AIニュース速報（2026年8月19〜20日）｜OpenAIがZDR維持のまま悪用検知する「Private Safety Processing」でAnthropicに対抗、Pew調査ではAIへの懸念が期待を上回る米国人が52%に、神戸大の実験ではChatGPTの反論で道徳的判断の3割超が覆り高齢者ほど説得されやすい、NIIは商用可の国産33Bモデルを公開まで解説

2026年8月19日から20日にかけてのAIニュースは、AIの性能が上がるほど世論が離れていくという逆説が、はっきり数字で出た点が最大の読みどころです。Pew Researchの調査で、AIの日常利用拡大について期待より懸念が上回ると答えた米国人が52%に達しました。2021年の37%から悪化しています。5月のEconomist/YouGov調査でも7割超が進歩が速すぎると回答しており、技術が良くなっているのに評判は下がっている状況です。

その背景を考えるうえで極めて重要な研究が、同じタイミングで日本から出ました。神戸大学の研究チームが、正解のない道徳的ジレンマについてChatGPTに反論させる実験を行い、参加者の32〜37%が判断を覆したことを確認したのです。他者の助言で判断を変える一般的な割合（20〜30%）を上回り、しかも認知機能が低下した高齢者ほどAIに説得されやすい傾向が見られました。AIはすでに人間の価値判断を動かす力を持っている。この事実が広く知られれば、世論が慎重になるのは自然なことです。本記事では、世界10本・日本10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19〜20日のAIニュース全体像：性能が上がるほど世論が離れるという逆説が数字で出た

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AIと人間の信頼関係の流れで、OpenAIの「Private Safety Processing」、Pew調査によるAI懸念の拡大、神戸大によるAIの説得力の研究、Googleと OpenAIの教育向け施策が該当します。第2がセキュリティの攻防と実態の流れで、AI攻撃と防御のスピード格差に関する寄稿、Netskopeの普及・リスク調査、OpenAIのサイバー研究プログラムからのアクセス取り消し問題です。第3がAIを支える物理基盤の流れで、TerraPowerの原子炉と、Relativity Networksの中空コアファイバーがここに入ります。そして第4が市場と人材の流れで、Claude CodeとCognitionをめぐる動き、OpenAIのパートナー網拡充、エンジニアのAI格差調査、国立情報学研究所のオープンモデル、Vivodyneの創薬、Alexa+とStripeの動きが該当します。

4つの流れを貫くのは、AIの能力が上がることと、社会に受け入れられることが別問題になったという論点です。Pewの52%という数字は、単なる漠然とした不安ではありません。神戸大の研究が示したように、AIには人間の価値判断を動かす実力があります。しかもその影響は判断力が弱い人ほど大きく受ける。この非対称性が、教育や高齢者向けサービスといった場面で具体的な懸念として立ち上がります。OpenAIがChatGPT for Teensに宿題を安易に済ませようとする挙動の検知を入れたのも、この文脈で読めます。

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、AI出力が人の判断を動かす場面を特定し、そこに人間の確認を残すべきだということです。3割超が判断を覆すという数字は、社内の意思決定支援や顧客への提案でAIを使うときにも当てはまります。もう1つは、データ保持の方針が競争軸になったということです。OpenAIとAnthropicが、悪用検知のためにログを保持するかしないかで正面から分かれました。自社が使うAIがどちらの方針かは、契約と法務の判断に直結します。以下、テーマごとに詳しく見ていきます。

OpenAIが「Private Safety Processing」を公開：データを保持せずに悪用を検知するという設計上の難題

OpenAIが、APIのゼロデータ保持オプション（ZDR）を維持したまま、複数のやり取りを横断して悪用の兆候を検知する新機構「Private Safety Processing」をプレビュー公開しました。9月に展開を開始する予定で、悪用のシグナルのみをOpenAIが受け取り、コンテンツ自体は閲覧しない設計としています。プロンプトと出力を30日間保持するAnthropicの方針との違いが意識されており、企業向け市場での差別化を狙ったものと読めます。

この機構が解こうとしている問題は、技術的にかなり難しいものです。悪用の検知には文脈の蓄積が必要だからです。1回のやり取りだけを見れば無害な質問が、10回積み重なると危険な手順の組み立てになっている。こうした検知には、過去のやり取りを参照する必要があります。ところがZDRはまさにデータを保持しないことを約束するオプションです。この2つは原理的に衝突します。

OpenAIの解法は、コンテンツではなくシグナルだけを取り出すというものです。やり取りの内容そのものは保持せず、危険性を示す抽象的な指標だけを集約して判断する。これが実際にどこまで有効かは今後の検証を待つしかありませんが、設計思想としては筋が通っています。企業が最も嫌うのは、業務データや顧客情報がベンダー側に残ることです。検知のために全文を渡さなければならないなら、規制業種では使えません。

企業のAI担当者が確認すべき論点は3つあります。第1に、自社が使っているAPIのデータ保持方針を正確に把握することです。ZDRを契約しているつもりで、実際には一部のログが保持される設定になっているケースは珍しくありません。第2に、保持されないことのトレードオフを理解することです。ログが残らなければ、自社側で問題を追跡することも難しくなります。監査対応や不具合の原因究明を考えると、自社側で必要なログを取る仕組みは別途必要です。第3に、ベンダーの方針は変わりうることです。前回記事で扱ったブロックマン氏の「自社AIのサイバー能力を過小評価していた」という発言のとおり、リスク認識が変われば方針も変わります。契約更新のタイミングで必ず再確認してください。

