ザッカーバーグの強権モードが発動中とはいえ、記事に該当しているエンジニアはキャリアを相当考えるだろうなぁ。 ・ザッカーバーグはモバイルOSの波に乗り遅れた過去があ李、AIという巨大なトレンドを絶対に逃さないという強い決意を持っている ・metaは過去にメタバースへ巨額の投資を行ったものの、パンデミック後に人々の関心が薄れ、その投資は十分な成果を上げなかった ・自社開発のAIであるLlamaモデルを進める中で2025年発表のLlama 4が不調に終わった ・そのため、AI戦略の立て直しを迫られた ・で、Scale AI社の株式を巨額で取得した。同社CEOのAlexandr Wang をAI戦略のトップとして迎え入れた ・Wangが得意とするのはAIの学習に必要なデータラベリングや、人間によるフィードバックを用いたモデルのファインチューニング ・彼の主導により、metaのエンジニアのタイピングやマウスクリックを強制的に監視してAIの学習データにするシステムが導入された ・この監視システムは事前の相談や拒否権なしにトップダウンで決定され、従業員のプライバシーに対する大きな懸念を引き起こした ・多くの反発を受けた会社側は、監視を一時停止する機能を追加するなどの妥協案を後日提示することになった ・同時期にプロダクト開発の中核を担うチームから30パーセントから50パーセントものエンジニアが、AIデータラベリング部門へ強制的に異動させられた ・meta社では従来、入社後に研修を経て自身の所属チームを自由に選べる文化があったため、この一方的な異動は大きな波紋を呼んだ ・異動先でのデータラベリング業務はAIが生成したコードをテストしてフィードバックを与える単調な作業 ・多くのエンジニアのやる気を削いでいる ・特にインフラストラクチャやセキュリティを担当するチームへの影響は深刻であり、優秀な人材が次々と本来の業務から引き剥がされた ・会社全体で10パーセントのレイオフが予告されたことで、一ヶ月にわたり従業員は自分が解雇されるかもしれないという強い不安にも苛まれていた ・metaの人事制度にて、自身の評価を相対的に高めるためにあらゆる指標を最大化しようとする政治的な動きが横行している ・新たな評価指標としてAIトークンの使用量が導入された ・なので、エンジニアたちは評価を上げるためだけに無意味にAIツールを多用し始めた ・人間による入念なコードレビューよりも、AIを使って表面的な生産性を高く見せかけることが自己保身の有効な手段となっている ・本質的なプロダクト開発がないがしろにされた結果、エンジニアたちは会社に嫌気がさし、外部の面接対策サービスの利用登録者が急増している ・不満を抱える中核メンバーを引き留めるために会社は特別ボーナスを支給した ・だが、それでも彼らの離職意欲を根本から削ぐには至っていない ・5月末には、オバマ元大統領などの著名人のInstagramアカウントが次々と乗っ取られるという、同社史上最も恥ずべき大規模な障害が発生 ・この障害はパスワードリセット時の本人認証プロセスが根本的に欠如しているという、非常に初歩的な脆弱性を突かれたものであった ・セキュリティチームの人員が半減させられていたことと、AIが生成したコードをAIがレビューするというずさんな開発体制が障害の最大の原因だろう ・障害発生の翌日には会社のCISOが辞任を表明 ・経営陣と現場との間に深刻な亀裂が生じていることがうかがえる ・社内の全体会議では、現状を強制収容所に例えて不満を爆発させる従業員が現れるなど、組織内の混乱はもはや隠しきれない状態になっている ・CPOでさえも現在のメタ社の状況を狂気(insanity of this company)と表現しており、経営トップが引き起こした社内環境の劣悪さを公式に認めている ・この一連の混乱の元凶は、既存の主力事業やエンジニアの尊厳よりも新しいAIモデルの開発を何よりも最優先とみなしたザッカーバーグの独断にある ・IT業界全体でも、AIの能力を過信してシステムの安全性を軽視する傾向が見られる ・これをAI psychosisと呼んで危惧する専門家の声が上がっている ・metaの広告ビジネス自体はAIの恩恵を受けて過去最高の収益を上げている ・だが、その基盤を支える組織を自ら破壊しているのは皮肉 ・エンジニアを単なるコストとみなす現在の経営体制が続く限り、優秀な人材の流出は避けられない ・他のテクノロジー企業にとっては絶好の狩場となっている

🔄Loop Engineeringとはなにか？ もう「AIにプロンプトを打つ」作業は終わりにしませんか？これからは、エージェントを自律的に回す仕組みそのものを設計する時代です。AIコーディングのパラダイムシフトの正体に迫ります。 💡 1. プロンプトからシステム設計への転換 従来のAIコーディング（AI-assisted Coding）は、人間がループの「中心」にいました。 👨‍💻 これまでのアプローチ: 人間がコンテキストを考え、プロンプトを打ち、AIの出力を読み、手元でテストを実行し、エラーが出たら再度プロンプトを打つ。AIは「高機能な関数」や「道具」であり、制御の主体は常に人間です。 🔄 ループエンジニアリング: 人間はループの「外側」に出て、システム全体のデザイナー（作者）になります。仕事の検知、AIへのコンテキスト注入、出力の自動テスト、進捗の記録、次のステップの判断という一連のライフサイクルを小さなプログラムに実行させます。 ここで重要なのは、AIモデルがシステムにおける「サブルーチン（部品）」へと降格し、代わりに環境（テストスイートやリポジトリの状態）からのフィードバックをループ処理する構造へ進化したという点です。 ⚙️ 2. ループを駆動する5つのコアコンポーネント＋1つの記憶 抽象的な概念を動くシステムに落とし込むため、ループは以下のコンポーネントに分解されて設計されます。 ① ⚡ 自動化（Automations） ループの心臓部であり、発火トリガーと停止条件を定義します。 ツール（Claude CodeやCodexなど）では、単に定期実行する /loop だけでなく、明確な終了条件（例：「すべてのテストがパスするまで」）を満たすまでAIを回し続ける /goal コマンドなどがこれに該当します。条件が達成されるか、ハードストップ（予算や上限回数）に達するまで回り続けます。 ② 🌳 ワークツリー（Worktrees） 複数のAIエージェントが並列で動く場合、同じディレクトリで作業するとファイルの衝突（コンフリクト）が発生します。これを防ぐため、Gitの worktree 機能を使い、エージェントごとに独立した作業ディレクトリとブランチを隔離して自動生成します。機械的な衝突を回避し、並列性を担保する基盤です。 ③ 🧠 スキル（Skills） リポジトリのルールやコンテキストをカプセル化したものです。 