AIニュース速報（2026年8月10〜13日）｜xAIが24時間稼働エージェント「Grok Bot」を発表・NVIDIAは1基のGPUで動く30Bオープンモデル「Nemotron 3.5 Lightning」を公開、DevinのCognitionは評価額400億ドルで調達交渉・コード検証のBlacksmithは1年で評価額10倍、GoogleはPixel 11のGeminiに電話代行を実装、BtoB調査では「AIっぽさ」で問い合わせ意欲が半減まで解説

2026年8月10日から13日にかけてのAIニュースは、AIエージェントが「必要なときに呼び出すもの」から「常に動いているもの」へ変わった点に一本の線が通っています。xAIは専用のクラウド環境で24時間稼働し、既存の業務ツールにログインしてタスクを代行するAIエージェント「Grok Bot」を発表しました。同じタイミングでNVIDIAは、常時稼働型エージェント向けに設計した30Bパラメータのオープンモデル「Nemotron 3.5 Lightning」を公開しています。1基のGPUで動作しながら大型モデル級の性能を狙うという設計は、エージェントを止めずに動かし続けるための経済性を正面から解こうとしたものです。

もう1つの軸は、AIコーディング領域への資金集中と、そこで価値の重心が「書く」から「確かめる」へ移り始めたことです。Devinを手掛けるCognitionは評価額400億ドルでの調達交渉が報じられ、5月の260億ドルからわずか3カ月で急上昇しました。一方、生成されたコードの検証を担うBlacksmithは、1年足らずで評価額が10倍の5.5億ドルに達しています。AIが大量にコードを書けるようになったからこそ、それを確かめる仕組みに市場が生まれた。本記事では、世界6本・日本7本のニュースをテーマごとに束ね直し、企業のAI担当者が来週の意思決定にそのまま使える形で整理します。

2026年8月10〜13日のAIニュース全体像：エージェントが「呼び出すもの」から「常駐するもの」に変わった

今回のニュース群は、大きく4つの流れに分けて読むと構造が見えてきます。第1が常時稼働エージェントというレイヤーの誕生で、xAIのGrok Bot、NVIDIAのNemotron 3.5 Lightning、そしてGoogleのPixel 11シリーズにおけるGeminiの行動代行が該当します。第2がAIコーディングへの資金集中と検証の台頭で、Cognitionの400億ドル評価での交渉、Lovableの133億ドル、Blacksmithの評価額10倍がここに入ります。第3がAI導入の事業モデル化と開放性をめぐる議論で、Thrive Holdingsの20億ドル調達、ヒントン氏らによるオープンなAIの主張、ManusのMetaからの独立が該当します。そして第4がAI出力の信頼性と現場リスクの流れで、BtoB担当者の「AIっぽさ」に関する調査、ドラゴンクエストXのAIバディの制約設計、AIツール関連サイト経由のサポート詐欺被害がここに束ねられます。

4つの流れを貫くのは、AIを動かし続けるためのコストと、出力を信頼させるための手間が、同時に表面化したという論点です。エージェントを常時稼働させるなら、1回あたりの推論コストは従来の何倍もの回数で積み上がります。だからNVIDIAは1基のGPUで動く小型モデルを出し、大型モデルが計画を立て、小型モデルが実行を回すという分担を提案しました。一方、出力をそのまま外に出せば「AIっぽさ」で顧客が離れ、ゲームに載せれば世界観が壊れる。生成できることと、使える品質で出せることの間には依然として大きな距離があるのです。

企業のAI担当者にとって、この構図から導かれる実務的な結論は2つあります。1つは、常時稼働を前提にした費用とガバナンスの試算を先に済ませておくべきだということです。エージェントが24時間動くなら、コストだけでなく、認証情報の保持期間、操作ログの保全、想定外の動作を止める手順まで設計が必要になります。もう1つは、AIの出力に自社固有の情報と制約を載せる工程こそが競争力になるということです。BtoB調査とドラゴンクエストXの事例は、まったく違う業界の話に見えて、同じことを示しています。以下、テーマごとに詳しく見ていきます。

