Flow（プロダクト）に関するニュース一覧

アマゾン ウェブ サービス（AWS）は2025年9月25日、生成AI開発基盤「Amazon Bedrock」のワークフロー構築機能「Flows」に、反復処理を可能にする「DoWhileループ」を追加したと発表しました。これにより、AIモデルの呼び出しやカスタムコード実行などを組み合わせ、特定の条件を満たすまで処理を繰り返すワークフローをBedrock内で直接構築できます。複雑な反復処理の開発を簡素化し、企業による高度なAIソリューション導入を加速させます。 新機能のDoWhileループは、特定の条件が満たされるまで一連の処理を繰り返すためのものです。プロンプト、AWS Lambda関数、Knowledge Basesといった多様な機能をループ内で組み合わせられます。これにより、外部サービスを使わずに複雑なワークフローを構築でき、開発プロセスが大幅に簡素化されます。 具体的な活用例として、ブログ記事の自動生成が挙げられます。指定した品質基準を満たすまで記事を繰り返し修正する、といったワークフローを構築できます。AIが生成した初稿を別のAIが評価し、評点が低い場合は改善指示を出して再生成させる、といった自律的なコンテンツ改善サイクルを実現可能です。 この機能はAWS Management ConsoleとAPIの両方から利用でき、ループの各反復はトレース機能で詳細に追跡できます。ただし、ループ内に別のループを配置する「ネスト」はサポートされていません。また、無限ループを避けるため、最大反復回数の設定が必須となる点には注意が必要です。 DoWhileループ機能は、AWS GovCloud（US）リージョンを除く、Amazon Bedrock Flowsが利用可能な全てのAWSリージョンで提供が開始されました。この機能追加により、これまで専門的な知識が必要だった高度な反復処理を含むAIアプリケーションの開発が、より多くの開発者にとって身近なものとなるでしょう。

Googleは9月24日、月額約5ドルの安価なAIサブスクリプションプラン「AI Plus」を、インドネシアやメキシコなど40カ国以上で提供開始しました。標準プランが高価な新興国市場で有料ユーザーを獲得し、先行するOpenAIに対抗する狙いです。この動きは、世界のAIサービス市場の勢力図に影響を与える可能性があります。 このプランでは、最新AIモデル「Gemini 2.5 Pro」へのアクセスが可能です。加えて、画像生成ツール「Flow」や動画生成ツール「Veo 3 Fast」など、クリエイティブな作業を支援する機能も含まれます。GmailやDocsといったGoogleの各種アプリ内でもAI機能が使えるようになり、業務効率の向上が期待できます。 さらに、AIリサーチアシスタント「NotebookLM」の拡張機能や、200GBのクラウドストレージも提供されます。専門的な情報収集や資料作成、データ保管といったビジネスシーンでの実用性を高めており、コストパフォーマンスに優れたサービス内容となっています。 この動きの背景には、OpenAIとの激しい顧客獲得競争があります。OpenAIもインドネシアなどで月額5ドル未満の「ChatGPT Go」を展開済みです。月額20ドルの標準プランが浸透しにくい市場で、両社は低価格戦略を加速させ、次なる巨大市場の主導権を争っています。 月額料金は多くの国で約5ドルに設定されていますが、ネパールやメキシコなど一部地域では、最初の6ヶ月間は50%割引が適用されます。巨大IT企業による価格競争は、今後さらに多くの地域で高機能なAIツールの普及を後押しすることになるでしょう。

自然言語でアプリを開発する「Vibe Coding（感覚的AIコーディング）」の専用モバイルアプリが、市場獲得に苦戦しています。アプリ情報分析企業Appfiguresの調査によると、多くのアプリがダウンロード数も収益もほとんどない状況です。デスクトップではユニコーン企業が生まれる一方、モバイル市場は未成熟で、技術の完成度にも課題が残っています。 Appfiguresの分析は市場の厳しい現実を示します。この分野で最大手のアプリ「Instance」でさえ、ダウンロード数は1万6000件、収益はわずか1000ドルです。2番手の「Vibe Studio」は4000ダウンロードで収益はゼロ。ほとんどのアプリがユーザー獲得と収益化に苦しんでおり、市場の立ち上がりが遅れていることがうかがえます。 では、モバイルでの未来は暗いのでしょうか。市場はまだ若く、成長の可能性は残されています。今年、Reddit共同創業者が出資する「Vibecode」が940万ドルのシード資金を調達。iOS上でAIを使ってアプリを開発するサービスを開始しており、こうした新規参入が市場を活性化させるか注目されます。 専用アプリは不振ですが、技術は別の形でモバイルに浸透し始めています。例えば、アプリ収益化基盤の「RevenueCat」では、AIアシスタント経由での新規登録が急増しました。AIが開発者を支援し、アプリ内課金の設定などを自動化する裏方として、その存在感を増しているのです。 一方で、技術そのものには課題が残ります。多くの開発者は、AIが生成したコードの品質がまだ不十分だと指摘しています。ある調査では、約95%が「AI生成コードの修正に余分な時間を費やしている」と回答。現状では、人間の開発者がAIを補助的に使う「AIベビーシッター」のような役割が実態に近いようです。 しかし、開発者の関心は非常に高いです。Stack Overflowの調査では、84%がAIツールを「利用中」または「利用予定」と回答し、昨年から増加しています。技術的な課題はありつつも、開発現場でのAI活用への需要は確実に高まっていると言えるでしょう。