通常、AIは実行ごとに前回の文脈を忘れますが、SKILL.md のようなファイルに「このプロジェクトのビルド手順」「命名規則」「過去の障害から得た注意点」を明文化しておくことで、AIは毎実行時にそれを読み込み、プロジェクト固有のシニアエンジニアのような振る舞いを固定化できます。 ④ 🔌 プラグイン／コネクタ（Connectors） filesystem（ローカルファイル）しか見えないAIを、本物の開発環境につなぐ架け橋です。 Model Context Protocol（MCP）などをベースに、GitHub（PR作成やIssue取得）、Linear/Jira（チケット更新）、Slack（人間への通知）、Sentry（エラーログの取得）と接続します。これにより、AIが「修正案を出す」だけでなく「Issueを読んで、コードを直し、PRを送り、Slackに報告する」というエンドツーエンドの行動が可能になります。 ⑤ 🤖 サブエージェント（Sub-agents） 役割を分担された独立したAIインスタンスです。「コードを書く役割（Maker）」と「コードを検証・レビューする役割（Checker）」を完全に分離します。 ➕ 💾 記憶：状態ファイル（State File） 地味ですが、ループの成否を分ける最も重要な要素です。STATE.md やJSONファイル、あるいは外部のチケット管理システムに「現在どのブランチが進行中で、何が完了し、次に何をすべきか」を永続化します。「エージェントは忘れるが、リポジトリは忘れない」という原則に従い、昨日の続きを今日のループが再開できるようにします。 🕰️ 3. なぜ「ただのcron（定期実行）」ではないのか？ 懐疑派から「1975年に発明されたcronジョブのリブランド（名前の付け替え）に過ぎないのではないか」という指摘があります。これは半分正解で、半分は間違いです。 スケジュールやトリガーのレイヤーは確かにcronそのものです。しかし、従来のcronは「固定されたスクリプトを機械的に実行するだけ」でした。 ループエンジニアリングが異なるのは、ループの真ん中に「状況を動的に判断する意思決定者（LLM）」がいる点です。 テストが落ちたとき、どのファイルをどう修正すべきか、コンテキストをどう組み立て直すかという分岐は、ハードコードされた if/else ではなく、AIの推論によって動的に決定されます。工学的な面白さは、この「崖から落ちるかもしれない不確実な意思決定者」の周りを、いかに硬牢な自動テストやガードレールで固めるかというシステムデザインにあります。 ⚠️ 4. コストと運用リスクの現実 熱狂的な議論で無視されがちなのが、経済性とセキュリティの現実です。 💸 膨大なトークン消費（コスト） コード生成自体は安価になりましたが、ループを回すと「コンテキストの再読み込み」「リトライの繰り返し」「探索パターンの実行」により、トークン消費量が爆発的に増加します。 実際に、米Uberではエンジニア1人あたり月1,500ドルの上限を設けたにもかかわらず、年間のAI予算をわずか4ヶ月で使い切った事例があります。「最大反復回数」「金額上限」「進捗ゼロ検知による強制終了」の3つのガードレール（ハードストップ）の設計が不可欠です。 🛡️ 攻撃面の拡大（セキュリティ） 無人で動くループは、無人で動く攻撃面（アタックサフェース）になります。AIコーディングツールに起因するCVE（脆弱性）が多数確認されており、コマンドインジェクションやSSRF、XSSのリスクがあります。また、外部から取り込んだ「スキル」の説明文がプロンプトインジェクションの経路になり、デバッグログ経由で認証情報（資格情報）が漏洩するケースも監査で報告されています。 🧩 理解の負債（Comprehension Debt） AIが高速でコードを書き、テストが通ってマージされ続けると、リポジトリ内のコードベースと「人間の理解度」の距離がどんどん離れていきます。これを「理解の負債」と呼びます。最も高くつくのはトークンの請求書ではなく、「チームの誰も読んだことがなく、構造を理解していないシステム」をある日突然人間がデバッグしなければならなくなるコストです。 🛠️ 5. 実践：4条件テストと最小実用ループ（MVL）の構築 ループエンジニアリングを実務に導入する際は、厳格な仕分けとステップが必要です。 📋 導入のための4条件テスト 1. タスクが繰り返されるか？（週1回未満なら、手動プロンプトや使い捨てスクリプトの方が早い） 2. 検証が完全に自動化されているか？（テスト、型チェック、Linter、ビルドが悪い出力を100%機械的に弾けるか。これがないと人間がレビューの椅子に縛り付けられる） 3. トークン予算が無駄を吸収できるか？（従量課金で予算に余裕がない場合は無謀） 4. エージェントが環境を操作する道具を持っているか？（ログ確認や再現環境など） 🚀 最小実用ループ（MVL）から始める手順 最初から複雑なマルチエージェントを組むとシステムは確実に崩壊します。以下の順番でボトムアップに構築します。 1. 手動実行の確実化: 1回の手動プロンプトと環境操作で、タスクが完全に完了することを確認する。 2. スキルの文書化: その際のコンテキストや制約を SKILL.md にまとめる。 3. ループのラップとゲート配置: AIが書いたものを自動テスト（ゲート）にかけ、失敗したらAIに戻すという1サイクルを組む。 4. スケジューリング: 最後にそれをcronやイベントトリガーで自動化する。 🎯 レバレッジの支点は「コードを書くこと」から「コードを書く仕組みを定義し、検証すること」へ移動しました。人間は、AIが自分の宿題を甘く採点しないよう、冷徹な「検証ゲート」を設計するエンジニアであり続ける必要があります。

🌐 大規模ネットワークシステムの最前線NSDI 2026に、Microsoftが11本を発表しました。KVキャッシュ再利用で4倍スループット、CXLメモリでRDMA比3.2倍など、AI基盤の具体的な前進が並ぶダイジェストです。 タイトル: Microsoft at NSDI 2026: Advances in large-scale networked systems URL: 📝 概要 NSDIは、クラウド・AI・分散アプリ基盤の設計と運用に関する新しい研究を共有する主要な国際会議です。本記事は、Microsoftが発表したデータセンターネットワーク、広域ネットワーク、AIシステム、クラウドインフラにまたがる11本の採択論文を紹介しています。 ❓ 解決する課題 AIワークロードの急増に伴い、データセンターのネットワーク・メモリ・CPU資源を、信頼性とコスト効率を保ちながらスケールさせることが一層難しくなっています。本記事の研究群は、本番運用と研究の両面からその最前線に取り組んでいます。 