おはようございます！水曜日の朝、いかがお過ごしですか？今日は11本のニュースをお届けします！学校の事務仕事を手伝う国産AIの実証から、AIが「あなたの会社」をどう説明しているかを確かめる話、社内の問い合わせにSlackで答えるAI、そしてAIの学習用に売られていく「会社のデータ」まで、AIが仕事の裏側に入り込んでいく様子がよく見える一日です！
国産LLMで学校の事務仕事を支援、茨木市で実証がスタート
AI Watchによると、NTT西日本と茨木市が、NTTの大規模言語モデル「tsuzumi 2」を活用した純国産のプライベートLLM（外部に出さず自前の環境で動かすAI）による、小中学校向けの校務AI（学校の事務的な仕事を手伝うAI）の実証を10月13日から市立の小中学校で始めました。実施期間は2027年3月31日までの予定です。想定する使い方は校務文書の検索や要約、文書づくりの手伝いなどで、プライベートな環境で生成AIを使ったときの有効性・安全性・操作性を、実際の現場の使い方に沿って確かめるそうです。
子どもの情報を扱う学校で、データを外に出さない形のAIが試されるというのは、安心して見守れる話ですね。自分の職場でも、扱うデータの性質に合わせて「どこで動くAIなら使ってよいか」を先に決めておくと、導入の話が前に進みやすくなりそうです。
出典：AI Watch
https://ai.watch.impress.co.jp/docs/news/2147779.html
富士通がAI時代のサイバー防衛戦略を打ち出す
クラウド Watchのコラム記事によると、富士通が新しいサイバーセキュリティ戦略を策定し、「Fujitsu SPIRAVOLVE Cyber Defense」という名称で展開していくそうです。AI時代における企業のサイバー防衛のライフサイクル（対策を一度きりで終わらせず、継続的に回していく一連の流れ）を実現し、企業の防衛能力を進化させ続けることを目指すとのこと。あわせて、2030年度までに国内のセキュリティサービスで約2000億円の売上収益を目指す方針も明らかにしています。
守りの仕組みは「作って終わり」ではなく育て続けるもの、という考え方は、個人の仕事にもそのまま当てはまりますね。パスワードの管理や共有の設定など、自分の手元のセキュリティも、年に一度は見直す習慣にしてみるのはどうでしょう。
出典：クラウド Watch
https://cloud.watch.impress.co.jp/docs/column/ohkawara/2147428.html
AI検索の時代、ブランドは「正しく語られているか」も問われる
MIT Sloan Management Reviewによると、15人のマーケティング・デジタル責任者への取材と、投資プラットフォームStakewise（仮名）の事例をもとに、「生成エンジン最適化（GEO）」を解説しています。課題は、AIの回答に自社が登場する「可視性」と、正しく説明される「正確性」の2つ。同社はChatGPTの回答に誤情報を見つけ、体系的に質問し、情報源をたどって元の情報を直し、監視を続ける4手順で改善しました。クリックなしの情報取得が増え、一部の推計ではAI経由のセッションの3分の1から3分の2で参照元が消え「直接流入」扱いになるなど、従来の解析では影響が見えないそうです。
自分の会社や商品について、AIに聞いてみたことはありますか？検索順位を眺めるだけでなく「AIは何と答えているか」を確かめるのは、広報やマーケティングに限らず、採用や営業の担当者にも効いてくる習慣になりそうです。
出典：MIT Sloan Management Review
https://sloanreview.mit.edu/article/the-new-rules-of-brand-visibility-in-ai-search/
社内のIT問い合わせにSlackで答えるAIヘルプデスク
AWSの公式ブログ（ShipStation Globalとの共同執筆）によると、物流プラットフォームの同社が、Amazon Bedrock AgentCore（AWSのAIエージェント構築基盤）でSlack向けのAIヘルプデスク「Deckhand」を作りました。ナレッジベースからの回答やエラー画面の読み取り、Jira（課題管理ツール）のチケット作成を担います。稼働後の3か月でチャンネル内の問い合わせの97.5%を解決し、社員の評価は96%が好意的だったそうです。導入前は年間1500件以上のスレッドが発生していたとのこと。過去にSlackで解決した履歴もAIで抽出してナレッジにしています。
「同じ質問に何度も答える」時間は、どの職場にもありますよね。チャットに残っている過去のやり取りを、答えの材料として整理し直すだけでも、問い合わせ対応はぐっと軽くなるはず。まずは自分のチームで繰り返し聞かれる質問を3つ書き出してみませんか。
出典：AWS Machine Learning Blog