xAIの「Grok Bot」とNVIDIAの「Nemotron 3.5 Lightning」：常時稼働エージェントは大型と小型の二層構造で動く

イーロン・マスク氏率いるxAI（SpaceXAI）が、専用のクラウド環境で24時間稼働し、既存の業務ツールにログインしてタスクを代行するAIエージェント「Grok Bot」を発表しました。ユーザーは同僚にメッセージを送るように指示するだけでよく、メール処理や資料作成などを任せられます。SuperGrok HeavyやCursor Ultraなどの有料ユーザー向けにベータ提供され、デスクトップ（Linuxを含む）とiOSに対応します。各エージェントが専用のクラウド環境を持つため、ユーザーが自分のPCを離れていても作業が続く点が従来のアシスタントとの決定的な違いです。

同じタイミングでNVIDIAは、常時稼働型AIエージェント向けに設計した30Bパラメータのオープンモデル「Nemotron 3.5 Lightning」を公開しました。OpenClawなど常時稼働エージェント基盤に対応し、性能はOpenAIの大型モデルgpt-oss-120bに匹敵するとしつつ、出力速度は大幅に高速化。1基のGPUで動作可能で、企業が自社データで追加学習しやすい設計とされています。技術的には全体で30Bを持ちながら実際に動くのは一部のパラメータだけという構成を採ることで、この速度と省リソースを実現しているとされます。

この2つを並べると、常時稼働エージェントの経済学が見えてきます。エージェントが24時間動くということは、推論の実行回数が従来の使い方の何十倍にもなるということです。1回あたりのコストが小さくても、回数が桁違いなら総額は跳ね上がります。ここで「すべての処理を最高性能のモデルでやる」という設計は成り立ちません。だからNVIDIAは、大型モデルが計画と調整を担い、小型の専用モデルがコードレビューやツール実行、アラート監視といった定型作業を高速に回すという二層構造を提案しています。同社があわせて、リクエストごとに適切なモデルへ振り分けるルーティングの仕組みを打ち出しているのも同じ発想です。

実務上の論点は3つあります。第1に、費用の試算単位が変わることです。従来は「1人あたり月額いくら」で見積もれましたが、常時稼働では「1エージェントあたり1日いくら」という単位になります。稼働させておくだけで課金が続く構造では、止め忘れが直接コストになる点にも注意が必要です。第2に、認証情報の扱いです。既存の業務ツールにログインして作業するということは、エージェントが業務システムの資格情報を保持し続けるということです。人が離席している間も動くのですから、権限の範囲と有効期限、操作ログの保全は導入前に決めておくべき事項になります。第3に、異常時に止める手順です。常駐するものは、暴走したときに気づくのが遅れます。1日の操作件数や対象システムに上限を設ける発想が現実的です。

ソース：ITmedia NEWS（Grok Bot）、ITmedia AI＋（Nemotron 3.5 Lightning）

GoogleがPixel 11シリーズを発表、Geminiが電話代行まで担う：エージェントが手元の端末に降りてきた

Googleが年次イベント「Made by Google 2026」で、Pixel 11シリーズ（Pixel 11、11 Pro、11 Pro XL、11 Pro Fold）とPixel Watch 5を発表しました。特徴的なのは、ハードウェア面の変更は小幅にとどまり、AI機能が主役になっていることです。Geminiによるバックグラウンドでのタスク実行機能が大幅に強化され、買い物の注文や配車、レストラン予約の電話代行などをGeminiが代行できるとしています。カメラには数百枚のフレームから最適な瞬間を選ぶ「Magic Capture」、話し言葉の乱れを整理する新音声入力「Rambler」も搭載されました。

国内報道では、この機能群が「Gemini Intelligence」と呼ばれ、アプリを横断してユーザーの意図を理解し、代わりに行動を実行できると説明されています。折りたたみ型のPixel 11 Pro Foldは、従来より10%軽量化・1mm薄型化しつつ耐久性を高めたとされます。

前節の常時稼働エージェントがクラウド側の話だったのに対し、こちらはエージェントが個人の端末に降りてきたという話です。そして注目すべきなのはレストラン予約の電話代行という機能です。これは他の代行と性質が違います。買い物の注文や配車は相手がシステムですが、電話の相手は人間です。つまりこの機能は、AIが人間に対して会話で交渉する場面を日常に持ち込みます。

