ワークフロー（ユースケース）に関するニュース一覧

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。

AI観測・評価プラットフォームを提供するBraintrustは、OpenAIのCodex（GPT-5.5搭載）を導入し、顧客からの機能要望を数分でプレビューブランチに変換するワークフローを実現しました。創業者兼CEOのAnkur Goyal氏は、導入からわずか1カ月でチームの半数がCodexに移行したと述べています。

従来、顧客からの機能要望はバックログに入り、優先順位付けを経て開発に回されていました。Codexの導入後は、要望をそのままCodexに入力し、プレビューブランチを作成して顧客に即座に提示できるようになりました。Goyal氏はこれを「顧客とリアルタイムでイテレーションし、アイデアを練ることができる」と評価しています。

Goyal氏が最大の変化として挙げるのは速度です。他のモデルではターミナルで大量のテキストを出力すると遅延が発生するが、Codexではそれがないと指摘します。この速度差が、ツールとの関わり方そのものを変えたと述べています。

実験の手法も変わりました。従来は特定の問題を解くためにモデルへの段階的なプロンプト設計が必要でしたが、Codexでは問題を示すテストを記述しサンドボックス環境を用意するだけで、あとはCodexが自律的に動作します。手動のガイダンスが減ったことで実験のハードルが下がり、アイデアから動作する解決策までの到達が加速しています。

クラウドデザインツール大手のFigmaは2026年5月28日、AI設計アシスタント「Figma Make」にGitHubとの双方向連携機能を追加したと発表しました。プロダクトマネージャーやデザイナーが既存のGitリポジトリをFigmaデスクトップアプリに直接インポートし、キャンバス上でアプリケーションのコードを視覚的に編集した上で、標準的なGitHub Pull Requestとしてエンジニアリングチームに変更を提出できるようになります。

この連携の特徴は、既存のエンジニアリングガバナンスを迂回しない点です。Figma Makeはローカル開発環境として機能し、デザイン変更はローカルコミットとして蓄積されます。出荷準備が整ったら、ブランチを作成しPRを開くという標準的なワークフローを経るため、CIパイプライン・セキュリティチェック・コードレビューがすべて従来通り適用されます。AIモデルにはAnthropicのClaude 3.7 SonnetやClaude Opus、GoogleのGeminiを動的に切り替えて使用します。

2025年5月に初公開された当初のFigma Makeは、AIで生成したプロジェクトを新規GitHubリポジトリにエクスポートする一方向の仕組みでした。今回のアップデートで既存コードベースとの同期が可能になり、デザイナーとエンジニアが並行環境を維持する必要がなくなります。デザイナーの45%、プロダクトマネージャーの59%が日常的にコードに関与しているとされ、こうした非エンジニア層が視覚的にフロントエンド実装を進められる点が訴求力となっています。

競合環境も注目に値します。フルスタックアプリビルダーのLovable（月額25〜50ドル）はゼロからのSaaS構築に強く、AnthropicのClaude Design（月額20〜200ドル）は高速プロトタイピングに適しています。一方Figma Make（月額16〜90ドル）は、既存のデザインシステムとの忠実な連携を強みとし、成熟した組織のフロントエンド最適化ツールとして差別化を図っています。

Figmaにとってこの機能強化は経営上の急務でもあります。2025年7月のIPOでは初日に株価が250%急騰しましたが、その後81%下落し、時価総額は約113億ドルまで縮小しました。従来型SaaSからAIネイティブツールへの資金シフトが進む中、Figma Makeの進化は同社がAI時代のソフトウェア開発で不可欠な存在であることを証明するための戦略的な一手です。

Databricksの共同創業者でフィールドエンジニアリング担当SVPのArsalan Tavakoli-Shiraji氏が、2026年10月にサンフランシスコで開催されるTechCrunch Disrupt 2026に登壇します。セッション「The Enterprise Isn't Broken. Your Assumptions About It Are.」で、企業向けAI案件が頓挫する本当の理由を解説する予定です。同氏はMcKinsey出身でカリフォルニア大学バークレー校のコンピュータサイエンス博士号を持ち、企業戦略と技術の両面に精通しています。

同氏の主張の核心は、企業がAIを拒否しているのではなく、運用上の不安定さを拒否しているという点です。多くのAIスタートアップがパイロットまでは成功するものの、本格展開に至らないケースが後を絶ちません。その原因はモデルの性能不足ではなく、導入に伴うガバナンスの複雑さ、ワークフローの混乱、インフラへの負荷、コンプライアンスリスクなど、組織運営上の課題にあるといいます。

企業のAI購買担当者が問うのは「導入後に何が起きるか」「運用にどれだけの変更が必要か」「モデルが失敗したときどうなるか」といった実務的な問いです。これらはもはや副次的な懸念ではなく、購買判断の中核になっています。派手なデモやベンチマークの数字よりも、既存システムへの統合のしやすさ、ガバナンスの容易さ、組織内での説明のしやすさが重視される時代に入りました。

この変化はAIスタートアップの戦略に大きな示唆を与えます。今後数年で企業向けAIで成功するのは、最も高度なモデルを持つ企業ではなく、企業が変化を吸収する仕組みを最も深く理解した企業かもしれません。技術の卓越性だけでなく、組織行動やインフラの現実、調達プロセス、ガバナンスへの理解が求められています。

プロジェクト管理ツール大手のAsanaは2026年5月28日、ノーコードでAIエージェントを構築できるスタートアップStackAIを7500万ドル（約75億円）で買収したと発表しました。StackAIの共同創業者であるTony Rosinol氏とBernard Aceituno氏はAsanaに合流します。Asanaは本買収を「人間とエージェントが協働するチームのOS」を目指すAI戦略の一環と位置づけています。

StackAIは、Salesforce、Slack、Google Workspaceなど既存の業務システムからデータを取り込み、AIエージェントを設計・運用できるワークフロー自動化プラットフォームです。Y Combinatorの2023年冬バッチ出身で、直近のシリーズAラウンドでは1600万ドルを調達。GradientやVercel CEOのGuillermo Rauch氏らが出資していました。一方で、ZapierやOpenAI、Anthropicといった競合との厳しい戦いに直面していました。

Asanaは近年、エージェントビルダー「AI Studio」やプリセット型自動化ツール「AI Teammates」など、AI関連プロダクトを相次いで投入してきました。同社は企業ワークフローへの深い統合を強みとし、他社のAIツールでは得られない業務コンテキストやトレーニングデータを活用できる点を差別化要素としています。

ただし、Asanaの株式市場での評価は厳しい状況が続いています。ChatGPTの登場以降、時価総額は半分以下に下落。2025年3月には共同創業者のDustin Moskovitz氏がCEOを退任し、株価の低迷に拍車がかかりました。それでも売上は着実に成長しており、Dan Rogers新CEOは「この買収でロードマップが加速する。最も複雑な業務プロセスをエンドツーエンドでエージェント化できるようになる」と述べています。

ターミナルアプリを開発するWarpは、自社のオープンソース開発にGPT-5.5を活用した「Open Agentic Development」モデルを発表しました。人間が目的を定義し成果を監督する一方、AIエージェントが計画・コーディング・テスト・プルリクエストの作成までを担います。OpenAIが同OSS リポジトリの創設スポンサーとなっています。

社内の実績では、エージェントがプルリクエストの約90%を共同作成しています。GPT-5.5は従来のGPT-5.4と比べてエージェントコーディングタスクあたりのトークン消費を30%削減し、長時間稼働するワークフローの効率化に貢献しています。Warpはこの効率性が大規模なエージェント運用を持続可能にすると説明しています。

エージェントの管理基盤として、Warpはクラウドオーケストレーションプラットフォーム「Oz」を構築しました。Ozはローカルとクラウド両環境でエージェントを展開・調整する制御プレーンとして機能します。コンテキスト圧縮、永続メモリ、専用サブエージェントなどの仕組みにより、長時間ワークフローでもエージェントの精度を維持します。

事業面では、WarpのARRは前年比35倍に成長し、エンタープライズ収益は2025年第4四半期から500%以上増加しました。開発者数は約100万人に達し、Fortune 500企業の56%超が利用しています。エージェントワークフローの柔軟な拡張を求める企業需要が成長を牽引しています。

Warpはこのモデルを「ソフトウェア開発の未来」と位置づけています。個人がコーディングアシスタントを使う段階から、多数の永続エージェントを長期的に協調させるシステムへの進化を見据えています。ターミナルクライアントのオープンソース化により、オーケストレーションや検証の仕組みをコミュニティと共に形成していく方針です。

Gartnerは2026年版「エンタープライズAIコーディングエージェント」マジック・クアドラントを発表し、GitHubとOpenAIの両社をリーダーに選出しました。12社のベンダーが実行力とビジョンの完全性で評価され、GitHubは実行力で最高位を獲得しています。

GitHubのCopilotは現在14万の組織で利用され、1年前の約3倍に急増しました。前年比100%超の成長を記録し、CLI版の利用も月次でほぼ倍増しています。Gartnerは、GitHubのネイティブ統合、セキュリティ制御、エージェント型ワークフローがエンタープライズ規模のAI開発統治で他に類を見ないと評価しました。

一方、OpenAIのCodexは週400万人以上が利用し、Cisco、Datadog、Dell、NVIDIAなどの大手企業が導入しています。Ciscoは自社のAI Defenseセキュリティプラットフォームの大部分をCodexで開発し、従来数四半期かかる開発を数週間に短縮しました。

Gartnerは両社に共通する強みとして、コード生成にとどまらずレビュー・テスト・セキュリティ・ガバナンスまでカバーするエージェント型ワークフローを挙げています。Gartnerの予測では、2028年までに非同期AIコーディングエージェントがソフトウェア開発チームの生産性を30〜50%向上させるとしています。

市場の競争軸は「コードを書く速さ」から「ソフトウェアを安全に出荷する速さ」へ移行しつつあります。GitHubはマルチモデル対応やモバイルからのリモート操作機能を、OpenAIはHIPAA準拠やAmazon Bedrock上の展開といったエンタープライズ向け機能を強化しており、両社ともSDLC全体をカバーするプラットフォーム戦略で差別化を図っています。

Dun & Bradstreet（D&B;）は、180年以上かけて構築した6億4200万社を網羅する商用データベース「Commercial Graph」を、AIエージェント向けに全面的に再構築しました。従来のシステムは信用アナリストや営業担当者など人間の利用を前提に設計されており、顧客がAIエージェントを与信・調達・サプライチェーン業務に投入し始めた段階で、サブ秒レベルの応答速度や動的な企業関係の追跡といった要件に対応できないことが判明しました。

再構築では、分散していた複数のデータベースをクラウドに統合し、データファブリック層で各市場のレコードを標準化しました。その上にMCP（Model Context Protocol）を通じた構造化アクセス層を構築し、エージェントが生のSQLではなくコンテキスト付きのツールとスキルを通じてデータにアクセスできるようにしています。すべてのクエリの背後にはエンティティ解決エンジンが動作し、企業名の曖昧な一致ではなく、検証済みの特定エンティティへの解決を保証します。

認証面では「Know Your Agent」という新概念を導入しました。エージェントはIPアドレスと個別アクセスキーの登録が必要で、人間ユーザーと同じパイプラインで認証されます。さらに、マルチエージェントワークフローで複数のエージェントが同一エンティティを参照し続けることを保証する検証エージェントも構築し、GoogleのA2Aプロトコル上で提供しています。

D&B;のGary Kotovets最高データ・アナリティクス責任者は、過去6カ月間に数百人のCDO・CIOと対話した結果、データ基盤の標準化・正規化がAIエージェント展開の最大の障壁であることが共通の課題だと述べています。同氏は企業がエージェント導入前に取り組むべき4要件として、データ基盤の整備、動的関係の設計、マルチエージェント間のエンティティ一貫性チェック、そしてデータリネージュの初期組込みを挙げました。

