Connect with us

人工知能

人工知能

2026年7月28日著者 Jonathan Schramm

AIの準備状況がFinTechの生産性向上を決定する理由
By Jonathan Schramm
企業や国家レベルでAIを導入することが最優先事項となる中、生産性向上や成果に関して何が期待できるかを知ることは重要です。しかし、ソフトウェアやAI技術の導入はプロセスの最初のステップに過ぎません。受け入れられ、実際に使用され、既存および将来のワークフローに統合される方法が、実際に創出される価値の大きさを決定します。サウジアラビア・ダーハーンにあるキング・ファハド石油・鉱物大学の二人の研究者による新しい研究は、AI準備の重要性を示しています。彼らはサウジアラビア全域の255社を調査し、FinTech導入による生産性向上がAI準備に依存していることを評価しました。彼らはその成果をInternational Review of Economics & Financeに「サウジアラビアにおけるFinTechと生産性向上：AI準備状況を浮き彫りにした多層分析」というタイトルで掲載しました。インテリジェンス主導型経済への移行サウジアラビアの事例は、同国が石油依存から脱却しようとしているため、FinTechとAIへの転換を分析する上で特に重要です。したがって、同国は技術革新を活用して主要セクター全体の生産性を高める方法に注目しています。多くの新興国や中所得国において、FinTech（金融テクノロジー）は金融イノベーション、アクセス、効率性を促進する手段としてますます注目されています。「データ分析とデジタル信用スコアリングを活用することで、FinTechプラットフォームは情報の透明性を高め、従来の金融システムから除外されていた企業への融資を促進できます。」これは、クラウドコンピューティング、モノのインターネット、人工知能、機械学習、ビッグデータ分析など、先進的なデジタル技術の統合として広く定義できます。特に、貿易、輸送・物流、サービスといったセクターで、生産性成長を解き放つことが重要です。これらはタイムリーな支払いや高い運転資本への依存により制約されている可能性があります。「貿易においては、デジタル決済プラットフォームの利用がキャッシュコンバージョンサイクルを短縮し、資金制約のある小規模企業の市場参加を支援します。輸送・物流・サービス分野では、支払いや信用におけるFinTech導入が分散したネットワーク間の調整を強化し、新たなビジネスモデルの立ち上げを促進し、全体的なサービス提供を向上させます。」AI導入だけでは不十分AI準備指数（AIPI）FinTech導入は企業内のデジタルトランスフォーメーション推進と結びつき、顧客管理、物流、経営慣行における補完的イノベーションを育みます。したがって、FinTech導入が企業レベルの生産性向上につながると期待するのは不合理ではありません。それでも、より広範な技術能力も考慮すべきです。AI準備が強固な経済では、FinTechプラットフォームは機械学習、クラウドコンピューティング、ビッグデータ分析といったAI技術を信用リスクモデリング、コンプライアンス自動化、顧客パーソナライズにより効果的に組み込むことができます。このような乗数効果は、国際通貨基金（IMF）が構築したAI準備指数（AIPI）で推定できます。AIPIは174か国のAI導入に対するマクロ構造的準備度を、以下の4つの主要次元で測定します：デジタルインフラ。人的資本。技術イノベーション。規制フレームワーク。本研究は、サウジアラビアのAI準備状況を米国や英国といった先進経済、また中国やトルコといった新興経済、さらにアラブ首長国連邦（UAE）やカタールといった近隣経済と比較しています。サウジアラビアのAIPIスコアサウジアラビアにおけるAI準備レベルは依然として比較的低く、人的資源におけるAI能力の統合が0.18で最も高く、次いでデジタルインフラが0.14をやや上回り、規制・倫理フレームワークが3位に続き、AIイノベーション技術の状態が最も低い位置にあります。他国と比較すると、サウジアラビアはAI準備度で比較的低い位置にあります。特に先進経済と比べると顕著ですが、中国などの新興経済とも比較的低いです。ただし、地域の隣国と比べると、UAEに次ぎ、カタールやトルコよりは上回っています。研究者はまた、サウジアラビア国内の企業レベル（255社）および地域レベルでの個別AI準備度も分析しました。FinTechと生産性研究は、FinTechの導入が生産性の向上と強く相関していることを明らかにしました。研究者は、FinTechが資金調達の制約を緩和し、情報の非対称性を減少させることに起因すると考えました。この相関は企業レベルでも地域レベルでも成立し、企業成果の総変動の20％から29％が地域のFinTech要因に起因しています。「回帰の各バリエーションにおいて、地域FinTech指標が100％増加すると、企業の生産性は約59％〜70％増加します。」FinTechは単独では機能しないFinTechが生産性を向上させるという発見は驚くべきことではありません。アルゴリズムによる信用スコアリング、リスクプライシング、コンプライアンス・不正検出の自動化、さらには実体経済企業における自動化、イノベーション、意思決定の改善が期待されるからです。しかし、ないケースの方が示唆に富んでいます。AI準備が考慮されるときのみ、FinTech導入と生産性の統計的リンクが成立します。「サウジアラビアのAI準備度が一定である場合、FinTech単独では生産性向上をもたらすことはできません。デジタル金融ツールだけでは測定可能なパフォーマンス向上は不十分であり、デジタルインフラや堅牢なイノベーション能力といった補完的要因が必要です。」したがって、研究者はサウジアラビアおよび同様の立場にある他国が効率的に新しいIT技術を導入し生産性を向上させるために、以下の重要ポイントに取り組む必要があると指摘しています：デジタル技術インフラ。デジタルトランスフォーメーション政策。労働政策への堅牢なAIトレーニングの統合。 AIエコシステムの既存規制と倫理の不備解消。これらのテーマのうち、デジタルインフラとイノベーション能力が最も一貫した成果を生み、人的資本政策と規制準備は比較的弱い、または頑健性に欠ける結果となりました。投資家への示唆政策立案者や投資家は、デジタルトランスフォーメーションとFinTechを生産性向上の魔法の弾丸と見なす誘惑に駆られがちです。しかし、本研究は何百もの実企業の分析を通じて、アイデアを実践に移すことは決して単純ではないことを示しています。技術導入と技術準備は別個の投資テーマです。「AI能力、労働力開発、イノベーションシステムへの協調的投資がなければ、サウジアラビアはFinTechとデジタルトランスフォーメーションイニシアチブから期待される変革的経済利益を十分に実現できない可能性があります。」ソフトウェアの購入は比較的簡単ですが、ソフトウェアが実際に生産性を向上させるように経済や企業を再構築することが、より困難であり、潜在的により価値のある機会です。投資家にとって、FinTech拡大の恩恵を受けるのは消費者向け金融アプリケーションだけでなく、クラウド、接続性、データセンター、サイバーセキュリティ、デジタルバンキングインフラを構築する企業でもある可能性があります。さらに、同国内の企業や地域だけでなく、国間で比較することで、他のパラメータがFinTechの生産性向上能力に影響を与えるかどうかを検証する研究も考えられます。デジタルインフラへの投資Microsoft企業や国家レベルでのクラウドとAI導入に関して、一般的な選択肢はMicrosoftの AzureクラウドインフラとCopilotであり、既存のWindows、Office365、GitHub、LinkedIn、Outlookなどのツールキットと統合されています。Microsoftは2026年第4四半期にサウジアラビア東部Azureリージョンを開設する準備を進めており、3つのアベイラビリティゾーンがローカルのクラウドとAI処理、低遅延、データ所在地、セキュリティ、規制対象およびミッションクリティカルなワークロード向けインフラを提供します。もちろん、イランとの戦争エスカレーションや地域のデータセンターに対するイランの報復（例：バーレーンのAmazonデータセンターへの最近の攻撃）に応じて再考される可能性があります。いずれにせよ、Microsoftはさらなる計算資源へのアクセスを可能にするパートナーシップや核電站の再稼働、さらには量子コンピューティングハードウェアの開発を通じてAI分野のリーダーシップを確立しています。このため、同社の株式は企業ITサービスを中心とした堅実なビジネスモデルへのエクスポージャー、そして世界クラスのAIインフラへのアクセス手段として有望です。（Microsoftの多くの事業の全体像については当社専用の投資レポートでご覧ください)最新のMicrosoft（MSFT）株式ニュースと動向