ここから企業側が考えるべきなのは、自社がAIからの電話を受ける側になるという視点です。飲食、宿泊、クリニック、修理業、士業など、電話予約や電話問い合わせが業務の入口になっている事業では、相手がAIである問い合わせが今後増えると考えるのが自然です。備えとしては、（1）予約や問い合わせの一部をWebやAPIで受けられるようにして電話に集中させない、（2）AIからの問い合わせを禁止するのか受け入れるのかを方針として決める、（3）電話応対のスクリプトを、機械的な相手でも成立する構造に整える、といった対応が考えられます。

もう1つ見ておきたいのは、ハードの進化幅が小さくなり、体験の差がAIで作られるようになったという点です。これはスマートフォンに限った話ではありません。自社製品の改善余地がハード側で頭打ちになっている企業にとって、使い方を理解して先回りするソフトの層が差別化の場になるという示唆があります。Magic Captureのように、ユーザーが意識しないところで大量の候補から最適を選ぶ処理は、ハードのスペック表には現れないのに体感を大きく変えます。

ソース：TechCrunch、ITmedia NEWS

Cognitionは評価額400億ドルで交渉、Lovableは146人で133億ドル：AIコーディングに資金が集中し続ける理由

Devinを手掛けるAIコーディング企業Cognitionが、新たな資金調達に向け投資家と交渉中であることが報じられました。実現すれば評価額は400億ドルに達する見通しで、5月に260億ドルの評価額で10億ドルを調達してからわずか3カ月での急上昇となります。年間収益ランレートは4億9200万ドルに達し、企業によるDevin利用は過去半年間、月50%のペースで拡大しているといいます。

あわせて、AIアプリビルダーのLovableがMenlo VenturesとScaleup Europe Fund主導のシリーズCで4億ドルを調達し、評価額133億ドルに達したと発表しました。特筆すべきは従業員がわずか146人という点です。単純計算で1人あたり約9000万ドルの評価額になります。

この2社の数字が示すのは、AI開発ツール市場が「成長率で評価される」局面にあることです。月50%成長という数字を素直に伸ばすと、半年で約11倍になります。もちろん実際にはどこかで鈍化しますが、投資家は現在の売上ではなく、この曲線がどこまで続くかに賭けている構図です。年間収益ランレート4億9200万ドルに対して評価額400億ドルという水準は、売上の80倍前後に相当します。従来のソフトウェア企業の評価倍率とは別の世界です。

導入する企業側が押さえておくべき実務論点は3つあります。第1に、価格改定のリスクです。急成長中のツールは、成長を優先して価格を抑えている段階と、収益化に舵を切る段階があります。全社導入の稟議を通すときは、単価が変わった場合の再計算を前提に置いてください。第2に、ロックインの評価です。AIコーディングツールは、社内の設定・プロンプト資産・ワークフローと深く結びつきます。乗り換えコストがどれだけ発生するかを、導入前に一度見積もっておく価値があります。第3に、効果測定の設計です。「月50%で利用が伸びている」のはベンダー側の指標であって、自社での効果ではありません。自社ではリードタイム・手戻り率・レビュー工数といった事業側のアウトプットで測る必要があります。なおCognitionは2026年4月に日本法人を設立しており、国内での導入支援体制も整いつつある状況です。

ソース：TechCrunch（Cognition）、TechCrunch（Lovable）

コード検証のBlacksmithが1年足らずで評価額10倍：価値は「書く」から「確かめる」へ移った

AIによるコード生成が急速に進むなか、生成されたコードのテスト・検証を担うBlacksmithが、Peak XV Partners主導のシリーズBで4500万ドルを調達し、評価額5.5億ドルに達しました。1年前の評価額6000万ドルから約10倍の急上昇です。顧客数も1年前の700社超から5000社超に拡大しており、AIコーディングの普及に伴うソフトウェア検証需要の高まりを象徴しています。

前節のCognitionやLovableが「書く側」の企業だとすれば、Blacksmithは「確かめる側」の企業です。この2つが同時に急成長していることには、単純な因果があります。AIが書くコードの量が増えれば、確かめなければならない量も同じだけ増えるからです。しかも増えるのは量だけではありません。人間が書いたコードなら、書いた本人が意図を説明でき、レビュアーも変更の理由を推測できます。AIが生成した大量の差分では、なぜその実装になったのかを人間が把握しきれないという質的な難しさが加わります。

