技術調査研究レポート

2026-06-10-beyond-training-synthetic-data-robot-learning

本講演では、Angela Schoellig氏（TUM）が、合成データは単に大規模モデルの訓練データを増やす手段ではなく、ロボット学習の信頼性を支える基盤であると論じます。ベンチマーキング（Safe Control Gym）、Sim-to-Realトランスファー（Crazyflie）、リアルタイム意思決定（Crazy Flows）という三段階を通じ、実験例やLLMとの連携、質疑応答も交えて解説しています。

2026-06-10-synthetic-data-humanoid-control-14-to-900-minutes-motion-expansion

Jason Peng氏が、ヒューマノイドロボットの多用途な運動制御を実現するための合成モーションデータ活用手法を紹介しています。少量の人間モーションデータから生成モデルを訓練し、シミュレーションで得たデータを再投入して反復的に改善する手法により、14分のパルクールデータを900分以上に拡張し、創発的スキルの獲得や実機G1ロボットへの応用にも成功しています。

2026-06-10-searching-the-middle-structured-world-models-for-robot-learning

Columbia大学のYunzhu Li氏が、ロボット操作のための構造化ワールドモデルについて講演しました。既存のロボットは単純なピックアンドプレースにとどまり、変形物体や長時間タスクへの汎化に課題があります。同氏は物理ベースと学習ベースの中間を模索し、グラフベース神経動力学モデルやPhysTwinによるデジタルツイン、インタラクティブ・ワールドシミュレータを開発しました。実データなしでも実環境で機能するポリシーを訓練でき、評価にも活用可能で、実データ1件はシミュレーション1トラジェクトリとほぼ等価という知見も示されました。

2026-07-25-database-bet-on-hardware-gustavo-alonso-keynote

ETH ZurichのGustavo AlonsoがSIGMOD 2026基調講演で、データベース研究の内向性を批判しつつ、GPU・FPGAなど新ハードウェアへの対応の遅れに警鐘を鳴らしました。データセンター税やParquetデコーディングの実験データを示し、LLMではなくハードウェアにこそ研究の主軸を置くべきだと提言しています。

2026-07-25-old-tricks-new-dog-tova-milo-data-management-ai

Tel Aviv大学のTova Milo教授によるSIGMOD 2026基調講演。LLMの台頭によりデータ管理の知見が不要になるという危機感に対し、むしろ今こそ必要だと反論します。探索的データ分析エージェントに半構造化データのツリーパターンクエリを応用した事例、複数LLMへの問い合わせをクラウドソーシングの最適化手法で扱う事例を紹介。RAGの限界とナレッジグラフへの回帰、データに根ざした説明可能性、推論に組み込む検証、最適化技術の転用を論じ、データ管理コミュニティがAI時代に果たすべき役割を訴えます。

2026-07-25-beyond-the-six-digit-pin-code

SIGMOD 2026招待講演にて、Jayant Haritsa氏(インド科学大学院大学)がインドのデータベース研究の歩みを語りました。2000年以前はわずか7本の論文しかなかった学術的空白期から、現在では全国各地の機関がSIGMODに論文を発表する多層的エコシステムへと発展した経緯を紹介。Plan Bouquetによるロバストクエリ処理の理論的成果、Google・Microsoft等の深層技術拠点化、Aadhaar・UPI決済・証券取引所システムといった国家規模の社会実装についても詳述しました。

2026-07-25-can-ai-prove-mathematics-alpha-evolve

Google社のPrabhakar Raghavan氏がSIGMOD 2026基調講演で、LLM由来のツールAlpha Evolveによる自律的な数学研究支援について発表しました。負荷分散研究でのLLM活用経験を皮切りに、Max Cut問題やTSPの近似困難性、ラムゼー数の下界探索において、LLMに「ガジェットを生成するプログラム」を進化させる手法で新記録を樹立した事例を紹介。高速でずさんな検証と最終段階での厳密検証を組み合わせる手法や、学術出版・査読への影響についても考察しています。

2026-07-25-models-are-data-too-querying-neural-networks-with-sql

PODS 2026基調講演でJan Van den Bussche氏は「モデルもデータである」という発想のもと、機械学習モデルを管理・クエリの視点で捉えるタクソノミー(管理的・適用的・行動的・内部クエリ)を提示しました。特に、固定深度のニューラルネットワークに関するあらゆるブラックボックス検証クエリがSQLで表現可能であるという理論的成果を紹介し、ロバスト性や単調性などの性質検証への応用可能性を論じています。

