AI開発を
実務の言葉で整理する

フィジカルAIの導入支援サービスが2026年8月下旬に相次いで発表されました。4日間で4社。売られているのはロボット本体ではなく、対象工程の選び方、PoCのGo/No-Go判断、運用と保全の設計です。導入判断を学ぶ法人研修は一人30万円からで、人材開発支援助成金の対象として設計されています。中小企業なら経費の75%が助成されます。発注側が何を自分で持ち、何を任せるかを決めるための整理を書きます。

製造業のAI化について「壁は暗黙知にある」とする技術動向レポートを、発注側がどう受け取るかを整理します。挙げられた技術課題は現場データの不統一・熟練者の暗黙知のデータ化・AI判断の説明可能性の3つで、この分類は自社の工程点検に転用できます。一方でこの調査は特許の出願件数を数えた定量分析ではなく、公開情報と業界知識に基づく定性分析だとレポート内に明記されています。課題の枠組みを借りることと、件数の裏づけを取ることを分けて考える方法を書きます。

GMOインターネットグループが四半期ごとに続けている生成AI活用の定点調査から、使うことと任せることの差を読み解きます。2026年3月調査では生成AIの業務活用率が97.8%に達する一方、AIエージェントの業務活用率は71.4%でした。前回43%からの急伸の理由として挙げられているのは研修ではなく、実務で試す環境の整備です。有効回答5,353人。全社導入を検討する側が何を数えるべきかを整理します。

製造業の後工程従事者500名への調査から、工場の自動化が進むほど保全業務の負荷が増える実態を発注側の視点で読み解きます。自動化推進企業の72.5%が保全負荷の増加を実感する一方、85.3%が保全人員を拡充していません。増加した保全業務の1位はデータ収集・記録・分析作業でした。別の現場調査では、導入済みロボットが撤去される理由の83%が技術以外の要因です。設備の見積もりに入りにくい費用がどこにあるかを整理します。

セーフィーが公開したエッジAI製品の性能改善記を、発注側の視点で読み解きます。推論モデルとアクセラレーターのベンチマークからカメラ8台分の処理を見込んだのに、システムとして組み上げると4台分しか出ませんでした。ボトルネックは推論ではなく、カメラ映像をAIへ渡すまでのメモリコピー・プロセス間通信・フォーマット変換です。3点を直して処理コストを100から62へ下げ、チップもモデルも変えずに目標を達成しています。単体ベンチマークを見積もりの前提にしてはいけない理由を整理します。

AIエージェントにバグ修正を頼むと、頼んでいない箇所まで変わることがあります。AWSが公開した分析によると、エージェントは人間の約2倍の確率でガード節や防御的なエラーハンドリングを追加します。原因は精度ではなく、何を直し何をそのままにするかの境界が暗黙のままであることです。バグ条件と事後条件から修正プロパティと保持プロパティを導き、コードを書く前にテストとして固定する進め方を、発注側の視点で整理します。

月間PR数が600〜800本から3,100本超へ増えた開発現場で、AIレビューの費用がどう問題になったかを公開事例から整理します。CIレビューの実測単価は小さいPRで約2ドル、複数パッケージにまたがると最大4ドル強。対策は判定精度の改善ではなく、実行場所を課金構造で分けることでした。ROIは0.73倍とまだ黒字ではないことも公開されています。自動承認率28%と、判定が下せたケースに限った84%の差が何から生まれているかを、発注側の視点で読み解きます。

Skild AIの基盤モデルS1は、ロボットに与える指示を言語文ではなく人間の作業動画にしました。同社の統制実験では、事前学習10万時間の条件で未学習タスクの成功率が言語指示9%に対し動画指示66%と報告されています。植木の植え替えなど最大10分の未学習作業を、動画1本と追加学習なしで実行した記録も公開されました。現場へロボットを入れる側にとって何が変わるのか、用意するものが仕様書から作業動画へ移る意味を整理します。

常石造船のレガシーシステム刷新で、従来なら約2年・2億円と見積もられた現状分析とリファクタリングが2日で完了した事例を発注側の視点で分解します。2日のうち実際に処理が動いていたのは4時間で、残りはトークン上限による待ちでした。速さの条件はモノリスを9つのビジネスドメインへ分割してAIが読む範囲を絞ったことにあります。常石造船自身の発表が書いているのは工程の70%以上削減見込みで、2年から2日という比較ではありません。AI駆動開発の提案を受けたときに確認すべき点を整理します。

