おはようございます！今日は8月13日に飛び込んできたニュースの中から、注目の7本をお届けします。AIに仕事を任せようとしたとき、実は一番の壁になるのは「AIが現場のことを知らない」ことかもしれません。今日はそんな話題から始まります。それでは、さっそくいってみましょう！
Skan AIが6,300万ドルを調達！「マニュアルどおりに働いている人はいない」という現実にAIを向き合わせる
VentureBeatの報道によると、従業員が実際にどう仕事をしているかを画面上で観察し、業務プロセスの実像をモデル化するSkan AIが、シリーズCで6,300万ドルを調達しました。Cathay InnovationとDell Technologies Capitalが共同で主導したラウンドで、創業7年の同社の総調達額は約1億2,000万ドルになったそうです。
このニュースが面白いのは、そもそも何を問題にしているかという点です。同社が引用したGartnerの調査によると、AIエージェントを実際に本番環境で動かせている企業はわずか8%にとどまり、初期の導入事例の95%は全面的な作り直しが必要になると見られています。なぜうまくいかないのか。その原因として挙げられているのが、公式のマニュアルや手順書に頼りすぎている点です。実際の仕事には、マニュアルに書かれていない例外処理や、担当者どうしの引き継ぎ、その組織ならではの慣習が山ほどあります。しかもそうしたやり取りは、システムのログにも残りません。Skan AIは画面レベルで観察することで、システムとシステムの間で人間が埋めている作業を捉え、AIが理解できる文脈のモデルを作ろうとしています。プライバシーへの懸念に対しては、個人を追跡するのではなく数百人規模の統計的なパターンとして集計する方式をとっており、クラウドに送るのは匿名化されたメタデータだけという三層構造になっているとのこと。同社は、世界でもとりわけ労働者保護に厳しいヨーロッパの労使協議会の承認を得た導入実績を、その裏付けとして挙げています。
このニュースから見えてくるのは、AIに仕事を任せるうえで一番の障害は、技術の性能ではなく「現場の実態が言語化されていないこと」かもしれない、という話です。私たちが普段何気なくやっている判断や例外対応は、手順書のどこにも書かれていません。でもそここそが、その人の仕事の価値でもあります。AI導入を考えるとき、まず自分たちの仕事の実際の流れを見つめ直すところから始まる。そう考えると、遠回りに見えて実は近道なのかもしれませんね！
AIが使える社内データは平均45%だけ？データ整備が明暗を分けるという調査結果
MIT Technology Reviewのカスタムコンテンツ部門Insightsが制作したレポートを紹介する記事が公開されました。これはMIT Technology Reviewの編集部が執筆したものではなく、Insightsによる制作である旨が原文に明記されています。300人の幹部を対象にした調査がもとになっています。
内容を見ていくと、なかなか考えさせられる数字が並んでいます。2年以内にエージェント型AIを使う計画だと答えた企業は、なんと100%。ところが現時点でAIがアクセスできる社内データは平均で45%にとどまり、データ整備が遅れている企業では30%以下まで落ち込みます。そしてデータ整備が遅れている企業の66%が、古いシステムのせいで拡大が制限されていると報告しました。対照的に、70%以上のデータにAIがアクセスできる「データ先進企業」では、100%がAIの判断を信頼していると回答し、制約を訴えたのはわずか8%だったそうです。ちなみに調査対象の全企業で見ると、AIエージェントの判断が正確で妥当だと信頼しているのは半数程度にとどまります。レポートは、構造化・非構造化を問わずデータへのアクセスを改善することと、ガバナンス（データを適切に管理する仕組み）の強化が最重要の施策だとしています。
「AIを導入したのに期待したほど成果が出ない」という話をよく聞きますが、原因はAIの性能ではなく、AIに見せられるデータが半分もない状態にあるのかもしれません。これは個人の仕事にも通じる話ですね。手元の情報がバラバラのファイルに散らばっていたら、AIに頼んでもいい答えは返ってきません。日々の記録を整えておくことが、そのまま将来のAI活用の土台になる。地味ですが、効いてくる部分だと思います。
出典：MIT Technology Review
https://www.technologyreview.com/2026/08/12/1141032/scaling-ai-agents-with-trustworthy-data/
OpenAIとAWSがサイバー防御専用のAIを提供開始！攻める側と守る側で使い分け