2026年7月27日著者 Raphael Alessandro McMahon

‘Internet Court’ が人間の関与なしに AI エージェント間の紛争を仲介するために開始された
By Raphael Alessandro McMahon
27社のコンソーシアムが発表しました、7月10日にAIエージェント間の迅速な紛争解決のためのオープンスタンダードであるInternet Court を開始すると。この標準は、個人や企業を代表して取引に関与するAIエージェントが、相互運用可能なフレームワーク内で相互に交渉し、資金を安全に保管し、人間の介入なしに迅速かつ低コストで紛争を解決できるように特別に設計されています。コンソーシアムは、暗号通貨取引所のOKX、ソフトウェアエンジニアリング会社のMatter Labs、テクノロジー会社の0G Labsなど、さまざまな有力ブロックチェーン企業で構成されています。エージェント経済の裁定層を構築することを目指すGenLayer Foundationが主導し、Internet Courtは、支払い、エスクロー、紛争解決に関する以前は分散していたプロトコルを1つのフレームワークに統合することを意図しています。AIエージェントはすでに人間の関与なしに相互に交渉し支払いを行っており、特に米国ではAdobe データが、2025年7月に米国小売サイトへの生成AIトラフィックが前年同期比4,700%増加したと報告しています。マッキンゼーは推計によると、2030年までにAIエージェントは世界の消費者取引で少なくとも3兆から5兆米ドルを仲介するとしています。しかし、人と人の取引と同様に、エージェント間の取引も契約上の紛争に直面する可能性があります。しかし、エージェントシステムはこれまで、従来の裁判所が遅く、こうしたケースに対応する設備が整っていないため、これらの紛争を解決する手段を持っていませんでした。すでに、エージェント紛争は現代の商取引の一部となりつつあります。Cloud Security Alliance の調査によると、AIエージェントを運用している企業の65%が2026年4月までの12か月間にAIエージェント関連のインシデントを報告しています。Internet Court がエージェント商取引の急増に先んじ、不要な法的および取引上の遅延を防止しようとするGenLayer Foundation のCEO兼共同創設者であるDavid Riudorは、Unite AIに対し、裁判所の機能とその目的について語りました。「Internet Court のコンソーシアムを推進したとき、私たちが目指したのは、支払い、アイデンティティ、決済層といったエージェント経済企業のリーダーたちを、私たちが紛争解決層として統合し、単一のコンソーシアムにまとめることでした」と創業者は説明しました。この統合の結果として、「エージェントに送信できるスキルが作られ、そのエージェントはそれを組み合わせ可能な形で使用し、単なる支払いに留まらず、完全なエンドツーエンド取引を実行できる」ようになりました。エージェント商取引を効率的にするためには、取引のスピードがエージェント間の紛争解決のスピードと一致すべきであり、法的紛争を防ぐためにコンプライアンスに関する標準化されたガイダンスへのアクセスが必要です。現在、米国の裁判所は複雑な民事紛争の解決に平均344日かかります。Riudorは、これらの裁判所は、各人が「1つ、あるいは数十、さらには数百のエージェントがタスクを実行する」ようになる、数兆ドル規模のエージェント商取引経済に対して準備ができていないと主張しています。Riudorが「インターネット経済のための裁定層の一種」と表現するGenLayerは、オンライン紛争解決の専門知識を活用し、Internet Court がエージェント主体に対し、迅速かつ低コストで安全に契約問題を解決するために必要な情報を提供し、遅い従来の裁判所の利用を回避できるようにしています。Internet Court は現在のところいかなる法域でも法的拘束力はありませんが、その判決は紛争前にエスクローで保管された資金に対して拘束力を持たせることができます。紛争が発生した場合、裁判所のプロトコルが作動し、1001人のローテーションAIバリデータからなる陪審が契約を審査し、証拠を検証して裁定を下します。その後、保管された資金は判決の結果に応じて解放または再配分されます。このプロセスは30分から1時間で完了し、解決費用は0.85ドルから1.45ドルと、弁護士を雇う費用と比べて格段に安価です。Riudorによれば、Internet Court が対処すべきもう一つの重要な課題は、エージェント経済のさまざまなプレイヤー間の断片化に伴う遅延です。「NEAR のように...
2026年7月23日著者 Jonathan Schramm

AI株はFinTechよりもポートフォリオの分散効果が高い可能性があります
By Jonathan Schramm
2022年にChatGPTが一般公開されて以来、AI株への投資は多く、あるいはほとんどすべての投資家にとって支配的なテーマとなっています。当初は新たな有望技術への投機的ベットが主でした。このベットはテック大手と市場全体で共有されており、AIへの世界的支出は2025年に1.5兆米ドルに達したと推定され、2026年に2兆米ドルを超えると予測されています.6　兆米ドルが2026年にしかし、業界が成熟するにつれて、ポートフォリオにおけるAI株の位置付けも変化しています。例えば、AI株はイノベーティブなIT技術へのエクスポージャーを得てポートフォリオリスクを分散する手段として、FinTech（金融テクノロジー）株と比較されるようになっています。トルコのシルナク大学とイスタンブール・ニシャン・タシ大学の研究者による最近の研究は、AI株が投資家のリスク管理において新たな役割を果たす方法を定量化しています。この研究はBorsa Istanbul Review1に掲載され、タイトルは「The diversification benefits of FinTech and AI stocks in portfolio management: A performance analysis based on investor risk preferences」です。第4次産業革命への投資現在、いわゆる第4次産業革命の真っ只中にあり、これは前の三つの産業革命（蒸気、石油/電気、コンピュータとインターネット）と同様に経済を根本的に変革しています。AI、バイオテクノロジー、ロボティクス、ドローン、IoT、3Dプリンティング、宇宙技術などが主導しています。投資家にとって、FinTechは新興の第4次産業革命の初期セグメントであり、ブロックチェーン、クラウドコンピューティング、ビッグデータの活用により、銀行、ファンド、保険会社の何十年にもわたるパラダイムを根本的に変え、資金と決済の処理方法を劇的に変化させました。顕著な成長プロファイルのおかげで、FinTech企業は過去10年間で成功した投資テーマとなり、暗号通貨をFinTechの定義に含めるとさらにその傾向は強まります。最近ではAI株についても同様に言えるでしょう。しかし、初期の成功を超えて、これらのセクターが成熟するにつれて、長期投資とポートフォリオ構築に関わる重要な疑問が浮上します。FinTechとAI株はポートフォリオの分散と投資パフォーマンスを向上させるか、そしてどちらがより優れた分散効果を提供するかです。経済文献の分析投資データの収集と処理本研究の研究者は、2018年6月から2026年4月までの月次データを使用し、23の先進国（ほとんどのOECD加盟国）を代表する株価指数、従来の投資商品、そしてFinTechとAIの指数を組み込みました。対象となったのはMSCI Developed Markets Index、従来の投資商品（S&P 500 Index、金、米国5年国債、WTI原油など）およびS&P...
