1008 | 週刊テック速報：AIモデルからエージェント、開発ツールまで

葵: こんにちは、ポッドキャストへようこそ。葵です。

悠真: 悠真です。今週も開発系から生活系まで、いろいろな新製品やニュースを集めました。今日のラインナップを貫いている糸はね、結局のところ「AIがどこまで実務を引き受けられるようになったか」なんですよね。

葵: そうですね。モデルの進化から、エージェントの実用例、マーケティング、開発ツール、そしてその裏側にあるプライバシー志向まで、一本の流れで見渡せます。では早速、まずは基盤となる新しいAIモデルの話から始めましょう。

悠真: はい。まずはMistral Large 4。これは注目ですよ。1兆パラメータのMoE、つまり専門家を組み合わせるアーキテクチャで、実際に動くのは49Bパラメータだけ。しかもコンテキストは100万トークンまで。

葵: MoEなら、全部のパラメータを使わずに、必要な部分だけ動かすから、巨大なモデルでも効率よく推論できるんですよね。欧米で一番強いオープンウェイトモデルという位置づけで、10月末に重みが公開される予定です。

悠真: オープンウェイトっていうのは、重み、つまりモデルの中身が手に入るってことでね。ローカルで回せたり、自分でファインチューニングしたりできる。企業にとっては、自分たちでコントロールできるかどうかが大きな分かれ目なんですよ。

葵: クローズドな巨大モデルとの性能差が縮まってきたのが今年のテーマですけど、Mistral Large 4はその答えの一つになりそう。1Mコンテキストは、長い契約書や大量のコードベースを丸ごと読ませられる規模です。

悠真: うん。ただ、重みが手に入るからって誰でもその性能を活かせるわけではない。推論インフラはそれなりに必要ですからね。でも選択肢が増えるのは確かです。

葵: そこにGoogleのNano Banana 2.1。画像モデルの最新版で、マスク編集に対応、生成の一貫性が向上して、1Kから4Kまでの解像度、そして検索グラウンディングが入っています。

悠真: 一貫性の向上は大事ですよね。キャラクターやブランドの見た目が画像ごとにブレる、っていうのが従来の画像生成の大きな不満だったから。マスク編集は、画像の一部分だけを指定して直せる機能で、実務で使いやすくなる要素です。

葵: 検索グラウンディングは、生成するときに実際の検索結果を参照できるということですね。事実に基づいた画像を作るときに役立ちます。モデル単体の性能だけじゃなくて、外部情報とつながる方向に進んでいるのが面白いところです。

悠真: で、ここからが今回のテーマの軸なんですけど、性能だけじゃなくて信頼とデータ主権の話。フィンランドにプライベートAI基盤を置いた「Rool」というサービスが出ました。

葵: EU内、フィンランドで動いていて、独自のモデルを使っていて、ユーザーのデータをモデルの訓練に使わない、と。無料枠もあるので、まず試せるのも手が出やすい。

悠真: ここで大事なのは、同じ「AIサービス」でも、データ主権をどこに置くかで選択肢が広がったこと。欧州の規制環境を気にする企業や、機密データを扱う人にとって、選ぶ基準が一つ増えたわけです。

葵: まとめると、オープンウェイトの巨大モデル、クローズドの画像モデル、EU内のプライベート基盤、この三つが揃うと、性能と信頼の両方を取れる状態が近づいている。

悠真: 今後の焦点は、オープンウェイトとクローズドの差がどこまで縮まるか。それが決まると、企業のAI導入の形が変わると思います。で、こうしたモデルが、次に話す各エージェント製品のエンジンになっていくわけです。

葵: そうですね。次は、実際に仕事や生活を代行するAIエージェントの話に移りましょう。

悠真: まず「Wabi」。メッセンジャーなんですけど、グループでの旅行計画や割り勘みたいな「めんどくさいタスク」を自分でやってくれる。「エージェント時代のOS」って自称していてね。

葵: 普通のメッセンジャーって、ただメッセージを送るだけですよね。Wabiの場合は、旅行の調整とか請求の処理とか、グループの中で実際に起きる仕事をエージェントが実行する。チャットが「作業場所」から「指示場所」に変わるイメージです。