樋口製作所が本社工場へ導入した四足歩行ロボット（Unitree Go2・投資額約250万円）の実証を、発注側の視点で読み解きます。ロボットの役割はLiDARによる自律巡回と、作業者の不安全行動の監視、そして生産設備のメーターの読み取りです。メーターを歩いて読ませているということは、その値が離れた場所からは取れていないことを意味します。ロボット1台で入るのは移動と撮影までで、読み取った値の行き先と良否の判定基準は別に要ります。現場へロボットを入れる提案を受けたときに確認すべき点を整理します。

みずほフィナンシャルグループのAIエージェント3000体構想を、数字ではなく実行基盤の側から読み解きます。15領域100業務プロセスという規模の発表と同じ月に、オンプレミスのGPU8基の導入と、エージェントを隔離環境で実行・管理する技術検証が進んでいます。みずほ自身は現時点で検討および技術検証が目的だと明言しており、提供時期も導入範囲も未定です。エージェントの体数を掲げる提案を受けたとき、発注側が数の裏に何を確認すべきかを整理します。

出前館らが渋谷区笹塚で始めた自律走行ロボットによるフードデリバリー実証を、運用設計と法制度の両面から読み解きます。配送範囲は半径300mから最大1kmへ、監視は随行から遠隔へと段階的に緩める設計です。日本の遠隔操作型小型車は時速6kmを超える速度を出せない構造であることが内閣府令の要件で、随行者が近くにいるかどうかで届出の要否も変わります。ロボット導入の提案を受ける発注側が、速度と手続きの両方をどう確認すべきかを整理します。

北京で開かれた第2回世界人型ロボット運動会を、報じられた100m9秒32ではなく採点ルールから読み解きます。実務シナリオ競技は昨年の6種目から21種目へ増え、完全自律は係数1・遠隔操作は0.5で採点されます。評価されるのは完了タスク数だけでなく、衝突の有無と動きの滑らかさです。運営自身が競技ルールを技術標準にすると明言しており、ロボット導入の受入試験をどう設計するかという視点で、発注側が自分の現場に置き換えられる4項目を整理します。

Anthropicが公開したAIネイティブな開発ライフサイクルの設計から、運用フェーズだけを取り出して読み解きます。異常の検知はモデルを使わない決定的なスクリプトが担い、エージェントが呼ばれるのは基準帯を割った後です。1σはログのみ、2σは読み取り専用の診断、3σでPRの作成か事前承認済み手順の実行まで許されます。段階の境界はバージョン管理された設定ファイルで強制され、本番アクセスは権限側で拒否されます。運用をAIへ渡すときに発注側が確認すべき境界を整理します。

AIエージェントのトークン消費が人間の約5倍に達し、2026年2月以降で利用が約14倍に伸びたデータが公開されました。同じ資料はキャッシュ済みトークンが全消費の85%以上を占めるとも示しています。倍率だけを見て見積もると外れる理由と、発注前に確認すべき単価の条件を整理します。

開発現場のPRレビューをどこまで機械に任せられるかを、自動承認率を公開した実例から整理します。全体約40%、Frontend約55%、API約25%という部位ごとの差は、影響範囲・検証可能性・設計乖離・復旧可能性の4項目で判定されています。特に復旧できない変更は人が必ず見る、という線引きの作り方を発注側の視点で説明します。

AIエージェントを動かすための機構（評価ループ、hooks、権限のプロンプト、サンドボックス）は汎用部品として外部から提供される方向にあります。メルカリの技術ブログはそのうえで、案件固有の判断基準は外注できないと整理し、命名ルールの蓄積・判断経緯の記録・決定論的なテストという残し方を示しました。開発を外部へ委託するとき、判断基準がどちら側に残るのかを整理します。

AIを使ったレガシーモダナイズでは、AIが何をどこまで読むかを自身で決めるため、読まれなかった範囲が人から見えません。移行先のコードを分母にしてテストを作ると、移していない機能は最後まで数えられないままになります。クラスメソッドの記事をもとに、漏れが起きる3か所と、移行の検収でテストケースをどちら側から数えるべきかを整理します。

インドのIT大手5社の時価総額合計は、2024年8月の33.71兆ルピーから2026年7月に18.15兆ルピーへ46%減りました。案件が消えたのではなく、生成AIによる生産性向上が利益ではなく顧客への値下げに回り、人月を単位とする課金モデルが再評価されています。発注側にとって何が変わるのか、見積もりを受け取ったときに何を確認すべきかを整理します。