2026年7月14日著者 Gaurav Roy

投資家がAI株式アドバイスを完全に信頼しない理由
By Gaurav Roy
人工知能（AI）の導入は「歴史的な速度」で加速し続けています。技術が進化し続け、これまで以上に多くの人々に届くようになり、今や静かに個人投資家のツールキットの一部となっています。株式のスクリーニングから決算説明会の要約、取引アイデアの作成、ポートフォリオの分析、取引の実行まで、AIは投資の不可欠な要素となりつつあります。しかし、生成的AIや機械学習の顕著な進歩にもかかわらず、投資家は実際の売買判断でAIに依存することに躊躇しています。投資家はリスクを指摘したり財務諸表を説明させることには喜んでAIモデルを利用しますが、実際の資金が関わる場面で同じモデルを信頼する人は少なくなっています。これは、信頼が能力に追いついていないことを示しており、投資家はハルシネーション（幻覚的出力）、アルゴリズムバイアス、データ品質、サイバーセキュリティ、そして予測不可能なマクロ経済や地政学的イベントをAIが完全に考慮できないことを懸念しています。業界と規制当局が責任の在り方を模索する中、多くの投資家はAIを意思決定を支援するツールとして活用しています（人間の判断の代替ではなく）。残された疑問は：個人投資家はAIを十分に信頼し、ポートフォリオの意思決定に影響を与えることを許すでしょうか？AIが投資のプレイブックを変革するAIは急速に市場が拡大しており、今後数十年で大きな経済成長を牽引すると期待されています。鉄道、電力、インターネットに匹敵する変革的技術として、日常的なインターネット検索から高度な産業ワークフロー、複雑な製造、医薬品開発に至るまで、すべてを覆す可能性があります。AIの急速な進歩は金融市場にも影響を与えています。現在、金融機関、証券会社、ヘッジファンド、フィンテック企業は、さまざまなタスクでプラットフォーム全体にAIを活用しています。これらの組織は、センチメント分析、リスクモデリング、詐欺検出、クオンティティブ取引、ポートフォリオ最適化、パーソナライズされた投資推奨、カスタマーサポートなどにAIを利用しています。生成的AIはこれらの能力をさらに拡大し、一般投資家に大きな利点を提供します。自然言語で複雑な金融情報を問い合わせることができ、洗練された市場調査へのハードルを下げます。さらに、AIは膨大なデータを継続的に、しかも人間のアナリストが数日かかる作業をはるかに速く分析できる能力があります。構造化データと非構造化データの大量を分析する際、技術は数千の資産を同時に監視し、隠れたパターンを特定します。また、繰り返しのリサーチ作業を自動化し、新しい情報にほぼ即座に反応します。機械であるAIは恐怖や欲望に左右されません。むしろ、一貫した手法を適用し、過信、損失回避、群衆追随といった感情的バイアスを減少させ、人間の意思決定を歪める要因を排除します。これらすべての能力により、投資リサーチはより効率的かつアクセスしやすくなります。特に、従来は機関レベルの分析ツールを持たなかった個人投資家にとっては大きな変化です。さらに、AIは人間を上回ることが判明しています。30年の期間で「93％のマネージャーを平均600％上回る」株式選択で勝っています。しかし、AIは万能ではありません。この技術には重要な制限があり、特に高度なAIシステムの多くはブラックボックスとして機能し、推奨がどのように生成されたかを知る方法がありません。技術は訓練に使用されたデータの質に依存します。その結果、AIモデルは単に不正確なだけでなく、捏造された情報さえ生成することがあります。AIのハルシネーション問題はよく知られています。誤った回答を提供するだけでなく、自信を持って提示するため、検出が困難になります。「ハルシネーションとは、言語モデルが生成する妥当だが誤った文です。驚くべき形で現れることがあり、単純に見える質問でも起こります、」 OpenAIが説明したブログ「Why language models hallucinate」で。「例えば、広く使用されているチャットボットにAdam Tauman Kalai（本稿の著者）の博士論文のタイトルを尋ねたところ、3つの異なる答えを自信満々に提示しましたが、いずれも正しくありませんでした。誕生日を尋ねても同様に3つの異なる日付を提示しましたが、すべて間違っていました。」それだけではありません。AIモデルは、歴史的パターンから学習するため、真に変化する経済状況を理解せず、前例のない市場イベントに苦戦します。さらに、ほとんどの投資家が同じAIモデルを使用し始めれば、取引が過密になり、ボラティリティが低減されるどころか増幅されます。これらすべての懸念は、AI支援投資においてより高い透明性と人間の監視が必要であることを示しています。証拠は、技術の採用が依然として不均一であり、信頼と認識されたリスクが研究者によって主要な障壁として頻繁に指摘されていることを示しています。AIアドバイスへの信頼は依然として進行中の課題AIは、極めて速く主流になった数少ない技術の一つです。その好例がOpenAIのChatGPTで、わずか5日で最初の100万人のユーザーに達し、その後2か月で1億ユーザーに達しました。最近、ChatGPTは月間アクティブユーザー10億人を突破し、リリースから約3年で史上最速のアプリとなりました。このデータはAIの利用拡大を示す一方で、投資家は投資関連タスクでAIを使用することにも抵抗が少ないことが示唆されています。増加する個人投資家は、株式調査、財務報告の要約、馴染みのない財務用語の解釈、機会のスクリーニング、速報ニュースの迅速な把握にこの技術を活用しています。Investing.comが実施した938人の米国個人投資家を対象とした調査では、約3分の2（62％）がすでにAIツールを使用して情報に基づいた投資判断を行っていることが分かりました。そのうち、23.6％が定期的にAIツールを使用し、27.4％が時折使用しています。わずか11.5％が一度か二度だけ試したことがあります。注目すべきは、21％の回答者がまだAIを使用したことはないが検討中であると答え、16.6％は投資にAIツールを全く使用する予定がないと回答しました。「実際、AIが金融業界ほど急速に破壊的影響を与えた産業はほとんどありません」とInvesting.comのシニアアナリスト、トーマス・モンテイロは述べています。「これは、企業が数年前に比べてはるかに低コストで金融グレードのツールにアクセスできるようになったため、個人投資家にとってさらに顕著です。これらのモデルが進化し、ますます関連性を高めるにつれて、AI投資アシスタントと何らかの形で関わっている投資家の間でも利用は拡大し続けるでしょう。」HSBCとIpsosが実施した、10,000人近くの富裕層・ハイネットワース投資家（HNWI）を対象とした調査でも、金融・投資が富裕層の間でAIの最も一般的な利用ケースであり、キャリアや個人開発に次いで上位に位置付けられました。特に、Z世代とミレニアル世代がAIの導入が最も速く、リスクの特定、調査の迅速化、または人間のアドバイザーに相談する前の「第二の意見」を得るためにAIを活用しています。とはいえ、投資家はAIにポートフォリオ管理や自律的な取引執行を任せることにはかなり不安を抱いています。回答の品質やデータプライバシーに関する懸念が、広範な採用への最大の障壁となっています。Investing.comの調査によると、AI利用者の38.9％が不正確または誤解を招く推奨に懸念を抱き、24.2％が多数の投資家が同じAI生成シグナルを使用する「群集行動」について懸念しています。