ソース：TechCrunch、ITmedia AI＋

Pew調査でAIへの懸念が期待を上回る米国人が52%：2021年の37%から悪化した理由

Pew Researchの調査によると、AIの日常利用拡大について期待より懸念が上回ると答えた米国人が52%に達し、2021年の37%から増加しました。5月のEconomist/YouGov調査でも7割超がAIの進歩が速すぎると回答するなど、技術の進化にもかかわらずAIの一般消費者からの評判はむしろ悪化していると指摘されています。

この数字の解釈で重要なのは、2021年との比較です。2021年はChatGPTの登場前で、多くの人にとってAIはまだ抽象的な話でした。その時点で懸念が上回っていたのは37%。そこから実際にAIを使える時代が来て、性能も劇的に上がった結果、懸念派が52%に増えた。つまり触れてみた結果、不安が増したということです。触れる前の漠然とした不安が減るのではなく、増えている。この方向は、技術の普及として異例です。

なぜこうなるのか。前回記事で扱ったAnthropic CEOのダリオ・アモデイ氏の診断が参考になります。同氏はAIへの逆風の根本原因を企業や政府への一般的な不信感からくる本質的な信頼の危機だとし、AI企業への最も正当な批判はまだ世界に恩恵をもたらすという大きな約束を果たせていないことだと述べていました。この見立てで整理すると、52%という数字は語られた期待と実感した恩恵のギャップの表れです。生活が劇的に良くなった実感がないまま、雇用や情報の信頼性への懸念だけが具体化していけば、評価は下がります。

企業にとって、この世論の変化は実務に直接影響します。第1に、顧客向けサービスでAIを使う際の説明責任です。AIを使っていること自体が減点要素になりうる環境では、何のために使い、何を人間が確認しているかを示せることが差になります。以前扱ったBtoB調査で約9割がコンテンツにAIっぽさを感じていたという結果も、同じ方向を示しています。第2に、社内の合意形成です。従業員の中にも慎重派がいる前提で、雇用への影響について正直に説明することが必要になります。曖昧にしたまま進めると、後で強い反発を招きます。第3に、小さな成功の積み上げです。大きな約束より、確実に届いた改善のほうが信頼を作ります。

ソース：TechCrunch

神戸大の実験でChatGPTの反論により道徳的判断の3割超が覆る：高齢者ほど説得されやすい

神戸大学の研究チームが、トロッコ問題など正解のない道徳的ジレンマについてChatGPTに反論させる実験を実施し、参加者の32〜37%が判断を覆したと発表しました。他者の助言で判断を変える一般的な割合（20〜30%）を上回っており、特に認知機能が低下した高齢者ほどAIに説得されやすい傾向が確認されたといいます。研究成果は学術誌「Computers in Human Behavior」に掲載されました。

この研究が扱ったのが正解のない問いだという点が決定的です。計算問題や事実確認なら、AIが正しくて人間が間違っていることはあります。その場合、判断を変えるのは合理的です。しかしトロッコ問題のような道徳的ジレンマには客観的な正解がありません。それでも3割超が意見を変えたということは、AIの主張の正しさではなく、説得の力そのものが効いたことを意味します。しかも人間の助言より効きが強い。

なぜAIのほうが強く効くのか。いくつかの要因が考えられます。AIは疲れず、感情的にならず、常に整った論理で反論を返します。人間同士の議論なら、相手の口調や表情から反発が生まれることもありますが、AIにはそれがありません。また膨大な知識を持っているという印象が、主張の説得力を補強します。加えて、AIには利害関係がないように見えることも大きい。人間の助言者には動機を疑えますが、AIには「なぜそう言うのか」という疑念が湧きにくいのです。

認知機能が低下した高齢者ほど説得されやすいという結果は、社会的に最も重い含意を持ちます。金融商品の勧誘、医療上の意思決定、遺産や契約に関する判断。判断力が弱い人がAIの主張に流されやすいなら、悪用されたときの被害は既存の詐欺よりも深刻になりえます。以前扱った法務省による声の権利の見解や、著名人なりすまし詐欺広告への行政要請と地続きの問題です。

企業の実務としては、AIが判断に影響を与える場面を洗い出すことから始めるべきです。（1）顧客に提案や推奨を提示する機能でAIを使っていないか、（2）その提示が価値判断を含む領域（何を選ぶべきか、どちらが望ましいか）に踏み込んでいないか、（3）高齢者や判断に支援が必要な利用者が含まれるか。この3点に該当するなら、AIの出力を断定的に見せない設計が必要です。選択肢を複数示す、根拠を明示する、最終判断は人が行うと明記する。社内でも同様で、意思決定支援にAIを使う場合、AIが最初に出した案に引きずられていないかを意識的に点検する価値があります。3割超という数字は、それが誰にでも起こることを示しています。