外注先から「開発に生成AIを使ってよいか」と聞かれたとき、判断は「学習に使われないか」だけでは決まりません。秘密保持契約でいう開示に当たるかは契約解釈の問題であり、委託先開示の例外が生成AIサービスへ及ぶかは8要素の総合判断になります。案件の途中で利用を禁止したときに工数と納期がどうなるかも含め、発注前に決めておく項目を整理します。

AIエージェントの承認ゲートは、実装の仕組みを誤解すると素通りされます。Claude Agent SDKの権限評価はフック・拒否ルール・確認ルール・許可モード・許可ルール・承認コールバックの6段階で、許可ルールや自動承認モードで先に承認された操作はコールバックへ到達しません。SDKはこの構成を検知して警告を出します。評価順序の読み方、全操作を確実に検査する方法、検収時のチェックリストを整理します。

業務アプリへのAIエージェント組み込みは、チャット画面を新設するより、既存画面にエージェントを埋め込む設計が本命です。OpenAIのサンプルRelayは、コンテキスト供給・ツール公開・承認をアプリ側が所有し、実行ループをハーネスが担う分業を示しました。税務業務のパイロットでは7,000件を処理し準備時間を約3分の1短縮しています。組み込み設計の責任分担と、着手前のチェックリストを整理します。

AIエージェントのハーネス（実行基盤）はオープンソース公開が標準になり、DeepSeek Harnessは公開8日でGitHubスター173,432件とCodexの16か月分を上回りました。MCP・ACP・AGENTS.md・モデル側の互換APIという互換レイヤが乗り換え余地を広げる一方、ロックインはモデル契約と業務コンテキストの蓄積へ移っています。エージェント開発の契約前に確認すべき点を整理します。

Codex app-serverとClaude Agent SDKは、エージェント組み込みの思想が対照的です。Codexはハーネス本体をオープンソースにし、JSON-RPCの文書化プロトコルと型定義の自動生成で任意の言語から使わせます。Claude Codeは本体非公開のままTypeScript/Python SDKの拡張ポイントで組み込ませます。一方、実体はどちらもCLIを子プロセスとして起動しstdioでJSONを流す同型の構造です。機能対応表と選定基準を整理します。

新技術の採用判断では、ベンダーのブログと公式ドキュメントの推奨が食い違うことがあります。OpenAIのCodexでは、ブログがapp-serverの直接組み込みを打ち出す一方、SDKの公式ドキュメントはコーディング用途以外にMCPサーバー経由の構成を案内しています。ブログは可能性を示し、ドキュメントはサポート範囲を宣言するという役割の違いを踏まえ、情報源の優先順位と採用前チェックリストを整理します。

AIエージェントのハーネスとは、モデルの外側で会話状態・ツール呼び出し・サンドボックス・承認を管理する実行システムです。OpenAIはARC-AGI-3ベンチマークで、同一モデルのままハーネス改善だけでスコアが13.3%から38.3%へ上がった例を公開しました。エージェント開発の仕様書をモデル名だけで書く穴と、開発会社に確認すべき5つの質問を整理します。

日立製作所は2027年3月期第1四半期の決算説明資料で、国内のFDE人財を2026年7月時点の約300人から年度末に約1,000人へ拡大すると示しました。同じ資料で高度AI人財は約5,800人から約13,000人規模です。IBMも2026年8月13日にOpenAIとの提携で専任組織を新設し、数千人規模の認定取得を掲げています。AIで実装が速くなった年に現場へ置く人が増えている意味と、発注側が提案で確かめる点を整理します。

香港科技大らの研究チームが2026年8月、ロボット基盤モデルに未来を予測させる範囲を変えて比較した結果を公開しました。主カメラと手首カメラの両方を予測させると132.76msで98.0%、手首カメラだけに絞ると110.58msで98.5%です。予測の対象を減らしたほうが速く、しかも正確でした。AIに先を読ませるという提案を受けたときに、何を予測させる設計かを確かめる観点を整理します。

EU AI法（規則2024/1689）第50条の透明性義務が2026年8月2日から適用されています。機械可読の印を付ける義務を負うのは合成コンテンツを生成するAIシステムの提供者で、そのAIを使ってコードを書き納品する受託開発会社ではありません。制裁は1500万ユーロまたは全世界売上高の3%の高いほうですが、中小企業は低いほうが上限です。条文の名宛人と例外規定を読み、契約と納品要件で実際に決めることを整理します。

