5-9Bの28.94点を上回りました。
対応範囲は文章生成にとどまりません。画像・動画を読むLFM3-VL-2B、18言語の音声入出力に対応するAudio、視覚・音声・言語を統合するOmni、分類や抽出を確率付きで返すd1系を用意し、文書処理や問い合わせ振り分けなどの定型業務を想定しています。
小型化はそのまま低コスト運用を意味しません。4ビット量子化したテキストモデル本体は約1GBですが、長い文脈を扱う際のKVキャッシュやアプリ本体のメモリは別に必要で、公開版の256Kに対してAPI版の文脈上限は128Kです。
企業はまず、抽出項目や許可するツール操作を限定した業務で試すのが現実的です。性能値はLiquid AIの報告で独立検証ではなく、複雑な多段推論やエージェント型コーディングには非推奨とされています。年間売上高1,000万ドル超の企業は商用利用に別契約が必要なため、精度、失敗時の人手対応、機器費、ライセンス費を合わせて判断すべきです。
Google DeepMindは2026年10月27日、リアルタイムで操作できる世界モデル「Genie 4」を研究プレビューとして信頼できるテスター向けに公開しました。自然言語による場面変更、映像と同時に生成する音楽・環境音・対話、物理表現や人物動作の改善を柱とし、ロボット訓練や映画・ゲームの試作への活用を見込みます。
Genie 4は、天候やカメラ位置を変え、人物や物体を追加する指示をシミュレーション中に受け付けます。自然言語で進行中の世界を操れるため、事前に環境や操作をプログラムせず、発想をその場で試せます。
内部ではGemini 3.8 Flashが目標を手順に分解し、生成フレームを確認しながら計画を更新します。Gemini Omniが現実世界らしい外観と挙動を支え、Genie 4が映像・音・反応を画素単位で生成するハイブリッド型の構成です。
Googleは、映画のプリビジュアライゼーション、ゲーム案の探索可能な試作、報道写真からの歴史空間再現、企業向けシナリオ生成を用途に挙げています。Gemini Roboticsとの実験では、人型ロボットの作業を段階に分けて仮想環境で試す例も示し、現実投入前の検証環境としての可能性を探っています。
現状は初期段階で、シーンの一貫性は約2分までとされ、長時間の実行や複雑な編集では物体や細部が変化するほか、音声精度、文字の可読性、空間精度にも課題があります。Googleは全生成映像・音声にSynthIDを付与し、今後数週間でGoogle AI UltraのProject Genie利用者とGemini API、AI Studioの早期アクセス先へ広げる予定です。
ダラスを拠点とする投資会社Disruptiveは2026年10月27日、AIと防衛を中心とする後期段階の企業10社以上に投資する100億ドル規模の新ファンドを発表しました。1社あたり最大10億ドルを投じる集中型の運用で、資本集約型の成長企業を支えます。同社初のブラインドプール型で、テキサス州史上最大のベンチャーファンドです。
投資家は投資先が決まる前に資金を約束します。Disruptiveはこれまで、案件ごとに特別目的会社を設けて資金を集めてきたため、今回のファンドは調達手法の転換となります。
新ファンドが重点を置くのは、巨額の成長資金を必要とするAIと防衛の後期企業です。同社はこれまで、半導体企業Groqや音声生成AI企業ElevenLabsのほか、Palantir、Airbnb、Spotifyにも投資してきました。
Wall Street Journalの報道では、同社は今月初めまでに少なくとも75億ドルの出資約束を確保していました。今回発表した100億ドルの規模は2026年で最大級の資金調達で、少数の企業へ大型資金を配分する方針を明確にしています。
Bloombergの報道によると、Disruptiveはスタートアップに投じた約19億ドルに対し、60億ドル超を投資家へ還元したと説明しています。大型資金の新たな供給源となる一方、投資対象は後期段階の10社以上に絞られるため、企業側には成長段階と重点分野の適合が重要です。
スペイン語圏向け放送大手Entravisionは2026年8月、ロサンゼルスのJosé 97.5 FMで人間と共演するAI司会者Coyotecの番組を、カリフォルニア州、ネバダ州、テキサス州の5市場へ拡大しました。移民を支える情報を発信し、地域文化に寄り添う人格設計で若い聴取者との接点を広げています。
Coyotecは2025年9月に週末の単独番組でデビューし、現在はGeraldine “GeeGee” Guzmanと「Al Aire y Sin Permiso」を共同進行しています。番組は土曜の1時間枠から平日午前8〜10時へ移り、従来のシンジケート番組を置き換えました。
Entravisionが示したNielsenデータでは、ロサンゼルスのヒスパニック聴取者は2026年8月から9月に21.6％増え、18〜34歳は84.9％増となりました。同年代のヒスパニック女性は500％増え、若年層で大きな伸びを記録しています。
人格と会話基盤にはClaude Haiku、音声にはElevenLabs、初期台本にはOpenAIのChatGPT、絵コンテにはMidjourneyを利用しています。相方にはリアルタイムで応答できますが、電話を取ったり放送中に聴取者へ返答したりする機能はまだありません。
スペイン語の発音や語り口はGuzmanとその両親が調整し、メキシコ国境地帯やロサンゼルスのBoyle Heightsで暮らしたという設定も与えられました。移民取り締まりへの備えや人種差別を扱う一方、スポーツや食文化も語り、地域に親しまれる声を作っています。
一方、元請負スタッフはAI導入で仕事を失ったと主張し、会社はAIを理由に解雇していないと否定しました。移民社会へのAI監視とのつながりを問題視する声もあり、Entravisionは追跡ではなく娯楽、情報提供、交流のための利用だと説明しています。
Google.orgは2026年10月26日、世界銀行グループのAgriConnect構想の下、国際金融公社（IFC）などを250万ドルで支援すると発表しました。農業向けデジタル公共基盤を広げ、2027年末までに世界の農家100万人が所得・生計の改善につながる重要サービスをオンラインで利用できるようにする計画です。
支援の中核は、AI対応の農業オープンネットワーク（ONA）です。インドでの実証を踏まえ、ラテンアメリカ、東南アジア、サハラ以南アフリカの複数国へ展開します。
ONAは公共・民間のサービス提供者を一つのデジタル網で結び、農家が用途ごとに分断されたアプリを使い分ける負担を減らします。農家は単一の基盤からデジタル農家ID、融資枠、補助金の直接給付、農産物の販売市場にアクセスできます。
さらに、農業、天候、価格、家計に関する助言を、現地語の音声で受けられる設計です。Google.orgの支援は、新興市場のデジタル化を進めるGoogleと世界銀行グループの既存連携を土台に、基礎的なオンラインサービスへの入口を農家へ広げます。
Appleは2026年10月26日、iOSやmacOS、watchOS、tvOS、visionOSなどの「27.2」を公開しました。中心はSiriのAI機能で、過去の会話を記憶して応答に生かす機能や参照できる情報源の拡大、アクセス対象アプリを利用者が除外できる設定を加え、対応言語も日本語を含む5言語へ広げました。
新しい会話記憶は、過去のSiriとのやり取りを呼び出し、現在の会話で参照します。Siriが回答に使える情報には、ボイスメールや「メッセージ」の添付ファイルなども加わりました。
一方、Appleは「除外するアプリ」の設定を追加し、Siri、検索、提案がアクセスできるアプリを利用者が選べるようにしました。記憶と参照範囲を広げつつ、アプリ単位の制御も用意した形です。
SiriのAI機能は、従来の英語に加えてフランス語、日本語、韓国語、ポルトガル語、スペイン語に対応しました。ただし、欧州と中国本土では引き続き利用できません。
iOS 27.2では、「メッセージ」の招待内容を予定表に変えるといった文脈対応の提案、写真でのSynthID透かし対応、Apple TVアプリの利用者プロフィールも追加されました。折りたたみ型iPhone DuoではApple Pencilにも対応し、Apple Musicの新ブランド表示も導入されました。
macOS Golden Gate 27.2とApple Watchにも、Siriの会話記憶や追加言語が展開されました。visionOS 27.2には追加言語と新しいMusicアイコンが入りました。macOSのベータ版には「写真」「メモ」「Safari」のジェスチャー認識に関する記述もありますが、次期MacBook Proのタッチ対応との関係は未確認です。
2026年10月25日、TechCrunchは、Amazon傘下のBeeやMetaのMuse Charmなど、販売中または発売予定のAIウェアラブルと携帯端末をまとめました。各社は会話の録音・文字起こし・要約から、予定管理や感情の振り返りまでを日常に組み込み、生産性支援と親しい対話相手という二つの方向で市場を広げています。
仕事向けでは、Beeが49.99ドルから日常会話を記録し、リマインダーやメモを作ります。99ドルのLimitlessは同意を得た会話を検索可能な知識に変え、159ドルのPlaud NotePinは月300分の文字起こしを無料枠に含めます。いずれも追加機能には月額プランがあり、端末代と継続費用の両方が選定材料です。
対話型では、129ドルのFriendが声の調子や気分を認識し、内蔵スピーカーを備えたFriend 2.0へ更新されました。MetaのMuse Charmは未出荷ですが、携帯できる画面にデジタルキャラクターを表示し、音声でMuseに作業を頼める予定です。249ドルのNirvaは本人の発話から日記を作り、感情やコミュニケーション習慣の理解を支援します。
89ドルのOmiは会話をChatGPTで処理し、質問への回答や要約、予定調整を担います。199ドルのRabbit R1は航空券予約や食事注文、アプリ操作に対応し、299ドルで発売予定のStreamリングは、長押しした時だけマイクを起動してメモや音楽操作を受け付けます。身に着ける形は、ペンダント、腕輪、リング、カード型、携帯端末へと広がっています。
導入判断では、何を記録し、誰がデータに触れるのかを確認する必要があります。Friendの広告は監視資本主義との批判を受ける一方、Beeにはミュートボタン、Streamには通常時にマイクを切る設計があり、録音同意や停止手段が信頼を左右します。OpenAIも小型AIコンパニオン端末を開発しており、機能だけでなくプライバシー設計の比較が重要です。
米ペンシルベニア州のジョシュ・シャピロ知事が、AIで作成・変更した広告の表示に関する法律に署名したとThe Vergeが報じました。消費者を誤認させる広告への対応として、AIの利用を同じ形式で知らせる仕組みを求めています。
対象には、画像や動画、音声、テキストなど、AIで大きく作成・変更された広告が含まれます。制作された場所にかかわらず、法律の対象となる広告の扱いが問題になります。
一方、パロディー、風刺、論評、フィクションなどには例外があります。どのような表現が消費者の認識を誤らせるのか、実際の適用範囲には解釈上の論点が残ると記事は指摘しています。
今回の報道は州レベルの立法であり、米国全体に同じ規則が導入されたという意味ではありません。生成物を使う広告と、表示によって透明性を確保する制度の関係を示す動きです。
TechCrunchは、Blockが紹介した音声モデルDessaの特徴を報じました。人の会話音声だけで学習し、話しながら相手の声を聞く全二重のやり取りや、笑い、間、感情的な話し方を表現するモデルとされています。
Blockは、声をいったん文字へ変換する仕組みでは、感情や話し方に含まれる情報が失われると説明しています。Dessaの知識も会話データに由来するとされ、一般的な知識検索用の言語モデルと組み合わせる設計とは異なります。
公開デモでは、疲れた話し方や声が詰まるような表現が紹介されました。ただし、感情表現の制御方法の詳細は明らかではなく、自然な声が正確な知識や理解を保証するわけではありません。
M4 Max以上のコンピューターでローカル実行できるとされていますが、記事時点では一般には公開されていません。Blockは安全性研究者に検証を呼びかけており、人を誤認させるほど自然な音声の影響も課題になります。
Blockは、人の会話音声から学習するモデルDessaを紹介しました。文字を中間表現とする音声システムとは異なる方向を目指し、話すことと聞くことを同時に行う会話や、間、笑い、感情を含む応答を実演しています。
