気になるIT＆DX情報vol.5- ※一部有料
2026年、あけましておめでとうございます。 最近「2026年問題」なんて言葉を耳にしますが、AIの世界は相変わらずのスピード感ですね。
「AIが社員扱いになって税金を納める日が来るのかな？」 「どうせなら、好き嫌いの激しい上司より、AI人事に評価されたい！」 そんな妄想が、スクエニの事業改革や地銀のDX事例を見ていると、どんどん現実味を帯びてきます。
一方で、AIが嘘をつく「ハルシネーション」や、質の低いデータでバカになる「脳の腐敗」なんて怖い話も……。 今日は、盛りだくさんの最新トピックを整理しながら、「AIの愛と哀（？）」、そして私たちが目指すべきDXの形について、ゆるく、かつ深く深掘りしていきたいと思います。 ヽ(o´・ω・)💛(´・ε・o)ﾉ vs (V)o￥o(V)
2026年ですね。2026年問題というのがあるようです。あと、確かにAIが社員扱いになり税金を納める日が来るのかな？？
私はAI人事を期待しています。
4巻は次です。
※一部有料コンテンツが含まれます。
#日本DX
｜－スクエニが事業改革を加速、「QAの7割AI化」と「海外スタジオ閉鎖」など開発体制を抜本的に見直し
スクウェア・エニックスは事業改革を加速し、開発体制の抜本的な見直しを進めている。その柱の一つが品質保証（QA）の約7割をAIで自動化する取り組みで、テスト効率の向上とコスト削減を狙う。また、開発効率や収益性を重視し、海外スタジオの閉鎖や整理も実施。内製力の強化と選択と集中を進め、AAAタイトルを含む開発プロセス全体の再構築を図る方針で、生成AI活用を前提とした次世代のゲーム開発体制への転換が鮮明になっている。
｜－「落とし物DX」で売上15億円 競合だったJR東日本も導入した「find」はどんなサービスなのか
「落とし物DX」は、忘れ物・落とし物管理をデジタル化し、企業の売上を15億円規模に成長させたサービス。利用者はスマホアプリを通じて、落とした物の登録・位置情報の通知・管理者とのやり取りを行え、従来の紙ベースや電話対応に比べて効率的かつ迅速な対応が可能になる。競合としてJR東日本が導入した「find」も同様の目的で、駅や公共交通機関での落とし物追跡にAIやQRコードを活用する仕組みを提供。findは鉄道利用者向けに紛失物の申告から発見・返却までをデジタルで完結させ、駅業務の負担軽減と利用者満足度向上に寄与している。これらのサービスは、データ共有・リアルタイム管理を通じて、従来の落とし物対応を大きく変革している。
｜－人口減でも地域経済を伸ばせる？八十二銀・長野銀「新しいアプローチ」がスゴイ理由
人口減少が続く中でも地域経済を成長させるため、八十二銀行と長野銀行が新しい施策を展開している。従来の貸出重視型ではなく、地域全体の価値創出を支える「伴走型金融」を強化し、地元企業やスタートアップに対して経営支援、事業再構築、デジタル化支援を提供。特にデータ活用やAI活用、サプライチェーン強化などの先進的取り組みを促進し、付加価値の高い産業育成を目指す。また、自治体や地元団体と連携し、地域資源のブランド化や観光振興、中小企業の海外展開支援など多角的な支援策を実施。人口減という構造的課題を単なる縮小ではなく、地域の強みを活かした経済成長の機会に変えるアプローチが注目されている。
｜－銀行再編ラッシュの裏で…統合力ではない“真の武器”を示す意外な地銀
銀行再編が進む中、単純な規模拡大や資本統合力だけでは勝ち残れないという現実が浮き彫りになっている。再編ラッシュの裏で注目されるのは、統合力以上に地域固有の強みを生かした独自戦略を展開する地方銀行だ。それらは地元企業や自治体との関係構築、地域資源を活かしたプロジェクト支援、スタートアップ育成、デジタル化支援などを通じて、他行にはない価値提供を実現している。従来の貸出中心モデルから脱却し、コンサルティング機能や共創型の事業支援を行うことで、地域経済全体の活性化に寄与するとともに、自行のビジネスモデルの持続性を高めている。このような地方銀行は、統合による規模メリットではなく、地域密着力・独自サービス力という“真の武器”を示している。