延世大学の研究チームが2026年8月、flow-matching型のVLAに対する敵対的パッチ攻撃「DRIFT」を公開しました。手首カメラの画像の約2%にあたる32×32ピクセルのパッチ1枚で、π0の成功率は平均99.8%失われます。ただし同じパッチをπ0.5へ転用すると0.4%まで落ち、攻撃はモデル固有です。ロボット導入の提案を受けたときに、成功率の数字以外で何を確認するかを整理します。

a16zが2026年8月14日に公開した集計で、従業員あたりのAI支出は上位10%の企業が中央値の約50倍に達していました。同じ記事にはトークン使用量が多い企業ほど収益成長が速いという別の分析も並んでいます。ただし2つは別々の調査で、母集団の偏りも出した側が明記しています。AI予算を増やす前に確かめる点を整理します。

LGは2026年8月13日、NVIDIAの基盤モデルIsaac GR00T・推論チップJetson Thor・安全スタックHalos for Roboticsを採用した二足歩行ヒューマノイドを発表しました。公開は2027年第1四半期の予定です。機体メーカーを選んでも、基盤モデルと推論チップと安全認証の入口が同じベンダーなら、乗り換えの自由度は機体の外側で決まります。ロボット導入の提案を受けたときに確かめる点を整理します。

上海AI研究所らが2026年8月、世界モデルの捉え方を「物理状態の予測」から「エージェントが次の手に使える情報を返す代理」へ広げる整理を公開しました。生成モデルは、自ら模したと称する力学に反していながら説得力があるように見えうる、という指摘が中心にあります。世界モデルを使うという提案を受けたとき、映像の品質以外に何を見るかを整理します。

「AIネイティブ」という語は、作り手の開発・更新が速いという意味と、利用者が使えるAI機能があるという意味の両方で使われます。2026年8月13日に公表されたクラウド電子カルテの発表は、この2つを書き分けた例です。提案書で同じ語を見たとき、どちらの意味かを確かめないと期待値が年単位でずれます。あわせて、実績数値が前の製品のものかどうかを読む方法も整理します。

LTXは2026年8月11日、22Bパラメータのオープンウェイト世界モデルLTX-2.5を公開しました。年間経常収益1000万ドル未満の組織は商用利用が無料で、physical AI・ロボティクス向けの事前学習チェックポイントも同梱されています。ただしライセンスが無料でも動かす設備は別に必要で、公表されている速度比較はすべて開発元の自社測定です。「世界モデルを自社で持てます」と言われたときに確かめる点を整理します。

Cloudflareは2026年8月5日、社内で運用しているエージェント基盤Cloudflare OSをオープンソース公開しました。エージェントは何もアクセスできない状態から始まり、承認されたリソースだけが型付きの参照として渡され、認証情報はエージェントから隔離されます。MCPでツールを絞るだけでは、エージェントがどのデータを観測したかまでは制御できません。社内データを触らせる前に決めるべきことを、実装の水準で整理します。

Dyna Roboticsは2026年8月、100万時間を超える人間の作業動画で事前学習したworld-action modelの結果を公開しました。学習データを1000時間から100万時間へ増やすと、14タスクの平均正規化スコアは20%から53%へ上がります。人間データのスケーリングがロボットへ転移することを示した初の結果ですが、個別のタスクでは90%から40%へ下がったものもあります。平均と個別の差をどう読むかを整理します。

インテルはCore Ultra シリーズ3で最大180TOPS、AMDはRyzen AI Embedded X100でNPU最大50TOPSを、いずれも2026年7月にフィジカルAI向けとして投入しました。従来はAI推論用とロボット制御用で分かれていた構成が1枚に統合されます。ただし2つの数字は測っている範囲が違うため直接は比較できません。現場の端末でどこまで処理し、どこから既存システムへ返すかという線引きの決め方を整理します。

a16zは2026年8月10日、コンピュータ操作エージェントの費用を1時間6〜8ドル、インドのオフショアBPOを約10ドルとするデータを公開しました。デスクトップ操作のベンチマークOSWorld-Verifiedの首位は85%で、人間のテスターの約72%を上回っています。ただし85%は100件中15件が失敗する意味であり、a16z自身がモデルではなく失敗処理と運用知識が採用を決めると述べています。時間単価の比較で発注を判断してはいけない理由を整理します。

