Connect with us

Unite.AI

Salomé Beyer Velez, Senior Reporter, Espacio Media Incubator Salomé Beyer Velez Senior Reporter, Espacio Media Incubator

サロメはメデリン生まれのジャーナリストで、Espacio Media Incubatorのシニアリポーターです。歴史と政治の背景を持ち、サロメの仕事は新興技術の社会的関連性を強調しています。彼女はAl Jazeera、Latin America Reports、The Sociableなどに取り上げられています。

最新記事

オピニオン 2026年8月13日

「もしAIが最初から存在していたら」：コードが安くなったからと言って、どの機能を実装するか決めるのが簡単になったわけではない

ソフトウェアの歴史のほとんどにおいて、開発のコストが高かった。チームはアイデアを実際のコードに変換するのに数ヶ月を費やし、その希少性がすべての作業の組織化を形作った。ロードマップは利用可能なエンジニアリングの能力に基づいてシーケンス化され、アーキテクトはシステムを理解してテーブルに座るようになった。プロダクトマネージャーは、開発者が実行できるものに変換するために、ビジネス要件を翻訳するために週を費やした。ソフトウェアの開発がボトルネックであり、当然、そこがレバレッジのある場所だった。しかし、それはもはや真実ではない。エンジニアリングのリーダーがそれを理解する時間よりも、変化は早く起こった。AIコーディングツールは実装のコストを削減した。従来、エンジニアチームが数週間かかった作業が、エージェントが数時間で完了する。当然の仮定は、より速い開発が直接、より速い価値の提供につながるというものだった。しかし、実際のところは、もっと複雑である。チームは、どのように扱うかわからないほど多くのソフトウェアを生成できるようになり、遅れていたものが静かに別の場所に移動した。「AIを破壊されたプロセスに適用することはできない」と、intiveのテクノロジー担当アメリカズ担当Pablo Gambaは述べた。「それは、労働者により速いシャベルを与えるのと同じだ。彼はより速く作業できるが、間違った方向に進むだけだ」。より速い実行、同じ古い制約テクノロジーの大きな変化 – インターネット、クラウド、オフショア開発 – すべてが同じパターンに従っている。高価だったものが、ほぼ一夜にして安くなり、企業がそのコストの前提で構築したすべてを破壊して再構築しなければならなかった。今回、安くなったのは、サービス企業やエンジニアリングチームが数十年間請求してきた適用技術知識そのものである。Gambaは主張する。実行のコストが安くなったからといって、制約が消えるわけではない。ただ、制約が見えにくい場所に移動するだけだ。たとえば、コーディングのボトルネックは、上流に移行して実装を速めたが、障害はコードレビューに移動した。コードレビューを自動化すると、テストとデプロイに障害が現れ、さらに自動化すると、最終的に人間がエージェントが作業するための仕様を書くところに障害が現れる。エージェントは、行動するために必要な情報を正確に記述されていないと、推測するしかない。多くのチームが今、気づかずにこの罠に陥っている。もしあなたが、従来よりもはるかに短い時間でほとんど何でも構築できるなら、間違ったものを構築するコストは低くならず、むしろ高くなる。なぜなら、間違ったことをより速く、そしてより多く出荷することになるからだ。従来、数週間かかったコーディングの間にゆっくり浮かび上がる仮定は、誰も疑問に思わないで、出荷されたコードの基盤となるインフラストラクチャになる前に現れる。優先順位付け、生産性ではなく、AI投資が実際に自分で支払うかどうかを決定する。Gambaは、企業が開発のスピードではなく、意図から生産までの全サイクルを追跡するべきだと考える。「もし開発のスピードを改善しても、QAがボトルネックになっているなら、ただQAに早く到達しただけだ。次にQAを修正すると、ボトルネックは要件に移動する」と彼は述べた。数字も彼を裏付ける。クラウドセキュリティアライアンスの調査によると、AI支援開発を使用するフォーチュン50企業は、同業他社よりも3倍から4倍もコミットを迅速に出荷している。しかし、新しいセキュリティの問題を約10倍の割合で導入している。明確な目的地がない場合、スピードはただの無駄遣いではなく、セキュリティチームが追いつくよりもリスクを速く増加させる。AIが活用できる言語で要件を記述するもし定義が実際の制約になっているなら、解決策はより多くのドキュメントを書くことではない。AIシステムが独自の推論なしに実行できる形式で書かれた、異なるドキュメントが必要だ。それは、人間が判断をもとに解釈するために書かれた要件ドキュメントを退役させ、エージェントが実行できる構造化された受け入れ基準、明示的なドメインモデル、契約テストに置き換えることを意味する。契約テストでは、機能が何をしないべきかを、機能が何をすべきかと同じくらい明確に記述する。エージェントは、ジュニアエンジニアと同じように、曖昧さを推測する。違いは、後者の推測が、ある程度の躊躇い、上司への警告、間違っているかもしれないという感覚とともにくることだ。エージェントの推測はそうは見えない。完全なコードとして現れ、間違っていても、そこに疑問の余地はない。エージェントが推論することなく生存できるほど正確な仕様を書くことは、製品のブリーフを書くことのように感じるのではなく、契約書を書くことのように感じる。チームは、仕様の書き方をドキュメントの作業として扱うと、教訓を学ぶ。曖昧な意図は、機械のスピードで曖昧なソフトウェアを生み出す。生産性の向上を実現しているチームは、仕様の書き方を独自のエンジニアリングの分野として扱っている。バージョン管理、レビューサイクル、テストの厳格さと同じレベルで、コード自体に従来予約されていたものだ。Gambaの言葉を借りて言うと、AIネイティブはプロセスを省略する許可ではなく、最初から再設計する要求だ。「多くの組織は古いプロセスにAIを適用しようとしている。だが、それは変革ではない。AIネイティブな組織は、別の質問から始める。もしAIが最初から存在していたら、どのように設計するか？」バックログマネージャー、意図のキュレーター製品、建築、エンジニアリングは、クリーンなハンドオフを伴う3つの別々の機能として実行されていた。製品は何を作るかを決定し、建築はどのように作るかを決定し、エンジニアリングはそれを出荷した。実装が安価で速くなると、それらのハンドオフが全体の最も遅い部分になる。ここで重要になるのは、全体像を把握し、エージェントが実行できるものに意図を翻訳し、間違った仮定が出荷されたコードになる前にそれを捕まえることができる人だ。その再設計は、誰が定義するか、そして仕事が何であるかを静かに形作っている。「ソフトウェアエンジニアの役割が何をしているか考えてみて。彼らはコードを書くだけでなく、エージェントの出力を監督し、仕様を定義し、テストを準備し、結果を検証している。つまり、以前は別々の3つの役割を1つにまとめたようなものだ」とGambaは述べた。つまり、価値があるのは、チケットを書く方法やスプリントを実行する方法を知っていることではなく、仕事が始まる前に「素晴らしい」とはどういうことかを知っていることだ。知恵があって、顧客が本当に必要としているものと、知的に興味深いものの違いを判断する能力が必要だ。明らかにそれが基準を満たさない場合、アイデアを迅速に却下する勇気が必要だ。これらは、製品マネージャー、建築家、テックリードがノートを比較検討していた判断呼び出しだった。増えているのは、仕事を定義することに最も近い人にそれらが着地することだ。そして、重要なのは、これはタイトルが消えることを意味しない。ただし、タイトルの間の線は、より難しく防御することが難しくなっている。しかしそのブラーの中で生き残っているのは、意図のキュレーターとして行動する人たちだ。ガードレールのない高速実行は勝利ではない意図が明確で、AIパイプラインが真正に活きている場合に、見落としやすいリスクがある。高速で、明確に定義された実行は、より遅く、より人間の介入が必要なプロセスでは捕捉されていた失敗を導入する可能性がある。数字は近くない。Veracodeの2026年春のテストによると、有力なモデルをテストした結果、明示的なセキュリティガイダンスが提供されていない場合、コード生成タスクの55%のみがセキュアな出力を生成し、2年間で機能的精度が大幅に改善されたにもかかわらず、ほとんど変化していない。シンタックスを正しくすることが難しい部分ではなくなったことは明らかだ。セキュリティ、コンプライアンス、どのシステムがどのデータに触れるべきかについて、人間のエンジニアが直感的にタイプしながら行っていた判断呼び出しは、置き換えられない。これは、機能要件と同じくらいの注意深さで、セキュリティの境界、データ処理のルール、倫理的制約を定義することを意味する。それらを暗黙のままにして、エージェントが正しく推論することを期待することは、製品要件を曖昧にして、構築がうまくいくことを願うのと同じ間違いだ。リーダーシップとはこれは、AI加速開発に反対するものではない。開発は、以前より速く、安くなった。瓶に戻すことはできない。しかし、どの機能を実装するかを正確に決定することは、仕様を十分に記述することは、また、どの線を越えるべきではないかを定義することは、簡単になったわけではない。企業レベルでは、先を行っているチームは、最も速いコードエージェントを持っているチームではない。明らかだ。競合他社よりも先に、定義が常により難しい問題になることを理解し、それに対処し始めたチームだ。
ソートリーダー 2026年7月10日