英国を中心としたGood Money Guideの調査では、約7人に1人の投資家がAIプラットフォームを使用したことがあると回答したものの、ChatGPTやClaudeのようなツールが金融アドバイスを提供することを信頼すると答えたのはわずか18.8％で、確立された金融ウェブサイトを信頼する60.2％と大きく差がありました。すべての年齢層で専門的な助言の必要性は依然として高く、ハイブリッドなアプローチが理想的な将来の意思決定モデルとされています。「顧客はますますAIを使って選択肢を探りますが、投資判断に関しては、信頼できるウェルスアドバイザーからの判断、文脈、そして説明責任を重視しています。」– バリー・オバイン、HSBC国際ウェルス&プレミアバンキングCEO研究は、技術よりも信頼が重要であることを示す新たな研究「Mind over machine：株式市場におけるAIに対する投資家の認識に関する計量書誌的調査1」は、投資家が金融市場におけるAIをどのように認識しているかを検証した学術研究の包括的概観を提供します。文献はまた、AIをより人間らしく設計する擬人化を、投資家の信頼に影響を与える可能性のある要因として検討していますが、これは現在も進化中の研究領域です。興味深いことに、彼らの以前の研究「Hey AI, should I buy this stock? – Trust, technology, and...
2026年6月23日著者 Jonathan Schramm

Midjourney Medical: AI画像企業、60秒フルボディスキャナーを発表
By Jonathan Schramm
AI技術が主流になると、会話が驚くほど人間らしい能力を持つChatGPTに多くの注目が集まりました。しかし、画像生成の分野では、アーティスト、マーケター、デザイナー、そしてAI生成ビジュアルを必要とするすべての人々にすぐに支持される企業がありました： Midjourney。MidjourneyはDavid Holzによって設立され、彼は以前Leap Motionを共同設立していました。そのため、ベンチャーキャピタルなし。同社は月額$10から$120のサブスクリプション収益のみで運営・成長を賄い、利益を再投資してきました。この独立性は常にMidjourneyが従来とは異なる決断を下す助けとなり、ウェブサイトによる従来のオンライン販売ファネルではなく、主にDiscord（当初はゲーマー向けに開発されたチャットシステム）を通じてユーザー層を拡大しました。また、長期的な成長に焦点を当て、Midjourneyが生成する画像の品質は競合他社よりも一貫して高いことが特徴です。これが同社が最新の、非常に予想外の発表で示した従来とは異なる路線です：医療画像分野への参入です。Midjourneyは超音波を用いたフルボディスキャンを開発したようで、人間の体内のすべての詳細を60秒未満で可視化し、しかも非常に低価格で提供できるとされています。正確には「フルボディ超音波計算トモグラフィー」です。このアイデアは、低コストではるかに多くの医療データを生成し、健康、医療、疾病予防へのアプローチを根本的に変えることです。できるだけ早く、できるだけ安く、健康に関するできるだけ多くのデータを手に入れたい。言い換えれば、体に関する情報を「ドルあたり秒あたりメガバイト」単位で最大化するよう最適化された技術が欲しいのです。AIが将来の医療で重要な役割を果たすことは、2024年の記事「AI Poised to Become Invaluable Medical Diagnosis Tool」で既に説明した通り、完全に驚きではありません。しかし、このイノベーションがGoogleのような企業ではなく、医療画像企業Butterfly Networkとの提携でMidjourneyから生まれたことは、さらに予想外です。Midjourney Medicalローンチ突如として現れた新事業Midjourneyは、マサチューセッツ州拠点のButterfly Networkとの7,400万ドルの契約としてこれを発表しました。Butterflyは、先進的な超小型超音波診断ツールとAIを活用した統合ソフトウェアを開発しています。現在のスキャナープロトタイプは、正確に358,400個の個別センサー要素を40個のButterfly Ultrasound-on-Chipイメージングモジュールに集約しています。このアイデアは、無害な超音波を使用して人間の体の完璧な高解像度3Dモデルを作成し、他の多くのより複雑で高価な既存オプションよりも優れた性能を発揮することです。“超音波CTは、MRI装置にさえ匹敵する多くの点で優れた全身イメージングを可能にしますが、スキャンはわずか60秒で完了します。放射線も強力な磁場もなく、音と水、そして60秒だけです。”このスキャナーの詳細度はMRIをはるかに上回っており、すべての約束が実現すれば、他のスキャナー技術は極めて短期間で時代遅れになる可能性があります。特に、フルボディMRIは通常60〜90分かかり、費用も高額です。Midjourneyは、マサチューセッツ州拠点のButterfly Networkとの7,400万ドルの契約としてこれを発表しました。Butterflyは、先進的な超小型超音波診断ツールとAIを活用した統合ソフトウェアの開発者であり、「Compass」と呼ばれるシステムを提供しています（以下で同社について詳しく説明します）。この発表のために作成されたビジュアルは非常にSF的で、映画『ブレードランナー』や『ガタカ』のような映像を彷彿とさせます。フルボディスキャナー体験このアイデアは、患者を水中に完全に浸し、超音波センサーで体を「スライスごと」にスキャンすることです。“十分な波と十分な角度があれば、体内で起こっていることの画像を形成します。”Midjourneyの説明では、体験が快適で60秒以内に完了することを特に強調しており、ほとんどの医療検査基準に比べて驚くほどシームレスです。また、MRIや他の放射線検査とは異なり、金属類や超音波ジェル、その他の準備を取り除く必要はありません。“まず、黄金色の浅いプールに足を踏み入れます。その後、水中へと沈み始めます。体は水中センサーのリングを通過し、各センサーはイルカのようにエコーロケーションを行います。センサーはあらゆる角度から超音波を体内に送ります。水に入って、出て、完了です。”Midjourneyの長期的な目標はシームレスな60秒浸漬ですが、現行の第1世代プロトタイプはやや遅くなっています。テラバイト規模の生音響データを処理するために必要な膨大なデータ帯域幅のため、現在のGen-1スキャナーはフルスキャンに約20分かかります。1分未満の体験は、計画中のカスタムシリコンGen-2およびGen-3での目標です。フルボディスキャナーはどのように機能するか患者はプラットフォームの上に立ちます。このプラットフォームはレールに接続され、エレベーターのように患者を1秒あたり約2インチ（5センチメートル）でゆっくりと水中へ降下させます。スキャナー内のセンサーは、砂粒ほどの大きさの50万個の小さな正方形で構成され、各々が小型スピーカーとマイクロフォンの両方の役割を果たします。これらのセンサーは構造化された超音波波を生成し、その波紋は秒間何百万回も記録されます。40個の超音波送受信アレイのリングに集約されています。これらの音データは画像に変換されます。波が水や体内を通過する際、密度や硬さの変化（例えば水から皮膚、脂肪、筋肉、骨へと変わる）に応じて形状が変化します。