悠真: うん。次が個人的に一番面白かった「Ana」、Verticeという会社の調達交渉エージェント。ソフトウェアの購入交渉を代わりにやってくれるんですよ。年間750億ドル規模の調達データ、3万2千のベンダー、200万を超える価格ポイントで学習していると。

葵: 平均で18%の削減が見込めるという数字。しかも、エージェントがベンダーにメールを送るときは、人間の承認が要る設計。完全に放りっぱなしではなくて、ここには境界線が引いてあります。

悠真: ここは本当に大事なポイントでね。Anaのようなエージェントは、相手との交渉、つまり対外的な行動を代わりにやる。ミスったら契約に響く。だから「メールを出す前に人がOKを出す」っていう構造は、責任の所在をはっきりさせる一つの答えだと思います。

葵: ただ、承認制にすると、スピードの利点が減るというトレードオフもありますよね。どこまで人間が介入するかは、これからのエージェント設計の共通テーマになりそうです。

悠真: うん。その境界はまだ「未知」なんですよ。責任は誰が持つのか、承認はどこまで細かくするのか、業界全体でまだ答えが出ていない。

葵: 次は「Manus 2.0動画エディタ」。これは、リサーチからショット、音楽、コードのグラフィックまで、動画全体をAIが丸ごと作ってくれて、最後の最終編集だけをユーザーに返すというもの。

悠真: これ、動画制作の流れが逆転しているんですよ。普通は素材を集めて編集して、って人が主体でやる。Manusは「ここまでできたから、仕上げだけお願い」っていう。AIが成果物のほとんどを引き受けて、人は判断だけする形。

葵: その裏側に、Pegasus 1.6というのがあって、これはロボット学習データの話なんですけど、エゴセントリック動画、つまり一人称視点の動画から、手動ラベリングなしでタイムスタンプ付きのロボット訓練データを自動で作る。EgoとTeleopに対応しています。

悠真: これは後でまた詳しく話しますが、データ作りの自動化も、まさに「AIが成果物を引き受ける」方向ですね。人在庫を変えずにスケールする話です。

葵: で、生活側の話。「Rhem」というテーブルロボットで、高齢者向けに、バイタルサインを測ったり、会話のパターンを拾ったり、リマインダーを出したりする。しかも、その上にAIエージェントが乗っていて、予約を取ったり、電話をかけたりまでやる。

悠真: これはエージェントの生活側への進出ですね。体調を見て、話しかけて、予定を管理して、必要なら電話まで代わりにする。介護の現場での負担軽減が期待できる一方で、健康に関わるからこそ、信頼性の基準は仕事系より厳しくなるはずです。

葵: この話題のまとめとして、AIが「単発の補助」から「成果物の完全引き受け」へ移行した、というのが今日のキーワードです。ただし、承認と責任の境界はまだ流動的で、そこが今後見るべきところ。

悠真: 次に、そのエージェントが「自分をどう見つけてもらうか」、マーケティング側の話に繋がります。ここ最近の新しい戦場なんですよね。

葵: そう。AI時代の可視性。まず「Proofsource」。4つのAIエンジン上で、自分の製品がどのように言及されているかを毎日計測する。そして、問題があったら修正を公開して、それを検証する、という流れまでサポートする。

悠真: ここで言うAI言及っていうのは、ChatGPTのようなAIに「◯◯のツールを教えて」と聞いたときに、あなたの製品が出てくるかどうか、どう紹介されるか、ということですよね。SEOに代わる新しい可視性の指標。

葵: 毎日計測して、問題を検知して、修正を実際に公開して、効果を検証する、っていうのが一連の流れとしてある。SEOツールが検索順位を追っていたのと同じ構造が、AI言及に対して起きているわけです。

悠真: 面白いのは、修正を「公開・検証」する部分。単にレポートを出すだけじゃなくて、実際にどういう文言や情報を外部に出せばAIが正しく紹介してくれるか、改善サイクルまで回せる設計です。

葵: 次は「GenPage 3.0」。広告ごと、キーワードごと、アカウントごとに、AIがランディングページを自動で生成して、それを自動でAからZまでテストする。

悠真: つまり、従来は「1つのランディングページをみんなで作って、広告は全員に同じものを見せる」だったのを、人来る人ごとに合わせたページを作って、性能をデータで比較する。AIで作るから量産できる、という発想です。