ここは前回記事で扱った論点と直接つながります。Claude Codeの対照実験で、危険な操作の検出率が人間の承認プロセスで13.6%にとどまり、確認回数が50回を超えると約5%まで落ちたというデータがありました。人間のレビューは量に負けるのです。生成量が増える一方でレビューの精度が量に反比例して落ちるなら、間を埋めるのは自動化された検証しかありません。Blacksmithの評価額が10倍になったのは、市場がこの構造を理解した結果と読めます。

自社で取るべきアクションは明確です。第1に、テスト資産の整備を、AIコーディング導入とセットで進めることです。テストが薄いコードベースにAIを入れると、生成量だけが増えて品質の確認手段がないという最悪の状態になります。順番としては、まず自動テストとCIを整え、それからAIに書かせる量を増やすのが正解です。第2に、レビューの役割を再定義することです。行単位の正しさは自動検証に任せ、人間は設計意図・仕様との整合・セキュリティ上の判断といった機械が判断しにくい部分に集中する。第3に、レビュー工数を指標として計測することです。AI導入で開発が速くなったように見えて、レビュー待ちの行列が伸びているだけというケースは珍しくありません。ボトルネックが移動しただけなら、全体のリードタイムは改善しません。

ソース：TechCrunch

OpenAI出資のThrive Holdingsが20億ドル調達：ソフトを売るのではなく事業を買ってAIを入れる

OpenAIが出資するThrive Holdingsが、SoftBankやD1 Capital Partners、Altimeter Capitalなどから20億ドルを新たに調達し、評価額120億ドルとなりました。同社は会計事務所など従来型企業を買収し、業務にAIを組み込む「AI版プライベートエクイティ」のような事業モデルを展開しており、OpenAIとの緊密な関係が戦略の核となっているとされます。

このモデルの狙いを理解するには、ソフトウェアを売る商売と、事業を持つ商売の違いを押さえる必要があります。AIツールをSaaSとして売る場合、得られるのは月額の利用料であり、顧客が実際にどれだけ利益を増やしたかは価格に反映されません。一方、事業そのものを買ってAIで効率化すれば、効率化で生まれた利益がすべて自社のものになる。会計事務所のような労働集約型のサービス業は、人件費が原価の大半を占めるため、AIによる工数削減が利益率の改善に直結します。ツールを売るより、事業を買って自分で使うほうが儲かるという判断です。

日本の実務にとって、この動きは2つの意味を持ちます。第1に、労働集約型サービス業が資本の標的になっているということです。会計・税務、社会保険手続き、法務事務、コールセンター、BPO、翻訳、設計補助など、定型的な知的作業を人手で回している業界は、同じ論理で買収と効率化の対象になりえます。国内でも後継者不在の事務所は多く、買い手にとっては人材と顧客基盤をまとめて取得できる機会です。

第2に、自社が買われる側になる前に、自力で効率化しておく価値です。外部資本がAIで利益率を改善できる余地があるということは、その余地は現経営陣にも同じだけあるということです。差があるのは、投資判断の速さと実装の知見だけです。具体的には、（1）業務のうち定型作業が占める割合を測る、（2）そのうちAIで置き換え可能な工程を洗い出す、（3）小さな範囲で実装して効果を数字で確認する、という順序で進めれば、外部から評価される前に自社で改善を取り込めます。効率化の果実を誰が受け取るのかという問題であって、技術的な難易度の問題ではありません。

ソース：TechCrunch

ヒントン氏・リー氏・ン氏がオープンなAIの必要性を訴え：安全性と開放性は本当に対立するのか

ラスベガスで開催されたAi4カンファレンスで、ノーベル賞受賞者のジェフリー・ヒントン氏、World Labs CEOのフェイフェイ・リー氏、Coursera共同創業者のアンドリュー・ン氏という世界的に著名な3人のAI研究者が、AI開発をオープンに保つことの重要性を強く訴えました。AI安全性への懸念が高まるなかで、オープンソースモデルの意義を再確認する議論となったとされます。