NECは2026年8月1日付で「コーポレートAI・Workforce部門」を新設しました。AI部門長・AIボード・AIマネージャー・AI社員の4階層をAIが担い、最終的な評価と意思決定、品質・ガバナンスの統制は人が担うと公表されています。ツール導入と部署設置では予算・評価指標・責任の所在が変わります。自社で同じことをやる前に何を決めておくべきかを、発注側の視点で整理します。

GMOランシステムが2026年8月6日に発表したマイグレーションサービスは、コード自動変換70〜85%、テストケース自動生成60〜70%、工数削減40〜70%を掲げています。同時に「テストを実施しない範囲も含めたテスト範囲を明確に決め合意する」とも書かれています。レガシー移行の見積もりで自動化率より先に確認すべき点を、発注側の視点で整理します。

HIIがPath RoboticsとGrayMatter Roboticsと2026年8月6日に締結した契約は、7年間で最大9億ドル。ただし支払いは「明確に定義された技術・製造の成熟度とパフォーマンスのマイルストーン」の達成が条件です。期間は長く約束し、支払いは区切る。まだ完成していない技術を発注するときの契約設計として読み解きます。

ジールスが準国産ヒューマノイド「D1」を発表しました。1体500万円から、全高129.3cm、最大8時間稼働。二足歩行ではなく台車型を選んだ理由は、転倒リスクを物理的に排除して計算資源を手の作業へ回すためだと説明されています。本体と同時に保険・リース・導入支援のパートナーが発表された構造から、ヒューマノイド導入の見積もりで本体価格以外に何が要るのかを整理します。

メルカリが2026年6月期通期決算説明会で、エンジニア1人当たりの開発量が2年前の7.6倍、業務プロセス変革で49.5万時間分の生産性向上を実現したと発表しました。同じ指標が別媒体では前年比1.9倍と報じられています。基準時点の違いを整理したうえで、同社CTOが公式ブログで明かした「当初想定したほど生産性が向上しなかった」理由と、その後に取り組んだ全社33領域・約4000本の業務棚卸しから、自社に持ち帰れるものを見ます。

JBCCホールディングスがスパイスコードと業務提携し、現状分析・構想策定・要件定義を担う「SIエージェント」を2026年9月末目標で共同開発すると発表しました。公開された機能説明を読むと、要件定義AIが自動化するのは決定そのものではなく、決定の記録と文書化です。長期記憶に取り込むデータの一覧は、そのまま発注側の準備リストになります。提案を受けたときの確認点を整理します。

World Labsが実世界の学習データを使わずにロボットの方策を学習させ、実機で1時間の連続稼働を報告しました。一方、現場でVLAを実装するMuso Actionはマニピュレーションを物理シミュレーションだけでは再現しきれないと述べています。両者が扱う作業の条件を比べ、シミュレーション学習が効く範囲と実機データが要る範囲、そして「実データゼロ」が何のゼロを指すのかを一次情報から整理します。

SiemensとGoogle Cloudが数億行規模のレガシーコード刷新に使ったAIシステムKnowledge Fabricの構成が公開されました。標準的なRAGでは足りずナレッジグラフを使った理由、作業を5つの専門エージェントへ分けた設計、そしてコードを書くエージェントが5番目に置かれている意味を整理します。AIによる刷新提案を受けた発注側が、提案書のどこを見れば実力を判断できるかに接続します。

AIロボット協会（AIRoA）がGENIAC事業の成果として約5000時間のロボット動作データセットAIRoA MoMa 5kと、π0.5をベースにしたVLAモデルをHugging Faceで一般公開しました。収録の中身は映像だけではなく、関節角・力覚・作業の階層ラベルまで同期記録されています。自社の現場データが学習に使える形かどうかを判断する基準として整理します。

富士通はGS21を2030年度に販売終了・2035年度に保守終了、日立はVOS3を2027年11月販売終了・2034年12月保守終了とし、BIPROGYもメインフレーム事業から撤退します。国内で継続を表明しているのはIBMとNECの2社です。生成AIでレガシー刷新が速くなるという話が広がっていますが、公開情報の少ない国産メインフレームでは効きが落ちます。移行の期限と、AIの効きが変わる理由を発注側の視点で整理します。