ソース：ITmedia AI＋

Googleは大学生にAI Plusを1年無料、ChatGPT for Teensは宿題の丸投げを検知：AIは学習を助けるのか代行するのか

Googleが米国の新学期（9月開始）に合わせ、対象の大学生に日本を含む米国以外でGoogle AI Plusを12カ月間無料提供するキャンペーンを発表しました。日本の大学生向けには最長4年間75%オフの割引プランも用意されます。同時に「Gemini」アプリに学生向けハブを新設し、授業資料から学習プランを作る「学習ノートブック」などの機能拡充も行いました。検索とGeminiアプリには回転・拡大可能な3Dモデルの表示、インタラクティブな図表、音声で調査依頼できるGemini Live版のDeep Researchも追加されています。

一方、OpenAIの「ChatGPT for Teens」は13〜17歳向けの利用環境で、年齢推定または自己申告に基づき自動適用されます。学習支援の「Study Mode」に加え、宿題を安易に済ませようとする挙動を検知してStudy Modeへ誘導する新機能も搭載。自傷行為・摂食障害などの高リスク領域での保護をデフォルトで有効にし、感情的依存を促す対話を禁じるなど安全対策を強化しています。

この2社の動きは、AIが教育に入るときの根本的な問いを突きつけています。すなわち、AIは学習を助けるのか、それとも学習を代行してしまうのかです。宿題の答えを出してもらえば課題は終わりますが、学びは起きません。OpenAIが宿題の丸投げを検知してStudy Modeへ誘導する機能を入れたのは、製品側がこの区別を実装しようとしているという点で注目に値します。答えを出さないことが機能になる、という逆転が起きています。

Googleの1年間無料・日本では最長4年75%オフという条件も戦略として明確です。学生時代に使い慣れたツールは、卒業後も使われ続けます。前回記事で扱ったPerplexityがインドで通信キャリア経由に無料提供して定着させた事例と同じ発想で、習慣の獲得に投資しているわけです。特に4年という期間は大学の在学期間とほぼ一致しており、在学中はずっと自社製品を使う状態を作りにいっています。

企業の人材育成に引きつけると、示唆は2つあります。第1に、数年後の新入社員はAIを前提に学んできた世代になるということです。以前扱った調査では、就職活動で生成AIを使っていない学生はわずか3%でした。今回の施策で、学習そのものがAI前提になります。採用選考と研修の設計を、AIを使えることではなく、使った結果を自分で説明できるかという基準に切り替える必要があります。第2に、社内研修にも同じ設計思想が使えることです。AIに答えを出させるのではなく、考える過程を支援する使い方を明示的に推奨する。Study Modeのような仕組みを社内の学習コンテンツに取り入れる発想は、実務的に応用できます。

ソース：TechCrunch（Google）、ITmedia NEWS（Google AI Plus）、ITmedia NEWS（ChatGPT for Teens）

AI攻撃と防御の「スピード格差」：数時間でエクスプロイトを書く一方、6時間43分・3億3200万トークンで成果ゼロの実験も

タレスDISジャパンの技術統括部長による寄稿記事が、AIによるサイバー攻撃の高度化と防御側の課題を整理しています。AnthropicのClaude Mythos 5などの高度なAIによって、熟練者が数週間要するエクスプロイト開発をAIが数時間で行った事例が報告される一方、防御側の意思決定は従来の速度にとどまりがちだと指摘されています。同時に、Thalesの実験では保護されたバイナリに対してAIが6時間43分・3億3200万トークンを費やしても脆弱性を1件も発見できなかったとするデータも紹介されています。

この2つの数字を並べて提示している点が、この寄稿の価値です。AIは条件次第で驚異的に強く、条件次第でまったく無力だということです。数週間の作業を数時間に短縮した事例と、6時間43分かけて成果ゼロの事例。同じAIでこれだけ結果が違うのは、対象の防御状態が違うからです。保護されたバイナリ、つまり難読化や各種の保護機構が施されたソフトウェアに対しては、AIも簡単には通りませんでした。

ここから読み取れる実務的な結論は、基本的な防御策が依然として有効だということです。AIを使えば何でも突破できるという印象は誇張であり、守りが薄いところが真っ先に破られるという従来の構図は変わっていません。3億3200万トークンという数字は、攻撃側にとってもコストがかかることを示しています。防御を固めれば、攻撃の経済性を悪化させられるのです。

一方でスピード格差という論点は深刻です。攻撃側がAIで数時間に短縮したのに、防御側の意思決定が従来の速度、つまり稟議と会議を経て数日から数週間かかるなら、対応が完了する前に侵入が終わっていることになります。以前扱ったCrowdStrikeの報告では、脆弱性のPoC公開から48時間以内の悪用が88%に達していました。埋めるべきは技術力の差ではなく意思決定の速度差です。

具体的な対策は3つあります。第1に、緊急パッチ適用の権限を事前に委譲しておくことです。重大な脆弱性が公開されたとき、誰の承認も待たずに適用できる範囲を決めておく。第2に、判断基準を事前に文書化することです。どの深刻度なら即時対応、どの条件なら計画対応か。都度議論していては間に合いません。第3に、防御を固めることで時間を買うことです。多層防御が効いていれば、1つ破られても即座に被害にはつながりません。Thalesの実験結果は、固めた対象にはAIも手間取ることの実証データとして使えます。