2026-08-03-future-of-ai-cern-openscience-crossroads-acm-web-conference-2026

ACM Web Conference 2026のプレナリーパネルでは、Yannis Ioannidis氏の司会のもと、Mounia Almas氏(Spotify)、Giorgio Di Nunzio氏(パドヴァ大学)、Taylor氏(Mila)、Philipp Christmann氏(CISPA)、Dame Wendy Hall氏の5名が、AIとオープンサイエンスの関係を議論しました。査読危機やビッグテック依存、オープンウェイトモデルの安全性リスク、フロンティアAIの二重用途問題、mythosの輸出管理事例などが取り上げられ、最終的にはグローバルな「AI版CERN」構想の可能性について活発な意見交換が行われました。

2026-08-03-when-search-and-recommendation-merge-spotify-ai-personalization

Spotifyのシニアディレクター・オブ・リサーチであるMounia Lalmas氏が、生成AIとエージェント技術がパーソナライゼーションをどう変えているかを解説します。検索とレコメンドの融合、セマンティックIDを用いた統合モデル、マルチターン対話エージェントの構築、LLM as Judgeによる評価手法など、Spotifyの実例を交えて具体的に紹介します。

2026-08-03-data-degrades-with-use-privacy-statistical-validity

Katrina Ligett氏(ヘブライ大学)は、データを無限に再利用可能な資源とみなす通念に警鐘を鳴らします。差分プライバシーの理論はプライバシー被害が使用のたびに蓄積することを示し、また科学における適応的なデータ再利用は再現性の危機を招きます。両者に共通するのは、データを「使用とともに劣化する競合財」として捉える発想の転換の必要性です。

2026-08-03-filling-the-blank-cell-20-years-of-rank-biased-measurement

情報検索の評価手法は、集合対集合の精度・再現率から始まり、ランキング対集合のDCG・NDCG、そしてRank-Biased Precision(RBP)へと発展してきました。Alistair Moffat氏は、幾何分布に基づくユーザー行動モデルを用いたRBPやRank-Biased Overlap(RBO)の開発経緯、さらに近年発表されたRank-Biased Recallの意義を、実データ26,000件の検証実験とともに解説します。最後に、2パラメータ分布による新たな拡張研究も紹介する、20年にわたる評価研究の総括です。

2026-05-22-same-weights-different-answers-infrastructure-drift-breaks-llm-safety

GPUやサービングフレームワーク、精度フォーマットの変更は、重みが同一でもLLMの出力を変化させる「インフラストラクチャドリフト」を引き起こします。DriftBenchはこれを測定・予測するフレームワークで、安全性関連プロンプトの23.85%が分類反転するなど、既存の監視ツールでは検知不能なリスクを実証しました。ハードウェア・精度変更は予測可能ですが、フレームワーク・モデル変更は実測が必須であるという知見を提示します。

2026-02-09-top-5-was-a-lie-ir-research-manifold-and-the-human-counterattack-aaai-2026-keynote

AAAI 2026基調講演では、IR研究の未来トレンドとして提示された「トップ5」が、実はLLMに24時間で生成させたフェイクだったと種明かしされる。真に重要なのは、研究者を空間上の粒子と見なす「研究マニフォールド」という視座であり、データセット公開などが研究インセンティブを偏らせる力学が指摘された。後半では量子計算やブロックチェーン、埋め込み統合、オープンデータ基盤の危機に言及。結論では、MIT実験を引き合いに、AI依存による認知能力退化への懸念と、人間とAIが協働する「ケンタウロス」型の未来像が語られた。

2026-02-21-ai-review-pilot-aaai26-survey-results

AAAI-26では3万件の投稿論文すべてにAI査読を導入する大規模パイロットを実施しました。OpenAIの最先端モデルを用い、24時間以内・1件1ドル未満で全論文の査読を完了。約5,800件のサーベイ回答から、著者は9基準中6基準でAI査読を人間査読より高評価しましたが、査読者・エリアチェアの評価差は小さいことが判明。数式読解の限界や重大度判定の難しさも残る一方、唯一絶対の最適な査読は存在せず、対象者ごとの最適化と人間の洞察の不可欠性が示されました。