AI動画企業が「短いクリップ生成」から「制作全工程の支援」へと戦略を大きく転換しています。Luma AIのAmit Jain CEOは、従来のAI動画の売り込みが「カメラをビデオモデルに置き換える」だけだったと振り返り、10〜16秒のクリップ生成では映像制作の現場には不十分だったと認めました。現在は制作プロセス全体を担うAIエージェントの開発に注力しています。

Googleも同様の方向に動いており、メディア制作プラットフォームFlowの新版でエージェント型のワークフローを導入しました。新版Flowではコンセプト策定からプロット構成、キャラクター開発、ルック設定までをAIエージェントが段階的にガイドし、最終的な動画生成に文脈を反映させます。キャラクターのタグ付け機能により、一貫した外見の維持も容易になりました。

技術面では、物理法則や時代考証、映画的な表現を理解する新世代モデルが登場しています。GoogleのGemini Omniワールドモデルや、LumaのUni-1統合モデルは、複雑なプロンプトなしに映像世界を構築できるようになりました。Lumaは実際にAmazonと組み、MGMのドラマ関連特番「The Old Stories: Moses」を制作しています。

Moses撮影ではLEDウォールにAI生成背景を映し、衣装もAIで描画する手法を採用しました。従来1時間番組あたり6〜8週間かかった制作が約1週間に短縮されたとJain氏は説明します。NetflixもBen Affleck氏のAI企業InterPositiveを3月に買収し、AI専門アニメスタジオを設立するなど、大手の動きが加速しています。

こうした効率化は雇用への影響が避けられないものの、制作本数の増加によりロサンゼルスの撮影日数減少に歯止めがかかる可能性も指摘されています。AI動画技術が「人々が実際に見たいもの」の制作に使われるかが今後の焦点です。

米大手医療システムAdventHealthは、OpenAIの医療向けChatGPTを全社導入し、事務作業に費やす時間を80%削減したと発表しました。同社は9州で数百万人の患者を診療しており、医師や事務スタッフの業務負担増大が長年の課題でした。最高AI責任者のRob Purinton氏は「AIの最大の難題は、人間に安全かつ一貫して大規模に使わせること」と述べ、導入そのものを成果指標として位置づける方針を採りました。

最初に効果が現れたのは利用管理（ユーティリゼーション・マネジメント）業務です。従来1件あたり約10分かかっていた症例レビューで、ChatGPTがカルテの構造化要約や根拠案の作成を担い、医師は最終判断に集中できるようになりました。効果測定には自己申告ではなく、電子カルテのタイムスタンプを用いた客観的データを採用しています。

臨床部門以外でも財務・人事・ITなど全部門に同様の効率化が波及しました。文書の初稿作成、ポリシーの構造化変換、会議メモの要約といった定型業務で手戻りが減り、サイクルタイムが短縮されています。導入推進には大規模な集合研修ではなく、部門ごとのピアグループ方式を採用し、各現場に適したプロンプトやワークフローを共有しました。

Purinton氏は「10分の作業を2分にし、それが週1000回あれば本物の余力になる」と語り、削減した時間を患者ケアや高付加価値業務に再投資する方針を示しました。ある医師は夜間の持ち帰り文書作成から解放され、定時に帰宅できるようになったと報告されています。同社は今後、患者アクセス改善や臨床意思決定支援など新領域への展開を進める計画です。

GitHub Blogは2026年5月21日、ゲームエンジンの外側で開発パイプラインを支えるオープンソースプロジェクト10選を紹介しました。ゲーム制作にはエンジン以外にも、アセット制作・レベル設計・音声編集・対話システム・デバッグUIなど多岐にわたるツールが必要であり、これらをOSSが担っている現状を解説しています。

3Dモデリング分野ではローポリ特化のBlockbenchが紹介されました。Minecraft向けエディタから汎用ツールに進化し、テクスチャペイントやアニメーション機能を備えています。2Dアニメーションでは手描きフレーム単位で作業できるPencil2D、ピクセルアートではPixeloramaがスプライトやタイルセットの制作に特化したワークフローを提供しています。

レベルデザイン領域では、エンティティ駆動型のLDtkとタイルマップ編集で15年以上の実績を持つTiledの2つが取り上げられました。音声編集ではAudacityがバージョン4への刷新を進めており、スペクトル編集やバッチ処理で効率的なアセット準備を可能にしています。

分岐対話システムのYarn Spinnerは、脚本家とプログラマの作業領域を明確に分離する設計思想が特徴です。Night in the WoodsやBAFTA受賞作DREDGEなどの商用タイトルで実績があります。UI分野ではゲーム内メニュー用のGumと、デバッグオーバーレイで業界標準となったDear ImGuiが紹介されています。

記事はOSSコミュニティへの貢献方法も提示しています。リポジトリへのスター付与、再現手順付きバグ報告、Good First Issueへの取り組み、GitHub Sponsorsを通じた資金支援など、開発者が参加しやすい方法を具体的に示しました。ゲームエンジンだけでは解決できない制作課題に対し、OSSエコシステムが不可欠な存在であることを強調しています。

Google I/O 2026で、Googleは広告クリエイティブ制作ツール「Asset Studio」の大幅アップデートを発表しました。新たにマルチモーダルモデル「Gemini Omni」を統合し、テキストや画像だけでなく動画アセットもワンストップで制作できるようになります。広告主のマーケティングブリーフ、ブランドガイドライン、ウェブサイト、目標を自動的に理解し、高品質なクリエイティブを即座に生成します。

従来のAsset Studioは静止画やテキスト中心のアセット生成が主でしたが、Gemini Omniの統合により動画クリエイティブの制作が同一プラットフォーム内で完結します。自然言語での指示によるクリエイティブの調整にも対応しており、専門的な編集スキルがなくても広告素材を制作できます。

パフォーマンス最適化の面では、1クリックA/Bテスト機能が追加されました。広告主が設定した目標に基づき、複数のクリエイティブバリエーションの中から最も効果の高いアセットを自動的に特定します。制作から検証までのワークフローが一つのツールに集約されます。

これらの新機能は2026年夏から英語対応でグローバル展開される予定です。GoogleはAsset Studioを「アイデアから広告までを一箇所で完結させるツール」と位置付けており、広告制作の効率化と品質向上の両立を目指しています。

企業向けAIエージェントがパイロット段階から先に進めない根本原因として、「意思決定文脈」の欠如が指摘されています。Neo4jエコシステムのスタートアップRippletideは、この課題を解決する意思決定文脈グラフというフレームワークを開発しました。共同創業者のYann Bilien氏が、その設計思想と技術的アプローチをVentureBeatに語りました。

現在主流のRAGアーキテクチャは、意味的に関連する文書の検索には優れていますが、取得した情報が当該意思決定に適用可能かどうかまでは判断できません。Northwest AI ConsultingのWyatt Mayham氏は「検索と適用可能性の間にあるギャップが最大の課題」と指摘します。期限切れの価格例外や管轄限定の安全方針など、文脈を見落とすとエージェントは「自信を持って間違った行動を取る」結果になります。

意思決定文脈グラフは、適用可能性、時間認識型メモリ、決定経路の3原則で構築されます。すべてのルールや例外に有効期間が付与され、「当時何が正しかったか」と「今何が正しいか」を区別して推論できます。ニューロシンボリックAIがパターン認識と形式論理の符号化を担い、非構造データから自動的にオントロジーを生成します。

最大の特徴は非回帰性です。エージェントが新たな解決策を探索し、満足な結果が得られると、その行動シーケンスをグラフに凍結します。以降の探索はこの検証済みの基盤から始まるため、新しいスキルの習得が既存の正しい行動を上書きすることがありません。Bilien氏は「回帰し続ける限り完全な自己学習モデルは実現しない」と強調します。

銀行の大量トランザクション処理のように99.999%の信頼性が求められる領域で、このフレームワークは大きな可能性を持っています。ただしMayham氏は、自動オントロジー生成が企業の雑多な実データに耐えられるかが「常に難しい部分だ」と指摘しており、実運用での検証が今後の焦点となります。

IrisGoは、Andrew NgのAI Fundが主導した280万ドルのシードラウンドを完了したスタートアップです。同社はPCのデスクトップ上でユーザーの日常的なワークフローを学習し、人間の指示なしに自動化する「プロアクティブAI」コンパニオンを開発しています。共同創業者のJeffrey Lai氏は元Apple技術者で、中国語版Siriの開発に携わった経歴を持ちます。

IrisGoの基本的な仕組みは、操作を一度見せるだけでそのプロセスを記憶し、以降は自動で再現するというものです。デモではオンラインでのコーヒー注文手順を一度記録し、その後エージェントが自律的に同じ注文を完了する様子が披露されました。メール作成や請求書処理、レポート作成など、すぐに使えるスキルライブラリも内蔵されています。

プライバシー面では、多くのデータをオンデバイスで処理する設計を採用しています。クラウド処理はユーザーが明示的に許可した場合のみ実行され、エンドツーエンド暗号化が適用されます。ただし大規模なタスクについてはクラウドとのハイブリッド構成となっています。

事業拡大の面では、NvidiaやGoogleからも出資を受けており、著名な支援者との連携で信頼性を確保しています。最近macOSとWindows向けのベータ版をリリースしたほか、Acerと新デバイスへのプリインストール契約を締結しました。今後は他のデバイスメーカーとも同様の提携を目指す方針です。

世界4大会計事務所の一つであるKPMGは2026年5月19日、Anthropicとグローバル戦略提携を発表しました。138カ国・地域で監査・税務・法務・アドバイザリーを展開するKPMGの全社員27万6000人以上にAIアシスタント「Claude」へのアクセスを提供し、業務プラットフォーム「Digital Gateway」にもClaudeを組み込みます。

今回の提携の中核となるのが、KPMGの主要クライアント向けプラットフォームDigital GatewayへのClaude統合です。Microsoft Azure上に構築された同プラットフォームにClaude CoworkとManaged Agentsを組み込むことで、税制変更に対応するAIエージェントの構築が従来の数週間から数分に短縮されます。KPMGの税務部門トップであるRema Serafi氏は「まったく異なる働き方だ」と述べています。

AnthropicはKPMGをプライベートエクイティ（PE）分野の優先パートナーに指名しました。PE企業の投資先に対してClaudeやAIエージェントの導入を支援するもので、KPMGが開発した「KPMG Blaze」にはClaude Codeが組み込まれ、レガシーITシステムの刷新やAI対応製品の開発を加速します。

サイバーセキュリティ領域でも両社は協力し、Claudeを活用して重要システムの脆弱性を発見・修正する取り組みを進めます。KPMGのTrusted AIフレームワークに基づいて運用される点が特徴です。またテキサス大学オースティン校との共同研究では、AI導入の価値は技術だけでなく、人間がどのように判断しワークフローを設計するかに左右されることが示されています。

KPMGのBill Thomas会長兼CEOは「責任あるAIへの共通のコミットメント」を強調し、AnthropicのDaniela Amodei共同創業者兼社長は「正確性と信頼が不可欠な業界でのClaude全社導入」を評価しました。PwCに続く大手プロフェッショナルファームとの大型提携により、Anthropicのエンタープライズ戦略が一段と加速する形です。

Googleは2026年5月19日のGoogle I/O 2026で、AIアシスタントアプリGeminiの大幅アップデートを発表しました。目玉となる新機能「Daily Brief」は、ユーザーの受信トレイやカレンダー、重要タスクを自動で集約し、優先度順に整理して次のアクションまで提案する朝の情報整理機能です。米国のGoogle AI有料会員向けに即日提供が始まっています。