💡 主要な研究貢献 ・DroidSpeak：同一アーキの言語モデル変種間でKVキャッシュを再利用し、出力品質への影響を最小限に抑えつつ最大4倍のスループットを実現します ・SONiC DASH SmartSwitch：クラウドのネットワークオフロードを再設計し、Azureで大規模に展開済み。電力と設置スペースの効率を大幅に改善します（コミュニティアワード受賞） ・Octopus：CXLの分離メモリポッドで、3サーバ試作機においてラック内RDMA比3.2倍、CXLスイッチ比2.4倍のRPCを達成します ・HarvestContainers：レイテンシ重視のコンテナから動的にコアを収穫し、テールレイテンシをスタンドアロン比4%以内に保ちながら空きCPUを最大75%活用します 🎯 ユースケース LLMサービングの高速化、メモリ分離（disaggregation）、コンテナのリソース有効活用、ネットワークプロトコルの検証など、クラウド・AI基盤の設計判断に役立ちます。 📊 そのほかの成果 ・Eywa：LLMベースのモデル生成により、ネットワークプロトコル実装で33件のバグ（うち16件は未知）を発見しました ・ForestColl：多項式時間でスケジュールを生成し、理論的に最適な集団通信を達成します ・AVA：10時間超の動画で75.8%の精度を出す動画解析ベンチマークです ・KRAKENGUARD：eBPFを用いた、マルチテナントセキュリティのための細粒度の分離です #NetworkedSystems# #AIInfrastructure#

【速報】 Claude Fable 5、明日から世界中で復活します😳🔥 一時ブロックされてたやつが、米国政府との協議を経て再展開されたとのこと👇 ・新しい分類器セットを導入 ・サイバーセキュリティ悪用は今まで以上にブロック ・コーディング/デバッグ等の日常タスクは一部Opus 4.8に一旦戻す ・誤検知は数週間かけて継続的に削っていく方針 さらにデカいのが、Amazon / Microsoft / Google らと組んで「AI脱獄の深刻度を評価する共通フレームワーク」を起草開始。 ＋米政府とのモデルテスト＆セーフガード協力も拡大 （事前リリースアクセス / 脱獄・悪用の情報共有 / 共同研究リソース） 一企業のリリースじゃなくて、業界と政府ぐるみで "AIの安全基準"を作りにいくフェーズに入った。普通に歴史的。詳細は公式ブログ👇 そして、やっとW杯も終わって盛り上がってきたということでClaudeCodeStudioも定期的な投稿を再開します！！

本日午前、経済財政諮問会議・日本成長戦略会議合同会議において、『日本成長戦略』及び『骨太方針』を取りまとめて頂き、了承されるとともに、『地域未来戦略』の報告を受け、3つの文書を午後に閣議決定しました。 各会議の議員・委員の皆様、各府省庁の皆様の大変なご尽力に感謝申し上げます。 今年の『骨太方針』については、その副題を、｢責任ある積極財政｣元年 ～日本の挑戦を起動する！～としました。 高市内閣は、｢今の時代を生きる国民の皆様｣への責任を果たすため、そして、｢22世紀を迎えることができる多くの若者達｣が｢未来は明るい｣と自信を持って言える日本を創り上げていくため、｢強い経済｣の構築と｢財政の持続可能性｣を一体的に実現していきます。 ＜『日本成長戦略』・『地域未来戦略』について＞ 我が国の｢潜在成長率｣は、主要先進国と比べて低迷していますが、｢日本人の底力｣､すなわち「技術革新力」や「労働効率性」などを表す数値は他国と遜色はなく、圧倒的に足りないのは｢国内投資｣です。 高市内閣では、｢行き過ぎた緊縮志向｣と｢未来への投資不足｣の流れを断ち切り、｢国内投資｣を徹底的にてこ入れします。 『日本成長戦略』と『地域未来戦略』で｢官民投資｣を誘発し､｢供給力｣を強化し、｢雇用と所得｣を増やし、｢消費マインド｣を改善し、｢事業収益｣が上がり、税率を上げずとも税収が自然増に向かう、GDP拡大の下での好循環を実現します。 ｢危機管理投資」・「成長投資」から厳選した｢17の戦略分野｣について、それぞれ｢ワーキンググループ｣を設置し、学識経験者や企業関係者など延べ186人が参加し、54回にも及ぶ踏み込んだ議論を積み重ねた上で、各分野の中でも、｢勝ち筋｣を見定め、｢新たな官民の連携の形｣を具体化する、『官民投資ロードマップ』を策定しました。 過去の「官主導の産業政策」とは違い、「産学官で練り上げた政策」です。 具体的には、 ・「半導体量産拡大」や「ゲーム」など確実な「足元の収益源」となるもの、 ・「フィジカルAI」や「植物工場」など他国に先駆けて実証を進め「次の稼ぎ頭」となるもの､ ・「量子」や「フュージョン」など「未来に向けた成長の芽」として研究開発支援から始めるものなど、 経済安全保障など様々リスク低減の必要性、海外市場の獲得の可能性、関連技術の国際優位性などの観点から、｢主要な製品･技術等」の戦略的な絞り込みを行いました。 『地域未来戦略』は、 ・｢戦略17分野｣に関連する企業の大規模投資を起点に政府の地方機関が、自治体と連携して、広域の｢産業クラスター計画｣を策定する『戦略産業クラスター計画』、 ・都道府県や基礎自治体が､「地域資源」を活用・発展させる計画を策定し、クラスターを形成する『地域産業クラスター計画』と『地場産業成長プラン』 の｢3類型｣で推進します。 ｢3類型｣いずれにおいても、単発の支援ではなく、複数年計画の下､政府が伴走支援しながら､｢サプライチェーン｣から｢人材育成エコシステム｣の構築まで、広域かつ質の高い｢産業集積｣を目指します。 政府は､｢人材育成」、｢サイバーセキュリティ」、｢スタートアップ」といった、『日本成長戦略』の8つの「分野横断的課題」を解決するための具体的な措置を着実に実施し、｢17の戦略分野｣と｢産業クラスター計画」において先陣を切る｢官民投資｣を、日本全国へと拡大していきます。 『日本成長戦略』・『地域未来戦略』等を踏まえ、民間投資を引き出すために政府予算の｢予見可能性｣を高める観点から、通常の歳出とは別に、『「強く豊かな日本」投資枠』を創設するなど、｢予算編成の抜本改革」を行います。 この｢投資枠｣では、従来の政策の延長や制約を乗り越え、民間を含めた新たな発想や視点を取り込めるよう、｢要求上限｣、いわゆる｢シーリング｣を設けることなく要求できるようにするとともに、民間の｢予見可能性｣を高める為、複数年度の計画に基づくものを基本とします。 『日本成長戦略』では、2040年度までに累計370兆円を超える｢官民投資｣が期待されることが示されましたが、官の投資については、｢予算編成過程｣において、戦略分野の民間投資を実現するために真に必要かつ効果のある支援策を見極めて、具体化してまいります。 城内大臣には、｢17の戦略分野｣と｢8つの分野横断的課題｣への対応のうち主要な政策について、｢投資事業計画｣や｢主な予算事業｣等を盛り込んだ複数年度での『日本成長戦略実行計画』を、年末に向けた｢予算編成過程｣において取りまとめてもらいます｡ 