https://aws.amazon.com/blogs/machine-learning/how-shipstation-global-built-an-ai-it-help-desk-on-amazon-bedrock-agentcore/
有料サイトの支払いまでAIエージェントが自分で済ませる仕組み
AWSの公式ブログ（Anchor Browserとの共同執筆）によると、クラウドブラウザ「Anchor Browser」がAmazon Bedrock AgentCore payments（AWSの支払い管理機能）と連携し、x402（HTTP 402による機械同士の支払い規格）に対応した有料のウェブページやAPIにエージェントが自動で支払う仕組みが構築されました。従来は402（支払いが必要）の応答で処理が止まり、人の手を借りるか自作の決済で鍵の露出や使いすぎのリスクを抱えるかでした。新構成では予算の検証や署名を管理層で処理し、実行環境に鍵を置かずに同一セッション内で支払いを完結できるそうです。
AIに「お金を使う権限」を渡すのは、頼もしい反面こわくもあります。だからこそ、上限を決める役と実行する役を分けるという設計は、人への仕事の委任にもそのまま応用できそうです。AIに任せる範囲を広げるとき、「どこまでなら勝手にやってよいか」を先に線引きしておきたいですね。
出典：AWS Machine Learning Blog
https://aws.amazon.com/blogs/machine-learning/building-agents-that-transact-with-anchor-browser-and-agentcore-payments/
Shopifyの商品カタログ、どのAIエージェントからも買える形に
The Vergeによると、Shopify（ネットショップ開設サービスの大手）は火曜日、買い物客が自分の代わりに商品を買うようAIエージェントを設定できるようにすると発表しました。Shopifyのストアの内外にある10億点以上のカタログ商品に、より多くのAIエージェントがアクセスできるようになる見込みです。同社は9月にMetaと提携し、MetaのAIエージェント「Muse」による閲覧と購入を可能にすると発表していましたが、個別の提携がなくても任意のエージェントを使える形になるとのこと。予算の上限などのルールは人が決め、購入のたびに買い手の承認が必要です。
AIを介して買うお客さんが増えると、商品の説明文や価格の書き方も、人だけでなくAIに読まれる前提で整える必要が出てきそうです。自社のサービス案内が、AIにも読み取りやすい形になっているか一度眺めてみると、意外な気づきがあるかもしれません。
出典：The Verge
https://www.theverge.com/news/1010365/shopify-opens-its-catalog-up-to-more-ai-agents
データ処理のGPU向け書き換えをAIエージェントに任せる手順
NVIDIAの技術ブログによると、エージェンティックAI（自律的に仕事を進めるAI）の普及で企業データの処理量は増え、コストを比例して増やさずにさばく工夫が要ります。GPU処理ライブラリNVIDIA cuDFはその手段ですが、Apache Spark（大規模データ処理の基盤）のUDF（利用者が独自に書いた処理）はGPU高速化の妨げになりやすく、書き換えも手間でした。記事は、テスト生成・変換・計測・最適化の4段階でコーディングAIエージェントに書き換えを任せる手順を紹介。ある大手消費者向けテック企業は本番の30件超を変換し、1つの処理では約275時間が約13時間へと22倍速くなったそうです。
手間はかかるけれど型の決まった作業をAIに任せ、結果はテストと計測で確かめる。この分担は、プログラミング以外の仕事にも応用できそうです。自分の仕事の中で「やり方は決まっているのに手間がかかる作業」を1つ探してみませんか。
出典：NVIDIA Technical Blog
https://developer.nvidia.com/blog/rewrite-apache-spark-udfs-gpu-acceleration-ai-agents/
GitHubのシークレット検出、文脈を読んでノイズを減らす
GitHubの公式ブログによると、GitHubはシークレット（パスワードやAPIキーなど、コードに紛れ込むと危険な秘密情報）の検出品質を高める、コンテキスト認識型（前後の文脈を読んで判断する）の分類モデルを発表しました。従来のLLM（大規模言語モデル）を使った仕組みと比べ、検出結果が利用者に受け入れられた割合（リポジトリの所有者ごとに重み付けした指標）を11.5%引き上げるとともに、コミット後のスキャンの実行時間の中央値を86%削減したそうです。ノイズ（誤った警告）を減らしながら、より多くのシークレットを見つけられるようになったとのこと。