ソース：ITmedia AI＋

Netskope調査でAIツール利用率が34%から59%へ、Claude Codeは企業の75%に：普及と同じ速度でリスクも拡大

クラウドセキュリティベンダーNetskopeの調査によると、従業員の週1回以上のAIツール利用率は34%から59%へ拡大し、Claude Codeは企業の75%、Codexは58%で利用されるまでに普及しました。一方でMCP（Model Context Protocol）の急速な普及や自律型AIエージェントの業務利用拡大に伴い、機密データの意図しない外部流出や、AIツールを悪用したマルウェア生成・バックドア設置など新たなセキュリティリスクも増加していると指摘されています。

この数字が示す最も重要な事実は、AIツールは検討段階を終えて日常業務に入ったということです。週1回以上使う従業員が59%というのは、もはや先進的な一部の話ではありません。前回記事で扱ったOktaの調査で企業の57.1%が2社以上のAIベンダーを併用していたことと合わせると、複数のAIツールが当たり前に使われている状態が現実です。Claude Codeが企業の75%で使われているという数字も、開発現場ではすでに標準的な道具になったことを意味します。

リスク側で特に注意が必要なのはMCPの普及です。MCPは、AIが外部のデータやツールに接続するための共通の仕組みです。便利さの本質はAIが社内システムやファイルに直接アクセスできることにありますが、それは同時に接続先が増えるほど流出経路も増えることを意味します。しかもMCPの接続設定は、多くの場合個々の開発者の手元で行われます。管理部門が把握しないまま、社内データベースや業務システムへの接続が増えていく構図です。

企業が今すぐ点検すべき項目は具体的です。第1に、MCPサーバーの接続先を棚卸しすることです。誰がどのAIツールから、どのシステムに接続しているか。第2に、接続に使われている認証情報の権限範囲です。読み取り専用で足りるところに書き込み権限を渡していないか。第3に、外部への通信経路です。AIツールが社内データを読み、それを外部のモデルに送るなら、そのデータがどこまで出ていくかを把握する必要があります。以前扱ったNTTドコモのAI Gatewayのように、エージェントとAPI・MCPサーバー間の通信を統制する製品も登場しています。自前で作り込む前に、こうした選択肢を評価する価値があります。

ソース：TechTargetジャパン

研究者がOpenAIのサイバー研究プログラムからのアクセス取り消しを訴え：閉じたプログラムの運用が問われる

複数のセキュリティ研究者が、OpenAIの脆弱性研究者向け限定プログラム「Trusted Access for Cyber」の最上位ティア「Daybreak Blue」へのアクセスを、予告なく取り消されたと報告しました。OpenAIは一部ユーザーに影響する技術的な問題が原因と説明していますが、TechCrunchの取材に対し5人の研究者が同様の問題を訴えています。

この件が重要なのは、AIの安全性を外部から検証する仕組みが機能するかという論点に触れているからです。強力なサイバー能力を持つモデルを、開発元だけで評価するのは限界があります。だからこそ外部の研究者に限定的なアクセスを与えて検証してもらう。この仕組みが正しく運用されなければ、安全性の検証は開発元の内部で完結してしまうことになります。

技術的な問題という説明が正しいかどうかは、現時点では判断できません。ただ、5人の研究者が同様の問題を訴えているという事実は、少なくとも運用の透明性に課題があることを示しています。予告なくアクセスが失われ、原因の説明も限られている状態では、研究者側はこの仕組みに依存した研究計画を立てにくくなります。前回記事で扱ったブロックマン氏の「自社AIのサイバー能力を過小評価していた」という発言と併せて読むと、外部検証の重要性はむしろ高まっているはずです。

企業のAI担当者にとっての実務的な教訓は、ベンダーが提供する特別プログラムへの依存度を管理することです。早期アクセス、限定ティア、パートナー向けの特別枠。こうした仕組みは有利な条件を得られる反面、ベンダーの判断ひとつで失われる性質を持ちます。（1）そのプログラムが失われたら業務がどこまで止まるか、（2）代替手段があるか、（3）契約で継続が保証されているか。この3点を確認しておくことが、以前扱ったManusのデータ削除やモデル提供停止の事例と同じ教訓につながります。特別扱いは、恒久的な権利ではありません。

ソース：TechCrunch

TerraPowerの原子炉は蓄エネで500MWまで出力可変、中空コアファイバーは距離制約を90kmへ：AIの物理制約を解く二手

ビル・ゲイツ氏出資のTerraPowerが開発する「Natrium」原子炉は、345MWのナトリウム冷却炉と溶融塩蓄エネルギーを組み合わせ、ピーク時には500MWまで出力を引き上げられる点が特徴です。AI学習・推論に伴う急激な電力需要の変動に対応できることが強みとされ、同社は2027年着工予定の第2ユニットに向けたデータセンター向け原子炉契約を年内に発表する見通しです。

あわせて、データセンター向け通信インフラのRelativity Networksが2200万ドルを調達するとともに、大手ハイパースケーラーから4000万ドルの追加受注を獲得したと発表しました。ガラスではなく真空中を光が通る中空コアファイバーにより従来比3割速い伝送を実現し、データセンターと電力供給源の距離制約を従来60kmから最大90kmへ緩和できるとしています。

この2社は、AIの物理制約を別々の角度から解こうとしている点で対になっています。TerraPowerが解くのは電力の量と変動の問題です。AIの計算負荷は学習と推論で大きく変動し、需要のピークが読みにくい。通常の発電所は一定出力で回すのが効率的なため、この変動と相性が悪い。蓄エネルギーを組み合わせて345MWから500MWまで可変にする設計は、AI特有の需要パターンに合わせた発電という発想です。