チャットGPT以前から存在する子供向けAI – 現在、子供の音声認識でGoogleを上回っている

子供向けの言語学習アプリ市場は混雑し、ますます厳しくなりつつあります。先週、非営利団体のCommon Sense Mediaは、Youth AI Safety Instituteを立ち上げました。これは、年間2000万ドルで支援される、子供向けAI製品のストレステストを実施する最初の独立した研究所です。この圧力は、AIがすでにデジタル言語学習製品の収益の33.5%を占めるようになったときに到来しています。同時に、子供向けセグメントだけが、2026年の2億3800万ドルから2035年までに5億1700万ドルに急増することが予測されています。明らかに、金銭的動きはAIの統合と並行して進行していますが、監督も同様です。研究によると、コロラド大学のAI研究所は、子供の音声認識の精度が大人のそれよりも低いことを明らかにしました。これは、ほとんどの商用システムが、大人のスピーカーからのクリーンなオーディオでトレーニングされているためです。2024年の論文は、子供の声が大人の声と異なることを強調しています。子供の声には、ピッチ、発音、語彙の急速な変化が含まれており、これにより、大人の音声でトレーニングされたモデルが失敗することになります。実践的には、これは6歳の英語学習者が、システムが誤って聞き取ったり、反応しなかったり、または全く別のことを反応したりすることを意味します。子供は学習に興味を失い、親はお金を失います。これは、イヴァン・クレフコフが2018年に取り組み始めた問題です。彼は、大規模言語モデルが一般的な話題になる4年前に取り組み始めました。馴染みのある出発点クレフコフのエデュテックへの参入は、個人的なものでした。2014年に彼の家族がシベリアからカリフォルニアに引っ越したとき、彼の娘ソフィアは4歳で、英語を学ぶために苦労していました。彼は利用可能なすべてのツールを試しましたが、すべてのツールに同じギャップを見つけました。「それらは読み取りを伴うことが多く、彼女はまだ読むことができなかった、それらは仕事のように感じられ、話し方の練習を提供していませんでした。子供たちにとって、話し方の練習は、新しい言語を学ぶ上で非常に重要です」とクレフコフはUnite AIに語りました。彼はその後、オンラインのライブチューターに切り替え、セッションを録音し始め、予想外のことが発見しました。「先生たちは実際にスクリーンから読んでいた」と彼は述べました。また、多くの先生は認定された教育者ではなく、各セッションの費用は15ドルから20ドルでした。AIの背景から、クレフコフは状況を明確に理解しました。「80%の仕事は、仮想的な会話AIキャラクターと音声認識で行うことができるということです。これにより、市場は劇的に民主化されます。なぜなら、非常に高価だったからです」と彼は述べました。「1回のチューター費用で1ヶ月の学習を提供するというアイデアでした」と彼は付け加えました。そのアイデアがBuddy.aiになりました。9歳未満の全米の子供のうち約32%にあたる1080万人の幼い子供たちが、少なくとも1人の親が家で英語以外の言語を話しているため、双語学習者（DLLs）です。移民政策研究所によると、2000年以降、この人口は24%増加し、現在、24の州とワシントンD.C.の20%以上の幼い子供たちがDLLsです。これらの家庭は、おそらく、Buddy.aiのようなプラットフォームが提供するものを探す可能性が最も高く、しかし、高品質の幼児プログラムに一貫してアクセスできない可能性も最も高いでしょう。実際に、43%が低所得世帯に住んでおり、非DLLの子供たちの33%に比べて高い割合です。商業的な論理では、技術が実際に機能するかどうかが難しい質問です。Buddy.aiのアプローチは、競合他社とは明確に異なります。子供向けに特別に設計されたものクレフコフが子供向けに設計されたものと、子供向けに改造されたものとの間で引く区別は、建築的なものであり、コスメティックなものではありません。「子供向けのAIを一から構築するということは、子供の声、行動、規制、注意力のスパンをすべてのレイヤーで制限し、再構築することを意味します。大人向けのチャットボットを『子供用』に改造するのではなく」と彼は述べました。根本的な問題は音響的なものです。「大人向けのLLMスタックは、大人のテキストと音声、つまり長い文法的な文、安定した発音、静かな環境を前提としています。6歳の子供は、断片的な発言、発音の間違い、叫び声、強いアクセント、背景ノイズを与えます」と彼は述べました。Buddyの音声認識システムは、年齢、方言、騒々しい家庭環境を問わず、数万時間に及ぶ子供の声でトレーニングされています。同社は、現在、子供の声での音声認識でGoogleの汎用的な音声認識を上回っていると主張しています。これは、初見では思われるよりも信頼性が高い主張です。ターゲット人口に特化してトレーニングすることは、成人データでトレーニングするよりも一貫して上回るからです。会話レイヤーも同様に特別に設計されています。各セッションは、Buddy.aiの創設者クレフコフが「統制レイヤー」と呼ぶ、カリキュラムに基づいたシステムの中で実行されます。このシステムには、セッションプラン、定義されたトピック、目標追跡が含まれます。言語モデルは、この構造の中で動作し、製品そのものではありません。子供が話題から外れた場合、システムは子供を誘導します。一般的なLLMが生み出す可能性のあるオープンエンドのドリフトはありません。「セッションプラン、許可されたトピック、目標追跡、会話を必要に応じてステア、リダイレクト、または終了するコードがあります。6歳の子供が、オープンエンドのインターネットチャットに陥ることはありません」と彼は述べました。プライバシーも、建築上の制約としてだけでなく、競争上の優位性としても扱われます。しかし、COPPA（Children’s Online Privacy Protection Act）により、親の同意なしに子供の音声データを収集することは禁止されています。したがって、大規模な公開子供音声データセットは、数百時間にしかなりません。Buddy.aiは、年齢、方言、家庭環境を問わず、数万時間に及ぶ子供の音声データを蓄積しています。大人のLLMを子供向けに改造するのではなく、ゼロから構築することを選択しましたが、これが現在、短絡であることが明らかになりました。クレフコフによると、Buddy.aiでは、すべての干渉がプラットフォーム独自のインフラストラクチャ上で実行され、子供の音声はリアルタイムで処理され、親が気づく前に破棄され、会話は商用AI API経由でルーティングされません。「私たちは、収集するもの、収集理由、そしてそれを削除する方法について、親たちに非常に明確です。透明性は技術そのものと同等に重要です」とクレフコフは強調しました。最近の主要なアップデートであるChitChatを米国市場で立ち上げてから、同社は、米国での学生が同じ期間で7.7倍多くの演習を完了したと報告しています。世界的に見ると、1ヶ月あたりの平均演習数は、前年比で3.5倍に増加しています。クレフコフは、これらの数字が証明するものについては慎重です。「学生の学習を数量的に測定できる研究を設計することは、私たちが近い将来に希望することです」と彼は述べました。ただし、現在の証拠は、ユーザーのフィードバック、製品のエンゲージメントデータ、業界の賞賛に依存しています。誰も計画していなかったユースケースBuddy.aiの物語の中で、最も印象的な瞬間は、招待されなかったものです。ターゲットマーケティングなしに、自閉症や言語遅滞を持つ子供たちの親たちが、プラットフォームの最も関与度の高いユーザーとして調査データに現れ始めました。「私たちは最初はかなり驚きました。Buddyが世界中の学生に安価にサービスを提供できる他の方法があることを強調しました」とクレフコフは思い出しました。創設者にとって、それは単なる興味深い異常ではありませんでした。製品が設計されていないギャップを指し示していたのです。同社は、応答するために、適用された行動分析（ABA）コースを構築しました。ギャップは広く、よく文書化されています。2025年の市場報告書によると、アメリカでの自閉症の発生率は、2000年の1万5千分の1から、1万3千分の1に上昇しています。認定されたセラピストの不足が続いている中で、自閉症治療センターの年間費用は25万ドルに達する可能性があります。国立衛生研究所（NIH）の研究によると、家族がABAを受けられない理由は、実際にはかなり実用的です。最も一般的な理由として、待ち時間の長さ（34％）、地域にABA提供者がいないこと（10％）、および保険が治療をカバーしていないこと（10％）が挙げられました。調査データはまた、アメリカの郡の半分以上に、認定された行動分析家がいないことも示しています。AIキャラクターが臨床レベルでの有意な介入を構成するかどうかは、未解決の疑問です。しかし、待ち時間が長い子供たちにとって、安価で、オンデマンドの練習ツールとしての価値は、より簡単に擁護できます。「これはまだ進行中ですが、取り組みが進んでいることを誇りに思います」とクレフコフは述べました。より大きな疑問より広いエデュテック市場は、隣接する主張をする会社でいっぱいです。目的をもって設計されたAI、堅牢なアーキテクチャ、実際の学習を誘発する製品。実際、教育におけるAIの世界市場は、2030年までに3227億ドルに達すると推定されています。すべての主要プレーヤーには子供向けの戦略があります。Buddy.aiの立場を区別するものは、主張そのものではなく、タイムラインです。クレフコフは、現在の投資ブームが到来する前、LLMが魅力的な音声チューターを午後に構築できるようになる前から、子供向けの音声認識に取り組み始めました。技術的なインフラストラクチャー – 子供の声でトレーニングされた音響モデル、カリキュラムに基づいたアーキテクチャー、独自のアバターシステム – は、特定の問題に対するほぼ10年のイテレーションを反映しています。急いで市場に参入するのではなく、投資の波に乗るのでもありません。「2年以内に、Buddyは、英語学習者が最初の英語の単語から流暢さまで進歩するために必要な練習を提供できるようになります。私たちは急いでいません。なぜなら、安全性とプライバシーを優先しているからです」とクレフコフは説明しました。そして、すべての根底にあるのは、ほとんどのAI製品の考え方に反するデザイン哲学です。「6歳の子供たちはAIのために戻ってきません。彼らは、キャラクターと、自分が一部であると感じる世界のために戻ってきます」と彼は述べました。「それを再現することは、フレンドリーな名前を持つチャットボットを作るよりも、はるかに難しいことです。現在、Buddy.aiの最も防御可能なエッジです」と彼は付け加えました。
ソートリーダー 2026年6月24日