この3人が同じ場で足並みをそろえたことには意味があります。ヒントン氏は近年、AIのリスクについて強い警告を発してきた人物として知られます。リスクを最も強く訴えてきた研究者が、同時に開放性を支持しているという構図は、「安全性を重視するなら閉じるべきだ」という単純な図式が成り立たないことを示しています。閉じたモデルでは、外部の研究者が弱点を検証できません。少数の企業だけが能力を独占すれば、その企業の判断が唯一の安全基準になるという別のリスクが生まれます。

直近のニュースを並べると、この議論の現実味が増します。前回記事では、OpenAIが次期モデルの「Critical」級サイバー能力を理由に開発の一部を停止し、Anthropicは生物学分野のセーフガードを緩和したという動きを扱いました。いずれも安全策の判断が事業者の内部で行われている点は共通しています。一方で本記事の前半で見たNVIDIAのNemotron 3.5 Lightningは、企業が自社データで追加学習できるオープンモデルです。能力の高いモデルが開放される流れと、フロンティアモデルが慎重に閉じられる流れが並走しているのが現状です。

企業の実務としては、オープンモデルを選択肢として常に持っておくことが実質的な意味を持ちます。理由は3つあります。第1に、提供停止や仕様変更に対する保険になることです。クローズドなAPIに全面依存していると、提供条件が変わったときに打てる手が限られます。第2に、データを外に出せない業務への対応です。自社環境で動かせるモデルがあれば、機密性の高い処理でもAIを使えます。第3に、コストの上限を自分で決められることです。ただし、以前扱ったAlibabaのQwenにおける収益分配制の検討のように、オープンウェイトのライセンス条件は変わりうる点には注意が必要です。オープンだから永久に無料とは限りません。

ソース：TechCrunch

中国発エージェントManusがMetaから独立、8月23日から一部データ削除：AI企業のM&Aに国家が介入する時代

中国発のAIエージェント企業Manusが、2025年12月にMetaに買収されていた経緯を解消し、独立企業として事業を再開すると発表しました。中国政府（国家発展改革委員会）が、技術・人材の出自が中国にあることを理由に買収の解消を求めていたとされます。独立に伴い、2025年12月29日以降に一部ユーザーが生成したデータは8月23日から削除される予定です。

買収が成立した後に、国家の要求で解消されるという事例は極めて異例です。ここから読み取れるのは、AI技術と人材が安全保障上の資産として扱われ始めているという現実です。従来、政府が企業買収に介入するのは半導体や通信インフラ、防衛関連が主でした。AIエージェントというアプリケーション寄りの領域にまで介入が及んだことは、対象範囲の広がりを示しています。技術そのものではなく「技術・人材の出自」が根拠にされている点も重要で、どこで生まれた技術なのかが事業継続の条件になりうるということです。

企業のAI担当者にとって、最も差し迫った論点はデータ削除の期日です。2025年12月29日以降に生成されたデータが8月23日から削除されるということは、利用者側に退避の猶予がほとんどないことを意味します。もし自社でManusを業務に使っていたなら、対象データの特定と書き出しを直ちに行う必要があります。より一般的な教訓としては、SaaSの資本構成の変化が、自社データの可用性に直結するという点です。サービスの品質や価格を比較するとき、私たちは「使いやすさ」や「機能」を見ますが、提供元が消えたり方針が変わったときに何が残るのかは検討から漏れがちです。

現実的な備えは3つです。第1に、業務で使っているAIサービスの一覧と、それぞれのデータ書き出し手段を把握することです。エクスポート機能があるか、APIで取り出せるか、形式は再利用可能か。第2に、重要な生成物は自社側にも保存することです。プロンプト、生成結果、設定など、蓄積した資産がサービス内にしか存在しない状態は避けるべきです。第3に、地政学的なリスクを調達要件に含めることです。特定国の技術に依存する構成が事業継続の前提として妥当かどうかは、技術評価とは別の軸で判断する必要があります。