各担当大臣には、誰が、いつまでに、何を、どのように行うのかといった5W1Hを整理した上で、｢実行計画」に盛り込むべき施策について、｢概算要求段階｣から､城内大臣に積極的に提案してもらいます。 黄川田大臣には、地域の未来を支える｢産業クラスター｣の実現のため、各地域の実情を踏まえた、真に必要な｢インフラ整備｣、民間事業者向けの幅広い｢投資支援｣、｢人材育成｣などを実現するため、関係大臣としっかり連携して、『地域未来戦略予算パッケージ』の具体化を急いでもらいます。 ＜骨太方針について＞ 今年の『骨太方針』では、予算編成を抜本的に見直すこととし、新たな経済財政運営の取組を､｢責任ある積極財政｣に基づく『中長期経済財政計画』と位置づけました。 これに沿って、2040年度までを｢計画期間｣とし、2040年度に、250兆円の｢国内民間設備投資｣（2040年度のフロー）、1,100兆円に迫る｢GDP｣を実現するとともに、できるだけ早期に､実質1％を上回る､名目3％を上回る経済成長を定着させ､更に引き上げることを目指します。 加えて、｢債務残高対GDP比の安定的低下｣を｢財政運営目標｣の｢中核｣と位置づけるとともに、その中でも可能となる財政規模を精査し、今後の予算編成にあたって、市場の信認確保に配意しつつ、｢通年の国債発行額｣などを具体化していくことなどを通じ、財政の｢持続可能性｣を確保するなど、適切な｢マクロ経済財政運営｣に取り組んでまいります。 高市内閣は､発足以降､｢責任ある積極財政｣の考え方の下､｢強い経済｣の実現に取り組むとともに、予算全体のメリハリ付けを行うことなどを通じて、 ・2025年度補正予算では、「補正後」の国債発行額について前年度以下に抑えました。 ・2026年度予算では、国の一般会計において、新規国債発行額を2年連続で30兆円未満に抑えました。 ・6月の補正予算においても､国債の市中発行額を増やさずに対応しました。 このように、｢財政の持続可能性｣と｢市場の信認確保｣にも十分配慮した｢経済財政運営｣を行ってきました。今後も、今回の『骨太方針』の下、こうした方針を堅持してまいります。 今後、こうした｢強い経済｣の構築と｢財政の持続可能性｣を一体的に実現する取組を更に進める中で､国民の皆様や国内外の市場関係者に､透明性高く、かつ一貫した説明をより丁寧に行うなど、｢コミュニケーションの強化｣を通じ、｢市場の信認｣を確保してまいります。 片山大臣には、今後の予算編成プロセスにおいて、『日本成長戦略』・『地域未来戦略』を踏まえて、今後取りまとめる『日本成長戦略実行計画』や『地域未来戦略予算パッケージ』について、｢成長への寄与｣や｢民間投資の誘発効果｣等を精査し、真に効果的な施策に重点的に措置されるようにするとともに、｢通年の国債発行額｣の具体化などを通じて、｢市場の信認｣を確保し、｢強い経済の実現｣と｢財政の持続可能性｣の確保を両立させる予算となるよう、取り組んでもらいます。 令和９年度を｢責任ある積極財政 元年｣として、こうした｢予算編成の抜本改革｣を、来年度予算に反映するなど、『骨太方針』を速やかに実行に移してまいります。

7兆ドル規模のAIブーム、勢いが衰えつつある チップなんて忘れて。コードなんて忘れて。 3兆ドル規模のAI革命において、最も高価で需要の高い商品は、特許取得済みのアルゴリズムでも、Nvidiaの新型GPUでもない。 それが電力だ。 具体的には、新しいデータセンターに1億～5億ドル相当の電力を供給できる、電力網への安全で高電圧な接続です。 現在、地球上で最大かつ最も裕福な企業――グーグル、マイクロソフト、アマゾン――は、エネルギーをめぐる前例のない世界的な争奪戦を繰り広げている。 彼らは、小規模な都市や巨大な製造工場、そして互いに競い合っている。その理由は、次世代のAIモデルを学習させるのに、小国1つ分の電力に相当する電力を消費してしまうからだ。 彼らは切羽詰まっている。割高な料金を支払っている。それにもかかわらず、地元の電力会社が自分たちの需要に見合う十分な容量の変圧器を設置するだけでも、4～5年も待たされているのだ。 これは技術的な問題ではありません。これは物理的なインフラのボトルネックです。 この1兆ドル規模の危機に対する一つの解決策が、デジタル世界の最も予想外で、しばしば嘲笑の的となってきた分野、すなわちビットコインマイナーたちから浮上してきた。 具体的には、数年前から、暗号資産の過酷な経済状況の中で生き残る唯一の方法は「エネルギー貴族」になることだと悟っていた、ごく少数の賢く冷酷な実務家たちである。 今日、こうしたマイナーたち……かつての「ワイルド・ウェスト」的なデジタル・ゴールドラッシュの参加者たち……は、AIハイパースケーラーたちが切望している、大規模でネットワーク化され、電力網への接続が可能なインフラを保有する、世界で数少ないプレイヤーの一角を占めている。 彼らはスイッチを切り替え、新たなAI大家へと変貌を遂げつつある。 そして、そのうちの1人がつい先ほど、正式に発表した。 5月5日、Bitzero (NASDAQ: AIBZ) は、シンガポールに拠点を置くOneQode社と、ノルウェーのデータセンター施設における15年間・110MWのリース契約に関する拘束力のある意向書に署名した。本契約の期間中、契約総収益は約26億ドルに達すると見込まれている。 これは単なる予測ではありません。野心という名目をかぶせたプレスリリースでもありません。5大陸に30カ所以上のデータセンターを運営する、世界的なクラウドおよびネットワークインフラプロバイダーによる、署名済みの法的拘束力のある確約なのです。 そして、これは業界全体の価格体系を一新しかねないという説の概念実証でもある。 このシンプルでレバレッジの高い転換点を見逃せば、今後10年間にわたるAIインフラブームを最大限に活用する、最も純粋で収益性の高い機会を逃すことになります。 なぜ大手テック企業は追いつけないのか あなたがGoogleだと想像してみてください。インディアナ州で110億ドル規模のデータセンター建設計画を発表します。資金もあります。土地もあります。政治的な支持もあります。未来を築く準備は万端です。 そして、地元の都市計画委員会が7対0で反対の採決を下した。 プロジェクトは頓挫する。 なぜでしょうか？　それは、住民たちが騒音や振動、そして膨大な電力消費を懸念しているからです。 これが現実だ。データセンターは、いわば「新しい石油精製所」である。それらは人気がなく、膨大なエネルギーを消費し、地域社会からの激しい反対にさらされている。 ゴールドマン・サックスによると、世界のデータセンターの電力消費量は、この10年の終わりまでに最大165％も急増する見込みだ。既存の電力網は、そもそもこのような需要に対応できるようには設計されていない。