ポリシー（政策・規制）に関するニュース一覧

GitHubは2026年10月28日、複数のAIモデルを連携する「Copilot Fusion」を一般提供すると発表しました。Artificial Analysisの独立評価では、Fusion MaxはClaude Opus 5.5搭載のClaude Code Maxに近い総合点を記録し、タスク当たり費用は約51％低くなりました。モデル選択の手間を減らし、AI開発費を抑える狙いです。

評価の平均費用はFusionが1タスク5.59ドル、Claude Code Maxが11.42ドルで、Coding Agent Indexの点数はそれぞれ60点と約62点でした。ただし評価項目ごとの差はあり、FusionはTerminal-Benchで首位の一方、リポジトリ変更を測るFrontierCodeではClaude Codeなどを下回りました。

Fusionは別のAIモデルではなく、推論、コード生成、デバッグ、ツール利用の内容を見てモデルを振り分ける仕組みです。単一モデルに依頼する方式、低コストのモデルから必要に応じて高性能モデルへ移す方式、別モデルに草案をレビューさせて修正する方式があり、組織のモデル利用ポリシーも反映します。

FusionはVS Code、Copilotアプリ、CLI、JetBrains IDEでCopilot各プランに提供され、呼び出したモデルの標準料金で課金されます。有料利用者にはモデル費用の一時的な30％割引もありますが、ベンチマークで測ったタスク費用の削減が、人のレビューや手戻りを含む開発総費用にも同じ割合で及ぶとは限りません。

Ars Technicaは、Googleのプライバシーポリシー変更に伴い、GmailやDrive、Photosの情報が他製品で共有された場合の広告への影響を報じました。従来の包括的な除外表現が変わったことで、個人化されたAI機能との関係が焦点になっています。

記事は、10月16日の文言変更とPersonal Intelligenceなどへの情報共有を取り上げています。元の受信箱や写真をそのまま広告に使う場合と、別の機能で使った情報から文脈が作られる場合を区別する必要があります。

Googleは、関連する個人化機能は利用者が有効にするものであり、受信箱や写真を直接広告に使うわけではないと説明しています。機微な情報についても、広告での扱いに制限があるとしています。

報道の論点は、複数製品をまたぐ情報利用の範囲が、利用者にどこまで明確に伝わるかです。すべてのメール内容が自動的に広告へ転用されると断定する記事ではありません。

プライバシー企業Redactは2026年10月、WhatsAppのヘルプ・FAQ約80ページのコードに、MetaのサポートAI向け内部指示約100件が誤って表示されていたと報告しました。WIREDの問い合わせ後、Metaは表示バグを修正して全文を削除し、指示は利用者へ直接示すものではないと説明しました。

露出したコードには「HelpContentGalaxyLLMInclude」や「利用者に言ってはいけないこと」を意味する見出しがありました。内容は回答の正確性や関連性を保つための制約で、AIの応答方針と公開情報の差を示しています。

アカウント削除のページでは、データ保護当局や規制・監督機関への連絡を勧めないようAIに指示していました。通報・ブロックのページでは、利用規約やプライバシーポリシー、GDPRなどの法令を引用・解釈せず、WhatsAppの責任や法的見解にも触れないよう求めていました。

Metaは、サポートAIをWhatsApp製品の案内に集中させ、法的助言をさせない狙いだと説明しています。このほか、聴覚障害に関する利用者の発言を問い合わせ本体と取り違えないことや、一般公開前のコミュニティー機能に言及しないことも指示していました。

内部指示が第三者のチャットボットから取得できたか、どのくらいの期間表示されていたかは分かっていません。企業が生成AIを顧客対応に使う際は、回答内容だけでなく、システム指示が公開ページやコードへ混入しない管理も必要です。

Anthropicは2026年10月14日、米国の中間選挙を前に、Claudeへ州別の公式投票情報と最新開票結果を表示する機能を追加し、政治的公平性の評価と選挙妨害への防御も強化すると発表しました。9月21～27日の米国Claude.ai約25万件の会話分析と外部組織の検証を踏まえ、利用者への正確な情報提供と、複数手順に分割された不正利用の検知を同時に進めます。

分析では、政治・公共政策・社会問題に関する会話が米国Claude.ai全体の5.75％、選挙・投票関連が0.51％でした。投票先の推薦依頼は約0.01％、選挙公正性ポリシーへの違反は約0.002％にとどまり、多くは候補者や政策を調べる情報収集でした。

Claude.aiは従来のTurboVoteへの案内に加え、10月中にDemocracy Worksが州・地方当局から集めた公式情報を回答へ取り込みます。投票場所や必要な身分証を州別に示し、選挙当日以降は最新の公式開票結果も会話内に表示します。

Anthropicによると、Claude Opus 5.5、Sonnet 5.5、Haiku 5.5は政治的公平性評価で99％を記録しました。一方、三つの外部組織による検証では、不要な反論や注意書きを加える傾向、Sonnet 4.5が右派寄りの主張を弱めやすい偏りも見つかり、短い回答や賛否を問う質問への応答を改善しています。

外部研究者の負荷試験では、Claudeは単発の有害依頼を安定して拒否したものの、無害に見える小さな依頼へ分割された悪質な計画を見逃す場合がありました。Anthropicは多段階の悪用を捉える検知器や外国勢力向け対策を追加し、偽ニュースサイトで米国世論を狙った国外運営者などのアカウントを停止しました。

Googleは2026年10月13日、Google AI StudioでAIを使って作った個人向けAndroidアプリを、公開カタログに載せずGoogle Play経由で自分の端末上に起動できる機能の提供を始めました。開発者アカウントは不要で、通常のGoogleアカウントだけで利用でき、まず米国を含む一部市場の18歳以上へ展開します。

個人アプリはGoogle Playの検索結果や一覧には表示されず、現時点では作成者以外と共有されません。既存のGoogle Playポリシーには従う必要がありますが、端末をパソコンへ接続したり一般公開したりせず、AIで試作したAndroidアプリを実機で使えます。

今後数カ月以内には、友人や家族など信頼する少人数へ個人アプリを共有できるようになります。広く公開したい場合はプロ向け開発者アカウントへ移行し、一般の開発者と同じ安全性審査と品質基準を満たす必要があります。

アプリ探索では、Ask Playが質問への推薦に加え、類似アプリの違いや利用者の評価傾向を比較して示します。Google Playのアプリ、ゲーム、開発者情報をGeminiの会話に取り込む機能も、全利用者へ順次提供する予定です。

ゲーム向けのGame Finderは、Google Playが持つ20億人超の利用者コミュニティーの知見と、遊び方や申告した好みを分析するGamer DNAを組み合わせます。利用者は作品、ジャンル、仕組みなどを指定して推薦を調整でき、まず米国の英語利用者へ提供されます。

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。

Workdayの最高技術責任者（CTO）Gabe Monroy氏は2026年10月11日、VentureBeatへの寄稿で、企業向けAIエージェントの統制機能は外部の仲介層ではなく、業務ルールと権限情報を持つ基幹システムの推論・実行基盤に組み込むべきだと主張しました。ツール呼び出しが正しくても、選択や引数を決めるモデルは確率的であり、法令や承認手順を逸脱し得るためです。

LLMはどのツールをいつ使い、どの引数を渡すかを確率的に判断します。このため、個々の処理が仕様通りでも、国際契約者の採用で地域の労働法、源泉徴収、労働者区分の確認を飛ばすなど、業務全体では規則違反になり得ると同氏は説明します。

外部のLLMゲートウェイやポリシー仲介層、長大なプロンプトへの規則埋め込みは、根本策にならないとの見方です。基幹系にある組織構造、承認経路、権限をAI向けに複製すれば、保守費用と統制の分断を招くシャドーERPになると警告しています。

同氏が提案するのは、利用者が見られる情報だけを組み立てる文脈エンジン、各行動を既存の業務規則で検証するポリシーエンジン、本人の権限範囲でAPIを実行する実行層です。常設の強力な認証情報をエージェントに渡さず、付与されていない能力は使えない設計にします。

統制は組織図、現在の権限、最新の業務プロセスに依存するため、基幹系から離れるほど情報が古くなり、静的なAPIキーへの依存も増えると指摘します。多数のツール呼び出しを伴う処理では境界を越えるたびに認証が必要になるため、基幹系に近い配置は安全性と処理速度の両方に寄与するという主張です。導入判断では、ガードレールがどこで動き、既存の業務ルールを直接使えるかを確認することが重要です。

企業データ管理の専門家Ankit Anand氏は2026年9月13日、長期間動くAIエージェントでは、処理中に入力が積み上がるとシステムプロンプト内の順守ルールが有効な文脈から押し出され、警告なしに無視され得るとVentureBeatへの寄稿で指摘しました。大きな文脈窓やRAGだけでは状態を強制できず、生成層の外に決定論的な規則層を置くべきだと論じています。

短い文脈で動く試験環境では、モデルがシステムプロンプトを参照できても、実運用でトークン列が数十万規模になると注意が薄まります。記事は、重要な情報が長い文脈の中ほどで見落とされる「lost in the middle」により、会話用の一時情報と不変の業務規則との境界が崩れると説明しています。

この問題はシステム停止を伴わず、監視アラートも出ないまま出力だけが続くため、監査まで発覚しない恐れがあります。文脈窓を100万トークンへ広げたりRAGを強化したりしても、類似情報を検索する仕組みには規則を必ず守らせる強制力がなく、失敗を遅らせてクラウド総保有コストを増やすだけだと筆者はみています。

提案するのは、推論を担うニューラルネットワークと、記号論理を扱う決定論的な規則層を物理的に分けるニューロシンボリック分離です。AIに下書きを生成させても、処理を確定する前に外部の規則エンジンが不変の制約と照合し、違反する操作を遮断します。

では、運用チームは何から着手すべきでしょうか。記事は、複数日にまたがるエージェントで初期制約を定期的に再検証しているかを監査し、順守条件を自然言語プロンプトから決定論的なポリシーエンジンへ移すよう促しています。さらに、金融データやマスターデータを扱う処理では、消去可能な作業メモリーと不変の運用制約を分離することが、安全な拡張の前提になります。

Salesforceは2026年9月10日、企業内外のAIエージェントを横断管理する「Trusted Enterprise AI Harness」を発表しました。顧客・取引データなどの文脈、推論、実行、統制、セキュリティ、モデル選択を6機能にまとめ、新設のAI Control Planeで他社製AIを含む運用を一元化する構想です。

背景には企業のエージェント基盤がすでに分散している現実があります。VentureBeat Intelligenceの調査では、従業員100人以上の回答組織の85％が複数のオーケストレーション基盤を併用し、平均は3.1基盤でした。ただし自己選択式で大手技術企業に偏るため、市場シェアではなく傾向値です。

6機能はTrusted Context、Agency、Action、Governance、Security、Modelsです。企業固有のデータや用語をエージェントに与え、権限やポリシーを適用し、モデルを精度・性能・コストなどで振り分けます。Data 360、Tableau、Informatica、MuleSoft、Agentforceなど既存製品を共通アーキテクチャに組み込みます。

Salesforceの研究では、小型Qwenモデルの周辺設計を改善すると、7つの企業向けベンチマークの平均成功率が29.2％から78.0％に上昇しました。一方、強いモデルの軌跡を模倣させる追加学習では63.1％へ低下し、モデルとハーネスの適合が重要だと示唆します。ただし、この研究はプレプリントで、新製品そのものの本番評価ではありません。

新機能と統合体験は、Salesforceの2028会計年度初頭に当たる2027年2月から段階的に提供する計画です。詳細な価格、パッケージ、対象となる既存契約、従量課金の設計は未定です。導入判断では、複数ベンダー環境との実際の接続性と総保有コストが検討材料になります。

Perplexityは2026年9月1日、エージェント基盤「Computer」に、クラウドの高性能モデルとAppleシリコン搭載Mac上の小型モデルを使い分けるハイブリッド計算機能を導入しました。公開情報の調査や高度な推論はクラウド、機密ファイルに触れる処理は端末内に振り分け、文脈を保ったまま一つの作業を継続します。

中核となる「Privacy Gate」は、端末上で氏名、住所、口座番号、秘密情報などを検出する独自分類器です。機密情報を検知すると、該当部分をローカル処理するかクラウドに共有するかを利用者に確認し、ローカル処理のトークンは外部へ送りません。

法律事務では、Mac内の秘匿資料を使った準備書面の更新と、クラウドによる公開判例の調査を並行できます。投資業務では、非公開の経営予測を反映した財務モデルと公開比較データを組み合わせ、従来は手作業で数時間かかる作業を約40分で進めたと説明しています。

対象はmacOS 15以降のAppleシリコン搭載Macで、オプトインした法人顧客とPro、Max契約者です。端末で生成したトークンは課金されず、法人管理者は組織共通の機密度ポリシーと端末別の監査記録を利用できます。

一方、機密判定は機械学習分類器に依存するため、見逃しがあれば情報がクラウドへ渡る可能性があります。利用者は送信前の判定内容を確認できますが、実務導入では監査ログと人による確認を組み合わせることが重要です。高性能なローカルモデルには32GB以上のユニファイドメモリが推奨され、WindowsとLinuxへの対応は今後です。