Relativity Networksが解くのは距離の問題です。データセンターを電源の近くに建てたいが、電源の近くに適地があるとは限りません。60kmから90kmへの緩和は、立地の選択肢が大きく広がることを意味します。以前扱ったAmazonのテキサス州の自家発電所や、NVIDIAが関わるオハイオのPORTS-Pikeのように、電源を確保するために立地を決める動きが加速している中で、距離の制約が緩むのは大きな意味を持ちます。

日本企業への実務的な含意は3つあります。第1に、計算資源の制約は電力側に移ったことが改めて確認されました。GPUの供給ではなく、それを動かす電気と冷却が律速になっています。第2に、この制約の解消には数年かかることです。TerraPowerの第2ユニットは2027年着工予定であり、稼働はさらに先です。中期計画では計算資源が潤沢になる前提を置かないほうが安全です。第3に、日本企業にも参入余地があることです。以前扱った味の素のABFやキオクシアのUFS 5.0対応フラッシュメモリのように、AI需要と接続する部品・素材・インフラ技術の需要は伸び続けています。中空コアファイバーのような要素技術も含め、自社の技術がこの流れとつながらないか点検する価値があります。

ソース：TechCrunch（TerraPower）、TechCrunch（Relativity Networks）

Claude Codeは利用制限50%増を8月31日まで延長、CognitionはSpaceXの買収報道を否定：AIコーディングの消耗戦

Anthropicが、AIコーディング支援ツール「Claude Code」の週次利用制限枠を50%増やすキャンペーンを8月31日まで延長すると発表しました。5月に開始し既に一度延長しており、恒久化を検討しているが、需要の高さから容量が逼迫する可能性があるとしています。OpenAIの「Codex」がアクティブユーザー1500万人を突破するなど、AIコーディングツールの競争は激化しています。

あわせて、AIコーディングスタートアップCognitionのCEOスコット・ウー氏が、Bloombergの報じたSpaceXによる買収打診について不正確とX上で否定し、身売りの意思も交渉の事実もないと主張しました。一方Bloombergは、買収交渉は現在行われていないものの、両社は協業（CognitionによるSpaceXの計算資源活用など）について引き続き協議していると報じています。

Claude Codeの恒久化を検討しているが容量が逼迫する可能性があるという表現は、率直で示唆的です。利用枠の拡大はユーザーには嬉しい話ですが、提供側から見れば計算資源の消費が増えることに他なりません。前節で見た電力とデータセンターの制約が、そのまま製品の提供条件に跳ね返ってきます。キャンペーンとして期限付きで実施し、延長を繰り返しているのは、恒久的に約束できるだけの容量の見通しがまだ立たないことの表れでしょう。

Cognitionの買収報道の否定と、それでも協業協議は続いているという構図も興味深い。注目したいのは協業の内容がSpaceXの計算資源活用だとされている点です。前回記事で扱ったとおり、SpaceXはすでにCursorを買収しています。AIコーディング企業が求めているのは資本ではなく計算資源そのものだという構図が、ここでも確認できます。以前扱ったCognitionの評価額400億ドルでの調達交渉報道と併せると、資金は集まる一方で計算資源の確保が事業の律速になっていることがうかがえます。

導入企業として押さえておくべき実務ポイントは2つです。第1に、利用枠の拡大はキャンペーンであり恒久的な仕様ではないことです。8月31日という期限が明示されている以上、この枠を前提に業務プロセスを組むのは危険です。全社展開の計画では通常枠での運用が成立するかを確認してください。第2に、複数ツールを併用できる状態を保つことです。Netskopeの調査ではClaude Codeが企業の75%、Codexが58%で使われており、すでに併用が標準です。片方の枠が絞られたときにもう片方に振れる状態は、実務上の保険になります。

ソース：ITmedia AI＋（Claude Code）、TechCrunch（Cognition）

OpenAIが日本でパートナー網を拡充、2026年末までに30万人の認定コンサルタント育成：中小企業に眠る伸びしろ

OpenAIが法人向けパートナーエコシステム「OpenAI Partner Network」を日本でも拡充しており、グローバルで1億5000万ドル規模の投資と、2026年末までに30万人の認定コンサルタント育成を掲げています。新規参画3社によるメディア座談会では、AI導入に及び腰な地方の中堅・中小企業にこそ、大規模IT投資を諦めてきた分の伸びしろが眠っているとの指摘がありました。

30万人という数字の意味を、前回記事で扱ったIBMとOpenAIの提携と併せて考えると構図が見えます。IBMは数万人のコンサルタントをOpenAI技術で訓練・認定する計画を発表していました。ここに30万人という全体目標が加わる。つまりOpenAIは、モデルの性能ではなく、導入できる人手の数で市場を取ろうとしているわけです。企業向けAI市場の勝敗を決めるのは、実際に業務へ落とし込める人材の数です。

大規模IT投資を諦めてきた分の伸びしろという指摘は、日本の実情を的確に突いています。従来型のシステム導入は、要件定義から開発、テスト、移行まで数千万円から数億円規模の投資を必要とし、多くの中小企業には手が出ませんでした。結果として業務が紙とExcelと電話で回っている。ところが生成AIの導入は、初期投資が桁違いに小さく、小さく始めて確かめられます。以前扱った和歌山の創業155年の老舗漬物店が、Claudeとの対話で在庫管理ツールを内製し、1カ月かかっていた出荷業務の一部を2時間に短縮した事例は、まさにこの構図の実例です。