FCCは2026年7月28日、海外製の先端ロボットデバイスと電力インバーターをCovered Listへ追加し、新規モデルの機器認証を止めました。基準はメーカーの国籍ではなくBuy American基準の製造地で、米国企業の製品も対象になりえます。定義は地上を移動し重量2キロ超・通信200kbps以上などの条件で、AMRや清掃ロボットにも及ぶ一方、固定の産業用アームは除外されます。日本の発注側が調達計画で確認すべき点を整理します。

日本オラクルは2026年7月30日、Oracle Fusion Cloud Applicationsのエージェント型アプリケーションとOracle AI Agent Studioの最新動向を説明しました。エージェント型アプリは22本を提供済みで4本を追加、組み込みエージェントは1000以上、顧客がデプロイしたものは7000以上です。ERPベンダーが基幹業務の自動化を標準機能として出し始めたとき、発注側に何が残るのかを整理します。

株式会社Listerが国内595件のロボット・AI導入実証事例を分析した「フィジカルAI導入・実証トレンドレポート2026」を2026年7月31日に公開しました。実運用段階の比率は倉庫・物流センター80.3%に対し道路・公共空間26.1%、ヒューマノイドは16.7%、ロボット基盤モデル・VLAは0%です。複数拠点へ横展開できた事例は5.9%にとどまります。自社の現場でどこから着手するかを判断する材料として整理します。

国産フィジカルAI基盤モデル開発事業FRONTia（フロンティア）が2026年7月に始動しました。経済産業省とNEDOの事業としてNoetraと産総研が採択され、1兆パラメーター級のマルチモーダル基盤モデルと世界モデル、NVIDIAと連携した計算基盤を整備します。発注側の視点で、この事業で買えるようになるものと、それでも買えないものを整理します。

IBM Bobのレガシーモダナイゼーション事例では、14人で9カ月と見込んだ作業が3日で完了したと発表されました。一方、同じBlue Pearl事例のIBM公式ケーススタディは類似作業の典型約30日との比較で90%短縮・160時間超の温存と記録しています。レガシー刷新のAI提案で倍率を評価する前に確認すべき点を整理します。

北九州市のフィジカルAI分野における地域産業クラスター計画が、政府の地域未来戦略の第1弾として2026年7月31日に認定されました。2030年度までの5年間で1万人の人材育成と3000億円の設備投資を目指します。クラウドのAIと違いフィジカルAIで立地が問われる理由と、認定で実際に変わることを発注側の視点で整理します。

ベトナムオフショア開発の選び方を発注側の視点で整理します。経済産業省の試算では2030年に最大約79万人のIT人材が不足し、オフショアは「安い外注先」から「採用の代替」へ位置づけが変わりました。ベトナムのIT産業が選ばれる理由、単価で選ぶと失敗する構造、AI時代に人の確保が差になる理由を説明します。

FDE（Forward Deployed Engineer）とは、顧客の現場に入り込み実装まで担うエンジニア職です。Palantirによる定義、OpenAIとソフトバンクの合弁SB OAI Japanなど日本での広がり、本場の求人が実装経験を必須にしている事実を整理し、同じ肩書で中身が違う提案を発注側が見分ける方法を説明します。

Google DeepMind の Gemini Robotics 2 は、双腕ロボットへ数時間で適応し、ヒューマノイドの全身制御や複数台協調ができるとしています。ただし公開ページにタスク成功率などの定量指標はなく、VLA本体は限定テスター向けです。汎用ロボットAIの提案を受けたとき、発注側が適応時間ではなく何を確認すべきかを、公表内容の範囲から整理します。

階層型ロボット基盤モデル τ0-VLA が、13〜25手順・最大12分の家事タスクで実機の成功率を公開しました。実行部分を変えず判断層を足すだけで27.5%から45.0%へ改善する一方、平均進捗95.38%でも完了は10回中7回です。部分的な成功が業務では0点になる構造と、発注側が成功率を確認する単位を整理します。

ラクスは開発者約450人の組織へ生成AIツールを全面導入し、コードの95%をAIが実装、SPEC駆動開発で工数50%削減という成果を出しました。しかしリリース回数と新機能数の実数は期待ほど伸びず、同社は原因を「従来のプロセスにツールを足しただけ」と分析して、各チームの自律から強制力へ方針を変えました。工程改善が事業成果に届かない理由と、発注側・内製側が決めるべきことを整理します。

