AI新聞

Googleの個人向けAIプラン「Google AI Plus」が大幅値下げ。月額1,200円から725円（$4.99）になり、Google ドライブのストレージも200GBから400GBへ倍増したサービスです。

Geminiの使用上限が2倍に拡大し、NotebookLMで利用できる機能も強化。さらに「Gemini」アプリでのGemini 3.1 Proへのアクセス範囲も広がり、日常利用から高度な生成AI作業までコスパ良く使えるといえるでしょう。

背景は、従来のコーディングエージェント運用が「人が逐次プロンプトする」手作業だったのに対し、今は自動化・ワークツリー・スキル・コネクタ/プラグイン・サブエージェントと外部メモリで構成された「ループ」を設計して走らせる時代になり、CodexやClaude Codeで同等の原語彙が実装されつつあること。

筆者の主張は、真のレバレッジはプロンプトから「ループ設計」へ移ったが、検証責任の重み、理解の腐食（comprehension debt）、認知的降伏のリスクはむしろ増すという点にある。メーカー/チェッカー分離や/goal等で無人運転に近づけても品質は人間の判断とスキルによる意図の明文化に依存し、同じループでも設計者の姿勢しだいで成果は正反対になりうるため、「速さ」と「理解・審査」を両立させ、エンジニアとしての判断を手放さないことが不可欠といえるでしょう。

前提: 生成AI開発のボトルネックが人間-AIの対話速度からAPIクレジット/トークン消費へと移り、AI-DLCのような大量ドキュメント生成・人間レビュー型はコスト高かつ苦痛で非効率になっている。英語化によるトークン節約、コンテキスト削減、レイテンシ改善が重要な背景がある。

主張: 人間が読む前提の従来設計書をやめ、AIが読む前提の「小さく分割し相互リンクで結ぶ」AIフレンドリー文書へ移行すべき。未完了を許容し、必要時に必要部分だけをAIに読み込ませて要約・整合性確認・編集を任せるワークフローが有効で、RAG多載よりリンク誘導が効率的。実装としてSpec Compiler Skillでテンプレと自動インデックス化を試し、AI主導で要件確認から実装完了までを軽快に回せることを示した。

Googleの有料プラン「Google AI Plus」が月額1,200円から725円に値下げされ、Google Driveのストレージは200GBから400GBへ倍増した。

Geminiの使用量上限が2倍になり、Gemini 3.1 ProやOmni in Geminiへのアクセスも含まれるのが特徴。

AI機能と大容量ストレージを手頃に使いたいユーザーにとって、コストパフォーマンスが大きく向上したといえるでしょう。

企業で生成AI活用が加速する一方、費用対効果の検証が甘く、AIエージェント同士の長時間対話などでトークンを浪費し、社員1人で月1000万円超の利用料が発生する事例まで出ていることが問題だと指摘する。

「やってる感」の導入や「使い放題」幻想を戒め、利用上限の設定、利用目的の明確化とROI評価、モデル選定の最適化（必要十分な性能の選択）、コスト可視化と社内基盤の集約、利用ルールと教育の徹底といった実利重視のガバナンスが不可欠だと主張している。

• 設計資料はMarkdownではなくHTMLで作成する。表・図・インタラクションを1ファイルに内包し、URLひとつで共有でき、エージェントにも読みやすい。

• HTMLにコメント機能を埋め込み、選択範囲へ指摘を書き込めるようにする。指摘はブラウザ保存で後から一覧可能。

• コメントを「プロンプト生成」でMarkdown化し、Claude Codeに貼るだけで修正指示に変換。引用付きで参照箇所が明確になり、レビュー→修正のループが回る。

• 生成レイヤーと共有レイヤーを分離。手元で何度でもレビュー・修正し、落ち着いたら共有だけ実行できる。

• 共有はCloudFront + S3 + Cognito（Google SSO）基盤へpublishスキルでアップロード。認証付きで社内からどこでも閲覧可能。