グローバル・キャパビリティ・センターは戦略的だったはず —— AIがギャップを高価にした

グローバル・キャパビリティ・センター（GCC）市場は、もうニッチなアウトソーシング戦略ではなく、主流の運用モデルとなりました。2025年の市場規模は600億ドルを超え、2030年までに900億ドルに達すると予想されています。これは、バックオフィスサポート業務ではなく、AIプログラム、製品開発、テクノロジーロードマップによって推進されています。実際、昨年は、300以上の新しいオフショアとニアショアのGCCが世界中で開設された2年連続となりました。しかし、ほとんどの会社は、GCCを構築する際に、同じ目的地にデフォルトします。インドは明らかな選択です。深い人材供給、政府のインフラストラクチャ、そして長い実績があります。2024年度の終わりには、インドには1,700以上のGCCがあり、64.6億ドルの輸出収入を記録し、約190万人の専門家を雇用していました。T-Mobileの最近の動きは、このパターンを明確に示しています。米国での雇用削減の一方で、同社は、250,000平方フィートのGCCをインドの中央部にある「真珠の都市」ハイデラバードに開設し、2027年までに1,000人を雇用する予定です。ソフトウェアエンジニアリング、DevOps、データ分析、サイバーセキュリティを担当します。コスト優先で構築する問題GCCモデルは、デフォルトのプレイブックよりも速く変化しています。効率性メトリクスを中心に構築されたセンターは、同じ障害に苦労することが多いです。人材の留保は難しく、イノベーションはまれで、提供される価値は限定的です。実際に機能するセンターは、異なる指令で構築されています。実際の責任を負うチーム、ビジネスに近い場所で運営するチーム、指示を待つのではなく、決定を下すことができるチームです。目的のこの変化は、センターを構築する場所を変えます。低コストのデリバリーアームは、遠隔地に配置できますが、コアビジネスの真の拡張として機能するチームは、異なるものが必要です。時間の重複、文化的近さ、低い統合摩擦です。それがないと、運用スケーラビリティは、開始する前に停滞します。調整オーバーヘッドは、ヘッドカウントよりも速く増加するからです。その壁に当たるまでは、ラテンアメリカのような他の地域は却下されにくくなります。しかし、機会を認識した会社は同じ構造的な壁に当たります。「従来のGCCを適切に設定するには、数ヶ月かかる場合もあり、1年以上かかることもあります」と、ラテンアメリカを拠点とするワークフォース・アズ・ア・サービス（WaaS）プロバイダーのRemotiのマネージングディレクター兼共同創設者であるJuan Felipe Velascoさんは述べました。「WaaSモデルは、そのタイムラインを圧縮します。インフラストラクチャはすでに整備されており、プロセスはテスト済みであり、会社はゼロから始める必要がありません」と彼は付け加えました。ラテンアメリカの分散チームが実際に何をもたらすか最大のテクノロジー企業はすでにこの地域に進出しています。Googleは、サンパウロ大学と提携して、ブラジルにAI研究センターを開設しました。Microsoftは、2020年にこの地域に10億ドルを投資し、メキシコにエンジニアリングハブを構築しました。AWSは、2028年までに50万人以上のテクノロジー専門家を育成することを目的としたコロンビア政府とのプログラムに参加しました。これらは、分析を実施した巨大企業からの意図的なタレントハブ運用を反映したものです。アクセントゥアは、世界の高度なスキルを持つ労働者の60%がアジア太平洋、アフリカ、ラテンアメリカに存在すると述べています。これは、4年以内に67%に達すると予測されています。タレントの分布はすでに世界規模であり、GCCマップはまだ追いついています。「多くの会社にとって、インドはGCCのデフォルト市場でした。スケール、成熟度、長いテクノロジーデリバリの実績がありました。しかし、インドだけを見ていると、ラテンアメリカが提供する戦略的価値を見逃すことが多いです」とベラスコさんは強調しました。彼が説明する価値は、主にコストに関するものではありません。「ラテンアメリカは、米国との時間帯の重複、ミッドからシニアのテクニカルタレント、文化的近さ、バイリンガルのコミュニケーション、強いビジネス背景、そして米国のチームとの迅速な統合を提供します。これは、他の場所で再現することが難しい組み合わせです。」リアルタイムでブロッカーを特定するチームは、翌朝にブロッカーを特定するチームと異なります。差は月や年で累積されます。この地域では、留保と継続性も強い傾向があります。これは、GCC計画の会話では、問題になるまであまり話題に上がりません。埋め込まれたタレントインフラストラクチャの実際のボトルネックラテンアメリカのケースに賛同する会社でも、同じ壁に当たります。従来の方法でワークフォースインフラストラクチャを構築するのは遅いです。「会社は、エンティティ設定、法務、給与、コンプライアンス、採用、オンボーディング、機器、福利厚生、HRオペレーション、留保、管理レイヤーを解決する必要があります。チームが完全に生産的になる前に」とベラスコさんは説明しました。現在の環境では、その遅延は直接的なコストを伴います。市場への迅速な参入は、AIの展開タイムラインが縮小している場合に、競争上の重要な要素となります。海外でAIエンジニアリングチームを立ち上げる必要がある会社が1年待つ場合、それは、数週間で立ち上げられる会社とは異なるゲームです。WaaSモデルは、特定の問題に対処するように設計されています。新しい市場でGCCインフラストラクチャをゼロから構築する代わりに、提供者は、埋め込まれたタレントインフラストラクチャを事前に構築された運用レイヤーとして提供します。タレント、法的設定、コンプライアンス、給与運用、機器、HRは、最初の採用が行われる前にすでに整備されています。ベラスコさんは、具体的なマイルストーンで違いを説明しました。「数日で最初の資格者、最初の採用者をオンボーディングするために地元のエンティティを開設する必要なし。給与、契約、福利厚生、コンプライアンスは最初の日から処理される。機器、ツール、運用サポートはモデルに含まれる。構造を再構築することなく、1人からフルチームにスケールアップする能力。」彼はそれを「スピードとコントロール」と呼びました。完全なGCC運用の実質、ただし、開始するための前提条件として1年間の構築は必要ありません。AIがインフラストラクチャ問題を明らかにする考える価値がある質問があります。AIツールが技術的な作業と運用の重要な部分を自動化している場合、これらのセンターはまだ大規模な意味を持ちますか？GCCは、AI、データサイエンス、自動化を中心に実行されていることが増えています。Ness Digital EngineeringのSVP兼グローバルインダストリーヘッドであるNova Bhojwaniによると。しかし、そのAI能力は、ワークフォースインフラストラクチャの中にあり、それを置き換えるのではありません。「GCCを、親会社組織のためのアイデアをピッチし、プロトタイプ化し、商業化する内部スタートアップとして機能させることができます。企業の本部の拡張ではなく、GCCは、グローバル戦略、製品イノベーション、意思決定の神経センターとなる可能性があります」とBhojwaniはブログ投稿で書いています。コンプライアンスと給与運用はまだ実行されています。法的要件は、管轄区域を越えてまだ適用されます。留保と継続性は、意図的に管理されると、時間の経過とともに累積または劣化します。ラテンアメリカやその他の地域にある分散チームは、ツールだけでまとまりません。「AIに関する一般的な誤解があります。会社は、ツールだけで完全な運用モデルを置き換えることができるというものです。成熟した会社は、これは十分ではないことを理解しています。GCCはインフラストラクチャモデルです。AIはチームをより生産的にすることができますが、会社が大規模に運用するために必要な360度のインフラストラクチャを置き換えるものではありません」とベラスコさんは述べました。したがって、有用なフレームは、GCCとAIのどちらかではなく、AIを活用した分散チームが、まだ下に実際の運用スケーラビリティが必要であるということです。ラテンアメリカで迅速に構築する会社にとって、WaaSは、従来のランウェイなしで埋め込まれたタレントインフラストラクチャを立ち上げる方法です。インドはまだ多くの会社にとって意味のある選択肢となるでしょう。しかし、近さ、統合、スケールとともに迅速な市場参入が必要な会社にとっては、GCCの地図には、ほとんどのGCC会話で認識されているよりも多くの選択肢があります。
ソートリーダー 2026年5月6日

