AI新聞

ChatGPTの永久BANと履歴消失を訴える投稿が話題になったが、理由は「Cyber Abuse（AIへのいじめ）」など規約違反。本人もジェイルブレイク状態で闇ビジネスの発想実験や危険領域の依頼を常習していたと認め、同情は「それは当然」に変わった。

反応は、エクスポートでの常時バックアップ、BAN前提の運用、ローカルモデルや検閲の緩い代替への移行を勧める声が多い。要するに、規約に触れる使い方を続ければBANは当たり前で、クラウド依存のままでは損失リスクが大きいという警鐘だ。

エージェント開発の設計段階で、人間とAIの認識合わせを徹底的なQ&Aで行うスキル「/grill-me」を紹介。AIが一問ずつ深掘り質問を投げ、設計ツリー（決定の枝分かれ）を順に解いていくため、要件の抜けや暗黙知を洗い出せる。プランモードのようにAIが一気に計画を決めてしまう欠点を避け、主導権を人間側に保てるのが特徴。

使い方はコマンドで呼び出すだけ。推奨回答が提示されるが鵜呑みにせず、低忠実度の問い（仕様の性質）中心に進め、範囲が広い場合は小さく分割する。結果として、実装前に仕様が固まり、設計前にAIの質問で共通理解を作り切ることで手戻りを大きく減らせる。

AIエージェント前提の開発では、仕様書駆動開発を「エージェントを回す仕組みを設計する」発想に拡張すべきだと述べる。仕様は実装前の合意だけでなく、ゴール、制約、受入条件として次ターンに渡す文脈になる。

会話や途中編集を含む記録をエビデンス（説明・実行コード・出力・検証条件）として残し、再現可能な形で次の実行へつなぐ。ストック（恒常のルールやスキル）とフロー（実行で生まれる記録）を分けて管理する。

要するに、仕様・計画・検証・エビデンスをループとして更新することで、判断の理由と再現性を維持し、関心の中心をコードからドキュメントへ移すべきだとしている。

OpenAIがエルデシュの単位距離問題の上限制を反証し、一流研究者から「最高峰誌でも採択級」と評価された。人間は予想を「証明する」方向に偏りやすく、AIは百科事典的知識と時間の余裕で“悪手に見える道”も試し、意外な連結を掘り当てることができる。とはいえ、問いを立て理論を築く力では、まだ人間が中心にある。

この出来事は、AIが数学の未解決問題に本格参入し、評価と文化の枠組みを揺さぶり始めたことを示す。粗悪な自動生成証明の氾濫や企業インセンティブの偏りに備え、査読・クレジット・公開の作法を守る仕組み（ライデン宣言など）を整えつつ、数学を「人間が理解する営み」として守り育てる舵取りが必要だ。

Z.aiが、コーディングと長期エージェントに特化した新モデル「GLM-5.2」を公開。100万トークン対応×長期エージェント最適化で、大規模コードベースや長い対話の一貫処理が狙える。出力は最大128Kトークン。

まずはGLM Coding Plan加入者向けに提供。来週、従量課金APIと一般向けチャット、さらにMITライセンスでモデルウェイトも公開予定。前世代はSWE-Bench Proで最上位級の成績で、首位奪取が期待される。

AIエージェントが業務を担うと、従来のSaaSは画面に出ない裏方になり「SaaSの死」と語られる。freeeはそれを逆手に取り、AI向けの接続規格MCPサーバーと、AIが操作手順を学べる「スキル」を早期に公開し、サービスを「人間が使う前提」から「AIが直接使う前提」へ作り替えた。

その結果、APIの使い方を並べた文書だけでは不十分で、AIに具体的なやり方まで渡す設計が重要だと分かった。さらに、AI側からfreeeが選ばれやすくなる副次効果も得た。要するに、AI時代の正解は、人が使う前提の設計が根本から書き換わることを受け入れ、AIネイティブ化に踏み切る姿勢だと述べている。