• URLは review/{ユーザー}/{スラグ}/{タイムスタンプ}/… で発行し、履歴が自動で残る。用途別に「履歴重視（毎回URL変更）」と「安定URL（上書き）」の2スキルを用意。

• HTMLはCSS/JSをインライン化して外部依存をなくす。S3上でも単体で完結。

• HTMLにMarkdownコピーを併設し、必要部分だけMDで抽出→プロンプト投入できるようにする。これにより設計資料をリポジトリ非依存化し、マルチリポジトリ開発で「設計の正」を一箇所に集約できる。

• 実務ではHTMLの表現力がレビュー品質を上げる実感があり、コストもS3配置中心で僅少。試行の価値が高い。

前提：内閣広報官の公式Xが試行から本格運用に移行し、首相動静をタイムリーに発信してフォロワーを急増させた一方、AI生成のデフォルメアイコンとリプライ欄閉鎖が「ダサい」「一方通行」と批判を招いている。実像とかけ離れたアイコンの親しみ演出が逆効果となり、公的アカウントが意見受け止めを避けている点にも不満が集まっている。

主張：政府広報の「新しさ」は見た目や演出ではなく双方向性にこそ価値があり、リプ欄開放などで生の声を受け止める姿勢を示すべきだといえるでしょう。

前提: WWDC26は目玉不足と言われたが、実は第3世代AFMで「20Bをフラッシュに常駐し必要分だけDRAMに起こす」新アーキテクチャ（IFP＋スパース、プロンプト単位ルーティング、shared/routed experts）が導入され、Google協業（学習はTPU、Cloud ProはGoogle CloudのNVIDIA上＋PCC維持）という踏み込みも判明。DwarfStarのSSDストリーミングと符合し、「メモリに全部載せない」潮流が本格化している。

主張: 技術的刷新は大きく、iPhone Air級で20Bオンデバイスを実現しうる一方、AFM 3 Core Advancedの対応機種がごく限定的で買い替え前提の“足切り”が厳しい。さらに画像生成は全面クラウド化でローカル完結性が後退し、開発者はCoreのみを狙うかCore Advanced前提にするか難しい選択を迫られるといえるでしょう。

前提：現状のAI活用はセマンティックレイヤーで「問いに答える」に留まり、実行（act）まで繋がらず、事業を動かすアーキテクチャが欠けている。

主張：事業の価値の流れを、現実の対象・関係・業務ルール・アクションまで含めてオントロジー/ナレッジグラフとして再設計し、ガバナンスの下でAIエージェントがsense→analyze→decide→actできる土台を作るべきだという指摘。

加えて、これはツール選定ではなく組織課題であり、意味の統制と継続的な定義保守を伴うトップダウンの意思決定が不可欠で、その設計を担えるのはビジネスとデータの結節点にいるデータエンジニアで、固有のオントロジー自体が競争優位となると述べている。

Claude Fable 5とClaude Mythos 5を発表。Fableは一般利用向けに安全化したMythos級で最先端性能を示し、長時間の自律作業に強く、ソフトウェア開発・高度分析・視覚・長文脈で既存モデルを上回る（大規模コード移行やFinance/FrontierCodeでSOTA、視覚のみでアプリ復元やゲーム攻略など）。

強力さに伴うリスクに対し、Fableはサイバー・生物/化学・蒸留関連の要求を検知するとOpus 4.8に自動フォールバック（発火は全体の5%未満）し、30日データ保持で高難度攻撃の検知・誤検知低減を図る。

Mythos 5は同一基盤で一部セーフガードを解除し、Project Glasswing等の信頼できる防御側や選定バイオ研究者向けに提供、サイバー防御や創薬・ゲノミクスで先端成果を示す。

価格は入力$10/百万トークン・出力$50/百万トークンでAPI提供。Fableは即日提供（サブスクは一時的同梱後クレジット制）、Mythosは段階的なトラステッドアクセスで拡大予定。

