데이터이쿠, IDC 마켓스케이프 ‘전 세계 통합 AI 거버넌스 플랫폼’ 리더 선정

통합 AI 플랫폼(The Universal AI Platform™) 데이터이쿠(Dataiku)는 글로벌 시장조사기관 IDC가 발행한 ‘IDC 마켓스케이프: 2026년 전 세계 통합 AI 거버넌스 벤더 평가 보고서(IDC MarketScape: Worldwide Unified AI Governance Platforms 2026 Vendor Assessment)에서 리더(Leader)로 선정됐다고 전했다. 생성형 AI와 자율 에이전트 도입을 가속화하는 과정에서 많은 기업이 기존의 거버넌스 모델이 최신 AI의 속도와 규모, 리스크를 따라가지 못한다는 점을 인식하고…

Trasformazione digitale, nel 2026 una nuova era all’insegna di AI, sovranità e change management

La trasformazione digitale nel 2026 sarà profondamente ridisegnata dalla pervasività dell’intelligenza artificiale e dal mutato panorama geopolitico, che impone di alzare l’attenzione sulla sovranità tecnologica. Su questo fronte, un numero crescente di CIO italiani (ed europei) sarà portato a valutare prodotti cloud e tecnologie “locali”, se non addirittura un parziale ritorno ai server on-premises. Quanto…

事業者・法務のためのスマホ法――禁止事項、正当化事由、執行のしくみを読み解く

スマホ法は、独占禁止法の一般原則をそのまま当てはめるのではなく、スマホの入口に固有の問題を「類型化して、速く是正する」ことを強く意識した制度です。運用の公表資料でも、法の円滑かつ適切な運用の重要性、指定事業者との対話を通じた遵守促進、遵守されていない場合の厳正対処といった方向性が明示されています。

禁止事項と遵守事項――「やってはいけない」と「整備しなければならない」

公正取引委員会の資料では、指定事業者に対して、一定の行為の禁止と、一定の措置を講ずる義務が課されると整理されています。具体例として、代替アプリストアの提供を妨げる方向の行為、他社の課金システム利用を妨げる行為、リンクアウトや価格情報表示の制限、検索での自社優遇、データの競合利用、OS機能の同等性能利用の妨害などが挙げられています。

重要なのは、これらが単に「条文に触れたらアウト」ではなく、実装や条件付けの仕方によって実質判断され得る点です。たとえば、代替決済を使う事業者に対して、検索順位を下げたり見つけにくい位置へ配置したり、過度な金銭負担を課したり、利用者を自社決済へ誘導するポップアップを出したりする想定例が示されています。これは、表面上は選べるように見えても、実質的に選べない状態を作ると違反に近づく、というメッセージです。

リンクアウトでも同様で、外部誘導情報やリンクアウトの提供を行う個別アプリ事業者に対して、合理的でない技術的制約や過度な負担を課すこと、開発環境を提供しないことなどが論点になります。運用において「制度の趣旨を骨抜きにしない」ことが求められていると読むのが自然です。

正当化事由――セキュリティ・青少年保護とのバランスはどこで取るか

スマホ法の特徴は、競争制限的に見える措置でも、一定の目的のために必要で、他のより制限の少ない手段では達成が難しい場合には、正当化され得るという枠組みが用意されている点です。ガイドライン(暫定訳を含む)では、サイバーセキュリティ、利用者情報の保護、青少年保護、異常動作の防止、犯罪行為の防止といった目的が整理されています。

実務上のコツは、正当化を「スローガン」ではなく「要件」に落とすことです。つまり、目的が何か、その目的達成に当該措置が必要十分か、他の代替策(より競争制限的でない手段)が本当にないのかを、技術的・運用的に説明できる形で残すことが重要になります。後から見れば「安全のため」と言えても、当時の設計資料や社内意思決定のログがなければ、正当化は脆くなります。

リンクアウトの想定例は示唆的です。外部サイトがフィッシングなどに悪用されるリスクを中立的に注意喚起し、遷移後は制御範囲外であることを説明するポップアップは、正当化され得る例として挙げられています。一方で、審査を行わず一律に価格情報や決済画面への誘導を禁止するような設計は、正当化されない例として示されています。安全対策は「具体的なリスク」と「相当な対策」に結びついているかが問われます。