｜－AIインフラ競争の裏側「フィリピン政府」と巨大通信が描く 「デジタル鎖国」の経済効果とリスク
AIインフラ競争の舞台で、フィリピン政府と大手通信企業が進める「デジタル鎖国」戦略が注目されている。この方針は、国内データの国外流出を制限し、AIインフラやクラウドなどの重要データを国内内で管理・処理する仕組みを構築することを目指すものだ。経済効果としては、国内企業のデータ活用促進や雇用創出、外資依存の軽減、データ主権の強化が挙げられる。一方で、リスクとしては技術の閉鎖性による国際競争力の低下、海外資本・技術の導入遅延、コスト増加や独自規制による海外企業の撤退といった課題が指摘される。強固なデータ統制で国内AI産業を育成する意図はあるものの、保護と開放のバランスをどう取るかが今後の鍵となる。維持すべきデータセキュリティと、AI技術フローの自由化の間で各国が異なる戦略を模索する中、フィリピンの動きは一例として国際的な議論を呼んでいる。
#AIの愛と哀
｜－生成AI時代、日本企業の勝ち筋は？ 平デジタル大臣、松尾教授、PKSHA上野山社長に聞く
生成AI時代における日本企業の勝ち筋は、単に技術を導入するだけでなく、独自の強み × AI活用の組み合わせを意識することにある。平デジタル相は、社会課題解決や公的データ活用の推進を強調し、行政DXや生活者に直結するサービスでの活用を重視。松尾豊教授は、AIの基盤技術を自社で内製化しながら、専門領域やドメイン知識を活かしたAIの差別化を提案した。PKSHA Technology・上野山社長は、生成AIを単体で使うのではなく、企業固有のデータやナレッジと連携する「実装力」が競争優位につながると述べる。要するに、日本企業は「単純な導入競争を避け」「領域特化 × データ連携 × 社会価値の創出」で勝負すべきという点で意見が一致している。
｜－くら寿司が〝醤油ナメナメ〟迷惑行為の女性を特定 ＡＩ技術で逃げ場なし
こういう使い方ならお巡りさんや裁判も早く終わりそう？？
｜－ASCII.jp：生成AIのデザインはどれも同じに見える？ 便利だけど「競合他社と似てしまう」と考える人も多い
｜－AIが基礎的な仕事を奪った結果…若手に「難しい仕事」だけが残される深刻な危機
AIの導入により、若手社員が従来経験していた基礎的・定型的な仕事が減少し、キャリアの入口が縮小している。結果として、残された業務は高度で難易度の高い仕事ばかりになり、経験の浅い若手には負担が大きくなる。基礎業務を通じた学びやスキル習得の機会が失われることで、人材育成の段階構造が崩れ、世代交代や組織の持続可能性に影響する恐れがある。企業や社会は、若手が経験を積める環境を再構築する必要がある。
なるほど。そういう側面もあるなと。
｜－ゴミのようなデータを学習させることでAIがバカになってしまう「脳の腐敗(Brain Rot)」仮説とは？
「脳の腐敗（Brain Rot）」仮説は、AIに質の低いデータや誤情報を大量に学習させると、性能が劣化し、誤答や偏りが増える現象を指す。大量データの学習はAIの能力向上に不可欠だが、情報の信頼性や関連性が低いと、モデルは無意味なパターンを覚え、思考や判断が不正確になる。この仮説は、人間の脳が不適切な刺激や情報で混乱する状況に例えられ、AI開発ではデータの精査やクリーニング、フィードバックループの重要性を強調するものである。
｜－AIは時々、もっともらしいウソをつく ハルシネーションを見破りファクトチェックする4つの方法
生成AIは、見た目は正しそうでも事実と異なる情報（「ハルシネーション」）を生成することがあります。これを防ぐための4つの方法が提案されています。
出典を明示させる
AIに回答の根拠を求めることで、信頼性の低い情報を排除できます。クロスチェックを行う
複数のAIモデルを併用し、出力結果を比較・検証することで、誤情報のリスクを減らせます。専門家の監修を受ける