ソース：ITmedia NEWS

BtoB調査で約9割が「AIっぽさ」を感知：嫌われてはいないのに問い合わせが止まる構造

BtoB商材の比較検討や発注に携わる担当者を対象にした意識調査で、約9割がコンテンツに「AIっぽさ」を感じた経験があり、その後問い合わせや資料請求をやめた例も一定数あることが分かりました。一方で、「人間らしさ」を感じると信頼・好感が上がると回答した担当者は84.5%に達しています。ここでいう人間らしさは、独自データや一次情報など、調べただけでは得られない中身を指します。

この調査で最も実務的に重い発見は、感情的な拒否と行動の変化がずれている点です。関連する報道によれば、AIっぽさを感じたときに信頼が下がると答えた層は1割程度にとどまる一方、問い合わせ意欲が下がったと答えた層は約半数に及びます。つまり読者はAI生成コンテンツを嫌ってはいないが、行動もしないのです。これは発信側にとって非常に検知しづらい失敗です。批判的な反応が来るわけではないので、問題があること自体に気づけません。アクセス数は保たれたまま、転換率だけが静かに落ちていきます。

では何が「AIっぽさ」を生むのか。調査で最も多く挙げられた要因は、中身が薄く、調べればわかる内容しか書いていないことだとされています。ここが本質です。問題は文体やAIの利用そのものではなく、その記事を読む前と後で読者の知識が増えていないことなのです。逆に、人間らしさとして評価されるのは一次情報や独自データでした。両者は表裏一体で、要するに読者は他では読めない中身があるかどうかを見ています。

実務への落とし込みは具体的にできます。第1に、自社しか持っていない情報を1本の記事に必ず1つ入れることです。実際の案件データ、社内で測った数値、うまくいかなかった事例、顧客からよく出る質問の傾向。どれも検索では得られません。第2に、一般論のセクションを削る勇気を持つことです。「〜とは」から始まる説明を厚くするほど、AIっぽさの要因である「調べればわかる内容」の比率が上がります。第3に、AIの使い方を変えることです。AIに一般論を書かせるのではなく、自社の一次情報を渡して構成と表現を整えさせる使い方に切り替えれば、生産性と独自性を両立できます。AIを使うかどうかが問題ではなく、何を材料に使うかが問題なのです。

ソース：＠IT

ドラゴンクエストXのAIバディが用意した「言ってはいけないこと」リスト：製品に載せるAIの本質は制約設計

スクウェア・エニックスとGoogle Cloudが手掛ける『ドラゴンクエストX』の対話型AIバディ「おしゃべりスラミィ」について、ゲームの世界観を壊さないための工夫が明らかになりました。「言ってはいけないこと」のリストを用意し、ゲーム外の話題には応答しないよう判定する仕組みを構築しているとのことです。14周年を迎える8月の実装に向け、開発陣が創意工夫を重ねているとされます。

ゲームの話題ですが、これは企業がAIを製品に組み込むときの本質そのものです。汎用の対話AIは、放っておけば何でも答えます。天気のこと、時事問題、他社製品の評価、そして自社に不利な話まで。ゲームの世界に住むキャラクターが現実世界の話題に答えてしまえば、その瞬間に世界観は崩壊します。同じことが企業のチャットボットでも起きます。自社サイトのAIが競合製品を褒めたり、根拠のない値引きを約束したりすれば、ブランドと信頼が損なわれるのです。

注目したいのは、対策が2段構えになっている点です。1つは「言ってはいけないこと」のネガティブリスト、もう1つはそもそも範囲外の話題かどうかを判定する仕組みです。この組み合わせは実装として理にかなっています。ネガティブリストだけでは、リストに載っていない未知の話題に対応できません。範囲外判定だけでは、範囲内に見えるが言ってはいけないことを防げません。両方を重ねることで、想定外と想定内の両方をカバーするという設計です。前回記事で扱った、承認をAIに任せつつ実行範囲そのものを絞るという話と、構造がまったく同じです。