アプリのデザインも全面刷新されました。「Neural Expressive」と呼ばれる新デザイン言語を採用し、流動的なアニメーション、鮮やかな配色、新フォント、触覚フィードバックを導入しています。AIの回答は重要情報を冒頭に太字で表示し、スクロールに応じて画像やタイムラインが展開される構成に変わりました。

常時稼働型のAIエージェント「Gemini Spark」も発表されました。クラウドベースで動作するため、スマートフォンをロックしていてもバックグラウンドで作業を続行できます。カスタムワークフローの作成にも対応し、来週にはGoogle AI Ultra会員向けに提供予定です。

動画生成の分野では新モデル「Gemini Omni」が登場しました。テキスト・画像・音声を入力として高品質な動画を生成でき、Google FlowやYouTube Shortsとの連携が予定されています。月間9億人超のユーザーを擁するGeminiアプリをチャットボットから総合AIハブへ進化させ、ChatGPTやClaudeに対抗するGoogleの戦略が鮮明になっています。

Googleは2026年5月19日のGoogle I/O開発者会議で、最新AIモデルGemini 3.5 Flashを発表し即日提供を開始しました。同モデルはわずか4〜5カ月前にフラグシップとして位置づけられていたGemini 3.1 Proをほぼすべてのベンチマークで上回りながら、出力速度は競合フロンティアモデルの4倍となる毎秒約300トークンを達成しています。Google DeepMindのコライ・カブクチュオール最高技術責任者は「品質とレイテンシの驚異的な組み合わせ」と表現しました。

主要ベンチマークではTerminal-Bench 2.1で76.2%、GDPval-AAで1656 Elo、MCP Atlasで83.6%、CharXiv Reasoningで84.2%を記録しました。Artificial Analysisの知能・速度インデックスで「右上象限」に位置する唯一のモデルとなり、品質とコストのトレードオフを根本から覆す成果だとGoogleは主張しています。

企業向けのコストインパクトも大きく、サンダー・ピチャイCEOは1日1兆トークンを処理する大口顧客がワークロードの80%をFlashに移行すれば年間10億ドル以上を節減できると述べました。推論コストは競合の2分の1から3分の1の水準です。エージェント型ワークフローではトークン消費が急増するため、このコスト優位性は自律型AI導入の採算性を大きく改善します。

エージェント機能への最適化も際立っています。3.5 Flashは数時間にわたる自律セッションを実行でき、社内テストではエージェントがOSをゼロから構築することにも成功しました。同時発表されたAntigravity 2.0はスタンドアロンのデスクトップアプリとして提供され、複数エージェントの並列管理が可能です。ShopifyやMacquarie Bank、Salesforceなどのパートナー企業も既に業務への組み込みを進めています。

消費者向けには、月間アクティブユーザー9億人超のGeminiアプリと10億人超のAI Mode in Searchの標準モデルとなりました。新たに発表された24時間稼働パーソナルエージェント「Gemini Spark」もFlashで駆動し、Gmail・Docs・Sheetsなどと連携してバックグラウンドでタスクを処理します。Googleは2026年の設備投資を1800億〜1900億ドルと見込んでおり、自社開発TPU第8世代を含むインフラ増強でさらなるコスト削減を目指します。来月にはより高性能な3.5 Proの一般提供も予定されています。

Googleは2026年5月19日のGoogle I/Oで、AIデザインツールStitchの大幅アップデートを発表しました。新たに搭載されたStitch Agentにより、ユーザーはAIとリアルタイムで共同作業しながらデザインを進められるようになります。テキストプロンプトや音声入力、既存のコードベースやデザインファイルを起点に制作を開始できます。

最大の特徴は、AIの生成過程がキャンバス上にリアルタイムでストリーミング表示される点です。従来のように完成を待つ必要がなく、生成途中でもユーザーが方向性を修正できる「ステアリング」機能が加わりました。これにより、デザインの試行錯誤が大幅に効率化されます。

制作したデザインはGoogle AI Studioを通じて即座に共有リンクを生成できます。本格的な開発に移行する際は、Google Antigravityにエクスポートしてバックエンドロジックを組み込むことが可能です。また、Netlifyとの連携により、デザインをそのままWebサイトとして公開することもできます。

これらの新機能は本日よりグローバルで利用可能です。プロンプトベースのUIデザインからプロトタイプ、さらにはWeb公開までを一気通貫で行える点は、デザイナーやプロダクト開発チームのワークフローを根本的に変える可能性があります。

LangChainの監視・評価プラットフォームLangSmithが、新機能「LangSmith Engine」をパブリックベータとして公開しました。AIエージェントの本番環境で発生した障害を検出し、根本原因の診断からコード修正の起案、回帰テストの提案までを一連の自動パスで実行します。従来のエージェント開発サイクルでは、トレース確認で不良パターンを見落としたり、エラーの繰り返しを把握しきれない問題がありました。

LangSmith Engineは本番トレースを常時監視し、明示的エラー、オンライン評価の失敗、トレースの異常、ユーザーからの否定的フィードバックなど複数のシグナルを横断的に捕捉します。問題を検出するとライブコードベースを読み込み、原因箇所を特定してプルリクエストを作成します。さらに同種の障害を再発防止するためのカスタム評価器も提案し、人間が関与するのは最終承認のみです。

一方、Anthropic、OpenAI、Googleの大手3社はいずれも観測・評価機能を自社プラットフォームに統合する動きを加速させています。AnthropicのClaude Managed AgentsやOpenAIのFrontierがエージェントの構築から評価までを一気通貫で提供しており、LangSmith Engineにとっては競争環境が厳しさを増しています。

しかし実務の現場では、複数のモデルプロバイダーを併用する「マルチモデル」運用がすでに標準になっているとの指摘があります。あるファンドではClaudeとGPTを別々のワークフローで運用しており、各プロバイダーの観測ツールが分断されると統一的な監査証跡を作成できません。コンプライアンスやガバナンスの観点から、プロバイダー横断で機能する中立的な観測レイヤーの需要は根強いとされています。

LangSmith Engineが市場で存在感を示すには、短期的なデバッグ支援にとどまらず、モデル横断の品質・信頼性を担保する運用基盤としての地位を確立できるかが問われます。エージェントの本番運用が拡大する中、障害対応の自動化と中立的な第三者評価という二つの価値をどこまで訴求できるかが今後の焦点です。

GitHubは2026年5月18日、GitHub Copilotのセッションをリモートから操作できる「remote control」機能をgithub.comおよびGitHub Mobileで一般提供（GA）開始したと発表しました。VS CodeやCLIで開始したCopilotエージェントセッションを、外出先からスマートフォンで監視・操作できるようになります。

使い方はシンプルです。VS CodeまたはCLIでCopilotセッションを開始し、/remote onコマンドを実行するだけで、そのセッションがgithub.comとGitHub Mobileアプリに表示されます。リポジトリの有無を問わず、あらゆるディレクトリで利用可能です。

リモート制御中は、エージェントが調査中の計画、読み取り中のファイル、実行中のコマンドをリアルタイムで確認できます。さらに自然言語で追加指示を送り、作業方針の変更や範囲の拡大を指示することも可能です。権限リクエストの承認・拒否もモバイルから行えます。

対応環境はCLIとVS Codeに加え、JetBrains IDEにも拡大されました。これによりCLI・VS Code・Web・モバイルの4面で開発ワークフローを継続できます。プルリクエストの作成・レビュー・マージまでスマートフォン上で完結する運用が現実的になりました。

セッションのプライバシーも確保されています。リモート制御されたセッションは本人だけが閲覧でき、他のユーザーからはアクセスできません。GitHubはこの機能を「エンドツーエンドのエージェントプラットフォームへの一歩」と位置づけています。

2026年3月下旬から5月中旬の50日間に、OpenAI・Anthropic・Metaの3社に関わるサプライチェーンインシデントが4件連続で発生しました。いずれもAIモデル自体への攻撃ではなく、リリースパイプライン・依存関係・CI/CDランナー・パッケージングという、モデルのシステムカードやレッドチーム演習がカバーしない領域が突かれました。モデル安全性評価とリリース基盤の防御は別の専門領域であり、後者への投資が決定的に不足していることが浮き彫りになっています。

最大の衝撃は5月11日に発生したTanStackワーム「Mini Shai-Hulud」です。攻撃者はGitHub Actionsの設定不備とOIDCトークン抽出を連鎖させ、正規のSLSA Build Level 3署名付きで84の悪意あるnpmパッケージを6分で公開しました。暗号署名による信頼モデルが設計どおりに動作しながら、悪意あるアーティファクトを生成するという前例のない事態です。ワームはMistral AI・UiPathなど160以上のパッケージに拡散し、OpenAI社員の端末2台も侵害されました。

3月にはLiteLLMの汚染版がPyPIに40分間公開され、約4万7000回ダウンロードされました。これがAIデータ企業Mercorに波及し、Metaの訓練手法を含む4テラバイトが流出。Metaは提携を無期限凍結し、5日以内に集団訴訟が提起されました。また、Anthropicは.npmignoreの記載漏れにより、Claude Codeのソースマップ59.8MBをnpmに公開してしまい、エージェント制御ロジックやシステムプロンプトが閲覧可能な状態になりました。

VentureBeatは、AIベンダー審査に欠けている7つのリリース面カテゴリを整理したマトリクスを提示しています。具体的な対策として、CI/CDランナーの信頼境界の監査、フォークコードのベースリポジトリ実行遮断、署名をリポジトリ単位でなくブランチ・ワークフロー単位で固定すること、ビルド成果物の人的レビューゲート設置などが挙げられています。

セキュリティ責任者への提言は3点に集約されます。ベンダー審査書にリリースパイプラインのレッドチーム実施日と範囲を問う項目を追加すること、自社のCIパイプラインに対してTanStackワームの検出パターンを今週中に適用すること、そして取締役会に対し「暗号署名は出所を証明するが挙動は証明しない」という証明書の限界を説明し、行動分析との併用を求めることです。

OpenAIは、コーディングエージェント「Codex」のWindows版に向けて、独自のサンドボックス機構を設計・実装したことを発表しました。macOSのSeatbeltやLinuxのseccompのような既成のOS級サンドボックスがWindowsには存在せず、開発者の実作業環境で安全にエージェントを動かすという課題に正面から取り組んでいます。

設計チームはまずAppContainer、Windows Sandbox、整合性ラベル（MIC）の3手段を検討しましたが、いずれもCodexの要件を満たしませんでした。AppContainerは汎用的な開発ワークフローに対応できず、Windows Sandboxはユーザーの実環境を直接操作できないうえHome版では利用不可、MICはワークスペース全体の信頼レベルを下げてしまうリスクがありました。

最終的に採用されたのは、専用Windowsユーザー（CodexSandboxOffline/Online）と制限付きトークンを組み合わせたアーキテクチャです。合成SIDによる書き込みACLでファイルシステムの操作範囲を限定し、Windows Firewallのユーザー単位ルールでネットワークアクセスを遮断します。初期プロトタイプでは環境変数ベースのネット制限にとどまっていましたが、専用ユーザー導入によりOS レベルの強制力を獲得しました。

実装はcodex.exe（本体）、codex-windows-sandbox-setup.exe（管理者権限でのセットアップ）、codex-command-runner.exe（制限トークンでのコマンド実行）の3バイナリに分離されています。管理者権限が必要なのはセットアップ時のみで、通常のCodex利用は一般ユーザー権限で動作します。セキュリティと使い勝手の両立を目指した設計判断の積み重ねが、最終的なアーキテクチャを形作っています。