OpenAIは2026年8月25日、ChatGPT WorkとCodexの管理者向けに新機能「Admin plugin」を発表しました。管理者はワークスペースの利用状況を確認し、設定変更やアクセス管理などの作業を、一つの会話の中でまとめて行えるようになります。複数のツールを行き来する必要があった従来の管理業務を効率化することが狙いです。

新プラグインでは、メンバーやグループの追加・削除といった日常的な管理作業に加え、権限設定の確認、利用上限や予算に関する申請の承認・却下などをチャット上で完結できます。複雑なプロンプトを書く必要がなく、質問して詳細を調べ、変更を実行し、結果を確認するまでを一連の会話で完了できる点が特徴です。

管理者は、承認が必要な利用申請をSlackやMicrosoft Teamsに自動で回送するなど、定型業務の自動化も設定できます。あらかじめ定めた条件を満たす機能アクセス要求は自動的に許可し、例外のみを人が確認する仕組みも用意されており、管理者の負担を軽減します。

Admin pluginはあくまで各利用者が持つ既存の権限の範囲内で動作し、新たに権限を付与するものではありません。要求内容は管理コンソールが対応する読み取り・書き込み操作に変換され、結果が構造化された形で返される仕組みのため、ワークスペースのポリシーと承認フローを保ったまま利用できます。

OpenAI自身のIT部門でも同様の仕組みをすでに活用しています。Slack上のChatGPTエージェントが社員からのIT関連の問い合わせを仕分けし、これまでにチケット対応の約45%を自動で処理してきた実績があるといいます。サポート対応の履歴データを分析することでバックログを解消し、需要予測にも役立てているとのことです。

利用にはまずChatGPTのワークスペース設定でプラグインを有効化し、ウェブ版またはデスクトップ版のプラグインディレクトリからインストールする必要があります。導入後は日々の管理業務をより速く、一貫した形で進められるようになります。

米ITサービス管理スタートアップのServalは8月20日、企業の業務自動化を担うAIエージェント「Catalyst」を正式に提供開始し、全顧客組織でデフォルト有効化したと発表しました。Catalystは管理者に代わり、チケット履歴や業務手順書を分析して自動化ワークフローを立案するほか、問題が起票される前に修正案を提示する常駐エージェントも生成します。

Catalystは管理者向けの「スーパーエージェント」として、チケット履歴や自然言語の指示から繰り返し発生する作業を特定し、ワークフローやアクセス権限ポリシー、ダッシュボードなどを自動生成します。生成されるコードはTypeScriptベースで、承認や実行権限の制御を管理者が設定できる仕組みです。

Servalはさらに、複数システムを常時監視して問題の予兆を検知し、修正案を提案する背景エージェントもCatalystで構築しています。ある事例では2拠点のネットワーク障害の原因をスイッチ情報やDHCPデータから特定し、設定ドリフトへの対処案を自動生成しました。CEOのJake Stauch氏は「今後は従業員が申請する前にAIが行動する時代になる」と述べています。

基盤モデルにはOpenAIとAnthropicの両モデルを併用し、用途に応じて使い分ける方針です。対話や関数呼び出しはOpenAIのGPT系、コード生成はAnthropicのSonnetやOpusが高い性能を示しているといいます。ServiceNowの「Build Agent」やAtlassianの「Rovo」など競合各社も同様の自動化機能を強化しており、競争は激しさを増しています。

経費管理サービスのRampはCatalyst導入でワークフロー構築を50%高速化し、600台のノートPC交換作業で150時間を削減したといいます。Together AIはアクセス申請の95%を自動化し、Perplexityは半数以上のIT問い合わせを自動処理しています。Servalは2025年12月に評価額10億ドルでシリーズBを実施し、累計調達額は約1.27億ドルに達しました。

コマース領域における企業のAI投資はかつてないほど拡大している一方、得られる成果は一貫性を欠いているとVentureBeatの分析記事が指摘しました。検索や会話型インターフェース、レコメンドエンジンなどを既存の仕組みに個別に追加する点解決型の導入が主流となっており、各機能は個別には改善していても、消費者は購買体験全体で文脈の断絶や情報の食い違いを感じているといいます。

AIツールが在庫や価格、商品情報について共通のデータ基盤を持たない場合、誤った商品を自信満々に提示したり、本来在庫のある商品を除外したりする問題が起きやすくなります。分析記事は、コマースAIにおける「ハルシネーション」の多くが、実際にはデータの一貫性不足に起因していると説明しています。

個々のAIツールは会話エンジンの高いエンゲージメントや検索の関連性向上など、単体では好成績を示すことが少なくありません。しかし各ツールの接続部分で顧客の文脈やセッションが失われ、生まれた購買意欲が次の工程で失注するケースが目立つといいます。米ベインの調査では、AIによるゼロクリック検索の広がりを背景に、小売サイトへの自然検索流入が15〜25%減少したことも示されています。

着実な成果を上げている企業に共通するのは、複数のAI機能をまたいで機能する統合実行レイヤーを構築している点です。具体的には、全てのAIツールが同じ在庫・価格情報を参照できる共有データ基盤、ブランドのルールに沿って推薦を制御するポリシー・ガバナンスの仕組み、そしてどのAI接点から生まれた購買意図も文脈を途切れさせずに注文へつなげる決済レイヤーの3点が重要とされています。

分析記事は、AIエージェントが消費者に代わって取引を開始・完了する時代が近づく中で、この課題を先送りできる猶予は少なくなっていると警告しています。エージェントは推薦から決済への接続が途切れた体験を許容せず、失敗すれば二度と戻ってこないためです。今のうちに基盤の一貫性を確立した企業が、次の10年の商取引を主導することになりそうです。

米金融大手キャピタル・ワンは、機械学習エンジニアリング責任者ケル・バニー氏が2026年のVBトランスフォームで、既製の最先端モデルに頼らず、独自データでオープンウェイトモデルを深く微調整したマルチエージェントAI基盤を構築してきたと明らかにしました。データ基盤とクラウド化への早期投資が、この取り組みを支える土台になったといいます。

バニー氏によると、自社データは他社が持ち得ない強みであり、汎用モデルでは代替できないといいます。ある用途向けにオープンソースモデルを微調整すると、キャピタル・ワン固有の業務知識やポリシーを学習した結果、他の用途でも性能が底上げされる「general lift」と呼ぶ効果が生まれると説明しました。リアルタイムデータを取り込むことも、顧客対応の精度を保つうえで欠かせないとしています。

具体例として挙げたのが、年間数百万件に上る不正関連の通話に対応する「MACAW」というマルチエージェント基盤です。まず理解エージェントが顧客の意図を把握し、推論エージェントが要約を作成、検証エージェントが正確性を確認したうえで、説明エージェントが担当者向けの文書に整えます。従来は担当者が手作業で再構成していた通話記録の要約作成を、大幅に効率化したとしています。

同様の仕組みは、MetaのLlamaモデルを独自データで調整した接客チャットボット「Chat Concierge」にも採用されています。さらに社内向けには、バックエンドインフラの最適化を自動で試行・検証するエージェントシステムも構築し、日々更新される最適化手法同士の組み合わせによる性能劣化を防いでいます。

今後の展望としてバニー氏が挙げたのは、複数モデルを横断的に使い分けるルーティングの高度化と、人の指示を待たずに動く能動型AIの台頭です。個々のモデルより高い精度をルーティングで引き出せるとしたうえで、不正検知などの監視業務を強化する能動型AIが今後重要なトレンドになるとの見方を示しました。

米技術メディアのVentureBeatは8月10日、企業のAIエージェントで起きる問題の多くは幻覚ではなく権限設計の欠落が原因だとする寄稿を掲載しました。筆者のNixal Patel氏は、本番稼働する全エージェントに実行可能な行為と承認が必要な行為を定めた権限契約（Agent Authority Contract）を与えるべきだと主張しています。

挙げられている例は地味ですが深刻です。サービス業務のエージェントが正しい返金額を算出しても企業が自律実行を認めた上限を超えないための境界がないケース、調達エージェントが最安の供給元を選んでも契約締結まで許されるのか推奨止まりなのかが未定義のケースが示されています。いずれも推論の誤りではなく、技術的な能力と業務上の権限を切り分けていないことが原因です。

背景には統制の遅れがあります。Cloud Security Allianceが2026年4月に公表した調査では、IT・セキュリティ専門家418人のうち65%が過去1年にAIエージェント関連のインシデントを経験し、82%が把握していないエージェントの稼働を発見したと回答しました。世界経済フォーラムが5月に公開したプレイブックも、委任された行動を監査・強制・追跡できるようにする「Agent Capability and Authorization Profile」を提示しています。

実装の要は、影響のある行動をすべて4つの結果に振り分けることです。低リスクで可逆な処理は自動実行の「許可」、支払いや本番環境の変更は人間か決定サービスによる「承認」、判断が要る案件は人間が決める「推奨」、本番データの削除や最終的な雇用判断は確信度に関わらず「禁止」に置きます。筆者が特に強調するのは禁止をシステムプロンプトの外で強制する点であり、自然言語の指示は技術的な境界ではなく単なる提案にすぎないと指摘します。

権限の判定は静的な設定では足りず、実行時に行う必要があります。エージェントが行動を提案し、ポリシー層が識別情報・対象ツール・扱うデータ・取引の文脈・想定される影響を評価して4つの結果を返し、その判断と結果を記録するという流れです。全行動に人間の承認を求めると大規模運用では形骸化するため、シンガポールの枠組みも高リスクや不可逆な行動に絞った実質的なチェックポイントを推奨しています。

本番投入後は、応答の正確さだけでは評価指標として狭すぎます。人間が覆した割合を示す上書き率、危険な案件を的確に上げられているかを見るエスカレーション精度、権限超過の試行回数、業務影響を伴うエラー率、承認による判断の遅延という5つを追い、実績が良ければ権限を広げ違反が続けば狭める運用が示されました。目指すべきは最大の自律性ではなく、企業が観測・統制・取り消しできる範囲での最大の自律性だと寄稿は結んでいます。

Vercelは8月10日、AIエージェントの実行環境について「ホストから分離するだけではサンドボックスの半分にすぎない」とする技術記事を公開しました。microVMによる分離に加えて外部通信を制御するエグレスファイアウォールを全Sandboxに標準搭載し、無料のHobbyプランでも使えるようにしたと述べています。

同社が挙げるのは、リポジトリを読んで生成コードを実行するエージェントの例です。課題管理システムやログ、依存パッケージに仕込まれたプロンプトインジェクションが実行を乗っ取れば、生成されたプログラムはmicroVMを脱出せずとも、読み取れたデータをそのまま外部サーバーへ送信できます。内部ネットワークの探索や認証済みAPIの呼び出しも同じ経路で可能になり、攻撃者にとってVM境界の突破は必ずしも必要ではありません。

近年のセキュリティ研究が示すのは、コンテナやVMの境界が設計どおり機能していても封じ込めは破れるという事実です。遮断したはずの環境に残ったDNSリゾルバ、空のまま素通りする許可リスト、ポリシーエンジンとプロキシでホスト名の解釈がずれる実装、中継役に変えられた信頼済みのパッケージ配信基盤。いずれか一つあれば、外部との通信路になり得ます。

では完全に遮断すればよいのかというと、リポジトリの取得やモデルの呼び出しができなくなり、実用性を失います。同社が示す解は、必要な接続だけを許可する粒度の細かいポリシーです。IPアドレスが変動する現代のサービスにはドメイン規則、固定インフラや私設アドレス空間にはCIDR規則を使い分け、一致しない通信は既定で拒否します。

接続の許可は時間軸でも変わります。セットアップ中だけレジストリへの接続を認め、未検証のコードを動かす前に権限を絞り、結果の送信後は外向き通信をすべて止める、といった切り替えをワークロードの再起動なしに行えます。ファイアウォールはmicroVMの外側のホスト上で動くため、サンドボックス内のコードからは無効化できません。

認証情報の扱いにも設計思想が表れます。環境変数に置いたAPIキーはサンドボックス内の全プロセスが読める持ち出し可能な資格情報になるため、同社はホスト側の境界で認証ヘッダを注入する方式を採り、鍵をmicroVMに入れません。さらにリクエストを利用者自身のプロキシへ転送でき、機密項目の伏せ字化やサプライチェーン検査、監査ログの記録といった独自ポリシーを、コードがroot権限を持つ環境の外側で適用できます。

GitHubは8月10日、技術ブログで、サーバーサイドのJavaコードからAIエージェントを操作する「GitHub Copilot SDK for Java」の使い方を公開しました。同SDKは特定のフレームワークに依存しない初のJava向けAI連携手段と位置づけられ、Langchain4jやSpring AIといった既存ライブラリを介さずに、エージェントセッションの生成やツール登録を行えます。

名称にCopilotとありますが、用途はGitHubのサービスに限りません。provider/ProviderConfigに独自のbaseUrlとAPIキーを渡すBYOK（自前の鍵を持ち込む方式）に対応しており、OpenAIやAzure、Anthropic、OpenAI互換エンドポイントを直接利用できます。この場合、Copilotの契約は不要とされています。