AIエージェントの導入事例として、参天製薬の現場発300件とトヨタファイナンスの問い合わせ対応13分から4分への短縮が公表されています。前者はノーコードで現場が量産する路線、後者はレガシーシステムと接続して基幹業務へ組み込む路線で、必要な体制も失敗時の影響も異なります。2つの路線を仕分ける実務の基準を整理します。

大塚商会が2026年7月24日に「業務プロセス自動化 AIサービス」を30万円から開始しました。生成AIとの対話でプログラムを作る手法を使い、12か月で100社を目標としています。発注側にとっては業務自動化の価格の下限が公表されたことになりますが、その価格帯で収まる業務には条件があります。パッケージで足りる仕事と個別開発が必要な仕事を分ける4つの境目を整理します。

現代自動車グループが2026年7月のサンフランシスコAIサミットでフィジカルAI戦略を発表しました。NVIDIAとのRobot Reference Platformは研究用ロボットモデルと標準環境を大学・研究機関・スタートアップへ提供し、開発基盤を共有する構想です。GPU調達や生産能力より、現場の運用データをモデル改善へ回し続けるデータフライホイールが競争軸に置かれた構図と、日本企業にとっての意味を整理します。

世界モデル（World Model）はAIが環境の先を予測する仕組みで、2018年のHa・Schmidhuberの論文が原型です。ただし現在この語は行動条件付き環境モデル、潜在空間の想像モデル、未来動画の予測器、対話型ニューラルシミュレータ、潜在予測表現、合成データ生成器という別物を同時に指しています。仕組みと系譜、見た目の良さと実用性が一致しないという評価上の論点まで、一次情報をもとに整理します。

ブリッジエンジニアは通訳役ではありません。IPAのDX動向2025では、DX推進に必要なスキルを把握できている日本企業は14.9%、把握できていない企業は57.1%でした。米国とドイツは10%以下です。何を頼むかを言語化しないまま外部へ出すと、ブリッジ役が要件定義まで背負います。職務記述に何を書くかを整理します。

経済産業省はAIロボティクス戦略で2040年に約1000万台の導入目標を掲げ、対象を18分野へ広げました。大臣会見が勝ち筋として挙げたのはモデルの性能ではなくデータの蓄積です。国産マルチモーダル基盤モデルの採択先も決まりました。現場データを持つ企業が何を準備すべきかを整理します。

令和8年版情報通信白書によると、日本企業の86.4%が生成AIを業務で使っています。一方で「組織的な取り組みはない」は27.0%で、米国の1.4%と大きく開きます。効果を実感している用途は議事録・メール作成補助が最多で、研究・商品開発を上回ります。数字の読み方と、個人利用から組織利用へ進める段取りを整理します。

ベトナム統計局の企業白書2025によると、2024年の解散は21,608社で前年比19.8%増、一方で事業再開は76,179社で30.4%増でした。新規設立は1.3%減。参入と退出が同時に加速しています。オフショアの発注先が数年後も存在するかを、公開情報で確かめる手順を整理します。

ベトナム統計局の企業白書2025によると、情報通信業のROAは13.1%でサービス業最高、ROEは20.59%で金融の2倍でした。サービス業平均のROAが1.46%へ3割落ちた年の数字です。負債指数も0.57で最も健全。デジタル技術産業の売上は2025年に1,980億USDへ達しました。IT産業の国内での位置を財務指標から整理します。

ベトナム統計局の企業白書2025によると、情報通信業の平均月収は2,330万ドンで、全産業平均1,160万ドンのちょうど2倍、金融に次ぐ国内2位です。製造業1,060万ドン・建設920万ドンとの差も開いています。単価表を比較する前に、この構造を押さえておくための整理です。

AI開発の生産性として公表される数字は、同じ資料の中でも240倍から30%まで幅があります。倍率は作業を切り出した実証値、パーセントは工程全体の目標で、測っている範囲が違うためです。単一タスクの実験では55.8%速くなる一方、成熟したリポジトリでの無作為化比較試験では19%遅くなり、本人は20%速くなったと感じていました。一次情報をもとに、発注側が数字を読み分ける確認点を整理します。

生成AIに社内データを入れられない理由は「学習に使われる」「ログが残る」「国外に保存される」の3つが混ざっています。主要APIの既定は学習に使わないと明示しており、確認すべきは保持期間と保存国です。それでも残る範囲をローカルLLMへ落とすと能力の一部が失われますが、その落ち方には順序があります。一次情報をもとに線引きの手順を整理します。

