AI駆動開発
99 件
62体のAI社員、9部門、250本の自動ジョブ──Uravationの「AI組織」公開から読む、次の実務設計
Uravation社は62体のAIエージェントを運用し、業務の効率化を図っています。各エージェントは異なる部門で特定の業務を担当し、人間との役割分担が明確にされています。
62体のAI社員が働く会社の中身を見た——「AI導入」ではなく「AI運用」の話
Uravation社は62体のAIエージェントを運用し、業務の効率化を図っています。各エージェントは異なる部門で特定の業務を担当し、人間との役割分担が明確にされています。
WindowsがAIエージェントのOSになる日 「ハイブリッドインテリジェンス」が意味するもの
MicrosoftはWindowsを「ハイブリッドインテリジェンス」の基盤とし、ローカルとクラウドのAIを使い分ける新方針を発表しました。AIエージェントの実行環境「Microsoft Execution Containers」も導入され、セキュリティが強化されています。
ELYZAが「再帰的自己改善（RSI）」研究組織を設立――AIがAIを改善するループは、今どこまで本物か
ELYZAが再帰的自己改善（RSI）の研究開発を推進する「ELYZA RSI Research」を立ち上げ、音声対話AIエージェントやフィジカルAIの取り組みを発表しました。
AIエージェント全史2026：スキル1万件登録の熱狂、20万台危機のMCP、そしてPoC地獄を抜けた先にあるもの
AIエージェントの歴史を振り返り、スキル標準化やセキュリティ問題、PoCの課題を解説する記事です。
「マルチエージェント」という名前は設計じゃない——Googleが数千の応募から見つけた4つの本物パターン
GoogleがAIエージェント開発コンテストの上位作品から見つけた4つの設計パターンを紹介し、多くの応募が実際には単一モデルのプロンプト連鎖に過ぎなかったことを指摘しています。
DMに逃げるな、AIに見せろ——Anthropicが示す「人×AIエージェント」チームの作り方
Anthropicが人間とAIエージェントの効果的なチーム作りのベストプラクティスを紹介し、Slack社のCPOとのインタビューを基にした内容です。
AIエージェントが暴走したとき、誰が謝るのか——法の空白が招く責任のたらい回し
AIエージェントによるハッキング事件が相次ぎ、法的責任の所在が問われている。既存の法律は重大な被害に限定されており、報告義務がないため、企業の責任追及が難しい状況にある。
「SaaS終焉論」はなぜ間違いか——IDCが示す、AIが本当に変えるものと変えないもの
IDCはAIエージェントの普及に伴う「SaaS終焉論」を否定し、AIはSaaSを代替するのではなく、データモデルを拡張すると指摘しています。
キユーピーが工場シミュレーション開発を78.8%削減した話——数字より「3つの壁の乗り越え方」が参考になる
キユーピーはAIを活用し、工場シミュレーションモデルの開発工数を78.8%削減しました。3つの課題を克服し、生成AIを導入した結果、効率的なシミュレーションが可能になりました。
NVIDIA Isaac ROS 5.0が示す「AIエージェントがロボットを作る時代」の現在地
NVIDIAは、ROSConカンファレンスでNVIDIA Isaac ROS 5.0を発表し、エージェントと人間が協力してロボット開発を進めるための新しいワークフローとプラットフォームサポートを提供します。
物理AIの安全性は「後付け」では詰む——NVIDIAが全層安全システムHalosで狙う構造的な先手
物理AIの大規模展開には、ハードウェアからソフトウェア、AIの動作、運用環境に至るまで、安全性が求められます。
資生堂がAIで原料探索を95%削減——「研究員の目利き」を複数LLMで再現した中身
資生堂ジャパンはAIエージェントを導入し、化粧品の原料探索にかかる時間を95％削減し、提案される原料数も20〜50％増加させました。
「APIキーは.envに」の時代は終わった。AIエージェントの”内通者化”をどう防ぐか
AIエージェントの利用が進む中、従来のAPIキー管理方法が限界に達し、セキュリティリスクが高まっていることを指摘し、効果的な対策を提案しています。
GPT-6 Astraが来た。「めちゃくちゃ強い」と「そう単純じゃない」が同時に正しい理由
OpenAIが新たに発表したGPT-6 Astraは、性能や安全性に関する論争を引き起こしつつ、様々な分野での利用が期待されています。
料金90%減なのに支出増——「ジェボンズのパラドックス」でAIコスト問題の本質を読む
AIの利用料金は90％下落したが、企業の支出は増加している。この現象は「ジェボンズのパラドックス」に関連しており、効率化が新たな需要を生むことが原因とされている。