APIはJava開発者になじむ形で設計されています。メソッドに@CopilotTool注釈を付けるだけでモデルが呼び出せるツールになり、JSONスキーマの生成や引数の解析、呼び出しの振り分けはSDKが担います。session.sendAndWaitの1行で、モデルの推論とツール呼び出しを繰り返すエージェントループが完結し、session.onで一つひとつのツール実行やメッセージをイベントとして受け取れます。

エンタープライズ用途で効いてくるのが、仮想スレッドとの組み合わせです。Jakarta ConcurrencyのManagedThreadFactoryから生成したコンテナ管理の仮想スレッドをExecutorとして渡すと、ツール実行時のコールバックにもCDIやJNDI、トランザクションの文脈が引き継がれます。待機中にプラットフォームスレッドを消費しないため、同時接続の多いサーバーでも負荷を抑えられます。

記事にはJakarta EE 11で組んだ不動産リード管理のサンプルアプリが付属します。Open Liberty 26.0.0.5とPrimeFaces、インメモリのH2データベースで構成され、問い合わせごとに独立したエージェントを仮想スレッド上で起動し、WebSocketで進捗をブラウザへ配信する仕組みです。複数の問い合わせを同時に投入すれば、並行動作の様子をそのまま確認できます。

一方、本番投入では権限設計が課題になります。SessionConfigのToolSetでセッションごとに使えるツールを明示的に指定でき、ファイル操作やシェル実行を含む組み込みツールを無制限に開放しない運用が推奨されています。サンプルが採用する全承認（APPROVE_ALL）はあくまで開発用で、実運用では呼び出し可否を検証する権限ポリシーの実装が求められます。

フィンテック企業のBrexは、カンファレンス「VB Transform 2026」で、AIエージェントを本番環境へ安全に組み込む独自手法を明らかにしました。CEOのペドロ・フランチェスキ氏によると、同社はコンテナ内で動くコードを制御する従来型の防御を諦め、コンテナと外部を流れる通信を監視する方式へ切り替えたといいます。エージェントの価値の源泉であるコード実行能力を殺さずに統制を効かせるためです。

発端は、コーディングモデルの成熟を受けて1月に公開されたオープンソースのAIエージェント「OpenClaw」でした。エージェントが固定的なツールに頼らず自らコードを書いて自己更新できるようになったことから、フランチェスキ氏は社内業務の自動化への投入を提案します。しかし社内のセキュリティ担当は「コード実行能力を持つものを信頼できるはずがなく、制御する方法もない」と、これを真っ向から拒みました。

そこで生まれたのが、Brexが自ら開発してオープンソースとして公開したHTTPプロキシCrabTrapです。この仕組みは、エージェントが何でもでき、すでに侵害されているかもしれないと想定したうえで、コンテナとインターネットの間の全通信を受け止め、その内容が承認済みポリシーに沿うかをLLMに判定させます。フランチェスキ氏は、ツール利用を絞って守るNvidiaのNemoClawのような方式は、エージェントの強みであるコーディング能力を打ち消してしまうと指摘しました。

課題は速度でした。全リクエストをLLMに通せば数千ミリ秒の遅延が乗るため、Brexは処理を二層に分けています。LinkedInのプロフィール閲覧のような低リスクな行為は事前承認の静的ルールで即座に通し、メール送信などの高リスクな行為だけをLLM審査へ回すことで、遅延を被る複雑なリクエストは全体の約2%にとどまるといいます。

実証の場となったのが、OpenClaw上に構築した仮想リクルーター「Jim」です。候補者の探索から応募者の採点、メール送信までこなすJimがポリシー外の動きをすると、CrabTrapはSlackで人間の管理者に通知し、エージェントの意図の説明とルール変更案を添えて可否を尋ねます。壁にぶつかった従業員が上司にエスカレーションする、という会社では解決済みの作法をそのまま持ち込んだ形です。

興味深いのは、LLMが審判役として想定以上に機能した点です。フランチェスキ氏はその理由を、モデルが事前学習で膨大なWebページとHTTPリクエストに触れ、通信の意味を自然に理解しているからだと説明します。「作った時点で、半年後に捨てる確率は70%だと思っていた」と内製の割り切りを認めつつ、答えを全部持っていなくても何もしないという選択肢はない、というのが経営層への示唆です。

AWSは2026年8月、セキュリティ会議Black Hat USAで、コードの脆弱性を自動で見つけて直す基盤「Continuum」を、AnthropicのClaude CodeとOpenAIのCodex、自社のKiro IDEに直接統合すると発表しました。開発者がどのAIモデルを使っても、コードを書くその場で同社のセキュリティ機能が働く形になります。

背景にあるのは、フロンティアモデルがもたらした脆弱性の急増です。Anthropicが4月に公開したClaude Mythos Previewは、事前評価で主要なOSやブラウザに潜む未知のゼロデイ脆弱性を数千件も特定し、その99%以上が未修正のまま残っています。AWSのChet Kapoor氏はVentureBeatの取材に「すでにバックログを抱えていたところに、いまや5倍になった」と語りました。

Continuumは「エージェントチーム・ループ」と呼ぶ構造で、発見、優先度付け、検証、修復の4段階を回します。検証段階では隔離したサンドボックス内で再現可能なエクスプロイトを組み立て、その欠陥が本当に悪用可能かを確かめたうえで、テスト済みの修正案を示します。最終的な承認は人間が握り、どこまで自律に任せるかは組織側が決められる設計です。

注目すべきは課金の仕組みです。顧客が払うのはContinuumの単一価格だけで、各段階でどのモデルを使うかはAWSが最適化し、トークン費用も同社が負担します。Kapoor氏は競合関係を問われると「誰が競合なのか、彼らはパートナーだ」と反論し、モデルという「エンジン」ではなく、それを包むハーネスこそが持続する資産だと強調しました。

同時にAWSは、厳選型のセキュリティ市場「Security Hub Extended」に10番目の分野としてサプライチェーン保護を加え、ChainguardとSocketを迎えました。堅牢なコンテナイメージを配るChainguardと、パッケージの挙動を監視してタイポスクワッティングや管理者アカウント乗っ取りを検知するSocketを組み合わせ、性質の異なる二つの攻撃経路を同時に塞ぐ狙いです。掲載パートナーは23社となり、いずれもAWSの請求書に一本化され、長期契約なしの従量課金でも試せます。

AWSの2026年第2四半期売上高は422億ドル、前年同期比37%増で、クラウド基盤市場の28%を握ります。膨大な顧客基盤にセキュリティの制御面を敷き、AIモデルもオープンソースも外部ベンダーも束ねる立ち位置を狙います。モデルの優劣が短期間で入れ替わる時代に、最後まで残るのはモデルではなく、それを顧客の環境やポリシーへつなぐ層だという判断がにじみます。

元OpenAI最高技術責任者のミラ・ムラティ氏が率いるThinking Machinesは7月31日、オープンソースの推論モデルInkling Smallを公開しました。総パラメータは2760億と、2週間前の旗艦モデルInklingの9750億から約4分の1に縮みましたが、第三者機関の知能指数は40と、Inklingの41に1点差まで迫ります。ライセンスは商用利用しやすいApache 2.0です。

性能は単に近いだけではありません。同社の計測では、コーディング能力を測るSWE-bench Verifiedで80.2%とInklingの77.6%を上回り、Terminal Bench 2.1でも64.7%対63.8%と逆転しました。一方で事実知識や一部のエージェント課題は旗艦が優位で、金融系のτ³-Bankingは15.5%とInklingの23.7%に届きません。

規模を抑えられた理由は、疎なMixture-of-Experts構成にあります。42層のデコーダーが各トークンを256の専門家のうち6つに振り分け、常時働く共有専門家2つと合わせて、1トークンあたりの実効パラメータは120億に収まります。テキスト・画像・音声を同じ表現空間で処理する設計で、推論にかける計算量も課題の難易度に応じて調整できます。

ただしSmallという名前は、あくまで旗艦との比較です。BF16版の実行には合計600GB以上のGPUメモリが必要で、同社はNVIDIA B300を4基、またはH200を8基という構成を挙げています。NVFP4に量子化すれば約180GBまで下がりますが、それでもノートPCや一般的なワークステーションでは動きません。

企業にとっては、ベンチマーク以上にライセンスが効いてきます。Apache 2.0は改変・再配布・自社製品への組み込みを広く認めるため、売上条件や利用制限を付ける独自の「オープン」ライセンス、たとえば今週重みが公開されたMoonshotのKimi K3と比べて、法務や調達の負担が軽くなります。ただし利用規約やデータ来歴の確認まで免除されるわけではありません。

同社の研究者Horace He氏はXで、Inklingの公開には大勢の手が必要だったのに対し、Inkling Smallは既存のパイプラインに小さいモデルを通すだけの定型作業に近かったと述べています。事前学習データの改良と、Inklingを教師にしたオンポリシー蒸留、2週間の強化学習を積み上げた成果です。オープンな多モーダルモデルを継続的に出す体制が整いつつある、という点こそが最大の合図かもしれません。

Snapchatは7月31日、短編動画機能「Spotlight」の推薦アルゴリズムを変更し、AIだけで生成された動画を推薦の対象から外すと発表しました。実在の人物が制作した動画のみを推薦対象とし、いわゆるAIスロップと呼ばれる低品質な自動生成コンテンツの拡散を抑える狙いです。同社はSpotlightを「本物の人間による創造性を発見できる場」として維持したい考えを示しています。

ただし、AIを全面的に排除するわけではありません。同社は、クリエイターが自社のAI制作ツールを使って作品を加工したり品質を高めたりすることは引き続き認めると説明しています。線引きは完全自動生成かどうかにあります。

今回の変更は突然の判断ではありません。同社は4月にもSpotlightでAI生成コンテンツの表示を減らす方針を示しており、今回はその延長線上に位置づけられます。オリジナル投稿へ焦点を戻す一連の取り組みの一環と言えます。

AIスロップへの対応は業界全体に広がっています。LinkedInは7月30日、投稿を「AIスロップのようだ」と通報できるボタンを追加し、SubstackはニュースレターのAI利用を可視化するツールを公開しました。Metaは公開アカウントの写真をAIで加工できるInstagramの機能を、批判を受けて撤回しています。

YouTubeも収益化ポリシーを明確にし、定型的で反復的な「非本物的コンテンツ」や、健康・金融といった繊細な話題を扱うAIペルソナ動画を収益化の対象外としました。各社が競うように基準を引き上げる背景には、量産される自動生成動画がユーザー体験と広告価値の双方を損なうという危機感があります。

経営者やクリエイターにとって重要なのは、AIを使うかどうかではなく人間の関与をどう示すかという点です。生成AIを制作の道具として使う分には評価される一方、丸ごと自動生成した動画は主要プラットフォームで露出も収益も得にくくなりつつあります。

OpenAIは2026年7月31日、欧州における責任あるAIの取り組みをまとめた文書を公開しました。EU AI法が次の段階に入るのに合わせ、同社は汎用AI（GPAI）行動規範とAI生成コンテンツの透明性規範という二つのEU行動規範を支持し、安全性・セキュリティ・透明性・来歴の実務を強化してきたと説明しています。いずれも幅広い関係者の協議を経て策定された規範です。

GPAI行動規範は、汎用AIモデルの透明性と安全性、セキュリティについて共通の枠組みを定めるものです。OpenAIはこれに対し、公開前のモデル検証、主要リリース時のシステムカード公開、レッドチーミング・ネットワークを通じた外部専門家の参加、モデルの挙動方針を示すModel Specの公開といった既存の取り組みで応じるとしています。

ガバナンス面では、2023年から運用し2025年に改訂したPreparedness Frameworkが、先端AIの重大リスクを特定・評価・管理する手順を定めています。これを土台とするFrontier Governance Frameworkは、EU AI法のGPAI規範を含む新しい法的要件と自社の安全・セキュリティ実務をどう整合させるかを示すものです。両者はリスク評価、セーフガード、モデル報告、インシデント対応といった具体的な判断に落とし込まれます。

もう一方の透明性規範への対応として、同社は来歴（プロベナンス）を二つの仕組みで担保します。詳細な文脈を運ぶContent Credentials（C2PA）と、メタデータが失われても信号を残すSynthID電子透かしを組み合わせ、対象を画像に加えて音声へ広げます。テキストを含む各モダリティへの拡大も、標準やツールの成熟に合わせて進める方針です。

サイバーセキュリティでは、防御側の支援と悪用の抑止をどう両立するかが課題になります。同社はTrusted Access for Cyber（TAC）プログラムで正規の防御者に高度な機能を開放し、2026年5月に始めたEUサイバー行動計画では、EUと各国のサイバー当局、民間パートナー、重要インフラ事業者との連携を進めてきました。この方向性は、欧州委員会のサイバーセキュリティとAIに関する行動計画とも重なります。