専門知識を持つ人による確認を行うことで、情報の正確性を高めることができます。AIの限界を理解する
AIは過去のデータに基づいて学習しており、最新情報や専門的な知識には限界があることを認識することが重要です。
これらの方法を組み合わせることで、生成AIの出力結果の信頼性を向上させることが可能です。
｜－Microsoftが将来のAI技術に警鐘、自己改善するAIの停止には軍事介入が必要
｜－詐欺対策は「AI vs. AI」の戦いに！ 「迷惑電話」は固定電話から携帯に…迷惑電話撃退最前線 | FRIDAYデジタル
AIvsAIもあればAIが造ったものをAIがレビューする世界観も生まれるだろう
エージェント型AIが無力化する理由：基幹システムなしでは機能しない現実
エージェント型AIは自律的にタスクを実行できるように見えるが、実際には基幹システムとの連携なしでは十分な効果を発揮できないという限界がある。エージェントは依頼内容を理解しアクションを提案・実行する能力は高まっているものの、社内データベース、業務システム、認証基盤など基盤となるシステムとつながっていなければ、実行できる操作が制限され、現場の運用には結びつかない。つまり、AIが処理できるのはデータの読み書きや提案までであり、実際の業務プロセスを完遂するにはシステム統合とセキュリティ設計が不可欠だ。このため、単体でのエージェント導入は効果が限定的で、既存の基幹システムとしっかり連携して初めて効率化や自動化の恩恵を得られるという現実がある。
AIが基礎的な仕事を奪った結果…若手に「難しい仕事」だけが残される深刻な危機
生成AIの普及によって、ルーティンワークや基礎的な業務は自動化・効率化が進み、多くの基礎的な仕事がAIに置き換わりつつある。一方で、これにより若手社員に残されるのは「難易度が高く曖昧さが強い仕事」ばかりになるという危機的状況が指摘されている。AIは定型的なタスク処理やパターン認識には強いが、抽象度の高い戦略判断や価値の創出、関係構築、状況の不確実性への対応などはまだ人間が担う必要がある。若手は基礎トレーニングをAIに奪われることで、これまで段階的に習得してきた仕事の土台が不足し、人材育成の過程が崩れる恐れがある。結果として、企業全体での技能継承や将来のリーダー育成が停滞し、組織力が低下するリスクが高まる。AIとの共存を前提に、基礎力の再定義・AIリテラシー教育・創造的・判断力の強化が不可欠となっている。
#AI全般
｜－LLMの“次に来るAI”？ NVIDIAが推進する「フィジカルAI」とは何か、識者に聞いた
NVIDIAが推進する「フィジカルAI」は、従来のLLM（大規模言語モデル）が得意とするテキスト生成にとどまらず、物理世界の理解と制御を目指す次世代AIの概念です。
LLMは言語の予測に特化していますが、物理空間での適切な行動を取るためには、物理法則を理解し、映像やセンサー情報を基に意思決定を行う能力が求められます。
NVIDIAは、映像生成技術を活用した「世界基盤モデル（Cosmos）」や、物理法則に基づくシミュレーション環境「Omniverse」を提供し、フィジカルAIの開発を支援しています。
この技術は、自動運転車やヒューマノイドロボットなど、現実世界での適応能力が求められる分野での活用が期待されています。
フィジカルAIは、2026年頃から本格的な普及が見込まれており、次世代AIの主流となる可能性があります。
｜－【プロが教えるAIプロンプト】記事を書くときによく使うプロンプト4選
「【プロが教えるAIプロンプト】記事を書くとき、何を気にしているのか？」
これはプロンプトそのものより“設計思想”の話になる。以下は、実務で通用する記事を書く人が共通して意識しているポイントだ。
①「いい答え」より「再現性」を最優先する
プロは、一度うまくいったプロンプトではなく誰が使っても同じ品質が出るプロンプトを書く。
そのために気にするのは、
状況依存の表現を減らす
曖昧語（いい感じで、適当に、なるべく）を排除
入力 → 出力の因果関係を明確にする
記事では「このプロンプトを使えばこうなる」ではなく「なぜそうなるか」まで書く。