「もしそのデータをHDインターネット動画に変換したら、スキャンデータ1秒につき500時間の映像を見る必要があります。」結果として得られるデータストリームは、秒単位でテラバイト規模です。体の1つの「スライス」だけで40ギガバイト以上が必要で、フルボディスキャナーの最終的には数百のスライスが作成され、スキャンあたり最大806テラバイトのデータになります。得られた体の画像は、AIによって自動的に注釈付けされ、臓器、静脈、骨などを特定できます。解像度は0.5ミリメートル（0.02インチ）まで細かく、少なくとも21台のAIサーバー（合計2ペタフロップの計算能力）を使用して全身モデルとして再構築されます。この途方もないデータ量が、これまでこのような試みが行われなかった理由です。ごく最近まで、これはどのスーパーコンピュータでも処理しきれず、データを有用な形式に変換する能力をはるかに超えていました。しかし、近年のコンピューティングハードウェアとAIの進歩により、今がその時です。MidJourney デプロイメント計画発表ではフルボディスキャナーが完成品として提示されていますが、実際には同社は今後12か月間、アルゴリズムとハードウェアを日々改良し、できるだけ効率的かつ信頼性の高いものにする必要があります。このアイデアは、設計の機能的な第2世代に移行する前に「システムの生の能力を披露する」ことです。このモデルはまず、2027年後半にオープン予定のサンフランシスコ拠点の「リサーチスパ」に導入されます。現在、スキャナーは臨床診断用のFDA認可を取得していないため、施設は当初、筋肉、脂肪、水分の分布を追跡する高度に詳細な体組成マップを提供します。Midjourneyは、この旗艦サイトで収集したデータを活用し、段階的に診断用FDA承認を申請していく計画です。「当スパにはホットタブ、サウナ、コールドプランジ、そして黄金色の光のプールがある居心地の良い部屋があり、体を優しくスキャンします。最初の「リサーチスパ」の構築を行い、これが大規模な健康スキャンを可能にするプロメテウス的拠点となります。」これは、Midjourneyが機械の診断機能をFDAの承認を得ることを期待する段階でもあります。続いて、2028年にはスキャナーと関連スパがさらに多くの都市へ展開され、システムは第3世代へとアップグレードされます。「Gen3が本格的になる段階で、この設計のシリコンは完全にカスタム化され、画像品質とスキャン時間は昼と夜ほどの差が出ます。」最終目標は2031年までに、世界中で5万台以上のスキャナーを展開し、月間10億回のスキャンを可能にすることです。これにより、世界人口の大部分をカバーでき、あるいは10億人に対して定期的な月次スキャンを提供できる規模となります。コミュニティ主導の開発Discord上の初期ユーザーからのフィードバックへの献身に忠実に、MidjourneyはスパとAIフルボディスキャナーにも同様の原則を適用します。例えば、設計・構築中のスパの概念や新しいスキャン画像、定期的なアップデートを公開します。同社は、詳細をどのように詰めていくかについてコミュニティの意見に従うことに熱心なようです。「私たちも皆さんにたくさん質問したいです！皆さんのサポートと意見が、私たちのスピードと規模に自信を持たせ、最初の段階で皆が好きになるものを作れるようにしてくれます。」フルボディスキャンで何ができるか高解像度フルボディスキャナーの最も明白な用途は、明らかに異常なものを検出することです。がんのような異常増殖だけでなく、動脈瘤や特定の臓器の問題なども対象となります。このような状態はしばしば無症状で致命的であるため、検出率の向上は多くの命を救う可能性があります。「将来的に十分な早期画像診断が行われれば、全死亡者数の30％、医療費の50％を回避できると完全に考えられます。」しかし、より広い応用はフィットネスや一般的な疾病予防にあります。定期的なスキャンは、既存の問題を検出するだけでなく、体の変化を直接評価します。子どもの成長、体重の増減、老化など、これまでにない精度で測定できるようになります。「私たちは、体との関係を変え、次のような質問を始められます：早期に問題を捉えられれば、生活習慣を変えて修正できるか？体の変化と行動を時間とともに観察すれば、健康、心、人生をどれだけ向上させられるか？」結果として、私たちが自分の体をどのように認識し、健康な状態を維持する責任をどのように感じるかに大きな影響を与えるでしょう。「これらすべての文化的、身体的、精神的健康利益は理解しがたく、過大評価することもできません。」しかし、この装置は超音波固有の物理的限界に直面しています。音波は骨や空気のポケットを通過できないため、スキャナーは自然に制限されます：頭蓋内の脳をマッピングできず、肺や腸など空気で満たされた臓器も明瞭に映し出せません。これらの領域では、従来のMRIやCTスキャンが完全に代替不可能です。Midjourneyフルボディスキャナーへの投資Butterfly NetworkButterflyは、先進的な超小型超音波診断ツールと、診断支援にAIを活用した統合ソフトウェア「Compass」の開発者でもあります。このシステムは、Butterflyのクラウドソフトウェアや病院のITシステム（患者ファイルや画像バンクなど）と統合されています。過去数年で、同社はAIを活用して画像を改善し、診断に関連する測定を自動生成し、トレーニングや教育の実践を提供してきました。同社技術の核心は、従来の低解像度圧電結晶を半導体センサーに置き換えることで、超音波を現代化することです。超音波画像は、さまざまな健康問題の検出に関する研究が増加している急成長技術であり、経頭蓋集束超音波療法などの革新的治療にも利用できるという利点があります。超音波技術の応用範囲が広がることで、同社の総アドレス可能市場（TAM）は最大3,500億ドルに達します。これは、Midjourneyとのフルボディスキャナーに関する新たな提携を考慮する前の数字です。同社は2022年の73.4百万ドルの収益から、2026年には予想117〜121百万ドルへと成長し、粗利益率が65％超であることにより、純損失は136.5百万ドルから21〜25百万ドルに減少しました。同社の株価はMidjourneyとの提携に対して非常に好意的に反応しました。これは短期的な資金リスクを緩和し、医療分野で半導体超音波センサーを展開する同社の専門知識の価値を示すものと考えられます。最新Butterfly Network（BFLY）株式ニュースと開発
2026年6月11日著者 Jonathan Schramm

AI金融アドバイザーは信頼問題を抱えている
By Jonathan Schramm