OpenAIのコーディングエージェントCodexは、開発者のローカルマシン上でコマンドを実行するため、安全なサンドボックス環境が不可欠です。macOSやLinuxにはSeatbeltやseccompといったOS標準の隔離機構がありますが、Windowsには同等の仕組みがなく、ユーザーは毎回コマンドを手動承認するか、制限なしのフルアクセスモードを使うかの二択を強いられていました。

開発チームはまずWindows標準のAppContainer、Windows Sandbox、整合性レベル制御（MIC）を検討しましたが、いずれもエージェント型ワークロードには不適合でした。AppContainerは事前に必要な権限を定義する必要があり、Git・Python・ビルドツールなど多様なプロセスを動的に起動するCodexの用途に合いません。Windows Sandboxは使い捨てVMであり、ユーザーの実際の開発環境に直接作用できないという根本的な問題がありました。

最初のプロトタイプでは、合成SIDと書き込み制限付きトークンを組み合わせ、管理者権限不要のサンドボックスを構築しました。ファイル書き込みはワークスペース内に限定できたものの、ネットワーク制御が環境変数ベースの「助言的」な制限にとどまり、悪意あるコードが直接ソケットを開けば容易に迂回できる弱点がありました。

最終的に採用された設計では、セットアップ時に管理者権限を要求する代わりに、CodexSandboxOffline・CodexSandboxOnlineという2つの専用Windowsユーザーを作成します。オフラインユーザーにはWindows Firewallで全送信トラフィックを遮断するルールを適用し、OS層で確実にネットワークアクセスを制御します。コマンド実行はcodex-command-runner.exeがサンドボックスユーザーとして起動し、制限付きトークンを生成してから子プロセスを立ち上げる2段階方式です。

最終アーキテクチャはcodex.exe、セットアップ用バイナリ、コマンドランナー、子プロセスの4層構成となりました。各層が独立した責務を持つことで、権限昇格の範囲を最小化しつつ、開発者が普段使うワークフローとの互換性を維持しています。単一のOS機能では実現できなかった「安全かつ実用的な自律コーディングエージェント」を、複数の仕組みの組み合わせで達成した事例です。

NVIDIAがAIエージェント基盤と強化学習インフラの両面で大型の取り組みを発表しました。Nous Research開発のエージェントフレームワーク「Hermes Agent」はGitHub星14万超・世界最多利用エージェントとなり、NVIDIAのRTX PCおよびDGX Sparkでの常時稼働に最適化されています。同時に、AlphaGo設計者David Silver氏が設立したIneffable Intelligenceとの強化学習基盤の共同開発も始動しました。

Hermes Agentの最大の特徴は自己改善能力です。複雑なタスクに直面するたびに学習内容をスキルとして保存し、継続的に性能を向上させます。サブエージェントを短命の独立ワーカーとして扱う設計により、300億パラメータ級のローカルモデルでも安定動作を実現しています。Nous Researchがスキルやツールを厳選・テストしているため、他のフレームワークにありがちなデバッグの手間が大幅に削減されています。

ハードウェア面では、Qwen 3.6 35Bモデルが約20GBのメモリで1200億パラメータモデルを上回る性能を発揮し、DGX Sparkの128GB統合メモリ・1ペタフロップスのAI性能と組み合わせることで、高度なエージェントワークフローを終日実行できます。LM StudioやOllamaとの統合もすぐに利用可能で、ローカルAIの導入障壁を下げています。

一方、Ineffable Intelligenceとの提携は強化学習の次世代インフラ構築を目指すものです。事前学習が固定データセットを処理するのに対し、強化学習はデータをリアルタイムに生成するため、インターコネクトやメモリ帯域に独自の負荷がかかります。NVIDIAのJensen Huang CEOは「超学習者 - 経験から継続的に学ぶシステム」のインフラを共同設計すると表明しました。

技術的にはGrace Blackwell上での開発を皮切りに、次世代プラットフォームVera Rubinへの展開も視野に入れています。Silver氏は「人間が既に知っていることを学ぶAIの問題は概ね解決された。次は自ら新しい知識を発見するシステムが必要だ」と述べており、シミュレーションと経験を通じた学習で科学的ブレークスルーを実現する構想です。NVIDIAはエッジからデータセンターまで、AI基盤の全領域で存在感を強めています。

Notionは5月13日、AIエージェント時代に対応する新たな開発者プラットフォームを発表しました。カスタムAIエージェントの機能拡張、外部エージェントとの接続、複数ステップのワークフロー自動化を可能にするもので、同社をノートアプリからエージェント協業の中核基盤へと転換させる狙いがあります。

中核機能のWorkersは、Notionのクラウド上でカスタムコードを安全なサンドボックス内で実行できる仕組みです。外部インフラに依存せずにデータ同期やWebhookトリガーを構築でき、SalesforceやZendesk、PostgresなどのデータをNotion上のデータベースに取り込めます。AIコーディングエージェントにコード生成を任せることも可能です。

外部エージェント連携では、Claude Code、Cursor、Codex、Decagonをローンチパートナーとして対応しました。ユーザーはNotionのチャット上でこれらのエージェントに作業を割り当て、進捗を追跡できます。自社開発の社内エージェントを接続するためのExternal Agent APIも提供されます。

今回の発表は、Notionが単なる生産性アプリからプログラマブルなプラットフォームへと戦略転換する意思表示です。2月に導入したカスタムエージェントは既に100万件以上作成されており、今回の基盤整備によりワークフロー自動化プラットフォームとしての競争力強化を図ります。Business・Enterpriseプランで利用可能なNotion CLIを通じて開発者が操作します。

Google for Startupsは、Gemini APIを活用するスタートアップを支援する第2回「Gemini Startup Forum」の参加企業102社を発表しました。世界各地から届いた約2,000件の応募を経て選ばれた企業は、米国・英国・フランス・インド・シンガポール・ブラジルなど16カ国にまたがります。

参加企業は来月、カリフォルニア州サニーベールのGoogle本社で開催される2日間の対面サミットに参加します。Google AI部門のリーダーによる講演や、最新プロダクトを開発するエンジニアからの直接指導、限定デモへのアクセスなどが提供されます。

対象スタートアップの事業領域は、製造インテリジェンスの変革、臨床ワークフローの効率化、次世代ウェアラブルハードウェアの開発など多岐にわたります。いずれもAIを活用して適応性・拡張性の高いソリューションを構築するという共通の目標を持っています。

支援の柱は最大35万ドル分のGoogle Cloudクレジットです。これに加え、ハンズオンのAPIスプリント、学習教材ライブラリ、Google AI Studioへのアクセスが提供されます。2024年11月に開催された第1回では50社超の創業者がGoogle専門家と協働し、技術的課題の克服やプロダクト戦略の改善に取り組みました。

Microsoft Researchの研究チームが、LLMに文書編集を委任する作業の信頼性を測定するベンチマーク「DELEGATE-52」を開発しました。52の専門領域にわたる310の作業環境で、20回の連続編集をシミュレーションした結果、全モデル平均で文書内容の50%が劣化し、Gemini 3.1 Pro、Claude 4.6 Opus、GPT 5.4といった最先端モデルでも25%が破損することが判明しています。

特筆すべきは破損のパターンです。小さなエラーが徐々に蓄積するのではなく、劣化の約80%は1回のやり取りで文書の10%以上が消失する突発的な大規模障害によって引き起こされます。さらに弱いモデルが主にコンテンツを削除するのに対し、高性能モデルは既存の内容を巧妙に書き換えてしまうため、人間のレビューで発見するのが極めて困難です。

コード実行やファイル操作などの汎用ツールをエージェントに与えると、むしろ平均6%性能が悪化することも示されました。研究者は、汎用ツールではなく、ドメイン固有の狭い範囲に絞ったツールを構築すべきだと指摘しています。RAGパイプラインについても、単発の検索ベンチマークではなく複数ステップのワークフローで評価すべきだと警告しています。

研究チームは、完全自律型AIエージェントへの過度な期待に警鐘を鳴らしつつも、改善速度には楽観的な見方を示しています。GPTシリーズだけでも18か月で20%未満から約70%へとスコアが向上しました。ただし企業環境の規模と多様性を考えると、カスタムのドメイン特化ツール構築は今後も欠かせないと結論づけています。

2026年5月11日、サプライチェーン攻撃ワーム「Mini Shai-Hulud」がnpmおよびPyPIの計172パッケージ・403バージョンを侵害しました。週間1,270万ダウンロードの@tanstack/react-routerを含む主要パッケージが標的となり、累計5.18億ダウンロードに影響が及んでいます。CVSSスコアは9.6と極めて深刻です。

攻撃者はGitHub ActionsのキャッシュポイズニングとOIDCトークン抽出を組み合わせ、正規のリリースワークフロー内でコード実行を達成しました。すべての悪意あるバージョンが有効なSLSA Build Level 3署名を持っており、署名検証だけでは検知できません。TanStackのポストモーテムによれば、2FA・OIDC・署名付き出所証明をすべて導入していたにもかかわらず、OIDC信頼範囲の設定不備を突かれました。

今回のキャンペーンで特筆すべきは、AIコーディングエージェントを信頼された実行環境として標的にした点です。ワームはClaude Codeの.claude/settings.jsonやVS Codeのtasks.jsonに永続化フックを書き込み、パッケージを削除してもプロジェクトを開くたびに再実行されます。さらにClaude・KiroのMCP設定ファイルから外部サービスの認証トークンを収集します。Endor LabsのKennedy氏は「攻撃者はAIエージェントを信頼された実行環境の一部として扱った。実際そのとおりだ」と指摘しています。

npmからPyPIへの拡散も確認されています。Microsoftの脅威情報チームによると、mistralai PyPIパッケージv2.4.6はインストール時ではなくインポート時に実行され、npmの--ignore-scripts対策は無効です。UiPath・OpenSearch・Guardrails AIなど65以上のパッケージにも波及しています。

対応では順序が極めて重要です。ワームはトークン失効を検知するとホームディレクトリ全消去を実行する破壊的デーモンを仕込んでおり、先にマシンを隔離・フォレンジック保全してからトークンを失効させる必要があります。中長期的には、OIDCの信頼範囲を特定ワークフロー・保護ブランチに限定し、キャッシュを信頼境界ごとに分離し、署名検証に加えて行動分析を導入することが求められます。

OpenAIは2026年5月12日、自社のAIコーディングツールCodexの実践的な活用事例を2件公開しました。NVIDIAのエンジニア・研究チームによる大規模導入と、財務部門向けの業務活用ガイドで、いずれもCodexが専門業務の生産性を大きく変える可能性を示しています。

NVIDIAでは4万人の社員がCodexにアクセスできる環境を整備し、GPT-5.5を搭載したCodexをエンジニアリングと研究の両面で活用しています。コーディングエージェントチームのシニアエンジニアDennis Hannusch氏は、社内プラットフォームをMVPから本番システムへ進化させる作業をCodexで完遂したと報告。プライバシー要件のあるポッドキャスト録音アプリも数時間で構築・テストまで自律的に完了したといいます。

研究面では、AI研究者のShaunak Joshi氏が強化学習分野の論文群をCodexに読み込ませ、仮説の発見からMLスクリプトの作成・リモート実行までの一連の研究ワークフローを10倍高速化できたと述べています。SSH接続によるリモートマシンでの大規模ML実験をノートPCから直接実行できる点も評価されています。さらに、既存のPythonコードをRustに変換して20倍効率化する用途でも活用が広がっています。