② AIを“便利ツール”として扱わない
プロが書く記事では、AIを魔法の箱として扱わない。
AIは役割を与えないと性能が出ない
AIは前提条件がズレると簡単に壊れる
AIは人間の思考を代替しない
だから記事では必ず、
このプロンプトが効く前提条件
向いている用途／向いていない用途
失敗しやすいパターン
をセットで書く。
③「コピペで終わらせない構成」にする
素人向け記事は
👉 プロンプト → コピペ → 終わり
プロ向け記事は違う。
なぜこの構造なのか
どこを変えるとどう変化するのか
業務に合わせた改変ポイントはどこか
つまり、プロンプトを“教材”として扱う。
④ 出力ではなく「思考誘導」を設計している
プロンプト設計で本当に重要なのは、AIに何を考えさせるか。
だから記事では、
出力形式よりも思考ステップ
命令文よりも判断基準
文体指定よりも評価軸
を重視する。
例：
「300文字で書け」より
「専門家がレビューする前提で、論点漏れがないか自己検証せよ」
こうした内省を促す指示があるかどうかが、プロと素人の分かれ目。
⑤ 「人間の立ち位置」を必ず書く
プロの記事には必ずこう書かれている。
最終判断は人間が行う
AIの出力は仮説である
責任はプロンプトを書いた側にある
AI礼賛で終わらせない。人間がどう使いこなすかで締める。
⑥ 流行り言葉を使いすぎない
「神プロンプト」「魔法の指示」
──こういう言葉は一時的に伸びるが、寿命が短い。
プロは、
数ヶ月後に読まれても通用するか
現場で使い続けられるか
技術が進化しても思想が残るか
を気にして書く。
まとめ：プロが気にしているのは“文章”ではない
【プロが教えるAIプロンプト】記事で本当に気にしているのは、
再現性
思考の構造
失敗の前提
人間の役割
つまり、「AIをどう使うか」ではなく、「AIとどう分業するか」。ここが書けている記事は、長く読まれる。
｜－ガートナー警鐘、その製品「実はAIエージェントじゃない」？見極め方と導入法を解説
Gartnerが警鐘を鳴らす「その製品、本当にAIエージェントか？」という視点を３つのポイントで整理します。
誤ったラベルに注意
多くのベンダーがチャットボットやRPAツールを「AIエージェント」として再ブランディングしており、実際には自律的判断や目標達成の機能を備えていない製品が多数存在します。自律性・目標指向性の確認
真のAIエージェントは、環境を認識し、意思決定を行い、目的を達成するために行動できるシステムです。単なる補助的ツールやスクリプト化された自動化では、この定義を満たしていません。導入の見極め方と戦略
導入前には「何を達成したいか」「そのツールはどこまで人を代替できるか」「リスク・ガバナンスをどう担保するか」を明確にし、限定されたタスクから段階的に適用領域を拡大することが重要です。
このように、ハイプやマーケティング表現に流されず、製品の機能・目的・実績に基づいて“本物のAIエージェントか否か”を見極めることが、導入成功の鍵となります。
Z世代の6割が、人間より「AIがマネジメントする職場で働きたい」 なぜAIが選ばれる？
この傾向が示すポイントは、「AIのほうが上司として合理的で公平だ」とZ世代が感じている点にある。
Z世代の約6割が「人間よりAIがマネジメントする職場で働きたい」と答えた背景には、①感情や好き嫌いに左右されない評価、②データに基づく公平な判断、③パワハラや忖度が起きにくい安心感がある。人間の上司にありがちな気分ムラや属人的判断を避けられる点が支持されている。
また、AIは24時間相談でき、指示やフィードバックが明確で、成長の指針が見えやすい点も魅力とされる。一方で、最終的な責任や人間的な共感は人が担うべきだという意見もあり、「AI管理＋人間の補完」というハイブリッド型マネジメントを求める意識が浮き彫りになっている。
情感より論理なのだろうか？
#AI失敗事例 /注意喚起
#AWS
｜－小さな不具合が引き起こした大規模インターネット障害、ＡＷＳの事案から学ぶ教訓