同社は、音声を文字に変換すると話し方や感情に関する情報が失われると説明しています。Dessaでは、会話そのものに含まれる情報を使って、より自然なやり取りを目指します。
デモは表現力のある応答を示す一方、相手の名前を取り違える場面なども含まれています。自然な声の印象と、応答内容の正確さは分けて評価する必要があります。
モデルはM4 Max以上の機器でローカル実行できるとされています。記事時点では一般公開ではなく、安全性を研究する人たちへの案内が中心で、人に強い親近感を与える音声の影響も検証課題です。
UberとOpenAIは2026年10月22日、Uberの世界の全従業員3万人超を対象に、企業向けAIエージェント「ChatGPT Work」の提供を開始しました。日常業務のツールと接続し、複雑な多段階作業を完了まで担わせることで、部門横断の生産性向上とAI活用の検証を進めます。1000人規模の実証から全社へ広げる、同社初の知識労働向けエージェント基盤の全社導入です。
導入は先行した1000人による試験運用から拡大しました。初期利用者の約80%はエンジニア以外で、運用データの傾向分析と提案作成、多市場・多言語向け研修資料の現地化、個人用の対話型ダッシュボード作成などに活用しました。
ChatGPT WorkはGoogle Drive、Gmail、Google Calendar、Slackとつながり、情報調査、会議資料、プレゼン、データ分析、アプリをまたぐ作業を支援します。既定モデルには性能と費用効率の両立を狙うGPT-6.1 Solを採用し、音声や画像生成も用途に応じて使えます。
全社導入を支えるのは、Uberの社内AIスキル集、承認済みの連携機能、従業員研修です。対象は運用、財務、マーケティング、プロダクトなどで、開発・ソフトウェア部門はCodexの利用も継続します。
Uberは用途を細かく固定せず、各チームに試行の余地を残します。30人のAIエンジニアを各部門に配置し、2週間で主要業務の自動化を試した「AI pods」の経験も、技術と現場知識を組み合わせる方針の根拠です。
費用は公表していません。今後は利用状況、構築されたワークフロー、業務効率への寄与を追跡し、得た知見を次のAI展開に反映します。大規模導入の成否を判断する材料は、導入数だけでなく実務上の効果です。
OpenAIは2026年10月22日、アプリやAIエージェントが分類、経路選択、次の行動決定を低遅延で処理する「Decisions API」の一般提供を始めました。GPT-6 Lunaを専用化し、テキスト、画像、構造化データから、Responses API経由の同モデルより最大10倍速く、選択肢が限られた問いに回答します。大量処理で積み上がる待ち時間と費用の削減が狙いです。
開発者は質問、許容する回答、判断材料を定義します。APIは、条件が真である確率を返すpredicate、候補から選ぶchoice、段階評価するscoreの3形式で結果を返し、後続処理へ組み込めます。1回で最大400問を扱え、従来上限の2倍です。
一般提供版ではGPT-Liveとのネイティブ連携、再利用する文脈のプロンプトキャッシュ、米国・欧州での推論データ所在地指定を追加しました。画像を指示に含められるほか、ネイティブJSON入力にも対応し、アジアの複数地域では処理能力を増強しています。
価格は入力100万トークン当たり0.10ドル、キャッシュ済み入力は0.01ドルで、出力トークン料金はありません。大量の小さな判断をLLMで処理している企業にとって、速度と費用を同時に見直せる選択肢です。
初期利用では、語学学習サービスSpeakが動作間隔を1.4秒から0.13秒に短縮し、OpenAIもDots音声アシスタントの応答性改善に使いました。社内では取引明細や報道内容の分類にも活用しています。導入時は頻発する判断を一つ選び、実データで速度、費用、回答品質を検証することが重要です。
市場ではTypeSafeのJev、LiquidのD1 Ultra、Base LabのElephant-1など競合が先行しています。公開ベンチマークの順位は評価軸で変わり、OpenAIのモデルは記事掲載時点で8位と14位でした。自社用途では速度だけでなく、回答品質、費用、信頼度の調整を実データで比較する必要があります。
OpenAIは2026年10月22日、顧客の難題を現場で解くForward Deployed Engineering（FDE）の役割と成果を公開しました。モデルの能力と、企業が実務で安定して使える状態との隔たりを「導入ギャップ」と捉え、顧客・製品・研究部門を結び、まず本番で価値を実証してから再利用可能な製品やモデル改善へ広げる取り組みです。
半導体顧客では2025年半ば、約15人のFDEが10件超の用途に取り組み、検証工程向けのテスト生成、原因分析、設計支援を構築しました。3〜6カ月で全案件を本番投入し、初期利用を獲得。AIによるテスト生成で約48％の時間削減、カーネル最適化で中央値22％の性能向上、数週間のデバッグを数時間に短縮しました。
その後、機能が向上したCodexを共通基盤に据え、用途別アプリをプラグインとスキルへ移行しました。各プロジェクトのカスタムコードを約90％削減し、ある2026年8月の事例では最初の導入に2カ月かかった一方、2チーム目への展開は1日で完了しています。
成果は他業界にも及びます。Thrive Holdingsとの税務AIは試験運用で7,000件の申告書を処理し、処理能力を約50％向上。John DeereではAPIを使い、農家向けに機器設定や運用助言を個別化し、精密除草技術の活用を支えました。
既存モデルが不足する場合は、顧客の要件を評価指標に変え、研究部門へ課題を戻します。通信会社の音声顧客対応では主要評価が約60％から6カ月で90％超へ上昇し、本番水準に到達。OpenAIは現場で価値を確かめ、共通化し、次の難題へ進む循環をFDEの役割と位置づけています。
Nirvaは2026年10月22日、本人の声だけを常時拾う装飾品型AI端末を手がけるため、プレシリーズAで2500万ドルを調達したと発表しました。年初に確保した800万ドルと合わせた累計は3300万ドルです。周囲の声を除外し、処理後に音声と書き起こしを残さない設計で、常時録音への懸念に応えながら個人向けAIウェアラブル市場へ参入します。
Nirvaは2025年、Meta Reality Labs出身者2人と装飾品ブランドの創業者が設立しました。最初の端末はペンダントとブレスレットの2通りで装着でき、重さは約8グラムです。1回の充電で最長3日間使え、価格は249ドルに設定しました。
利用者は初期設定で自分の声を登録し、端末はその情報を基に周囲の人の会話やデータを除外します。このため、記録の対象は装着者の発話に限られます。会話の処理後は音声と書き起こしを標準で保存せず、音声を破棄する前に調子、高さ、音量、速度を捉えて感情に関する洞察へ生かします。
同社は生産性向上の道具ではなく、個人の自己理解を支えるサービスと位置付けています。連携アプリは発話を解析し、感情や話し方のほか、一緒にいる人や訪れた場所などの傾向を推定します。その結果から行動項目やリマインダーを示し、自己理解や自己認識の向上を促す考えです。
受注は11月に始め、初期利用者への出荷を年末までに開始する計画です。色は銀、つや消し銀、黒、金の4種類をそろえます。Tayaなどの装飾品型端末やFriend、Beeなどの相棒型機器が競うなか、Nirvaは本人の声だけを拾う仕組みと自己理解への用途で差別化を図ります。
米マサチューセッツ州ケンブリッジと中国・深圳を拠点とする新興企業OKAは2026年10月22日、AI搭載のキノコ型家庭用ロボット兼ランプ「Mori」の創業者版を649ドルで発売しました。約30センチの本体がカメラとマイクで人の動きや室内の状況を捉え、表情や揺れ、自然音で反応し、実用的な家事支援よりも心を落ち着かせる存在感を売りにします。
Moriは雨や森、火、風を想起させる色に光り、自然の音風景を流すほか、落ち着くための呼吸セッションを案内します。人を目で追い、音楽やテレビに合わせて踊る一方、スマート家電の操作、天気の回答、Spotifyの再生といった音声アシスタント機能には対応しません。
複数の端末内大規模言語モデルを使う独自技術が、カメラとマイクから室内の文脈を把握し、反応する場面と静かにする場面を選びます。利用者を記憶して接し方を変え、来客には控えめに振る舞いますが、1カ月会わなければ忘れる設計です。長時間のスマートフォン利用を察して休憩を促す一方、通話や口論を認識すると反応を控えるとOKAは説明しています。
数百台限定の創業者版には2年保証と2年分のサービス利用料が含まれます。通常版は849ドル、予約価格は799ドルですが、有料機能は付属せず、月17ドルまたは年80ドルの契約が必要です。呼吸練習は無料で使えるものの、自然の音風景は有料となります。
OKAによると、画像と音声の生データは端末内で処理後に破棄し、顔の特徴データも暗号化して外部には送信しません。Wi-Fiはファームウェア更新だけに使い、収納時にはカメラが、上部を2回たたくとマイクが停止します。高機能化ではなく愛着や癒やしに対価を求める製品だけに、家庭内AIで存在感と個人情報保護を両立できるかが普及の焦点です。
NVIDIAは2026年10月22日、欧州の公共部門で、オープンモデルを各機関が管理するインフラ上に導入する複数の取り組みを公表しました。欧州委員会、ポーランド、英国、ドイツ、フランス、ギリシャの事例を通じ、機密データを管理下に置きながら、文書要約、医療画像分析、雇用支援、多言語対応などへAIを広げる構想です。
欧州委員会が管理するAI開発・運用基盤AI@ECの土台には、ドイツのdeepsetが提供するHaystack Enterprise Platformが使われています。拡張版はエージェントの開発、実行、最適化、統制をつなぎ、運用費の比較、回答品質の評価、問題追跡に対応します。
ポーランドのeHealth Centreは、NVIDIA DGX BasePODとMONAIを用いた医療画像向け基盤を構築しています。X線、CT、MRI画像から異常を検出して緊急例を優先するほか、同国の担当省庁は400を超える雇用窓口向けに、文書検索、要約、デジタルアシスタントを担うエージェント基盤を開発中です。
英国では、人口や地域の多様性を反映した100万件の合成人物データが公開され、公共サービス用モデルの偏り検査などに使えます。ドイツでも2022年国勢調査を基に、実在人物の個人データを使わない地域別データセットを開発し、secunetなど4社は機密情報を扱う組織向けの主権クラウドを計画しています。
フランスでは、公的調達機関CANUTがLINAGORAとDocaposteを選び、国内でホストするTwake.aiベースの共同業務環境を2,500超の対象組織に提供する枠組みを整えました。ギリシャではKIEFERが、ギリシャ語の検索、音声、デジタルアシスタントを備えるエージェント基盤を開発しています。
一連の案件に共通するのは、モデルの公開性だけでなく、データの保管場所、アクセス権、監査記録、地域言語への適合まで運用側が管理する設計です。公共部門でAIを採用する際、性能評価とデータ統制を同じ基盤で扱うことの重要性を示す事例群といえます。
NVIDIAは2026年10月22日、ベルリンで開いたGTCで、RevolutやStarling Bankなど欧州の金融機関が、オープンウェイトモデルとGPU基盤を使い、自社データによる独自AIを自社・域内インフラで本番運用する事例を公表しました。Revolutは取引基盤モデルPRAGMAをまず8000万人向けに展開し、3倍の規模まで拡張できるよう設計しています。
RevolutはNVIDIA cuDFとDynamo-TritonをBlackwell Ultra GPU上で動かし、数十億件の取引を扱う単一の基盤モデルとしてPRAGMAを構築しました。Starling Bankは英国の主権クラウドと自社取引データでエージェント型モデルを学習し、Lloyds Banking Groupも数十億件の取引を再利用可能な知見へ変えるATUMを開発しています。
コスト面では、ネット銀行bunqのエージェント型アシスタントFinnが、主要な閉鎖型モデルと同等の品質を回答1件当たり60％の費用で実現したとNVIDIAは説明しています。NatWestは英国のアクセントや金融用語を認識する音声技術、Santanderは構造化金融データ向けKumoモデルの活用を進めています。
金融調査では、LSEGがPolars GPUエンジンとcuDFを使い、過去のティックデータ分析を最大10倍高速化する取り組みを進めています。RavenPackは自然言語の調査仮説から、ラベル付きでバックテスト可能なデータセットを生成する仕組みを構築しました。