2026-02-02-research-manifold-ai-human-centaur-science

AAAI 2026のAI for Researchワークショップにて、NUS准教授Ming氏が「リサーチマニフォールド」という概念を軸に講演しました。研究加速のインセンティブ構造やLLMによる思考の偏り、パラダイムシフトや隣接可能性・外適応といったアイデア創発理論、チェス史から見るケンタウロス(人間とAIの協働)モデルを紹介。MITの実験結果を引きつつ、AI活用が招く認知的負債と人間のエージェンシー喪失への懸念を提起し、AIに何を委ね、何を人間に残すべきかを問いかけました。

2026-01-27-path-to-trustworthy-agents-aaai26-workshop

AAAI26ワークショップ「信頼できるエージェントAI」のレポートです。プロンプト性能をベイズ推定で数値化する手法、知識グラフを活用したヘルスケアエージェント、産業界による多層防御アーキテクチャ(憲法・センチネル・データ分類・サンドボックス)、RAG汚染攻撃への対策TrustRAG、プライバシー保護型の連合エージェント学習FedAgent、旅行計画における制約充足の課題とニューロシンボリック解法まで、6件の講演内容と表彰式を網羅的にまとめています。

2026-06-24-beyond-the-3d-data-wall-sam-3d-model-in-the-loop-and-steering

本講演では、Georgia Gkioxari氏がMeta FAIRのSAM 3Dプロジェクトを紹介します。3Dデータの希少性という根本課題に対し、モデルとデータを相互接続させる「モデル・イン・ザ・ループ データエンジン」と、事前学習済み表現をテキストで誘導する「モデルステアリング」という2つの解決策を提示。DPOによる分布のシャープニングや、96,000件の編集ペアによる3D編集モデルの実現など、具体的な技術的知見を交えて解説します。

2026-06-24-missing-3d-in-vlms-alan-yuille-perception-reasoning-action

Alan Yuille氏が、視覚言語モデル(VLM)には3D・4Dの世界知識が不可欠だと論じます。画像からテキストへの変換だけでは情報が不十分であり、独自に構築した3D質問応答データセットでの評価実験では、最良のVLMでも人間に遠く及ばない結果となりました。3D-informedデータやChain of Thoughtによる改善、アーキテクチャ自体を見直した統合モデルの実証実験を通じ、知覚・推論・行動を統合するアプローチの重要性と解釈可能性の意義を提示します。

2026-06-24-path-to-gaussian-gpt-matthias-niessner-3d-generative-models

本講演では、Matthias Niessner氏がCVPR 2026にて3D生成モデルの発展を語ります。2017年の形状補完手法に始まり、メッシュ拡散、シーンスケールのLatent 3D Scene Diffusion、NeRFやGaussian Splattingを用いた外観生成、そして自己回帰型のGaussian GPTへと至る一連の研究の変遷を、具体的な実験結果や試行錯誤を交えながら紹介しています。

2026-06-24-physical-ai-gpt-moment-chelsea-finn-emergence-of-generalization

Chelsea Finn氏が、身体性を超えたロボットの汎化について解説します。人間動画データとロボットデータの共学習により、多様な事前学習データが人間からロボットへの転移を生み出すことを実証。さらにπ07モデルでは、詳細な条件付けと大規模多様データにより、ファインチューニングなしで専門モデルに匹敵する性能と、家電・未見ロボットへのコンポジショナル汎化を達成しました。

2026-06-24-inverting-generative-models-for-perception

本発表では、生成モデルを用いた視覚的シーン理解のアプローチについて、Yilun Du氏が解説しています。知覚を生成の逆過程と捉え、2D空間での概念の独立成分への分解と拡散モデルの合成、3D空間での幾何構造やカメラパラメータの推論、さらに画像・深度・カメラ情報を統合的に扱う生成モデルまで、実験例を交えて紹介します。

2026-06-24-why-apples-dont-fall-world-models-imagining-robots-physical-ai

エフストラティオス・ガヴェス氏がCVPR 2026で、フィジカルAI実現に必要な世界プライア・物理プライア・インタラクションプライアの枠組みを提示。学習可能なデジタルツインDREMAとワンショット3D再構成RegGenを紹介し、動画生成モデルは物理法則を理解できないと実験で指摘。スケールだけでなく明示的な物理理解と構成的表現の重要性を訴えた講演内容をまとめました。