医療コミュニケーションのボトルネック：なぜAIが製薬のコミュニケーション問題をターゲットにしているのか

医療コミュニケーションは常にプレッシャーのかかる状況で運営されてきた：バイオファーマ会社は大量の臨床データを生成し、それを同時に複数のオーディエンスに届ける必要がある。そのオーディエンスには、専門医、コミュニティドクター、医療科学ライアソン、ペイアー、ケア提供者、患者などが含まれる。各オーディエンスには、異なるフレーミング、言語、技術的な深さが必要である。ただし、数十年間、医療コミュニケーションのギャップを埋める責任がある人々、つまり医療担当機関の熟練した科学コミュニケーターは、驚くほど多くの時間を思考ではなく、書式設定に費やしてきた。会議テンプレートから別のテンプレートへのスライドコンテンツの移動、異なるオーディエンスのためのデッキの再構築、そしてそれらを手動で行うことは、多くの場合、タイムリーな締め切りに対して行われていた。「私たちはクライアントのために多くの成果物を作成しましたが、多くの時間をプレゼンテーションの作成とテンプレート間の転送に費やしました」と、22年間医療コミュニケーションに従事したフランシン・キャリック博士は述べた。「私たちは、その科学を私たちに翻訳する解決策を夢見ていました」と彼女は追加した。キャリックは最近、AIプレゼンテーションプラットフォームのPrezentのPrezent Vivoの社長に就任した。Prezent Vivoは、ライフサイエンスコミュニケーションエコシステムを強化するために、目的のAIと専門家を融合させたものである。彼女が説明する問題は、ニッチなものではない。医療業界で既に明らかになっている2つのプレッシャーの交差点に位置している。一方では、約8割の医療専門家がCOVID-19以前よりも多くの情報を受け取っており、77％がデジタルコミュニケーションの量がすでに多すぎると述べている。他方では、製薬会社はHCPが必要とするパーソナライズされた関連コンテンツを提供するのに苦労している。主にレガシーシステムが大規模なパーソナライゼーションをサポートするための柔軟性が欠けているためである。コンテンツパイプラインは両端で圧倒されている。多すぎるコンテンツが生成されており、効果的に届けられるコンテンツは少なすぎる。モジュラーコンテンツの問題業界がこの問題に対して提案している解決策は、長い間「モジュラーコンテンツ」であった。つまり、科学情報を再利用可能なコンポーネントに分割し、異なるオーディエンスのために異なる方法で組み立てるというものである。理論的には優雅な解決策ではあるが、実践的には、大規模言語モデルが現在、論文の準備、リアルワールドエビデンスデータセットの要約、医療専門家の教育用モジュールの開発に使用されている。以前は概念実証のみであったツールが、実用化されるまでに至った。キャリックは、根本的な課題を簡単な言葉で説明している。「専門医、コミュニティドクター、ケア提供者、患者に対してプレゼンテーションする方法は非常に異なる」と彼女は強調した。「従来のモデルでは、その情報をカスタマイズすることは非常に時間がかかり、労力が必要だった」と彼女は述べた。つまり、ボトルネックはコミュニケーターの専門知識ではなく、スループットであった。データがチームが手動でリパッケージするよりも速く到着していた。2024年の広範なAI実験の後、企業はAI投資に対する実際のリターンを示すプレッシャーに直面し、垂直AIソリューションの採用が進んでいる。垂直AIソリューションは、特定のワークフローに特化したものである。これは、PrezentがAstrid AIエージェントで主張しているものと同じである。つまり、ライフサイエンスに特化したシステムは、コンプライアンス要件、規制制約、科学用語に特化したものであるため、汎用ツールよりも優れているというものである。スペシャリティの質問ライフサイエンスコンテキストが実際に目的のAIを必要とするか、または競争市場のためのマーケティングフレーミングであるかは、妥当な質問である。明らかなのは、FDAがこの問題に密接に注目していることである。2025年の薬物および生物製品の規制決定を支援するためのAIの使用に関するガイドラインの公開後、FDAは500を超えるAIコンポーネントを含む提出を受け取った。規制上のスクラッチニーレベルは、コンプライアンスネイティブAIツールの必要性を示唆している。規制環境では、間違えるリスクは、たとえばマーケティングデッキでは異なる。より広いヘルスケアAI市場は、成長する自信を反映している。ヘルスケアAI市場は2024年の266億ドルから2030年までに1877億ドルに成長する予想である。業界はすでに、より広い経済よりも2倍以上の速度でAIを展開している。その中で、製薬およびバイオテック企業は、イノベーションと薬剤開発に最も焦点を当てている。54％がイノベーションと薬剤開発を優先している。商業運用、コミュニケーションを含むものも、増加している。ヒューマンエキスパートの質問プロフェッショナルサービスにおけるAIツールの到来は、常に同じ議論を生み出す。つまり、現在この仕事をしている人々に何が起こるのか、ということである。医療コミュニケーションの場合、仕事は真正な科学的流暢さを必要とするため、答えは単純な置き換えではない。キャリックの見方は、医療コミュニケーションのヒューマンエキスパートの拘束力は、知識ではなく、バンド幅であるというものである。「それが、ヒューマンエキスパートのバンド幅を可能にし、加速させる」と彼女はAIについて述べた。「それが、ヒューマンエキスパートのインサイト、ヒューマンナレッジをより多くのオーディエンスに、よりタイムリーな方法で共有することを可能にする」。この見解は、AIが熟練した知識労働への影響について、より繊細な絵が浮かび上がっていることと一致している。医師の調査によると、AIは仕事を変えるが、役割を排除することはないと考えられている。医療コミュニケーションとの類似性は完全ではないが、構造的な類似性がある。AIが現在できることは、ルーチンワークを加速することである。AIができないことは、科学的判断、オーディエンスの直感、戦略的思考を置き換えることである。EPGヘルススタディによると、約60％の製薬回答者がHCPインサイトを戦略的エンゲージメントのトップ優先事項として特定し、医療科学ライアソンがSalesforceを超えてHCPに情報を送信するための最も重要なチャネルになった。これは、製薬会社がより関係性のあるコミュニケーション、放送スタイルのコミュニケーションではなく、より人間の判断が必要なコミュニケーションに移行していることを示唆している。AIがプロダクションレイヤーを処理する間にも、人間の判断が必要である。シフトが実際に必要とするもの難しい質問は、AIが医療コミュニケーションで役割を果たすかどうかではなく、医療コミュニケーションの複雑さに適合したツールが構築されているかどうかである。キャリックは、Prezentが「フィンガープリント」と呼ぶものについて言及した。つまり、オーディエンス固有のコミュニケーション設定をエンコードして適用できるものである。概念は、より根本的な課題を反映している。つまり、医療コミュニケーションの目標である「正しいコンテンツ、正しいタイミング、正しいチャネル、正しいオーディエンス」は、常に理想的なものであったが、運用的なものではなかった。それを達成するには、優れた科学的文章だけではなく、異なるオーディエンスが異なる種類の情報をどのように処理するかについての体系的な知識が必要である。AIがその知識を信頼性高くエンコードできるか、また医療コミュニケーションが他のコンテンツ業界と異なる科学的精度と規制コンプライアンスを維持したままエンコードできるかは、未解決の質問である。それでも、旧来のモデルが、現代のバイオファーマが要求するペースで持続可能ではなかったことは疑いようがない。問題は、実践者にとって数年間見えていたが、解決するためのツールが今ようやく実用化されつつある。AIのおかげである。
ソートリーダー 2026年4月20日