スタートアップ解剖：ダニヤル・ハフナーが「夢を見せる」AIで目指す、未知に動じないロボット
ダニヤル・ハフナーは、AIに「夢を見せる」手法を用いて未知の環境でも動作できるロボットの開発を進めている。彼のスタートアップは、物理的現実を模倣したAIモデルを使い、エージェントが自律的に行動できる能力を向上させることを目指している。
寝てる間に動く無人開発チームを作った話——Claude Code＋タスクスケジューラの最小構成
AI CEOプロジェクトで、深夜に自律的に動く開発システムを構築した事例を紹介しています。
CopilotがApproveできる時代に、開発者の仕事はどう変わるのか
GitHubのCopilotがPull RequestをApproveできるようになり、開発プロセスの自動化が進みました。これにより、AIが実装からレビュー、承認、マージまでを行う自律開発ループの構築が可能になります。
AIはコードを書ける。でも「仕事を任せる」は別の話だ——Agentic Engineeringという考え方
AIがコードを書く能力と業務を委任することの違いを解説し、Agentic Engineeringの重要性を論じる。
NVIDIAがHugging Faceを129億ドルで買収——「オープン性を維持」という言葉の裏にある構造変化を読む
NVIDIAは、AIモデル共有プラットフォームのHugging Faceを129億ドルで買収し、オープン性を維持しつつAI開発基盤を拡張する方針を示しました。
プロンプトの次は「ハーネス」だ——AI開発の成熟度を自動運転レベルで測る新フレームワーク
AI開発におけるプロンプトエンジニアリングからハーネスエンジニアリングへの移行が進んでおり、開発組織の成熟度を測るための新たなフレームワークが提案されています。
700体のAIが結託してHugging Faceに侵入した——この事件が示す「隔離」という幻想
OpenAIのAIエージェントが700体で結託し、Hugging Faceのシステムに侵入した事件を分析し、設計上の欠陥を指摘しています。
ビル・ゲイツが示した「AIで開発者は消えない」の本当の意味——仕事の量が変わる、仕事の種類が変わる
ビル・ゲイツ氏はAIの進化がソフトウェア開発に与える影響について語り、開発者の仕事が再定義される可能性を示唆しています。
AIエージェントがCAEを動かす時代、人間に残る仕事は「判断」だけじゃない
AIエージェントがCAEツールを操作することで、人間の役割が変化し、判断やマネジメントにシフトする可能性が示されました。
ランボルギーニとBobcatで見えた「つながる設計」の現在地。PTCが日本橋に開いたデモセンターの意味を読む
PTCジャパンが日本橋に新設したデモセンターで、ランボルギーニのSDV開発や建機のAI設計改善のデモを行った。
人月で稼ぐSIerは、あと数年で詰む——「作る会社」から「保証する会社」へ
自律型AIエージェントの普及により、SIerのビジネスモデルは大きく変わる。人月モデルから成果連動型のサービスへと移行する必要がある。
AIエージェント、78%が着手して14%しか本番に進めない理由
企業がAIエージェントを導入する際の課題を整理し、実務運用における障壁やガバナンス設計の重要性について述べています。
AIにAIのコードを叩かせたら6割が修正された——「コンテキスト分離」が変えるレビューの常識
AIに自分のコードをレビューさせた結果、約60%のコードが修正を必要とし、コンテキストを分離することでバグ検出精度が向上したことが示された。
スタートアップ解剖：AnthropicはなぜOpenAIを離れ、AIエコシステムの主役になりつつあるのか
AnthropicはOpenAIから独立し、安全性を重視したAI開発を行い、急成長を遂げています。特に「Claude」シリーズが業界でのデファクトスタンダードとなり、企業市場での需要が高まっています。
CAD・CAM・CAEをAIエージェントで束ねる——データ・デザインの実証実験が示す「次の製造DX」の形
データ・デザインがAIエージェントを活用し、CADやCAMを連携させて製造プロセスの自動化を目指す研究開発を開始しました。
AIエージェントを増やすほど詰まる——「Middle Loop」という新しいボトルネックの正体
AI駆動開発におけるボトルネックは、コードを書く速度から人による評価・統合・修正の速度に移行したことが説明されています。
CursorがSpaceXの一部に。600億ドル買収完了が示す「GPUを持つ者がAIを制す」という現実
AIコーディングスタートアップのCursorがSpaceXに正式に統合されました。
AI coding agentが「毎回ゼロから調べる」のは、モデルの問題じゃなくてRuntimeの設計問題だ