不正検知では、HSBCがデータ処理を5倍に高速化し、ほぼリアルタイムの顧客分析に活用しています。Stripeはオフライン試験で、Radarの機械学習用データ処理を42倍に高速化し、コストを92％削減したとしていますが、これらはNVIDIAが公表した導入事例であり、本番環境での効果は個別の検証が必要です。
IBMは2026年10月21日、企業向け音声AI「Granite Speech」3モデルの新規公開・更新を発表しました。高精度の文字起こしと翻訳、端末上での高速処理、話者の識別や時刻情報が重要な会議・通話への対応をそれぞれ強化し、用途別に選べる製品群としています。すべてApache 2.0で公開し、Transformersで利用できます。
新しいGranite Speech 5.0 2Bは、英語、日本語、フランス語、ドイツ語、スペイン語、ポルトガル語の文字起こしと、各言語と英語の間の翻訳に対応します。39万時間の公開音声などで学習し、言語指定や最大2000語のキーワード指定、長時間の会話翻訳を強化しました。公開英語短文テストの平均単語誤り率は5.06％で、公開時点の主要なオープンウェイト音声認識モデル中2位でした。
470MパラメーターのTurbo CTCは、7言語の文字起こし、句読点と大文字表記、雑音や残響への耐性を追加しました。単一のConformerブロックをコンパイルして各層で再利用し、精度を維持しながら処理性能を約1万2600 RTFxから1万9870 RTFxへ高め、約1.6倍に高速化しています。
会議や通話向けのGranite Speech 4.1 2B Plusは、構成やプロンプト形式、APIを変えずに重みを改良した置き換え可能な更新です。話者識別関連の誤りを全体で7％、長時間音声の単語誤り率を24％、20語の用語リスト利用時の対象語の誤りを45％減らし、時刻ずれの平均も半分以下にしました。
導入時は、精度や翻訳、固有名詞の認識を重視するなら5.0 2B、高速処理や端末上での利用ならTurbo CTCが候補です。複数話者の会議や長い通話では4.1 2B Plusが適しており、業務要件に合わせた選択がしやすくなります。
Googleは2026年10月21日、米国のApple CarPlay利用者向けに、Google Maps内で会話できるGeminiナビゲーションの提供を始めました。Android Autoへの導入から約12カ月を経て、運転中に音声で複数段階の質問を重ね、立ち寄り先の提案から目的地への案内まで頼める仕組みを広げ、世界各地でも展開を進めています。
利用者は、訪問先のおすすめを尋ねた後、その場所まで通行料金のかからない道で案内するよう続けて依頼できます。複数の条件を一連の会話で指定できるため、運転中もGoogle Mapsの音声アシスタントから支援を受けられます。
機能は、車載インフォテインメント画面のGoogle Mapsに表示されるGeminiアイコンをタップして起動します。Googleは、交通上の支障を会話形式で報告したり、移動中に立ち寄り先や場所の情報を探したりする用途も示しています。
一方、Android AutoやGoogle搭載車向けに発表されたPersonal Intelligenceについて、CarPlay対応の記載はありません。この機能はGmail、Calendar、Maps、Photos、YouTube、Searchの利用者情報にアクセスするもので、CarPlayにも追加されるかはGoogleに確認中です。
Appleは2026年10月21日、Apple Musicの新たなブランド・アイデンティティーを公開しました。Liquid Glassを取り入れた刷新では、デザイン会社TBWA/Media Arts Labや音楽プロデューサーのFred again..らが、音を鉱物油の波紋に変えて実写撮影する手法を採用し、AI生成メディアが広がる時代に人の手による制作過程を前面に出しました。
制作チームは、カメラと照明を備えた撮影セットに、鉱物油を入れたタンクとトランスデューサーを用意しました。音声信号を物理的な振動として油に伝え、ブランド要素を印刷した透明パネルと重ねて大量の映像を撮影しています。
鉱物油は粘度が高いことから選ばれ、音に反応する波紋を視覚表現へ変える役割を担いました。透明パネル上のブランド表現と実際の油の動きを組み合わせるため、チームは多くの映像素材を収録しました。
制作にはデザイン会社TBWA/Media Arts Labと、音楽プロデューサーのFred again..が参加しました。短い舞台裏映像は、ブランド刷新の完成形だけでなく、物理的な実験と撮影の積み重ねを示しています。
筆者はLiquid Glass自体には懐疑的ですが、通常なら見過ごすような刷新を注目に値すると捉えました。人が物理素材を試し、撮影する工程の可視化こそ、AI生成メディアが広がる時代にブランドの意味を持つと論じています。
Yelpは10月20日、利用者に代わってAI音声エージェントが飲食店へ電話し、待ち時間を確認するCheck for Meをアプリに追加すると発表しました。店舗ページで人数と電話番号を入力するとAIが発信し、結果をSMSで通知するため、利用者は来店するか判断できます。利用者の日々の電話の手間を省く機能です。
Yelpは昨年、店舗やサービス事業者向けの音声AIを投入しました。今回の機能で利用者側にも電話代行を広げましたが、双方がAIを使う場合はエージェント同士の会話がうまく進まない可能性もあります。
飲食店やサービスを探すYelp AI assistantにはOpenTable予約を統合し、過去の会話で示した好みを記憶させます。直近30日の履歴、定期的な提案の通知、保存リストも加え、翌月から保存内容と評価に基づく週次推薦を始めます。
事業者向けには、顧客へ返信し、見込み客を選別する有料商品Smart Lead Replyを月額30ドルで提供します。事業者はエージェントの会話方針を指定でき、顧客対応と営業工程の自動化を進められます。
Googleの研究チームは10月20日、診察予約後に患者と会話し、症状や病歴を整理する医療AIエージェントAMIEの研究状況を公表しました。標準的な問診票より具体的な追加質問を行い、要約を医師へ渡すことで、診察時間を情報収集から共同意思決定へ振り向けます。医師と患者の対話時間をさらに増やす狙いです。
例えば腰痛なら、痛みの種類、発症時期、正確な場所を順に尋ねます。医師は基本情報の確認を減らし、原因の検討や治療選択肢の説明に時間を使えると研究者は説明しています。
臨床研究では、参加者が診察前にAMIEと任意で会話し、その病歴要約を担当医へ共有しました。安全上の問題に備えて訓練済み医師が全対話を監督しましたが、中断や介入は一度もありませんでした。
次段階では、米国全土で患者数を増やし、対照群を設けた無作為試験を進めます。AMIEは文字チャットから画像共有へ広がっており、音声や動画を使う対話も研究対象です。
GoogleとSynapticsは10月20日、端末でAIを動かすための半導体と開発基盤を拡充しました。SynapticsのAstra SR200シリーズは、Googleの公開Coral NPU設計とメモリー、音声・画像処理機能を組み合わせます。スマートグラスや工場のセンサーなどで、クラウドへの常時接続に頼らずAIを利用する狙いです。
SR210、SR230、SR250の演算性能はそれぞれ200、300、400GOPSとされています。モデルの実行性能は演算量だけで決まらず、メモリー容量や消費電力、コンパイラーなどを含めた評価が必要です。
Coralの設計はApache 2.0ライセンスで提供され、半導体企業が組み込めます。Synapticsは公開コンパイラーTorqも用意し、PyTorchなどで作られたモデルを異なるハードウェアへ移す負担を減らそうとしています。
既存チップを搭載するCoralboard SLは約100ドルで一般提供されます。一方、新しいSR200はサンプル段階で、SR250搭載ボードも今後の製品であり、現在使える開発機と新半導体を区別して導入を検討する必要があります。
Googleは2026年10月20日、Geminiが利用者のメールや予定、写真などを参照して回答するPersonal Intelligenceを車載環境へ展開し始めました。Android Autoでは同日から順次提供し、Google built-in搭載車には今後数カ月で広げ、運転中の複雑な依頼を音声だけで処理しやすくします。
許可すると、GmailやGoogle Calendarを含むWorkspace、Google Photos、Google Maps、YouTube、Searchの情報を接続します。例えば診察予定から行き先を特定したり、確認メールと運航情報から搭乗口と遅延をまとめて答えたりできます。
写真に写った洗車場を探して経路を案内するほか、普段の好みや食事条件に合う経路沿いの店も提案します。利用者が住所や背景を細かく説明せず、自然な言葉で指示できる点を車内での利点としています。
Personal Intelligenceは任意機能で、アプリは利用者が有効にするまで接続されず、Geminiの設定からいつでも停止できます。Google built-in搭載車は接続した本人のスマートフォンが車内にある場合だけ個人向け回答を共有し、機能を使わなくてもナビや通話などは利用できます。
開発者や個人ユーザーは2026年10月、AIコーディング支援を使い、スマートテレビから広告や不要アプリ、視聴追跡を取り除く手法を相次いで公開しました。GitHub上の「dumbtv」や「cleanyourtv」は、アプリとHDMI入力を中心にした軽快なホーム画面を目指し、広告への不満とプライバシー懸念に応えます。従来は専門知識が必要だった機器改修の敷居を下げています。
「cleanyourtv」はAndroid TVやGoogle TVにWi-Fiで接続し、不要なソフトを無効化してApple TV風のランチャーに置き換えます。root権限は不要で、希望すれば工場出荷時の状態へ戻せます。
「dumbtv」はFire TV Editionのほか、Sony、TCL、Philips、Hisense、Xiaomi、ShieldのAndroid TVやGoogle TVで一連の動作を確認済みです。開発者はDeepSeekとClaudeの複数モデルを組み合わせて作成し、利用者には好みのAIエージェントでGitHubリポジトリを参照するよう案内しています。
背景には、画面の画像や音声などから再生内容を識別する自動コンテンツ認識（ACR）があります。テレビ事業者は視聴データの販売や個別広告の表示に活用しており、こうした改修が一般化すればスマートテレビ広告の収益構造に影響する可能性があります。
ただし、これらの手法は開発途上です。AIが重要なソフトを無効化し、Android TVが起動不能になった例や、Fire TVの改修が途中で止まった例も報告されています。安全性を優先するなら、ATV Launcher、Projectivy Launcher、FLauncherなど既存のホーム画面置換アプリも選択肢です。
ドイツ連邦政府とNVIDIAは2026年10月19日、ベルリンで、製造業や自動車産業にAIを広げる共同構想に向けた意向宣言へ署名しました。ドイツの工学・製造力と先端AI研究を結び、物理世界で動くAIモデルの開発と中小企業を含む産業AIの普及を進め、欧州に最新の産業AI基盤を築く狙いです。官民研究組織「Industry 4.0 Platform」との連携も正式化・拡大します。
メルツ首相はドイツの強みとして中小企業群を挙げ、企業に対して保有データをAIに活用することを呼びかけました。NVIDIAのジェンスン・フアンCEOは、AIはドイツ企業の製造知識を置き換えるのではなく、その能力を高める道具になるとの見方を示しました。
NVIDIAは欧州の企業や大学、研究機関などに100億ドル近くを投じる計画の一環として、ドイツの新興4社への投資計画も発表しました。対象はロボットのAgile Robots、病院情報システムのAvelios Medical、映像向け音声生成のMirelo、短期間で衛星を開発するReflex Aerospaceです。
産業面では、SiemensとNVIDIAがAI駆動の自律型工場で提携し、仮想環境での生産立ち上げにより設計工数を最大85％、エージェント型の生産計画によりコストを最大20％削減できるとしました。研究面では、NVIDIAが欧州最大のスーパーコンピューターJUPITERを使い、104量子ビットの耐障害量子コンピューターを過去最大規模でシミュレーションしました。
職場向けメッセージアプリを手がけるZenzapが2026年10月14日、BessemerやLightspeedなどから4400万ドルを調達したとTechCrunchが報じました。同社は宿泊・建設・医療・外食など、スマートフォン中心で働く現場の従業員に、ITやセキュリティの規則に沿った連絡手段と組織情報を使うAI機能を提供し、私用チャットからの移行を狙います。