一方、財務チーム向けの事例では、月次ビジネスレビュー資料の作成、財務モデルの品質チェック、CFO向けレポートの更新、予算差異分析、予測シナリオの比較といった実務タスクにCodexを適用する手法が紹介されています。決算ワークブックやダッシュボードなど既存の業務ファイルをそのまま入力として使い、コーディングなしでレビュー可能な成果物を生成できる点が強調されています。

これらの事例は、Codexが開発者向けツールにとどまらず、非エンジニア職種の業務効率化にも本格的に適用可能であることを示しています。OpenAIはCodex活用を支援するオンデマンドウェビナーやAcademyコンテンツの拡充も進めており、企業導入の加速を狙っています。

GitHubのシニアプログラムマネージャーLee Reilly氏が、GitHub Copilot CLIを使い、リポジトリのコードベースをローグライク風ダンジョンゲームに変換するCLI拡張「GitHub Dungeons」を開発しました。普段使わないGoで書かれたこのゲームは、Copilot CLIチャレンジへの参加がきっかけで誕生しています。

開発の鍵となったのは、Copilot CLIの/delegateコマンドです。これはタスクをクラウド上のCopilotコーディングエージェントに委任する機能で、自然言語で機能を記述して実行を任せ、完了後にプルリクエストとして結果を受け取ります。難易度調整やチートコード追加など、複数の機能がこの方法で実装されました。

ゲームの核心技術はBinary Space Partitioning（BSP）と呼ばれるアルゴリズムです。空間を再帰的に分割して部屋を生成し、兄弟ノード同士を廊下で接続することで、構造的でありながら毎回異なるダンジョンを生成します。シード値にはリポジトリの最新コミットSHAを使用するため、同じコードからは同じマップが生成され、コードが変われば地形も変化します。

この開発体験について同氏は、Copilot CLIによって実装の詳細からゲームデザインへ思考を切り替えられたと述べています。ボイラープレートやエッジケースの処理をAIに任せることで、プレイヤー体験の設計に時間を割けるようになりました。

GitHub Dungeons はオープンソースとして公開されており、`gh extension install leereilly/gh-dungeons`で導入できます。5つのレベルを攻略する本格的なターミナルゲームで、霧の中の視界制限やオートアタックなどの機能も備えています。AIコーディングツールが単なる補助ではなく、未経験言語でのプロダクト構築を可能にする水準に達していることを示す事例です。

Anthropicは5月12日、法律業務に特化したAIチャットボット機能群を新たに発表しました。今年2月に提供を開始したClaude for Legalを拡張し、法律分野別のプラグインとMCP（Model Context Protocol）コネクタを追加しています。これにより、法律事務所は文書検索・レビュー、判例調査、証言録取の準備、文書起草などの事務作業をAIで自動化できるようになります。

新たなプラグインは、商業法務、プライバシー、企業法、雇用、製品責任、AI規制といった幅広い法律分野に対応しています。MCPコネクタにより、DocuSignやBox、Thomson Reuters（Westlaw）など、法律事務所が日常的に使用するソフトウェアとClaudeを直接統合できます。これらの新機能はすべての有料Claudeユーザーに提供されます。

法律AI市場では競争が激化しています。AIで法務ワークフローを自動化するスタートアップHarveyは3月に評価額110億ドルで2億ドルを調達しました。競合のLegoraも4月に6億ドルのシリーズDを完了し、評価額56億ドルに達しています。Anthropicの今回の動きは、この急成長市場への本格参入を意味します。

一方で、法律分野でのAI活用には課題も残ります。AIが生成した誤りを含む法律文書を使用した弁護士が複数摘発されており、カリフォルニア州ではChatGPTで虚偽の引用を含む控訴書を作成した弁護士に初の罰金処分が下されました。連邦判事がAIで判決文を起草していた事例も発覚しています。Anthropicの担当者は「法律業界はAI導入の圧力に直面しており、先行する事務所が急速に差をつけている」と述べ、知識労働分野への取り組みを強化する姿勢を示しました。

元YCスタートアップのCTO3名が共同創業したSupersetは、複数のAIコーディングエージェントを並列に動かすための開発環境（IDE）を構築しました。従来の開発ツールは1人の開発者が1つのタスクを順番に処理する前提で設計されていましたが、Supersetは最大10のエージェントをそれぞれ独立したワークスペースで同時に稼働させ、複数ブランチにまたがるコード生成を実現しています。

並列エージェントの運用には、並列に対応したインフラが不可欠です。各エージェントスレッドに隔離された実行環境が必要であり、ブランチごとにライブURLが即座に発行される仕組みが求められます。プロビジョニングに遅延が生じると並列性が崩壊し、12のワークフローが1つのキューに退化してしまいます。Supersetはこの課題をVercelのプレビューデプロイメント機能で解決しました。

技術スタックはVercelプラットフォーム上に統一されています。AI SDKとAI Elementsがエージェントのオーケストレーションを担い、AI Gatewayがモデルルーティングを処理します。ストレージにはVercel Blobを採用し、Fluid Computeがエージェントの並列タスクに応じて自動スケールします。Active CPU課金により、モデル応答待ちの時間には課金されず、実際の計算処理のみがコスト対象となっています。

Superset自身が最大のユーザーでもあります。チームは自社プロダクトを使って日常の開発を行い、GitHub issueを並列ワークスペースに分配して最大12インスタンスを同時実行しています。Hacker Newsでの公開時にはユーザー数が一晩で3倍に急増しましたが、手動のインフラ追加なしにトラフィックを吸収しました。

週あたり1,000〜1,400回のデプロイと日次約600のプレビュー環境を、プラットフォームエンジニアリングチームなしで運用している点が特徴的です。6つのNext.jsプロジェクトを初日からVercel上で稼働させ、インフラ管理ではなくプロダクト開発に集中できる体制を維持しています。DAUは週次で57〜64%の成長を記録しています。

OpenAIは2026年5月11日、企業のAI導入を専門的に支援する新会社「OpenAI Deployment Company」の設立を発表しました。同社はOpenAIが過半数を出資・支配し、顧客企業にフロンティアAIモデルを活用した業務変革を提供します。初期投資額は40億ドル超で、TPG主導のもとAdvent、Bain Capital、Brookfieldが共同リードパートナーを務めます。

新会社の中核を担うのが「Forward Deployed Engineer（FDE）」と呼ばれるAI導入専門のエンジニアです。FDEは顧客企業の経営陣や現場チームと協働し、AIが最大の価値を生む領域を特定したうえで、業務プロセスの再設計から本番システムの構築・運用までを一貫して支援します。典型的なプロジェクトでは、まず価値診断を行い、優先ワークフローを選定し、OpenAIモデルを顧客のデータや業務プロセスに接続する流れをとります。

設立と同時に、応用AIコンサルティング企業Tomoroの買収にも合意しました。Tomoroは英Tesco、Virgin Atlantic、Supercellなど大手企業向けにリアルタイムAIシステムを構築してきた実績があり、約150名のFDEおよびデプロイメントスペシャリストが新会社に加わります。これにより、設立初日から即戦力の導入支援体制を整えることになります。買収は規制当局の承認を経て、数カ月以内に完了する見通しです。

投資パートナーにはSoftBank Corp.、Goldman Sachs、B Capitalなどグローバル投資家に加え、Bain & Company、Capgemini、McKinsey & Companyといったコンサルティング大手も名を連ねています。これらパートナーが支援する企業は世界で2,000社超にのぼり、新会社はこのネットワークを通じて幅広い業種・規模の企業にAI導入を展開する構えです。

OpenAIはこれまで100万社超にAPIやプロダクトを提供してきましたが、モデルの高度化に伴い「導入の質」が次の競争軸になると認識しています。新会社を独立事業体として立ち上げた狙いは、研究開発とは異なるスピードと顧客志向の運営体制を確立しつつ、OpenAI本体の研究・製品チームとの緊密な連携を維持する点にあります。顧客は将来のモデル進化を見据えたシステムを構築でき、競合に先んじた運用変革が可能になるとOpenAIは説明しています。

Googleは2026年5月11日、AIアシスタントGeminiを使って手書きノートをデジタル化し、構造化されたスタディガイドを自動生成する機能を公式ブログで紹介しました。学生が学期を通じて蓄積した大量の手書きノートを、試験対策に活用しやすい形へ変換することを目的としています。

使い方はシンプルです。ノートの各ページを写真に撮り、Geminiにアップロードした上で「授業資料をもとに試験用のスタディガイドを作成して」とプロンプトを入力します。基礎的な内容を既に理解している場合は、その旨をGeminiに伝えることで、より高度なトピックに焦点を当てたガイドを生成させることもできます。

Geminiはスタディガイドだけでなく、フラッシュカード形式への変換にも対応しています。学期全体の学習内容を論理的に整理し、次の学期に振り返る際にも活用できる形で出力します。

この機能は、Googleが進めるGeminiの教育分野への応用の一環です。手書きのアナログ情報をAIが読み取り、構造化された学習資料へと変換するワークフローは、学生に限らず、会議メモや研修資料の整理など幅広い場面での応用が期待されます。

OpenAIが2026年5月11日、欧州の大手企業幹部へのインタビューをもとにした「AIスケーリングの実践ガイド」を公開しました。Philips、BBVA、Mirakl、Scout24、JetBrains、Scaniaといった企業のリーダーたちが、AI導入を全社規模に拡大するうえでの共通の課題と解決策を語っています。

インタビューから浮かび上がった最大のメッセージは、AIの全社展開は技術の導入ではなく、組織の変革であるという点です。成功している企業は、まずAIリテラシーの向上と安全に実験できる環境づくりに注力しています。ツールの展開よりも、社員が自信を持ってAIを使える文化の醸成を優先しているのです。

ガバナンスの位置づけも特徴的です。セキュリティ、法務、コンプライアンス、IT部門を設計段階から巻き込むことで、後工程での手戻りが減り、結果的にスピードが上がるという好循環が生まれています。規制をブレーキではなくイネーブラーとして機能させるアプローチです。

品質管理においては、「何をもって良しとするか」を早期に定義し、評価に投資することが信頼獲得の鍵だと強調されています。基準を満たさない場合はリリースを遅らせる判断も厭わない姿勢が、長期的な組織の信頼につながっています。

もう一つの重要な論点は、AIを単なる機能として消費するのではなく、チームが主体的にワークフローを再設計し「自分たちのもの」として構築することです。最も持続的な成果は、AIが専門家の判断力を底上げするハイブリッド型ワークフローから生まれていると報告されています。個人の生産性向上から、エンドツーエンドの業務プロセスへのAI組み込みへと、各社の取り組みは次の段階に進んでいます。

Googleは2026年5月8日、広告業界の著名クリエイター3名と中小企業をつなぐ新施策「The Small Brief」を発表しました。この取り組みは、AIツールを活用してスタジオ品質の広告キャンペーンを制作し、中小企業のブランド力を引き上げることを目的としています。参加するクリエイターと支援対象の企業はすでに公表されており、最終成果物は6月に公開される予定です。

参加するのはJayanta Jenkins氏、Tiffany Rolfe氏、Susan Credle氏の3名で、いずれも広告業界を代表するクリエイティブディレクターです。各氏がそれぞれ支援する地元ビジネスを選び、ブランドストーリーを広告として形にします。制作にはGoogleのAIクリエイティブスタジオ「Flow」が全面的に使用されます。

Googleはこの施策を通じて、中小企業でも大手ブランドと同等のインパクトを持つ広告を制作できることを示す狙いがあります。AIツールにより、各企業固有の声やスタイルを保ちながらプロ品質の広告制作が可能になるとしています。さらに新規顧客の獲得や業務効率化にもAIが貢献すると強調しています。