2022年にChatGPTがリリースされて以来、人々は日常生活から医療アドバイスまで、さまざまな質問をますます投げかけています。それでも、初期の大規模言語モデル（LLM）は、虚偽の事実を「幻覚」することで有名になり、AIの回答に対する人々の信頼を低下させました。この問題は後続のAIモデル世代で多少軽減されたものの、信頼の問題は依然として残っています。特に個人的な専門知識が不足している場合、ユーザーはAIの出力を本当に信頼できるかどうか不安になります。金融アドバイスチャットボット、すなわち「ロボアドバイザー」は、複数の投資・ブローカー・プラットフォームでますます導入されています。オープンな汎用LLMに比べてはるかに「制御」されているため、特に投資初心者に対してかなり堅実な助言を提供する傾向があります。したがって、信頼の課題を解決することはAI開発者だけでなく、金融業界全体や、通常は大口投資家向けに高額な人間アドバイザーが提供されるよりも手頃な金融アドバイスを受けられる可能性のある一般公衆にとっても重要です。最近の論文は、この問題を調査しており、パキスタンのFAST国立コンピュータ・エマージングサイエンス大学の研究者らによって執筆されました。Acta Psychologica1に掲載され、タイトルは「金融テクノロジー採用の心理的予測因子：信頼、態度、そしてAIベースの金融チャットボットにおける人口統計の役割」です。ロボアドバイザーへの信頼は条件付き以前は最も基本的な顧客問い合わせにのみ使用されていたチャットボットは、AIの進歩により、現在では有能な金融アドバイザー、すなわち「金融ロボアドバイザー（FRA）」へと進化しました。これまで、ロボアドバイザーに関する議論は技術的能力、安全性、規制遵守に焦点が当てられてきました。しかし実際には、広範な普及には一般市民がこれらのツールを信頼することも必要です。重要な指標は、ロボアドバイザーが適切な金融アドバイス機能を実行できるという信頼性、信頼度、そして能力に対する一般市民の信念です。別の要因は金融に対する態度、すなわち新しい金融ツールへの開放性、リスク許容度、そして人間と自動化されたインタラクションの価値認識です。実際、先行研究は、前向きな金融態度とロボアドバイザーへの開放性が相互に関連していることを示しています。過去のデータは、個人の社会経済的・人口統計的状況（性別、年齢、収入、教育など）が金融サービスの採用に大きく影響することも示しています。“金融リテラシーとリスク許容度が高いため、65歳以下の人々は同世代の人々よりもFRAをより多く利用する傾向があります。”もちろん、金融サービスの利用者は理想的には人間のアドバイザーとのカスタマイズされたパーソナルなやり取りを好みます。しかし、このサービスの高コストは、望まれるサービスレベルと銀行や投資プラットフォームが実際に提供できるレベルとの間に大きなギャップを生み出します。この文脈では、ロボアドバイザーは、サービスが行き届いていない層にも届く、より公平な代替手段となり得ますが、十分な信頼が構築され、規模で利用されることが前提です。ロボアドバイザーは何を提供できるか？AIによる教育ロボアドバイザーの利用は、ユーザーに高度な投資オプション、低手数料、そして金融サービスへのアクセス向上への道を開きます。しかし、これらの利点の理解と活用は教育を通じてのみ向上します。先行研究は、政府がFRAのようなサービスをユーザーフレンドリーにし、知識提供を行う取り組みが、これらのサービス利用を大幅に増加させることを明らかにしています。これは、金融について学んだユーザーがロボアドバイザーを信頼できる教師と見なすようになり、潜在的に信頼できない販売者や金融サービスとは区別できるため、理にかなっています。もちろん、この信頼は提供される教育の質が高く、助言サービスが公平かつ誠実であることが前提となります。性別の影響金融教育に関する研究では、男女間で大きく異なることがよく知られています。女性は男性よりもロボアドバイザーの利用に対してはるかに開放的であるようです。この態度の違いには多くの説明が考えられ、原因は複数の要因が組み合わさっていると考えられます：女性は従来の金融環境において、損失回避が強く、保守的な投資行動を示す傾向があります。直接的なやり取りは、抽象的なデータよりも女性にとって価値が高く、人間のアドバイザーが関与しなくても同様です。金融リテラシーが低いことが、ロボアドバイザーの金融教育サービスを女性にとってより有用にし、信頼構築につながります。より多くの信頼へこれまで、大規模なアクセス可能性にもかかわらず、ロボアドバイザーの利用率は低く、特に開発途上国や金融リテラシーとデジタルリテラシーが低い層で顕著です。新しいデジタルツールは、最初は人口の大部分から信頼されにくく、特にAIのような「ブラックボックス」システムは、内部の仕組みが一般市民に理解されていないため、さらに信頼が得にくいです。個人の財務や医療状態といった重大な問題に関しては、AIシステムが単に同等であるだけでなく、訓練された専門家よりも優れていることが証明されなければ、人間のタッチの有効な代替として信頼されるべきであるため、このような懐疑はある程度論理的です。それでも、このツールの潜在力は、これまで個別の金融アドバイザーにアクセスできなかった何十億人もの財務状況を改善する上で極めて重要です。したがって、信頼の課題を解決することが重要です。今後の研究は、性別に加えて収入やデジタルリテラシーといった他の人口統計的要因を調査し、ロボアドバイザーの採用または拒否に関わる主要因をより深く理解し、より微細な洞察を提供できるでしょう。信頼が形成された後、女性がロボアドバイザーの採用意向が高まるという発見も重要です。これは、躊躇が保守的な態度から来るのではなく、失敗する可能性のあるシステムを慎重に信頼するためであり、信頼が形成された時点で行動が変化することを示しています。ロボアドバイザーへの投資ロビンフッド取引手数料ゼロと、スマートフォンから取引する新世代投資家向けのデジタルネイティブプラットフォームという約束のもとに構築されたロビンフッドは、急速に大規模な投資プラットフォームへと成長し、顧客数は2770万人（2026年第1四半期は前年同期比170万人増）で、資産管理額は3770億ドルに達しています。2026年の初めだけで、同社は予測市場やEU顧客向けの高レバレッジ、新たな暗号通貨などを追加し、提供内容をさらに拡大しました。レガシーシステムに縛られることなく、ロビンフッドはロボアドバイザーと暗号通貨の導入において先駆者の一つであり、2,000以上のトークン化株式を提供しています。ロボアドバイザーサービスはRobinhood Strategiesと呼ばれ、年率0.25%の管理手数料でプロレベルの助言を提供します。また、Robinhood Learnを通じて堅実な金融教育プラットフォームでもあり、投資戦略全般、株式、オプション、暗号通貨などに関する初心者向けから上級者向けまで幅広い教育を提供しています。全体として、ロビンフッドは投資に適した堅実なプラットフォームであり、ロボアドバイザーが初心者投資家にとってどれほど強力であり、これまで高額資産を持つ個人に限定されていた特権を自動化できるかの良い例です。最新ロビンフッド（HOOD）株式ニュースと動向
2026年5月28日著者 Gaurav Roy

AI暗号価格予測モデルがボラティリティテストに直面する
By Gaurav Roy