自社でAIチャットボットや対話型の機能を作る企業が、この事例からそのまま流用できる設計指針は3つあります。第1に、禁止事項リストを文書として作ることです。価格の約束、納期の確約、法的助言、競合の評価、個人情報の取り扱いなど、業種ごとに書き出せます。第2に、対応範囲を明示的に定義して、範囲外は素直に断ることです。無理に答えようとするAIより、答えられないと言えるAIのほうが信頼されます。第3に、この作り込みの工数を最初から見積もりに入れることです。生成AIを組み込む案件では、モデルを繋ぐ工数は小さく、言わせないための作り込みが工数の大半を占めるのが実情です。前節のAIっぽさの話とあわせると、AIの出力に自社固有の情報と制約をどう載せるかが競争力そのものだという結論になります。

ソース：ITmedia ビジネスオンライン

AIツール関連サイト閲覧中のサポート詐欺で約4000件のファイルが削除：AIブームが攻撃の入口になっている

葬祭事業のエスケーアイマネージメント（愛知県知多市）が8月12日、従業員がAIツール関連のWebサイトを閲覧中にサポート詐欺の被害に遭い、業務用PCを第三者に遠隔操作されたと発表しました。個人情報を含む約4000件のファイルが削除され、漏えいの可能性があるといいます。個人情報保護委員会への報告と警察への相談を済ませ、デジタルフォレンジック調査を進めているとのことです。

サポート詐欺は、偽の警告画面を表示して「ウイルスに感染した」と信じ込ませ、表示された番号に電話をかけさせて遠隔操作ソフトを導入させる古典的な手口です。この事例で注目すべきなのは、侵入経路がAIツールを探す行為だった点です。いま多くの従業員が、業務を効率化しようと自発的に新しいAIツールを探しています。その熱心さ自体は歓迎すべきものですが、新しく登場したツールは、正規なのか偽物なのかを見分ける手がかりが乏しいという問題があります。攻撃者にとっては、これほど狙いやすい状況はありません。

構造を整理すると、AIブームは3つの意味で攻撃者に有利に働いています。第1に、知名度の低いサービス名が大量に流通していることです。聞いたことのない名前でも「新しいAIツールだろう」と受け入れられてしまいます。第2に、従業員が管理部門に相談せず自分で試す傾向です。AIツールの利用は個人の裁量で始められることが多く、事前確認のプロセスを通りません。第3に、試すこと自体が推奨されている空気です。会社がAI活用を奨励していれば、従業員は積極的に探します。善意の行動が入口になるため、注意喚起だけでは止まりません。

したがって対策は、禁止ではなく安全な導線を用意する方向で考えるべきです。第1に、承認済みAIツールのカタログを社内に公開することです。「これを使えばよい」が明示されていれば、未知のサイトを探索する動機が減ります。第2に、新しいツールを試したいときの相談窓口を軽くすることです。申請が面倒なら現場は勝手に試します。第3に、偽警告への対応を具体的に訓練することです。警告画面が出ても電話をかけない、ブラウザを終了する、情報システム部門に連絡する、という手順を明示します。第4に、遠隔操作ソフトのインストールを技術的に制限することです。人の判断に頼らず止められる層を作っておくのが、最も確実な防御になります。

ソース：ITmedia AI＋

実務担当者が今週やるべきこと：常時稼働の前提整理・検証資産の棚卸し・AIツール探索の安全な導線づくり

ここまでの13本のニュースを踏まえ、企業のAI担当者が今週から着手できる具体的なアクションを整理します。優先度は、期日の近さと影響範囲の広さで並べています。

第1に、Manusを業務で使っている場合は、データの退避を直ちに行うことです。2025年12月29日以降に生成されたデータが8月23日から削除される予定とされており、猶予はほとんどありません。対象データの特定、書き出し、保存先の確保を今週のうちに済ませてください。あわせて、他のAIサービスについてもエクスポート手段の有無を一覧化しておくと、次に同じことが起きたときに動けます。

第2に、AIツール探索の安全な導線を用意することです。サポート詐欺の事例は、AI活用を奨励している組織ほど起こりやすい構造を持っています。承認済みツールのカタログ公開、相談窓口の簡素化、偽警告への対応手順の周知、遠隔操作ソフトの技術的制限の4点は、いずれも短期間で着手できます。禁止ではなく代替の提示が要点です。