2026-06-24-training-robots-without-breaking-them

本講演では、実世界の高コストな実機実験を回避するため、生成的なワールドモデルをロボット方策の評価・改善に活用する二つの研究を紹介しています。前半のWorld Gymでは、複数機関のロボットデータとDiffusion Transformerを用いて、異なるロボットを横断的に扱える動画生成型ワールドモデルを構築し、実世界成功率との高い相関を確認しました。後半のWorld Gymnastでは、このワールドモデル内で強化学習を行うことで、方策の成功率が最大18倍向上することを実証し、不完全なモデルでも有意義な改善方向を提供できることを示しています。

2026-06-24-beyond-scale-self-flow-unifying-generative-and-representation-learning

Hila Chefer氏(Black Forest Labs)による講演。生成モデルはスケールを拡大しても、手の指の本数やカウンティングなど根本的な問題を解決できておらず、人間の好みへの過学習で表面化していないだけだと指摘。再構成損失がもたらす「局所性バイアス」仮説を提示し、外部エンコーダを用いるRePAの限界(スケーリング則の破綻)を検証した上で、生成モデル自体に表現学習を内在化する新手法Self-Flowを提案。Dual Time Step Schedulingにより、生成品質・スケーラビリティ・ロボティクス応用まで幅広い改善を実証した。

2026-05-09-beyond-open-weights-collective-trustless-sovereign-intelligence

Pluralisに参加したRiccardo Patana氏が、フロンティアインテリジェンスの未来を「協調性」「トラストレス性」「主権性」という3つの柱から論じます。クローズドラボへの権力集中、オープンウェイトの持続不可能性を指摘し、暗号学的に集合体が所有できる第三の道を提示。1,642基のGPUによる分散学習実証や、Anthropicと米政権をめぐる契約撤回事例、ガザや南シナ海でのAI軍事利用の実例を交えながら、インテリジェンスを私的商品ではなく集合的コモンズとすべきだと訴えます。

2026-05-09-decentralized-learning-backdoor-poisoning-model-parallelism-grpo

本講演では、分散型協調学習における新たなセキュリティ課題を扱います。LLM時代にはモデルが単一デバイスに収まらずモデル並列化が必要となり、既存の防御手法が通用しなくなりました。パイプラインの一ステージのみを制御する攻撃者によるバックドア注入、及び協調型GRPOにおける汚染攻撃という2つの新規攻撃を具体的な実験結果とともに紹介し、ロジット検査やLLM-as-a-Judgeといった防御手法の有効性と限界についても論じています。

2026-05-09-subspace-compression-distributed-llm-training

Pluralisの Sameera Ramasinghe 氏が、分散LLM学習における通信効率化の研究を紹介する講演です。フロンティアラボのような潤沢な計算資源がない中で理論から実践へ外挿する意思決定手法を語り、モデル並列における誤差蓄積問題を解決する部分空間制約付き圧縮アルゴリズムを提案します。Transformerの再帰構造に着目し、勾配が低次元部分空間へスナップする性質を利用してロスレス圧縮を実現。Llama 8Bを4大陸に分散させた実験で中央集権型学習に匹敵する収束を達成し、300人以上が参加した分散学習ランでも実証されました。

2026-05-09-communication-efficient-training-rl-sparse-updates-async-pipeline

Together AIのMax Ryabinin氏が、強化学習(RL)時代における通信効率的な分散学習について解説。学習と推論ワークロードをデータセンター間に分離する手法や、RL特有の重み更新のスパース性(1〜2%程度)を活用した差分エンコーディングによる圧縮、パイプラインRLによる非同期の重み更新など、通信帯域を大幅に削減しつつ学習を高速化する最新のアプローチを、実例や論文を交えて紹介する。

2026-05-09-correcting-gradient-staleness-with-basis-rotation

POSTECHのNamhoon Lee氏が、大規模AIモデル学習における2つの研究を紹介します。1つ目は非同期パイプライン並列学習で生じる勾配の陳腐化(staleness)を、損失ヘシアンの基底不整合という仮説から捉え直し、基底回転(Basis Rotation)によって解消する手法です。実験では既存手法比で75%以上のイテレーション削減を達成しました。2つ目はSeedFlowと呼ばれる手法で、ゼロ次勾配とシード共有・フラッディングにより、分散学習の通信コストをほぼゼロに抑えつつ性能を維持する取り組みです。