執行とリスク――報告、調査、命令、課徴金、確約

スマホ法は、指定事業者に毎年度の報告書提出を求め、対話を通じた規律の具体化と改善を促す構造を持つと説明されています。単発の摘発で終わらせず、継続的なコミュニケーションを制度に埋め込む点が特徴です。

一方で、違反に対しては、是正の命令や課徴金納付命令などの強い手当ても用意されています。概要資料では課徴金算定率20%と説明されており、抑止力を意識した設計です。コンプライアンス側は、違反の可能性が生じた時点での事実認定、影響範囲の切り分け、是正計画の提示、ステークホルダーとの説明戦略を、独禁法対応と同等かそれ以上に整備しておく必要があります。

確約手続に関する対応方針も公表されており、当局とのコミュニケーションを通じて、早期に改善へ向かう道筋が用意されていることがうかがえます。法務としては「争うか、直すか」の二択ではなく、社会的説明可能性と実務コストを含めて複線でシナリオを持つのが現実的です。


Read More from This Article: 事業者・法務のためのスマホ法――禁止事項、正当化事由、執行のしくみを読み解く
Source: News

오픈텍스트, AI 기반 ‘익스피리언스 클라우드’ 통한 고객 경험 고도화 전략 발표

디지털 트랜스포메이션이 가속화되면서 고객 경험은 기업 경쟁력을 좌우하는 핵심 요소로 자리 잡았다. 고객이 더 개인화되고, 더 빠르며, 채널 간 단절 없는 경험을 기대하면서, 기업은 방대한 콘텐츠와 데이터, 다양한 접점을 효율적으로 운영해야 하는 과제에 직면했다. 특히 생성형 AI의 확산은 고객 경험 전략의 패러다임을 변화시키며 경험 설계와 운영 방식 전반에 새로운 가능성을 제시하고 있다. 이러한 흐름 속에서…