本施策はクリエイティブ業界や他の中小企業に対し、AI活用の可能性を示すショーケースとしても位置づけられています。各クリエイターの制作プロセスの詳細と完成したキャンペーンは、2026年6月に公開される予定です。

Anthropicは、Claude Managed Agentsの発表からわずか数週間で、エージェント基盤を大幅に拡張する3つの新機能を追加しました。Dreaming（記憶の自律的学習）、Outcomes（成果評価の内蔵）、Multi-Agent Orchestration（複数エージェントの協調実行）の3機能で、従来は個別ツールで構築していたインフラ層を単一ランタイムに集約します。

Dreamingは、エージェントが複数セッションの経験を振り返り、記憶を取捨選択して未知のパターンを発見する仕組みです。従来のRAGアーキテクチャではベクトルDBに埋め込みを保存し関連コンテキストを取得していましたが、Dreamingではエージェント自身がセッション間で記憶を能動的に書き換え、過去の失敗から学習します。Outcomesは、エージェントの成功基準をルーブリックとして定義し、外部の品質チェックではなくオーケストレーション層内で評価を完結させます。

Multi-Agent Orchestrationは、リードエージェントがタスクを分解し他のエージェントに委任する機能で、LangGraph、CrewAI、Microsoft等のオーケストレーションフレームワークと正面から競合します。Anthropicは、モデル層にオーケストレーションを統合することでチームの制御性が向上すると主張しています。

一方で、企業側にはいくつかの懸念があります。Claude Managed Agentsはフルホスト型ランタイムのため、記憶やオーケストレーションが自社管理外のインフラで実行されます。データ居住地の証明が求められる組織にとっては、コンプライアンス上の障壁となり得ます。また、既に大規模なAI変革を進行中の企業は、既存のワークフローを容易に置き換えられない制約があります。

Anthropicはこの動きが業界全体の方向性を示すと明言しています。他のモデルプロバイダーも同様に、ツールとオーケストレーション基盤をモデル層に統合する製品戦略に移行すると予測されます。モデル自体は交換可能になっても、ツールとオーケストレーション基盤は交換が難しいため、プラットフォーム選択が長期的なロックインに直結する構造です。企業は自社のエージェント成熟度に応じて、統合プラットフォームへの移行か柔軟なモジュラー構成の維持かを早期に判断する必要があります。

Sakana AIは、わずか70億パラメータの小型言語モデルを強化学習で訓練し、GPT-5・Claude Sonnet 4・Gemini 2.5 Proなど複数の大規模LLMを自律的に指揮する「RL Conductor」を発表しました。LangChainなど従来のハードコードされたパイプラインが、ユーザー需要の多様化に対応できない課題を解決する技術です。

RL Conductorは各タスクに対し、自然言語で作業指示を生成し、最適なモデルへ割り当て、エージェント間の情報共有範囲まで自動設計します。逐次チェーン、並列ツリー、再帰ループなど柔軟なワークフローを構築でき、人手による設計を一切必要としません。強化学習の試行錯誤を通じて、プロンプト最適化や反復改善といった高度な戦略を自発的に獲得しています。

ベンチマーク評価では、数学（AIME25: 93.3%）、科学推論（GPQA-Diamond: 87.5%）、コーディング（LiveCodeBench: 83.93%）の各領域で最高水準を記録しました。平均精度77.27%は、個別のフロンティアモデルや既存のマルチエージェント手法を上回ります。さらに1問あたり平均1,820トークン・3ステップで処理を完了し、従来手法（MoA: 11,203トークン）と比べ大幅に効率的です。

実験では、Conductorがタスク難度を自動判定する能力も確認されました。単純な事実確認は1ステップで処理する一方、複雑なコーディング問題では最大4エージェントを動員し、設計・実装・検証の各フェーズを分担させます。モデルごとの得意領域も学習しており、コーディングではGemini 2.5 ProとClaude Sonnet 4に上流設計を任せ、GPT-5に最終コード生成を担当させるといった役割分担を自律的に行います。

Sakana AIはこの技術を商用サービス「Fugu」として製品化し、ベータ版を提供開始しています。OpenAI互換APIとして既存アプリケーションに統合でき、低遅延向けのFugu Miniと高性能向けのFugu Ultraの2種を展開します。共同著者のYujin Tang氏は、金融や防衛など既存パイプラインの汎化性能が限界に達している分野が主要ターゲットだと述べ、将来的にはテキスト・コード領域を超えたクロスモーダルな自律協調システムへの発展も示唆しました。

Perplexityは2026年5月7日、ローカルAIエージェント「Personal Computer」を全Macユーザー向けに一般公開しました。先月の発表時はMaxプラン加入者限定でウェイトリスト制でしたが、今回新しいMacアプリとして誰でもダウンロード可能になっています。ただし機能の利用にはProまたはMaxサブスクリプションが必要です。

Personal Computerは、クラウド専用だったAIエージェント機能をローカルデバイスに拡張するものです。ユーザーのローカルファイル、ネイティブMacアプリ、Webブラウジングを横断して、複数ステップのワークフローを自律的に処理します。400以上のコネクタとの連携にも対応しています。

OpenClawなどの既存ローカルAIエージェントが権限昇格によるセキュリティリスクを指摘されている中、Perplexityは安全な開発環境での実行を強調しています。同社のAI搭載ブラウザ「Comet」と組み合わせれば、直接のコネクタなしでWebベースのツールも操作できます。

Mac Miniのような常時稼働デバイスでの運用を想定しており、iPhoneからリモートでタスクの開始や承認が可能です。スプレッドシートやドキュメントの処理、異なるアプリ間でのファイル比較やノートの転記など、多様な業務に活用できます。

一般公開に伴い、従来のMacアプリは数週間以内に廃止される予定です。新アプリは現時点ではMac App Storeではなく、公式サイトからの直接ダウンロードのみで提供されています。

OpenAIは2026年5月7日、開発者向けRealtime APIに3つの音声モデルを公開しました。GPT-Realtime-2はGPT-5クラスの推論能力を持つ音声対話モデル、GPT-Realtime-Translateは70以上の入力言語から13の出力言語へリアルタイム翻訳するモデル、GPT-Realtime-Whisperは低遅延のストリーミング音声認識モデルです。これらにより、音声アプリケーションの開発が大きく前進します。

GPT-Realtime-2の最大の進化は、対話中にツール呼び出しや推論を行いながら自然な会話を維持できる点です。コンテキストウィンドウは従来の32Kから128Kに拡大され、長時間のエージェント的ワークフローに対応します。推論レベルはminimalからxhighまで5段階で調整でき、応答速度と推論精度のバランスを開発者が制御できます。

ベンチマークでは、Big Bench Audioで前世代比15.2%、Audio MultiChallengeで13.8%のスコア向上を達成しました。不動産大手Zillowは早期テストで、プロンプト最適化後のコール成功率が69%から95%へ26ポイント向上したと報告しています。

翻訳モデルのGPT-Realtime-Translateは、話者のペースに合わせて意味を保持しながらリアルタイム翻訳を行います。Deutsche Telekomは多言語カスタマーサポートでの活用を検証中です。インドの多言語評価では、ヒンディー語・タミル語・テルグ語で他モデル比12.5%低い単語誤り率を記録しました。

価格はGPT-Realtime-2が入力100万トークンあたり32ドル（キャッシュ入力は0.40ドル）、出力100万トークンあたり64ドルです。Translateは1分あたり0.034ドル、Whisperは1分あたり0.017ドルに設定されています。EUデータレジデンシーにも完全対応し、企業のプライバシー要件を満たします。

OpenAIは2026年5月7日、サイバーセキュリティ防御者向けの新モデルGPT-5.5-Cyberを限定プレビューとして公開しました。同時に、既存のGPT-5.5に対するTrusted Access for Cyber（TAC）フレームワークの拡充も発表しています。重要インフラの防護に携わる組織が、AIの高度なサイバー防御能力を活用できるようにする取り組みです。

TACは身元確認と信頼レベルに基づく3段階のアクセス構造を採用しています。標準のGPT-5.5は汎用業務向け、TAC付きGPT-5.5は脆弱性トリアージやマルウェア解析、検知エンジニアリングなど大半の防御業務に対応します。最上位のGPT-5.5-Cyberは、レッドチーミングやペネトレーションテストなど、より許容的な挙動が必要な専門ワークフロー向けです。

OpenAIはCisco、Intel、SentinelOne、Snykなどのセキュリティベンダーと連携し、脆弱性の発見からパッチ適用、検知、サプライチェーン保護までをカバーする「セキュリティフライホイール」の構築を進めています。各レイヤーが連動して防御力を高める仕組みです。

オープンソースの保護にも注力しており、Codex Securityプラグインの提供や、重要プロジェクトのメンテナー向けにCodex for Open Sourceプログラムを通じたアクセス権とAPIクレジットの付与を開始しました。脅威モデリングから修正パッチの提案まで一貫して支援します。

アクセスには厳格なセキュリティ要件が課されます。2026年6月1日以降、TACを利用する個人ユーザーにはフィッシング耐性のあるアカウントセキュリティが必須となります。OpenAIは今後、フラッグシップモデルへのTAC適用拡大と、さらに高性能なサイバー専用モデルの開発を計画しています。

GitHubは2026年5月7日、公式ブログでAIエージェントが生成するプルリクエスト（PR）のレビュー手法に関する包括的なガイドラインを公開しました。2026年1月の研究によれば、エージェント生成コードは人間が書いたコードより冗長性と技術的負債が多い一方、レビュアーは承認に抵抗を感じにくいという矛盾が指摘されています。

記事では注意すべき5つの危険信号を挙げています。第一にCI（継続的インテグレーション）の弱体化です。エージェントはテスト失敗時にテスト自体を削除したりスキップしたりすることがあり、カバレッジ閾値やワークフローの変更は即座にブロックすべきとしています。第二にコード再利用の欠如で、既存ユーティリティと重複する関数を新規作成する傾向があり、放置すると他のエージェントがそれを前例として更に増殖させます。

第三の幻覚的正しさは最も危険な問題です。コンパイルが通りテストもパスするが実際には誤っているコード、たとえばページネーションの境界エラーや権限チェックの欠落が該当します。対策として、変更前の挙動で失敗するテストの提出を求めることを推奨しています。第四にエージェントがレビューコメントに応答しなくなる「ゴースティング」、第五にワークフロー内でのプロンプト注入リスクを警告しています。

実践的な対処として、記事は10分間のレビュー手順を提示しています。最初の2分でPRの分類、次にCI変更の確認、新規ユーティリティの重複チェック、クリティカルパスの端から端までの追跡、セキュリティ境界の確認、そしてエビデンスの要求という流れです。

GitHub Copilotコードレビューを先行させることも推奨しています。スタイルの不整合や型の不一致など機械的なチェックを自動化し、人間のレビュアーは文脈に基づく判断に集中すべきだとしています。カスタム指示でCI閾値変更の検出や重複ユーティリティの発見を自動化することも可能です。

OpenAIは2026年5月6日、企業のAI活用状況を定量的に追跡する新指標「B2B Signals」を公開しました。同社のエンタープライズ製品から得られたプライバシー保護済みの集計データに基づき、先進企業と一般企業のAI活用格差を可視化するものです。レポートによると、利用上位5%にあたる先進企業は、一般企業の3.5倍の「インテリジェンス」を従業員あたりで消費しており、2025年4月時点の2倍差から大きく拡大しています。

注目すべきは、格差の本質が単純な利用頻度ではなく「深さ」にある点です。メッセージの送信量は先進企業と一般企業の差の36%しか説明できず、残りの大部分はより複雑な業務への活用、より豊富な文脈の提供、より実質的な出力の生成といった質的な違いから生じています。一般企業がAIを「質問への回答」に使う段階にとどまる一方、先進企業は「複雑な業務の遂行」にAIを組み込んでいるのです。

