AIニュース速報（2026年9月21〜24日）｜Claude Opus 5.5は利用コスト4割減、GPT-6 Sol・Lunaは前世代の半額、Grok 4.7は価格据え置きで性能向上、MetaのMuseをAmazonが締め出し、脱メインフレームの7割超が失敗、開発者の84%が生産性向上を実感も測定できている組織は2割ほか50本を解説

2026年9月24日時点で振り返る9月21〜24日の4日間のAIニュースは、世界24本・日本26本の計50本にのぼりました。最も大きな動きは、9月22日付でフロンティアモデルの新版が3社から報じられたことです。Anthropicの「Claude Opus 5.5」は前世代のOpus 5比で典型的なワークロードの利用コストを4割削減、OpenAIの「GPT-6 Sol」「GPT-6 Luna」は前世代の半額、SpaceXAIの「Grok 4.7」は価格を据え置いたまま性能を引き上げたとしています。3社とも、性能と並んで価格とコストを前面に出した点が共通しています。

一方、日本側で目立ったのは「導入後」の壁です。脱メインフレームのプロジェクトの7割超が失敗し、その背景に生成AIへの過信があるという指摘、開発者の84%が生産性向上を実感しているのに効果を測定できている組織は20%にとどまるという調査、「Copilot」を含むフリーランス案件が約13倍に増えたというデータ、導入したのに使いこなせない中小企業を支える札幌市の新コース。本記事では、Claude Opus 5.5・GPT-6 Sol・GPT-6 Luna・Grok 4.7の業務目線での比較を中心に据え、AIエージェントの権限管理、開発現場の生産性、導入後の定着までを50本のニュースから整理します。

2026年9月21〜24日のAIニュース全体像：フロンティアモデルの価格競争と、日本企業が語り始めた「導入後」の壁

前回記事（2026年9月20〜21日のAIニュース）では、職場でAI・DX研修を受けた経験がない従業員が90.7%に上るのに学びたい人は44.4%いるというギャップと、そのギャップを埋める中小企業向けのAI導入支援サービスが一斉に登場したことを扱いました。9月20〜21日分のニュースはそちらで解説済みのため、本記事では9月21〜24日に新たに報じられた50本を扱います。

4日間で50本と数が多いため、テーマごとに束ね直しました。全体を貫いているのは、AIそのものは安く・賢くなり続けている一方で、それを組織の成果に変える工程は相変わらず詰まっているという対比です。

表の上半分はAIの能力と供給の話、下半分はそれを受け取る側の話です。上半分の進歩は、下半分の詰まりを自動的には解消しません。以降ではまず最大の話題であるモデルの価格競争を業務目線で比較し、その後に実務課題へ進みます。

Claude Opus 5.5・GPT-6 Sol・GPT-6 Luna・Grok 4.7を比較：9月22日付で出そろったフロンティアモデルのAI価格競争

9月22日付で、Anthropic、OpenAI、SpaceXAIの3社がそろって新モデルを発表したと報じられました。3社の発表を並べると、いずれも性能の向上と同じ重さで、値下げや同価格での性能向上を打ち出していることが分かります。フロンティアモデルの競争軸が、性能の絶対値から性能当たりの価格へ広がりつつあることをうかがわせる3本です。

ただし、3社は価格の示し方がそれぞれ違います。Anthropicは前世代比の利用コスト、OpenAIは100万トークン当たりの単価、SpaceXAIは前モデルからの据え置きと、同等クラスのモデルとの比較で語っています。物差しが違う数字を横に並べて、どれが一番安いかを決めることはできません。以下では、記事で示された範囲で発表内容を確認し、比較表と筆者の見解に進みます。

Claude Opus 5.5：Fable 5.1並みの性能をうたい、Opus 5比で利用コスト4割減

Anthropicは、新シリーズ「Claude 5.5」の第1弾となる「Opus 5.5」を公開しました。発表のポイントは3つです。第一に、最上位モデル「Claude Fable 5.1」に匹敵する性能を維持しているとされること。第二に、典型的なワークロードでの利用コストを前世代「Opus 5」比で4割削減したこと。第三に、Pro、Max、Team、Enterpriseの各プランで同日から利用可能となり、利用上限も引き上げられたことです。

ここで注意したいのは、「4割削減」が100万トークン当たりの単価ではなく、典型的なワークロードでの利用コストとして示されている点です。単価そのものを下げたのか、同じ仕事を少ないトークンでこなせるようになったのか、その組み合わせなのかは、記事では示されていません。「典型的なワークロード」が具体的に何を指すのかも明らかではありません。

実務上もっとも分かりやすい変化は利用上限の引き上げかもしれません。席単位のプランでは、支払額が変わらずに使える量が増えることになります。上位モデルに匹敵するという性能の主張はAnthropic自身の発表で、どの評価でどの程度匹敵するのかは記事では示されていません。

ソース：TechCrunch

GPT-6 SolとGPT-6 Luna：前世代の半額、Solは入力100万トークン当たり2ドル

OpenAIは新モデル「GPT-6 Sol」と「GPT-6 Luna」を発表しました。価格は前世代「5.6」シリーズの半額で、Solは入力100万トークン当たり2ドル・出力10ドル、Lunaは入力0.10ドル・出力0.50ドルに引き下げられました。内部の事実性評価ではSolの誤り率が前モデルの半分程度となり、最上位モデル「Astra」並みの信頼性を低コストで実現したとOpenAIはしています。

2つのモデルの役割分担ははっきりしています。Solは複雑なコーディング・専門業務向け、Lunaは高頻度の定型タスク向けです。単価を比べると、Lunaは入力・出力ともSolの20分の1にあたります。利用できる場所としてはChatGPT WorkとCodexが挙げられています。OpenAI自身が、難しい仕事向けと量の多い仕事向けを最初から分けて出してきたことは、後述するモデル選びの考え方にそのまま使えます。

誤り率の半減はOpenAIの内部評価によるもので、第三者の検証ではありません。本連載の9月19〜20日回では、OpenAIがGPT-6 AstraのARC-AGI-3での99.9%を発表したのに対し、出題元のARC Prize財団が独自のハーネスを外した標準環境では62.7%だったと反論した件を扱いました。「Astra」並みという比較の基準になっているAstraの評価自体が、測り方によって大きく動いた前例があるということです。

ソース：TechCrunch

Grok 4.7：価格と速度を据え置き、パラメータ数は約2.1兆に

SpaceXAIは新モデル「Grok 4.7」を発表しました。コーディングと知識労働向けで同社最高性能とされ、価格と速度は前モデル「Grok 4.6」から据え置きながら、同等クラスのモデル比で2倍速・半額の性能を実現したとしています。パラメータ数は約1.5兆から約2.1兆へ約4割増加し、長文脈推論や法務・電気設計などのベンチマークが改善したとされます。

Grok 4.7は、3社の中で唯一値下げではなく、同じ価格のまま性能を上げたという打ち出し方です。「同等クラスのモデル比で2倍速・半額」の比較対象がどのモデルなのか、100万トークン当たりの具体的な単価はいくらなのかは、記事では示されていません。

ソース：ITmedia NEWS

4モデルの比較表：記事で示されている数字と、示されていない数字

3社4モデルの発表内容を、業務で選ぶ立場から横に並べました。記事で示されていない項目は「記事では示されていない」と明記しています。空欄を推測で埋めないことが、この比較表の前提です。

表を縦に見ると、100万トークン当たりの単価が示されているのはGPT-6の2モデルだけです。Claude Opus 5.5は前世代比の相対値、Grok 4.7は据え置きと他社比で語られています。つまりClaude Opus 5.5とGPT-6 Solのどちらが安いかは、この4日間の報道からは判断できません。表を横に見ると、性能の主張はいずれも提供元自身によるもので、第三者の評価はまだ出ていません。比較表が示しているのは、勝者ではなく自社で確かめるべき項目の一覧だと読むのが正確です。