カルビー情報システム本部 本部長に聞く、AI時代のIT部門のあり方

グローバル企業で学んだ組織運営とITの役割 これまでのキャリアを振り返ると、外資系のコンサルティング企業、スーパーコンピュータの販社、そして現在のカルビーと、3社を経験してきました。 最初に新卒で入社した外資系コンサルティング会社には、約20年勤めました。システム企画から設計、開発導入まで幅広く担当し、特に製造業、それもハイテク部品業界で活動してきました。同じ製造業でも、文化は会社によって大きく異なります。何でも挑戦してしまえという自由な社風の会社もあれば、「本当に前例があるのか」と慎重すぎるほどに確認して進める会社もありました。 また、本社と海外現地法人の関係も多く経験しました。本社が海外にある日本法人や、日本本社を持つグローバル企業の現地法人など、さまざまな形態に触れる中で、それぞれの難しさと利点を学ぶことができました。 2社目は、いわゆるHPC(スーパーコンピュータ)の日本販社で7年勤めました。ここではシステムだけでなく、受注管理、輸入、物流、購買、さらには経理部門まで幅広く担当し、業務の現場そのものに深く関わりました。この会社は日系企業でしたが、もともとは外資系で、資金繰りの関係から株を他社に売却していた経緯がありました。 私が入社したあとで、株主の要請で親会社が再び米国企業となり、外資系に戻ったのです。その際には社長と共に渡米し、CEOに直接売り込み、デューデリジェンスを経て契約を結び、PMIで基幹システムをSAPからORACLEへ移行しました。国境を越えて多様な立場の人たちと向き合う経験は、今の仕事にも役立っています。 そして3社目がカルビーです。 2015年にSAP導入の責任者として迎えられ、その後は情報システム部門の責任者を務めてきました。DXが注目されるようになってからはDX部門を立ち上げ、現在は「DXを支える情報システムの責任者」として活動しています。 カルビーは規模的にも非常に動きやすい会社だと感じています。経営層との距離が近く、ユーザー部門や現場とも直接つながることができる。そのため、自分たちのアクションがどう受け止められているのか、成果がどう活用されているのかがすぐにフィードバックとして返ってきます。期待通りに使ってもらえているのか、あるいはそうでないのか——そうした反応が直に分かる。だからこそ、ユーザーとの距離が非常に近いIT部門だと実感しています。 PMIの経験で学んだ「システム統合プロセス」の重要性 これまで大きなシステムを立ち上げた経験はいくつもありますが、最も印象に残っているのは、2社目で手がけたM&A後の統合作業、いわゆるPMI(Post Merger Integration)です。 当時、自社ではSAPを使っていましたが、米国本社の方針でORACLEアプリケーションに統合することになり、その対応を1年間進めました。単純にシステムを切り替えるだけではなく、米国のユーザーが「この機会に自分たちの要件を盛り込みたい」と言ってきたり、新しい機能を追加しようとしたりと、さまざまな要求が出てきて計画が複雑化したことから、米国側のCIOも相当苦労していたと思います。日本ではわずか2〜3人のチームで対応しながら、米国の大きなITチームとどう連携し、立ち上げまで持っていくかを検討し、そこをやりきったことは大きな経験になりました。 特に忘れられないのは、Day1の立ち上げの瞬間です。ファイアウォールを外した途端、ネットワークがほとんど動かなくなり、メールすら送れなくなったのです。原因は、日本のエンジニアたちが一斉に米国のデータ リソースへアクセスしたことで、トラフィックがパンクしてしまったからでした。想定外の事態でしたが、「それだけ皆が待ち望んでいた」という意味では、むしろ良いことだったのかもしれません。このような経験を通じて、改めてPMIの重要性を強く実感しました。 「なぜ?」と問い続けることで見えてくる「課題の本質」 これまでのチャレンジで最も印象に残っているのは、「課題の本質を探るためのプロセスの確立」だと思っています。例えばかつて働いていた企業でも、本社は統制を強めたいと考える一方で、日本のユーザーはこれまで通りのオペレーションを続けたいと主張するようなこともありました。そしてそこにITの論理も加わり、さまざまな立場や思惑がぶつかり合っていました。こうした対立を「調整する」というのは本当に難しかったですね。 特に米国側は日本の業務をよく知らないため、「なぜ日本円でやる必要があるのか」といった、実務を無視した意見まで出てきました。そうした場面で重要だったのは、反対する人や抵抗する人が「なぜそう考えるのか」「どんな背景から意見しているのか」を直接、膝を突き合わせて聞くことです。そのやりとりを通じて、初めて現実的な解決策が見えてきました。 つまり、「本社の言うことが常に正しい」わけでもなければ、「日本側が正しい」と決めつけることもできない。だからこそ、本当に正しいことは何なのかを突き詰める必要があったのです。それが一番難しい部分でしたが、逆にそこを乗り越えると運用はスムーズに進みました。 