エージェント型ワークフローの活用差はさらに顕著です。コーディング支援ツール「Codex」では先進企業の従業員あたりメッセージ数が一般企業の16倍に達しています。ChatGPT AgentやDeep Researchなど、マルチステップの業務委任を可能にするツールでも同様の傾向が見られます。Ciscoの事例では、Codexを「チームの一員」として扱うことでビルド時間を約20%短縮し、月間1,500時間以上のエンジニアリング工数を削減したと報告されています。

業種・職種別の活用パターンも明らかになりました。IT・セキュリティ部門は手順ガイダンス、ソフトウェア開発チームはコーディング、財務部門は分析・計算にAIを集中的に活用しており、汎用的な生産性向上から各部門の中核業務への浸透が進んでいます。損害保険大手Travelersは、OpenAIを活用したAI保険金請求アシスタントで初年度約10万件の対応を見込んでいます。

OpenAIは先進企業に近づくための具体策として、活用の深さの測定、本番運用を可能にするガバナンス構築、教育・学習への投資、先行チームの知見の全社展開、そしてチャットからエージェントへの移行を挙げています。B2B Signalsは今後も定期的に更新され、企業のAI活用の進展を追跡していく予定です。

OpenAIは2026年5月5日、GPT-5.5発売記念パーティーに応募した8,000人超の開発者全員に対し、個人のChatGPTアカウントでCodexのレート制限を10倍に引き上げる特典を提供しました。会場の収容制限で招待できなかった応募者への「お詫び」として、6月5日までの約1カ月間有効です。CEOのサム・アルトマン氏がXで事前に示唆し、投稿は数時間で52万回以上閲覧されました。

この施策には明確なビジネス上の意図があります。約1カ月にわたり大量の開発者にCodexをフル活用させることで、日常的なワークフローへの依存を形成し、期限後の有料プラン移行を促す狙いです。一方、Pro tier（月額200ドル）の20倍制限との重複適用については、OpenAIサポートが「高い方が適用される」と回答しており、加算はされないとみられます。

注目すべきは、同じ夜にAnthropicもサンフランシスコで招待制の「メディアVIPウェルカムレセプション」を開催した点です。翌日のCode with Claude開発者カンファレンスの前夜祭として、ほぼ同時刻に同じ都市で同じ開発者層を対象にしたイベントが重なりました。意図的なカウンタープログラミングか偶然かは不明ですが、両社の開発者獲得競争の激しさを象徴しています。

この競争の背景には、収益構造の逆転があります。Counterpoint Researchによると、2026年第1四半期にAnthropicはLLM売上シェアで初めてOpenAIを上回り、31.4%対29%となりました。Anthropicの月間アクティブユーザーは約1.34億人とOpenAIの約9億人を大きく下回りますが、ユーザー当たり月間収益は16.20ドル対2.20ドルと約7倍の差があります。コーディング分野での優位性がエンタープライズ導入の入口となり、年間売上は300億ドルを超えています。

両社ともIPOを視野に入れ、ウォール街の支持を競っています。Anthropicは評価額9,000億ドル超での資金調達を検討中と報じられ、OpenAIの8,520億ドルを上回る可能性があります。開発者にとっては両社の競争激化による恩恵を受けられる局面ですが、次世代ソフトウェア開発の主導権を巡る戦いは一層の過熱が予想されます。

OpenAIは2026年5月5日、ChatGPTの広告プラットフォームを大幅に拡充すると発表しました。新たにベータ版のセルフサーブ型Ads Managerを米国で提供開始し、広告主がパートナーを介さずに直接キャンペーンを作成・管理できるようになります。中小企業やスタートアップからグローバルブランドまで、あらゆる規模の企業が参加可能です。

課金モデルにはこれまでのCPM（インプレッション課金）に加え、新たにCPC（クリック課金）入札を導入しました。ChatGPTでの会話は情報収集や比較検討といった能動的な行動が多いため、クリックが広告の関連性を示す有効なシグナルになるとOpenAIは説明しています。広告主はクリックが発生した場合にのみ課金されます。

計測機能も強化され、Conversions APIとピクセルベースの計測ツールが追加されました。広告接触後の購入やリード獲得といったアクションを把握でき、個別の会話内容は広告主に共有されない設計です。集約されたパフォーマンスデータにより、広告の質とマッチング精度の向上を目指します。

パートナーエコシステムも拡大しています。電通、Omnicom、Publicis、WPPといった大手広告代理店との協業に加え、Adobe、Criteo、Kargo、Pacvue、StackAdaptなどの技術パートナーとも連携しています。広告主は既存のツールやワークフローを通じてChatGPT広告を利用できます。

OpenAIは広告事業の基本方針として、ChatGPTの回答は広告から独立し、会話のプライバシーを保護し、ユーザーが体験を制御できることを掲げています。今後も新しい広告フォーマットや最適化機能を段階的に追加し、広告プラットフォームの進化を続ける方針です。

NVIDIAとServiceNowは、ServiceNow Knowledge 2026において自律型エンタープライズAIエージェントに関する提携拡大を発表しました。NVIDIAのジェンスン・ファンCEOとServiceNowのビル・マクダーモットCEOが基調講演に登壇し、企業向けAIの次の段階として「AIが自ら行動する」フェーズに入ると説明しています。

提携の中核となるのがProject Arcです。これは開発者やIT管理者などのナレッジワーカー向けに設計された、長時間稼働・自己進化型の自律デスクトップエージェントです。ローカルのファイルシステムやターミナル、アプリケーションにアクセスし、従来の自動化では対応できなかった複雑なマルチステップタスクを実行します。ServiceNowのAction FabricとAI Control Towerにより、すべての操作にガバナンスと監査証跡が確保されます。

セキュリティ面では、NVIDIAのオープンソース技術OpenShellが基盤となります。サンドボックス化されたポリシー準拠の環境でエージェントを実行し、エージェントがアクセスできる範囲やツールを企業側が厳密に制御できます。ServiceNowはOpenShellへの貢献も行い、安全なエージェント実行の共通基盤構築を進めます。

性能と効率の面では、NVIDIAのBlackwellプラットフォームがHopper世代比で1ワットあたり50倍以上のトークン出力を実現し、100万トークンあたりのコストを約35分の1に削減します。常時稼働するAIエージェントを数百万のワークフローに展開するうえで、このトークンエコノミクスの改善が試験運用から本番移行への鍵になるとしています。

また、両社はオープンモデル・エージェントスキルのエコシステムも強化しています。NemotronオープンモデルやNVIDIA Agent Toolkitを活用し、企業が自社ドメインに特化したAIエージェントを構築できる環境を整備。業務ワークフローに特化したベンチマークスイートNOWAI-Benchでは、Nemotron 3 Superがオープンソースモデル中1位を獲得しています。

Bret Taylor率いるAIスタートアップSierraが、Tiger GlobalとGV主導で9億5000万ドルの資金調達を実施しました。ポストマネー評価額は150億ドルを超え、手元資金は10億ドル以上に達します。同社はこの資金を活用し、AIを活用した顧客体験の「世界標準」を目指すと表明しています。

Sierraの成長速度は目覚ましいものがあります。約2年前にわずか4社のパートナーから始まった同社は、現在Fortune 50企業の40%以上を顧客に持つと公表しています。年間経常収益（ARR）は2025年11月に1億ドル、2026年2月には1.5億ドルと急伸しており、プラットフォーム上のエージェントは住宅ローンの借り換えから保険請求処理まで、数十億件の対話を処理しています。

4月にはエージェント構築ツール「Ghostwriter」を発表しました。ユーザーが自然言語で要件を記述すると、専用エージェントを自律的に作成・デプロイする仕組みです。Taylor氏はHumanXカンファレンスで、多くの企業ソフトウェアはほとんど使われておらず、将来は人が複雑なシステムを操作する必要がなくなると主張しています。

Uber CTOのPraveen Neppalli Naga氏も、エージェントAI導入でAI予算を急速に使い切ったと語る一方、約8000人の技術者が書くコードの10%がAIによる自律生成になったと明かしました。あるチームではエージェントワークフローのみでホテル予約機能を構築し、通常1年かかる作業を半年で完了させたといいます。エンタープライズAIの投資回収が具体化し始めている状況です。

Microsoftは2026年5月、AIエージェントの統合管理プラットフォーム「Agent 365」を正式リリースしました。2025年11月のIgniteカンファレンスで発表された同製品は、企業のIT・セキュリティチームがあらゆるAIエージェントを一元的に可視化・制御するための基盤です。月額15ドル/ユーザーで提供され、Microsoft 365 E7スイートにも含まれます。

同社が最も強調するのは「シャドーAI」への対応です。従業員がIT部門の承認なくローカルデバイスにインストールするコーディングアシスタントや自律ワークフローが、新たなセキュリティリスクとして急速に拡大しています。AI Security担当CVPのDavid Weston氏は、MCP経由で認証なしにバックエンドを公開するケース、プロンプト注入攻撃、エージェント通信を想定しないDLPからのデータ漏洩という3種類のインシデントをすでに確認していると述べました。

Agent 365はまずOpenClawエージェントの検出に対応し、2026年6月までにGitHub Copilot CLIやClaude Codeなど18種類へ拡大予定です。Microsoft Defenderとの連携により、各エージェントが接続するMCPサーバー、関連するID、到達可能なクラウドリソースをグラフ化し、侵害時の「爆発半径」を可視化します。悪意ある挙動を検知した場合はランタイムで遮断する機能も備えます。

競合他社との差別化として、AWS BedrockやGoogle Cloud上のエージェントも検出・管理できるマルチクラウド対応を打ち出しました。さらにZendesk、SAP、Adobe、Nvidiaなど広範なパートナーエコシステムを構築し、SaaSエージェントのオンボーディングはEntra IDの付与だけで基本的なガバナンスが可能になります。

高リスクなワークロード向けには「Windows 365 for Agents」のパブリックプレビューも開始しました。エージェント専用のクラウドPCをIntuneで管理し、エンドポイントから隔離した状態で自律処理を実行できます。Weston氏は導入の段階を「棚卸し→ID・アクセス管理→隔離と高度制御」の3段階で示し、90日間で実現可能だと説明しました。

2026年5月4日、GoogleはGemini APIにイベント駆動型Webhook機能を追加したと発表しました。これにより、エージェント型ワークフローやバッチ処理など長時間かかるタスクの完了通知を、開発者がポーリングなしでリアルタイムに受け取れるようになります。

Gemini APIでは、Deep Researchや長尺動画の生成、Batch APIによる大量プロンプト処理など、数分から数時間を要するタスクが増えています。従来はGETリクエストを繰り返し送信してジョブの完了を確認する必要がありましたが、Webhook導入により、タスク完了時にGemini APIが開発者のサーバーへHTTP POSTを即座にプッシュする仕組みになりました。

セキュリティ面では、Standard Webhooks仕様に厳密に準拠しています。すべてのリクエストにwebhook-signature、webhook-id、webhook-timestampヘッダーが付与され、べき等性の確保とリプレイ攻撃の防止を実現します。配信は「少なくとも1回」が保証され、失敗時には最大24時間の自動リトライが行われます。

Webhookの設定はプロジェクト単位でのグローバル設定と、リクエスト単位での動的オーバーライドの2通りに対応します。プロジェクト単位ではHMAC認証、リクエスト単位ではJWKS認証が使われます。Python SDKからの設定例やCookbookも公開されており、即日利用が可能です。