2026-05-09-unextractable-ai-pluralis-third-path-distributed-learning

Pluralis社のAlexander Long氏が、AI開発における「第三の道」として提唱するプロトコル学習について解説しました。クローズドウェイトの社会的リスクとオープンウェイトの持続不可能性を指摘した上で、分散・多者間トレーニングの技術的困難、Cerebrasでの実証実験による50倍の高速化、コンシューマーGPUのみでの成果を紹介。さらに核心概念である「非抽出可能性」と、Sybil攻撃への可逆変換を用いた対策研究、モデル所有権に基づくインセンティブ設計がもたらすリスクにも言及しました。

2026-05-09-end-of-data-centers-decentralized-ai-infrastructure

ケンブリッジ大学のNic Lane教授(Flower AI)が、データセンター依存の集中型AIインフラは資源枯渇により行き詰まると指摘し、分散型・協調的なAIインフラへの転換を提唱する講演です。実現に向けて、発明の継続、使いやすさとオープン性、ネットワーク構築、モデルによる実証(Lizzie、Sandia協業等)、GPU不足など具体的ペインポイントの解決という5つの戦略を提示しています。

2026-05-06-who-does-ai-serve-power-and-alignment

本レポートは、ICLR 2026のAI for Peaceワークショップでの発表を基にしています。発表者は自身の物体検出研究(YOLO)が軍事転用された経験を起点に、AIの誤用論に反論し、研究資金の流れが軍事・資本の利益と構造的に一致する仕組みを、連邦予算やCVPR等の実証データで示します。真のAIアライメント問題は権力構造にあると論じ、解決策として労働組合や労働者協同組合による経済民主化を提言します。

2026-06-19-the-day-ai-grades-itself-beyond-reward-hacking

AIの能力向上に伴い、人間による評価やルール設計が「報酬ハッキング」という形でボトルネックとなりつつあります。本レポートでは、この課題に対する2つの先端研究を紹介します。訓練時には、メタ勾配を用いて報酬関数自体を自律的に進化させるDERLが、未知タスクへの高い頑健性を示しました。テスト時には、大規模言語モデル自身がペアワイズ比較で評価を行うDuel Evolveが、数学・コード生成ベンチマークで既存手法を大きく上回る成果を達成。人間の採点に頼らずAIが自己評価・自己進化する未来と、それに伴う解釈可能性の課題が示されます。

2026-06-19-humans-are-the-bottleneck-ai-designs-its-own-mind

ICLR 2026再帰的自己改善(RSI)ワークショップの内容を紹介します。人間による手動の報酬設計がAIスケーリングのボトルネックとなる中、AIが自ら因果的意識を獲得し、言語自己対戦や微分可能進化的強化学習(DRL)によって報酬構造そのものを自律的に進化させる仕組みを解説。SIFTやDual Evolveによる評価効率化、ACEやSAREといった記憶アーキテクチャの進化、ロボティクスやAIサイエンティストへの応用、そして報酬ハッキングやコンテキュアル・ドラッグといった新たな失敗モードにも言及します。最後に、ゲーデルマシンと圧縮進歩効用という安全性をめぐる哲学的考察で締めくくります。

2026-03-21-aws-ai-data-conference-2026-keynote-age-of-agents

AWS AI and Data Conference 2026の基調講演「The Age of Agents」のレポートです。Fiona Simpson氏らが、実験段階を超え自律的に推論・実行するエージェントの本番運用時代の到来を宣言。Richie Jones氏はSpeed to Valueとエージェントスタックを、Hart Rossman氏はセキュリティを組み込んだ形で加速要因とする考え方を解説しました。さらにEric Mosley氏は表彰データによる人材分析、Tobias Stanstrom氏はデータベース基盤の高速化とエージェントメモリ統合を紹介し、Thomson Reuters社の移行事例も取り上げられています。

2026-03-21-building-safe-ai-agents-guardrails-automated-reasoning-genesys

AWS AI and Data Conference 2026のセッションでは、AIエージェントを安全に本番運用するための2つのアプローチが紹介されました。Amazon Bedrock Guardrailsによる有害コンテンツやプロンプト攻撃への設定可能な安全網と、Cedar言語を用いたAgent Coreポリシーによる証明可能な行動制御です。さらにGenesysの事例から、Guardrailsの階層選定やテスト運用、独自権限管理システム構築の実践的知見も共有されました。

2026-03-21-from-gatekeeping-to-ownership-aws-security-guardians-ai-threat-modeling