創業者のGuy Weiss氏は、SlackやMicrosoft Teamsは開発者以外のモバイル中心の現場には適しにくく、WhatsAppやiMessageではAIエージェントを載せた業務利用がIT要件に合わないと説明しています。Zenzapは仕事と私生活を分けながら、日々の連絡を一つの環境にまとめる方針です。
無料プランではグループ・個別チャット、タスク管理、カレンダーと勤務予定の連携、AI音声チャットと検索を提供します。20人まで月額51ドルからの有料プランでは、音声・ビデオ通話、タスクの自動整理やテンプレート、ワークスペース横断のAI検索、メッセージのタスク化を使えます。
同社は別料金のクレジット制で、業務を自動化するAIエージェントや音声メモ・通話の文字起こしも提供します。顧客としてFedEx、Dollar General、Taco Bell、Starbucksなどを挙げ、IHOPやMcDonald'sの店舗ではシフトや在庫に関する連絡に使われているとしています。
従業員は米国、テルアビブ、欧州の計50人で、近く製品部門と研究開発部門を増員する計画です。今後の焦点は、業種ごとの利用法をセルフサービス型AIで支えながら、幅広い現場の従業員に定着させられるかです。
米連邦捜査局（FBI）は2026年10月、OpenAIの機密会議室に録音装置を設置した疑いで、同社技術者のアブドゥルラフマン・アルフォザン容疑者（35）を逮捕しました。FBIは、経営陣が技術開発や政府対応、商業提携を協議する制限区域で秘密録音を試み、営業秘密の流出と国家安全保障上の危険を招いたと主張しています。
FBIによると、装置はトイレットペーパーに包まれ、会議室のテレビ背面に接続されていました。9月28日ごろに設置され、OpenAIが30日に発見した時点で、保存内容は暗号化されていたとみられます。
捜査資料によると、容疑者は8月、OpenAIの業務支援AIを使って機密会議の場所や時間を調べた疑いがあります。配偶者にひもづくチャットボットの履歴にも、同型装置の継続録音や音声起動、SDカード暗号化を調べる入力が残っていたとFBIは説明しています。
OpenAIは会議室にカメラを設置し、10月5日に容疑者がテレビ背面を確認する様子を捉えたとされます。同日、社内のプリンター室に残された容疑者のバッグから2台目の同型装置も見つかったといいます。
OpenAIは直ちに解雇せず、FBIと装置を分析しながら容疑者のシステム権限を段階的に停止し、証拠収集後に解雇と逮捕の時期を合わせました。録音の提供先や目的はなお不明で、有罪となれば最長5年の拘禁刑と25万ドルの罰金を科される可能性があります。
NVIDIAは2026年10月14日、英国のAI新興企業Boltz、Foresight、Hiverge、Prima Mente、Riverlaneの5社への投資計画を発表しました。創薬、インフラ工程管理、アルゴリズム開発、疾患解析、量子誤り訂正を支え、英国全土でAI研究と実装の裾野を広げる狙いです。
基盤整備では、エージェント型AIの安全性・セキュリティ研究に今後5年間で2億5,000万ドル分の計算資源を提供します。気候・持続可能性分野ではEarthshot Prizeのグローバル連合創設パートナーとなり、計算資源と技術知見を提供します。
実装面では、Fuse EnergyがNVIDIA B300 Blackwell Ultraを使う自社基盤へ顧客対応AIを移し、英国45万世帯超への応答を高速化します。医療ではNHS向けAIトリアージ、医療音声認識、検体搬送ロボット、AI創薬の取り組みが進みます。
金融ではLSEGのGPU活用型市場分析に加え、Revolut、Lloyds Banking Group、Starlingなどが銀行業務向け基盤モデルを展開します。行政分野ではリバプール都市圏が、英国各地へ展開可能な主権型AIのCity Brainを構築します。
RiverlaneはGPUを使い、量子誤り訂正のデコーダー再調整を高速化しました。NVIDIA Inceptionには英国企業3,100社超が参加しており、NVIDIAは投資先の育成と各産業への実装を並行して進めています。
AIコンパニオン端末を手がけるFriend創業者のAvi Schiffmann氏は2026年10月、首掛け型端末Friend 2の次期更新で、利用者ごとの人格を廃止し、全利用者の文脈を共有する単一AIへ移行する計画をWIREDに明らかにしました。自律的に行動する機能も加え、人格をより現実的にする狙いですが、同氏は利用者が事実上プライバシーを手放す点を明示するとしています。
Friend 2は周囲の音を拾い、ボタン操作で会話を始める常時聴取型のペンダントです。価格は249ドルと初代より100ドル高く、OpenAIの最新言語モデルを採用しています。
利用者はアプリ上で名前や人格が異なる複数のFriendを作り、端末で切り替えられます。しかし記者の試用では反応の違いが判別しにくく、音声も定型的で、頼んでも発話を止めるまでに何度も操作が必要でした。
機能は主に雑談に限られ、ウェブ検索など他のAIエージェントにある能力は備えていません。初代より攻撃的でなく幅広い人が使いやすい一方、レビューでは個性と面白みに欠けると評価されました。
次期構想は、個別アカウント向けの人格ではなく、全利用者の経験を取り込む一つの共有主体を目指します。人格の一貫性を高める可能性がある半面、会話の文脈を誰とどう共有し、利用者の同意とデータ保護をどう担保するかが重要になります。
監視技術企業Flock Safetyの共同創業者兼CEO、ギャレット・ラングレー氏は2026年10月14日、TechCrunch Disruptの壇上で、同社の音響検知技術は「銃声だけ」を検知すると説明しました。しかし同社サイトは、花火や道路占拠型の危険走行、重大な自動車事故なども検知できると案内しており、経営トップの発言と製品の販促内容に食い違いが浮かびました。
同社のGunshot Detectionは、銃声や周辺音を捉えて公共安全上の事態を早く知らせる製品です。発表当初は叫び声を検知するとしていましたが、プライバシー団体の批判を受けて「人の苦痛の音」に表現を変え、試験顧客への提供後にその検知機能を撤回しました。
ラングレー氏は、苦痛検知は一部顧客の要望から試作したものだと認めたうえで、現在は銃声だけを対象にすると強調しました。一方、同社広報は製品が花火や危険走行イベント、事故の可能性も検知でき、会話の監視や音声分析、人の叫び声の検知はしないと説明しています。
同社サイトのFAQも、銃声に加えて花火や危険走行イベントなどを検知し、顧客の需要に応じて検知対象を拡充すると記載しています。CEO発言、広報説明、製品サイトの間で、何を収集・判定する技術なのかという説明の整合性が問われています。
ラングレー氏は設置マイク数が、2024年時点で約2万5千台と報じられたShotSpotterに匹敵すると述べました。Flockには監視技術の乱用を懸念する市民やACLUから厳しい視線が注がれ、テキサス州とフロリダ州は関係解消に動き、Amazon傘下Ringも提携を終了しています。
AI開発エージェントを手がけるAmpは2026年10月14日、OpenAIのGPT‑6 AstraやGPT‑Live‑1などを採用し、コーディングだけでなく、企画、設計、公開後の改善まで支援範囲を広げていると明らかにしました。狙いは、開発者が工程ごとに手作業する負担を抑え、アイデアを製品へ育てる一連の仕事をエージェントに任せやすくすることです。
OpenAIモデルはAmpで消費されるトークンの過半を占め、利用者には週100億トークンを使う例もあるといいます。AmpはSign in with ChatGPTを導入し、利用可能なトークンとモデルを増やして、大きな仕事を任せる際の利用量への心理的な制約を和らげました。
Ampの20人のチームは、エージェントをマーケティングにも使い、新規利用者の体験改善や検索などを通じた認知拡大を支援させています。GPT‑6 Astraは、独自の文章・デザイン様式に沿った文書やページの制作を担います。
Amp内の対話型アシスタントPuckは、不具合調査の開始、複数エージェントの調整、過去の技術的な会話の検索を支援します。GPT‑Live‑1を使うCalling Puckでは、腕時計などからリアルタイムで話しかけ、パソコンを離れていてもエージェントを動かせます。
AmpはGPT‑6 AstraのUltrafastモードも試験中です。応答が速くなれば、利用者が同時に扱うタスクを減らしたり、エージェントが結果を返す前の自己確認に時間を回したりできると、同社はみています。
SpaceX Super Intelligenceは2026年10月13日、X Premium、対話AIのGrok、AI開発支援のCursorを一つにまとめた「The X Subscription」を発表しました。無料から月200ドルまで5段階を用意し、対話、音声、画像、動画、API、AIエージェント、コーディング、Xの有料機能を利用量に応じて組み合わせ、有料AI市場で契約者拡大を狙います。
GrokではAI対話に加え、音声、画像、動画、APIと自律型Botを利用できます。CursorのAIコーディング機能や、X Premiumの認証マーク、投稿者向け機能、広告削減も同じ契約に含まれます。
料金は無料、Plusの月8ドル、Premiumの月30ドル、Superの月100ドル、Ultraの月200ドルです。上位ほどAIの利用上限が増え、無料版は対話とエージェントの利用が限定され、最新のGrokモデルにはPremium以上が必要です。
既存のX Premium+利用者には、同等の新プランを同額以下で提供すると同社は説明しています。利用者はXの契約設定から新しい一括プランへ切り替えるか、現在の契約を維持でき、切り替え機能は段階的に提供されます。
SpaceXSIは、個別サービスを一つの料金体系に集約することで、OpenAIやAnthropicなどとの有料AI契約競争に対抗します。利用者にとっては必要な機能とAI利用枠をまとめて選べる一方、プラン間の価値は利用量と最新モデルの必要性で変わります。
The Vergeは2026年10月13日、カメラを省いたスマート眼鏡「Ray-Ban Meta Audio」をレビューし、周囲を撮影する不安を和らげつつ、軽さ、電池持ち、開放型音響を強みと評価しました。一方、AI機能は限定的で、音漏れや騒音下の聞きづらさがあり、処方レンズなしで350ドルという価格は機能に見合わないと指摘しています。
本体にカメラがないため映像データは生じず、評者は人前で装着するときの心理的な負担が減ったと述べています。ただし音声による常時待機機能は残り、呼びかけ語は無効にできますが、音声データはAI改善に使われるため、プライバシーの論点がなくなるわけではありません。
現行のMuse Sparkは、メッセージ、予定表、メールと連携し、予定確認や通知設定など短い依頼には対応します。複雑な依頼では混乱しやすく、上位のMuse AIと聴覚支援機能も未提供で、カメラを使う視覚支援や複合的なAI機能は利用できません。
重量は43〜47グラムで、評者はランニングや散歩を含む2日間の使用でも装着に問題がなく、電池も充電ケースへ戻さず2勤務日持ったと報告しました。音質は開放型として良好ですが、大音量では高音と低音が崩れ、周囲への音漏れや騒音に負ける弱点があります。
度数はマイナス12からプラス6まで対応し、幅広い視力や顔形に合わせやすい設計です。一方、より多機能なカメラ付きMeta Glassesが250ドルからなのに対し、本製品は350ドルからであり、撮影や視覚支援よりも軽い装着感と開放型音響を優先する人向けという評価です。
Higgsfield AIは2026年10月13日、OpenAIのGPT-6 Astraを使い、従来約1分が上限だったAI動画を10分超まで生成できるようになったと明らかにしました。外部ツールを呼び出す制作エージェントで長尺映像の一貫性を保ちやすくし、GPT-Image-2.5やCodexも組み合わせて、少人数の制作チームによる企画から製品化までを効率化します。
Higgsfieldの制作エージェントは、同じ撮影案の複数パターンを作る反復作業を担います。GPT-6 Astraは外部ツールを呼び出し、手作業が多い複雑な3Dモデリングにも対応します。同社はこの仕組みで、YouTube向けの10分超の解説動画を生成する制作工程を構築しました。
GPT-Image-2.5は画像上の文字や図解を読みやすく描画し、広告素材の精度を高めます。Higgsfieldは、大規模な制作予算を持たない小規模事業者でも販促コンテンツを作りやすくなると説明しています。