調整の際には必ず「Why」を問いかけました。 「なぜそう考えるのか」「日本ではこうなのに、なぜそうしたいのか」と一つひとつ理由を聞いていったのです。システム的に無理のある要求が出てきても、質問を重ねながら丁寧に潰していきました。日本と米国のITメンバー、さらに経理・財務の担当者を交えて議論を積み重ねた結果、最終的には「そのとき合意したよね」と確認できる形になり、システムが稼働した後にはほとんど不満の声が出なかったのです。 キャリアアップに欠かせないのは「また会いたい」と思ってもらえる関係づくり 心に残っているキャリアのアドバイスはいくつかありますが、真っ先に思い出すのは「ポジションやプロジェクトのオファーを受けたときには、なるべく断らない方がいい」という言葉です。 これはある会社の営業部長さんからいただいたアドバイスで、今も強く印象に残っています。なぜかというと、一度断ってしまうと、次に機会が巡ってきたときに「どうせまた断られるだろう」と思われてしまい、声をかけてもらえなくなるからです。つまり、チャンスそのものが閉ざされてしまうのです。 もう一つ、自分自身のコンサルの経験から強く学んだことがあります。同じ提案を複数の会社に持って行ったときのことです。提案がまだ十分に練れていない段階では、当然ながら断られることもあります。その際の反応が会社によってまったく違うのです。 ある会社では「論外だね」「あり得ない」と取り合ってもらえないこともありました。一方で別の会社では、「わざわざ調べていただきありがとうございます。ちなみにこの部分とあの部分は違っていますよ」とか、「ここはこういう仕組みになっているんです」と、丁寧にフィードバックを返してくれるところもありました。 結果としてどちらからも断られているのですが、前者には二度と行こうとは思わず、後者には「新しい情報を持ったらまた提案してみよう」と思えるのです。 この体験を今の自分の立場に引き寄せて考えると、やはり提案を受けたときにはきちんと耳を傾け、「また来て情報を提供したい」と思ってもらえる対応をすることが大切だと痛感します。自分が知識を持っているからといってつっけんどんな態度を取れば、いずれ情報は集まらなくなってしまう。だからこそ、なるべく謙虚に、相手が次も来やすいような対応を心がけるようにしています。 カルビー流DX——トップダウンとボトムアップの融合 カルビーに転職してまず驚いたのは、役員室や社長室が存在しないことでした。ただ、役員専用の個室はなくても席はありますから、そこにスタッフが集まってわいわいと議論している。だから、社長が忙しくなければ社員が気軽に社長席まで歩いていって「ちょっと話があるんですけど」と声をかけられる。大企業にありがちな階層的なコミュニケーションとは違い、本当にフラットで話しやすい環境だと感じました。 IT部門と現場の距離が近いのも大きな魅力です。何かあればITのメンバーが現場に出向き、自分たちが導入したシステムがどう使われているのかを直接確認できる。そこで不満の声を聞けば「それなら直さなきゃいけないね」とすぐ改善に動ける。「誰が使うのか分からないシステムをつくっている」という状態とは異なり、現場と一体になっている感覚があります。さらに、現場が想定外の使い方をしているのを見て「なるほど」と学びを得ることも多く、それもやりがいの一つです。 DXもやりがいがある取り組みの一つです。 カルビーではDXを進めるにあたって「トップダウン」と「ボトムアップ」を組み合わせたハイブリッドの形で進めています。トップダウンの例で言えば、S&OP(セールス・アンド・オペレーション・プランニング)です。 毎月の実績と年初計画との差を把握し、収益がどれくらい不足しているのか、あるいは超過しているのかを可視化します。そして、4〜5か月先に向けてどのような手を打っていくのかを判断できる情報を提供する。これは導入したばかりで、これから使い倒していく段階です。 一方でボトムアップは主に工場から始まっています。 最初は自分たちの工数削減のためにIoTで機械からデータを直接、取得取することから始まりました。それが次第に「昨日のデータを今日の判断に活かせる」という気づきにつながり、意思決定のスピードが上がっていったのです。現場では「気づいたらすぐ改善」という動きが広がり、今では海外の工場からも同じ仕組みを導入したいというリクエストが来るようになっています。これが生産現場のボトムアップ型DXです。 こうした取り組みを見ていると、やはりカルビーはユーザーとIT部門の距離が非常に近いのが強みだと感じます。たとえば需要予測はDXの定番ですが、カルビーではすでに5年ほど取り組んでいます。 最初は「本当に役立つのか」という反応もありましたが、今ではデータサイエンティストが「先月の予測がどれくらい当たったのか」「外れた要因は特定商品のキャンペーンや生産トラブルだったのか」と細かく説明し、それを踏まえて議論が活発に行われるようになりました。営業支援やSCMのメンバーも毎回ミーティングに参加し、「去年はこうだったけれど、なぜ今回は違ったのか」といった議論が自然に起こるようになっています。 