Claude Opus 5.5とGPT-6 Solのどちらを業務に使うべきか（筆者の見解）

ここからは報道内容を離れた、当社としての見解です。結論から書くと、どちらか1つを選ぶという問いの立て方自体を変えるべきだと考えています。理由は3つあります。

第一に、比較の物差しがそろっていないからです。相対値の4割減、絶対単価の2ドル、据え置きと他社比の半額。これを同じ土俵に載せる唯一の方法は、自社の典型的な業務を実際に流して、1件当たりのコストと手直し時間を測ることです。Anthropicが言う「典型的なワークロード」と自社の典型が一致するとは限りません。

第二に、業務には難易度の層があるからです。OpenAIがSolとLunaを分けたように、社内の仕事も定型的で量の多いものと、量は少ないが判断が重いものに分かれます。高頻度の定型業務には安価なモデル、複雑な業務には上位モデルという2層で考えると、Claude Opus 5.5とGPT-6 Solは二者択一の相手ではなく上位層の候補同士になります。

第三に、乗り換えの費用はモデルの価格差より大きいことが多いからです。すでに全社でどちらかのサービスを席単位で契約し、社員が使い慣れている場合、モデルの単価差よりも、プロンプトの作り直し、社内手順の書き換え、再教育の費用のほうが重くなりがちです。3社が同じ日付で新モデルを出してくる今の競争環境を見れば、次の新モデルもそう遠くないうちに出ると考えておくほうが現実的です。

実務的な進め方は次のとおりです。まず自社の実業務から20〜50件程度のタスクを選んで評価用のセットとして固定し、候補モデルで正答の割合、手直しにかかった時間、1件当たりのコストを記録します。そして、手直し時間が一定割合以上減り1件当たりコストが増えないなら切り替える、といった乗り換えの条件を事前に決めておきます（数値は各社の業務に合わせて設定してください）。新モデルが出るたびに同じセットで測り直せば、発表のたびに振り回されずに済みます。

最後に、ベンダーロックインを避ける設計も合わせて検討してください。モデルを呼び出す部分を1層挟んで差し替え可能にしておく、プロンプトや評価セットを特定ベンダーの独自機能に依存させない、入力と出力のログを残して新モデルで再実行できるようにしておく。価格競争が続くほど、この備えがある企業が選べる側に立てます。

Metaの「Muse」急成長と3つの波紋：ChatGPT超えのダウンロード、Amazonの締め出し、OpenClaw酷似の承認

この4日間、消費者向けAIエージェントの話題の中心になったのがMetaのAIアシスタント「Muse」です。9月21日から22日にかけて、急成長を示す推計、Amazonによる締め出し、オープンソースのエージェントとの酷似を認める発言という3本が続けて報じられました。本連載では、9月8〜9日回でMuseの発表（専用の仮想マシンと監視エージェント「Sentinel」による多層防御、Stripeの使い捨てカード番号を使う決済）を、9月18〜19日回でMac版の提供開始（機密性の高い操作の前には必ず確認を求める仕様）を扱ってきました。今回の3本は、そのMuseが実際に広く使われ始めたときに何が起きるかを示しています。

公開12日間でChatGPTのモバイル版初期を上回ったというApptopiaの推計

市場調査会社Apptopiaの推計によると、Museは米国・カナダ市場で、公開後12日間のダウンロード数・デイリーアクティブユーザー数ともにChatGPTのモバイル版公開初期を上回ったとされます。米App Storeの総合ランキングでも2位から1位に浮上し、Facebook、Instagram、WhatsAppとの連携を生かした急成長を見せていると報じられました。

数字はあくまで推計ですが、Museの伸びを支えているのはモデルの性能差よりもFacebook、Instagram、WhatsAppという既存サービスとの連携、つまり配布経路だと読めます。社内でAIを定着させたい企業にとっても、新しい画面を増やすより、既存の業務画面の中に入れるほうが効果的だという示唆になります。

ソース：TechCrunch

AmazonがMuseによる商品購入操作をブロック

Amazon.comは、Museによる商品購入操作をブロックしました。ユーザーがMuse経由で買い物をしようとすると、「無許可のAIエージェントによる継続的なアクセスはAmazon利用規約に違反する」とのエラーが表示されるといいます。Amazon自身が独自の基盤モデルや推論基盤を持つ競合関係にあることに加え、AIが誤発注したときの対応リスクを懸念した措置とみられています。

この件が示しているのは、AIエージェントが外部サービスを操作できるかどうかは、エージェントの能力ではなく相手側の許可で決まるという現実です。Museの設計がどれほど安全に配慮していても、操作される側のサイトが「無許可」と判断すれば止まります。

企業にとっての含意は2つあります。自社のエージェントで外部サービスを操作するなら、その操作が相手の利用規約で認められているかを事前に確認すること。自社がWebサービスを提供する側なら、外部のAIエージェントからのアクセスをどう扱うかの方針を決めておくことです。誤発注時の責任の所在は、Amazonが懸念したとされる点そのものです。

ソース：TechCrunch

MuseはOpenClawに「大きく着想を得た」とMetaが認める

Metaの「Superintelligence Labs」でプロダクト責任者を務めるネイト・フリードマン氏が、Museがオープンソースのエージェント「OpenClaw」に「大きく着想を得た」ことを認めました。ユーザーがMuseのワークスペース内に「SOUL.md」など、OpenClawとほぼ同一のファイル名や構成が含まれていることを発見し、話題になっていたとされます。OpenClawは本連載でもこれまで繰り返し取り上げてきたオープンソースのエージェントです。

記事では、ライセンス上の扱いや両者のコードの関係については示されていないため、本記事でその是非は論じません。押さえておきたいのは、急成長する商用エージェントの設計が、公開されたオープンソースの構成を下敷きにしているという事実です。商用のエージェント製品を評価するとき、内部構成の由来を把握しておくと設計を理解しやすくなります。逆に言えば、公開されている構成は攻撃する側も同じように読めるということでもあります。

ソース：TechCrunch

AIが研究と未解決問題に踏み込む：OpenAIの数学諮問グループ、Anthropicのバイオラボ、Enveda

AIが業務を助ける道具から研究の担い手へ踏み込んでいることを示す発表が3本ありました。企業の日常業務からは距離がありますが、AIの成果をどう検証し、人とAIがどう役割を分けるかという点で、企業のAI活用にも通じる論点を含んでいます。

OpenAIがIAS内に数学諮問グループを新設、100件超の未解決問題を解決と主張

OpenAIは、プリンストン高等研究所（IAS）内に独立した諮問グループ「Advisory Group on Mathematics and Artificial Intelligence」を新設したと発表しました。ナビエ–ストークス方程式のミレニアム懸賞問題の解法発表に続き、同社の内部モデルが数学のほぼ全分野にわたり100件以上の未解決問題を追加で解決したとOpenAIは主張しています。

発表の背景には緊張関係があります。フィールズ賞受賞者25人が「AI企業が数学者の知的成果を脅かしている」と公開書簡で警鐘を鳴らす中での発表だったとされます。そして新グループは助言権限のみを持ち、研究ペースの決定権はOpenAI側に残ると報じられています。

本連載では9月9〜10日回で、OpenAIがナビエ–ストークス方程式に関する証明を発表し、類似の研究に取り組んでいたNYUの数学者が着手の経緯を問題視した論争を扱いました。9月11〜12日回では、著名な数学者25人が連名で署名した書簡も扱っています。今回の記事ではフィールズ賞受賞者25人による公開書簡とされており、人数は一致しますが、同じ書簡を指しているかどうかは今回の記事からは確認できません。

企業の立場から見て示唆的なのは、諮問グループに助言権限しかないという設計です。社内でAI活用の審査会や倫理委員会を置く場合も、その会議体が止める権限を持つのか、助言にとどまるのかを最初に決めておかないと、形だけの仕組みになりかねません。

ソース：TechCrunch

Anthropicのバイオラボ、CRISPRに似た新規の酵素系を発見と発表

Anthropicは、今春開設した自社のバイオ実験ラボで、CRISPRに似た性質を持つ新規の酵素「システム」を発見したと発表しました。バクテリオファージのDNA中に隠れていた未知の酵素系で、DNAの切断・コピー・貼り付けが可能だといいます。発見の大部分は、AIモデルのClaudeが約21時間・950エージェント・2億1000万トークンを投じて行ったとしており、物理的な実験は人間の科学者が担当しているとされます。