Googleの生成AI「NotebookLM」が大幅アップデート。Gemini 3.5とAntigravity対応で正確性・信頼性が向上し、各ノートブックに用意されたクラウド環境でコードの作成・実行が可能、100以上のソフトウェアスキルを活用して大規模文書分析やWeb調査で高い勝率を達成している。

出力形式も拡充され、PDF/DOCX/Markdown/TXTやCSV/JSON、XLSX/PPTX、グラフ・可視化（PNG/SVG）など実務的なファイルを生成・ダウンロード・編集できる。

曖昧なアイデアからの調査開始やGoogle検索連携で関連ソースの収集・管理がしやすくなり、国別データ分析、仕様書の要約と資料化、広告投資の効果分析と出店判断など、研究・業務・経営判断を一貫支援できる。

価格.comが「AIネイティブカンパニー化」を掲げ、30年分の技術的負債を返し次の30年の土台を築くための全社刷新プロジェクト“DODAI”を始動。既存コードとドキュメントを基に、5フェーズ×3層エージェントで構成する独自AIワークフロー（計71体のサブエージェント）が新アーキテクチャ・新言語で自動再実装します。

コード量はカテゴリによって最大43.4％削減（保険）など、偶有的複雑性を圧縮しつつ本質的仕様を保持。システム・オペレーション両面の改革と技術選定、体制設計まで包括し、ユーザーファーストな新基盤の確立を目指す取り組みといえるでしょう。

• プロンプトキャッシングの徹底運用。設定変更後はセッションを切り直してキャッシュ破棄を1回に集約し、割引効果を最大化。

• モデルルーティングでタスク別にOpus/Sonnetを自動切替。重い設計・仕様確認はOpus、実装はSonnetに振り分け。

• サブエージェント分離。レビューや探索は要約のみ返すエージェントに任せ、メインの入出力を抑制。

• ルールのオンデマンド化。状況依存の手順書はplaybooks/に退避し、必要時のみ読み込んで初期コンテキストを圧縮。

• セッションログのrule-miningで「失敗パターン」を継続抽出し、冗長な指示を削減しつつ有効ルールを強化。

• 効果計測の自動化。ccusageで実トークン、sembleでコード検索の削減量を集計し運用にフィードバック。

• 実測値の要点：累計cacheRead 136億（約122億トークン分を節約相当）、一日では入力45万に対しcacheRead 8億（約1800倍）。コード検索はsemble経由で93%削減（830万→50万トークン）。

前提：Claude Codeのリーク源解析によると、LLMが「考える」部分はわずか1.6%で、残りの大半は安全性・拡張性・UXを担保するハーネスで構成されている。AIエージェントを「良くする」鍵は、プロンプト最適化や過剰な拘束ではなく、モデルが裁量を発揮できる環境設計にある。

主張：Claude Codeは、モデルの自由度を高く保ちつつ、パーミッションのdeny→ask→allowと自動化、拡張の多層（フック/スキル/プラグイン/MCP）でのコンテキスト節約、段階的圧縮とテキストメモリ（RAG非採用）、独立コンテキストのサブエージェント、履歴の永続化と許可の非復元など、ハーネスを徹底的に作り込む設計が要諦といえる。

主張の含意：モデルが高性能化するほど差が出るのはハーネスであり、汎用的に問題を解ける自律エージェントを安全に運用する枠組みが今後の主流になると示唆している。

Maestro MCPとClaude Codeを組み合わせ、AIエージェントがモバイルアプリのE2Eテストを自動生成・実行・修正まで行うOSSスキル「asmz-agent-plugins」を紹介。Flutter向けに最適化され、シナリオ理解→コード調査→Semantics(identifier)の追加提案→Maestro Flow生成→実行→失敗時の原因特定・修正→再実行までを一貫して自動化します。