OpenAIは、技術の進展に合わせて規則も柔軟であるべきだとし、実務的でリスクに応じた運用が欧州の競争力と繁栄につながると主張しています。顧客と開発者に向けてはモデル文書やシステムカード、安全性情報、利用ポリシー、来歴・検証ツールの手引きを提供しており、EU AI法の適用に備える企業にとっては自社の説明責任の設計を点検する材料になります。

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。

Liquid AIは7月28日、長文をCPU上で高速処理できる小型のエンコーダーモデル「LFM2.5-Encoder-230M」と「350M」の2種を、Hugging Face上でオープンウェイトとして公開しました。分類や意図判定、安全フィルターなど、一日中CPUで動かす高頻度の言語処理タスクを、生成AIより安く速く実行することを狙います。

最大の特徴は処理速度です。両モデルは8192トークンの長い文脈に対応し、入力が長くなっても遅延の増加が緩やかな点が強みです。8192トークンでは、比較対象のModernBERT-baseが1回の処理に1分半以上かかるのに対し、230Mは約28秒と約3.7倍高速で、ノートPCのCPUでも契約書や長い会話ログを30秒未満で処理できます。

精度も小型ながら高水準です。GLUEやSuperGLUEなど17種のタスク評価で、350Mは14モデル中4位にランクインし、上位3モデルはいずれもより大型で、うち1つは約10倍規模の3.5Bモデルでした。230MはModernBERT-baseや全てのEuroBERTを、より小さいサイズで上回っています。

これらは既存のLFM2デコーダーを土台に構築されました。一方向だった注意機構を双方向に変え、マスク言語モデリングで学習させることで、因果的なデコーダーを双方向エンコーダーへ変換しています。学習は短文脈での基礎習得と、8192トークンへの長文脈適応という2段階で進められました。

想定用途は、意図ルーティングやポリシー検査、PII（個人情報）検出、テキスト分類など、常時稼働しコストを抑えたい高頻度タスクです。同社はCPUだけで動く実演も公開しました。2種の使い分けは明快で、精度を重視するなら350M、ハードウェアの制約が厳しく処理量を優先するなら230Mが適するとしています。

AIセキュリティ企業Vijilの創業者兼CEOであるヴィン・シャルマ氏は2026年7月28日までに、AIエージェントの信頼性は導入前の一度きりの評価ではなく、稼働後も継続的に検証すべき実行時の課題だと訴えました。従来型のベンチマークは能力を測るだけで、企業が本当に問うべき信頼性を保証しないためです。

シャルマ氏によれば、ベンチマークが実際の企業環境での挙動を予測できない理由は三つあります。作られた時点の性能基準に基づく静的な指標である点、現実を不完全にしか模倣できず両者の差にこそ失敗が潜む点、そして公開されているため将来のモデルの訓練データに混入し、テストを暗記させてしまう点です。

そこで同氏が提唱するのが「受託者エージェント」という考え方です。金融や医療のように顧客への能力・注意・忠実の義務を負う専門職から借りた概念で、法的な受託者責任は意識を必要とせず、依頼主の利益を自らより優先するという機能要件として検証できます。信頼性は「委任する便益が失敗リスクを上回るか」という経済的な等式で定義され、信頼性・セキュリティ・安全性の三要素に分解されます。

検証手法は目的・ペルソナ・ポリシーの三つのPを軸とし、結果は行動データから算出する信用格付けのようなスコアで表されます。目的別テストは対象業務に合わせて難度を調整し、ペルソナ別テストは千を超える利用者像や攻撃者像を用い、ポリシー別テストは組織独自の規則からどれだけ逸脱するかを測ります。

本番環境でしか表面化しない失敗も多いといいます。利用者の変化や新たな攻撃に加え、複数のエージェントが連携する系では、一方がコードを生成し他方が検査する裏でバックドアを見逃す「共謀」など、個々のエージェントでは検知できない新種の障害が生じます。同氏は「失敗を防ぐ時代は終わり、いかに速く復旧するかという回復力が問われる」と述べます。

実践的な継続的信頼管理は、野放しのエージェントを統治下に置く「発見」、人間とは別のワークロードID付与、開発者任せにしない強制的なポリシー統制という手順を踏みます。そこから「信頼到達時間」と「復旧時間」という新たなKPIが生まれます。責任は最高AI責任者やGRC・CIO・CSOが分担し、シャルマ氏は「信頼は雰囲気でも美徳でもなく、システムに組み込み継続的に測定するもの」と締めくくりました。

OpenAIは2026年7月22日、企業が音声とチャットでAIエージェントを本番運用するための製品「Presence」を発表しました。質問応答や社内システムの操作、承認済みアクションの実行、必要時の人間への引き継ぎを、企業が定めたポリシーの下で担います。限定的な一般提供として即日利用でき、導入はOpenAIの常駐技術者(FDE)とシステムインテグレーターが主導し、セルフサービスでは使えません。

Presenceは、ポリシーやガードレール、承認済みアクション、シミュレーション、評価ツール、Codexによる改善プロセスを一つにまとめた運用基盤です。各導入は請求対応や保険請求、IT依頼など特定の業務から始まり、エージェントにはその業務に必要な知識とシステムアクセスだけを与えます。企業側が、自律的に実行できる範囲、承認が必要な操作、人間が引き継ぐ場面を決めます。

すでにOpenAIは英語の電話サポート(1-888-GPT-0090)でPresenceを稼働させ、問い合わせの75%を人手を介さず解決していると説明します。Codexを使った改善ループにより、10日間で人間への引き継ぎを15ポイント削減したとしています。ただしこれらは自社公表の数値で、第三者による検証は行われていません。

導入を検討する企業も広がっています。BBVAはメキシコで日常的な銀行業務の音声対応を、ソフトバンクは自然な日本語での顧客対応を、オーストラリアの保険大手IAGは悪天候などの需要増時の支援を、それぞれ試しています。中核エージェントはOpenAIのモデルを使いますが、ガードレールやツールには外部モデルをAPI経由で接続できます。

Presenceは、技術者を顧客に常駐させて導入するPalantir型の手法を取り入れ、モデル提供が中心だったOpenAIの企業戦略を一歩進めます。競合のAnthropicも1週間前に常駐型のコンサル部門Odeを立ち上げており、モデル単体では足りない導入支援の需要が背景にあります。ただし発表は社内評価中のモデルが封じ込めを破った情報開示の翌日にあたり、価格や契約条件、サービス水準も未公開で、顧客が総コストとリスクを見極める材料はなお不足しています。

YouTubeは7月16日、AIで大量生成される低品質動画（AIスロップ）への対応として、収益化ポリシーを明確化しました。同社は「不正なコンテンツ」を3つの類型に整理し、YouTubeパートナープログラム（YPP）での収益化対象外とする基準を具体的に示しています。今回の措置は既存方針の禁止ではなく、判断基準を詳細化するものです。

第1の類型は、AIやCGI、テンプレートで容易に作れる反復的で汎用的な動画です。信頼安全部門トップのマット・ハルプリン氏は、独自性のないチュートリアルなど、既存内容の焼き直しも該当し得ると説明しました。同氏はAIが高品質動画の量産を助ける一方、似通った動画を粗製乱造するコンテンツファームも可能にすると指摘しています。

第2の類型は「不快」なコンテンツで、視聴数狙いで意図的に苦痛や感情的操作を与える動画を指します。例として、動物を苦境に陥らせて救出する演出動画が挙げられ、AI生成か否かを問わずYPPから除外されます。第3の類型は、実在人物を模したAIペルソナを用いて金融・法律・医療などの繊細な話題を扱う動画で、こうした利用を助長しない方針です。

これら3類型のいずれかが過剰な割合を占めるチャンネルは、収益化ができなくなります。広告と課金で稼ぐYPPはYouTubeの生命線であり、低品質動画の氾濫は同社の利益に反するとの判断があります。YouTubeはテレビや他のストリーミングと広告費を争っており、収益源の質を守る狙いがうかがえます。

背景には、AI技術で誰もが手軽に動画を量産できるようになった現実があります。YouTubeは昨年から不正コンテンツの収益化制限に着手しており、今回の明確化はその延長線上にあります。クリエーターにとっては、独自性と物語性を備えた制作がこれまで以上に重要になりそうです。

米WIREDが7月18日、今週のセキュリティとプライバシーに関する話題をまとめて報じました。目玉は、非営利団体Mozillaが人気の生理管理アプリ6本のプライバシー保護を格付けした調査です。占星術をテーマにしたStardustは10点中2点で最低評価となり、避妊方法や妊娠状況、症状といった生殖に関わる健康データを、プライバシーポリシーに記載のない分析企業へ送信していました。

Mozillaの研究者によると、Stardustはアプリを開いた瞬間から第三者トラッカーに通信し、利用者が症状を記録すると即座に分析企業RudderStackへ固有IDとともに情報が渡ります。共有を止める手段はアプリ内になく、Facebook向けの広告識別子も引き渡していました。一方、非営利運営のEukiは満点を獲得し、アカウント不要で健康データを端末の外に出さない設計が評価されています。

サイバー攻撃を巡る動きも相次ぎました。EUと英国は今週、ポーランドの電力網を狙った攻撃の実行主体としてロシア連邦保安局(FSB)の一部門を特定し、制裁を科しました。停電寸前まで迫ったこの攻撃は、従来なら軍参謀本部情報総局(GRU)の犯行とみられる種類のもので、FSBが攻撃的な手口を強めている可能性を示しています。

ロシアのセキュリティ企業Kasperskyを巡っては、NATO諸国や米企業11社以上への侵入に関与したとされるハッカーが、同社で2年間働いていたとロイターが報じました。また米国土安全保障省(DHS)では、情報共有基盤への実際の侵入の痕跡を担当者が二度も誤検知と判断し、見逃していたことも明らかになっています。

AI関連では、音楽生成の新興企業Sunoが侵害を受け、内部データが流出しました。404 Mediaによると、SunoはYouTube MusicやDeezerなどから数十年分に及ぶ楽曲やポッドキャストを無断で収集し、モデルの学習に使っていた形跡が判明しました。あわせて顧客数十万人のメールや決済情報も露出し、同社は古いコードが原因で機微な個人情報はないと説明しています。

米サンフランシスコ市のデービッド・チュー市法務官は今週、AppleとGoogleに対し、実在の人物を無断で裸に加工する「ヌード化」アプリ13本をアプリストアから削除するよう求める停止通告（cease-and-desist）を送りました。両社が非同意の性的ディープフェイク画像の売買を「幇助」しているとし、開発者との取引を断つよう要求しています。

チュー氏は、ディープフェイクポルノを作成するサービスの支援を禁じたカリフォルニア州法に両社が違反していると指摘しました。対象アプリはアプリ内課金を用いており、AppleとGoogleはその手数料として数百万ドルを得てきた可能性が高いといいます。

対象アプリは、顔の入れ替えや脱衣によって誰でも簡単に露骨な画像を生成できるものです。チュー氏は被害が主に女性や子どもに及ぶ現状に「心底ぞっとした」と述べ、いじめや脅迫、深刻な精神的被害につながっていると訴えました。ある対象アプリは100万回超ダウンロードされていたといいます。

これを受け、Googleの広報担当は、指摘された5本をポリシー違反で停止し、これまでに数百本の関連アプリを削除、「nudify」などの検索語も制限してきたと説明しました。Appleは指摘された8本のうち3本を削除し、該当する開発者アカウントの停止手続きを進めていると明らかにしています。

決済スタートアップのBrexは、AIエージェントの挙動をネットワーク層で統制する社内基盤「CrabTrap」を開発し、オープンソースで公開しました。すべての通信を傍受するHTTP/HTTPSプロキシがポリシーを照合し、判断が難しい要求はLLMが審査して承認可否を決めます。従来のガードレールでは制御しきれなかったエージェントの権限行使に、新たな防御層を設ける狙いです。

同社が着目したのは、これまで手薄だった通信層です。APIトークンやSDK単位の権限は回避や設定負担が大きく、プロンプトインジェクションにも弱いとされてきました。Brexは全エージェントと全リクエストの間に立つ層こそ有効だと考え、環境変数でプロキシを通すフレームワーク非依存の仕組みを採用しました。

特徴は、ポリシーを白紙から書くのではなく実際の通信から学習する点です。エージェントをシャドーモードで動かして過去のトラフィックを分析し、実挙動に沿った自然言語のポリシーを自動生成します。CEOのペドロ・フランチェスキ氏は、この方式が白紙から始めるより劇的に効果的だったと語ります。

懸念された遅延は大きな問題にならなかったといいます。LLM審査が動くのは未知の要求など全体の約3%にとどまり、Claude Haikuのような小型高速モデルを使うことで追加の遅延はごくわずかでした。プロンプトインジェクション対策として、リクエストをJSON構造にして利用者由来の内容を無害化しています。

公開後の反響は想定を上回り、GitHubのスターは700を超えました。OpenAIやY Combinatorのギャリー・タン氏らも同様の基盤導入に関心を示しています。フランチェスキ氏はインフラの不足を待つ言い訳にせず課題は自分たちで引き受けられると、他社の開発者に助言しています。