つまり、ITが扱うデジタルデータと、現場の知見がラリーのようにぶつかり合いながら相互に磨かれていくわけです。このような現象を目の前で見ることができるのは、本当に面白いし、やりがいを感じる瞬間です。 特に印象的なのは、データを示したときのエキスパートの反応です。馬鈴薯の発育状況を即座に読み取ったり、工場のラインが逼迫していることを言い当てたり、小売の棚の状況まで推測してみせたりするわけです。実際にその通りであることも多く、単なる数字が彼らの解釈を通じて「現場のリアル」に変わっていく。そうした瞬間に、DXの本当の力を実感しています。 透明性の高いリーダーシップがイノベーションを生む リーダーシップを考える上で、まず大前提として大切なのは「自ら現場を見に行くこと」だと思っています。結局「何が起こっているのか」という事実は現場にしか存在しません。人から聞くだけではなく、自分の目で見ることが何より重要です。 加えて、私は情報の共有を強く意識しています。かつては「情報を抱え込み、自分だけが知っていることを権限の源泉にする」というリーダー像もありましたが、それは完全に間違いです。情報を積極的にメンバーや関係者に共有すると、それまで想像もしていなかったアイデアを彼らが出してくれる。そうした発想を試してPoC(概念実証)をやってみると、実際に成果につながり、資産になっていきます。こうしたプロセスには強い手応えを感じています。 よく「ダイバーシティ&インクルージョン」という言葉が使われますが、単に多様性を持ち込むだけでは不十分です。異なる立場や背景を持つ人たちに同じ情報を共有し、「今こういう状況だが、どう解決できるか」と問うことで、はじめて多様なアイデアが引き出されます。つまり、情報を提供することによってこそ、ダイバーシティの本当の価値が発揮されるのです。 私自身、情報をオープンにすることで数多くのアイデアや知恵を返してもらい、そのメリットを享受してきました。だからこそ、現場を自分の目で見ること、そして情報を積極的に共有すること。この二つが、ITリーダーとして成功するために欠かせない素養だと考えています。 次世代ITリーダーに求められるのは「課題を定義する力」 今はAIという言葉を本当にあちこちで耳にします。私も講演などでよく聞きますが、確かにその通りだと思うのは、「これからの時代は、課題を解決する役割はAIが担うようになるだろう」ということです。では、人間の仕事は何かと考えると、「解決すべき課題は何なのか」を定義する力がますます求められるようになるのではないでしょうか。 課題を解決するには、表面的な現象を見るだけでは不十分です。勉強を重ね、状況を深く理解し、本質的な問題は何かを見極める力が必要です。その解像度を常に上げていくことこそ、人間がこれから磨いていくべき力だと思います。 例えば、ITヘルプデスクに寄せられる要望はたいてい「How(手段)」のリクエストです。あるとき突然、「ファイアウォールに穴をあけてください」と依頼がありました。「何を言っているんですか」と詳しく聞いてみると、実は「トラックの運転手と連絡を取る必要があり、相手がみんなLINEを使っているので、自分もLINEでやりたい」という事情でした。 さらに確認すると、その担当者一人が使えればよいという話だった。そこで「携帯をもう1台支給します。社内システムには絶対アクセスできない設定にするので、それでLINEを使ってください」と解決しました。2台目の携帯分のコストはかかりましたが、ファイアウォールを変更する必要もなく、システム全体を複雑にすることなく済んだのです。 このように、言われたことをそのまま実行していたら複雑化するだけのシステムも、「何をしたいのか」という本質に立ち返れば、まったく異なるシンプルな解決策が見えてくることがあります。だからこそ、これからの時代はAIに頼るのではなく、人間が課題の定義を突き詰めることが大事であり、私自身もその力を意識的に磨いていきたいと考えています。 事業会社に欠かせない「ビジネスを理解できるIT人材」を育てるために ITの世界で大きな課題となるのは、「事業会社のIT部門をどう位置づけるのか」という点です。IT専業の会社と違い、事業会社のIT部門は自社の事業そのものを理解していなければなりません。「かっぱえびせんがどう作られているのか」「堅あげポテトはどんなお客さまにどのように売られているのか」を語れないといけない。つまり「事業を理解しているIT人材」でなければ、事業会社の情報システム部門は成り立たないと考えています。 ただし、こうした人材は簡単には増やせません。中途で採用したIT人材に事業を勉強してもらうか、逆に社内の事業部門から人を引き抜いてIT部門に移すしかないのです。外からの採用だけでは追いつかないので、やはり事業部門に時間を割いて実際に学んでもらうのが最も効果的で、コストも抑えられると感じています。 さらにノーコードやBIツールの活用も重要です。事業部門のスタッフ自身が、自分たちのやりたいことを自分たちで形にできる環境を整える。IT部門以外の社員が自在にツールを使いこなせるようになれば、業務は一層進化します。…