AWSのセキュリティ責任者Hart氏へのファイヤーサイドインタビューです。恐怖ではなく信頼に基づくセキュリティ文化、顧客体験を起点とした「作り込まれた」セキュリティのあり方、そして数千人規模のセキュリティガーディアンプログラムによる分散型のオーナーシップ構築について語られています。さらに、KiroやQuickを活用した仕様駆動開発による脅威モデリングの高速化、自動推論によるアルゴリズムの正しさの証明、エージェンティックAIが防御側に有利に働くという見方など、AI時代におけるセキュリティ実務の具体的な変化が紹介されています。

2026-03-21-amazon-connect-agentic-ai-customer-experience

AWS AI and Data Conference 2026にて、AWSのRussell Yates氏がAmazon ConnectとAgentic AIによるカスタマーエクスペリエンス変革を紹介。従来型コンタクトセンターの限界やAI導入失敗の実態を踏まえ、Understanding・Reasoning・Action・Memoryの4つの柱を解説。パネルではRyanairのSteven Keane氏とRevenue CommissionersのPatty Toner氏が登壇し、コールリダイレクト440万件、キュー内順番保持利用率33%など具体的な導入成果を語った。

2026-03-21-beyond-the-patchwork-enterprise-servicenow-ai-control-tower

本レポートは、AWS AI and Data Conference 2026におけるServiceNow社Alex Montgomery氏の講演内容をまとめたものです。SaaSがもたらした「パッチワーク・エンタープライズ」という断片化の課題、AI成熟度調査に見る停滞の実態を出発点に、Sense・Decide・Act・Governの4本柱からなるAIコントロールタワー構想を解説します。さらにAWSとの連携によるカスタマー・従業員ワークフロー、Autonomous IT/CRM/Employee Worksといった自律型ワークフローの実例、AstraZenecaなどの導入事例を通じて、AIが単なる提案ではなく実際の行動を生み出す仕組みを紹介しています。

2026-03-21-agentic-ai-pricing-revolution-from-user-based-to-outcome-based

AWS AI and Data Conference 2026にて、Simon-Kucherのパートナーが登壇し、エージェンティックAI時代におけるプライシング戦略について解説しました。SaaSからエージェンティックAI時代への移行に伴い、従来のユーザーベース課金の妥当性が根本的に問われていると指摘。市場で見られるユーザーベース、使用量ベース、成果報酬型という3つの課金アーキタイプについて、Slack、GitHub Copilot、Lovable、Intercomなど具体的な事例を交えて紹介しました。さらに「帰属性」と「自律性」という2軸からなる意思決定フレームワークを提示し、モデル選定と運用移行における実務的な課題についても言及しています。

2026-03-21-intercom-shovels-to-diggers-productivity

Intercom創業初期メンバーのBrian Scanlan氏が、ChatGPT登場を契機に自社のカスタマーサービス事業が「死んだ」と気づき、AIエージェントFinnの開発でSaaS業界の危機に立ち向かった変革を語ります。穴掘りから重機への比喩を軸に、1年で生産性を倍増させる目標のもと辿った3つのフェーズと、リーダー自らが手を動かす重要性、組織構造の変化までを、実体験に基づき率直に共有した講演内容です。

2026-03-21-amazon-bedrock-project-mantle-inference-architecture

AWS AI and Data Conference 2026のセッションでは、Amazon BedrockのAras氏とSomu氏、AWS Francis氏が登壇し、Bedrockを支える設計思想を解説しました。モデル選択、開発者体験、パフォーマンス、グローバルフットプリント、セキュリティという5つの設計原則を軸に、分散推論エンジンProject Mantleによるインターフェース標準化、キャパシティ統合、クロスリージョンルーティング、検証可能なアテステーションによるセキュリティ強化などを具体的な事例とともに紹介し、Agenticプロジェクトの本番導入を成功させる方法を論じています。

2026-03-21-europe-ai-potential-to-momentum

欧州のAI導入は2026年に54%へ達し急拡大する一方、エージェンティックAIの実導入率はわずか3%にとどまり、advanced段階への移行で6000億ユーロの機会が眠っています。デジタルスキル不足、資金アクセス、27通りの規制による「フラグメンテーション税」が主な障壁として挙げられました。SashaとVeronica Ranabergは、教育・企業・政策の各現場での実例を交えながら、責任とイノベーションを両立させる人間中心のAI活用こそが、欧州のリーダーシップを取り戻す鍵だと訴えます。