同社の開発体制は約200人の制作者と100人の技術者で構成されます。制作者はCodexで着想をソフトウェアの試作品に変え、GPT-6 Astraで本番投入までに必要な作業を減らします。従来はフロントエンドとバックエンドの技術者が深く関与していた工程の短縮が狙いです。
次の構想は、話した内容から映像をリアルタイムに形にする「voice to movie」です。GPT-Liveの音声理解に加え、計画、外部ツール呼び出し、画像生成を組み合わせ、映画制作をアイデアの説明に近い操作へ変えることを目指します。
AIチャットサービスのCharacter.AIは2026年10月13日、訴訟や事業拡大の難しさを背景にChapter 11を申請しました。裁判所管理下で売却先を探す一方、Disneyには一部資産と技術の永久的な非独占ライセンスを2000万ドルで譲渡する契約を結び、利害関係者の価値最大化と当面の事業継続を目指します。
裁判所への提出資料では、資産と負債はいずれも5000万〜1億ドルです。Disneyは、前月に同社へ移った元Character.AI社員を通じて移行支援を提供し、取引は11月末か12月初めの完了を見込みます。
Character.AIは売却手続き中もサービスを稼働し、変更がない限り既存契約の課金も続けます。ただし、プラットフォーム全体の買い手はまだ決まっておらず、継続可能な提案を得られなければ事業を終了する方針です。
同社は月間アクティブ利用者2000万人を記録する一方、利用時間の長さに応じてAIの運用費が増える構造を抱えていました。累計調達額は1億9300万ドルを超えますが、高い利用率を持続可能な収益へ変える難しさが破産申請で浮き彫りになりました。
同社は未成年者への悪影響を巡る訴訟の一部を和解し、安全機能を追加して未成年者の利用を禁止しました。ケンタッキー州とペンシルベニア州も利用者への被害を主張して提訴しています。さらにプライバシーポリシーは、資産売却時に識別情報、音声データ、チャット履歴が移転され得ると定めており、利用者データの扱いも焦点です。
Metaは2026年10月12日、Meta Superintelligence Labsが開発した新たな大規模AIモデル「Muse Wonder」と「Muse Wonder Full」を公開しました。複雑なソフト開発や長時間動くAIエージェントを狙い、標準版はAPI、最上位版は有料のMuse Codeで提供し、OpenAIやAnthropicに並ぶ性能をうたいます。
独立評価機関Artificial AnalysisのIntelligence Indexでは、Wonder Fullが56点を獲得し、Claude Sonnet 5.5と並びました。Claude Opus 5.5の58点には届かない一方、53点のGPT-6 Astraなどを上回り、標準版Wonderは52点でした。
両モデルはテキスト、画像、音声、動画を入力でき、約100万トークンの文脈を扱います。会話をまたいで重要情報を保つ「Active Memory」と、障害に直面しても目標を維持して計画を修正する「Active Focus」を備え、長期の業務自動化を重視しています。
標準版WonderのAPI価格は、100万トークン当たり入力4ドル、出力20ドル、キャッシュ入力0.20ドルです。最上位のWonder FullはMuse Codeの有料会員だけが利用でき、一般APIには提供されないため、企業は自社サービスへ直接組み込めません。
導入時はベンチマークだけでなく、実業務での精度と総費用を検証する必要があります。両モデルは重みを公開せず、Muse Codeは投稿内容をモデル改善に使うContributorモードが初期設定のため、機密データの扱いと設定を事前に確認すべきです。
元Plaud幹部のピーター・モー氏が共同創業しCEOを務めるAmbiは2026年10月12日、Luminous Venturesと電子機器メーカーのHuaqinが主導する複数の資金調達ラウンドで、総額2600万ドルを調達したと明らかにしました。同社はiPhone、Mac、Apple Watch向けアプリを公開し、会話や予定、知識ベース、ウェブ情報を基に会議中から提案や関連情報を示します。
Ambiのアプリは会議の記録だけでなく、利用者が選べば終日周囲の音声を取り込み、文脈を蓄積します。会議後の要約から、会議中に作業を始めるAIエージェントへと踏み込む点が特徴です。
利用者は一つの端末で始めた作業を別の端末で続けられます。今後はパソコン上の作業から重要部分を記憶するデスクトップアプリに加え、画面、スピーカー、カメラ、マイクを備えた独自端末も投入する計画です。
一方、周囲の第三者に録音をどう知らせるかは未解決です。環境音の取得は初期設定でオフにでき、いつでも停止できるほか、同社は録音を保存せずデータを暗号化すると説明しますが、暗号方式は明らかにしていません。
モー氏は利用者に周囲への告知を求める一方、利用者が取得を隠す場合は業界だけでは解決できないと認めました。企業が導入する際は、同意取得と告知の運用を利便性と同時に設計できるかが問われます。
企業向け音声AIを手がけるPolyAIのショーン・ウェンCTOと、会議記録サービスOtterのアレックス・ゲイCMOは2026年10月、音声AIはまだ「ChatGPT級の転機」に達していないとの見方を示しました。自然な対話には高速な推論と正確な音声認識が必要で、誤作動を防ぎ利用者の信頼を得ることが普及の条件だと指摘しています。
PolyAIは、相手の話を聞きながら発話できる全二重モデルの開発を一つの到達点と捉えています。次の課題は推論の高速化であり、回答を素早く取得して会話を自然に感じさせる必要があります。
顧客対応では、人間らしい声だけでなく、問題を解決できるという確信を利用者に与えることが重要です。最初の2、3往復で応対を続けてもらい、解決実績を重ねることが、人間への交代を求めない信頼につながるとPolyAIはみています。
Otterは、話者の識別や意図の把握を組織内の知識と結び付けることが、自動化を進める鍵だとしています。同社が開発する会議用デジタルツインには、単なる質疑応答を超え、議論や戦略的対話を支える感情表現が欠かせません。
一方、音声認識が重要語を取りこぼすと、文脈の理解が崩れ、文字起こし後の要約やアクションまで誤る恐れがあります。Otterは、誤った行動が一度でも起きれば信頼を失うため、音声認識精度の継続的な改善が重要だと説明しています。
透明性も導入の前提です。Otterは会議参加者への録音通知を検討し、PolyAIも企業の電話対応で相手がAIだと明示する重要性を指摘しています。
Appleは2026年10月13日、新たなスマートホーム端末「HomeView」を発表する見通しです。BloombergのMark Gurman氏の報道によると、画面とA18チップを備え、Siriを通じて家庭内の対応機器を操作する中核端末になります。卓上型と壁掛け型の2モデルが用意されるとされています。
HomeViewは、Appleにとって過去最大規模のスマートホーム戦略になる可能性があります。同社はこれまで、機器連携の基盤HomeKitやスマートスピーカーHomePodで大きな普及を得られず、新端末で利用体験をまとめ直す狙いがうかがえます。
同日には、セットトップボックスのApple TVとHomePod miniの更新版も披露される見込みです。HomeViewを操作の中心に据えつつ、映像視聴や音声操作を担う既存製品も刷新し、家庭向け製品群を一体で強化する構図です。
AppleはLGと組み、スマートロック、サーモスタット、ドアベルを開発する計画も報じられています。実現すれば、自社製端末だけでなく家電メーカーとの連携も広げ、HomeViewから操作できる機器の裾野を拡大できます。ただし、製品名や仕様、提携はいずれもAppleによる正式発表前の情報です。
Appleは2026年6月9日、パーソナライズ音声の新興企業Huxeの一部社員に採用を提示し、同社の知的財産を非独占で利用する契約を欧州委員会へ届け出ました。これは、新興企業そのものを買収せず、人材と技術を取り込むリバース・アクハイヤーと呼ばれる形です。AppleがAI音声分野の専門性を得る動きで、Huxe自体の買収は伴いません。
Appleの届け出によると、対象はHuxe AIの「特定の従業員」で、採用提示を受けた人物や承諾の有無は明らかになっていません。知財契約も非独占であり、AppleはHuxeを会社ごと取得するわけではありません。
Huxeは、GoogleのNotebookLMでAI生成ポッドキャスト機能に携わった開発者らが創業しました。同社は5月21日にアプリ配信とサービスの停止、利用者データの削除を発表し、Appleはその後の6月9日に契約を届け出ました。
リバース・アクハイヤーは、大手企業が新興企業を買収せずに主要人材を雇い、技術ライセンスを得る手法です。記事は、AI人材と技術を獲得しつつ、通常の買収より反トラスト当局の注目を受けにくい可能性が背景にあると説明しています。
Appleは採用者の役割や技術の用途を開示していません。Huxe終了の前日にはSpotifyがAIによるポッドキャスト生成機能を発表しており、記事はApple Podcastsへの類似機能追加の可能性を挙げていますが、これは確認済みの計画ではありません。
AI・ハードウェア新興企業Naturaは10月8日、指で押して音声を入力すると複数のAIエージェントに作業を頼めるスマートリング「Interface」を発表しました。スマートフォンを取り出さず、予定確認や買い物、会議記録の共有、端末操作をこなせる常時装着型の窓口を目指し、価格は99ドル、予約は11月、出荷は12月または2027年1月を予定しています。
発売時にはMetaのMuse、Instinct、Grok Bot、Claude、ChatGPTなどと連携します。利用者は作業ごとに使うAIを指定でき、応答は接続したヘッドホン、iPhoneのライブアクティビティ、NatureOSアプリで受け取れます。
想定する用途は、運動記録の開始、当日の予定確認、日用品の再注文、テレビの停止やアラーム設定、会議メモの同僚への送信などです。パソコンも操作でき、創業者のCarlo Edoardo Ferraris氏は、将来的に書類入力やメッセージ送信、ファイル検索、資料作成を音声依頼へ置き換える構想を示しています。
健康機能では、心拍数、安静時心拍数、心拍変動、睡眠段階、日々の活動量、歩数、皮膚温を計測します。電池は利用状況に応じて6〜12日間持続し、満充電には100分かかります。
Naturaは普及を優先して99ドルで売り出し、将来は本体価格を引き上げる計画です。最初の3〜6カ月を無料とした後は月額9ドルを課し、健康特化型とAI特化型が並ぶ市場で、両機能を一つの小型端末にまとめた点を訴求します。
Googleは2026年10月8日、会議や音声ファイルを端末内だけで文字起こしする実験的な無料Macアプリ「Google AI Edge Foresight」を公開しました。Apple Silicon向けに最適化し、要約や質問応答までオフラインで動かすため、通信できない場所でも会議記録を扱え、音声やメモ、資料をクラウドへ送らずに済みます。
Foresightは、7億4000万パラメーターの端末向けモデル「EmbeddingGemma 2」で会議を記録します。画面では短い手動メモとAI生成メモを並べ、箇条書きを文字起こしの内容に基づく整った記録へ変換できます。
利用者は全文を確認できるほか、Gemma 4を使う内蔵アシスタントに会議内容を質問できます。PDF、Google Docs、Microsoft Office文書、テキスト、Markdown、ウェブのブックマークも知識ベースに加え、関連情報を会議中に参照できます。
Googleによると、取り込んだファイル、会議音声、メモは端末の外へ出ません。クラウド接続なしで動く設計は、出張中や通信環境のない場所での利用にも対応します。
現時点ではApple Silicon搭載Mac向けの実験版で、Googleの端末内Gemmaモデルの能力を示す性格もあります。GranolaやWispr Flow、Calendlyなど参入が相次ぐ市場で、導入担当者はプライバシー上の利点と対応端末の制約を併せて見極める必要があります。
Liquid AIは2026年10月7日、エッジ端末で高速な構造化判断を行うオープンウェイトの「d1-3B」と研究初期版「d1-omni-600M」をHugging Faceで公開しました。生成モデルのようにトークンを順次出すのではなく、1回の順伝播で回答する設計です。テキストに加えて画像や音声を扱い、応答速度と小さな実装規模の両立を狙います。