Salesforceは2026年5月1日、AIエージェントが企業のバックオフィス業務を確実に遂行するための新プラットフォーム「Agentforce Operations」を発表しました。既存の業務プロセスをアップロードするか、用意されたBlueprintを選択すると、システムが工程を分解し、専門エージェントに割り当てる仕組みです。

同社プロダクト担当SVPのSanjna Parulekar氏はVentureBeatの取材に対し、多くの企業の業務フローが人間の判断や暗黙知に依存しており、AIエージェントがそのまま実行するには不向きだと指摘しています。要件定義書の段階で曖昧さが残っていると、エージェント導入後にかえってコストが増大する恐れがあるとのことです。

従来のワークフロー自動化ツールとの違いは、エージェント自身が次の行動を確率的に判断するのではなく、決定論的な実行制御レイヤーがプロセスを管理する点にあります。セッションのトレース機能により、各工程の透明性と観測可能性も確保されます。

一方で課題も残ります。欠陥のあるプロセスをそのまま体系化すれば、問題がエージェント経由で大規模に再現されるリスクがあります。ワークフロー管理プラットフォームAsymblのCEO、Brandon Metcalf氏は「人間もエージェントも共通のゴールを理解しなければタスクは成功しない」と述べ、成果に対する責任の所在を明確にする必要性を強調しました。

企業のAI活用におけるボトルネックは、モデルの推論能力から業務フロー自体の設計品質へと移りつつあります。人間の判断と組織の記憶に依存して構築されたプロセスを再設計することは、より高性能なモデルを導入するよりも困難な課題だと言えるでしょう。

Microsoftは2026年5月1日、Word上で動作する法務専用AIエージェント「Legal Agent」を発表しました。契約書のレビューやリスク・義務条項の検出など、法務チームの定型業務を支援するもので、まず米国のFrontierプログラム参加者向けに提供を開始します。汎用AIモデルに自由にコマンドを解釈させるのではなく、実務に即した構造化ワークフローに従って動作する点が特徴です。

Legal Agentは、プレイブックに照らして契約書を逐条的にレビューする機能を備えています。変更履歴が付いた既存文書にも対応し、合意書や契約書からリスクや義務を自動的に検出します。Microsoft Office製品グループのSumit Chauhan副社長は、明確に定義された反復可能なタスクを管理する仕組みだと説明しています。

この新機能の技術基盤は、Microsoftが2026年1月に人材を獲得したRobin AIに由来します。Robin AIはAIを活用した契約レビューシステムを開発していたスタートアップで、事業停止後にそのAI専門家やエンジニアがMicrosoftに移籍しました。

Legal Agentは、Wordにエージェント型AI機能を拡充するMicrosoftの広範な戦略の一部です。法務分野はAIの業務適用が特に期待される領域であり、構造化されたプロセスで弁護士の信頼を得られるかが今後の普及の鍵となります。

LlamaIndexの共同創業者兼CEOであるJerry Liu氏は、LLMアプリケーション開発に必要だったインデックス層やクエリエンジン、検索パイプラインなどの「足場レイヤー」が崩壊しつつあると語りました。モデルの進化により、開発者がこれらの決定論的ワークフローを軽量に構築するためのフレームワークの必要性は薄れています。

その背景には、LLMの推論能力の急速な向上があります。最新モデルは大量の非構造化データを人間以上の精度で処理でき、自己修正やマルチステップの計画立案も可能です。MCP（Modern Context Protocol）やClaude Agent Skillsにより、ツールの発見・利用が個別統合なしで実現されるようになりました。エージェントのパターンは「マネージドエージェント」構成に収斂しています。

Liu氏はさらに、コーディングエージェントの発達により開発者の作業自体が変質していると指摘します。LlamaIndexのコードの約95%はAIが生成しており、「エンジニアは実際のコードを書いていない。自然言語で入力している」と述べました。プログラマーと非プログラマーの境界が消えつつあるといいます。

では足場が崩壊した後に何が残るのか。Liu氏の答えは「コンテキスト」です。エージェントがファイル形式を解読し正確な情報を抽出する能力が差別化要因になるとし、LlamaIndexはOCRによるエージェント型文書処理でこの領域に注力しています。「OpenAI CodexでもClaude Codeでもどちらでもよい。すべてが必要とするのはコンテキストだ」と同氏は強調しました。

一方でLiu氏は、特定のフロンティアモデルへの依存リスクにも警鐘を鳴らしています。スタックのモジュール性を保ち、技術的負債を排除し、モデルリリースごとに最適な選択肢へ柔軟に移行できる体制を整えることが企業に求められると述べました。スタックの一部は必然的に廃棄される前提で設計すべきだとしています。

キリスト教系コンテンツクリエイターが、聖書の物語をAIで動画化する作業をFiverrのギグワーカーに外注している実態をThe Vergeが報じました。TikTok、YouTube、Instagram、Facebookには、AIが生成した聖書アニメーションが大量に投稿されており、数十万回再生される動画も少なくありません。しかし、これらのチャンネル運営者は制作を外注している事実をほとんど明かしていません。

Fiverrでこうした案件を請け負うフリーランサーは、ナイジェリアやパキスタンなど新興国に多く集中しています。ナイジェリア出身のDave氏は、従来のアニメーション習得には時間とリソースが必要だったがAIツールで参入障壁が下がったと語ります。パキスタンのSherry氏は、プロンプト設計やストーリーテリングの技術が他との差別化になると説明しています。

制作ワークフローは高度に標準化されています。まずChatGPTで脚本を生成し、ElevenLabsで音声ナレーションを作成、Grokで各シーンのビジュアルを生成した後、CapCutで編集するという流れです。フリーランサー間ではプラットフォームの生成回数制限への対処法なども共有されており、結果として動画の見た目が均質化する傾向にあります。

視聴者のコメント欄では聖書のメッセージを広める手段として肯定的な反応が目立ちます。一方で、聖書の登場人物がiPhoneを持つインフルエンサーとして描かれるなど、宗教的な正確性よりも感情的な訴求が優先される傾向があります。AIコンテンツの大量生産がギグエコノミーと宗教コミュニティの双方に与える影響は、今後も注視が必要です。

エンタープライズAIプラットフォームを提供するWriterは2026年4月30日、AIエージェント基盤「Writer Agent」にイベントベーストリガー機能を追加したと発表しました。Gmail、Gong、Google Calendar、Google Drive、Microsoft SharePoint、Slackの6サービスで発生するビジネスイベントを自動検知し、人間の指示なしに複数ステップのワークフローを実行します。Salesforce Ventures、Adobe Ventures、Insight Partnersが出資する同社にとって、完全自律型エージェントへの最も積極的な一歩となります。

従来のAIアシスタントは人間がプロンプトを入力して初めて動作する「受動型」でしたが、今回のトリガー機能により「能動型」へと転換します。たとえばマーケティングチームの場合、Google Driveにクリエイティブブリーフが追加された瞬間に、リサーチ収集からアセット生成、成果物準備までの一連のプレイブックが自動で連鎖起動します。Writerの自社推論エンジン「Palmyra」がイベントの文脈を理解し、実行するかどうかをリアルタイムで判断する点が、条件分岐を手動で定義するZapier等の自動化ツールとの違いです。

自律実行に伴うリスクへの対策として、Writerはガバナンス機能を大幅に強化しました。チームごとに異なる権限を設定できるConnector Profiles、エージェントの全操作を追跡するAI Studio Observability、AWS・Azure・GCPの鍵管理サービスによる暗号鍵持ち込み、Datadogへのログ転送プラグインなどを同時にリリースしています。ワークフロー内に人間の承認チェックポイントを組み込むことも可能で、完全自律と人間監督のバランスを企業側が選択できます。

今回のリリースは、AWS、Salesforce、Microsoftがそれぞれエージェント基盤を強化するなか、非技術系ビジネスユーザーでも構築・運用できる点をWriterの差別化要因として打ち出すものです。今後はSalesforce、SAP、Workdayなど基幹業務システムへのトリガー対応も予定しており、たとえば商談作成をきっかけに関連資料やデモ環境の準備を自動実行する構想を示しています。新機能はWriter法人顧客に即日提供が開始されました。

Salesforceは、AIプロダクトのロードマップを顧客とのリアルタイムな共創によって策定する戦略を採用しています。同社AI部門のEVPであるJayesh Govindarajan氏によると、約1万8,000社の顧客から得られる情報を基に、エージェントのコンテキスト、観測可能性、決定論的制御といったテーマ別にボトムアップで開発を進めています。一部の顧客とは週1回のペースで会議を行っています。

この戦略の具体的な成果として、旅行管理プラットフォームEngineの事例が挙げられます。同社はSalesforceの運用チームと毎週ミーティングを行い、リリース前のAIツールへのアクセスを得ています。CEOのElia Wallen氏がAI音声エージェントの不自然さを指摘したところ、短期間で改善が実施され、A/Bテストでも好結果が出ました。

連邦信用組合のPenFedも、Salesforceとの密接な協業を通じてテックスタックの簡素化に成功しています。同社がAgentforceの既存ツールを使って独自に構築したITサービス管理ワークフローは、Salesforceによってプラットフォーム全体に展開され、他の企業も利用可能になりました。

一方で、この戦略にはリスクもあります。多くの企業がAIの活用方法をまだ模索している段階であり、顧客が最適なプロダクト開発の情報源とは限りません。ベータテストへの参加が長期的な利用や契約に直結する保証もありません。Salesforceは社内でも自社AIツールの最大のユーザーとなることで、この課題を補完しています。

Googleは2026年4月30日、旅行業界向けの新しい広告形式「Search Campaigns for Travel」を発表しました。これは従来分散していた旅行関連の広告キャンペーンを、標準のSearch広告キャンペーンに統合するもので、広告主のワークフローを大幅に簡素化します。

新形式の最大の特徴は、複数の旅行広告フォーマットを単一の管理画面から運用できる点です。従来は旅行広告を出稿する際に複数のキャンペーンタイプを個別に管理する必要がありましたが、統合により一つの窓口ですべての旅行フォーマットをカバーできるようになります。

さらに、AI Max for Searchの機能も統合されており、自動クリエイティブ生成やダイナミックランディングページなどの高度な機能を旅行広告でも利用可能です。旅行フィードをテキスト広告に活用したり、キーワードを旅行フォーマットに適用したりと、既存アセットの相互活用が実現します。

レポート面でも刷新が図られ、これまで分断されていたパフォーマンスデータを統合ビューとして一元的に確認できます。検索語句レポートを含む複数階層での分析が可能となり、入札戦略の最適化や効果測定の精度向上が期待されます。旅行業界の広告主にとって、運用効率と成果の両面で恩恵のある施策です。

GitHubは2026年4月30日、公式ブログで「GitHub Copilot CLI for Beginners」シリーズの第2回を公開しました。今回はCLIの2つの主要モード、対話（interactive）モードと非対話（non-interactive）モードの違いと使い分けを初心者向けに解説しています。ターミナルから直接AIコーディング支援を受けたいユーザーに向けた実践的なガイドです。

対話モードはCopilot CLIのデフォルトの動作モードです。コマンドラインでcopilotと入力するだけで起動し、チャットのようにやり取りしながら作業を進められます。たとえば「このプロジェクトをローカルで実行するには？」と質問し、さらに「実行してくれる？」と依頼すると、Copilotがプロジェクトを分析してサーバーを起動してくれます。

一方の非対話モードは、copilot -pに続けてプロンプトを渡すことで、セッションに入らず即座に回答を得られます。リポジトリの要約やコードスニペットの生成、自動化ワークフローへの組込みなど、ワンショットで完結するタスクに適しています。回答後はすぐにターミナルの通常操作に戻れるため、作業の流れを中断しません。