AWSの機械学習ブログによると、AWSとOpenAIが、サイバー防御に特化したモデル「Daybreak Red」と「Daybreak Blue」を、Amazon Bedrock上で対象となる顧客に提供開始しました。利用するにはOpenAIの「Trusted Access for Cyber」への登録が必要で、誰でもすぐ使えるわけではありません。
2つのモデルは役割が分かれています。Blueは弱点の発見やインシデント対応といった、多くのセキュリティチームにとっての出発点になる用途向け。一方のRedは脆弱性の研究や、攻撃を再現して確かめるといった、より踏み込んだ高度な作業向けです。Redでは要求を断る判断の基準が引き下げられている代わりに、本人確認や監視、アクセス制御が厳しく設定されています。危険な力を渡すぶん、誰が使っているかの管理を強めるという設計ですね。データの扱いも徹底していて、チップのレベルで運用者すらアクセスできない仕組みにより処理中のデータが保護され、モデルの学習には使われません。不正利用の疑いがあるとして記録されたデータのみ、最大30日間保持されるとのこと。記事では実績の一例として、Chromeで使われているJavaScriptエンジンV8の未知の弱点を見つけ、2026年のV8 CTFでわずか4件しかなかったゼロデイの成功例の一つになったことが紹介されています。現時点では米国東部リージョンでの提供です。
ここから見えてくるのは、AIの力が強くなるほど「誰に、どこまで渡すか」の設計が重要になるということです。同じ技術でも、用途によって渡し方を変える。強い機能には厳しい本人確認をセットにする。これは仕事でのAI活用全般に通じる考え方だと思います。便利だからと全員に全機能を開放するのではなく、役割に応じて線を引く。その手間が結果的に安心につながりますね。
出典：AWS Machine Learning Blog
https://aws.amazon.com/blogs/machine-learning/accelerate-cyber-defense-with-openai-and-aws-daybreak-red-daybreak-blue-now-available-to-eligible-customers-on-amazon-bedrock/
AI学習のために本が裁断されている？書店主たちが抱く懸念
Ars Technicaが、少し切ない話題を取り上げています。AI企業は、本の中にしか存在しないような質の高い長文のテキストを求めてモデルの改良を競っています。そして本をスキャンする最も安く手軽な方法が、背表紙を切り落として1枚ずつ読み取り、そのあと廃棄するというやり方なのだそうです。
そのため本を愛する人たちの間では、報道されている以上の規模で本の破壊が進み、一部の物理的な本が永久に失われるのではないかという懸念が広がっています。稀少本を扱う書店側も、不審な大量注文に警戒を強めているそうです。ただ記事によれば、こうした破壊をともなわない方法も存在するとのこと。本を愛する人にとっては、少しだけ救いのある話かもしれません。
技術が進むとき、その裏側で何が起きているのかは案外見えにくいものです。便利なAIの答えの向こう側に、こうした現実があることを知っておくのも、AIと付き合っていくうえで必要な視点なのだと思います。
出典：Ars Technica
https://arstechnica.com/tech-policy/2026/08/heres-a-balm-if-the-idea-of-destroying-books-to-train-ai-breaks-your-heart/
OneAdvancedが50以上のAIエージェントを3週間で展開！データを英国内に留めたまま
こちらもAWSの機械学習ブログに載った、OneAdvancedチームとの共同執筆による事例記事です。英国のソフトウェア企業OneAdvancedが、データを国外に出せないという要件を満たしながらAI基盤を構築した話です。同社のCTOであるAndrew Henderson氏は、英国におけるデータ主権は多くの顧客にとって譲れない要件であり、とりわけ公共部門や規制の厳しい業界ではその傾向が強いと語っています。
そこで同社は、AWSのロンドンリージョンでLlama 4 Maverickなどを自社で動かす形の基盤を作りました。開発にはStrands Agents SDKを採用し、医療や法務といった分野に特化した50以上のAIエージェントを3週間でデプロイしたそうです。さらに、技術者ではない人でもドラッグ＆ドロップでエージェントを作れるノーコードのビルダーも用意しました。ユーザーのデータは保持されず学習にも使われない設計で、このシステムは2025年7月から本番稼働しています。
