国内AIニュース
汚染されたnpmパッケージを悪用し、ローカルAIエージェントを乗っ取って機密情報を盗む「AI遠隔操作」の脅威が判明しました。GitGuardianの調査を基に、AI支援コード利用で漏えいが急増する背景と、被害を防ぐための具体的な5つの対策を解説します。
Googleは、推論能力とコーディング性能を強化したAIモデル「Gemini 3.8 Flash」と、サイバー防御特化型の「Gemini 3.8 Flash Cyber」を発表した。後者は政府やインフラ企業向けに提供され、脆弱性検知やパッチ自動生成などの防衛を支援する。
生成AIの社内定着に苦戦する企業が多い中、みそメーカーのハナマルキはGeminiの利用率86％という高い数字を達成した。導入に際して行われた具体的な工夫と、社員が日常的にAIを活用するための施策について紹介する。
AI時代のセキュリティについて、NECは「AI対AIの戦いになる」と予測している。同社はAnthropicなどのフロンティアAIを活用した対策を強化しており、高度化するサイバー脅威に対してどのように勝ち筋を見出しているのか、その戦略に迫る。
スカイゲートテクノロジズは、米国やNATOの軍事規格に準拠した国産AI防衛システム「Alayasiki」を発表した。ドローンやAI技術を活用し、現代戦の高速化に対応するとともに、防衛分野での自立と国際連携の両立を目指す。
鹿嶋市は限られた職員で行政サービスを維持するため、生成AIを本格導入した。Claudeを活用した市民対応の効率化や、Claude Codeを用いた内製化に着手。地方自治体が直面する人手不足をAIでどう解消しているのか、その狙いと仕組みを取材した。
ループ型エージェント開発において、状態管理の煩雑さやトークン消費を抑えるためのループハーネス設計術。単発タスクの実行管理を効率化し、開発負荷を軽減する具体的なアーキテクチャの提案。
Acerは「next@acer」記者会見にて、超軽量ノートPCや次世代AI搭載製品、ポータブルゲーム機を発表した。モバイル性能と環境への配慮を両立させた新製品ラインナップを紹介する。
AWSは、3Dオープンワールドでクラウドスキルを習得できる学習ゲーム「AWS Cloud Quest」の新バージョン「AWS Cloud Quest 2.0」をリリースした。ゲーミフィケーションを通じてAWSの知識を学べるのが特徴。
Markdownファイルをスライドとして表示する「MarkdStage」を紹介。GitHub Copilotなど様々なAIツールとの連携や、Markdown形式を用いた効率的なプレゼン資料作成ワークフローについて解説する。
AI社員のみで運営する会社による、自動化判定システムの運用記録。期限としきい値を用いた非対称な判定関数の実装や、スケジューラによるスクリプト実行の自動化など、実測値に基づく運用の知見を共有する。
Claude Codeにバッチ処理を依頼した際、過去に障害を引き起こした「直接UPDATE」の実装を提案された事例。AIは過去のSlackスレッドに残るような非構造化データや暗黙の文脈を把握できないため、AIコーディング支援を利用する際の注意点とリスクについて考察する。
ClaudeやGPTからDeepSeek等へコスト削減のために移管する際の危険性を指摘。実在する日本語業務プロンプト15本のうち9本でエラーなしの動作異常が起きた実例をもとに、モデル移行時の検証重要性を解説。
AIにUI修正を依頼する際、手動確認だけでなくE2Eテストを併用する重要性を解説。再発防止のために自動化すべきUIの選定基準や、テストを実行するタイミング、効率的な修正とテストの運用フローについて考察します。
671本の設問修正作業において、実装前にテストを先行作成した事例を紹介。事後作成によるテストの形骸化を防ぐため、基準を固定してから作業することの重要性と、在庫ファイルを用いた適切な管理方法を解説します。
AI開発ツールでの失敗談。PRD（製品要求仕様書）とADR（アーキテクチャ決定記録）を混同してツールに渡したことで、意図しない大規模な成果物が生成された経験から、AIへの指示における専門用語の正確な定義の重要性を説きます。
AIコーディングエージェント活用において、人間の管理負担を減らす手法を提案。GitHub Issueに「目的」「完了条件」「禁止事項」「確認方法」を明記することで、エージェントへの指示を簡潔にし、タスクの進捗管理を効率化する方法を解説します。
Microsoft Build 2026で公開された推論特化型AIモデル「MAI-Thinking-1」を紹介。一般知名度は低いものの、M365 Copilotの内部で複雑な論理構造の解析や計算式生成など、裏方の「考える仕事」を支える重要な役割について解説します。
AIのチャット履歴（コンテキスト）がもたらす体験の変化と注意点を解説。同一チャット内での継続的な対話はAIが記憶を保持しているように見えるが、新規チャットでは初期化されるというAIの仕組みを例示し、ユーザーが認識しておくべき制限を説きます。
AIによる生産性向上を「作る量を増やす」ことではなく「より高い目標へ挑戦する」ために使うべきだと説く記事。ConfluentのJack Vanlightlyの論考を引用し、量に追われて自滅しないための組織の考え方を解説します。