CONTACT →
Daily AI Briefing
毎日のようにAI関連のニュースが届きますが、その多くは一次情報ではなく、ノイズも少なくありません。研究機関・開発企業・第一線の専門家による発信の中から、本当に押さえておきたい情報だけを厳選してお届けします。
OpenAI のグレッグ・ブロックマンが、新モデル「GPT-5.6 Sol」のプレビューを共有した。本人は「いいモデルだ」とだけ簡潔に評している。詳細なベンチマークや仕様は投稿時点では添えられていない。
GPT-5.5 から間を置かずにプレビューが出ている点で、リリース間隔の短さが目を引く。本格的な性能評価は実機・API公開後だが、自社で使うモデルの更新サイクルを追ううえで押さえておきたい。
Stanford AI Lab が、AIエージェントが科学研究のループ全体を自分で回す新システム「Auto-psych」を紹介した。仮説(理論)の立案、実験の設計、オンラインでの実際の被験者のリクルート、結果を踏まえた改善までをエージェントが一貫して実行する。
「人を集めて実験する」までエージェントに任せる点が新しい。仮説→検証→改善の自動ループは、心理学に限らず実験的な検証を回す業務の自動化テンプレートとして読める。
OpenAI Devs が、開発者向けの対談シリーズ「Builders Unscripted」を公開した。GPT-5.5 の創造的な使い方や、Codex でアイデアをソフトウェアに落とし込む過程を議論。画像から音への変換、複数エージェントによる Codex のワークフロー、古いハードの再生といった具体例が紹介されている。
「自分で手を動かす」から「指示して動かす(directing)」への移行という語り口が要点。マルチエージェントの Codex ワークフローは、実装を任せる側の段取りを考えるうえで参考になる。
PyTorch が、オープンソース財団の役割についての論考を紹介した。「単独の組織だけでは難しい困難な仕事を、業界が協力してやれる条件を整えるのが財団の存在意義であり、セキュリティも例外ではない」と指摘。AIが脆弱性発見の前提(数式)を根本から変えた以上、単独で対処する時代ではないと述べている。
AIによる脆弱性探索が攻守両面で加速するなか、OSS側の防御をどう共同で底上げするかという視点。依存ライブラリのセキュリティを他人任せにできない開発現場には直接関係する話。
swyx が、OpenAI と Anthropic がともに数十億ドル規模のサービス部門を立ち上げるなか、FDE(Forward Deployed Engineer)が世界で最も需要の高い職種の一つになりつつある、との見方を示した。自分たちは整合の取れたドメイン専門家と組み、品質(slop)を落とさずにカバー範囲を広げてきたと述べている。
モデルそのものより「顧客の現場に入り込んで導入まで持っていく人」の価値が上がるという指摘。AIを自社業務に落とし込む役回りが、今後の希少スキルになる流れとして読める。
ドワーケシュ・パテルが、AIモデルがある仕事を完全自動化したときの経済的価値を考察した。GDPへの寄与で測ると、その価値は元の給与より「遥かに大きくも、遥かに小さくも」なりうるという。元の人件費を上回るほど多くの仕事を安価にこなせる一方、競争で価格が崩れれば寄与は小さく見える、という二面性を論じている。
「人件費の置き換え=そのままの金額の価値」という直感が成り立たない、という整理が有用。自動化のROIを見積もるときに、生み出す総量と価格下落の両面を分けて考える枠組みになる。
ペンシルベニア大のイーサン・モリックが、X上では各社が独自AIスタックを構築する壮大な計画ばかり聞こえるが、実際の現場は違うと指摘した。多くの社員は Claude や ChatGPT を使いたがり、購買担当にライセンス取得を働きかけているという。自社で微調整・自己ホストした GLM を全社員に配って運用し続けるような選択肢を、多くの企業は検討すらしていないと述べる。
ロール・ユア・オウンが合理的な場面はあるが、エンドユーザーは名の通ったブランドを選ぶ、という現実的な観察。社内AI基盤を内製するか既製サービスに乗るかの判断材料になる。
イーサン・モリックが、バーガーのレシピで学習させた拡散モデルの研究を紹介した。明示的な教師付けなしに古典的な「ビッグマック」を発見し、さらに「おいしさ」「持続可能性」「栄養」それぞれに最適化した新しいバーガーを生成したという。本人は「ASI = 自動スライダー知能(automated slider intelligence)」と冗談めかしている。
題材は遊びだが、評価軸(スライダー)を切り替えるだけで設計空間を最適化探索する生成モデルの使い方として分かりやすい。レシピを任意の設計パラメータに置き換えれば応用が利く。
Towards Data Science が、コーディングエージェントから得られる成果の多くはモデル自体よりも「使い方」に左右される、という記事を紹介した。Eivind Kjosbakken による、Claude Code の性能を大きく引き上げる4つのテクニックがまとめられている。
同じモデルでも段取り次第で生産性が変わるという実感に沿った話。コンテキストの渡し方やタスク分割など、すぐ自分のワークフローに取り込める知見が期待できる。
Towards Data Science が、Anubhab Banerjee による技術解説を紹介した。「小さなC++のデーモン」を使い、8年前のグラフィックスカード上で3つのLLMを動かす仕組みを深掘りしている。古いハードでローカル推論を成立させるための工夫が題材。
最新GPUがなくてもローカルでLLMを動かす現実解として参考になる。手元の余っているマシンを推論用に再利用したい、コストを抑えたいケースに直結する話題。
こうした動きを、自社の業務にどう活かせばいいか ―
迷ったときに相談できる窓口があります。