ガートナーが展望する2026年のAI――技術の進化と企業に求められる変化 CIOに求められるケイパビリティ

Gartner プロフィール亦賀 忠明ガートナージャパン ディスティングイッシュト バイス プレジデント アナリスト米国でのソフトウェア開発を含む10年以上のエンジニア経験を経て、Gartnerに入社。以降、インフラ、クラウド、先進テクノロジを中心に担当。ここ数年は、AI、産業革命、マインドセットといった領域に注力し、ユーザー企業のCEO、CIOといった経営者はもとより、主要なベンダー、インテグレーターのエグゼクティブに対して、さまざまな戦略的アドバイスを行っている。 AIエージェントとエージェント型AI――混乱を整理する 亦賀氏はまず、エージェント型AIとAIエージェントの混乱を指摘する。2024年には「AIエージェント」が、2025年には「エージェント型AI」がそれぞれ注目されたが、両者は根本的に異なる、と亦賀氏。混乱を受けて、ガートナーは2025年5月、この2つの概念を明確に区別する見解を発表している。 チャットボット、RPA、AIエージェント、エージェント型AIの違い Gartner それによると、生成AIが「想定通りに答えを返すもの」であるのに対し、AIエージェントとエージェント型AIは「タスクを実行するもの」となる。タスクの実行という点ではRPAも同じ類となるが、AIエージェントは「少し気を聞かせて、設定された通りにシンプルなタスクを実行する」と説明する。また、AIエージェントはビルダーを使ってユーザーが作り込まなければならない「手組み細工」だ。そこでは、「簡単にできる」というベンダーの謳い文句と現実のギャップも見られるとする。 これに対し、エージェント型AIは「大いに気を利かせ、自律的に複雑なタスクを実行する」と説明する。「エージェント性と目標指向性を備えた進化系」であり、記憶や計画、ツール活用などの機能を備え、複雑なタスクを自律的に目的指向で遂行することが期待されている。 亦賀氏はこのような市場の混乱を「インターネットの初期」に喩える。「いろいろなものが出てくるが、その中には本物ではないものもある」と述べ、ベンダーが実質的なエージェント機能を組み込まずに既存プロダクトをリブランディングする「エージェントウォッシング」に注意すべきと忠告した。 なお、今見られるAIエージェントの起源は、2022年にリリースされたLangChainなど、数年前からある技術であることにも触れた。「(2022年末のChatGPT公開により)ChatGPTやGeminiなどのマルチモーダルLLMが注目を浴びたことで、このようなAIエージェントへの注目が一旦薄れた」と流れを説明した。 エージェント型AIプロジェクト成否を分けるもの――40%のプロジェクトが中止される そのエージェント型AIの利用について、ガートナーは2028年までに、日々の仕事における意思決定の少なくとも15%は、エージェント型AIによって自律的に行われるとの予想を出している。そこでは、二極化現象も予想される。真の価値を享受する企業が生まれる一方で、2027年末までにエージェント型AIプロジェクトの40%以上が、コスト高騰、ビジネス価値の不明確さ、不十分なリスク・コントロールなどを理由に中止されるというのだ。 「着実に成果を出す組と、過度な期待を含めて振り回されてしまい挫折してしまう組に分かれるだろう」(亦賀氏)。 成否を分けるものは何か。ーー亦賀氏の答えは、「ケイパビリティ」ーーつまり組織と人の能力だ。ケイパビリティが不足している場合、CIOや情報システム部長はベンダーに丸投げすることになるが、このアプローチでは「大体が失敗する」と警告した。 失敗の原因は、しっかりとした理解も何もないままベンダーに提案を求め、真のエージェント機能を持つのか見極めることなくPOCを進めるから。期待した成果が得られずに終了となる。そして、このサイクルを繰り返している企業が多いと亦賀氏は指摘する。「日本企業はRAG(Retrieval-Augmented Generation:検索拡張生成)の段階で、すでに精度の問題で苦戦している」と亦賀氏。「こうした状況にある企業では、次のステップとされるエージェントの実際の導入は極めて不安定で不確かなものになる」と指摘する。 2026年の注目技術――マルチエージェントとワールドモデル 2025年のAIエージェントとエージェント型AIの混乱から、2026年はどのように進展するのか。 ガートナージャパンが発表した2026年の戦略的テクノロジートレンドには、「マルチエージェント・システム」が入っている。マルチエージェント・システムとは個別、または共通の複雑な目標達成のために相互作用するAIエージェントの集合体、とガートナーは説明している。 このマルチエージェントは、現在の手組み細工的なアプローチから、より純粋なAI技術への進化を支える技術だ。「複数のエージェントが協調動作しながら、人間に代わって仕事をしてくれる」と亦賀氏は展望する。 この実現に向けて重要なのが、A2A(Agent-to-Agent)とMCP(Model Context Protocol)だ。 