高圧送電線をアップグレードするには数年と数億ドルを要し、規制や政治的な難題を乗り越えるにはさらに多大なコストがかかる。 いくらお金をかけても、どんなに高性能なチップを使っても、どれほど優れたAIアルゴリズムを用いても、この現実世界の問題を解決することはできない。 権力争いは今や非常に激化しており、その結果： • 新規参入者には上限が設けられています： ノルウェーのような電力市場では、既存のインフラを持たない新規データセンター事業者は、現在、初期割り当てがわずか5 MWに制限されており、事業を開始するにはかろうじて足りる程度である。 • 待機リストは数年にも及ぶ： 不可欠な高圧機器（遮断器、変圧器）の平均リードタイムは、たとえ資金があっても、現在4～5年となっています。 • 政治リスクは極めて高い： インディアナ州の事例が示すように、たった一つの地方計画委員会が、気まぐれで10億ドル規模のプロジェクトを頓挫させてしまうことがある。 メガワット規模のインフラをゼロから構築する機会はすでに失われてしまった。今日、AIデータセンターのブームに参入する唯一の方法は、すでに接続環境を保有している企業を買収、合併、あるいは提携することである。 これは、Bitzeroがすでに解決した、数十億ドル規模のジレンマです。 ある鉱山労働者が電力危機の解決にどう取り組んでいるか Bitzero (NASDAQ: AIBZ)は運が良かったわけではない……彼らは賢かったのだ。 数年前、同業他社が最新のASICの購入や短期のホスティング契約の締結に注力していた頃、Bitzeroはただ一つのことに注力していました。それは、自社でユーティリティとなることでした。 業界全体では、ビットコイン1枚を採掘するための総コストは平均で約10万ドルですが、Bitzeroのコストは驚くほど低い5万ドルにとどまっています。 そして、それは単なる幸運な偶然ではなかった。 これは、彼らがスカンジナビアの低コストエネルギー回廊に築き上げた、かけがえのないインフラによる競争優位性の結果である。 彼らの競争優位性を示す、単純かつ衝撃的な計算式は次の通りです： 1. 4.3¢/kWhという電力の秘密 Bitzeroは、ノルウェーにおいて132 kV（高電圧）レベルの認可を受けた送電網事業者です。 彼らは自社の高圧送電線を所有している。 彼らは独自の変電所を所有している。 彼らは水力発電所と直接接続を維持している。 つまり、彼らは電力会社を完全に迂回しているのです。手数料や仲介業者による中間マージンを排除しています。こうして、1キロワット時あたりわずか4.3セントという、驚くほど安い「すべて込み」の電気料金を実現しているのです。 米国や欧州の主要なデータセンター運営企業の多くは、1kWhあたり8～12セントを支払っています。Bitzeroは、その半額で電力を供給しています。 この所有構造こそが、同社のビジネスモデル全体の鍵となっている。事業拡大を図る際、同社は電力会社に申請書を提出して何年も待つようなことはしない。発電所と直接取引を行うのだ。これにより、現在ビッグテック企業を苦しめているリードタイムのリスクを排除できる。 2. 1ギガワットのAI対応ランウェイ Bitzeroは、単一の鉱山を建設しただけではありません。同社は、潜在的な発電容量が1ギガワットを超える、世界規模で複数の拠点からなるインフラ基盤を確立しました。 資産 容量 競争上の優位性 「AI大家」の戦略 ノルウェーのフラッグシップ 最大325MW OneQode社との間で、110MWの15年間の契約が締結された。契約期間中の総収益は約26億ドル。発電原価は1kWhあたり4.3セントの水力発電による。 拘束力のある書簡が送達された。「AI大家」説の最初のドミノが倒れた。 フィンランドのフラッグシップ 最大1GW 100%再生可能エネルギー。技術的デューデリジェンスにより、400kV接続で520MWの潜在能力が確認された。 AIハイパースケーラーの夢。大規模でクリーンな欧州のAIワークロードとデータ主権に最適化されています。 ノースダコタ・バンカー 最大300MW 225,000平方フィートの、電磁パルス（EMP）対策および核攻撃対策が施されたバンカー。人里離れた場所に位置し、膨大な発電能力を秘めている。 セキュリティ対策。機密性の高いコンピューティング処理、防衛関連企業、および極秘のAIデータに最適です。 これらの資産は有形であり、所有権があり、長年にわたる参入障壁によって守られています。 競合他社がフィンランドで1GW規模の原子力・水力発電所を、明日にも簡単に建設できるわけではない。認可手続きだけでも10年はかかるだろう。Bitzeroはすでに主要な設備を所有している。 3. スリムで効率的、そして利益を生み出すマシン Bitzeroは電力コストが安いだけでなく、人件費も抑えられます。 競合他社が従業員20～30人で40MWの施設を運営しているのに対し、Bitzeroはわずか4～6人でノルウェーの40MWの施設を運営している。 高度なソフトウェアがすべての発電設備を監視し、問題を自動的に修正するとともに、人的介入が必要な場合にのみ少人数のスタッフに通知します。このスリムな運用体制により、G&Aコストは事実上ゼロにまで削減され、発電容量1メガワットあたりのEBITDAマージンが拡大します。 このコスト管理体制と低コストの電力とが相まって、Bitzeroは、OneQodeとの契約による収益が計上される前から、現在のマイニング事業だけで月間約100万ドルのEBITDAを生み出すことが可能となっている。 ここから得られる重要な教訓は、コストこそが究極の競争力であるということです。ビットコインの採掘コストが5万ドルであるのに対し、競合他社のコストが10万ドルであれば、相場が暴落しても生き残ることができ、強気相場では巨額の利益を上げることができます。これこそが、レバレッジの高い投資の定義なのです。 ピボットの仕組み 「AI大家」モデルの魅力は、その本質的なオプション性にある。 ビットコインマイナーを稼働させるために必要な電力インフラ、変電所、および高圧接続は、AIサーバー（GPU）のクラスターを運用するために必要なものとほぼ同じです。 Bitzeroは、ビットコインとAIのどちらかを選ばなければならないわけではありません。その両方をこなすことができるのです： • ビットコインが上昇したときは： 同社は、急増する利益を確実に獲得するため、ビットコインのマイニングに最大限の電力を投入している。 • AIの方が報酬が高い場合： ハイパースケーラーが複数年契約の高利益率のホスティング契約を提示すると、Bitzeroはマイニング用リソースをAI演算用へと振り向ける。 