ただし、伸びしろがあることと、実際に伸びることは別です。前回記事で扱ったアステリアの調査では、業務改善に最も効果があった取り組みは業務フローの見直し（23.3%）で、生成AIの活用（14.7%）を上回っていました。中小企業の伸びしろを実現するには、AIを入れる前に業務を整理する工程が不可欠です。認定コンサルタントが30万人生まれても、この工程を飛ばせば成果は出ません。

自社で外部パートナーを検討する際の判断基準は3つです。第1に、業務プロセスの整理から入る提案をするかです。いきなりツールの話をする相手は、成果を出しにくい相手です。第2に、小さく始めて効果を数字で示す進め方をするかです。第3に、特定ベンダーの製品しか提案してこないかです。認定資格は能力の証明として意味がありますが、その製品が自社に最適とは限りません。認定者が急増する環境では、資格の有無より、自社の業界と業務をどれだけ理解しているかで選ぶべきです。

ソース：ITmedia AI＋

エンジニアの65.0%がAI活用格差による年収格差拡大を予想、20代では71.5%：「AI格差」は処遇に届き始めた

レバテックがITエンジニア572人を対象に実施した調査で、AI活用スキルの差が上流工程への参画や社内評価、年収などの処遇に影響し始めている実態が明らかになりました。65.0%のエンジニアが将来的なAI活用格差による年収格差拡大を予想し、20代では71.5%に達しています。

この調査で注目すべきなのは、影響が上流工程への参画に及んでいるという点です。AIによって実装作業が速くなると、実装だけを担当していた人の相対的な価値は下がります。逆に、要件を整理し、設計を判断し、AIの出力を評価できる人の価値は上がります。前々回記事で扱った組み込みエンジニアへの取材が示したとおり、AIが苦手なのは仕様変更の影響範囲の判断や責任所在の判断でした。この領域を担える人が上流に呼ばれる、という構図です。

20代で71.5%という数字が全体より高いことも重要です。若い世代のほうが強く危機感を持っている。これはキャリアの残り期間が長いほど影響を受けるという合理的な認識でしょう。同時に、この世代は前回記事で扱ったGoogleの学生向け施策やChatGPT for Teensの世代とも近く、AIを前提に学び、AIを前提に働くことを当然と考えている層です。その層が格差の拡大を予想しているという事実は、AIを使えることが標準になった上で、使い方の質で差がつく段階に入ったことを示しています。

企業の人事・育成の観点から取れる対応は3つあります。第1に、評価制度がAI活用を織り込んでいるか点検することです。実装量やコード行数に近い指標で評価していると、AIを使う人が有利になりすぎるか、逆に評価が歪みます。成果物の質と、それを説明できる深さを評価軸に据える必要があります。第2に、育成の焦点を上流工程に移すことです。実装スキルの習得より、要件整理・設計判断・レビュー能力の育成に比重を移す。第3に、格差への不安に正面から向き合うことです。65.0%が格差の拡大を予想している以上、会社としてどう処遇するのかを示さなければ、優秀な人材から離職します。AI活用スキルを身につける機会を全員に開くことが、実務的な引き留め策になります。

ソース：＠IT

国立情報学研究所が商用可の国産33Bモデル「LLM-jp-4 33B」を公開：gpt-oss-20bを上回るスコア

国立情報学研究所（NII）が、オープンな国産大規模言語モデルの新版「LLM-jp-4 33B」シリーズを公開しました。約332億パラメータのDense型モデルで、事後学習済みモデルは日本語・英語のベンチマークや安全性評価などでOpenAIの「gpt-oss-20b」を含む従来モデルを上回るスコアを記録したといいます。ライセンスは商用利用可能なApache 2.0です。

このモデルの位置づけを理解するうえで重要なのがDense型という点です。前回記事などで扱ったNVIDIAのNemotron 3.5 Lightningは、全体で30Bを持ちながら一部のパラメータだけを動かすMoE型で、速度と省リソースを狙った設計でした。対してDense型は全パラメータを毎回使う構成で、実装が素直で扱いやすい反面、計算量は規模に比例します。研究や検証の土台としては、挙動が理解しやすいDense型のほうが扱いやすいという利点があります。

安全性評価でも従来モデルを上回ったという点も見逃せません。オープンモデルの評価では性能指標ばかりが注目されますが、企業利用では不適切な出力をどれだけ抑えられるかが実用性を左右します。研究機関が公開するモデルで安全性評価まで含めて改善されているのは、そのまま業務検証に使える水準に近づいていることを意味します。

前回記事で扱ったさくらインターネットとSakana AIの100%の純国産は不可能かつ非合理的という指摘、そしてPFNのPLaMoに関する議論と併せて考えると、このモデルの実務的な価値が見えてきます。すなわち選択肢を持つための土台です。Apache 2.0で商用利用が可能な国産モデルが存在すれば、（1）データを外に出せない業務での代替手段になり、（2）海外モデルの提供条件が変わったときの逃げ道になり、（3）日本語処理のコスト比較の基準にもなります。