発見の意義を評価できる材料は、記事の範囲では同社の発表に限られます。そのうえで実務の観点から注目したいのは役割分担の形です。探索と仮説づくりをAIが大量の計算で担い、物理世界での実験は人間が担う。企業の業務に置き換えれば、調べる・比べる・候補を出すところまではAIに任せ、現物に触れる確認と最終判断は人が持つという分担です。

もう一つ、2億1000万トークンという規模にも注目しておきたいところです。エージェントを数百単位で動かす探索型の仕事では、単価の差が総額を大きく左右します。価格競争の恩恵を最も大きく受けるのは、こうした大量のトークンを使う用途だと筆者は考えています。

ソース：TechCrunch

天然物由来のAI創薬を進めるEnvedaが3億1100万ドルを調達

AIを使って植物・微生物由来の新薬候補を探索するバイオ企業Envedaが、シリーズEで3億1100万ドルを調達し、評価額を20億ドルとしました。同社は重度皮膚疾患の治療薬やGLP-1中止後の体重維持薬など、複数の候補を臨床試験段階まで進めているとされます。

Anthropicのバイオラボが、AIで見つける段階の話だとすれば、Envedaは見つけた候補を臨床試験へ運ぶ段階の話です。AIによる発見が事業価値になるまでには、人と時間をかけた検証の工程が必ず挟まります。

ソース：TechCrunch

AI標準・政治・法制度：OpenAIの国際標準提言、「Super Intelligence」改称、日本のAI新法と活用事業者の責務

政策面では、方向の異なる3本が同じ4日間に並びました。OpenAIは国際的な技術標準を米国主導で各国と共同策定すべきだと提言し、トランプ大統領は国連演説でAIを管理する国際的な枠組みを全面的に拒否すると述べ、日本ではAI新法で活用事業者に課される責務の解説が出ました。国際協調か自国優先か、そして自社がどの立場で法の対象になるのか。企業が押さえておくべき論点を順に整理します。

OpenAIが国際標準づくりを提言、「RSIはまだ起きていない」

OpenAIは公式ブログ「Building standards for the next phase of AI」を公開し、再帰的自己改善（RSI）を含むフロンティアAIの国際的な技術標準を、米国主導で各国と共同策定すべきだと提言しました。完全に自律的なRSIは現在起きていないとしつつ、安全に実施できる体制が整うまでは追求すべきでないと主張しています。

RSIとは、AIが自らの性能を改善する作業をAI自身で繰り返すことを指します。開発の当事者が、完全に自律的なRSIはまだ起きていないと明言し、体制が整うまでは追求すべきでないと線を引いたことは、同社の現時点の立場表明として意味があります。ただし、どの国がどのような形で参加するのかなど、具体的な策定の枠組みは記事では示されていません。

ソース：ITmedia NEWS

トランプ大統領が国連演説で「AI」を「Super Intelligence」に改称すると表明

トランプ米大統領は国連総会の一般討論演説で、人工知能（AI）を今後「Super Intelligence（SI）」と呼ぶと表明しました。米国の全公文書でこの呼称を採用し、他国にも同調を求める考えだとされます。あわせてAIを管理する国際的な枠組みは全面的に拒否するとし、「Super Intelligenceを制する者が勝つ」と述べて中国などへの優位を強調しました。

本連載の9月19〜20日回では、トランプ大統領がTruth Socialで人工知能という呼称の改称を投票形式で提案し、Superior IntelligenceやExtreme Intelligenceなどを候補に挙げたことを扱いました。前回記事では、新組織「AI Force」の創設と2人目のAI czarの任命表明について、人選も運営方法も明かされていないことを確認しています。今回は、改称の提案が国連という場での正式な表明に進み、呼称も「Super Intelligence」と示された形です。

OpenAIの提言と並べると、方向の違いが見えてきます。OpenAIは米国主導で各国と技術標準をつくるべきだと言い、トランプ大統領はAIを管理する国際的な枠組みを全面的に拒否すると言いました。技術標準と管理の枠組みは同じものではありませんが、国際的なルールづくりに米国政府がどこまで参加するのかは見通しにくい状況です。海外でAI関連の事業を展開する企業は、展開先の国や州ごとのルールに個別に対応する前提で計画を立てるほうが安全でしょう。

ソース：ITmedia NEWS

日本のAI新法で「活用事業者」に課される責務

TechTargetジャパンは「生成AIパスポート試験」の出張版として、日本のAI新法（AI推進法）に関するクイズ形式の解説記事を掲載しました。テーマは、AIを活用する「活用事業者」に課される責務です。特徴として、国の施策への協力が「努力義務」ではなく「協力しなければならない」というより強い義務とされている点が解説されています。

記事の説明どおりAIを活用する事業者を指すのであれば、業務でAIを使う多くの企業が当てはまりうることになります。協力の具体的な中身は記事では示されていませんが、努力義務より強い書き方がされている点は、社内のAI利用ルールを整備する際に意識しておくべきです。米国では大統領がAIを管理する国際的な枠組みを拒否する一方、日本では法律の中に活用する側の責務が書き込まれている。この違いを前提に、自社のAI利用の記録と説明の体制を整えておくことが、どちらの環境にも耐える備えになると考えています。

ソース：TechTarget ジャパン

データセンター規制と逆風：カリフォルニア州の法案7本、米国民の6割超が抑制支持、Nscale IPOの集中リスク

フロンティアモデルが安くなる裏側で、それを支えるデータセンターには逆風が強まっています。州による規制、世論の反発、インフラ企業の顧客集中という3つの角度から、同じ構造を示すニュースが出ました。

カリフォルニア州知事がデータセンターを規制する法案7本に署名

カリフォルニア州のニューサム知事は、急拡大するデータセンター産業を規制する法案7本に署名しました。電力・水使用量や用地、雇用に関する情報開示を事業者に義務付け、地域住民が計画を検証しやすくする内容です。業界団体は「データセンターだけを狙い撃ちしており、他州への計画流出を招きかねない」と反発しています。

この法案群の中心は、建設の禁止ではなく情報開示です。業界団体の反発が示すとおり、規制の厳しい州から緩い州へ計画が移る可能性もあり、州ごとのルールの違いが立地の判断を左右する局面に入ったと言えます。

ソース：GV Wire

米国民の6割超が新規データセンターの抑制を支持

AI大手が数兆ドル規模のデータセンター投資を進める一方で、世論調査では米国民の6割超が新規データセンターの抑制を支持し、その傾向は急速に強まっているとTechCrunchが報じました。2026年第2四半期だけで680億ドル相当のデータセンター計画が地域住民の反対で頓挫したといいます。

カリフォルニア州の法案が州政府による規制だとすれば、こちらは地域からの反発です。680億ドル相当という規模は、反対が投資計画そのものを止める力を持ち始めていることを示しています。計算資源の供給が需要どおりに増えない場合、その影響は最終的に利用価格や利用上限という形で利用企業に返ってきます。

ソース：TechCrunch

Nscaleが評価額350億ドルでIPO申請、契約の約85%が2社に集中

英国のクラウドインフラ企業Nscaleが、ニューヨーク証券取引所への上場に向けて評価額350億ドルで30億ドルの調達を目指すと申請しました。契約総額1030億ドルのうち約85%が、マイクロソフト向け438億ドルとAnthropic向け446億ドルの2社に集中しており、顧客集中リスクを抱えたAIクラウド企業に投資家がどう向き合うかが試されるとされます。本連載の9月12〜15日回では、NscaleがこのIPOに向けて元OpenAI幹部を取締役に迎えたことに触れていました。

この数字は、AIの大口需要家が特定のインフラ企業と大型の契約を結んで計算資源を確保していることも示しています。446億ドルの契約相手であるAnthropicは、冒頭で見たClaude Opus 5.5の提供元です。インフラ側の顧客集中とデータセンターへの逆風は、どちらもAIの供給網が少数の当事者に依存していることを意味し、重要な業務を1社のモデルに寄せすぎないというモデル比較の節の結論を裏づけます。