AIのパワーハンガーが危機になる中、NTTリサーチは光に賭ける

NTTリサーチのPhysics & Informatics Labのリーダーシップ交代が4月15日、2026年に発表されました。これは、光子コンピューティングの必要性が今までで最も切実なときです。NTTリサーチ – 日本の電気通信大手NTTのシリコンバレーを拠点とする研究部門 – は、5月1日から、Dr. Tetsuomi Sogawaが新しいPhysics & Informatics (PHI) Labのディレクターになることを発表しました。彼は、退職するDr. Yoshihisa Yamamotoに代わって、ディレクターの座を引き継ぎます。Yamamoto氏は、サニーベール、カリフォルニアを拠点とするラボを世界で最も信頼性の高い光子コンピューティング研究センターの1つに築き上げた功績で知られています。この発表は、4月15日から16日にかけてシリコンバレーで開催されるNTTの年次研究およびイノベーションサミット「Upgrade 2026」で行われました。「PHI Labの研究は、基本的に同じ方向性で進むでしょう。Dr. Sogawaの強力な研究管理バックグラウンドにより、PHI Labの研究が新しいリーダーシップの下で加速されることを期待しています」と、NTTリサーチの社長兼CEOであるKazu Gomi氏は、Upgrade 2026の記者会見で述べました。この人事異動は、AI業界が深刻なエネルギー危機に直面している時期に発生しています。国際エネルギー機関は、2026年末までに世界のデータセンターの電力消費量が1,000 TWhを超えることを予測しています。これは、日本の年間電力使用量に相当します。「PHI Labの焦点は、物理学を使用して、誰もが認識しているデジタル計算プラットフォームを新しい物理学ベースの計算プラットフォームに置き換えることです。最も簡単に想像できるのは、光物理学ベースの量子コンピューターです」と、Gomi氏は述べました。米国のデータセンター aloneは、2024年に183テラワット時相当の電力を消費しました。これは、国の総電力消費量の4％以上に相当し、パキスタン全国の年間電力需要に相当します。この数字は、2030年までに133％増加する予測されています。この危機の中で、Sogawa氏が登場します。彼は、NTTのコア研究部門で30年以上働き、NTTが信頼する光技術の開発に携わってきました。創設期の終わりYamamoto氏は、特別な人物です。1970年代後半と1980年代初頭に、光学的通信と光増幅器リピーターの研究を先導し、後にCoherent Ising...
AIモデルとプラットフォーム 2026年1月14日