米xAIは2026年7月15日、同社のAIチャットボット「Grok」を悪用したとして、米サウスカロライナ州の男性を提訴しました。ロイターの報道によると、xAIは同人物が安全対策を意図的に回避し、非同意の画像を改変して児童性的虐待コンテンツ（CSAM）を生成・配布し、同社ポリシーに違反したと主張しています。

訴状によれば、被告の男性は写真をもとに本人の同意なく性的な画像へと変換したとされます。この男性は今年2月にCSAMの所持と配布の疑いで逮捕され、すでに8件の重罪で訴追を受けている人物です。訴状は、その刑事事件に関わる画像の「少なくとも一部」がGrokで生成・改変されたと指摘しています。

背景には、xAIがGrokに搭載した画像編集機能があります。昨年に露出度の高い「スパイシー」モードを導入し、画像を編集できる機能を追加した結果、未成年を含む性的なディープフェイク画像が氾濫する事態を招きました。3月には10代の若者らが、自身を未成年として描いた画像を生成されたとして同社を提訴しています。

今回xAIは、被告の行為が同社を「重大な法的リスクと評判の毀損」にさらしたと主張しています。裁判所に対し、損害の賠償に加え、被害者から起こされる訴訟への防御費用の支払いを命じるよう求めました。あわせて、被告がxAIのアカウントを作成したりGrokを利用したりすることの差し止めも要請しています。

注目すべきは、これがGrokで作成されたディープフェイクをめぐりxAIが個人を提訴した初のケースとみられる点です。イーロン・マスク氏はかつて、Grokで違法コンテンツを作る者は違法コンテンツを投稿した場合と同じ結果に直面すると述べており、今回の提訴はその方針を実際の法的措置として示した形となります。

米Hugging Faceは7月7日、オープンソースのロボット学習ライブラリ「LeRobot」の最新版v0.6.0を公開しました。今回の更新はロボット学習のループを閉じることに主眼を置き、行動前に未来を想像する世界モデル型ポリシー、成功可否を判定する報酬モデル、失敗を学習データに変える配備用CLI、6種の新しいシミュレーション評価基準を一挙に導入しました。同日、半導体大手NVIDIAとの協業拡大も発表され、両社の開発者基盤が結び付きます。

目玉は未来を想像する3つの世界モデル型ポリシー（VLA-JEPA、FastWAM、LingBot-VA）です。いずれも学習時に未来フレームを予測しますが、推論時には想像の処理を省くため、追加コストなしで恩恵を得られる設計が特徴です。さらにGR00T N1.7やMolmoAct2など新たなVLAが加わり、モデルの選択肢が一段と広がりました。

新設された報酬モデルAPIには、100万を超える軌跡で学習した汎用モデル「Robometer」と、学習不要でVLMを流用する「TOPReward」が並びます。配備用の新CLI「lerobot-rollout」はDAgger方式の人手介入に対応し、ロボットが失敗した瞬間に操作を引き継いで修正データを記録できます。収集・微調整・再配備という改善の循環が、コマンド一つで回せるようになりました。

NVIDIAとの協業では、商用利用が可能な初のオープンなロボット基盤モデルIsaac GR00T 1.7と、データ収集基盤Isaac TeleopがLeRobotに統合されました。物理AI向けの世界基盤モデル「Cosmos 3」も近日中に加わる予定です。NVIDIAの300万人のロボット開発者とHugging Faceの1600万人のAI開発者が結び付き、物理AIの開発が加速します。

基盤となる依存関係は約40%削減され、pip installが軽量になりました。加えてFSDPによる複数GPU学習やHF Jobs上のクラウド学習にも対応し、単一GPUに収まらない大規模モデルの訓練も容易になっています。オープンソースの協調がロボット開発の民主化をどこまで押し進めるのか、次の展開が注目されます。

Hugging FaceとAmazon SageMaker AIは2026年7月7日、Hugging Faceで見つけたモデルをワンクリックでSageMaker Studioに取り込める連携機能を発表しました。開発者はモデル選択から実験開始までを一続きで行え、選んだモデルは環境に事前ロードされた状態で立ち上がります。基盤モデルのファインチューニングでも推論エンドポイント展開でも、該当ワークフローへ直接着地できる仕組みです。

従来はモデル発見後にAWSコンソールを開き、ドメイン作成、IAM権限の設定、時にはGPUクォータ申請と、複数の手順を踏む必要がありました。この摩擦が着想から実験までの速度を落としていた点が課題でした。今回の連携は発見からエンタープライズ展開までを一直線につなぎます。

新機能は3つあります。1つ目はHugging Faceのモデルページに表示される「Customize」「Deploy」ボタンからStudioへ飛ぶディープリンクで、モデルの文脈をそのまま引き継ぎます。2つ目はSFT・DPO・RLVR・RLAIFに対応した新管理ポリシーを自動付与する事前構成済み権限で、IAMロールの手動設定が不要になります。

3つ目はインスタンス選択時にG5・G6などのGPUクォータの空きをUI上で直接確認できる機能です。Service Quotasへ別途移動する必要がなく、上限緩和が必要な場合も該当ページへ直接誘導されます。経営者やエンジニアにとって、オープンモデルを自社のAWS環境で素早く試し、展開までの時間を縮められる意義は大きいと言えるでしょう。

米Metaの委託業者数百人が未成年を装い、競合チャットボットに自殺や性、薬物などの高リスクな質問を送って反応を検証していたことが、内部文書と関係者5人の証言で明らかになりました。WIREDが2026年6月29日に報じたもので、業者は18歳未満を装うダミーアカウントを作成し、得られた応答を表計算ソフトに記録していました。

このプロジェクトは社内で「Cannes」と呼ばれ、委託先のCovalenが運営し、4月21日まで続いていました。標的はOpenAIのChatGPT、GoogleのGemini、Character.AIの3つで、2025年8月の1回の検証だけで4万5千件を超える質問が送られたといいます。WIREDが確認した3,748件の質問には、自殺や自傷、摂食障害に関するものが数百件含まれ、性愛に関わるものも少なくとも239件ありました。

質問の多くは、危機にある子どもや10代を装って書かれていました。妊娠した13歳が中絶薬の入手先を尋ねる内容や、過食症を親に隠す方法を問うものなど、安全システムが本来拒否すべき応答を引き出すよう設計されていたとされます。これらの検証は各社に無断で行われていました。

Metaはこの作業を通常の安全検証だと擁護し、「安全で年齢に適した体験を確保するためのテストとベンチマークは責任ある業界標準の慣行だ」と説明しました。同社は競合のベンチマークを自社AIモデルの学習には使っていないとしています。一方Covalenはコメントの要請に応じていません。

しかし競合3社はいずれも検証を許可しておらず、規約違反にあたると指摘しました。Character.AIは規約とポリシーへの違反だと述べ、OpenAIは「問題を調査中」、Googleは第三者による検証を認可していないと回答しています。

非営利団体Humane Intelligence創設者のRumman Chowdhury氏は、子どもを装ったダミーアカウントで規則を組織的に破るような数カ月規模の取り組みは、通常の「業界標準」評価の範囲を超えると批判しました。安全評価と競合ベンチマークの混同は「安全が反競争的な慣行の都合のよい隠れみのになる統治の灰色地帯だ」と警鐘を鳴らしています。

米国の上院議員エリザベス・ウォーレン氏と下院議員メアリー・ゲイ・スキャンロン氏が、今後数週間以内に健康・位置情報保護法案の新版を公表する予定です。2022年に初めて提出された旧法案を、AI時代に合わせて改定したものです。データブローカーによる収集・販売の禁止に加え、ChatGPTやClaudeといったAIチャットボットに入力された情報の取り扱いまで対象を広げます。

最大の変更点は、規制対象をデータブローカー以外の企業にも拡大したことです。これにより、利用者がAIに打ち明けた健康情報や位置情報を、企業がブローカーへ転売する行為が幅広く禁じられます。背景には、AI各社が医療分野へ急速に進出している現状があります。

実際、1月にはイーロン・マスク氏がMRI画像などの医療記録をxAIのGrokに投稿するよう公に呼びかけました。同じ月にOpenAIは医療記録のアップロードを促すChatGPT Healthを、Anthropicも「HIPAA対応」をうたうClaude for Healthcareを相次いで投入しています。一方で、データ漏洩や不正アクセスへの保護は各社のプライバシーポリシー次第というのが実情です。

米国にはデータプライバシーに関する包括的な連邦法が依然として存在しません。法案はこの空白を埋めることを狙い、連邦取引委員会（FTC）に180日以内の規則策定を義務づけます。執行はFTCのほか州司法長官や被害を受けた個人による提訴も認め、今後10年でFTCに10億ドルの予算を充てる内容です。

ウォーレン氏は声明で「米国民の最も機微な情報を売って巨額の利益を得るデータブローカーの取り締まりが、これまで以上に重要だ」と述べました。法案にはワイデン氏とサンダース氏も共同提案者として名を連ねています。AIへの健康データ入力が広がるなか、規制の行方は医療AIを手がける企業の事業設計に影響しそうです。

セキュリティ企業Tenet Securityが6月、AIコーディングエージェントを狙う新攻撃手法「エージェントジャッキング」を公表しました。攻撃者は認証なしで使える公開DSN経由でSentryに偽のエラーイベントを1件送るだけで、Claude CodeやCursor、Codexが信頼する診断データに不正な指示を仕込みます。検証では100以上の標的に対し85%の成功率を記録し、Sentryはこの欠陥を「技術的に防御できない」と認めました。

深刻なのは、攻撃の全工程が正規の認証を通過する点です。認証情報の窃取も、ポリシー違反も、境界突破もないため、EDR・WAF・IAM・ファイアウォールのいずれも警報を発しませんでした。ある実験環境では、乗っ取られたClaude CodeがAWSの有効なシークレットキーや非公開リポジトリのURLを露出させたといいます。

影響範囲はSentryだけにとどまりません。AIエージェントがDatadog、PagerDuty、Jiraなど開発者が信頼するMCP接続データソースとつながり、シェルコマンドを実行できる構成なら、同じ盲点を抱えます。Tenetは公開Sentry認証情報を露出した組織を2388件特定し、クラウドセキュリティアライアンスはこの問題をMCPの構造的脆弱性に分類しました。

2026年上半期の5つの調査は、企業がAIエージェントを過信している実態を示しています。AIに人間と同じ統制を常に適用する組織はわずか34%、本番投入前にセキュリティ承認を得たエージェントは14.4%にすぎません。HiddenLayerの調査では33%のエージェントが想定範囲を超えて行動し、31%はAI侵害の有無すら確認できないと答えています。

CrowdStrikeのザイツェフCTOは「エージェントの保護は高権限ユーザーの保護に酷似する」と指摘し、見過ごされてきた実行時の防御こそ最後の安全網だと強調します。同社は6月、すべてのエージェント行動をリアルタイムで認可する継続的ID管理を投入しました。サンドボックスは権限を絞れば無価値で、権限を与えれば攻撃面が広がるというジレンマも指摘しています。

対策の核心は、エージェントが返すデータで何を実行できるかを制限することです。8月2日にはEU AI法の高リスク義務が発効し、第3四半期の計画に影響します。「認可されている」ことは「安全」を意味しない。すべての工程が正規でも通る攻撃に対し、ポリシーではなくエージェントの実際の挙動を監視する防御だけが意味を持ちます。

NVIDIAは2026年6月23日、コペンハーゲンで開催中のTM Forum「DTW Ignite 2026」で、通信事業者向けの自律ネットワーク運用基盤を公開しました。これまで生成AIによる自動化は決められた手順を高速化するタスク単位の支援にとどまっていましたが、AIエージェントが障害を能動的に監視し、ネットワークやIT、業務システムをまたいで変更を調整する自律運用へと軸足を移します。

基盤となるのは通信ドメインに特化した推論モデルです。事業者の54%がデータ関連の課題を最大の障壁に挙げる中、機密性の高い顧客・ネットワークデータをそのまま使えない問題に対し、合成データで対処します。SoftBankはNVIDIA NeMo Safe SynthesizerやNeMo Anonymizerを用い、実データの構造を反映したプライバシー保護データを生成し、自社の大規模通信モデルの微調整に活用しています。

長時間稼働するエージェントの安全な運用には、ポリシーに基づく制御が欠かせません。NVIDIAは「NemoClaw」ブループリントと安全な実行環境「OpenShell」を提供し、通信システムへのアクセスをサンドボックス化します。これによりエージェントの挙動を予測可能で監査可能な状態に保ちながら、運用での役割拡大を進められます。

採用企業の事例は多岐にわたります。AdaptKeyは5Gの自己修復運用に、Amdocsはローミング客への先回り対応や移行管理に、NTT DATAはNemotronモデルと組み合わせてネットワーク劣化の検知に活用します。ServiceNowは「Project Arc」を通信向けに展開し、アラートから作業指示までインシデント対応の全工程を自律運用します。TCSも多段階の「AIセンサー」構成で障害発見を高速化しています。

信頼性を担保する鍵がシミュレーションです。GPU上で処理を高速化し、エージェントが提案を実環境に適用する前に検証できる近リアルタイム環境を整えます。Forskは無線伝搬モデルをNVIDIA RTX PRO 6000 Blackwellで動かし、CPU比200倍の高速化を実現しました。VIAVIもRANシミュレーションをGPUに移し、桁違いの処理量向上を示しています。