1. 小さな不具合でも連鎖的影響が大規模障害に
AWSでは、設定ミスやコードのわずかなバグがトリガーとなり、クラウド上の複数サービスに波及。単一障害が世界規模のシステム停止につながることを示しました。
2. クラウド依存のリスク
企業や自治体はAWSやMicrosoft Azure、GCPなどクラウドサービスに大きく依存しています。単一クラウドへの依存は、障害時に業務全体が停止するリスクを増幅します。
3. 冗長化とマルチクラウド戦略の重要性
障害に備えて、データやサービスを複数リージョンや複数クラウドに分散させる設計が不可欠です。冗長化設計やフェイルオーバー手順を定期的に検証することも教訓のひとつです。
4. 障害対応の自動化と情報伝達
障害発生時の即時通知、影響範囲の可視化、対応手順の自動化が被害軽減に直結します。AWS自身も障害対応手順の改善を公表しており、利用者側でも同様の準備が求められます。
5. 小さな変更でもテスト・検証を徹底
設定変更や新機能導入時には、小規模環境でのテストとリスク評価を必ず行い、障害発生時の影響を最小化する文化が重要です。
｜－AWS、DevOpsを支援する3種類のエージェント型AIをリリース
AWSはDevOpsを支援するため、3種類のエージェント型AIをリリースした。これらは開発から運用までのワークフローを自動化・最適化することを目的としており、CI/CDのパイプライン構築、インフラコード生成、テスト自動化、モニタリングや障害対応の効率化などをAIが担う。従来のツールはユーザーの明示的なコマンドや設定が必要だったが、これらのエージェントは開発者の意図を汲み取り、プロアクティブに次の作業を提案・実行できる点が特徴だ。結果としてチームの生産性が向上し、エラー削減やリードタイム短縮に寄与する。また、AWSの既存サービスと密に連携することで、セキュリティ・運用監視・コスト最適化も同時に支援できる。DevOpsとAIの融合が一段と進む事例として注目されている。
#DX （#AIとDX）
#DX
｜－DXの目的は7割弱が守りの「効率化」に留まる 一方で生成AIは効率化から「高度活用」へ進化の兆し
企業の「DX（デジタルトランスフォーメーション）」目的の約7割弱が、守りの「業務効率化」にとどまり、新規事業創出や顧客体験の向上への転換が進んでいない。一方で、生成AIの導入目的は「定型業務自動化」が最多ながら減少傾向にあり、「意思決定支援」や「属人業務のナレッジ化」など、より高度な活用への移行が見え始めている。また、経営層の関与は両者とも約5割程度にとどまっており、今後この関与の厚さが企業間の格差を生む可能性がある。
#CSP
CSP: #AWS
CSP: #Azure
CSP: #GCP
｜－グーグルのAIコーディングツール『Antigravity』、公開翌日にハッキング方法が発見される | Forbes JAPAN 公式サイト（フォーブス ジャパン）
CSP: #OCI
#デジタル庁
｜－デジタル庁、OpenAIと連携--日本の行政効率化へChatGPTの生成AIモデル活用
#DXの進め方・実行編・成功例
｜－「業務効率化」という発想が、AI活用を狭めている
AI活用において「業務効率化」だけを目的にすると、AIの潜在能力を十分に引き出せないという指摘がある。効率化は確かに短期的な成果を生むが、単純作業や定型業務の自動化に偏るため、創造性や意思決定支援といった本質的な価値を見逃しやすい。AIは新たなビジネスモデルの創出や、従業員の能力拡張にも活用できるため、視野を「効率化」から「価値創造」に広げることが重要であり、組織の成長や競争力向上につながる。
「ガバメントAI」って何？ デジタル庁が解説動画を公開 -