検証を始める場合の現実的な進め方は、置き換えではなく比較からです。現在使っているモデルと同じプロンプト・同じ評価データセットで結果を並べ、どの業務なら実用水準かを見極める。ベンチマークのスコアは共通の物差しとして有用ですが、自社業務での性能を保証しません。逆に、特定業務なら十分という領域が見つかれば、そこだけ切り出して使うことでコストと依存度を同時に下げられます。

ソース：ITmedia AI＋

Vivodyneが指摘するAI創薬の壁：「マウスのがんなら治せる」段階を越えるには因果的な生物データが要る

AI創薬スタートアップVivodyneの共同創業者アンドレイ・ジョルジェスク氏は、現在のAIモデルはマウスのがんなら治せても人間の臨床試験の壁を越えられないと指摘しています。同社は20種類の人間組織を培養し自律的に投薬・観察するロボット実験システム「HIVE」を構築し、AI創薬に不足する因果的な生物データの生成を目指しているといいます。

マウスのがんなら治せてもという表現が、問題の本質を的確に突いています。マウスの実験データは大量に存在するため、AIはそこから学べます。しかしマウスで効く薬が人間で効くとは限らない。この乗り越えられない壁が、創薬の成功率を低く保ち続けている原因です。そしてAIは、データがない領域については何も知りません。人間の組織で何が起きるかというデータが足りていないなら、いくらモデルを大きくしても答えは出ません。

因果的なという限定も重要です。単に大量のデータがあればよいわけではありません。既存の医療データは観察データが中心で、「この薬を飲んだ人がどうなったか」は分かっても「この薬が原因でそうなったのか」は判別しにくい。Vivodyneが人間組織を培養して自律的に投薬・観察するシステムを作っているのは、介入して結果を見ることで因果関係のデータを直接生成しようという発想です。以前扱ったStanford大の生成AI「Evo 2」によるバクテリオファージ設計も、AIが設計し、実験室で検証するという同じ構造でした。

この論点は、創薬以外の業務にもそのまま適用できます。AIの限界は多くの場合モデルではなくデータにあるということです。自社でAI活用がうまくいかない場合、原因は次の3つに切り分けられます。第1に、そもそもデータがない。第2に、データはあるが観察データばかりで、何が原因で結果が変わったのかが分からない。第3に、データはあるが使える形になっていない。以前扱ったCADDiの産業OSが解こうとしていたのは第3の問題であり、Vivodyneが解こうとしているのは第2の問題です。自社の課題がどれに当たるかを見極めれば、モデルを変えるべきか、データを作るべきか、整理すべきかの判断がつきます。より大きなモデルを試す前に、この切り分けをする価値があります。

ソース：TechCrunch

Alexa+はFire TVで無料化、StripeのOpenRouter買収の真意はルーティングデータと決済：AIの届け方と稼ぎ方

AmazonがAI搭載音声アシスタント「Alexa+」を、Prime会員でなくてもFire TVで無料利用できるようにしたと発表しました。生成AIを活用した会話型アシスタントの普及を、テレビ視聴デバイスにも広げる狙いとみられます。

あわせて、Stripeが70億ドル超で買収したAIゲートウェイ企業OpenRouterについて、創業者らがシンギュラリティの始まりと冗談交じりに表現した書簡が話題になった一方、実際の狙いはAIモデルのルーティングデータや決済インフラへのアクセスにあるとTechCrunchが分析しています。OpenRouterの評価額は5月の13億ドルから3カ月で5倍以上に跳ね上がりました。

Alexa+の無料化は、AIをどこで使わせるかという争いの一手です。前回記事で扱ったPerplexityのインドにおける通信キャリア経由の無料提供や、AppleのカメラAirPodsと同じ構図で、アプリを開くという行為を経由しない接点を取りにいっています。テレビは家庭内で最も長時間つけられているデバイスであり、そこに常駐する音声アシスタントは思いついたときにすぐ話しかけられる位置を占めます。Prime会員限定を外したのは、この位置取りを最優先したということです。

Stripeの狙いについての分析は、ゲートウェイの本当の価値がどこにあるかを明確にしています。OpenRouterは400以上のモデルへの単一アクセスポイントを提供していますが、その運用を通じてどのモデルがどの用途でどれだけ使われているかというデータが蓄積されます。これは市場全体の需要を俯瞰できる情報であり、決済会社にとっては従量課金の取引フローそのものでもあります。AIのAPI利用は使った分だけ課金される取引であり、構造は決済とよく似ています。

企業側の実務的な含意は2つです。第1に、自社のAI利用データがどこに蓄積されているかを意識することです。ゲートウェイやプラットフォームを経由すれば、自社がどのモデルを何にどれだけ使っているかが提供元に見えます。競争上の機微を含む用途では、この点を契約で確認する価値があります。第2に、接点を持つことの価値です。Alexa+の無料化が示すのは、優れたAIを持つことと、使ってもらう位置を持つことは別の勝負だということです。自社が既存の顧客接点を持っているなら、そこにAI機能を載せるほうが、新規のアプリで集客するより圧倒的に有利です。

ソース：TechCrunch（Alexa+）、TechCrunch（Stripe）

実務担当者が今週やるべきこと：ログ保持方針の確認・AIの説得力への備え・MCP経由のリスク点検

ここまでの20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、着手コストの低さと影響範囲の広さで並べています。