メンタルヘルスAIツールが偶然に発見した正確なディープフェイク検出

テクノロジー大手Open AIが2025年9月に旗艦のSora 2ビデオとオーディオ生成モデルを発売したとき、ディープフェイク動画がソーシャルメディアプラットフォームを氾濫し、視聴者は潜在的に危険な超現実的なコンテンツにますます慣れ親しんできた。Open AIは、Sora 2の責任ある発売を最優先事項とみなし、主張したように、ユーザーに「自分が見るコンテンツを制御するためのツールと選択肢」を与え、自分自身の似姿をエンドツーエンドで制御できるようにしたが、2025年10月の調査では、このモデルは80%の時間に偽の主張動画を生成したことが発覚した。モルドバの選挙担当官が投票用紙を破棄するニュースリポートを模倣した動画から、移民官が幼児を拘束する場面やコカ・コーラのスポークスパーソンがスーパーボウルのスポンサーになることを発表する場面まで、誤情報を生み出すための賭けは、相互接続された世界ではさらに高まっている。ソラを超えて：フィッシングOpen AIのツールが発売される前から、ディープフェイクファイルの作成とオンラインでの拡散は増加していた。サイバーセキュリティ企業DeepStrikeの2025年9月の報告によると、ディープフェイクコンテンツは2023年の50万件から2025年の800万件に急増し、その多くは詐欺目的で使用された。この傾向は止まる兆しを見せていない。米国でのAI詐欺は2027年までに400億ドルに達することが予測されており、2025年上半期だけで、企業は3億5600万ドル、個人は5億4100万ドルの損失を出した。Sora 2やGoogleのVeo 3のようなツールにより、AI生成された顔、声、フルボディパフォーマンスのコンテンツは今までで最もリアルなものとなっている。コンピュータサイエンティストでディープフェイク研究者のSiwei Lyuは、現在のモデルは歪みや歪曲なしに安定した顔を生成でき、声のクローニングは区別できないしきい値を超えたと示唆した。ディープフェイクは検出を上回っている。テクノロジー企業が「楽しいツール」として販売するものは、オリンピックの体操競技ルーチンから洗練されたバックグラウンドサウンドスケープまで、すべてを生成するために使用されており、同時に犯罪者もビジネスや個人を標的にするために使用している。2025年上半期だけで、ディープフェイク事件は企業に3億5600万ドル、個人に5億4100万ドルの損失をもたらした。従来のディープフェイク検出方法、つまりウォーターマークの特定、エアブラシで加工された顔やメタデータのチェックなどは、効果を失っている。声のディープフェイクは、AIを使用した詐欺の2番目に多い形態であり、声によるフィッシング（2025年には442%増加した）が増加しているため、影響はすでに現れている。「数秒のオーディオだけで、自然なイントネーション、リズム、強調、感情、パウゼ、呼吸ノイズを伴う説得力のあるクローンを生成できる」とLyuは書いた。人間を聞く科学Kintsugiは、臨床的うつ病と不安を検出するためのAIボイスバイオマーカーテクノロジーを開発しているヘルスケアスタートアップである。彼らの仕事は、人間を聞くという単純な前提から始まった。「私はKintsugiを創設したのは、自分自身で経験した問題があったからです。私は5ヶ月近くかけて、セラピストの初回予約を試みるために電話をかけ続けましたが、誰も電話に応じてくれませんでした。私は何度も試みましたが、もしも私の父や兄が同じ状況にあったら、もっと早く諦めていたに違いないと思いました」と、CEOのGrace ChangはUnite.AIとの対話で述べた。カリフォルニア州を拠点とするこの会社は、2019年に「トライアージュボトルネック」としてChangが説明した問題を解決するために設立された。創設者は、重症度を早期に、受動的に検出できることで、適切なケアレベルに人々をより迅速に導くことができると信じていた。Kintsugi Voiceを通じて、ボイスバイオマーカーは臨床的うつ病と不安を特定する。AI駆動のスピーチおよび声分析を精神保健状態のバイオマーカーとして使用することの成功を示す研究は数多く存在する。2025年5月の論文では、発見されたように、音響バイオマーカーは早期の精神保健と神経発達の兆候を検出でき、臨床現場での歌唱分析の統合を主張し、認知機能の低下を評価するために患者への潜在的な認知低下を評価することを主張した。声の尺度は、実際には、うつ病がある人とない人の区別において78%から96%の精度で認識できることがわかっている。アメリカ精神医学協会によると。別の研究では、1分間の言語フローセンステストで、個人に可能な限り多くの単語を特定のカテゴリで言ってもらうと、70%から83%の精度で、対象者がうつ病と不安を両方持っているかどうかを検出できた。Kintsugiは、ユーザーに短いスピーチクリップを要求し、その後、声のバイオマーカーテクノロジーでピッチ、イントネーション、トーン、ポーズなどを分析する。うつ病、不安症、双極性障害、認知症などの状態に関連するマーカーである。しかし、Changは、当初、テクノロジーが解決したセキュリティ業界の最も重要な課題の1つである、人間の声が人間であることを特定する方法を発見したことを認識していなかった。メンタルヘルスケアからサイバーセキュリティへ2025年末のニューヨークでのサミットで、Changはサイバーセキュリティ分野の友人に、合成音声の実験が失敗に終わったことを伝えた。「私たちは、精神保健モデルをトレーニングするために合成データを使用しようとしていましたが、生成された音声は本物の人間のスピーチと比べて大きく異なっていたので、ほとんどの場合、100%の確率でそれらを区別できました」と彼女は述べた。「彼は私を止めて、『グレース、セキュリティではこれは解決されていない問題です』と言った。そこで全てが理解できた。以来、セキュリティ、金融サービス、テレコム企業との会話で、ディープフェイク音声攻撃がどれほど急速に増加しているか、また、実時間の電話での人間の声と合成音声を区別する必要性がどれほど高いかが確認された」と、CEOは付け加えた。2025年4月、FBIは、米国上級官僚を装った悪意のあるテキストおよび音声メッセージキャンペーンについて警告した。米国では、大手国立銀行が平均5.5回/日の音声操作詐欺の標的となり、バンダービルト大学医療センターの病院スタッフは、友人、上司、同僚を装うなりすましによるフィッシング攻撃に遭遇した。Kintsugiのチームは、ディープフェイク詐欺に焦点を当てていなかったが、Cartesia、Sesame、ElevenLabsなどのオフザシェルフモデルを使用して、管理的なコールセンター代理人やアウトバウンドワークフロー用の合成音声で実験を行っていた。人間の声の真贋を示す人間レベルの信号は、人間が人間であることを示すのと同じバイオマーカーである。言語や意味に関係なく、Kintsugi Voiceは信号処理と音声の物理的遅延で動作し、微妙なタイミング、プロソディ的変異、認知負荷、生理的マーカーを捉える。これらは、話し手の生理的および認知的特性を反映するものである。「合成音声は流暢に聞こえるかもしれないが、同じ生物学的および認知的アーティファクトを持っていない」とChangは述べた。同社のモデルは、検出精度のトップ10パーセンタイルのパフォーマーであり、わずか3〜5秒のオーディオで動作する。Kintsugiは、特に専門家による治療を受けるのに時間とリソースがかかる地域でのメンタルヘルスに苦しむ人々にとって革命的となる可能性がある。同様に、そのテクノロジーはディープフェイク検出とサイバーセキュリティ全般に革命をもたらす。ディープフェイクの認識ではなく、真正性の検出である。人間中心のテクノロジーの未来サイバーセキュリティは、長い間、技術の悪用や加害者そのものに焦点を当ててきた。しかし、Kintsugiの偶発的な発見は、人間性そのものに賭けている。「私たちは、完全に異なる表面で動作しています。人間の真正性そのものに焦点を当てています。LLMはLLM生成コンテンツを信頼性高く検出できないし、成果物ベースの方法は脆い。実際の人間の変異性をエンコードした、大規模な臨床的にラベル付けされたデータセットを取得することは、高価で遅く、ほとんどのセキュリティ企業の専門外なので、このアプローチは複製が難しい」とChangは指摘した。スタートアップのアプローチは、より広範な変化も示唆している。ヘルスケアのトレンドセッターは、AIを活用したフィッシング検出の先頭に立つかもしれない。同様に、宇宙テクノロジーのイノベーターは、新しい緊急対応メカニズムをサポートする可能性がある。ゲームアーキテクチャと都市計画も同様である。Changは、最終的には、声のやり取りを通じて、真正な人間と真正な意図を検証するための標準になることを計画している。「HTTPSがウェブの信頼性のレイヤーになったのと同様に、人間の証明が声ベースのシステムの基盤となるレイヤーになることを私たちは信じている。Signalはそのインフラストラクチャーの始まりだ」と彼女は述べた。ジェネレーティブAIが進化を続ける中、最も効果的な安全対策は、人間が人間であることを理解することから来るかもしれない。
規制 2025年9月29日