A2Aは、エージェント同士が連携するための会話のルールを定めるプロトコルで、2025年4月にGoogle Cloudが発表した。MCPは2024年11月にAnthropicが提案したもので、AIエージェントと外部のツールやデータと連携を可能にするプロトコルだ。亦賀氏は、「タスクの実行のために、”脳”としてのエージェントがMCPにより外部サービスを呼び出して文脈を作ることで、”手足”をもつことができる」と説明する。 マルチエージェントは、単一ベンダー内でも、複数ベンダー間でも構築可能だ。すでに、複数ベンダーのエージェントを管理することも可能になっている。 ただし、完全自動化に移るわけではない「ヒューマン・イン・ザ・ループは原則」と亦賀氏は強調する。例えば、飛行機を操縦する機長は原則として自動操縦で順調に飛行しているかを管理し、何かあれば自ら操縦する。人とAIエージェントの関係も同じようになるとみる。 エージェント側の進化と並行して、モデル側でも重要な技術革新が起きている。亦賀氏が注目するのがワールドモデルだ。 ワールドモデルは、マルチモーダルLLMとは異なる重要な特性を持つ。現実世界の物理的な因果推論ができるAI技術で、予測の精度が向上する。従来の生成AIが「かもしれない」という確率的な推測で答えるのに対し、ワールドモデルは観測データから物理的な性質や因果構造を暗黙的に学習し、より物理法則に整合する予測を行う。例えば物体の落下を尋ねた場合、LLMは学習データに基づく推測で「たぶん何秒」と答えるが、ワールドモデルは学習した世界のダイナミクスに基づき、落下の軌跡や着地までの時間を現実に近い形で推定できる。これは単なる統計的補完ではなく、物理的因果関係を反映した予測である。ワールドモデルは、AIが現実世界の物理法則やダイナミクスを捉えて未来の状態を予測するためのモデルとして研究が進んでおり、動画生成においても、物体の動きや重力、衝突などの物理的制約を理解することで、より自然で正確な映像生成を実現している。 ワールドモデル:世界を内部に再構成し、理解・予測・行動に繋げる知能 Gartner すでにGoogleの「Genie」やOpenAIの「Sora」など画像・動画生成系のモデルで利用されており、これらが生成する映像は、単なる視覚的なリアリティだけでなく、物理的に正しい動きを再現している。 「ワールドモデルは実にインパクトが大きな技術」と亦賀氏はその潜在性を表現した。この技術は、製造業のあり方を根本から変える可能性を秘めている。 ワールドモデルの応用、AIネイティブ企業の台頭 ワールドモデルの応用範囲は、EV、工場、ヒューマノイドなど多岐にわたる。デジタルツイン環境において、リアルなデータを捉えた最適化が可能になり、物理的な推論に基づく結果をフィードバックループで物理世界に反映していく。 例えばヒューマノイドに応用すると、多数の機体をネットワークで接続し、各機体の状態や動作データをリアルタイムでデジタルツイン環境に集約できる。ワールドモデルと分散強化学習を用いてデータから最適な動作を学習し、それを各機体に継続的にフィードバックすることで、ロボットは現場にいながら動作性能を改善していく。従来のように、機体を回収してオフラインで学習・調整する必要はなく、ネットワーク接続とAIにより運用中に最適化を行うことができる。 「この技術を製造業に応用すれば、AIデファインド マニュファクチュアリングが実現する」と亦賀氏。 インダストリAI、完全自動化の図 Gartner 中国企業は、この領域で既に大きく前進している。BYD や Xiaomi などは、AIを事業構造の中心に据えた “AIネイティブ企業” であり、本来の事業に加えて IT企業的な性質を併せ持つ。例えば、バッテリー企業として出発した BYD は、単なるEV製造にとどまらず、製造プロセスやサプライチェーン全体をデジタル前提で最適化している。また、Tesla はその先駆的存在として、モビリティを含むデジタル・インフラ企業へと進化しており、世界規模での学習と最適化を可能にしている。好むと好まざるとにかかわらず、こうした産業構造の変化を直視する必要がある。…

Facilitating energy management with a unified, scalable, and AI-powered operations platform

AI is rapidly becoming the backbone of modern business, just as energy has emerged as a key enabler of economic growth. In data centers and other critical infrastructure, the acceleration of compute-hungry AI workloads creates immense power demands — straining electrical grids and impacting availability. If supply or generation capacity fails to keep pace, this…