第3に、常時稼働エージェントを導入する前提を整理することです。Grok Botのように24時間動くエージェントは、費用の計上単位が「人あたり」から「エージェントあたり」に変わります。あわせて、業務ツールの認証情報をエージェントが保持し続ける前提で、権限の範囲・有効期限・操作ログの保全・1日あたりの操作上限を決めてください。人が見ていない時間帯に動くものだからこそ、事後に追跡できる状態が不可欠です。

第4に、テスト資産と検証体制を棚卸しすることです。Blacksmithの評価額が10倍になった背景は、AIが書く量に人間のレビューが追いつかないという構造でした。自社のコードベースについて、（1）自動テストの網羅率、（2）CIで自動的に検出できる問題の範囲、（3）レビュー待ち時間の実測値、の3点を確認してください。テストが薄い状態でAIコーディングを拡大するのは、品質確認の手段を持たずに生産量だけ増やす行為です。

第5に、自社コンテンツに一次情報を1つ足すことです。BtoB調査が示したのは、AIっぽさを感じた読者は批判せずに静かに離脱するという構造でした。既存の主要コンテンツを見直し、自社しか出せない数値・事例・失敗談が入っているかを点検します。入っていなければ1つ追加する。これは今週中に着手でき、効果が転換率として現れる施策です。

まとめ：エージェントは常駐し、価値は検証に移り、独自性が最後の差別化になった

2026年8月10〜13日のAIニュースを振り返ると、3つの変化が浮かび上がります。1つ目は、エージェントが常駐するものになったことです。xAIのGrok Botは専用クラウド環境で24時間稼働し、既存の業務ツールにログインしてタスクを代行します。NVIDIAのNemotron 3.5 Lightningは、1基のGPUで動く30Bのオープンモデルとして、常時稼働の経済性を成立させにきました。大型モデルが計画し、小型モデルが実行を回すという二層構造が、現実的な設計になりつつあります。GoogleがPixel 11でGeminiに買い物の注文・配車・レストラン予約の電話代行までさせるのも、同じ流れが個人の端末側で起きているということです。

2つ目は、価値の重心が「書く」から「確かめる」へ移ったことです。Devinを手掛けるCognitionは評価額400億ドルでの交渉が報じられ、Lovableは従業員146人で133億ドルに達しました。同時に、生成コードの検証を担うBlacksmithは1年足らずで評価額が10倍の5.5億ドルに、顧客数は700社超から5000社超に拡大しています。AIが書く量が増えれば、確かめる量も同じだけ増える。人間のレビューは量に負けるという前回記事の論点が、そのまま市場の評価に現れました。

3つ目は、独自性と制約設計が最後の差別化になったことです。BtoB担当者の約9割がコンテンツに「AIっぽさ」を感じており、その主な要因は調べればわかる内容しか書いていないこと。人間らしさを感じると信頼・好感が上がると答えた層は84.5%に達し、その中身は一次情報や独自データでした。ドラゴンクエストXのAIバディが「言ってはいけないこと」のリストと範囲外判定という2段構えを用意したのも、同じ課題への回答です。生成できることと、使える品質で世に出せることの距離は、まだ大きく開いています。

構造の変化としては、Thrive HoldingsがOpenAIの出資を受けて20億ドルを調達し、会計事務所などを買収してAIを組み込む事業モデルを進めていることも見逃せません。ツールを売るより、事業を買って自分で効率化するほうが儲かるという判断は、労働集約型のサービス業すべてに向けられた問いです。またManusがMetaから独立し、中国政府の要求が背景にあったこと、そして8月23日から一部データが削除される予定であることは、SaaSの資本構成が自社データの可用性に直結するという教訓を残しました。ヒントン氏ら3人がオープンなAIを訴えたのも、能力の集中がもたらす別種のリスクへの警告と読めます。

今週の実務としては、Manusのデータ退避、AIツール探索の安全な導線づくり、常時稼働エージェントの前提整理、テスト資産と検証体制の棚卸し、自社コンテンツへの一次情報の追加の5点から着手することをおすすめします。とくに8月23日というデータ削除の期日は動かせないため、該当する場合の優先度は最上位です。今回のニュース群が示したのは、AIで作れる範囲が広がるほど、自社にしかないものの価値が上がるという逆説でした。生成の速さは誰でも買えます。買えないのは、自社の現場で積み上げた情報と、それを安全に出すための作り込みです。