米国テクノロジー企業の多くがAI規制を望むが、誰が主導するべきか

1990年代にはインターネットの商業化、2000年代にはスマートフォン、2010年代にはソーシャルメディアの隆盛がありました。2020年代はAIの時代です。以前の技術革新と同様に、AIも規制や法律が追いつくよりも速く拡大しているようです。1993年、モザイクブラウザの発売によりドットコムバブルが爆発し、1996年には米国議会がテレコミュニケーション法を制定しました。これは、インターネットを明示的に扱う最初の連邦法でした。同様に、2007年にアップルはアイフォーンを発表しましたが、立法府は2010年に21世紀の通信と映像アクセシビリティ法を通過させ、スマートフォンにアクセシビリティ機能を含めることを要求しました。そして、「ソーシャルメディアの10年」と呼ばれる2010年代には、Facebook 、WhatsApp、YouTube、Instagramなどのプラットフォームが設立され、拡大しました。しかし、後半になるまで、FOSTA-SESTA法が承認され、プラットフォームがわざと人身売買を容易にした場合、責任を負うことになりました。AIも同じ道を辿るのでしょうか。AIは、2022年のOpenAIのChatGPTのリリースにより、主流になりました。しかし、AIを規制するための連邦法はまだありません。米国は、規制を緩和する姿勢を見せています。米国におけるAI：両党間の問題前大統領ジョー・バイデンの「安全で、セキュアで、信頼できる」法は、2023年に連邦機関にAIの安全性、市民の権利、公平性、透明性について措置を講じるよう求めました。「AIを良い方法で活用し、多くの利点を実現するには、重大なリスクを軽減する必要があります」と法では述べられています。2025年1月、現大統領ドナルド・トランプは、「アメリカのAIリーダーシップの障壁を除去する」法に署名し、既存のAI政策と指令を撤回しました。これは、「アメリカのAIイノベーションの障壁となる」もので、アメリカがAIで世界的にリーダーシップを取り戻す道を開くものでした。現在の政権は、規制緩和によりAIイノベーションを加速させたいと考えています。潜在的なリスクに対処するために、研究開発への投資を行う予定です。ただし、政府がこれらの懸念に対処する必要があるかどうかは、まだ疑問です。現在、AIのリスクについて、倫理、混乱、信頼という点で、ほぼ普遍的な不安があります。2024年のAIから生じる多利害関係者の懸念に関する研究では、最も懸念されるものとして、偏り、誤用、予期せぬ機械の動作、不平等、社会的不安、サプライチェーンの変化などが挙げられました。米国のテクノロジー企業の幹部の多くは同意していますが、矛盾を指摘しています。2025年9月のSolvdの報告書では、97%のCIOとCTOがAIの非倫理的な使用についてある程度心配していることがわかりました。しかし、87%の人は、AI規制が過剰になるとイノベーションが制限され、競争上の不利になる可能性があると考えています。これらのリーダーの主な懸念は、2024年の研究で特定されたものと同じです。AIモデルが制御不能になる、悪意のあるアクターがAIの脆弱性を利用する、AIモデルが会社のデータにアクセスしすぎる、技術がもたらす誤情報や偏りなどです。Solvdが調査した500人のアメリカのCIOとCTOのうち、61%が公的規制を望み、36%が業界主導の規制を支持していました。業界主導の規制は、公共と私的な二元性から離れていく可能性があります。バイデン政権は、2023年に主要テクノロジー企業の幹部と協定を交わし、AIのガイドラインに関する自主規制を約束させました。これには、製品の安全性を確保し、セキュリティを優先し、透明性を保つことが含まれていました。世界的な対話企業幹部の規制枠組みに対する好みは異なっていますが、82%の幹部が内部のAIガバナンスを主導しています。8%の幹部は上層部に規制を任せ、5%の企業にはAI倫理委員会やコンプライアンス委員会がありました。企業とその従業員は、公的政策を待つか、上層部やAI倫理を担当するチームから独立して行動するか、選択しなければなりません。さまざまな状況では、異なる解決策が見つかっています。欧州連合（EU）は、世界初の包括的なAI法であるEU AI法を通じて、トランプ政権の規制緩和に反対しています。2024年3月に成立したこの法律は、特定のAIアプリケーションを禁止し、リスク評価フレームワークを確立し、透明性とユーザーとのコミュニケーションを法的に要求しました。他の国もEUに続いています。南アメリカのAIリーダーであるチリは、EUのAI法に触発されたAI規制法案を提案しました。中国は、規制のジレンマを回避し、民間のAI企業との提携や補助金を通じて国家による規制を推進しています。しかし、中国には、検閲や国家によるイノベーションへの介入のリスクがあります。しかし、米国は、世界的なAIリーダーとして、規制枠組みの将来を決定づける役割を果たすことになります。最終的な考えAIの実装とイノベーションは、ほぼすべての業界で競争上の優位性となりました。しかし、規制の明確性と政治の変化により、テクノロジー企業の幹部は、消費者を保護し、信頼を築き、イノベーションを推進するためのガイドラインを自ら設定しなければなりません。厳格な規制がイノベーションを妨げるという懸念があるにもかかわらず、実際にはその逆の場合があります。RegulatingAIによると、AI規制の不確実性は、技術の採用を妨げ、経済的利益の実現を遅らせ、投資が不足し、企業の拡大が妨げられる原因となっています。「AIシステムを規制の文脈で定義することは非常に重要です。定義の曖昧さは、コンプライアンスの課題を増大させます」とRegulatingAIは述べています。同様に、Solvdは、企業が現在の規制の混乱に乗じることの重要性を強調しています。「企業が内部のガバナンスを確立する絶好の機会です。外部の規制当局が介入し、より柔軟性のない解決策を課す可能性がある前に」とSolvdの報告書は結論付けています。この文脈では、米国のAIイノベーターは、規制の不確実性、評判のリスク、潜在的なコンプライアンスのギャップなど、前例のない課題に直面しています。しかし、機会もあります。インターネット、スマートフォン、ソーシャルメディアの教訓から、イノベーションと説明責任のバランスをとり、信頼を育み、規制の必然性に備えるためのエコシステムを構築する絶好の機会です。
ソートリーダー 2025年7月24日

未来を形作る企業に会いに行こう：WEFの2025 AIテクノロジー・パイオニア

毎年、世界経済フォーラム（WEF）は、テクノロジー・パイオニアのリストを発表しています。これは、業界や国境を越えてイノベーションを起こしている企業のキュレーションされたコレクションです。このようなリストは珍しくありませんが、このリストには特別な力があります。テクノロジー・パイオニア・プログラムの25年の歴史の中で、Google 、PayPal 、Dropbox 、SoundCloudのような有名企業を立ち上げてきました。彼らはまだ有名ではなかったときに立ち上げたのです。WEFは、2025年のコホートを発表しました。28カ国の100の早期段階の企業が、社会に直面している大きな課題に取り組んでいます。これは、最もグローバルに多様なグループです。シリコンバレーの通常の企業だけでなく、ブラジルからエジプトまで、野心的なベンチャーが参加しています。彼らには、将来への大胆なビジョンが共通しています。したがって、次に世界を変える可能性のある企業や、あなたの業界を再構築する企業を知りたい場合は、ここから始めることができます。以下、今年のリストから3つの重要なセクター：ヘルスケア、製造、金融の、いくつかの注目すべきテクノロジー・パイオニアに焦点を当ててみます。2025年とその先に注目すべきものは何でしょうか。ヘルスケア世界保健機関によると、世界の人口の半分以上が、基本的な医療サービスにアクセスできません。同時に、糖尿病、心疾患、認知症などの病気の発生率が増加し、世界中の医療システムに前例のない負担を課しています。医療は、テクノロジーで最も鋭い頭脳や最も大胆なアイデアを引き付けています。今年のWEFテクノロジー・パイオニアのリストは、その緊急性と多様性を反映しています。医療の基盤を再考する企業を紹介します。Arine (アメリカ) – 薬物管理の不可視の危機を解決する薬物管理のミス – 誤った用量の処方や、隠れた薬物の相互作用を見逃すこと – は、医療の最も高価で見過ごされがちな問題の1つです。実際、米国だけで年間528億ドルかかり、275,000人の死亡につながっていることが推定されています。薬物関連の問題は、医療システムの断片化 – 例えば、患者が複数の異なる専門医を見て、専門医同士がコミュニケーションをとっていない – から生じることがあります。また、伝統的な臨床ケアの場では、注目されにくい心理社会的な問題 – 未治療の精神衛生状態など – からも生じることがあります。そこで、Arineが登場しました。サンフランシスコを拠点とするこのスタートアップは、薬剤師兼保健経済学者のYoona Kimと、核物理学者のPenjit “Boom” Moorheadによって設立されました。Arineは、人工知能、臨床の専門知識、先進的な分析を組み合わせて、患者が正しい薬を、正しい時、正しい方法で受け取ることを保証します。Arineのプラットフォームは、人工知能を使用して、薬物の問題を危険になる前に検出します。人口レベルでの介入を可能にし、医療提供者が結果を改善し、コストを削減するのに役立ちます。Brain4care (ブラジル) – 脳への新しい窓最近の研究によると、世界の3人に1人は、神経系の疾患の影響を受けています。つまり、約30億人が影響を受けており、これは世界で最も多い病気や障害の原因となっています。しかし、脳の健康は、医療の最も複雑な分野の1つです。ほとんどの場合、脳をリアルタイムで監視するツールが不足しています。特に、症状が不可逆的になる前に、脳を監視するツールが不足しています。そこで、Brain4careが登場しました。このブラジルの企業は、Plínio Targaによって設立され、脳内で起こっていることを測定するための画期的な方法を開発しました。Brain4careのAIパワードのプラットフォームは、脳の健康に関する重要な洞察を非侵襲的に追跡し、臨床医に、以前は不可視だったバイタルサインを提供します。例えば、脳卒中や認知症の早期兆候を、症状が出る前に検出することができます。また、MRI機械が不足している遠隔地や医療が不足している地域での脳の健康状態を監視するのにも役立ちます。Orakl...
AR、XR、ブレインインターフェース 2025年6月27日