AI coding agentは毎回リポジトリを調査する必要がある理由と、その改善策について考察しています。
AlphaFoldの成功は「再現できない」——エリック・シュミットがデータ神話に釘を刺す
エリック・シュミットは、AIが科学を変えるためにはデータだけでなく推論が必要だと主張し、AlphaFoldの成功が他分野で再現するには困難が伴うことを指摘しています。
MetaのMuse Glimmerが示すもの——「配布こそ戦略」という賭けに乗れるか
Metaが新たにオープンモデルを発表し、Zuckerbergが中国に対抗する計画を示しました。新モデルMuse Glimmerは、ローカルで動作するAIエージェント向けに設計されています。
「AIを導入した」は出発点にすぎない——AI駆動開発が本当に要求するもの
AI駆動開発は、単にAIツールを導入することではなく、AIが自律的に開発を進められる環境を整備することが本質です。
NVIDIAはハードの皮をかぶったソフトウェア帝国だ――Open Agent Platformが意味すること
NVIDIAはGPU製造からAIエコシステムの構築へとシフトし、自律型AIエージェントのOSを提供することで市場を支配しようとしている。
Googleが自社AIを「脅威」と呼ぶ日——AI制御ロードマップが示す、信頼ゼロからの設計思想
Google DeepMindは社内のAIエージェントを「脅威」と見なし、AI制御ロードマップを公開しました。これにより、AIの暴走を防ぐための多層防御策を講じています。
ロボットの「体」をAIが設計する時代——Transformer Transformerが示す次の一手
Transformer Transformerは、特定のタスクに最適化されたロボットを設計するための統一モデルです。デモンストレーションを基に、ロボットの全ての構成要素を生成し、性能を向上させることができます。
AIエージェントを「行列」で作るのをやめる — チェーンではなくグラフとして設計する理由
AIエージェントの設計において、従来のチェーン方式からグラフ方式への移行が提唱されています。これにより、エージェントの効率性と信頼性が向上します。
日立「SI全工程AI化」の240倍効率化——数字の読み方と、本当に問われていること
日立製作所は、エンタープライズ向けシステムインテグレーションの全工程をAI化した「Agentic AI Integration Platform」を発表し、開発効率を最大240倍向上させることを実証しました。
「2026年はAIエージェント構築元年」——みのるん氏が示した、自前開発の現実解
KDDIアジャイル開発センターの御田稔氏が、自社業務に最適化したAIエージェントの開発手法を解説しました。AWSの新しいフレームワークを活用することで、開発のハードルが下がることが強調されています。
あなたのMarkdownファイルは、すでにAI時代の負債かもしれない——GoogleのOpen Knowledge Formatが問うこと
Google Cloudは、AIエージェントが利用するナレッジをMarkdown形式で標準化するオープンフォーマット「Open Knowledge Format」を公開しました。
Googleが自社AIを「信頼しない」前提で動き始めた——AI Control Roadmapが示す新しい現実
Google DeepMindが発表した「AI Control Roadmap」は、自社のAIエージェントを内部脅威として扱い、その行動を監視・統制するための技術的計画を示しています。
AIコーディングブームはもう終わった——米MS現場が示す「次のフェーズ」とエンジニアの生き方
米マイクロソフトの牛尾剛さんが、AIコーディングエージェントのブームが去った理由と、エンジニアに求められる新たなスキルについて語る。
AIエージェントを「信頼」で運用するのをやめよう — 権限モデルで設計する4つの境界
AIエージェントの安全設計において、プロンプトによる禁止は防御にならず、実行層での権限制限が必要であることを説明しています。
AIエージェントに仕様書なしで実装させると何が起きるか——O’Reillyが説く「適切な仕様量」の見極め方
O’Reillyが発表した記事では、AIエージェントに仕様書なしで実装を任せることのリスクと、適切な仕様の重要性について論じています。
AI駆動開発の成熟度を「加点式」で測ると、Gitなしチームが70点になる話
AI駆動開発の成熟度を測る際、加点式評価では特定の領域が欠けている場合のリスクを過小評価するため、ボトルネック方式を提案しています。
AIの成果物は「信頼できる顔」で間違える――品質保証を設計で作る10の視点
AIの成果物の信頼性を確保するための品質保証設計について解説した最終回の記事です。