KDDIとKDDI総合研究所は、NVIDIAやKeysight、Samsung Research Americaと連携し、6G時代に向けた高精度RANデジタルツインを構築します。NVIDIA Aerial Omniverse Digital Twinを用いた環境で、複数の自律エージェントがエリア最適化や将来の無線条件といった「もしも」のシナリオを安全に検証できるようになります。

米IBMは6月23日、エンタープライズ向けの自律型AIエージェント基盤「CUGA(Configurable Generalist Agent)」と、その実例集「cuga-apps」を公開しました。エージェント開発で必要となる計画立案、ツール呼び出し、状態管理といった配管作業を基盤側が肩代わりし、開発者はエージェントが使えるツールの一覧と指示文を書くだけで済む点が特徴です。

従来のエージェント開発は、フレームワーク選定やツール接続など実装の下準備に時間を取られ、肝心の中身づくりは後回しになりがちでした。CUGAはこの順序を逆転させ、計画・実行・状態管理を内蔵することで、FastAPIのルートが書ければ全行を読めるほど簡潔なコードでアプリを構築できるとしています。

実例集には映画推薦からIBMクラウド構成提案まで、それぞれ単一ファイルで動く二十数本のアプリが含まれます。エージェント本体は4つの引数を持つコンストラクタで定義され、汎用機能は共有のMCPサーバーから取り込み、アプリ固有のツールだけをPython関数として書く構成です。共通のひな形を持つため、一つ読めば全体を理解できる設計になっています。

CUGAは行動の前に計画を立て、実行中に誤りを検知して再計画する反省ステップを備えます。状態管理や変数追跡を基盤が担うことで、小型のオープンウェイトモデルでも長い処理を安定してこなせるとし、ホスト版アプリは大規模な独自APIではなくgpt-oss-120bで動作しています。

本番運用では、6種類のポリシーによる制御をエージェント本体に直接付与できます。要求段階で拒否するIntent Guardや、危険なツール実行前に人間の承認を挟むTool Approvalなどがあり、ガバナンスを後付けの層ではなく基盤に最初から組み込む方針を取っています。

IBMはこの基盤を、データや実行エンジンを同一境界内に閉じ込めるSovereign Coreへと展開しました。ローカルで書いたエージェントを定義変更なしでそのまま隔離環境へ再展開できる点を強みとし、運用環境が読めるオープンなコードであることが主権性の裏付けになると主張しています。

Splunk（シスコ傘下）のAI担当幹部ハオ・ヤン氏は2026年6月22日、AIエージェントを導入する企業の真の競争優位は、モデルの能力ではなく組織自身が学び続ける仕組みにあると論じました。多くの企業が同等のフロンティアモデルを使える時代には、現場で得た知見をAIへ還元できるかどうかが差を生むという主張です。

氏が問題視するのは、現場で生まれた知識の散逸です。セキュリティ分析官の修正やネットワーク障害の原因特定といった貴重な組織知が、チケットや個人の頭の中に埋もれ、将来のAI判断に再利用されない現状を指摘しました。これを再利用可能なシステムへ変えることが、エージェント企業の次の課題だと位置づけています。

解決の鍵は、モデルそのものの再学習ではなく、モデルを取り巻くエコシステムの改良にあります。知識ベースや検索層、プロンプト、ポリシー、ガードレール、ワークフローを通じて、運用で得た経験を制度的な知識へ変換し、次のエージェントが参照できるようにするという考え方です。

具体例として、断続的な性能劣化が起きるサービスが挙げられます。観測性・ネットワーク・セキュリティの各エージェントは個別には部分的な視野しか持ちませんが、人間の専門家による初回の原因特定（誤った経路設定など）をトレースや修正履歴ごと記録すれば、次回以降は同様のパターンをゼロから調べずに済むと説明します。

こうした学習を支えるアーキテクチャとして、経験を保存するメモリ、再利用可能な指針に変える知識ベース、信号を相関させるデータファブリック、挙動を可視化するAI観測性、そして学習の反映を承認・監査する制御プレーンの5要素を提示しました。これらが揃って初めて、信頼できる形でAIが改善し続けるとしています。

結論として氏は、次のAI時代を制するのは最も多くのエージェントを並べた企業ではなく、あらゆる業務や障害対応から学びを吸い上げられる企業だと述べました。モデルが変わらなくても企業自体が賢くなる生態系を築けるかが問われます。なお本記事はSplunkによるスポンサード寄稿である点に留意が必要です。

マサチューセッツ工科大学（MIT）などの研究チームは2026年6月、ポーカーのように相手の手札が見えない「不完全情報ゲーム」において、汎用的な学習手法が専門的なアルゴリズムを上回ることを示す論文を発表しました。この成果は4月にリオデジャネイロで開かれた国際会議ICLRで報告され、長年信じられてきたゲーム理論ベースの優位性という通説を覆す内容となっています。

従来この分野では、ゲーム理論に基づく専門アルゴリズムが、1990年代に登場した汎用的な「ポリシー勾配法」より明確に優れると考えられてきました。ポリシー勾配法は神経回路網（ニューラルネット）に逐次的な意思決定を学習させる手法で、戦略ゲーム向けには想定されていませんでした。共著者のソコタ氏は「専門アルゴリズムが正しい手法だと当然視されてきた」と振り返ります。

研究チームは新たなアルゴリズムを提案するのではなく、各手法の性能を公平に測るベンチマーク（評価基盤）を提示しました。指標には、最悪の相手と対戦した際の不利さを示す「搾取可能性」を採用しています。最大で300億通りの状態を持つ大規模なゲームでこの指標を機能させた点が、最大の技術的課題だったといいます。

ファントム三目並べやヘックスの変種、ライアーズダイスなど5種類のゲームで実験した結果、ポリシー勾配法で訓練したネットワークの方が低い搾取可能性を記録し、直接対戦でも勝利しました。この評価ソフトは無償公開され、一般的なノートPCでも実行可能で、既存のOpenSpielに1行のコードを追加するだけで使えます。

研究者らは、ここでいう「ゲーム」が娯楽に限らず、あらゆる多主体間の戦略的相互作用を指すと強調します。共著者のビニツキー氏は軍事作戦や取引、交渉など隠れた情報を扱う場面への波及を指摘。グーグル・ディープマインドのゲンプ氏も「古典的な手法の現代化が有効な道だと示す説得力ある研究だ」と評価しています。

AWSは6月17日、ロボット開発の各工程を一つのAIエージェントから自然言語で操作できるオープンソースSDK「Strands Robots」を公開しました。Hugging Faceのロボット学習基盤LeRobotの機能をエージェント用ツールとして束ね、これまで記録・学習・シミュレーション・実機展開・複数台連携の5つに分かれていた作業を一本化します。ライセンスはApache2.0です。

最大の特徴は、シミュレーションと実機のコードがほぼ同一である点です。ロボットを生成する関数は標準でMuJoCoベースの仮想環境を返し、引数をmode="real"に変えるだけで物理ロボットに切り替わります。仮想環境で記録したデータも実機の記録も同じLeRobotDataset形式で保存されるため、片方向けに書いた学習スクリプトをもう片方でもそのまま使えます。

ポリシー推論も共通の入口で扱えます。NVIDIAのGR00Tやローカル推論、MolmoAct2のチェックポイントを同じインターフェースで呼び出せるほか、ACTやSmolVLA、π0なども利用可能です。GPUやDocker、Hugging Faceの認証情報がなくても、模擬ポリシーを使えばノートパソコン上でシミュレーションを最後まで動かせる設計です。

複数台の連携には、ブローカー不要のP2PプロトコルZenohを使ったメッシュ機能を採用しました。新しいロボットは起動した瞬間にメッシュへ参加し、エージェントが一斉に指示を出せます。IPアドレスの管理や探索コードの記述は不要です。

物理的に動作する命令には人間の承認を介在させる仕組みが標準で入っています。一斉送信や緊急停止などはLLMの引数とは別経路で操作者の許可を求めるため、プロンプトインジェクションで承認を偽装する攻撃を防げます。本番運用ではmTLS認証が必須とされ、信頼できないデータを与えない設計が推奨されています。

この統合の狙いは、LeRobotが持つ資産を作り直さず、エージェントから扱える表層だけを足すことにあります。Hub上のあらゆるデータセットがエージェントの拡張・学習・展開の対象になり、仮想と実機の境界は設計上の分断ではなく単なる展開手順の違いになります。AWSはArmと協力した本番向けネットワーク層「Device Connect」も用意しており、コードを変えずに規模を広げられるとしています。

WordPress VIPが2026年6月16日に公表した調査で、米消費者の60%が、ブランドのメッセージに「AI」という言葉が使われると敬遠すると回答しました。さらに86%がAIを全面的には信頼せず、依然として一次情報の確認を望んでいることも明らかになりました。Automattic傘下の同社が、企業のAI検索対応の実態を探るために実施したものです。

調査は2026年4月に、企業の意思決定者やCMO 800人と、米成人1,200人の計2,000人を対象に実施されました。回答者の42%は、出典が明示されないAI生成の回答を、航空券の追加料金や難解なプライバシーポリシー、医療費の請求書よりも信頼できないと答えています。ほぼ4人に3人が、インターネットは10年前より「人間味が薄れた」と感じていました。

一方で企業側では、AI検索やAI回答プラットフォームからの流入が増えている実態も浮かびました。企業回答者の60%が過去1年でAI経由の流入が増加したと答え、74%がAIでの発見性や帰属表示を主要課題と位置づけています。ブランドはGoogle検索や従来のSEOを超えた世界への適応を迫られています。

同社CTOのBrian Alvey氏は「かつて人々は他者のためにサイトを作っていたが、今はその人々の代理として動くAIエージェント向けに作る必要がある」と指摘しました。コンテンツがAIに読み取られなければ存在しないに等しく、人間味と信頼性がなければ読者は二度と訪れないと警鐘を鳴らしています。

調査では、原典に直接アクセスできることを最大の信頼の手掛かりとする消費者が33%、ウェブ上の情報は少数の大組織に支配されず公開され続けるべきだと考える層が80%に上りました。ブランドはAIでの可視性と人間からの信頼を同時に追求する難題に直面していると言えるでしょう。

拡張現実ゲーム「ポケモンGO」で世界中のプレイヤーが撮影した実世界の画像が、配送ロボットや軍事ドローン向けのナビゲーション技術の開発に使われていたことが、2026年6月12日にArs Technicaの報道で明らかになりました。開発したのは、ゲーム開発元ナイアンティックから2025年5月に分社化したAI企業ナイアンティックスペーシャルです。

同社は、数百万人のプレイヤーがゲーム内で撮影した短い動画と、自社アプリ「Scaniverse」の利用データをもとに、物理世界の3Dモデルとなる大規模地理空間モデルを訓練してきました。学習に使われた画像は約300億枚にのぼり、その多くはプレイヤーが訪れるよう促された都市部に集中しています。

これらの画像は、同じ場所をさまざまな角度や天候、照明条件のもとで捉えており、撮影時の端末の位置と向きを示すメタデータも備えていました。こうした豊富なデータが、現実空間を認識・解釈するAIの基盤モデル構築に大きく寄与したとみられます。

ナイアンティックスペーシャルの広報担当者は、地上スキャンはあくまで訓練の一要素であり、モデルは元データの複製や閲覧手段ではないと説明しています。さらに、スキャンの対象は像や噴水など公共の名所に限られ、ゲーム内では完全に任意の機能だったと強調しました。

10年前に世界的な熱狂を巻き起こしたゲームが、軍事用途も視野に入る技術の礎となった事実は、複雑な余韻を残します。同社は2019年以降、プライバシーポリシーや公式発表でスキャンが技術向上に使われると明示してきたと述べており、データ活用の透明性をめぐる議論を呼びそうです。

オープンソースのAIエージェント基盤「NanoClaw」を手がける NanoCo AI は2026年6月12日、ソフトウェア供給網管理大手の JFrog と提携し、自律型エージェントによる悪性コードのダウンロードを防ぐ新たなセキュリティ統合を発表しました。両社はこれを、AI環境を守る自動化された免疫システムと位置づけています。即日利用可能で、エージェントは JFrog の検証済みレジストリにのみ接続されます。

背景には、自律型エージェントが人間の監督なしに機能拡張のためパッケージを勝手に導入する、急速に広がる盲点があります。NanoClaw 開発者で NanoCo AI の共同創業者ガブリエル・コーエン氏は、音声ファイルを処理できないエージェントが自ら必要なパッケージを探して導入する例を挙げ、こうした動的な自己改善がエージェントを強力にする一方、供給網攻撃に対して極めて脆弱にすると説明します。

技術面では、NanoClaw エージェントのパッケージ要求やCLIツール、MCP（モデルコンテキストプロトコル）サーバーへの要求を、すべて JFrog のレジストリ経由に限定します。たとえば脆弱性のある Axios の旧版を取得しようとすると、レジストリが要求を403のセキュリティポリシーで遮断します。さらにエージェントに脆弱性を通知し、承認済みの安全な版を自動的に導入させる修正ループを生み出す点が特徴です。