7種の公開データセットでは、d1-3Bの平均スコアは82.9で、比較表のDecider 4Bの81.1を上回りました。d1-omni-600Mも平均78.4となり、約4分の1のパラメーター数でDecider 2Bの77.1を超えたとしています。
NVIDIAとの評価で、d1-3BはJetson AGX Thor上で質問1件に16ミリ秒、AGX Orinで26ミリ秒、Orin Nanoで50ミリ秒でした。RTX 4090とAMD MI325Xでは10ミリ秒未満で、384ピクセル画像の処理も18ミリ秒未満です。
d1-3Bは30億パラメーターの視覚言語モデルを基盤とし、テキストと画像を入力できます。d1-omni-600Mは双方向エンコーダーに視覚・音声エンコーダーを加え、テキストと画像、またはテキストと音声を扱いますが、現時点では研究初期版です。
想定用途は、問い合わせの担当部署への振り分け、返金要否や緊急度の判定など、形式が決まった意思決定です。導入を検討する企業は高速性だけでなく、視覚・音声の公開ベンチマークが未掲載である点や、配布コードの実行にtrust_remote_code=Trueが必要な点も評価する必要があります。
Googleは2026年10月7日、画像・動画・音声に埋め込まれたAI生成・編集の電子透かし「SynthID」を調べる専用サイトを、英語で世界一般公開しました。従来は一部のテスターやGemini経由に限られた確認を、Googleに加えOpenAI、NVIDIA、Kakaoなど提携各社の透かしまで一カ所で判定できるようにし、オンライン情報の出所判断を支えます。
利用者は対応形式のファイルをSynthID.comにアップロードし、SynthIDが生成または編集に使われたかを確認できます。公開版は内部向けツールのように透かしを検出した画像領域を示さず、検出の有無を簡潔に返します。
Googleは2023年の導入以来、1800億点超の画像・動画と24万年分の音声にSynthIDを付与したと説明しています。検索、Geminiアプリ、Chromeに組み込まれた検証機能では、現在1日100万件超の確認要求を処理しています。
対象はGoogle、OpenAI、NVIDIA、KakaoのSynthIDで、Appleも近く対応する予定です。一方、Metaなど別方式の透かしや、透かしを使わない生成AI、ローカルで動かすオープンウェイトモデルの出力は検出できないため、未検出でもAI生成ではないとは断定できません。
利用にはGoogle、OpenAI、Appleのいずれかのアカウントでログインし、画像・動画・音声を合わせて1人1日およそ10件という利用枠があります。制限は透かし除去手法の開発を防ぐ狙いがあり、企業の真偽確認ではSynthIDの結果を単独の証拠とせず、出所や改変履歴など他の情報と組み合わせる必要があります。
OpenAIの常時稼働型AIエージェント「Dots」を、WIRED記者が2026年10月7日公開の記事で2日間試した結果を報告しました。家具探しや定期購入の解約を頼んだところ、候補選定と継続監視には実用性が見えた一方、名前や音声の誤認識、CAPTCHA処理の失敗が重なり、月額100ドルのサービスとしては初期段階の粗さと信頼性の課題が残りました。
家具探しでは、Dotが予算や搬入寸法を確認し、価格、寸法、商品リンク、返品条件、画像を含む4候補の資料を作りました。色や素材、引き出し式ベッドなどの条件を追加すると候補は改善し、購入には至らなかったものの、記者は複数のリンクを保存して値下がりの継続監視も依頼しました。
定期購入の解約では、Dotが不要そうな注文を特定しましたが、サイトのCAPTCHAを解けず、最終的に利用者へ操作を戻しました。Dotsは不在時にも定期処理と先回り通知ができ、将来はパソコン操作まで担う設計ですが、Gmailなどを接続して広い権限を与える際は安全性とプライバシーの検討が欠かせません。
音声対話では、記者のつぶやきを愛情表現と誤認し、Dotが「愛している」と応じる場面もありました。OpenAIは、聞き取った利用者の反応を映す応答は方針上許容される一方、助手が過度な親密さや誘惑を始めるべきではないと説明し、Dotsは成人だけが利用できるとしています。
OpenAIは、Dotsが利用者を知るほど性能が高まり、改善も進めると説明しています。記者は初期のChatGPTウェブ閲覧機能になぞらえ、将来性を認めつつも、現時点の導入判断では自動処理の範囲と失敗時の人への引き継ぎを見極める必要があると示しました。
顧客対応AIスタートアップのSienaは2026年10月6日、購買履歴やサポート会話、SNS上のやり取りを顧客ごとの記憶として統合し、接客や業務実行に生かす「Agent of Record」の拡張構想を発表しました。ニューヨーク拠点の同社は、同日公表した1700万ドルのシリーズAを開発に充て、中堅・大手消費者ブランド向けの支援領域を広げます。
Siena Intelligenceは、購入、定期契約、レビュー、ロイヤルティ情報などを会話データと組み合わせ、共通知識グラフとして参照します。既存の受注管理やERPを置き換えるのではなく、正確な基幹データに接続してエージェントへ必要な文脈を渡す設計です。
同社サイトによると、エージェントは配送先変更、返品ラベル発行、返金、交換、定期便の停止などを実行できます。買い物支援、SNS、音声でも同じ顧客文脈を使い、担当チャネルが変わっても情報を引き継ぐ狙いです。ただし新しい買い物、SNS、音声、顧客分析機能は早期アクセス段階を含み、ネイティブのヘルプデスクや解約兆候への能動対応は開発計画です。
Sienaは顧客対応の最大80%を自動化できるとしていますが、これは平均値ではありません。掲載事例では、SPANXが会話の半数を自動化し顧客満足度90%超を記録、Eskiinは週次コメント対応を50%増やし週15時間を節約したとされますが、いずれも会社提供の事例で独立監査は示されていません。
料金ページは月額750ドルの基盤利用料と自動処理1件0.90ドルを掲げていますが、新機能がすべて同じ料金に含まれるかは不明です。導入企業は、顧客IDの照合、記憶の訂正、保存期間、データ所在、権限管理を確認し、自社の実業務で前回の接点が次の対応精度や完了率を高めるかを検証する必要があります。
Googleは2026年10月6日、テキスト、コード、画像、動画、音声を一つの空間で扱う埋め込みモデル「EmbeddingGemma 2」を公開しました。Gemma 4を基盤とする7億4000万パラメーターの軽量モデルで、商用利用しやすいApache 2.0ライセンスを採用し、端末内で検索やRAGを動かす開発者の選択肢を広げます。
特徴は、用途に応じて構成を変えられるモジュール設計です。テキスト処理は2億7000万パラメーターから利用でき、画像用1億7000万、音声用3億の各エンコーダーを加えることでマルチモーダル処理に対応します。
出力ベクトルは768次元から512、256、128次元へ短縮でき、Googleによるとローカルのベクトルデータベースとメモリーの保存量を最大6分の1にできます。量子化したPixel 11 Proでは、重みのアクティブRAM使用量がテキストのみで約191MB、全機能で約567MBです。
文脈長は前世代の4倍となる8Kトークンで、端末上で最長5.5分の音声、29枚の画像、58フレームの動画などを処理できます。MTEB Codeのスコアは68.76から78.68へ9.92ポイント向上し、Googleは10億パラメーター未満の複数ベンチマークで同規模モデルを上回ったと説明しています。
開発者は音声メモから動画場面を探す横断検索や、ローカルのコード検索、オフラインRAGに活用できます。モデルはHugging FaceとKaggleで配布され、MediaPipe、LiteRT、transformers、llama.cpp、Ollamaなど複数の実行環境に対応します。
AmazonのAI音声アシスタント「Alexa Plus」で2026年10月、会話中に「ラララ」と数分間繰り返し話したり歌ったりする不具合が、複数のEchoスマートスピーカーで報告されました。Amazonは影響が少数の利用者に限られるバグだと認め、修正を進めています。利用者が挙動を尋ねても、Alexa自身は直前の反復を認識していないとされています。
不具合はAlexa Plusとの会話の途中で突然始まり、数分間にわたり同じ音を繰り返すものです。話すだけでなく歌う例もあり、Echoの複数機種で発生が報告されています。
報告はここ数週間、Redditに繰り返し投稿され、利用者による動画も複数公開されました。記事掲載の3日前にも新たな事例が共有されており、単発の投稿ではありません。
特徴的なのは、利用者が挙動について尋ねても、Alexaが自ら何をしたか認識していない点です。音声出力の異常に加え、挙動を説明できない状態も表面化しました。
AmazonはAndroid Authorityへの声明で、影響は「少数のAlexa Plus利用者」に限られるバグだと説明しました。修正を進めているとしていますが、記事では提供時期や回避策は示されていません。
AI音声機能を業務や顧客接点に組み込む企業にとって、今回の事例は出力品質だけでなく、異常時の検知と説明性も運用品質を左右することを示唆します。ただし、Amazonが示した影響範囲は小さく、現時点で広範な障害と判断できる情報はありません。
2026年10月6日、米テックメディアThe Vergeは、AppleとGoogleが映像・音声の元データを保存せず、AIで処理する機器を模索していると伝えました。利便性とプライバシー保護の両立を掲げても、文字起こしや要約が残るなら「記録ではない」と言えるのか、社会で定義を合意すべきだと論じています。
Appleが開発中と報じられたスマートホームカメラは、映像を残さず、周囲の状況をAIで文章化する構想です。Apple Watchの機能も直前15秒の文字起こしや一日の会話要約を生成する一方、Appleは音声を保存せず、安全な領域での処理後に元データを削除すると説明しています。
Googleのウェアラブル部門幹部も、スマートグラスのカメラを映像保存装置ではなく、環境をAIで処理する画像センサーとして使う考えを示しました。しかし、保存して見直せることを記録の条件にするなら、生成された文章や要約も保存可能な記録ではないかという矛盾が残ります。
課題は利用者本人のデータだけではありません。常時周囲を捉える機器では、利用者が他人のプライバシーを管理する責任も負いますが、Metaのスマートグラスが録画中に点灯する白いライトには共通規格がなく、指輪型など表示のない機器もあります。外観だけでは録音・録画機能の有無を見分けにくくなっています。
個人向けAIの精度を高めるには、利用者と周囲の人々の日常を見聞きし、記憶する必要があります。企業には個人データを集める経済的な動機がある一方、社会が得る便益は明確ではないと記事は指摘します。AIが家電やテレビ、パソコン、ヘッドホンへ広がる前に、何を記録と呼び、誰が定義できるのかを合意する必要があります。
2026年10月5日、macOS 27向けのオープンソース・コマンドラインツール「RemoveMacAI」が、Apple Intelligenceの各機能をまとめて停止し、端末内のAIモデルを削除できる手段として報じられました。開発者Om Lahore氏は、従来の一括設定がなくなったことで分散した設定とストレージ消費を、単一の操作で解消する目的で公開しました。
RemoveMacAIはSiri、Writing Tools、Genmoji、Image Playground、ChatGPT拡張、各種要約を停止します。その後に基盤モデルを削除し、macOSが再びダウンロードするのも防ぎます。
開発者によると、削除対象のモデルは約12GBです。ただしThe VergeのMacBook Airでは35.05GBと表示され、環境により容量がさらに大きい可能性があります。
macOS 27ではApple Intelligenceを一括で無効にする設定がなく、複数の設定画面から約12項目を探す必要があります。個別に機能を止めてもモデルはディスクに残るため、未使用のAI機能が容量を占め続ける点が課題でした。
変更は「removemacai revert」コマンドで元に戻せ、モデルの再ダウンロードも許可できます。音声入力は別設定のため継続して使えるとされ、導入前には「removemacai status」でモデルごとの容量を確認できます。
2026年10月、TechCrunchは、専用アプリを開かずSMSやiMessage、WhatsAppなどから呼び出せるAIエージェントをまとめました。利用者の文脈を記憶し、メールやカレンダーなど既存サービスと連携して、予定登録、旅行調査、予約、買い物、督促まで実行する点が共通し、対話中心だったAIが日常業務の実行役へ広がっています。