ビットコインのマイニングは、AI大家ビジネスにおいて以下の3つの重要な役割を果たしています： • 収益源： 現在、AI関連の事業が構築され、パートナーシップの確保が進められている一方で、すでに数百万の収益を生み出しています。投資家の資金を無駄に消費する必要はありません。 • インフラストラクチャの検証： 24時間365日体制でコンピューティング負荷を稼働させ続けていることは、インフラが極めて堅牢で信頼性が高いことを証明しており、これは複数年契約を検討しているハイパースケーラーにとって不可欠な要素です。 • 究極のヘッジ： これにより、インフラが遊休状態になることを防ぎ、最初のAI顧客が契約を結ぶ前から、収益とコストの回収を確実に保証します。 「力」こそが製品そのものです。ビットコインのマイニングはキャッシュフローを生み出す原動力であり、AIホスティングこそが最大の成果です。 26億ドルの検証 理論には限界がある。結局のところ、誰かが小切手を切らなければならないのだ。 5月5日、OneQodeは26億ドルの出資を約束した。 拘束力のある意向書には、ナムスコガンにあるBitzeroのノルウェー旗艦施設における初期容量110MW全量について、15年間のリース契約が盛り込まれている。OneQodeは、この110MW全量にわたって大規模なGPU導入を段階的に実施する計画であり、2027年上半期の稼働開始を目指している。 これは、ハイパースケーラーが他の地域で直面している3～5年の建設期間よりもはるかに速いペースであり、これはBitzeroがすでに送電網への接続設備、変電所、そして敷地そのものを所有しているという事実が直接的な要因となっている。 経済的な要因こそが、同社にとって今が飛躍的な転換点となる理由です： • 契約期間中の総収益は、年間3％の価格改定分および顧客が負担する転嫁されるエネルギーコストを除き、約26億ドルとなる。 • 予想される当サイトの純営業利益率は85％であり、これはフル稼働時の年間純営業利益（NOI）が約1億5,100万ドルとなることを意味する。 • Bitzeroは、リース契約の仕組み上、光熱費を負担しないため、間接費を最小限に抑え、収益の大部分をそのまま純利益に反映させることができます。 BitzeroのCEO、モハメッド・バカシュワイン氏は、このLOIを同社にとって「決定的なマイルストーン」と位置づけ、OneQodeとのリース契約は「まさに、この施設を通じて支援したいと考えていた、大規模かつ高性能な顧客ニーズを体現するものとなる」と述べた。 訳：その戦略は功を奏している。 デューデリジェンス、規制当局の承認、データホールの設計合意、およびIGによる与信支援を条件として、60日から90日以内に最終的な賃貸借契約が締結される見通しです。契約締結後、Bitzeroは施設全体の建設を委託する予定です。このプロジェクトの総工費は11億ドルと見積もられており、同社は借入金によって資金を調達する計画です。すでに複数の銀行や金融機関との最終段階の協議が進められており、AIグレードの施設向けダイレクト・トゥ・チップ冷却、UPSシステム、HVACの分野で業界をリードする、最高水準のサプライチェーン、請負業者、エンジニアリングパートナーがこれを支えています。 稼働開始まで、ビットコインのマイニングは現場で収益性を維持しながら稼働し続け、変圧器の設置、詳細設計の完了、そして建設工事の開始が進む間もキャッシュフローを生み出し続けます。利益率の高いAIテナントが引き継ぐまで、マイナーたちが施設の運営を支え、収益をもたらし続けているのです。 すべてが予定通りに進めば、2027年第3四半期にも全量の納入が開始される見込みです。 「ミスター・ワンダフル」からの認定 このユニークなレバレッジに気づいているのは、あなただけではありません。 戦略的投資家であるケビン・オリアリー氏――『シャーク・タンク』の「ミスター・ワンダフル」――は、規律ある資産配分を行う投資家であり、インフラ投資の理論を深く信奉しているため、Bitzero社そのものにも戦略的投資家として出資している。 ハイリスクな投機を避けることで知られるオリアリー氏は、同社が自身の投資理論と完全に合致していることから、公に同社を支持している。 「ビットコインを保有するのなら、それを実現するための『ツルハシやシャベル』も手に入れてみてはどうでしょう？　それこそが力であり、エネルギーであり、データセンターなのです。Bitzeroは、そのすべての条件を満たしています。」 彼はこれを「ビットコインとAIの両方に対する『ピック・アンド・ショベル』戦略」と呼んでいる。 世界で最も懐疑的かつ成功を収めているベンチャー投資家の1人が、ある企業が地球上で最も急成長している2つの産業におけるエネルギー問題を解決したと述べれば、その戦略的合理性は自明である。OneQodeの買収により、その価値は26億ドルと評価された。 長くは続かない評価額の乖離 ここで、投資の根拠が重要になってきます。 Bitzeroは現在、次のような企業となっています： • 最初の110MWについて、OneQode社との間で15年間、総額26億ドルのAIホスティングリース契約を締結した。 • フィンランドとノースダコタ州全域で、1ギガワット以上の追加潜在発電容量を確保した。 • 競合他社が追随するには何年もかかる、かけがえのないインフラの「堀」を築き上げた。 • データセンターの建設が進む間、キャッシュフローのつなぎとして、収益性の高いビットコインマイニングを継続した。 市場がまだ完全には織り込んでいない計算は以下の通りです。 AIホスティング分野では、現在、GPU対応の契約容量100MWごとに、約20億～30億ドルの企業価値に相当しています。Applied Digital（ナスダック：APLD）は、CoreWeave社と15年間で総額約70億ドルに相当する250MWの契約を締結した後、契約規模を400MW、総契約収益を約110億ドルへと拡大し、その過程で同社の株式価値評価全体を見直した。 Bitzero (NASDAQ: AIBZ)は、110MWの契約を締結したばかりだ。これは、ノルウェーの拠点だけで、22億～33億ドルに相当する企業価値を示唆するものであり、これには、1GWのフィンランド・キャンパスや、今後計画されている300MWのノースダコタ・バンカーは含まれていない。 はい、通常、最初の施設が完全に建設され、引き渡されるまでは、市場ではおよそ30％のディスカウントが適用されます。しかし、それが完了すると（2027年第3四半期を予定）、そのディスカウントは解消され、企業は、同様の投資テーマに基づきすでに数十億ドルの評価額で取引されている同業他社を基準に、再評価される傾向があります： • アイリス・エナジー（IREN）： 21ドル以上。時価総額5十億。 • コア・サイエンティフィック（CORZ）： $以上9十億。 • TeraWulf (WULF)： $以上12.25 billion. これらの企業は、確保された拡張能力を備えた自社所有の電力インフラという、同じ中核的なコンセプトに基づいて企業価値を築き上げてきました。Bitzeroは、同様の成長余地と優れたコスト構造を有しているだけでなく、現段階では他社がまだ持っていない、AIリースに関する署名済みかつ法的拘束力のある契約書も手に入れています。 市場では、Bitzeroは単なるビットコインマイナーとして評価されてきました。しかし実際には、同社は1ギガワットを超えるAI対応の低コストでクリーンな電力を保有するインフラ事業者であり、そのうち最初の110MWについてはすでに契約が成立しています。 AIのエコシステム全体では、すでにソフトウェアやサイバーセキュリティの分野で、大きな成功を収めている企業が数多く現れています。CrowdStrike Holdings Inc. (NASDAQ:CRWD)、 Palantir Technologies Inc. (NASDAQ:PLTR)、およびSnowflake Inc. (NYSE:SNOW)といった企業は、AI駆動型のソフトウェア、アナリティクス、およびエンタープライズインフラに対する需要の急増から恩恵を受けています。しかし、投資家の注目は主にアプリケーション、データ、セキュリティに集まっている一方で、あらゆるAIワークロードは最終的には物理的な電力とデータセンターの容量に依存しています。AIの導入が加速する中、この業界における最大の制約はソフトウェアの革新ではなく、電力供給されたインフラへのアクセスである可能性があり、次世代のAIコンピューティングを支えるために必要な電力、用地、送電網接続を供給できる企業を中心とした、並行する投資テーマが生まれています。 評価額の格差は甚大です。Bitzeroが単にデジタル資産をマイニングしているのではなく、将来のコンピューティングの鍵を貸し出しているということを市場が完全に理解すれば、この格差は解消されるでしょう。 インフラの整備が完了しました。電力供給も確保されました。最初のAIテナントとの契約が締結されました。 選択肢は明らかだ。今すぐ参入してこの融合の波に乗るか、それともビッグテックがようやく資金力で参入してくるまで2年間待つか、だ。 憶測を巡らせる時期は終わった。希少でかけがえのない資産――電源プラグ――を手に入れるのは、今こそだ。 文：マイケル・スコット AIブームをきっかけに、天然ガスや電力関連株が予想外かつ前例のない上昇局面を迎えています。データセンターのエネルギー需要に注目していなければ、この10年で最大のエネルギー関連の話題を見逃してしまうでしょう。賢明な投資家はすでに、1兆ドル規模のAIシステムを支える準備が整っている数少ない企業へと、ひっそりと資金を移し始めています。

セキュリティ責任者(CISO)専用の業務基盤を掲げるPulse Security AIがステルスを解除し、Foundation Capital主導・Zetta Venture Partners参加で800万ドルのシード資金を調達した(https://www[.]globenewswire[.]com/news-release/2026/07/15/3327850/0/en/pulse-security-debuts-operational-management-platform-built-for-security-leaders.html)。 CEOのMike Armistead氏は「CFOには基幹業務システム(ERP)があり、CROには顧客管理システム(CRM)がある。セキュリティの責任者だけは、それに相当するものを持ったことがない」と語る。実際、セキュリティプログラムはスプレッドシートやスライド、属人的なノウハウ(tribal knowledge)で回されてきたという。米国立標準技術研究所(NIST)によれば脆弱性識別番号(CVE)の登録件数は2020〜2025年で263%増加、脆弱性データを追跡するVulnCheckの調査では2025年だけで884件が新たに悪用され、うち約29%はCVE公開と同日かそれ以前に攻撃が始まっていたという。 Pulseが80件超のCISOインタビューから見出した共通の悩みは、取締役会でも経営陣の前でも規制当局の監視下でも拠り所にできる「常に最新の状態を保った権威ある記録」が無いことだった。そこでEDR(端末の侵入検知)やクラウド、ID管理といった技術サイロと評価レポートなどの非構造データを1つにつなぐ「文脈グラフ」というアーキテクチャを採用し、散らばった情報を1枚の地図として扱えるようにしている。 創業者のMike ArmisteadとRobert Hippsは、SOC(セキュリティ運用センター)自動化のRespond Softwareを共同創業し2020年にFireEye/Mandiantへ1億8600万ドルで売却した実績組。Armisteadは以前にもアプリケーションセキュリティの先駆けFortify Softwareを創業しHPに売却(2010年)、Nick GilliganはRespondの初期メンバーで後にMandiantとGoogleでAIエンジニアリングを率いた。 他部門には当たり前の「専用の基盤ソフト」がCISOだけ無かったというのは、言われてみれば確かに歪だ。

元GoogleとShape Securityの幹部らが、AIによる詐欺やディープフェイクを検知する新セキュリティ企業「Reken」を、2024年の設立から2年間の非公開開発(ステルスモード)を経て始動させた(https://finance[.]yahoo[.]com/technology/ai/articles/reken-launches-stealth-build-internet-141400682.html)。 背景にあるのは深刻な不信の広がりだ。2026年のRBC調査では「証明されない限りオンラインメッセージは詐欺だと思う」と答えた人が83%、FBIの報告では2025年のサイバー犯罪被害額が209億ドル(前年比26%増)に達し、AI関連の被害報告だけで2万2000件を超えたという。 Rekenが出したのは「Reken Private Core」という、クラウドのAIモデルを都度呼び出す仕組みではなく端末上(オンデバイス)で完結するAIセキュリティ基盤だ。通信データを外部に送らずローカルで脅威を判定するため、GPUを積んだ特別なサーバーも追加のAIトークン課金も不要で、一般的なハードウェアだけで動く。届いたメッセージの脅威判定に加え、乗っ取られたチャネルに紛れ込んだAIボットや自動化された挙動を見つけ出すセンサーも備える。このコア上で動くプロダクト群は自動で連携し「Reken Network」という信頼レイヤーを形成、参加組織同士は安全にやり取りでき、外部からの通信も自動で危険性が分析される。 