マイクロソフトは2025年9月18日、コラボレーションツール「Microsoft Teams」に、会議やチャネル、コミュニティごとに特化したCopilot AIエージェントを多数追加すると発表しました。これらのエージェントは、Microsoft 365 Copilotユーザーを対象に展開され、業務の自動化と生産性向上を支援します。チームの働き方はどのように変わるのでしょうか。 最も注目されるのは、会議の生産性を向上させる「ファシリテーターエージェント」です。このAIは会議に参加し、議題の作成、議事録の記録、参加者からの質問への回答を自動で行います。各議題の時間配分を管理し、議論が長引いている場合は知らせることで、会議の円滑な進行をサポートします。 このエージェントはモバイルにも対応します。廊下での立ち話や突発的な対面での打ち合わせなど、これまで記録が難しかった非公式な会話も、スマートフォンからワンタップで起動し、内容を記録・要約させることが可能です。これにより、重要なアイデアや決定事項の取りこぼしを防ぎます。 チャネルや社内SNSにも専用エージェントが配置されます。チャネルエージェントは、過去の投稿や会議内容を基に質問に答えたり、プロジェクトの進捗報告書を自動生成したりします。社内SNS「Viva Engage」では、コミュニティ管理者を支援し、メンバーからの質問に自動で回答します。 さらに、ユーザーが意識しない裏側では「ナレッジエージェント」が活躍します。このAIはSharePoint上で動作し、ファイルの整理、タグ付け、要約を自動で実行します。これにより、組織内に散在する情報が整理され、必要な情報へのアクセスが容易になり、ナレッジマネジメントが強化されます。 ファシリテーターエージェントは既に利用可能ですが、ドキュメントやタスクの作成機能はパブリックプレビュー段階です。その他の新エージェントや、AIによるタスク自動化ツール「Workflows」の刷新版などもプレビューとして提供が始まっており、今後さらに多くの機能が追加される見込みです。

Amazon Web Services（AWS）は、企業がカスタム構築した機械学習（ML）環境の柔軟性を維持しつつ、MLライフサイクル全体のガバナンスを強化する新手法を発表しました。多くの企業はコンプライアンスや独自アルゴリズムの最適化といった特殊な要件から、標準プラットフォームではなく独自の開発環境を構築します。しかし、こうした環境はMLライフサイクル管理の複雑化という課題を抱えていました。 この課題を解決するのが、AWS Deep Learning Containers (DLCs) とAmazon SageMakerのマネージドMLflowの統合です。DLCsはTensorFlowやPyTorchなどのフレームワークが最適化されたDockerコンテナを提供し、特定の要件に合わせた開発環境の構築を容易にします。これにより、開発者はインフラ構築の手間を省き、モデル開発に集中できます。 一方、SageMakerのマネージドMLflowは、実験のパラメータ、メトリクス、生成物を自動で記録し、モデルの系統を完全に追跡します。これにより、インフラ維持の運用負荷を軽減しつつ、包括的なライフサイクル管理を実現します。誰が、いつ、どのような実験を行ったかを一元的に可視化・比較することが可能になるのです。 具体的な利用例として、Amazon EC2インスタンス上でDLCを実行し、モデルのトレーニングを行います。その過程で生成される全てのデータはマネージドMLflowに記録され、モデル成果物はAmazon S3に保存されます。開発者はMLflowのUIから、各実験の結果を直感的に比較・分析できます。 この統合の最大の利点は、モデルがどの実験から生まれたのかという来歴が明確になり、監査証跡が確立される点です。企業は、柔軟なカスタム環境でイノベーションを加速させながら、MLライフサイクル全体で高いガバナンスとコンプライアンスを維持できるようになります。本手法の詳細な実装手順やコードサンプルは、AWSが公開するGitHubリポジトリで確認できます。