家族向けでは、Fambotが学校連絡や献立、予定を翌日の要約にまとめ、OhaiやOllie、Orbitsも家族間の予定や家事を調整します。Caddyは会話やカレンダーから要対応事項を見つけ、リマインダーや予定、調査へつなげます。
汎用型では、Instinctがテキストや音声で依頼を受け、旅行計画、買い物、チケット予約、解約などを代行します。FolkやMartin、Iris、Reneなども文脈を保ちながら複数段階の作業を進め、先回りの連絡や電話まで担います。
用途特化も進み、Misoは旅行、Stanleyはクリエーターの投稿制作、Townは職場の反復業務を対象にしています。PokeはApple Messages for Businessで初のAIエージェントとなり、WajoのFoは専用メール、電話番号、決済カードに加え、必要時には人間の支援も使います。
一方で、多くのサービスはベータ段階か月額制で、無料枠から月100ドル級まで料金差があります。導入時は、接続先と実行権限、プライバシー、安全基準、人間への引き継ぎを確認し、どこまで任せるかを見極める必要があります。
AI音楽生成サービスを手がけるSunoは2026年10月2日、台本や指示文から合成音声を作る新機能「Speech」をウェブ版とモバイル版で公開ベータとして提供し始めました。音声とAI生成の背景音楽を一つのトラックとして同時に作れる点が特徴で、音楽制作以外の表現へ事業領域を広げる狙いです。利用者は用途に応じ、背景音楽を外して音声だけを生成することもできます。
作成方法は二つあります。Simpleモードでは「乗組員を鼓舞する海賊船長」のように希望を指示文で伝え、Advancedモードでは任意の台本を入力し、声の性別や話し方、生成結果の多様性を調整できます。
生成できる音声は最長約8分です。Sunoは、詩に落ち着いた曲を添えたり、劇的なナレーションや激励の言葉に力強い曲を組み合わせたりする用途を例示しており、音声と音楽を一体で設計できます。
一方、現段階は完成版ではありません。英国風のアクセントが途中でオーストラリア風に変わる場合や、間の取り方が過度になる場合があり、Sunoは利用者の意見を基に改善を続ける方針です。
AI音声生成ではAdobeやElevenLabsなどが先行しています。Sunoは背景音楽との同時生成を独自性として打ち出し、音楽を中心にしながら人間の表現全般へ製品領域を広げようとしています。
Napster共同創業者のSean Parker氏と、長年の友人でStability AI最高経営責任者（CEO）のPrem Akkaraju氏は2026年10月2日までに、同社を音楽プロ向けAIツール企業へ再建する構想を公表しました。大手レコード会社から資金と学習用カタログの許諾を得て、新たな音声モデルと編集ソフトを投入し、権利処理を前提に生成AIを音楽制作の現場へ広げる狙いです。
Stability AIは、過剰支出と社内混乱で経営が悪化し、創業者Emad Mostaque氏が退任した後、約2年前に8000万ドル規模の救済を受けました。Parker氏はこの再建に加わり、CEOに就いたAkkaraju氏と事業の立て直しを進めています。
同社は8月下旬、Sony、Warner、Universalなどから7600万ドルを調達しました。3社は出資に加え、保有カタログをAIの学習に使う許諾も提供しており、Parker氏は今回はルールに沿って事業を進める姿勢を示しています。
資金調達後、Stability AIは3つの音声モデルとAI音楽編集ソフトを公開しました。文章による指示から器楽曲全体や短い音素材を生成でき、次回更新では鼻歌の旋律やビートボックスのリズムで出力を導けるようにする計画です。
音楽AI事業の柱は、制作機能だけでなく、権利者を資金提供者兼ライセンサーとして組み込んだ点です。生成AIを業務に導入する企業は、モデル性能だけでなく、学習データの利用許諾をどう確認するかが問われます。
OpenAIが2026年10月、AIエージェント「Dots」を上位契約者向けに提供し、The Verge記者が日常作業と業務で試しました。仮想マシンや利用者のパソコン上でアプリを操作する仕組みで、買い物や予約では認証に阻まれた一方、ウェブサイト改修と動画編集では成果を上げ、職場向けの性格が鮮明になりました。
Dotsはチャットで指示を受け、別画面の仮想マシン上で作業を進めます。BlenderやGIMPを使えるほか、デスクトップ版ChatGPT経由で自分のパソコンへのアクセスを許可し、電話で要望を伝えることもできます。
生活用途の試験結果は安定しませんでした。通信サービスの契約では人間確認と銀行情報入力で停止し、コワーキング施設の無料見学を見落としたほか、Ikeaや飲食店ではセキュリティ確認に阻まれ、手動介入が増えました。
一方、自分で管理する環境では強みが出ました。記者は個人サイトの再設計案を電話で伝え、修正作業を任せたほか、パソコン上の動画をSNS向けの一本に編集させ、サイト更新も完了させました。
導入判断では、作業範囲と信頼の境界を先に決める必要があります。多数の権限許可や本人による認証対応が必要で、月額100ドルのPro料金を記者は自身の仕事には見合わないと評価したため、管理下のデータや反復業務で得られる時間短縮と費用を比べる視点が重要です。
Googleは2026年10月2日、9月に発表したAI製品と研究成果をまとめて公開しました。中心は高度な推論と100万トークンの出力上限を備え、コーディングや金融調査、法務文書作成、サイバー防衛に対応するGemini 4 Argonです。まず信頼できるサイバー防衛者に限定展開し、安全策を検証してから開発者や企業、消費者へ広げる方針です。
同じ月に、GoogleはGemini 3.8 Flashと3.8 Flash Cyberも発表しました。前者は3.7 Flashと同等の速度・低コストを維持しながら、推論やコーディング、長期のソフトウェア開発を強化します。後者は脆弱性発見とコード修正の自動化を担い、信頼できる組織に提供されます。
音声分野ではGemini 3.8 Liveと高推論版を開発者向けのAI StudioとGemini APIに加え、検索、Geminiアプリ、Workspaceへ展開しました。外部サービスをGeminiから操作するConnected Apps、Windows版Gemini、表現力を高めた音声合成や音楽生成も加わり、日常業務と制作の接点を広げています。
科学分野では、AlphaGenome Atlasが人のゲノムにある90億通りの一塩基変異の影響を予測します。NASAジェット推進研究所と開発したMAPL-EMITは、人間の専門家より50％多くメタン排出を検出し、未記録だった2万3000超の噴出地点を特定したとGoogleは説明しています。WeatherNext 3も、衛星データのリアルタイム利用や毎時更新に対応しました。
企業は何を見極めるべきでしょうか。Argonの一般提供時期は示されておらず、現段階は初期利用者の意見を基にガードレールを改善する段階です。一方、Project SuncatcherではPlanetと初の試験衛星を打ち上げ、地上の最大8倍の太陽光エネルギーを得られる低軌道でTPUを検証する計画で、GoogleはAIの利用場面と計算基盤を同時に広げています。
デンバーの親子向け社交施設The Denは2026年10月1日、2号店の開設準備でChatGPT Workを使い、経営陣の作業を週10〜15時間減らしたと公表しました。Gmail、Slack、Google Driveの情報を集め、酒類販売免許の資料を4日から3時間、補助金申請を3日から2時間へ短縮し、小規模チームの事務負担を抑えています。
酒類販売免許では、早い審査枠が突然空いた際に、ChatGPT Workが必要書類を集め、不足を特定し、指定形式へ変換しました。従来4日かかった検索、整理、書式調整、組み立てを、チームによる確認と仕上げを含む3時間に短縮したといいます。補助金申請も3日から2時間になり、期限の短い機会へ対応しやすくなりました。
2号店では、1号店で蓄積した知識を繰り返し使える手順へ変える必要がありました。チームはGmail、Slack、Google Driveの連携機能で社内情報を横断して集め、分析と次の作業案をChatGPT Workへ求めます。ただし出力は人が正確性を確認し、最終判断もチームが行います。
経営陣は、会議へ持ち込む前の論点整理や提案作成にもChatGPTを使います。創業者は事前の検討対話を週約7時間減らしたと見積もり、担当者は提携先の成功例と失敗例から新しい提携方針を作りました。財務報告、販売、在庫の情報も整理し、2拠点の在庫需要や購買方法を判断しやすくしています。
移動中は音声機能でメール案、会議の対応事項、思いついた案を記録し、後から本人が確認して送信します。今後はCodexを試し、会員の入館と講座予約に使うアプリ、販売時点情報管理の連携、拠点間をつなぐSlack通知を作る構想です。これらは今後の開発計画で、導入済みの成果とは区別が必要です。
AIスタートアップのPhotonが450万ドルのシード資金を調達したと、TechCrunchが2026年10月1日に報じました。iMessageやWhatsAppなど、利用者が普段使うメッセージ手段上で動くAIエージェントの開発・運用基盤を拡充し、アプリを新たに入れてもらう際の集客の壁を減らす狙いで、登録開発者は4万人を超えています。
ラウンドはGradientとA*が共同主導し、Vercel、HongShan、Z Fellowsなどが参加しました。同社によると、売上高は4カ月で10倍となり、解約率は3％未満、直近1カ月のメッセージ量は5倍に増えました。
開発者向けに統合API、拡張可能な通信手段の枠組み、CLI、運用監視機能を提供します。iMessage、WhatsApp、Telegram、SMS、RCS、メール、音声などを一つの基盤から扱えます。
利用の98％は現在もオープンソース版ですが、Photonは2026年4月に月額制の管理版を始めました。管理版は稼働率99.95％を掲げ、SOC 2 Type IIとHIPAAに準拠し、10人を超える利用には3種類の有料プランのいずれかが必要です。
顧客には保険のCorgi Insurance、事業者向け銀行のRho、金融AIアシスタントのFliptextsなどが含まれます。技術面ではVercelやNous Research、Tencentのエージェントに組み込まれ、LangChainなどの開発基盤とも連携しています。
Photonは9月17日にサンフランシスコでアプリの模擬葬儀を開き、アプリからメッセージ上のエージェントへ移るという事業仮説を示しました。将来は旅行計画を担うAIが航空券やホテルの別エージェントを呼び出すような、エージェント間通信への拡張を構想しています。
OpenAIは2026年9月29日、DevDayでGPT-6 Astra搭載のAIエージェント「Dots」を発表しました。長時間の知識労働や仮想空間づくりを担う業務向け製品として、当面は月100ドルのChatGPT Pro以上に限定します。Metaが全会員へ無料提供するMuseに対し、機能、安全性、企業向けデータ管理で差別化する戦略です。
価格は普及の大きな差です。MuseはMetaアカウントがあれば、エージェントと利用者データを置く専用仮想マシンを無料で使えます。一方、DotsはChatGPTの12億人の利用者の多くが対象外で、Sam Altman最高経営責任者は大量の計算資源を使う高級製品として始め、将来は数十億人向けの版を目指すと説明しました。
OpenAIはDotsを補佐役や熟練技術者に例え、未公開製品の品質保証、ウェブサイト設計、社内旅行の計画、資産配分の見直し、メール施策の作成などを任せられるとしています。短い予約操作ではなく、長時間にわたり目的を保つ知識労働が差別化点です。経理や法務分析に特化したDotsも近く投入し、MicrosoftのAgent 365へ統合する計画です。
文字、音声、電話で対話できる複数形式への対応も掲げましたが、DevDayの音声実演は動作しませんでした。エージェントへのメッセージ送信も近日提供の段階で、Museや競合のInstinctは既に対応しています。現時点では、発表した機能と利用可能な機能の差が残ります。
企業向けには、データ管理を強めるOpenAI Private Intelligenceと、OpenAIのサーバーにデータを残さない設定を示しました。外部機能、利用者の本人情報、登録や決済をエージェントへ扱わせる際は、慎重に開放するとしています。MetaがFacebook、Instagram、WhatsAppとの自社内連携を持つなか、Dotsは安全性と複雑な業務能力で無料サービスに対抗できるかが焦点です。