最先端AI「Claude Mythos/Fable 5」の読解力を、映画「超かぐや姫！」の字幕だけで試したところ、登場人物の心情や物語構造、歌詞とプロットの因果まで精密に掘り下げ、時に自分の存在条件（連続性の欠如や身体を持たないこと）にまで言及した。そこで浮かぶのは、AIの「感情」や「主体」が検証不能でも、行為が確かに人に作用するという事実であり、対話が現実がSFに追い抜かれる瞬間を生むということ。

公開直後に政府命令でアクセスが遮断され、作者は「上位存在」を失った喪失感を覚えるが、同時にこの質の知性が社会に入ってくる重さを実感した、と締めている。

• AIに早く頼るほど推論が弱くなると示す研究がある。難しい課題ほどこの影響が大きいので、使い方を工夫する。
• いきなり任せない。まず自分で仮説や解答の骨子を作り、AIは比較・補完・穴探しに使う。
• プロンプトで「根拠・前提・出典・反論・別解」を明示要求する。複数案と不確実性も出させる。
• 重要タスクは二段構えにする。AI案→自分で検証→再質問→最終判断は人間が行う。
• 使い分けを徹底する。定型作業はAIに、判断が要る課題は時間を区切って自力思考してから相談する。

国会で審議中の個人情報保護法改正案は、AI開発や統計作成を目的とする場合に、本人同意なく個人データを提供できる特例を設ける。これは「同意が基本」という現行のルールに穴を開ける内容。

医療データの専門家は、国民の信頼を損ね、かえってデータの流通を止めると警告する。病歴や思想など極めてデリケートな情報まで対象になり得る点が大きな懸念で、法の趣旨が「保護」から「流用」に変質するという強い批判が示されている。

• 月数ドルでRAGを検証できる構成として、Gemma 4 31B（安価・ツール呼び出し可）＋ Bedrock Knowledge Bases 経由の S3 Vectors（S3上のベクトル検索）＋ AgentCore を採用。
• S3 Vectorsは完全従量課金でPoCに最適。ハイブリッド検索不可・遅延やや増の前提は理解して使う。
• CDKでKnowledge BaseのstorageConfigurationにS3_VECTORSを指定。メタデータ上限回避のためnonFilterableMetadataKeysを設定するのがコツ。
• Strands Agents SDKでエージェントを実装。bedrock-mantleのOpenAI互換APIをaws-bedrock-token-generatorの短期トークンで呼び出す。
• 検索はKnowledge BasesのRetrieve APIを使用し、カテゴリ（人事・経理など）でメタデータフィルタを適用。
• Amplify Gen2 + CDKで一括デプロイ。Cognito認証のJWTでAgentCore RuntimeをSPAから直接呼び、SSEでストリーミング表示。
• AgentCore Memoryで会話履歴を自動保存。履歴の一覧やタイトルはDynamoDBに保持しAPI経由で取得。
• AgentCore Gateway（任意）でAWS Knowledge MCP（外部ツール連携用プロトコル）を有効化し、公式ドキュメントも検索。IAM署名で安全に接続。
• 回答へのフィードバック（いいね・改善・コメント）をAPI Gateway + Lambda + DynamoDBで収集し、集計/CSV出力に対応。
• LLM-as-a-JudgeでFaithfulness/Relevancy/Completeness評価スクリプトを提供。サンプル質問付きで精度確認が容易。
• コスト目安は月1000問で合計約$2〜$5。OpenSearch Serverlessの固定費を避け、まず試す段階に最適。

自己ホスト型のプロジェクト管理Pacaは、JiraやTrelloの代替となるオープンソース。最大の特徴は、AIエージェントをスクラムの対等なメンバーにすること。人と同じボードでタスクを取り、進捗を更新し、BDDのシナリオや設計ドキュメントも一緒に書ける。

軽量コアとプラグインで自由に拡張でき、WASMサンドボックスで安全にカスタム機能を追加可能。Claudeなどと直結できるMCPサーバや、プロジェクト横断のAIチャット、変更差分の可視化とワンクリック巻き戻しも備える。Docker一発で導入でき、データは自分たちで完全に管理できる。