ソース：TechCrunch

承認疲労とAIエージェントセキュリティ：FakeGitとNISTの「flight plan」は同じ失敗の表と裏

この4日間のセキュリティ関連ニュースで最も重要なのは、攻撃側の実例と防御側の提言が同じ前提の崩れを指していたことです。本記事ではFakeGitとNISTの提言を、人の承認が安全装置として機能しなくなる問題、つまり承認疲労の問題として一緒に読みます。承認疲労という言葉は記事で使われているものではなく、本記事の整理のための呼び方です。

FakeGit：GeminiとChatGPTが同じ悪意あるMCPリポジトリを推奨

セキュリティ専門家が、AIエージェントを悪用したマルウェア配布の実態を報告しました。偽のGitHubリポジトリ群「FakeGit」では、AIモデルのGeminiとChatGPTが独立して同じ悪意あるMCPリポジトリを推奨する事例が確認されたとされます。記事では、こうした事例が1400万件超のダウンロードにつながったとされています。

この事例の怖さは、2つの異なるAIが独立して同じものを勧めた点にあります。複数の情報源が一致すると人は信頼度を上げますが、この場合に一致していたのは攻撃者が仕込んだ偽の情報でした。別々のAIに聞いて答えが一致したから安全、という確認方法は通用しないということです。MCPリポジトリはAIエージェントに外部ツールをつなぐ部品であり、推奨されたものをそのまま入れる運用は、権限を渡す判断をAIの推奨に委ねているのと同じです。

ソース：AI News

「ヒューマン・イン・ザ・ループ万能説」の崩壊とNISTの「flight plan」型権限制御

＠ITの解説記事は、AIエージェントが企業インフラを操作し、攻撃側もAIで侵入作業を分単位に圧縮する時代を迎え、従来の静的な権限管理や「人間が最後に承認すれば安全」という前提が崩れつつあると指摘しています。そのうえで米NISTが、事前に許可範囲を定義する「flight plan」型の動的な権限制御への移行を提言していると紹介しています。

flight planという名前は、飛行機が離陸前に飛行計画を提出する仕組みを思わせます。発想の転換は、一つひとつの操作を事後に承認するのではなく、許可される範囲を事前に定義することにあります。エージェントが分単位で操作を重ねるとき、承認の回数が増えるほど1件あたりの確認は浅くなり、やがて形式的に承認ボタンを押すだけになります。人の承認を最後の砦にする設計は、承認する人の注意力が有限であるという事実に負けるのです。

ソース：＠IT

攻撃側と防御側から見た同じ失敗

2本を並べると、どちらも人の確認がAIの速度と量に追いつかないという同じ失敗を、別々の側から見ていることが分かります。以下は本記事としての整理です。

表の最終行が示すとおり、どちらの側から見ても対策は事後の承認から事前の範囲定義へという同じ方向を向きます。範囲を先に書き下し、その外に出る操作だけを止めて人の注意力を例外の判断に集中させる。これが承認疲労に対する設計上の答えだと考えています。

SCSKの統合セキュリティサービスとNew Relicの「見つけすぎ」対策

国内からは、防御側のサービスが2本出ました。SCSKは2026年9月、脆弱性の把握から修正、防御、監視、ガバナンスまでを一体的に支援する「顧客伴走型統合セキュリティサービス」の提供を開始しました。AIが脆弱性の発見や攻撃コード生成を効率化する「フロンティアAI時代」において、企業全体の継続的な運用体制の構築が必要だとしています。

New Relicは2026年9月、脆弱性管理ソリューション「New Relic Security RX」の国内提供を開始しました。脆弱性を一覧化するだけでなく、本番環境で実際に稼働しているかどうかの情報を基にリスクを判定し、修正対応までつなげる点が特徴です。

本連載の9月18〜19日回では、旧モデルでは攻撃コードを作成できなかったのに最新の「Opus 5」の公開直後に成功したという、バグバウンティの枠内での侵入事例を扱いました。SCSKが挙げる「フロンティアAI時代」の問題意識は、この状況と重なります。そしてAIで脆弱性が大量に見つかるようになると、次に困るのは見つかった脆弱性の多さです。New Relicの設計は、全部を直せない前提で、直す順番を決めるための道具だと言えます。

ソース：キーマンズネット

ソース：キーマンズネット

シャドーAI：生成AIを禁止するだけでは実態を把握できない

キーマンズネット編集部は、過去記事を基に、社内ITルールが実態に合わず守られない事例を振り返る特集を掲載しました。その中で、2026年には生成AIの利用を禁止するだけでは実態を把握できず、従業員が報告せずに使い続ける「シャドーAI」が新たな問題として浮上していると指摘しています。

シャドーAIは、承認疲労と裏表の関係にあります。承認の手続きが重すぎれば、人は承認を形式的にこなすか、手続きそのものを避けて使うようになります。前者が承認疲労、後者がシャドーAIです。本連載の9月18〜19日回でMuseのMac版を扱った際にも、従業員が個人アカウントでエージェントを入れた場合、組織の統制は端末管理の側で掛けるしかないと書きました。禁止ではなく、使ってよい範囲を先に示すというflight plan型の考え方は、社員のAI利用ルールにもそのまま当てはまります。

ソース：キーマンズネット

資金の流れ：Snorkel AI、Enveda、Ema、Bessemer、Nscaleと、フアンCEOの「会食」

この4日間は資金調達のニュースも相次ぎました。調達額の大きさよりも注目したいのは、お金がどの層に向かっているかです。学習データ、創薬、業務エージェント、ベンチャーファンド、そして計算インフラ。以下の表は、記事で示された数字を整理したものです。成長率などの数字は、いずれも各社の説明として報じられたものです。

この4日間に報じられた主な資金調達・上場申請

データとエージェントに向かう資金：Snorkel AI、Ema、Bessemer

Snorkel AIの成長は、データラベリングの自動化から「データ・アズ・ア・サービス」へ事業転換したことが奏功したためだとされます。EmaはGoogle、Microsoft、KPMGなど50社超と契約しているといい、BessemerはAnthropicやCognition、Perplexityなどに出資してきたとされます。

3社を並べると、資金の向かう先がモデルそのものより、モデルの手前と先にあることが見えてきます。手前にあるのが学習データ、先にあるのが業務を実際に自動化するエージェントです。Emaの記事の見出しが示すとおり、AIが企業向けソフトウェアとサービスの市場に入り込み始めているという見方と、この調達は重なります。企業の側から見れば、人事・IT・財務のような定型業務を外部のエージェント製品で自動化する選択肢が増えていくということです。

ソース：TechCrunch

ソース：TechCrunch

ソース：TechCrunch

NVIDIAフアンCEOの「会食」が株価を動かす

資金の熱量を別の角度から示したのが、ロイター配信の記事です。NVIDIAのジェンスン・フアンCEOが世界各地で行う会食が、相手企業の株価に波及する現象が紹介されました。8月26日の第2四半期決算説明会でフアン氏は「誰と夕食を食べるか調べれば、翌日その相手の株価が2倍になる」と発言したと報じられています。記事の見出しは、この現象をGPU争奪戦の舞台裏として位置づけています。

発言の真意はともかく、GPUの供給元の経営者と会食したという事実だけで株価が動くという現象は、市場がAIの計算資源をどれほど希少なものとして扱っているかを示しています。データセンターの節で見たNscaleの顧客集中と合わせて読むと、AIの供給網は少数の当事者と希少な計算資源の上に成り立っていることがよく分かります。

ソース：ITmedia ビジネスオンライン

端末とローカルAI：Googlebook、Snapdragon 8 Elite Gen 6、新Mac mini・Mac Studio、ChatGPTの音声エージェント

クラウド側のモデルが安くなる一方で、手元の端末で動くAIも着実に実用に近づいています。この4日間には、ノートPC、スマートフォン向けチップ、デスクトップ機、モバイルアプリの4方向から、端末上のAIに関する発表と検証が出ました。データを外に出したくない業務にとって、ローカルAIの選択肢が広がることは大きな意味を持ちます。