「見逃さないこと」と「むやみに騒がないこと」は、たいてい両立が難しいもの。それでも文脈を読むことで両方を伸ばせたという話は、人のチェック作業にも通じます。自分の確認作業が「とりあえず全部疑う」になっていないか、振り返るきっかけにしたいですね。
出典：GitHub Blog
https://github.blog/ai-and-ml/githubs-model-for-secret-detection-finding-more-secrets-with-less-noise/
Google Play、AIで作った自分用アプリを置ける場所に
Ars Technicaによると、GoogleはPlayストアにAI機能を追加していく予定です。2025年公開の「Ask Play」（AIにアプリの質問ができる機能）は今回の発表に合わせて拡張が始まり、比較表つきのおすすめなど、アプリやゲームを広く探せるようになります。Geminiにも近く同じ機能が加わる予定です。また、Android上で12億人がゲームを遊ぶ利用データを土台に、自分の遊び方から「Gamer DNA」というプロフィールを作り、似たプレイヤーと引き合わせる「Game Finder」も発表されました。個人がAIで作ったアプリを非公開でホストし共有する手段も近く提供予定です。
プログラミングを学んだことがなくても、AIに頼んで自分専用の小さなアプリを作り、仲間と共有する。そんな入口が用意されようとしています。業務の中の「ちょっと面倒な繰り返し作業」をアプリにしてみるなら、今が試しどきかもしれません。
出典：Ars Technica
https://arstechnica.com/google/2026/10/google-wants-to-host-your-personal-vibe-coded-apps-in-the-play-store/
Metaの広告AI、分野ごとの最適化から1つの中央モデルへ
Metaのエンジニアリングブログで、広告推薦の基盤モデル「GEM」の最新成果が発表されました。2026年版のGEMは、FacebookやInstagramなど領域ごとの最適化から、全広告プラットフォームのデータで学ぶ単一の中央モデルへ移行したそうです。過去1年間でコンバージョン（購入などの成果）を18.9%、クリック率を12%改善したとのこと。新アーキテクチャ「Kunlun」でモデルの複雑さを2.5倍にし、「LoopFM」などで追加の計算コストなしに下流モデルへの知識伝達を倍増。5D並列化などで学習の総計算量を4倍にしつつ、学習効率を2倍（モデルFLOPS利用率20〜25%）に高めたそうです。
部署ごとにバラバラに作り込んだ仕組みを、一度まとめて共通の土台にする。これはAIに限らず、組織のあちこちで起きている話ですね。自分のチームの資料やテンプレートも、個別最適のまま増えていないか、たまに棚卸ししてみたいところです。
出典：Engineering at Meta
https://engineering.fb.com/2026/10/13/ml-applications/generative-ads-model-gem-scaling-frontier-ads-ai/
倒産したスタートアップのデータがAIの学習用に売られていく
MIT Technology Reviewによると、Carta（スタートアップの株式管理サービス）などの試算でここ数年スタートアップの閉鎖が年26〜56%増える中、破綻企業のコードや社内データをAIラボなどに売る事業が育っているそうです。背景には公開データや合成データの限界がありますが、実データで学習させた効果の大きさはまだ不透明とのこと。Googleが破産したスピリット航空のデータを1000万ドルで買った例があり、SpaceXのAI部門もデータ購入を検討中と報じられています。一方、プライバシー侵害の懸念や売却益が通常は従業員ではなく債権者や投資家に渡る点、法的な制限の不足が指摘されています。
普段のメールやチャット、書いたコードが、会社がなくなったあとにAIの教材になるかもしれない。そう考えると、仕事のやり取りに私的な予定を混ぜない、といった小さな習慣にも意味が出てきます。自分のデータがどこへ行きうるかを、頭の片隅に置いておきたいですね。
出典：MIT Technology Review
https://www.technologyreview.com/2026/10/13/1145755/ai-labs-buying-data-from-dead-startups-to-train-models/
今日のまとめ ~ AIに「任せる」前に、線引きと土台づくりを
今日のニュースを並べてみると、AIが問い合わせ対応や買い物、支払いまで「代わりにやる」範囲を広げる一方で、その土台となるデータや権限の扱いを整える動きが同時に進んでいることが見えてきます。
これからの時代、大切なのは、
最新技術の波に乗って、自分らしい働き方を見つけていきましょう！