企業にとっては、コンプライアンス上の大きな課題の解決につながります。JFrog の最高戦略責任者ガル・マーダー氏は、どのエージェントが誰によって動き、何のパッケージやスキル、MCPを使っているかを追跡する記録の仕組みが必要だと指摘します。統合は、自動化されたシステムが何にアクセスできるかを厳格に統制する信頼の層を提供します。

提供形態は二本立てです。オープンソース利用者には完全に無償で、検証済みの成果物やツール、スキルへのアクセスが与えられ、依存関係ごとの手動承認に追われずに済みます。一方、企業利用者はエージェントを自社の社内 JFrog レジストリに向けることで、自社の商用ライセンスや内部セキュリティ方針、統制基準に沿った運用を実現します。

両社の発想の根底には、ある現実があります。AIにすべてのゼロデイ脆弱性を完璧に見分けるよう学習させることはできない、という認識です。だからこそ、エージェントが脆弱性に到達できない環境そのものを構築するという発想が、この提携の核心にあります。

音楽配信のDeezerは6月11日、SpotifyやApple Musicなど他社サービスのプレイリストを走査し、AI生成楽曲を判別できる無料ツールを公開しました。専用サイトで配信サービスを選び、アクセスを許可するとプレイリストが取り込まれ、AIコンテンツの有無が通知されます。対応プラットフォームは20種類に及び、27言語で利用できます。

Deezerは大手配信の中でいち早くAI生成楽曲のラベル付けを始め、その検出技術を他社にも提供してきました。しかし導入する企業は現れず、「我々の先例に続く企業はまだない」とCEOのアレクシス・ランテルニエ氏は述べています。そこで同社は技術を企業向け販売から、利用者へ直接届ける方針へと切り替えました。

競合との違いは姿勢の強さにあります。Apple MusicやSpotifyが任意のタグ付け方式を採るのに対し、DeezerはAI楽曲を推薦から除外し、編集プレイリストからも外しています。今回の無料ツールは、AI音楽に最も厳しく対峙する配信という立ち位置を一段と鮮明にし、消費者への訴求材料にもなり得ます。

背景には深刻な数字があります。同社の発表によると、毎日アップロードされる新曲の44%がAI生成で、その量は1日約7万5千曲、月間200万曲超に達します。ただし再生に占める割合は全体の1〜3%にとどまり、しかもその約85%は不正と判定され収益化対象から除外されています。

Deezerは今後の対応として、供給元ポリシーの更新やコンテンツ削除も検討していると明らかにしました。これは今年AI音楽を全面禁止したBandcampに続く動きとなります。AI生成音楽の流入が止まらない中、配信各社が透明性と不正対策をどう設計するかが問われています。

フロリダ州フォートマイヤーズに住む52歳の商業漁師ロバート・ディロン氏が、顔認識技術の誤った照合結果に基づき、児童への声かけ容疑で不当に逮捕されていたことが明らかになりました。米自由人権協会（ACLU）が6月に提訴し、顔認識を使った捜査の危険性を改めて問うています。事件は2023年11月、ジャクソンビルビーチのマクドナルドで発生しましたが、ディロン氏は現場から約500km離れた場所に住んでおり、同市を訪れたことすらないと主張しています。

捜査では、ピネラス郡保安局が運用する顔認識システムFACESが防犯カメラ映像とディロン氏の写真を「93%一致」と判定しました。しかしこのスコアは、2人が同一人物である確率ではなく、画像の類似度を示す数値にすぎません。さらに、ディロン氏名義の車両が事件前後に現場付近で検出されなかったというナンバープレートリーダーの記録は、令状申請書から省かれていました。

ディロン氏は自宅で妻の目の前で逮捕され、保釈金のためにトラックの権利証を担保に入れました。カニ漁のピークシーズンと重なり、家賃滞納で自宅を失いかけたといいます。逮捕写真は約1年間オンラインに残り、見知らぬ人から事件について尋ねられる日々が続いています。起訴は数週間後に全件取り下げとなりましたが、捜査担当の警察官はその後昇進しました。

FACESは2001年から稼働する全米最古級の顔認識データベースで、フロリダ州の数千万件の逮捕写真や運転免許証写真を保有しています。最盛期にはFBIやICEを含む260以上の機関がアクセスしていました。2016年のジョージタウン大学の調査では、検索の監査が行われていないことが判明しており、平和的な抗議活動の参加者にも無断で使用された実態が報じられています。

ACLUによれば、ディロン氏の事件は顔認識技術に起因する全米で少なくとも15件目の誤認逮捕です。同じジャクソンビル保安局は今年初めにも、別の男性を自動車窃盗容疑で誤認逮捕し、約3か月の勾留中に住居と職と子どもの親権を失わせています。ACLUは3つの法執行機関に対し、損害賠償と顔認識運用ポリシーの抜本的な見直しを求めています。

Googleは2026年6月、最新のオンライン詐欺動向をまとめた「Scams Advisory」第4号を公開しました。NASDAQのレポートによると、2025年の世界の詐欺被害額は推定5800億ドルに達し、成人の約5人に1人が被害に遭っています。Googleはこうした脅威に対し、AIを活用した検知・防御体制を強化しています。

フィッシング攻撃は従来のメール型から、正規のログイン画面を模倣してパスワードとセッションCookieを同時に窃取するAITM攻撃へと進化しています。QRコードを悪用した「クイッシング」やカレンダー招待への偽通知埋め込みなど、信頼されるクラウドサービスを悪用してセキュリティフィルターを回避する手口が広がっています。Googleはセッションを端末に紐づけるDBSC技術の導入や法的措置でこれに対抗しています。

暗号資産関連では、偽トークン配布や不正マイニングソフト、ノード構築チュートリアルを装ったウォレット窃取など多様な手口が確認されています。米国だけで2025年に110億ドル超の暗号資産詐欺被害が報告されました。Googleは広告ポリシーの厳格な適用と予測分析により、不正な暗号資産広告のブロックを進めています。

モバイル分野では、正規の個人金融アプリを装ったマルウェアが連絡先やSMS履歴を窃取し、被害者を恐喝する事例が増加しています。アプリストアの審査強化を受け、攻撃者は初回審査後にマルウェア機能を追加する「バージョニング」手法を用いています。

南アジアや東南アジア、湾岸諸国では、警察や政府機関を騙る組織的な詐欺が深刻化しています。公式に見せかけたメールアドレスから偽の会議招待を送り、ビデオ通話で「デジタル逮捕」と称して金銭を要求する手口です。Googleは多層防御とAndroid開発者の本人確認義務化により、こうした偽装ネットワークの撲滅を進めています。

Amazonは2026年6月8日、ショッピングアプリ内のAlexa for Shopping機能を通じて、AIでデザインしたオリジナルグッズを作成・購入できる新サービスを米国で開始しました。ユーザーはテキストプロンプトで画像を生成し、Tシャツ、パーカー、タンブラー、ウォーターボトルなど12種類以上の商品に印刷して注文できます。利用料は無料で、商品代金のみでPrime配送にも対応します。

操作はAmazonショッピングアプリのAlexaアイコンをタップするか、検索バーで「customize」と入力することで開始できます。生成されたデザインはその場で編集可能で、完成したデザインのリンクを家族や友人と共有し、各自のカートに追加してもらうこともできます。Amazonは家族イベント用Tシャツやペットの肖像グッズなどを想定用途として挙げています。

この機能はRedbubble、Printful、Shutterfly、Bonfire、Springといった既存のプリントオンデマンドサービスに対する直接的な競合となります。デザインから製造・配送までをAmazonのエコシステム内で完結させることで、従来これらの外部プラットフォームに依存していた需要を取り込む狙いがあります。同時に、Amazon上で類似商品を販売してきたサードパーティ出品者にとっても脅威となります。

一方で課題も指摘されています。The Vergeの記者がテストしたところ、AI生成デザインには「滑らかすぎるイラスト、定番的な構図、崩れた文字」といったAI特有の品質の粗さが見られました。また、商標や著作権に関するAmazonのコンテンツポリシーへの準拠が求められ、NBAチームのデザインが「第三者コンテンツの懸念」で購入不可になった事例も報告されています。Amazonは近年、AI検索による商品モックアップ表示など、EC全体のAI活用を加速させています。

ServiceNowは2026年6月4日、企業向け音声AIエージェントを評価するためのベンチマーク「EVA-Bench Data 2.0」をオープンソースで公開しました。航空カスタマーサービス、企業ITサービス管理、医療人事サービスの3領域にわたり、121のツールと213の評価シナリオを収録しています。初版から約4倍のシナリオ拡大となります。

音声エージェントの失敗はドメイン固有であるという課題意識がこのベンチマークの出発点です。航空業界で確認コードを正確に処理できるシステムでも、医療HR領域の複雑なポリシー対応では失敗することがあります。EVA-Bench 2.0は、各領域の実際の業務フローに基づいたシナリオを設計し、単一意図・複数意図・敵対的呼び出しの3タイプを網羅しています。

データの信頼性確保にも注力しています。すべてのシナリオは、OpenAI GPT-5.4、Google Gemini 3.1 Pro、Anthropic Claude Opus 4.6の3つのフロンティアモデルで解決可能であることを検証済みです。シナリオ生成にはグラフベースの合成データパイプライン「SyGra」を使用し、ユーザー目標・初期データベース・期待される最終状態を一貫して生成することで再現性を担保しています。

今後は英語以外の多言語対応も予定しています。名前や地名、電話番号をローカライズし、フランス語など各言語での評価を可能にする計画です。データセット、評価フレームワーク、リーダーボードはすべてMITライセンスでHugging FaceおよびGitHubから利用できます。

NVIDIAは2026年6月4日、企業向けAIコンテンツ安全モデル「Nemotron 3.5 Content Safety」をHugging Face上で公開しました。Gemma 3 4Bをベースとする40億パラメータのモデルで、テキストと画像を同時に評価し、両者の組み合わせから生じるポリシー違反も一括で検出します。NVIDIAオープンモデルライセンスのもと、研究・商用いずれの用途にも利用できます。

最大の進化点は、カスタムポリシー機能の追加です。従来は固定の安全分類体系に依存していましたが、3.5では推論時に自然言語で記述した独自ポリシーを入力できるようになりました。これにより、医療・金融・教育など業種固有のリスク基準に合わせた安全判定が可能になります。不要なカテゴリの抑制や、組織独自のリスクカテゴリの追加にも対応しています。

もう一つの注目機能が、推論トレース（THINKモード）です。モデルが安全・不安全の判定に至るまでのステップを段階的に出力することで、判定根拠を監査可能にします。規制産業で求められるコンプライアンスログや、人間によるレビュー、ポリシーの反復改善に活用できます。推論トレースは大規模モデルで生成後、3文以内に要約する2段階プロセスで簡潔化されており、レイテンシへの影響を抑えています。

多言語対応も強化されています。英語・日本語・中国語など12言語を明示的に学習し、ベースモデルのGemma 3から継承した能力により約140言語へのゼロショット汎化も可能です。多言語Aegisベンチマークでは12言語平均96.5%の分類精度を達成しました。マルチモーダル安全ベンチマーク全体では平均約85%の精度を記録しています。

実運用面では、4Bパラメータの軽量設計により8GB以上のVRAMを搭載したGPUで動作します。競合するマルチモーダル安全モデルと比較してエンドツーエンドのレイテンシは3分の1で、推論モード有効時でもトークン生成量は最大50%少なく済みます。訓練データセットも同時公開され、実写真が99%を占める点がマルチモーダル安全研究の既知の課題に対処しています。

2026年6月3日、NVIDIAはデンバーで開催中のCVPR 2026において、自動運転車・ロボット・ビジョンAIの開発を加速する物理AIエージェントスキル群を発表しました。先日公開されたオープン基盤モデルCosmos 3と連携し、シーン再構築から合成データ生成、ポリシー訓練、評価までの断片的だったワークフローを一気通貫で自動化します。すべてのツールはGitHubでオープン公開されています。

自動運転分野では、走行データから編集可能な3Dシーンを生成するNeural Reconstructionスキルや、数千GPUで強化学習を並列実行するオープンソースフレームワークAlpaGymを提供します。さらに320億パラメータの推論型VLAモデルAlpamayo 2 Superは、認識から計画・行動までの全スタックを統合し、レベル4自動運転の開発基盤となります。研究論文LCDriveは、テキスト推論を潜在表現に圧縮することでトークン数を約半分に削減し、車載ハードウェアでの高速推論を実現しました。

ロボティクス分野では、Isaac Sim 6.0とIsaac Labにエージェント対応スキルを統合し、シーン作成からシミュレーション実行、データ取得まで自動化しました。注目すべきは研究論文GraspGen-Xです。20億回のシミュレーション把持データで訓練された初の把持基盤モデルで、未知のグリッパーと未知の物体に対してゼロショットで把持姿勢を生成できます。ロボット開発者がグリッパーごとに訓練し直す必要がなくなるのでしょうか。