テキスト一致よりSemantics(identifier)を優先して安定したセレクタでテストを構築し、モーダル表示などでの失敗もMCP経由の画面要素取得とスクリーンショットで原因を特定し修復可能。React NativeのtestIDなど他環境にも応用しやすく、テスト作成・保守コストの削減に寄与します。

グーグルは科学探求を加速するAIコレクション「Gemini for Science」を発表。計算コードの自動生成・高速探索を行うComputational Discovery、仮説をマルチエージェントで生成・評価するHypothesis Generation、文献を検索・比較・要約し資料化まで支援するLiterature InsightsをGoogle Labsで提供する。

scRNA-seqの統合で既存最良法を最大14%上回る新手法を発見し、CDC予測でも高精度を実証、抗生物質耐性機構の再現を2日で達成するなど成果を示した。さらにAntigravityを研究環境化するScience Skillsも公開し、UniProtやAlphaFoldと連携する30超のライフサイエンス向けスキルを備える。

• Generative Recommendationは「次の単語生成」と同様に、ユーザー履歴から次にクリックするアイテムのID列（Semantic ID）を自己回帰で生成する枠組み。従来の特徴量設計中心の手法と異なる。

• スケーリング則が効きやすく、大規模化で精度が伸びることが報告（MetaのHSTUなど）。実サービスのA/Bでも改善事例あり。

• 大規模アイテム集合・ID変動（コールドスタート）に対処するため、GoogleのTIGERで導入されたSemantic IDを採用。テキスト/画像を埋め込み化し量子化して階層トークンに変換、類似アイテムはプレフィックスを共有しやすい。

• Semantic ID生成にはRQ-VAEを利用。エンコード→階層的量子化でコードブックIDを付与。reconstruction loss＋codebook/commitment lossで学習。ID衝突は追加トークンで回避。

• 実装手順は、(1) SentenceTransformerでタイトル＋ジャンルを埋め込み化（all-MiniLM-L6-v2）(2) RQ-VAEでSemantic ID生成 (3) Decoder-only Transformerで自己回帰学習。

• 学習時は階層ごとにoffsetを付けて一意な語彙にし、履歴はlabel=-100で損失計算から除外。因果マスクで左から右へトークン生成。

• 生成はgreedyで1件推奨、beam searchで複数候補も可能。

• MovieLens実験では完全一致は限定的だが、履歴に近い作品群を適切に推薦。Encoder-Decoder化やbeam導入で精度改善余地あり。

Appleが「iPadOS 27」を発表。刷新されたSiri AIとApple Intelligenceを核に、Apple Pencilで対象を丸で囲むと起動するビジュアルインテリジェンス、手書きメモの自動整理・学習ガイド化、自然言語で作れるショートカットなど、ペン作業とマルチタスクをAIが補佐するのが特徴です。

「ファイル」で外付けドライブのコピー・閲覧が最大5倍高速化し、Homeアプリの通知集約や録画の自然言語検索、スライドショーの動画書き出し、iCloud共有アルバムの他OS対応・フル解像度共有も強化されています。

開発者プレビュー提供開始、来月パブリックベータ、今秋正式版予定。A12/A12X搭載機は26からアップグレード不可で、AI機能はiPad mini（A17 Pro）およびM1以降のiPadに限定されます。

前提：AIの自動化は出力の不確実性ゆえに現場適用でつまずき、マルチエージェントが外部AIと協調する時代には「発見」と「信頼」を仕組みで担保する必要があるが、現行のA2AやMCPはこの層を十分にカバーしていない。そこで改ざん耐性のあるオープンな台帳としてWeb3が再注目されている。

主張：ERC-8004はIdentity・Reputation・Validationの3レジストリでAIの身分証、口コミ的評判、第三者検証の証跡を標準化し、事前関係なしに発見・選定・連携を可能にする「信頼のインフラ」を提案する。今後は「何ができるか」より「出力をどう信頼させるか」が競争力となり、提供側は強みと信頼の証跡を設計・蓄積し、利用側は公開台帳を基に安全確認する基準を整えることが重要といえるでしょう。