Googlebookが899ドルから予約受付を開始

Googleは、5月に発表したAIネイティブノートPC「Googlebook」の予約受付を開始しました。価格は899ドルからで、米国では10月4日に発売予定です。AndroidベースにChromeブラウザを搭載し、カーソル操作でGeminiを呼び出す「Magic Cursor」や、話し言葉を整理する音声入力機能「Rambler」などが特徴です。端末はAcer、ASUS、Dell、HP、Lenovoが製造します。

本連載の9月19〜20日回では、Googlebookが9月21日に予約を開始する予定であることを扱っており、予告どおり予約が始まった形です。なお同回ではITmedia PC USERの記事に基づき、カーソルを合わせた対象についてGeminiに質問できる機能を「Magic Pointer」として紹介しましたが、今回のTechCrunchの記事では「Magic Cursor」とされています。

ソース：TechCrunch

Snapdragon 8 Elite Gen 6：上位版Extremeは300億パラメータのMoEモデルをオンデバイスで

Qualcommは年次イベント「Snapdragon Summit」で、AI機能を軸に据えた新型スマートフォン向けチップ「Snapdragon 8 Elite Gen 6」と上位版「Extreme」を発表しました。新設のセンシングハブは最大2億パラメータの小型モデルをローカルで実行でき、上位版Extremeは300億パラメータのMoEモデルをオンデバイスで動かせるとされます。製造はTSMCの2ナノプロセスです。

ソース：TechCrunch

新型Mac mini・Mac StudioでローカルAIは「実用域」へ

ITmedia PC USERは、9月22日発売の新型「Mac mini」（M6、32GBメモリ）と「Mac Studio」（M5 Ultra、256GBメモリ）を検証しました。Mac StudioではこれまでクラウドのAIに任せていた作業をローカル環境で完結できることを確認したほか、Mac miniでも一部のエージェント処理をローカルで扱えるまで性能が向上したと報告しています。

スマートフォンのチップで300億パラメータ級、デスクトップ機でクラウド任せだった作業の完結。ローカルAIが業務で使える段階へ近づいていることを、2本は別々の端末で示しています。企業にとっては、機密データを外に出せないという理由でAI活用を諦める必要が薄れていくということです。クラウドのモデルが安くなる流れと、手元で動かせる範囲が広がる流れは競合せず、データの機密度に応じてクラウドとローカルを使い分ける自由度が両方向から広がっています。

ソース：ITmedia PC USER

ChatGPTモバイル版が音声によるエージェント機能に対応

OpenAIは、ChatGPTのモバイルアプリに音声ベースのエージェント機能を導入したと発表しました。Plus・Pro利用者は「Work」タブから、音声で文書作成やメール要約などのワークフローを実行できるようになります。スマートフォンで着手した作業をデスクトップでそのまま継続できる点も特徴です。

移動中に声で指示を出し、席に戻ってから続きを仕上げる使い方が可能になる一方、社外で音声を使って業務データを扱うことになるため、外出先で扱ってよい業務の範囲を社内ルールで決めておく必要も出てきます。

ソース：TechCrunch

フィジカルAIと自律化：トヨタのロボット投資試算、AstroForgeの「Solo」、TRANSCOMのランダム化物流

物理世界でAIが自律的に動く領域でも3本の発表がありました。工場、宇宙、軍事物流と舞台は異なりますが、共通しているのは人の指示を待たずに動く範囲をどこまで広げるかという問いです。

トヨタが約40万台・年約1兆円のロボット投資が必要になり得ると試算

トヨタ自動車は、自社工場・グループ会社・主要サプライヤー全体での自動化拡大に向け、2028年以降に約40万台のロボットと年間約1兆円（64億ドル）の投資が必要になり得るとの試算を投資家向けに示しました。Boston Dynamicsとの人型ロボット「Atlas」の共同研究も継続しているとされます。

この試算の対象が自社工場だけでなく、グループ会社と主要サプライヤー全体に及んでいる点に注目したいところです。フィジカルAIの導入は1社の工場の中では完結せず、取引先の部品メーカーにも同じ水準のデータ連携や工程管理が求められていく可能性があります。

ソース：AI News

AstroForgeが次期探査機の制御を自社AI「Solo」に一任

小惑星採掘を目指す宇宙スタートアップAstroForgeは、次期探査ミッション「Autonomy-1」で、自社開発のトランスフォーマー型AI「Solo」に、地球からの指令なしで全ミッションの遂行を委ねると発表しました。2026年末に打ち上げ予定の「DeepSpace-2」でシャドーモード運用による検証を経て、2027年のAutonomy-1で本格運用する計画です。

実務の観点で参考になるのは、いきなり全面的に任せるのではなく、シャドーモードで検証してから本格運用に移るという段階の踏み方です。シャドーモードとは、AIに判断させつつ実際の操作には使わず、人の判断と比べて検証する運用を指します。社内でAIエージェントに業務を任せる場合も、まずは提案だけをさせて人の判断と突き合わせ、一致率を確かめてから権限を渡すという手順は、そのまま使えます。

ソース：TechCrunch

米TRANSCOMがAIで配送ルートをランダム化

米輸送司令部（TRANSCOM）のランドール・リード司令官は、敵対勢力のAIによる追跡・妨害からロジスティクスを守るため、配送ルートをAIでランダム化する取り組みを進めていると明らかにしました。AIによる需要予測やネットワークの自己修復、IoTセンサーやデジタルツインとの連携で供給網を維持する狙いだとされます。

興味深いのは、効率化ではなく予測されにくさを目的にAIを使っている点です。最短・最安のルートは、相手にとっても予測しやすいルートです。FakeGitの節で見た攻撃側のAI活用と同じく、相手もAIを使う前提で自社の仕組みを見直すという発想は、軍事以外の領域でも必要になっていくはずです。

ソース：AI News

開発現場のAI：JetBrains調査でClaude Codeが導入率39%、Axosoft調査は実感84%・測定2割、キユーピーのDevin活用

日本側で最も具体的な数字が並んだのがソフトウェア開発の現場です。AIコーディングエージェントがどれだけ使われ、効果を実感され、測られているか。そして実際にどれだけ工数が減ったか。4本はそれぞれ別の問いに答えています。

JetBrains調査：毎日利用68%、職場での導入率トップはClaude Codeの39%

JetBrainsが公表した年次調査「Developer Ecosystem Survey 2026」（プロ開発者1万5000人以上が対象）によると、90%が週1回以上、68%が毎日、職場でAIコーディングエージェントを利用しているとされます。職場での導入率トップは「Claude Code」の39%で、1月時点の18%から倍増し、米国では47%に達しています。

毎日使っている開発者が7割近いという数字は、AIコーディングエージェントが開発者の日常の道具になりつつあることを示しています。1月時点から導入率が倍増したClaude Codeの伸びも、この8カ月ほどで開発現場の道具の選ばれ方が大きく動いたことをうかがわせます。すでに開発者の日常に入り込んだ道具をどう管理し、どう効果を測るかが、次の論点になります。

ソース：＠IT

Axosoft調査：開発者の84%が生産性向上を実感、測定できている組織は20%

GitKrakenを手掛けるAxosoftの調査によると、開発チームの96.4%がAIコーディングツールを導入し、開発者の84%が生産性向上を実感している一方、その効果を何らかの方法で測定できている組織は20%にとどまることが分かりました。

この3つの数字は、それぞれ分母が違います。96.4%は開発チーム、84%は開発者、20%は組織が単位です。したがって、84%から20%を引いて64ポイントの差があるといった計算はできません。それでも、ほとんどのチームが導入し、大多数の開発者が効果を感じているのに、効果を測れている組織は5つに1つという並びが示す構図は明快です。導入と実感は進んでいるのに、測定だけが取り残されています。

測定されていない効果は、ツールを来期も払い続けるべきか、別のツールに替えるべきかといった経営判断の材料になりません。モデル比較の節で書いた評価用のタスクセットを固定して測る方法は、開発チームの生産性を測る場面にもそのまま使えます。