注目したいのは、専門知識がなくても現場の人が自分でエージェントを作れるようにした点です。前の記事にあった「AIは現場の実態を知らない」という課題への、一つの答えにも見えますね。一番詳しい人が自分の手で作れるなら、間に人を挟むより早くて正確です。皆さんの職場でも、業務をよく知っている人がツールを触れる環境になっているか、見直してみる価値がありそうです。
出典：AWS Machine Learning Blog
https://aws.amazon.com/blogs/machine-learning/how-oneadvanced-deployed-over-50-ai-agents-on-uk-sovereign-aws/
AI界の重鎮3人が「オープンであり続けること」の意義を語る
TechCrunchによると、AIの国際会議Ai4において、世界的に著名なAI研究者であるジェフリー・ヒントン氏、フェイフェイ・リー氏、アンドリュー・エン氏の3人が議論を交わしました。テーマは規制のあり方、オープンソースへのアクセス、そしてアジアで中国が存在感を強めるなかでアメリカがどう競争していくか、という点です。
3人は具体的な方法論では意見が分かれつつも、技術を閉じるのではなく開かれた状態に保つべきだという点では主張が重なりました。背景にあるのは、少数の巨大IT企業が技術の主導権を握ってしまうことへの警戒感です。ただしヒントン氏は、学習済みモデルの中身を公開すること自体にはサイバー攻撃などへの悪用リスクがあるとして慎重な立場をとっており、規制の必要性を強調しています。私たちがどんなAIを使えるようになるかは、こうした議論の行方にも左右されます。動きを気にかけておきたいですね。
出典：TechCrunch
https://techcrunch.com/2026/08/12/as-ai-safety-concerns-mount-three-pioneers-make-the-case-for-staying-open/
MIT Technology Reviewが「35歳未満のイノベーター」選考の舞台裏を公開
MIT Technology Reviewのニュースレターが、9月8日に発表予定の「2026 Innovators Under 35」の選考背景を明かしています。今年は550件のノミネートが集まったとのこと。同誌はこの取り組みを、自分たちが扱う分野で頭角を現しつつある若手研究者を知る機会としても位置づけているそうです。
このニュースレターでは他にも、ネット上の右派からトランプ政権の政策へと波及した「検閲産業複合体」をめぐる取材報告や、モンタナ州で進む実験的な薬品の販売促進法案、AIエージェントが自律的に動くことにともなうリスクなどが紹介されています。さらに、SpotifyがAIによるアーティストにラベルを付け、一部のプレイリストでの推薦をやめる方針や、ICEが数千個の電気ショック機能付き手袋の調達に最大2,000万ドルを投じる計画といった話題も取り上げられています。
35歳未満という区切りで才能を探す取り組みが続いていること自体、この分野の変化の速さを物語っている気がします。経験の長さだけでは測れない領域が広がっているということでもあります。年齢やキャリアの長さにかかわらず、新しい分野では誰にでも入り口が開かれている。そう考えると、少し勇気が湧いてきますね！
出典：MIT Technology Review
https://www.technologyreview.com/2026/08/12/1141714/the-download-innovators-under-35-censorship-industrial-complex/
今日のまとめ ~ AIが知らないのは、あなたの仕事の中身
今日のニュースを並べると、一つのテーマが浮かび上がってきます。それは「AIは、あなたの現場のことを知らない」という当たり前の事実です。Skan AIは、マニュアルに書かれていない実際の仕事の流れこそがAI導入の欠けたピースだと主張しました。MIT TRのレポートは、AIが使える社内データが平均45%しかないという現実を突きつけます。OneAdvancedは、現場の人が自分でエージェントを作れる仕組みを用意しました。どれも「AIをどう賢くするか」ではなく、「AIに何を見せるか」の話なんですね。
これからの時代、大切なのは、
AIの性能を追いかけるより、自分の仕事を整理するほうが効く場面は意外と多いのかもしれません。今日は自分の業務を一つ、言葉にしてみませんか。それでは、今日も良い一日を！