ロボット基盤モデルの汎化性能は、モデルを大きくするだけでは伸びにくく、学習データの量と多様性がボトルネックになると複数の研究が報告しています。データを安価に集めるUMIと、世界モデルでデータを生成する手法という2つの解き方を一次情報から整理し、自社のAI導入における投資対象の考え方に接続します。

AIエージェントを業務システムに組み込むとき、文書のルールだけでは守れません。エージェントは外部データに埋め込まれた指示で挙動が変わるため、触れる情報と実行できる操作をコードで最小権限に絞り、影響の大きい操作に人間の承認を挟む設計が要ります。OWASP・NIST・間接プロンプトインジェクションの研究をもとに、任せる範囲と停止権の決め方を説明します。

ローカルLLMは、社内の機密データを外部に送らずにAIを使うため、モデルを自社のサーバーや端末で動かす選択肢です。クラウドAPIとの違い、llama.cppやOllamaなどの動かし方、量子化とハード要件、性能や運用の限界、いつローカルが見合うかの判断軸を、一次情報をもとに整理します。

VLA（Vision-Language-Action）は画像と言語の指示からロボットの行動を直接出力する基盤モデルです。RT-2からOpenVLA、π0、GR00Tまでの系譜と仕組み、推論速度やデータ収集の限界を、一次情報をもとに誇張せず整理します。

生成AIの普及で実装の工数が縮み、工数×単価を前提にした受託開発の課金モデルが揺らいでいます。実装の速さだけを売る外注先は価値を失い、要件定義・評価・運用の比重が増しています。情シス・DX推進・経営企画の視点から、受託先の選び方がどう変わるのかを整理します。

生成AIで実装が速くなるほど、人月×単価という課金の前提は実態から離れます。速くなった分の便益を発注側と受託側のどちらが受け取るのか、成果対価の契約に移るなら何を成果指標にし、検収とリスク分担をどう設計するのか。発注側が契約の構造を見直すための判断材料を整理します。

自社SaaSにAI機能を載せる判断は、機能をひとつ足す話ではありません。出力が確率的なLLMを組み込むと、開発体制・トークン原価・カスタマーサポートが同時に作り替えを迫られます。発注検討層に向けて、AI移行で先に決めるべき論点と、粗利を崩さない設計の考え方を整理します。

AIの費用は初期の開発費ではなく、運用で使い続けるトークン費で決まります。a16zが引用したデータでは、トークン支出が高い成長率で伸び、複雑な処理をエージェントに任せると人件費と逆転しうるという指摘があります。発注の段階で、どの作業をAIに任せどこから人間が担うか、運用トークン量まで含めて設計する見方を整理します。

生成AIで実装の工数は下がりつつありますが、安さだけで受託先を選ぶと要件定義の失敗でかえって損失が膨らみます。PoCや実装の費用相場の目安と、発注側が適正価格を見極める確認点を、公開情報と実務の観点から整理します。

生成AIのPoCが本番に進まない原因は、AIの性能ではなく始め方にあります。目的が曖昧なまま試し、実業務と接続しないPoCは止まります。成功条件、撤退条件、運用オーナー、業務KPIを始める前に決め、PoCを本番の縮小版として進める方法を整理します。

仕様書もテストも残っていない既存システムを、AIで中身から把握し、安全に手を入れられる状態にするまでの実践手順です。

AI開発の伴走支援とは何かを説明します。ツール導入で止まる原因、AIに任せる範囲と人の分担、進め方、費用の考え方、依頼先を見極める確認点を整理します。

日本企業の生成AI活用は87%に達しましたが、期待を大きく上回る効果を出せた企業は9%です。AIを要件整理・実装・テスト・レビューへ組み込み、人が判断と責任を担う開発体制の作り方を、一次情報と実務の分担表で説明します。

開発者の84%がAIツールを使う一方、出力の正確性を強く信頼しているのは3%です。最大の不満は「ほぼ正しいが少し違う」出力で、デバッグの時間が増えます。AI生成コードのレビュー観点、確認手順、記録の残し方を一次調査をもとに説明します。

古いPHP、Laravel、WordPressを更新する前に、依存関係、影響範囲、テスト、切り戻しを確認する手順をまとめます。

AIで実装が速くなるほど、曖昧な要件のまま下流へ流れる量も増えます。オフショア開発で日本側PMが担う要件整理、レビュー、受入基準の設計を、IPAの公開データと実務の分担で説明します。