第1弾プロダクト「Northstar」は、フィッシング研修そのものを不要にすることを狙った、はたらく人のためのAIアプリだ。CEOのShuman Ghosemajumder氏(元Google Trust & Safety創業者、Gmail立ち上げにも関与)は「企業は日々数百万時間分の人手と数十億ドルを、効果のないセキュリティ研修に費やしている」と指摘する。Northstarはソーシャルエンジニアリング(人の心理的な隙を突く詐欺の手口)やディープフェイク、ビジネスメール詐欺(BEC)といった、人間の目では見抜きにくい脅威を必要な瞬間に検知し、社員が自分で見抜こうとする必要をなくす。 共同創業者のRich Griffiths氏は、AIボット防御大手Shape Security(2020年にF5が10億ドルで買収)を築いた人物。GreycroftとFPV Venturesが主導する1000万ドルのシード資金を調達済みで、元GoogleのIPO(新規株式公開)を主導したGreycroftのMarcie Vu氏が取締役に就いている。

# OpenAI Agent SDKの便利で実践的な使い方 🌍 ツールの入出力にもガードレールを設定して、セキュリティを強化しましょう！ ツール引数のチェックや出力のマスキングで、機密情報の漏洩や不正な操作を防止できます。 📌 タイトル：Guardrails – Tool guardrails 🔗 URL： 🧩 概要 Tool guardrailsは、ツールの実行前（引数チェック）と実行後（出力チェック）にガードレールを設定する仕組みです。APIキーの混入防止、機密データのマスキング、特定の操作のブロックなど、ツールレベルでのセキュリティ制御を実現します。マネージャーパターンやHandoff、委任を使う複雑なワークフローでも、個別のツールに対してきめ細かいチェックを適用できます。 🛠 使い方 `agents`から`Agent`, `function_tool`をインポートします。`@function_tool`デコレータでツール関数`search_api(query: str) -> str`を定義し、`Agent(name="SecureAgent", tools=[search_api], tool_guardrails=[check_tool_args])`のように`tool_guardrails`にチェック関数を設定します。 🏗 実践的な使い方 **APIキーの混入をブロック（reject_content）** ツール引数に`sk-`で始まるAPIキーが含まれていないかチェックし、検出時にツール実行をブロックします。 `re`と`GuardrailFunctionOutput`をインポートし、`reject_api_keys(context, agent, tool_call)`関数で` str(tool_call.arguments))`によりAPIキーの混入を検出します。`tripwire_triggered=has_api_key`で検出時にブロックし、`Agent(name="SecureAgent", tools=[search_api, call_external_service], tool_guardrails=[reject_api_keys])`として設定します。 **ツール出力の機密データマスキング** ツール実行後の出力に含まれる機密情報（メールアドレス、電話番号など）を自動的にマスキングします。 `mask_sensitive_output(context, agent, tool_call, tool_output)`関数でツール出力に対して`re.sub(r'[\w.+-]+@[\w-]+\.[\w.]+', '[MASKED_EMAIL]', str(tool_output))`でメールアドレスを、`re.sub(r'\d{3}-\d{4}-\d{4}', '[MASKED_PHONE]', masked)`で電話番号をマスキングします。`GuardrailFunctionOutput(output_info={"masked": True}, tripwire_triggered=False, modified_output=masked)`で加工済み出力を返し、`Agent(name="DataAgent", tools=[query_customer_db], tool_guardrails=[mask_sensitive_output])`として設定します。 **複雑なワークフローでの個別ツールチェック** マネージャーパターンやHandoff、委任を組み合わせた複雑なワークフローでも、特定のツールに対してきめ細かいガードレールを適用できます。 `check_delete_permission(context, agent, tool_call)`関数で` == "delete_record"`の場合に`context.get("user_role", "viewer")`で権限を確認し、`user_role not in ["admin", "editor"]`なら`tripwire_triggered=True`でブロックします。それ以外のツールは`tripwire_triggered=False`でスキップします。`Agent(name="Manager", tools=[query_db, update_record, delete_record], tool_guardrails=[check_delete_permission, reject_api_keys])`のように複数のガードレールを組み合わせて設定できます。 💡 ユースケース 🔑 ツール引数へのAPIキー・シークレット混入防止 🎭 ツール出力からのPII（個人情報）自動マスキング 🚫 権限に基づく特定ツール操作のブロック 🔒 複雑なマルチエージェントワークフローでのセキュリティ制御 ⚠️ 注意点 - ツールガードレールはツールの実行ごとに呼び出されるため、パフォーマンスへの影響を考慮してください - 正規表現によるチェックは完全ではありません。重要なセキュリティ要件には複数の防御層を設けてください - マスキング処理は元のデータ型を変更する可能性があるため、後続の処理に影響がないか確認してください - 複数のツールガードレールを設定した場合、すべてが順に実行されます ✨ ツールガードレールで、エージェントのツール操作をきめ細かく制御し、セキュリティを強化しましょう！ #OpenAIAgentSDK# #AIAgent#

ソフトウェア等の脆弱性関連情報に関する届出状況について、2026年第2四半期（4月-6月）の統計情報を公開しました。本四半期の届出件数はソフトウェア製品が182件、ウェブアプリケーションは65件で、合計247件でした。 #サイバーセキュリティ#