ソース：＠IT

キユーピーがDevinで工場シミュレーションモデルの開発工数を78.8%削減

キユーピーは、独Siemens製の工場シミュレーションソフト「Tecnomatix Plant Simulation」のモデル開発に、Cognition AIが開発した自律型AIエージェント「Devin」を導入し、従来8.5人日を要していた開発工数を1.8人日、78.8%削減したと発表しました。

この事例が示唆的なのは、対象が一般的なWebアプリ開発ではなく、特定の専門ソフト上のモデル開発だという点です。工場シミュレーションのモデルづくりは、一般に生産設備の知識とソフトの操作の両方を必要とし、担当できる人が限られがちです。専門家の手が足りずに止まっている作業こそ、AIエージェントの効果が出やすい候補になりうることを示しています。そして8.5人日から1.8人日へという測定された数字で成果を示している点で、Axosoft調査が指摘した測定の問題に対する一つの答えにもなっています。

ソース：＠IT

作成者しか分からないExcelマクロの仕様解読が「3日→30分」に

NTTインテグレーション子会社のエヌアイシー・パートナーズは、属人化していた見積もり算出用のExcelマクロ（VBA）の仕様把握に、日本IBMの開発支援AIエージェント「IBM Bob」を活用し、従来1〜3日を要していた作業を約30分に短縮しました。

作成者しか中身を分からないExcelマクロは、少なくない日本企業が抱えている問題です。この事例の優れた点は、AIに作り直しではなく読み解きを任せたことです。範囲が小さく、成果が時間で測りやすく、失敗しても業務が止まらない。AI活用の最初の一歩として理想的な形をしており、後述する脱メインフレームの失敗と対比するとその意味がさらにはっきりします。

ソース：＠IT

AI活用調査を横に並べる：使っている、効果を感じる、測れているの距離と生産性

本連載では、AIの導入と実際の成果の間にある距離を示す調査を日を追って並べてきました。今回のJetBrainsとAxosoftの調査を加えると6本、議事録AIに関するキーマンズネットの調査を含めると7本です。対象の単位が違う数字同士を足したり引いたりすることはできないため、表はどの段階で詰まっているかを見比べるためのものです。

7本を並べると、利用や導入の広がりを示す数字は高く、成果や到達を示す数字は低いという形が繰り返し現れます。JetBrainsの毎日利用68%、Axosoftの導入96.4%、議事録AIの導入・試行約7割はいずれも高い側です。一方で、業務時間が減った利用者25.4%、自動化まで到達した企業19.1%、効果を測定できている組織20%は低い側にあります。DXERと研修機会の調査は、その距離が生まれる手前にある、投資配分の偏りと学習機会の不足を示しています。

そして前回記事までの4本と今回の3本の違いは、今回のJetBrainsとAxosoftの調査が、すでにAIコーディングツールが広く使われている開発現場を対象にしている点です。研修を受けていない、推進役がいないといった入口の問題を越えて、道具が日常に入り込んだ現場でも、成果を測る仕組みがなければ効果は組織の判断材料にならない。この7本が指しているのは、モデルの性能ではなく測定と定着の設計です。生産性をめぐる議論は、道具を入れるかどうかから、入れた道具の効果をどう測るかへ移っています。

「導入後」の壁：脱メインフレーム7割超失敗と生成AIへの過信、データ基盤、Copilot案件13倍、札幌市の使いこなし支援

開発現場の数字が、使っているが測れていない状態を示したとすれば、この節の4本は導入した後に何が起きるかをより直接に示しています。生成AIを過信したシステム刷新の失敗、AIを入れた企業ほど困るデータ基盤の問題、導入後を支える人材への需要、そして使いこなしを支援する自治体の取り組みです。企業のAI導入の成否は、この段階で分かれると考えています。

脱メインフレームの7割超が失敗、背景に「生成AIへの過信」

ITmedia エンタープライズは、2026年度上半期のシステム刷新関連記事を振り返る特集を掲載し、メインフレームからの脱却プロジェクトの7割超が失敗に終わっている実態を紹介しました。その背景として、生成AIを使えば移行作業を容易に代替できるという「過信」があると指摘しています。

この指摘は、開発現場の節で見たExcelマクロの事例と並べると輪郭がはっきりします。Excelマクロの事例でAIに任せたのは、範囲が限られ結果を人が確かめられる読み解きでした。メインフレームからの移行は、それに加えてデータの移し替え、業務ルールの再現、新旧システムの並行稼働、利用部門のテストなど、AIが直接は担えない工程を大量に含むプロジェクトです。以下は当社の見立てですが、AIがコードを読むのが得意だという事実が、移行全体を容易にするという期待に拡大解釈されたときに過信が生まれるのだと考えられます。

したがって教訓は、生成AIを移行に使うなということではありません。AIに任せる工程と、人が責任を持つ工程を分けて計画することです。仕様の読み解きや移行対象の棚卸しはAIで大幅に速くなる可能性があります。しかしそれで浮いた期間を、テストや並行稼働の期間を削ることに使ってしまえば、失敗の確率はむしろ上がります。

ソース：ITmedia エンタープライズ

パーソルがAIのための「データ基盤問題」を3サービスで支援

パーソルビジネスプロセスデザインは2026年9月、AIおよびAIエージェントが業務データを安全に利用できる基盤の整備・運用を包括的に支援する3サービスの提供を開始しました。生成AIやAIエージェントの導入が進む一方、データの整理不足や権限管理の甘さが「チャット止まり」の一因になっている課題に対応するとしています。

本連載の9月19〜20日回では、クラウドワークスの調査で自動化まで到達した企業が19.1%にとどまることを扱い、前回記事では、Microsoft 365 Copilotの導入済み企業の87.5%が社内情報の分散を課題に挙げた双日テックイノベーションの調査を扱いました。パーソルのサービスは、チャット止まりの原因をデータと権限の側に求めている点でこれらと整合します。権限管理の甘さが原因に挙がっていることは、セキュリティの節で見たflight plan型の考え方と同じ場所を指しており、データ基盤の整備とエージェントの権限設計は同じ棚卸しから始まる作業です。

ソース：キーマンズネット

「Copilot案件」が約13倍に、求められるのは「導入後」を支える人材

フリーランスエンジニア向けマッチングサービスの案件データを分析したところ、「Copilot」を含む案件が2025年1月の5件から2026年5月には65件へ、約13倍に増加したことが分かりました。コーディング支援としての需要に加え、Copilot Studioを使った社内向けAIエージェント構築など、「導入後」の業務を支える人材への需要が広がっているとされます。

件数そのものは、あるマッチングサービスの中での5件から65件への変化であり、市場全体の規模を示すものではありません。それでも、需要の中身がコーディング支援から社内エージェントの構築へ広がっているという変化は重要です。ライセンスを買って配っただけでは業務は変わらず、社内の業務に合わせてエージェントを組み立てる人が必要になる。その人材を社内で育てきれない企業が、外部に求め始めていることを示すデータとして読めます。

ソース：キーマンズネット

札幌市がAI導入補助金の交付先向けに「使いこなし」支援コース

札幌市は9月2日、国の「デジタル化・AI導入補助金」の交付決定を受けた市内の中小企業を対象に、専門家が導入済み・導入予定のITツールの活用を無料で支援する「ツール利活用促進コース」の受付を開始しました。「導入したのに使いこなせない」という課題に対応するものです。

補助金でツールの購入を支援するだけでなく、その後の使いこなしまで支援するという設計は、導入がゴールになってしまう問題を行政の側が認識していることを示しています。Copilot案件の増加と札幌市の新コースは、民間と行政という別々の場所から、導入後の支援が不足しているという同じ事実を示しています。

ソース：キーマンズネット

現場で効く使い方：議事録AIの目的化、AIへの丸投げは逆効果、日進製作所とヘッドウォータース

導入後の壁を越える手がかりも出ています。議事録AIの使い方、AIへの指示の出し方、問い合わせ業務の一本化、会議に埋もれた暗黙知の活用。いずれも現場の工夫で始められる内容です。

「完璧な議事録」が仕事を遅くする：回答者の約7割が議事録AIを導入・試行

キーマンズネットの調査では、回答者の約7割が勤務先で議事録AIを導入・試行していると回答した一方、精度への不満から手直しに時間を費やすケースも多いことが分かりました。中小企業AI活用協会の専門家は、議事録作成自体を目的化せず、次の行動につなげる速度を重視すべきだと提言しています。