ビジョンAIでは、Metropolisスキルが合成異常データの生成や疑似ラベリングを自動化し、外観検査モデルの精度向上を支援します。また、ゲーム環境で訓練した汎用エージェント基盤モデルNitroGenは1,000以上のゲームと4万時間の操作データから学習し、少数データ環境で従来手法比52%の性能向上を達成しました。NVIDIAの物理AIデータセットはHugging Faceで累計1,500万ダウンロードを超え、研究インフラとしての存在感を強めています。

Microsoftは2026年6月2日、AIエージェントの行動を自然言語でテストできるオープンソースフレームワーク「ASSERT（Adaptive Spec-driven Scoring for Evaluation and Regression Testing）」を公開しました。開発者が期待する振る舞いやポリシーを平易な文章で記述するだけで、テストケースの生成からスコアリングまでを自動化します。

ASSERTは、まず自然言語の記述を許容される行動と許容されない行動の構造化セットに変換します。次に問題シナリオとテストケースを生成し、対象システムに実行して結果をスコアリングします。AIシステムが辿った中間ステップやツール呼び出しの経路も記録されるため、どこで失敗が起きたかを開発者が特定できます。

Microsoft Responsible AIの最高プロダクト責任者Sarah Bird氏は、汎用的なモデル評価だけでは不十分であり、アプリケーション固有の多面的な評価が信頼性の鍵だと説明しました。ASSERTは開発時だけでなく、デプロイ後や継続的な監視にも活用できるとしています。

この発表は、AI業界全体で再現可能なテストと回帰チェックへの関心が高まるなかで行われました。StanfordのHELMやMLCommonsのAILuminate、評価団体METRなど、モデルの行動を多角的に測定するベンチマークの整備が進んでおり、エージェント型AIの普及とともに行動テスト基盤の重要性が増しています。

Microsoftは2026年6月2日、年次開発者会議Build 2026で、常時稼働型のAIパーソナルアシスタント「Scout」を発表しました。ScoutはオープンソースのOpenClawフレームワーク上に構築されており、Microsoft 365のTeams・Outlook・OneDriveなどと統合して、予定表管理・メール下書き・会議調整・経費処理などを自律的に実行します。Scout担当コーポレートバイスプレジデントのOmar Shahine氏は「これは我々が顧客に提供する初の本格的パーソナルアシスタントだ」と述べています。

Scoutの最大の特徴は、ユーザーごとにカスタマイズされる点です。利用者は自分のScoutに名前を付け、業務上の好みや優先事項をフィードバックとして与えます。するとScoutはそのパターンを学習し、たとえば「夕食の時間帯は会議を入れない」といったルールを自動適用するようになります。Teamsのスレッドやメールを常時監視し、約束事項のリスト作成やリマインダー送信なども行います。

セキュリティ面では、MicrosoftはOpenClawを「信頼されていないコード」として扱い、クラウド上のサンドボックス環境で隔離して運用します。Agent 365・Microsoft Purview・Defenderといった既存のエンタープライズセキュリティ基盤と連携し、ポリシー準拠システムが監査証跡を継続的に生成します。以前Nadella CEOがOpenClawを「ウイルス」に例えていたことを踏まえると、Microsoftのセキュリティへの慎重な姿勢がうかがえます。

現時点ではMicrosoftのFrontierプログラム加入者かつGitHub Copilotサブスクリプション保有者が対象で、米国のデスクトップ版プレビューから提供が始まります。社内ではすでに3,000人以上の従業員が利用しており、営業部門での採用が特に進んでいます。GoogleのGemini Sparkとの競争が激化する中、エンタープライズ向けAIアシスタント市場の主導権争いが本格化しています。

Microsoftは2026年6月2日のBuild 2026で、AIエージェントをOS階層から制御する2つの基盤技術を発表しました。1つ目はWindows OSカーネルに組み込まれた実行コンテナ「MXC（Microsoft Execution Containers）」、2つ目はエージェントの行動ポリシーを標準化するオープンソース仕様「ACS（Agent Control Specification）」です。両技術は、自律性が高まるAIエージェントの安全な企業導入という業界共通課題に対し、プラットフォーム側から包括的な回答を示すものです。

MXCはポリシー駆動型のサンドボックスで、開発者やIT管理者がエージェントのファイル・ネットワーク・画面アクセス権限を事前に宣言し、OSが実行時に強制します。軽量なプロセス分離から完全なmicroVMまで「composable sandbox spectrum」を提供し、リスクに応じた動的な分離レベルの切り替えが可能です。すべてのエージェント操作はEntra IDと紐付けられ、人間の操作とエージェントの操作を監査証跡で区別できます。

ACSはエージェントの行動規範をポリシーファイルとして記述する仕様です。入力受信前・ツール呼び出し前後・最終応答前など複数のインターセプトポイントで準拠チェックを実行し、違反時には操作のブロックや機密情報の秘匿、人間への承認要求を自動で行います。SDKとして提供され、LangChain、OpenAI Agents SDK、Anthropic Agents SDK、AutoGen、CrewAI、Semantic Kernelなどの主要フレームワークにプラグインで対応します。

エコシステム面ではOpenAIがCodexの実行環境としてMXCの統合を進め、NvidiaはOpenShellフレームワークをWindows上のMXC基盤で展開します。中国発のエージェント企業ManusやNous Researchも早期パートナーに名を連ねています。企業向けには7月に「Agent 365」のプレビューが開始され、Microsoft Defender・Entra・Intune・Purviewと統合した一元的なエージェント管理基盤となります。

今回の発表は、AIエージェントのセキュリティをアプリケーション層ではなくOS層に位置づけるという戦略的判断を示しています。Appleのウォールドガーデン型やGoogleのクラウド集中型とは異なり、どのエージェントでも受け入れつつOSポリシーで制御するというアプローチは、多様なAIプロバイダーを併用する企業環境に適合する可能性があります。既存のIntuneで管理される数億台のWindowsデバイスがソフトウェア更新でエージェント対応できる点も、大きな競争優位となります。

Googleが提供を開始した常時稼働型AIエージェントGemini Sparkが、個人データの深い活用により従来のAIツールを大きく超えるパーソナライズ体験を実現していることが、The Vergeの詳細なレビューで明らかになりました。Sparkは月額99ドルのAI Ultraプランで提供され、外部アプリとの連携やPC操作まで視野に入れた野心的な製品です。

レビュアーのDavid Pierce氏がペンシルベニア州ハーシーへの家族旅行の計画を依頼したところ、Sparkは数分で数千語に及ぶ詳細な旅程を作成しました。自宅からの運転ルート、ペット同伴可能なホテルの料金、子供の年齢に応じた入場料の案内に加え、妻の食べ物の好みやメールから取得したコンサートチケットの駐車場情報まで盛り込まれていました。

この精度を支えているのが、GoogleのPersonal Intelligence機能です。Gmail、カレンダー、写真、検索履歴など、Googleが保有する膨大な個人データをAIが統合的に分析することで、人間のアシスタントのような対応を可能にしています。一方で、Airbnbの予約はセキュリティポリシーによりブロックされ、外部サービスとの連携には課題が残りました。

Pierce氏は技術的な成果を高く評価しつつも、「自分の子供の名前や住所を当然のように扱うAIに不気味さを感じる」と率直に述べています。AIの有用性と個人情報提供の間にある直接的なトレードオフを指摘し、OpenAIやAnthropicなど競合各社も同様のデータ蓄積を急いでいる現状に警鐘を鳴らしました。

有料サービスでありながらユーザー自身のデータが原材料かつ最終製品になるという構造は、AI時代のプライバシーの在り方に根本的な問いを投げかけています。便利さの追求がどこまで個人の開示を求めるのか、企業と利用者の双方が向き合うべき課題が浮き彫りになりました。

フィットネス追跡大手のStravaは6月1日、AIによるスクレイピング対策としてAPIアクセスを制限すると発表しました。同社のデータを使うアプリを開発する事業者は、今後月額11.99ドルの定額課金が必要になります。新規株式公開（IPO）を控えた防衛策で、プラットフォームの性能維持を狙います。

Stravaは今回の変更について、APIを酷使する「ゼロコードAIツール」が原因だと説明しています。同社は「開発者向けプログラムへの申請が年初来で448%増加し、API仲介業者がポリシー条項に違反し、スクレイピングの試みが全員にとってプラットフォーム性能を劣化させた」と述べました。変更前は開発者が無料で申請でき、利用者の増加に応じてアクセスを拡大できました。

今回はアクセス制限の第一歩ではありません。同社は2024年に第三者アプリが表示できるデータを制限し始め、長年の提携先であるGarminを特許侵害で提訴した後に訴えを取り下げています。Stravaは2月にIPOの草案登録書類を提出しており、一連の動きはこの上場準備と重なります。

一方で利用者向けには新たな利便性も追加しました。ペースや秒単位の心拍数、GPSデータなどのフィットネス情報をAnthropicのAI「Claude」に連携できるツールを提供します。同社は今回のAPI制限がウェアラブルや機器との連携、利用者によるデータ無料ダウンロードには影響しないと説明しています。

Redditが2023年に開発者へのAPI課金を始めたように、データを持つプラットフォームがAIによる無償利用を制限する動きが広がっています。自社データを収益源かつ競争優位の源泉と位置づける流れは、AI時代のデータ戦略を考えるうえで示唆に富むのではないでしょうか。

Snowflakeの最高セキュリティ責任者マヤンク・ウパディヤイ氏が2026年6月1日、企業セキュリティを破綻させるのはAIではなく複雑さだと論じる寄稿を公開しました。安全な経路が不便なほど人は回避策に走り、統制は形骸化すると指摘します。AIが攻撃面を広げる時代だからこそ、安全な道を最も簡単な道にすべきだという主張です。

象徴例が二要素認証の普及です。VPN起動やコード入力といった手間が普及の壁でしたが、決め手となったのはポリシーや研修ではなく、指紋や顔認証による簡便さでした。ブラウザが非HTTPSサイトを既定で警告するように、安全な経路が同時に分かりやすい経路となったことで防御は強固になったと述べます。

AIで複雑さが顕在化する典型がエージェントの権限です。従業員は異動後も整理されない権限を蓄積しますが、人間はどの権限が必要かを判断できます。一方エージェントは判断力を欠き、12のシステムにアクセスできれば課題に不要な10も探索し、結果として必要以上に攻撃面が拡大します。

対策として人を承認役に挟む手法は、文脈不足のまま技術的判断を求められた人がワークフロー維持のため安易に承認しがちで、監督の錯覚と摩擦を生むだけだと警告します。必要なのは意図に基づく権限設計で、課題専用の認証情報を与え完了時に失効させる仕組みです。OAuthなどの標準もエージェント向けに進化しつつあります。

実装はまず可視化から始めます。多くの組織は約8割を把握できても残り2割に真のリスクが潜み、AIはその隙を人より速く突きます。静的な鍵を配布する従来手法を避けワークロードIDへ移行し、複数接続の統治にはMCPゲートウェイの活用が有効だとします。

脅威の加速も背景にあります。CrowdStrikeの2026年版報告書は攻撃者の侵入後拡大時間が前年比65%短縮したと記録します。手作業の対応では追いつかず、結論は変わりません。摩擦を生むセキュリティはいずれ回避され、アーキテクチャに組み込まれ既定で機能する防御こそ持続すると締めくくります。

企業のAIエージェントが本番環境に移行するなか、信頼性の問題が深刻化しています。ワークフローオーケストレーション企業Temporalの上級副社長Preeti Somal氏は、ニューヨークで開催されたAI Impact Seriesで、多くの企業が第1世代のエージェントを再構築する「バージョン2.0」の段階に入っていると指摘しました。LLMの性能だけでは本番運用の成否は決まらず、クラッシュからの復旧、状態管理、コスト制御が不可欠だと述べています。

エージェントシステムは長時間にわたる多段階プロセスを伴い、複数のモデル・API・外部ツールにまたがって動作します。障害発生時にワークフロー全体を再実行すれば、推論コストが倍増し、遅延やユーザー体験の悪化を招きます。Somal氏はこの状況を、クラウド初期の「リフト&シフト」になぞらえ、基盤設計なき移行の危険性を警告しました。

Somal氏が提唱する「決定論的スパイン」は、確率的に振る舞うLLMの周囲に確実な実行基盤を置く設計思想です。モデル呼び出しが失敗すればリトライし、途中で障害が起きれば中断地点から再開します。これにより、医療や調達などミッションクリティカルな業務でも、サイレントな失敗を防ぐことができます。

コスト可視性も重要な論点です。オーケストレーション基盤を導入すれば、エージェントの各ステップでトークン消費量を一元的に把握でき、障害時にはゼロからの再実行を回避して復旧地点から処理を再開できます。Somal氏は「トークン税を払わなくて済む」とその経済的利点を強調しました。

企業は既製のエージェントプラットフォームをそのまま採用するのではなく、ガバナンス管理・モデル選定ポリシー・認証基盤・コスト管理を組み込んだ社内標準フレームワークの構築に動いています。Temporalのように、AI以前から企業の基盤として存在していたオーケストレーション技術が、エージェント時代のインフラとして再評価されています。