「ガバメントAI」とは、政府・自治体がAIを活用して行政サービスや政策立案、業務効率化を進める取り組みを指す言葉だ。デジタル庁はその概念をわかりやすく説明する動画を公開し、住民向けサービスの高度化や行政手続きの迅速化、職員の負担軽減などのメリットを示している。具体的には、問い合わせ応対の自動化、データ分析による政策立案支援、申請書類の自動分類・チェックなどへの活用が想定される。また、ガバメントAIの導入には、データの安全管理や公平性、透明性の確保が不可欠であることも併せて解説している。政府としては、自治体間の格差是正や住民サービスの均質化を進めるため、ガバメントAIの普及・実装を推進していく方針だ。
#SEとAI
｜－約5割がソフトウェア開発のコード生成でAI活用--ガートナー調査
Gartnerの調査によると、企業のソフトウェア開発者の約5割がすでにAIによるコード生成ツールを活用しており、2028年までには75％が使用する見込みとされる。AI支援ツールはコードの自動生成や補完だけでなく、アイデア創出やフレームワーク習熟の促進にも役立ち、開発者の生産性向上に寄与する。これにより、少人数でも効率的な開発が可能となり、AI活用による業務改革が加速している。
｜－AIエージェントを支える技術: コンテキストエンジニアリングの現在地
“コンテキストエンジニアリング”は、AIエージェントが正確な判断・行動を実現するために「どの情報を、いつ、どのようにモデルへ提供するか」を設計・運用する技術である。
キーメソッドには以下が含まれる：
データ接続：散在するデータをつなぎ、信頼できる文脈情報を整備。
情報選別：モデルの作業に必要な情報だけをリトリーブして投入し、ノイズを削減。
圧縮・整理：長すぎたり冗長な情報を要約・整理して、モデルの“文脈窓”に収まるように最適化。
多エージェント対応：複数エージェントが協調する環境では、それぞれに最適化された文脈を設けることでスケーラブルなシステムを構築。
このアプローチにより、単なるプロンプト改善ではなく「モデルが使う文脈そのもの」を戦略的に設計することで、精度・効率・拡張性の向上が期待される。
｜－プロンプトエンジニアは終わり?次に来る7つのキャリアとAI時代を生き抜く戦略｜成功のレシピ
｜－生成AI導入でITエンジニアの50.7%が「コーディング時間」が減少 「実装フェーズ」での活用進む
生成AIの導入により、ITエンジニアの 50.7％が「コーディング時間が減少した」 と回答した。特に要件定義や設計よりも、実装フェーズでの活用が顕著で、コード生成、修正、リファクタリング、エラー対応などに生成AIが使われている。その結果、単純作業や反復作業の負担が軽減され、開発スピードや生産性の向上が実感されている。
一方で、生成AIの出力をそのまま使うのではなく、レビューや調整は人間が行う必要があるとの認識も強い。今後は、コーディング量そのものよりも、設計力や要件整理力、AIを使いこなすスキルがエンジニアに求められるようになり、役割の質的変化が進むことが示唆されている。
さて、実現度を分析してみた。私は、AIがプログラムして、違うAIがソーススレビューするような世界になると思う。詳細は次の通りです。
NOTEクリエータ―にも同じ思いの人もいるようです。
｜－「ITエンジニアが選ぶ人気生成AI」は？ 約6割が有料プランを利用、8000円超え課金も約2割
ITエンジニアを対象とした調査で、「人気の生成AIサービス」についての利用実態が明らかになった。回答者の約6割が生成AIの有料プランを利用しており、約2割は月額8,000円以上の課金をしているという結果になった。人気サービスとしては、ChatGPT や Gemini をはじめ、開発支援に強いCopilot、専門性の高いツールなどが上位に挙がっている。エンジニアが有料プランを選ぶ理由としては、より高度な応答性能、速度、API 利用やカスタマイズ性の高さが挙げられており、単なる試用ではなく実務での活用を重視する傾向がうかがえる。また、生成AIが日常的なコーディング、設計支援、デバッグ、ドキュメント作成など幅広い工程で役立っていることも報告されている。---
#そのほか
💰💰💰有料💰💰💰
なし
#AIエージェント
#AI対応データ
#マルチモーダルAI
IT・DX・AI関連
ビジネス・キャリア関連
ライフスタイル・自己啓発関連