この提言は、議事録AIに限らずAI活用全般に通じます。AIが出した議事録の言い回しを人が丁寧に直していると、AIを入れる前より時間がかかることさえあります。何のための成果物なのかを先に決め、その目的に必要な精度で止める。決定事項と担当者と期限が正しければ細部は多少粗くてもよい、という割り切りです。

ソース：キーマンズネット

AIに「全部よろしく」は逆効果、うまく使う人が実践するタスク分解

ITmedia ビジネスオンラインは、書籍『頭のいい人がやっている「じぶんAI」構築術』を基にした解説記事を掲載しました。複雑なタスクを1回の指示でAIに丸投げすると、かえって修正・やり直しが増えると指摘し、段階的に情報を整理して指示する「タスク分解」が効率と精度を高める鍵になるとしています。

丸投げが逆効果になるという指摘は、脱メインフレームの失敗と同じ構造を個人の作業の単位で示しています。どちらも、AIに任せる範囲が大きすぎると、結果の確認と修正にかかる手間が、任せて浮いた手間を上回るという問題です。タスク分解は、AIに渡す単位を人が結果を確かめられる大きさにそろえる技術だと言えます。組織でも個人でも、AIに任せる単位を小さく区切ることが、結果として最も速い道になります。

ソース：ITmedia ビジネスオンライン

日進製作所がX-point CloudとPower Automate、Copilotの連携で問い合わせ業務を刷新

日進製作所グループは、電話・メール・チャットなど複数の経路に分散していた社内問い合わせ業務を、エイトレッドのワークフローシステム「X-point Cloud」で一本化しました。Microsoft Power AutomateやCopilotと連携し、Teamsへの通知やRedmineでの対応チケット起票を自動化しています。

この事例で注目したいのは、自動化と合わせて入口の一本化を行っている点です。問い合わせが複数の経路に散らばったままでは、何件の問い合わせがあるのかすら把握できません。散らばった入口をまとめたうえでAIを載せるという組み合わせ方は、パーソルのデータ基盤支援や、前回記事で扱った情報分散の問題とも同じ方向を向いています。

ソース：キーマンズネット

ヘッドウォータースがTeams会議の議論をAIエージェントの教材にする「SyncLect Agent Garden」

ヘッドウォータースは9月18日、企業固有の暗黙知をAIエージェントが活用できる形に変換するサービス「SyncLect Agent Garden」の提供を開始しました。設計レビューや障害対応などのTeams会議に埋もれた判断基準や例外対応のノウハウを抽出し、業務マニュアルだけでは再現できない「仕事の進め方」をAIに学習させる狙いです。

議事録AIの節と合わせて読むと、会議の記録には、決まったことを次の行動につなげる使い道と、判断の理由や例外への対応を組織の知識として残す使い道の2つがあることが分かります。マニュアルに書かれるのは標準の手順ですが、実際の業務を回しているのは会議の中で語られる例外への判断であることが少なくありません。

ソース：キーマンズネット

データの分断をつなぐ：AWS×Salesforce、Gemini×Google Play Books、とちぎAIコンシェルジュ

AIが答えに届かない理由の一つは、必要な情報が別々の場所に分かれていることです。大手サービス同士の連携、書籍という外部知識の取り込み、自治体サイトの横断検索という3つの規模で、分断をつなぐ取り組みが報じられました。

AWSとSalesforceがAI連携を強化、Amazon QuickからCRMデータを利用可能に

AmazonとSalesforceは2026年9月、両社のサービスをまたぐ新たな連携を発表しました。SalesforceのCRMデータをAWSのAIアシスタント「Amazon Quick」から利用可能にするほか、AWSのAIエージェントをSlackに組み込む取り組みも進めるとされます。

大手同士の連携で、AIが複数の道具をまたいで情報を参照できる範囲が広がります。ただし、つながる範囲が広がるほどAIがどのデータにアクセスできるのかを管理する重要性も増し、連携と権限設計は常にセットで考える必要があります。

ソース：キーマンズネット

Google Play Booksの英語書籍10万冊以上をGeminiが資料として活用

Googleは、Google Play Booksで購入した英語書籍の一部を「Gemini Notebook」の資料として活用できる機能「Expert Intelligence」を、Google Workspaceでも利用可能にしたと発表しました。オライリーの技術書など10万冊以上が対象となります。記事の見出しは、この機能を「積ん読」をAIが読み解くものとして紹介しています。

社内の文書だけでなく購入した専門書を業務の参照資料として使えることは、特に技術系の業務で意味を持ちます。信頼できる出典に基づいてAIが答える環境を用意するという方向性は、社内のナレッジ整備の参考になります。

ソース：キーマンズネット

栃木県が「とちぎAIコンシェルジュ」で県サイトを横断検索

栃木県は9月15日から、県Webサイトの情報を基に、自然な質問へ対話形式で回答する生成AIチャットbot「とちぎAIコンシェルジュ」の運用を開始しました。カラクリの自治体向けAI「GeN Gov Edition」を採用し、24時間365日・多言語で対応します。

組織の区切りではなく、利用者の質問から情報を引けるようにするという発想は、部署ごとに情報が散らばりがちな社内ポータルや社内規程の検索にもそのまま当てはまります。

ソース：キーマンズネット

消費者とAI：Gallup調査、Appleストアの生みの親の懐疑、YouTubeの新機能、記帳をなくすTabby

最後に、消費者の側から見たAIの話題を4本まとめます。企業の顧客も従業員も、AIについてはまず一人の消費者として経験を積んでおり、社外の空気は社内の受け止め方にも影響します。

Gallup調査：AIを毎日使う米国人の68%が不安を感じている

Microsoft委託によるGallup調査（37カ国、各国約1000人が対象）で、AIを毎日使う米国人の68%が同技術への不安を感じていることが分かりました。米国はAIへの不安が最も強い国の一つで、74%が懸念を表明し、AIが自国に恩恵をもたらすと考える人はわずか36%にとどまったとされます。

記事の見出しは、毎日使う人ほど不安という傾向として紹介しています。ただし、記事で示されている数字は毎日使う米国人の68%と、米国全体での懸念74%・恩恵36%で、利用頻度ごとに不安の割合を比べた数字は示されていません。68%は毎日使う人、74%は米国全体が対象で、同じ質問への回答かどうかも記事からは分からないため、並べて大小を論じることもできません。それでも、日常的に使っている人の中でも不安が多数派であるという事実は、社内でAIの利用を広げる際に重要です。使い慣れれば不安は消えるという前提は、置かないほうがよいでしょう。

ソース：TechCrunch

Appleストアの生みの親がAIショッピングに懐疑的な見方

Appleの直営店網を2000年から築いてきたロン・ジョンソン氏は、シリコンバレーがAIエージェントによる代理購入に巨額投資する動きに懐疑的な見方を示しました。1000〜2000ドルのノートPCをAIエージェントに一任して購入する人がいるかとの問いに、「はっきり言って誰もしない」と断言しています。

MuseがAmazonに締め出された件と合わせて読むと、AIによる代理購入には売る側の許可と買う側の信頼という2つの壁があることが分かります。高額な買い物ほど、人は自分で比べて選びたいものです。企業の業務でも、金額や影響の大きい判断ほど人が持ち、少額で定型的な処理から任せていくという順序は、同じ理屈で説明できます。

ソース：TechCrunch

YouTubeがGeminiによる会話型編集やA/Bテストを発表

米GoogleのYouTubeは、年次イベント「Made on YouTube 2026」で、クリエイター支援の新機能を多数発表しました。ショート動画とYouTube CreateアプリにGeminiを統合した会話型の編集アシスタントを搭載するほか、最大3種類の動画編集版を比較できるA/Bテスト機能などを順次導入するとされます。

生成と検証を組み合わせた設計です。社内の資料や営業メールでも、AIに1つの正解を作らせるより、複数案を作らせて結果で選ぶほうが、AIの得意な部分と人の判断を組み合わせやすくなります。