葵: これが実現すると、マーケターの仕事が「ページを作る」から「何を試すかを選ぶ」に変わる可能性がありますね。

悠真: で、面白いデータとして「Plugins Radar」。ChatGPTのプラグインディレクトリを追跡していて、5000を超えるプラグイン、192回の検索を記録している。その結果、上位10件のうち約4分の3が、名前かタグラインに検索キーワードを含んでいたという。

葵: これはつまり、AIの検索結果でも「名前の付け方」が上位表示に効いている可能性が高い、ということですよね。SEOでキーワードをタイトルに入れていたのと同じ作法が、AIのプラグイン発見でも機能している。

悠真: 補足として、上位結果にどれくらいの人目が集まっているか、というより、そもそも「見つけてもらえるか」がビジネスの生死を分ける、という認識が共有されつつあるということです。

葵: これらを踏まえると、AI内での可視性は「SEOの再来」ではなく、名前の付け方や説明文の書き方、生成ページの構造、毎日の言及計測という、別の戦場として進化している。今後、AI検索最適化が業界標準になるかどうかが焦点です。

悠真: 関連する小さい話で、Ownfeedというのがあって、URLをペーストすると、自分の製品を必要としている人の投稿だけをフィードにしてくれる。1ドルのテストデイがあって、自動返信はしない、と。あと、SupademoのAIデモエージェントは、買い手が24時間いつでも、デモを説明するエージェントと対話できて、15分のセッションで0.99ドル。

葵: そしてParakeetAI 2.0もこの流れに関連しています。実インタビューから作った問題集、AIのモック面接、そして本番の面接中にライブで回答を支援する。就活ツールですね。

悠真: これらを並べると、マーケティングと販売の各所に、AIが「可視性」「生成」「対話」の形で入ってきた、というのが全体像です。次は、そのAIを使う側、つまり開発者やクリエイター向けの新しいツールの話に移りましょう。

葵: まず「Redlamp」。Apple Silicon向けのネイティブRAWエディタで、SwiftとMetalで作られていて、オープンソースで無料、ライセンスはMPL-2.0です。

悠真: RAW編集というのは、カメラが撮った生データを処理する仕事ですよね。それをネイティブで、Apple SiliconのGPUを活かしてやる。Lightroomのようなワークフローを目指している。

葵: オープンソースで無料というのが大きい。有料の写真現像ソフトに頼らず、自分のマシンで完結する選択肢が増えたわけです。

悠真: 次は「Figma Agent」。これはデザインの世界で、キャンバス上にある実際のコンポーネントやファイルを直接操作できる。さらに、一括編集もできるし、「/」を打つことでスキルを呼び出せる。

葵: ポイントは「実コンポーネント」をいじるというところ。モックやコピーではなく、デザインファイルの中の実際のオブジェクトに対してAIが作業する。だから、AIが提案した変更がそのまま本物のデザインに反映される。

悠真: 一括編集は、「全部のボタンの角丸を変える」「このフォントを全部置き換える」みたいな作業を一発でやれるということで、デザインの保守作業の負担を大きく減らせるはずです。

葵: 次は「Thalia」。MetaのMuse Code CLI用のMac向けクライアントで、SwiftUIで作られたネイティブアプリ。無料で使えます。

悠真: 面白いのは設計思想で、強制的に計画モードを挟む。コマンドの実行前に承認が要る。スナップショットをレビューできる。チェックポイントがある。そしてテレメトリは一切ない。

葵: これはさっき話したAnaの承認制と同じ発想ですね。AIにコードを触らせる前に、何をするかを計画として確認させて、実行は人間が許可する。だから「AIが勝手に変なことをした」を防げる。

悠真: ターミナルでCLIを直接使うと、コマンドが何をするか分かりにくいことがあるんですけど、ThaliaはそれをGUIで可視化して、承認とロールバックをしやすくした、と。安全な入口を作った、ということです。

葵: そして「Databench」。オープンソースのApache 2.0ライセンスのマルチプレイヤー・ワークスペースで、リアクティブなノートブックと、チームの隣で動くエージェントを組み合わせられる。結果はトレース可能で、後からどうなったかを追える。