聴覚技術スタートアップのLegatoは2026年10月1日、AI搭載の補聴メガネ「Legato Frames」の販売を米国で始めたと発表しました。価格は999ドルからで、中等度までの難聴がある成人を対象に、音声と周囲の雑音を端末上で分離し、従来の補聴器が抱える費用、装着感、周囲の目への課題を抑えることを目指します。
従来の補聴器は特定方向の音を拾うマイクを使うことが多く、騒がしい場所では聞き取りにくい場合があります。LegatoのAIは人の声と背景雑音を分け、声を増幅しながら不要な音を抑えます。
フレームは耳をふさがない設計で、二つのスピーカーが装着者へ音を向け、外へ漏れる音を打ち消します。同社によると、耳から数インチ離れた位置では漏れる音を99％減らせます。
処理はすべてメガネ上で行い、カメラや録音機能は搭載していないと同社は説明しています。レンズ込みの重量は34グラムで、バッテリーは10〜12時間使えます。
製品は3種類のデザインを用意し、度付きレンズと、音楽や通話用のBluetooth配信に対応します。Legatoのウェブサイトと米国の一部眼鏡店で購入でき、視力保険の補償対象になり得ます。
LegatoはBoseでウェアラブル機器や補聴事業に携わった2人が2024年に設立しました。今回の正式発売に先立ち、同社はNeotribe Venturesなどから1200万ドルを調達しています。
Googleは2026年10月1日、対応するAndroid端末のGemini Liveで、カメラ映像をAIが解釈し、音声でリアルタイムに説明する「Guided Vision」を公開しました。視覚障害者や弱視者を主対象に、周囲の説明、細かな文字の読み上げ、物の探索、追加質問への回答を一つの対話で支援し、カメラの向きがずれた場合は構図を直す音声案内も出します。
利用者がGemini Liveでカメラを共有すると、対象が近すぎたり画面から外れたりした場合に、右へ動かす、下へ傾ける、後ろへ下がるといった案内を音声で受け取れます。見つけた商品の消費期限を続けて尋ねるなど、映像について追加質問もできます。
日常用途には、食品表示や家電の目盛り、暗い店内のメニューを読むことや、落としたイヤホン、棚の中の香辛料を探すことがあります。服の色や柄の確認、部屋の配置説明にも使え、複数言語での会話に対応します。
ただし生成AIを使う補助機能のため、回答を誤る場合があります。Googleは、医療機器や移動補助具、白杖の代わりにはならず、ナビゲーション、安全な移動案内、障害物検知には使わないよう注意しています。
開発では視覚支援サービスのAiraと連携し、数万時間に及ぶ実世界の視覚データの解釈を通じてGemini Liveを訓練しました。Airaの信頼済みテスター網から1,000人超が日常場面で検証し、専門家が安全策の設定と評価に参加しています。
Guided Visionは、Gemini Liveが利用できる地域と言語のAndroid 9以降で提供されます。Geminiアプリの設定に加え、画面上のボタン、2本指のスワイプ、音量ボタンを使うアクセシビリティ機能や、TalkBackのメニューから起動できます。
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。
Hugging Faceは2026年9月30日、多言語の音声合成と音声複製モデルを共通条件で比べる「Open TTS Leaderboard」を公開しました。明瞭度、生成速度、話者の類似度を客観指標で測り、投票収集にこれまで数週間かかった評価を数時間へ短縮して、公開モデルの追加と比較を容易にします。
従来のアリーナ型評価は、二つの生成音声を人が聞き比べ、投票から順位を算出します。しかし評価に時間がかかり、運営者が自ら配信環境を用意する公開モデルは掲載されにくく、9月30日時点である評価表の92モデル中、重みを公開したモデルは16件でした。
明瞭度は生成音声の文字起こしと入力文の単語・文字誤り率で測り、速度は一括推論の処理量と最初の音声が届くまでの時間で比べます。音声複製では、参照音声と生成音声の話者特徴の類似度を加え、品質、速度、モデル規模の均衡を可視化します。
利用者は言語を切り替え、英語だけでなく中国語、日本語、韓国語などの性能を個別に確認できます。音声複製の有無や配信性能も選択でき、同じ50件の英語入力と同一機器で最初の音声までの待ち時間を比較します。
客観指標は自然さや表現力、聞き手の好みを直接測らないため、人による評価を置き換えるものではありません。「Listen」画面では生成音声を試聴して投票でき、Hugging Faceは評価コードの公開も予定し、データセットや指標への意見を募ります。
音声AI企業ElevenLabsは9月30日、従業員が保有する権利確定済み株式の一部を投資家に売却できる取引を、評価額220億ドルで実施したと発表しました。取引規模は3億ドルで、2月に5億ドルを調達した際の評価額110億ドルから半年余りで2倍となりました。この取引により、従業員は未上場の保有株を現金化できます。
今回の株式公開買い付けは、WellingtonとT. Rowe Priceが共同で主導しました。両社は未上場企業に投資し、投資先の上場後も株式を保有する方針を持つ大手機関投資家です。
ElevenLabsが従業員向けの株式売却を認めるのは2回目です。2025年9月には、評価額66億ドルで1億ドル規模の株式公開買い付けを実施しました。
急成長するAI企業では、従業員に未上場株の換金機会を提供し、競合への人材流出を防ぐ動きが広がっています。2022年創業のElevenLabsは、人間に近い音声や効果音を生成する技術で知られ、今回の評価額で欧州有数の高評価スタートアップとなりました。
Airbnbは2026年9月30日の秋季製品更新で、アプリに文章・音声で宿泊先を探せるAI検索と、知人の旅行履歴から行き先を見つける交流機能を追加しました。限られた地域では食事配達や洗濯などのサービスも拡充し、オンラインの旅行発見と現地滞在の両面でホテルとの差別化を進めます。同社は巨額の予約取引を扱う中で、転換率を損なわない検索設計を重視しています。
AI検索は切り替えスイッチで有効にし、利用者が文章か音声で条件を伝えると、希望に合わせて動的な絞り込み項目を表示します。「赤ちゃん」と入力すれば、ベビーベッドや遊び場、児童書、おもちゃなどの条件が現れます。
AIは各物件の関連設備を目立たせ、欲しい物件リストでは要約やレビューを基に比較できるようにします。CEOのブライアン・チェスキー氏はAI検索を最初の一歩と位置づけ、今後数カ月で迅速に改良する方針を示しました。
交流機能では、つながっている利用者の過去または予定中の旅行を地図で確認できます。滞在先や利用した体験を参考にできる一方、旅行履歴を他者と共有しない設定も用意し、発見とプライバシーの両立を図ります。
現地サービスには、食事配達、洗濯、育児用品、スキー用品、ボートの貸し出しを限られた地域で追加し、食料品配達も拡大します。宿だけでなく食事や体験、日常の用事までアプリ内で扱うことで、Airbnbは旅行中の利用機会を広げようとしています。
OpenAIは2026年9月29日、サンフランシスコで開いたDevDay 2026で、ChatGPTやCodex、モデルなどにまたがる20件超の主要発表を公表しました。中心は、接続したアプリ上の仕事をバックグラウンドで担う常駐型AIエージェント「Dots」で、GPT-6.1 Sol、新たな月額500ドルのChatGPT Proプラン、週12億人に達したChatGPT利用者数も明らかにしました。
DotsはGPT-6 Astraを基盤とし、専用のクラウドコンピューターからウェブブラウザーと4,000超の対応アプリを操作します。利用者の好みを学びながら継続的な作業を担い、ChatGPTのウェブ、デスクトップ、モバイルでテキストや音声通話から指示できます。
Microsoft TeamsとSlackにも接続し、アプリや端末をまたいで会話の文脈を引き継ぎます。今後は携帯電話のテキストメッセージにも対応する予定ですが、当初の提供先はChatGPT Pro、Business Premium、Enterpriseの有料契約者です。
OpenAIは月額500ドルのChatGPT Proプランも発表しました。最高水準の利用上限に加え、GPT-6 Astraの応答をChatGPT WorkやCodexなどで高速化する「Ultrafast mode」を含み、月額200ドルのプランも新しい利用上限で再開しました。
今回の発表は、OpenAIがChatGPTを人とエージェントが協働する共通基盤へ広げ、週12億人の利用者に開発者のネイティブ体験を届ける構想を示したものです。一方、The Vergeは、AIエージェントによる外部企業への侵入が明らかになり、安全性を巡る議論が続く時期の開催だと指摘しています。
OpenAIは2026年9月29日、DevDay 2026で、GPT-6 Astraを搭載する常時稼働型AIエージェント「Dots」を発表し、対象市場のChatGPT ProとBusiness Premium向けに提供を始めました。専用クラウドPCとブラウザーで4,000超のアプリに接続し、利用者が会話画面を閉じた後も目標に沿って複数の仕事を進め、確認が必要な判断や完成物を持ち帰る仕組みです。
利用者はChatGPT、Slack、Microsoft Teamsから同じDotに連絡でき、ウェブ、デスクトップ、モバイルでは音声通話にも対応します。Dotは利用者の好みや品質基準を学び、複数案件を並行して進め、進捗や質問を自らメッセージで知らせます。開発時の不具合修正とテスト、発売資料の更新、研究データの再分析、営業提案やコンテンツ制作などが想定用途です。
自律的に動く一方、利用者が不在の間に行う「先回り調査」は接続アプリの閲覧に限られ、メッセージ送信、内容変更、ブラウザーや端末の操作はできません。利用者はカスタム規則で操作を許可、承認必須、禁止に分けられ、自動審査が指示や安全要件との整合性を確認します。パスワード変更など一部の重要操作は人が担い、作業履歴はActivity Viewで確認できます。
ProとBusiness Premiumでは最初の1体が追加料金なしで含まれ、Enterprise、Edu、Healthcareは管理者が有効にすればベータ版を試せます。当初は1体ですが、OpenAIは将来、複数のDotsや処理速度・仕事量の拡張を計画しています。企業向けには独自のID、認証情報、システム権限を持つ「専門Dot」の試験も始め、MicrosoftのAgent 365との統合を進めています。
現時点では、負荷の高い作業に使える具体的な利用枠や、追加Dotsと専門Dotの価格は明らかにされていません。企業は回答の質だけでなく、完了した仕事量、人の介入頻度、誤りによる損失、権限管理の負荷まで含めて費用対効果を測る必要があります。OpenAIもDotsが誤る可能性を認め、影響の大きい仕事は人が確認するよう求めています。
OpenAIは2026年9月29日、開発者向けイベント「Dev Day」で、ソフトウェア開発エージェントCodexに再利用可能なクラウド開発環境を導入すると発表しました。パソコンやスマートフォンから同じ環境へ接続でき、承認済みの設定と権限をチームで共有することで、タスクの立ち上がりを速め、端末を離れても作業を継続しやすくします。
従来もCodexはクラウドで遠隔タスクを実行できましたが、各タスクは独立したサンドボックスとして扱われていました。今回、環境をより持続的かつ設定可能にし、パソコン、スマートフォン、クラウドから使える形へ広げます。
Codex CLIは音声でタスクを開始・指示できるようになります。新しい「/agents」画面で複数タスクの委任と追跡をしやすくし、プロンプト編集、セッション再開、worktree利用、長時間作業向けの端末画面も改善します。
ChatGPTデスクトップアプリには新たなコードレビュー体験を組み込みます。利用者は要約と変更内容を確認し、GitHubのプルリクエストやGitLabのマージリクエストへフィードバックを共有する前に、問題点をCodexへ質問でき、自動の初期レビューも任せられます。
安全面では、Codex Security CloudがGitHubリポジトリ全体を随時、定期、または新規コミット時に検査します。検出事項を調査して重複を除き、利用者のパソコンが閉じていてもクラウドで修正案を用意します。Daybreak Blue提供モデルも、別途の申請なしで利用できます。
APIでは、事前定義した回答を使ってLunaが利用者設定の質問へ答えるリアルタイム意思決定用のDecisions APIを発表しました。更新版Agents APIはコンピューター操作を支援し、Amazon Bedrock Managed Agentsを使ってAWS上だけでOpenAIエージェントを構築できるようになります。