人工知能（AI）は現代の最も重要な技術的進歩の一つであり、私たちの働き方だけでなく意思決定の方法も変革しています。国境を越えて24時間取引が行われる暗号通貨市場において、AIモデルは特に急激で極端な価格変動を予測するために注目と採用が急増しています。このボラティリティは暗号通貨を非常に魅力的な機会にする一方で、予測不可能さも極めて高くしています。技術がますます高度化し広く採用される中、市場参加者はノイズを除去し、パターンを識別し、予測的洞察を生成するために機械学習システムへとますます依存しています。しかしながら、暗号通貨市場は予測を行う上で最も過酷な金融環境の一つです。極端なボラティリティが大きな要因ですが、投機的センチメント、マクロ経済ショック、規制の変化、ソーシャルメディア主導の取引行動など、暗号通貨予測を極めて困難にする要素が他にも多数あります。高度なディープラーニングアーキテクチャと膨大なオンチェーン・市場データを武器に、研究者、トレーダー、投資家は人間のアナリストが一貫して失敗してきたこと、すなわち暗号通貨の価格が次にどこへ向かうかを予測しようとしています。しかし、現在の重要な問いはAIが暗号通貨価格を予測できるかどうかではなく、これらのモデルがボラティリティの高い市場環境下で一貫して信頼できる実世界の取引上の優位性を提供できるかどうかです。暗号通貨の採用が拡大し、従来の金融セクターとの統合を通じて主流化が進む中、新たな研究は極端な価格変動がもたらす課題を克服し、正確な予測を生成する信頼できるモデルの提供を目指しています。本研究は主要な4つの暗号通貨（ビットコイン、イーサリアム、ドージコイン、ライトコイン）に対してディープラーニングモデルを評価し、先進的な機械学習アルゴリズムが特定の条件下で予測精度を向上させることができる一方で、ボラティリティが依然としてロバスト性、スケーラビリティ、実用的な導入を制限していることを明らかにしました。The AI Boom Reaches Crypto Markets今日、AIは至る所にあり、私たちの生活の不可欠な一部となっています。そして、AIが突然現れたように見えるかもしれませんが、実際はそうではありません。AIは1950年代から開発が進められ、数十年にわたる研究と技術的ブレークスルーを経て進化してきました。しかし、長い歴史にもかかわらず、この技術は新興分野から主流のビジネスツールへと驚異的な速さで移行しました。その加速は、2022年後半にChatGPTがリリースされたことで無視できないものとなりました。OpenAIの広く人気のあるチャットボットChatGPTは、Microsoft Microsoft の支援を受け、わずか5日で100万人のユーザーに到達し記録を破りました。強力な大規模言語モデル（LLM）を日常ユーザーが簡単に利用できるようにしたことで、ChatGPTはAIをニッチな技術概念から主流へと押し上げました。現在、世界で週あたり9億人のアクティブユーザーを抱えており、世界人口のかなりの割合が何らかの形でAIとやり取りしています。この採用は消費者をはるかに超えて広がっています。今日の企業は自動化、ソフトウェア開発、サイバーセキュリティ、医療診断、マーケティング、カスタマーサービス、物流、予測などにAIツールをますます活用しています。マッキンゼーによると、約88%の調査対象組織は2025年までに少なくとも1つのビジネス機能でAIを使用する予定であり、AIを組織変革の触媒として、ワークフローの再設計とイノベーションの加速に活用しています。AIの魅力は膨大なデータを処理し、反復作業を自動化し、非線形な関係性を識別し、人間よりはるかに速く予測を生成できる点にあります。その結果、企業は生産性向上、運用コスト削減、顧客体験のパーソナライズ、イノベーションサイクルの加速のためにAIを急速に導入しています。マッキンゼーは、AIが世界的に長期的な生産性向上で数兆ドルの貢献ができると見積もっています。驚くべきことではなく、AI導入が最も活発な分野の一つは金融セクターであり、銀行や投資会社は機械学習モデルを用いて詐欺検出、マネーロンダリング防止（AML）規則への準拠、リスク管理、取引の自動執行を行っています。一方、暗号通貨市場はデジタルネイティブな構造と高頻度データ生成という特性から、AI実験に特に魅力的な環境として浮上しています。暗号分野におけるAIは、一般に機械学習、ディープラーニング、自然言語処理、強化学習、予測分析をブロックチェーンベースの金融システムに適用することを指します。現在、AIツールは暗号取引ボット、市場センチメント分析、詐欺検出、ブロックチェーン分析、スマートコントラクト監査、ポートフォリオ最適化、自律リスク管理、分散型金融（DeFi）分析、トークン価格予測などに利用されており、ブロックチェーンは透明性と監査可能性を提供しています。AIと暗号の融合は自然な進化であり、次世代の金融商品を形作り、投機を超えて実際の収益創出アプリケーションへの採用を促進すると期待されています。さらに重要なのは、暗号市場の制度化が進み、デジタル資産が拡大する中で、ボラティリティの高い価格環境をナビゲートできるより高度な予測システムへの需要が高まっていることです。The Search for an Edge in a Chaotic Market暗号通貨が金融市場の機会における重要な要素として浮上する中、投資家は情報に基づいた意思決定と利益増大のために正確な予測を求めています。しかし、暗号価格の予測は容易ではありません。2020年の研究が指摘するように、これは「その混沌と非常に複雑な性質」ゆえに困難な課題です。暗号価格予測は、過去データ、テクニカル指標、取引行動、マクロ経済情報、そしてソーシャルメディアのセンチメントやブロックチェーン活動といった他のデータセットを用いて将来の価格変動を予測するプロセスです。これは大きな金融リスクと実際の科学的課題が交差する領域に位置しています。投資家にとって、将来の価格変動を予測できる能力は利益獲得の可能性を伴います。現在、5億人以上が少なくとも1つの暗号通貨を保有しており、ビットコインだけで暗号市場全体の58％を占め、時価総額は1.5兆ドルです。これほど多くのユーザーと資本が動いている中、わずかにでも予測モデルが改善すれば、多くの人にとって大きな財務的優位性をもたらす可能性があります。特に急速な価格上昇と短期間の大きな下落は、投機的トレーダーにとって利益機会を生み出します。過去の暗号サイクルは、ボラティリティが急上昇した際に、ステーブルコインへとタイミングよくローテーションするトレーダーがより良い成果を上げることを示しています。しかし、これらの変化に対応するには単なる規律だけでなく、予測モデルが約束する先見性も必要です。暗号通貨は24時間取引され、短期的な大きな変動があるため、予測ツールはエントリータイミングの最適化、ポジションサイズの決定、ポートフォリオのバランス調整、リスクエクスポージャーの管理、さらにはアービトラージ機会の活用にも有用です。しかし、暗号価格の予測は従来の金融資産の予測ほど簡単ではありません。暗号の固有の高いボラティリティは、投機的に利益を上げやすい市場である一方で、予測価格分析を複雑にします。さらに、暗号市場は感情、ニュース、主要トークン保有者（ホエール）の行動によって動きます。ホエールは単一の取引で市場を動かすことができます。同様に、ソーシャルメディアのナラティブ、規制の動向、マクロ経済状況、オンチェーンデータの流れが暗号価格に大きな影響を与えます。さらに、暗号通貨は分散型であり、取引速度やエコシステムの違いといった独自の特徴、技術的進歩、政府政策、世界的な出来事、世論などの要因に敏感であるため、正確な予測を行う難易度がさらに高まります。したがって、AIシステムが正確な暗号価格の動きを予測するのは困難です。技術はデータ品質の問題、一般化の不足、レジーム変化、ブラックスワンイベントに苦戦しています。AIモデルは実際には、価格ターゲットの正確な予測よりも、方向性シグナル、センチメントスコア、短期トレンド確率の方が得意です。制限はあるものの、AIを暗号予測に応用する取り組みは大幅に拡大しています。予測環境従来の予測 AI主導の予測市場への影響データ処理人間のアナリストは限られた過去データとテクニカルデータセットに依存していました。 AIモデルは膨大な市場、センチメント、オンチェーンデータセットを処理します。予測システムははるかに大規模な分析スケールで動作します。パターン認識統計モデルは暗号価格の非線形な挙動に苦戦しました。...