悠真: チーム開発の場で、AIエージェントを「隣の席の同僚」みたいに置ける。しかも結果が全部追跡できるから、なぜその結論になったかが分かる。共同作業のインフラにAIが組み込まれた、という感じです。

葵: 関連する小さいツールもいくつか。CinchはAppleのリマインダーのネイティブクライアントで、iOS、macOS、watchOS、visionOSに対応。テレメトリはゼロ、iCloudのみで同期していて、LLMエージェント用のCLIも用意している。

悠真: あとKitbar。MacとWindowsのステータスバーに、Vercel、Cloudflare、GitHub、GitLab、Stripe、Polar、Claude Code、Codexの状態を出せる。アカウント登録が不要で、買い切り。

葵: Vreskというのもあります。オープンモデル用のワークスペースで、タスクごとに自動でモデルを選んでくれる。チャットで会話してもモデルの訓練には使われない。月20ドル。

悠真: 全体として見ると、AIと人間の協業の仕方が、ツールそのものに組み込まれてきた、というのがこのセクションのポイント。計画→承認→実行→レビュー、というサイクルが、各ツールに明示的に設計されているんですよね。

葵: ここからは、そのAIサービスの普及の裏側にある、プライバシー志向の流れを見てみましょう。

悠真: まず「Knuff」。家族向けのチェックインアプリです。「バブル」というモデルを使っていて、データは全部ドイツ国内に置かれる。USクラウドは使わない。

葵: バブルっていうのは、たぶん家族や親しい人だけの小さなグループのことだと思います。チェックイン、つまり「元気だよ」って伝えるためのアプリですが、位置情報や家族の居場所って、一番センシティブなデータの部類ですからね。

悠真: そう。家族の居場所を扱うなら、そのデータがどこにあるかが最大の関心事になる。ヨーロッパの規制環境や、USのCLOUD Actみたいなものを気にする家庭にとって、国内完結は説得力があります。

葵: 次は「Temp Mail」。登録不要で無料の使い捨てメール。今回の新機能として、Androidでのプライベートな転送エイリアス、OTPのコピー機能、独自ドメイン、29言語対応が入りました。

悠真: 使い捨てメールは、ネットサービスに登録するときに本物のアドレスを出したくない場面で使うんですけどね。OTPコピーは、届いた認証コードをすぐコピーできるようにした、という実用的な改善。独自ドメイン対応で、自分のドメインでエイリアスを作れるようになったのも、プロユースに広がるポイントです。

葵: ここで、RhemやKnuffとつなげると、同じ「テクノロジー」でも、データ主権を取るか、便利さを取るか、っていう分岐がはっきりしてきました。プライバシー志向の代替が、AIサービスの普及と並行して育っている、というのがこのセクションの見取り図です。

悠真: そして最後は、ロボット学習データの自動化に戻ります。さっき少し触れたPegasus 1.6ですね。

葵: はい。エゴセントリック動画、つまり一人称視点の動画、EgoとTeleopの両方を入力として受け取って、それをタイムスタンプ付きのロボット訓練データに変換する。手動ラベリングが必要ない、というのがポイント。

悠真: ロボット学習って、データが一番のボトルネックなんですよ。人間が実際にデモstrationをして、それにラベルを付けて、という作業は膨大な時間がかかる。それを自動化できると、学習データの供給が一気に楽になる可能性があります。

葵: 具体的には、人間がカメラを付けて日常の作業をした映像や、テレオペレーションで遠隔操作したときのデータから、AIが「いつ何をしたか」を認識して、ロボットが学習できる形のデータに整理するわけですね。

悠真: ただ、これはまだ「手動ラベリングが要らない」という主張であって、実際にどのくらいの汎用性があるのか、コストはどうなのか、という点は未知です。データの質がどの程度担保されるかも、これから検証されていくはずです。

葵: 今日のまとめをすると、AIモデルの性能とデータ主権の両輪が揃いつつあって、その上で、仕事でも生活でもマーケティングでも開発でも、AIが「単発の補助」から「成果物の引き受け」へ役割を広げている。

悠真: ただし、承認と責任の境界、プライバシーの選択、そしてロボット分野の汎用性という課題は残っている。来週以降、この辺りの動きを追っていきます。

葵: それでは、今日はこのへんで。ありがとうございました。

悠真: ありがとうございました。また来週。