第1に、利用中AIサービスのデータ保持方針を確認することです。OpenAIはZDRを維持したまま悪用検知を行う「Private Safety Processing」を9月に展開開始する予定で、Anthropicはプロンプトと出力を30日間保持する方針です。どちらが優れているかではなく、自社の要件に合っているかが判断軸になります。あわせて、ベンダー側にログが残らない場合に自社側で監査用のログを取れているかも点検してください。

第2に、MCPサーバーの接続先を棚卸しすることです。Netskopeの調査では従業員の週1回以上のAIツール利用率が34%から59%へ拡大し、Claude Codeは企業の75%で使われています。MCPの接続設定は個々の開発者の手元で行われることが多く、管理部門が把握しないまま社内システムへの接続が増えます。（1）誰がどのシステムに接続しているか、（2）認証情報の権限範囲、（3）外部への通信経路、の3点を確認してください。

第3に、AIが価値判断に影響する場面を洗い出すことです。神戸大の実験では、正解のない道徳的ジレンマについてChatGPTに反論させると32〜37%が判断を覆し、認知機能が低下した高齢者ほど説得されやすい傾向が確認されました。顧客への推奨、社内の意思決定支援、高齢者向けサービス。該当する機能があるなら、選択肢を複数示す、根拠を明示する、最終判断は人が行うと明記するという設計に見直してください。

第4に、緊急パッチ適用の権限を事前に委譲することです。熟練者が数週間要するエクスプロイト開発をAIが数時間で行った事例がある一方、防御側の意思決定は従来の速度にとどまりがちだと指摘されています。埋めるべきは技術力の差ではなく意思決定の速度差です。どの深刻度なら誰の承認も待たずに適用できるか、を今週決めてください。

第5に、AI利用枠を前提にした業務設計を見直すことです。Claude Codeの利用制限50%増キャンペーンは8月31日までの延長であり、恒久化は検討段階です。拡大された枠を前提に組んだ業務プロセスは、期限後に成立しなくなる可能性があります。通常枠で回るかを確認し、必要なら複数ツールを併用できる状態を整えてください。

まとめ：AIは説得力を持ち、世論は離れ、勝負は電力とデータと人手に移った

2026年8月19〜20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、AIが人間の価値判断を動かす力を持つことが実証されたことです。神戸大学の研究チームは、正解のない道徳的ジレンマについてChatGPTに反論させると参加者の32〜37%が判断を覆し、他者の助言による一般的な割合（20〜30%）を上回ることを確認しました。しかも認知機能が低下した高齢者ほど説得されやすい。AIの主張の正しさではなく説得の力そのものが効いているという点で、これは製品設計と社会制度の両方に関わる発見です。

2つ目は、性能が上がるほど世論が離れるという逆説です。Pew Researchの調査では、AIの日常利用拡大について期待より懸念が上回ると答えた米国人が52%に達し、2021年の37%から悪化しました。Economist/YouGov調査でも7割超が進歩が速すぎると回答しています。前回記事で扱ったアモデイ氏の約束を果たせていないという自己批判と合わせて読むと、この数字は語られた期待と実感した恩恵のギャップの表れです。OpenAIがZDRを維持したまま悪用を検知する「Private Safety Processing」を打ち出し、ChatGPT for Teensに宿題の丸投げ検知を入れたのも、この文脈にあります。

3つ目は、勝負の場が電力とデータと人手に移ったことです。TerraPowerのNatrium原子炉は蓄エネルギーで345MWから500MWまで出力を可変にしてAIの需要変動に応え、Relativity Networksの中空コアファイバーはデータセンターと電源の距離制約を60kmから90kmへ緩めます。Vivodyneはマウスのがんなら治せても人間の臨床試験の壁を越えられないとして、因果的な生物データを自ら生成するロボット実験システムを構築しました。そしてOpenAIは2026年末までに30万人の認定コンサルタント育成を掲げ、導入できる人手の数で市場を取ろうとしています。

このほか、Netskopeの調査では従業員の週1回以上のAIツール利用率が34%から59%へ拡大し、Claude Codeは企業の75%、Codexは58%で使われる一方、MCPの普及に伴う機密データ流出などのリスクも拡大していると指摘されました。防御側については、AIが数時間でエクスプロイトを書いた事例と、保護されたバイナリに6時間43分・3億3200万トークンを費やして脆弱性ゼロだった実験の両方が示され、固めた対象にはAIも手間取ることが確認されています。国内では国立情報学研究所が商用可のApache 2.0でLLM-jp-4 33Bを公開し、レバテックの調査ではエンジニアの65.0%（20代は71.5%）がAI活用格差による年収格差拡大を予想しました。

今週の実務としては、利用中AIサービスのデータ保持方針の確認、MCPサーバー接続先の棚卸し、AIが価値判断に影響する場面の洗い出し、緊急パッチ適用権限の事前委譲、AI利用枠を前提にした業務設計の見直しの5点をおすすめします。前回記事（2026年8月18〜19日のAIニュース）で扱った業務フローの見直しの優先度とあわせて読むと、着手すべき順序が見えてきます。今回のニュース群が示したのは、AIの能力を上げることと、信頼して使われることは別の投資であるという事実でした。3割超の人が判断を覆すほどの説得力を持つ道具だからこそ、どこで人間が確認するかを決めておくことに価値があります。