2026-03-21-sage-nexus-platform-not-more-agents

AWS AI and Data Conference 2026のセッションでは、AWSがAmazon Bedrock Agent Coreの全体像を解説し、Runtime、Gateway、Identity、Policyなど9つのコアサービスにより、エージェントをPoCから本番環境へ迅速かつ安全に移行できる仕組みを紹介しました。後半では会計・給与ソフト大手Sage社が登壇し、サイロ化したAI開発の課題を踏まえ、中央集権と分散を組み合わせたエンタープライズ基盤「Sage Nexus」を構築した経緯と、評価・監視機能を備えた本番運用の実例を解説しました。

2026-03-21-agents-with-senses-amazon-nova-dentsu-marketing

AWS AI and Data Conference 2026のセッション「Agents with Senses」では、AmazonのTusharとSwati両氏がマルチモーダル基盤モデルAmazon Nova 2(Light/Sonic)のエージェント向け設計思想を紹介しました。開発者制御、マルチステップ推論、組み込みツール、拡張コンテキストなどの技術機能に加え、ドキュメント理解や画像・動画理解のユースケースを解説。続いてDentsuのSatoru Yamamoto氏が、広告成果予測「Mujin AI」による150%超の改善、X Nadaとの協業によるROAS向上と操作効率化、Luma AIを活用した動画生成、Bedrock AgentCoreを用いたマーケティング戦略立案基盤、そしてPandora導入事例などを紹介。さらに店舗内行動分析やデジタルスポーツ観戦といったフィジカル体験の将来展望にも言及しました。

2026-02-19-power-to-people-or-power-concentrated-sam-altman-india-ai-summit

OpenAIのSam Altman CEOがインドAIインパクトサミットで講演し、数年以内に超知能の初期形態が到来し、2028年末までにデータセンターが世界の知的能力の大半を担う可能性があると述べました。同氏は「AIの民主化」「AIレジリエンス」「予測不可能な未来への多様な関与」という3つの信念を掲げ、集中化がもたらす破滅的リスクに警鐘を鳴らしました。さらにIAEAに類する国際協調機関の必要性を提言し、AIによる経済変化や雇用への影響にも言及しました。インドにおけるChatGPTやCodexの急速な普及にも触れています。

2026-03-21-llm-customization-strategy-nova-forge

AWS AI and Data Conference 2026のセッションでは、汎用的な基盤モデルを企業固有の知識に適応させるLLMカスタマイズ戦略が解説されました。SFT、選好アライメント、強化学習ファインチューニング、継続事前学習という4手法の使い分けや投資規模を具体例とともに紹介し、Amazon SageMakerのサーバーレスモデルカスタマイズによる実装方法をデモで提示。さらに、Amazon Novaで独自フロンティアモデルを構築するNova Forgeを通じ、AIの専門特化という思想と破滅的忘却への対策を語りました。

2026-03-21-vague-specs-are-vibe-coding-kiro-flutter-ai-standardization

AWS AI and Data Conference 2026にて、AWSのエージェント型IDE・CLIであるKiroの主要機能と、Flutterでの実践事例が紹介されました。Kiroはステアリング、フック、MCP、パワー、サブエージェントといった機能により、組織固有の標準やセキュリティガイドラインに沿った再現性あるコード生成を実現します。特に強調されたのは「曖昧なスペックは結局バイブコーディングと同じ」という気づきで、スペック駆動開発による要件・設計・タスクの明確化の重要性が説かれました。Flutterでは決済統合作業において、通常2ヶ月かかる工程を2.5日で完了させる成果を上げ、組織全体への展開が進んでいます。

2026-03-21-building-ai-ready-data-foundation-choice-philosophy

本レポートは、AWS AI and Data Conference 2026のセッション「Building an AI-Ready Data Foundation」を基に、エージェント時代に求められるデータ基盤の姿を論じます。Vinay、Susan、Tazの3名が、ビルダーの定義の変化、Tinesのセキュア設計とAWS Bedrock採用、ReActループによるトークン消費の課題とコンテキスト管理、SageMakerやフェデレーテッドカタログ、Zero-ETL統合、即時性を備えたデータベース、AgentCoreやKiroによる構築・デプロイまでを語ります。一貫するのは、ビジネス成果が技術を駆動すべきという「選択肢」の哲学です。