ソース：ITmedia NEWS

元会計士が起業した「Tabby」、AIで記帳業務そのものをなくす

会計事務所を経営していたAhad Ali氏が、AIでリアルタイム記帳を自動化するサービス「Tabby」を開発しました。Plaidで口座データを取得し、AIが企業の損益をリアルタイムのダッシュボードとして提示する仕組みで、会計ソフトという「見える化された作業」自体をなくすことを目指しています。始動14カ月で中小企業5500社が利用し、年間経常収益は約10万ドルに達しているとされます。

Tabbyの発想は、既存の作業をAIで速くするのではなく、その作業自体を不要にするというものです。議事録AIの節で見た目的化の問題と同じく、その作業は何のためにあるのかを問い直すと、AIの使い道は大きく変わることがあります。

ソース：TechCrunch

日本企業への示唆：モデルの選び方、効果の測り方、権限管理の設計、過信の戒め、最初の一勝

50本のニュースを日本企業の実務に落とすと、取り組むべき論点は5つに整理できます。モデルの価格競争にどう向き合うか、効果をどう測るか、AIエージェントの権限をどう設計するか、過信をどう避けるか、そして最初の成果をどこで出すか。以下は本記事の報道内容を踏まえた、当社としての提案です。

1. モデルは1つに選び切るより、差し替えられる状態をつくる

Claude Opus 5.5、GPT-6 Sol・Luna、Grok 4.7の比較で見たとおり、3社は価格の示し方がそろっておらず、性能の主張もいずれも提供元自身によるものです。この状況で最初にすべきことは、どれか1つを選び切ることではなく、モデルを後から差し替えられる状態をつくることです。

• 業務を2層に分ける：量が多く定型的な業務と、量は少ないが判断が重い業務を分け、それぞれに見合う価格帯のモデルを割り当てる
• 評価用のタスクセットを固定する：自社の実業務から20〜50件程度を選び、新モデルが出るたびに同じセットで正答の割合・手直し時間・1件当たりコストを測る
• 乗り換えの条件を先に決める：手直し時間やコストがどれだけ改善したら切り替えるかを、発表を見る前に決めておく
• 呼び出し部分を1層挟む：業務システムから直接特定のモデルを呼ばず、差し替え可能な層を置いてベンダーロックインを避ける

データセンターへの逆風やインフラの顧客集中を見ても、特定の1社に全面的に依存する構成はリスクが大きくなっています。価格競争が続くほど、差し替えられる企業が得をします。

2. ツールを選ぶ前に、効果の測り方を決める

Axosoft調査では、開発者の84%が生産性向上を実感しているのに、効果を測定できている組織は20%にとどまりました。本連載で並べてきた調査では、利用や導入の広がりを示す数字は高く、成果や測定を示す数字は低いという形が繰り返し現れています。

したがって順序を逆にすることを勧めます。ツールを選ぶ前に、何をもって効果とするかを決めるのです。キユーピーの事例が8.5人日から1.8人日という数字で成果を示せたのは、導入前の工数が分かっていたからです。導入前の所要時間を測っておかなければ、導入後にどれだけ減ったかは誰にも分かりません。まず現状の作業時間を測ることが、どのツールを選ぶかよりも先に来ます。

3. 承認疲労は設計の問題として扱い、許可範囲を事前に定義する

FakeGitとNISTのflight planが示したのは、人が最後に承認すれば安全という前提が、AIの速度と量の前では成り立たないということでした。承認疲労は担当者の注意力の問題ではなく、仕組みの設計の問題です。

• エージェントが読める範囲：どのシステムのどのデータまで参照してよいかを事前に書き下す
• エージェントが実行できる操作：書き込み、外部送信、購入、削除など影響の大きい操作を列挙し、許可するものを決める
• 導入してよい部品：MCPリポジトリなど外部の部品は、AIの推奨ではなく事前に確認した一覧から選ぶ
• 人が判断する例外：範囲の外に出ようとした操作だけを人に回し、承認の回数を減らして1件ごとの確認を深くする

パーソルのデータ基盤支援が権限管理の甘さをチャット止まりの一因に挙げていたように、権限の設計はセキュリティ対策であると同時に、AIを業務で安全に使える範囲を広げるための前提でもあります。シャドーAIへの対策も、禁止ではなく使ってよい範囲を先に示すことから始まります。

4. 脱メインフレームの失敗とAIへの丸投げが逆効果という指摘から、過信を戒める

脱メインフレームの7割超が失敗し、その背景に生成AIへの過信があるという指摘と、AIに複雑なタスクを丸投げするとかえって修正が増えるという指摘は、組織と個人という規模の違いはあっても同じ教訓を示しています。AIに任せる範囲が、人が結果を確かめられる範囲を超えたとき、失敗が起きるということです。

大きなプロジェクトにAIを使う場合は、AIに任せる工程と人が責任を持つ工程を計画の段階で分けて書くことを勧めます。そしてAIで短縮できた期間を、テストや検証の期間を削ることに使わないことです。

5. 最初の一勝は、Excelマクロとキユーピーの形で取りにいく

では、どこから始めるべきか。この4日間の事例の中で、最初の成果として最も再現しやすいのは、Excelマクロの仕様解読とキユーピーの工場シミュレーションの形です。2つには共通点があります。

• 範囲が小さい：業務全体ではなく、特定のマクロの読み解き、特定のソフト上のモデル開発に絞っている
• 導入前の所要時間が分かっている：1〜3日、8.5人日という比較の基準がある
• 専門家の手が足りずに止まりがちな作業である：作成者しか分からないマクロ、専門知識の要るシミュレーション
• 失敗しても業務が止まらない：読み解きやモデル開発の結果は、人が確認してから使える

社内を見渡せば、作成者が異動して誰も中身を説明できないExcelファイルや、特定の担当者しか扱えない専門ソフトの作業が、多くの企業にあるはずです。そこを1つ選び、導入前の所要時間を測り、AIエージェントに任せ、導入後の所要時間を測る。この小さな一勝が、測定の習慣と任せる範囲を決める習慣を組織に根づかせる入口になります。

まとめ：モデルは安くなった。詰まっているのは、測る・任せる・使いこなすの3点

2026年9月21〜24日のAIニュースは、世界24本・日本26本の計50本でした。最大の話題は、9月22日付で報じられたフロンティアモデルの価格競争です。Claude Opus 5.5は典型的なワークロードの利用コストをOpus 5比で4割削減、GPT-6 SolとGPT-6 Lunaは前世代の半額、Grok 4.7は価格と速度を据え置いて性能を上げたとしています。ただし3社は価格の示し方がそろっておらず、性能の主張もいずれも提供元自身のものです。比較表が示しているのは勝者ではなく、自社で確かめるべき項目でした。

海外ではほかに、MetaのMuseがChatGPTの初期を上回る推計を記録する一方でAmazonに締め出され、OpenClawに大きく着想を得たことを認めました。政策ではOpenAIの国際標準提言とトランプ大統領の「Super Intelligence」改称表明が並び、カリフォルニア州ではデータセンターを規制する法案7本が署名されました。セキュリティでは、FakeGitとNISTのflight planが、人が最後に承認すれば安全という前提の崩れを攻撃側と防御側から示しました。

日本側では導入後の壁が一斉に語られました。JetBrains調査では開発者の68%が毎日AIコーディングエージェントを使い、Claude Codeが職場での導入率39%でトップに立った一方、Axosoft調査では効果を測定できている組織は20%でした。脱メインフレームの7割超が失敗し、背景に生成AIへの過信があると指摘され、Copilot案件は約13倍に増えました。その一方で、キユーピーのDevin活用による78.8%の工数削減や、Excelマクロの仕様解読の約30分への短縮といった、範囲を絞って測った成果も出ています。

モデルは安く、賢くなり続けています。しかし組織の成果を左右しているのは、効果を測る仕組み、AIに任せる範囲の事前定義、導入した道具を使いこなす設計の3点です。どれもモデルの価格競争とは無関係に、今日から自社で着手できます。次の新モデルが出る前に、評価用のタスクセットと許可範囲の一覧を用意しておくことを勧めます。