研究者がAIを利用して脳波で電気車椅子を動かす技術を開発

私が電気車椅子に座ると、研究者は私の頭に電子導電性のヘルメットを被せ、調整してノートパソコンが私の脳波を受信できるようにした。脳波を検出して予測するために、人工知能（AI）を使用し、私は最初に思った通りにアバターを動かす練習をした。つまり、私の考えだけでアバターを動かすことができた。少し練習した後、左手の拳を握ることを考えただけで、アバターが動いた。間違えた場合、たとえばアバターを障害物に向けて動かした場合、研究者はAIの予測と推定技術によって指示が上書きされることを説明した。つまり、AIは私の脳波のパターンを認識し、将来的にアバターを制御するための指示を予測できる。一旦インストルメントが私の脳波でトレーニングされた後、電気車椅子を思った通りに動かすことができた。私は目を閉じて、左手の拳を握ることを想像した。すると、車椅子が左に動いた。私自身は車椅子を必要としないが、AIの支援を受けて車椅子を動かすという経験は、重度の脊髄損傷や多発性硬化症、脳性麻痺、ギラン・バレー症候群などの神経疾患を患っている人々の生活を改善する可能性があることを示唆していた。これらの疾患は、患者を寝たきりさせたり、看護師や家族の介助が必要になることが多い。研究者は、電気車椅子を脳波で動かす技術を開発してきた。2009年、トヨタは脳波で車椅子を動かす技術を発表し、2023年にはイタリアのパドヴァ大学の研究者が完全に麻痺した人々が脳波だけで電気車椅子を動かすことができる技術を開発した。しかし、NTT Researchの研究者によると、脳波は人によって異なり、個人によっても異なることがあり、現行の技術ではこれらの変動に対応することが難しい。NTT Researchは、AI技術を使用して脳波のパターンを認識し、将来的に予測することができるとしている。「私たちの技術は、AIによって継続的に更新されるため、誰に対しても効果的である」と、研究者は述べた。研究者は、光を使用した通信インフラストラクチャーを使用することで、データの転送と処理を高速化することができると説明した。この技術の統合は、よりアクセスしやすい移動ツールの構築を可能にする。このプロジェクトは、障害者の生活を改善し、介護者の負担を軽減する可能性がある。
AIモデルとプラットフォーム 2025年4月17日

NTT Research、ハーバード大学で新しい「人工知能の物理学」グループを立ち上げ

親が子供に世界に関連することを教える際、関連付けとパターン認識を通じて教えます。たとえば、文字の「S」についてです。親は子供に「S」が書かれた多くの例を見せ、すぐに子供は、指導を受けていない状況でも、学校、書籍、ビルボードなどで「S」を見つけることができるようになります。新しく出現する人工知能（AI）技術の多くは、同じように教えられました。研究者はシステムに正しい例を与え、子供のように、AIはパターンを認識し、未経験の状況でも知識を外挿するようになり、独自の「ニューラルネットワーク」を形成しました。ただし、人間の知能と同様に、専門家はAIの意思決定に寄与する入力を把握できなくなりました。この「ブラックボックス問題」は、AIシステムがどのように接続し、どのような変数が意思決定に寄与するかを完全に理解できないという事実として現れます。これは、システムの信頼性と安全性を高め、AIの採用を規定する上で特に重要な問題です。AI搭載車がブレーキを間に合わなかったり、AIに依存する医療機器が医師の診断を支援したり、AIによる採用プロセスの偏見が見られたりするなど、AIシステムの複雑さは、AIの「物理学」と呼ばれる新しい研究分野の出現につながっています。これらの課題に対処するために、新しい独立した研究グループが物理学、心理学、哲学、神経科学の分野を統合して、AIの謎を探求します。NTT、AIの信頼性と安全性を提案新しく発表された人工知能の物理学グループは、NTT Researchの物理学と情報学（PHI）研究所のスピンオフであり、カリフォルニア州サンフランシスコで開催されたNTTのUpgrade 2025会議で発表されました。同グループは、過去5年間で研究してきた人工知能の物理学へのアプローチをさらに進めています。ハーバード大学で応用物理学とコンピューターサイエンスの博士号を取得した田中秀典博士が、新しい研究グループを率いることになります。田中博士は、NTTのインテリジェントシステムグループとCBS-NTTのAI研究プログラムで物理学の知性に関する研究を行ってきました。「物理学者として、知能というテーマに興味があります。数学的に、創造性や優しさについてどう考えることができるでしょうか。これらの概念は、AIがなければ抽象的なもののままだったでしょう。AIによって、これらの概念を数学的に定義することができるようになりました。たとえば、AIに優しさを教えるには、優しさとは何かを数学的に定義する必要があります」と田中博士は、Upgrade会議の際に私に話しました。PHI研究所は、初期の研究において、AIと機械学習の「ブラックボックス」の性質を理解することの重要性を認識しました。AIの進歩は、エネルギー効率の高い計算システムの開発につながりましたが、安全性と信頼性の考慮も重要になってきました。新しい研究グループを通じて、NTT Researchは、生物的知能と人工知能の類似性を探求し、AIメカニズムの複雑さを解明し、人間とAIの協調性を高めることを目指しています。このアプローチは、新しいものではありません。物理学者は、技術と人間の関係の詳細を明らかにするために、ガリレオ・ガリレイの物体の運動に関する研究や、蒸気機関が熱力学の理解に与えた影響など、数世紀にわたって研究してきました。21世紀には、科学者は、AIがどのように訓練され、知識を蓄積し、意思決定を行うかを理解しようとしています。そうすることで、将来、より統合的で安全で信頼できるAI技術を設計することができます。「AIはニューラルネットワークであり、人間の脳と同様の構造を持っています。ニューロンがシナプスで結ばれており、コンピュータ内では数字で表現されています。そこに物理学が関係してきます。物理学は、宇宙のあらゆるものについて、内部メカニズムに関する数学的な仮説を立て、検証することです」と田中博士は話しました。新しいグループは、ハーバード大学の脳科学センター（CBS）と協力し、スタンフォード大学のスヤ・ガングリ教授とも協力する予定です。田中博士は、ガングリ教授と共同でいくつかの論文を発表しています。ただし、田中博士は、自然科学と産業のアプローチが重要であると強調しています。2017年、ハーバード大学の博士課程在籍中に、田中博士は、伝統的な物理学を超えて、新しい概念的世界を開拓したいと考えました。ガリレオ、ニュートン、アインシュタインに続く道を歩みたいと考えました。「現在、AIは誰でも話せるテーマです。研究者としては、誰でもAIについて話そうという気持ちは素晴らしいと思います。私は、いつでもAIについて話すことができ、会話を通じて、人々がAIをどのように見て、使っているかを学ぶことができます。NTTの使命は、人々の背景に関係なく、会話を促進することです。私たちは、毎回のやり取りから学びます」と田中博士は結論付けました。

MORE POSTS