2026年5月27日著者 Jonathan Schramm

生成AIは企業の群集行動を減少させる可能性がある
By Jonathan Schramm
AIは生産性ツールから資本配分ツールへと移行しているWhile retail focus remains heavily locked on AI's impact on worker productivity, institutional research is turning to its systemic impact on capital allocation and market reflexivity.Generative...
2026年5月25日著者 Daniel Martin

銀行業におけるエージェントAI：TDが示す次の展開
By Daniel Martin
人工知能は従来の銀行の運営コアにますます深く浸透しています。長年にわたり、金融セクターは詐欺検出、信用スコアリング、顧客セグメンテーション、コンプライアンススクリーニング、チャットボットサポートに AI を活用してきました。しかし、これらのシステムの多くは狭く、タスク固有で、明確に定義された人間のワークフローに依存していました。次のフェーズは異なります。Agentic AIは、銀行に目標を解釈し、情報を収集し、複数ステップのタスクを実行し、例外をエスカレーションし、直接的な人間の介入を減らして利用可能な出力を生成できるソフトウェアエージェントを提供します。これは、銀行が信用決定を監視されていないアルゴリズムに委ねることを意味するわけではありません。むしろ、文書、ルール、ポリシー、顧客データ、従業員の判断が交差するワークフロー層に AI を組み込むことを開始しているということです。TD Bank Groupが不動産担保ローン向けに初のエージェントAIモデルを導入したことは、この変化が向かう方向性を示す明確な例です。同銀行は、住宅ローンおよび住宅エクイティラインオブクレジット（HELOC）申請プロセスの一部を自動化・効率化するためにエージェントAIを活用しています。最初の展開は事前審査に焦点を当てており、システムは文書を分類し、重要情報を抽出し、収入を算出し、同意を確認し、選択されたポリシー要件に照らして数値を検証し、矛盾を特定し、簡潔なファイル要約を作成してアンダーライター向けのサマリーメモを生成します。TDによると、初期結果では従来平均15時間かかっていたプロセスが3分未満に短縮されました。銀行にとってこれは単なる技術アップグレードではなく、貸付業務のルーティング、レビュー、測定、スケーリング方法の潜在的な再設計です。金融におけるエージェントAIとは何かエージェントAIとは、単一のプロンプトに応答するだけでなく、一連のアクションを通じて目標を追求できるAIシステムを指します。従来の生成AIツールは、要求に応じて文書を要約することができますが、エージェントシステムは関連文書を検索し、分類し、必要なデータを抽出し、そのデータをポリシーと比較し、不整合をフラグ付けし、要約を作成し、ファイルを人間の意思決定者にルーティングすることができます。銀行業においてこの区別は重要です。なぜなら、ほとんどの高付加価値ワークフローは単一ステップのタスクではないからです。住宅ローンの審査、商業信用審査、マネーロンダリング防止調査、資産オンボーディング、保険請求、規制報告はすべて、複数のシステム、文書、ルール、承認、監査要件を伴います。エージェントAIが標準的な自動化と異なる点従来の自動化は、プロセスが繰り返し可能で構造化されている場合に最適に機能します。たとえば、ロボティック・プロセス・オートメーション（RPA）は、入力形式が予測可能であればデータをあるシステムから別のシステムへ移動できます。エージェントAIはより柔軟で、半構造化文書、自然言語、内部ポリシー、変化する顧客ファイルを横断して処理できます。この柔軟性が銀行の関心を引く理由です。コスト構造は、繰り返し作業であるものの単純ではない知的業務で満ちています。従業員は意思決定が行われる前に、情報の読取、照合、要約、チェックに多くの時間を費やしています。エージェントAIはその中間層の作業を対象とします。手動の文書レビューを削減できます。複雑なワークフロー全体で一貫性を向上させることができます。従業員が判断、例外処理、顧客関係に集中できるよう支援します。大手銀行が貸付から始める理由貸付は、顧客の緊急性、大量の文書、高い運用コスト、厳格なリスク管理が組み合わさっているため、エージェントAIの最初のターゲットとして論理的です。住宅ローンや担保付き貸付の申請では、銀行は収入、雇用、資産、負債、物件情報、同意、ポリシー遵守、例外リスクを評価する必要があります。その作業の多くは事務的ですが、エラーは信用、規制、評判リスクを生む可能性があります。TDの導入が重要なのは、AIをアンダーライターの代替と位置付けていない点です。代わりに、より強固な事前審査層を構築しています。AIはファイルを準備し、矛盾を検出し、メモを生成します。その後、人間のアンダーライターがより完全で構造化されたパッケージをレビューできます。このモデルは従来の銀行にとって支配的なパターンになる可能性が高いです。短期的な機会は完全に自律的な銀行業ではなく、AIエージェントが準備、検証、ワークフローのオーケストレーションを担当し、顧客向けプロセスの遅延を解消する、人間主導の銀行業です。銀行業務フローエージェントAIの役割期待できる効果住宅ローン審査文書を分類し、収入データを抽出し、ポリシー要件を検証し、要約を作成する審査の迅速化と単位処理コストの削減コンプライアンス監視アラートをレビューし、裏付けデータを収集し、調査メモを作成するアナリストの生産性向上と文書の一貫性向上顧客オンボーディングフォームをチェックし、欠落情報を検証し、例外をルーティングする遅延の減少と放棄率の低下ウェルスマネジメント支援顧客ブリーフ、ポートフォリオノート、適合性レビュー資料を作成する...
2026年5月5日著者 Jonathan Schramm

ソフトバンク Roze IPO: AI データセンターロボティクスベット
By Jonathan Schramm
テクノロジートレンドに早期投資する際、ソフトバンクほど比較できる企業はほとんどありません。日本の投資ファンドで、孫正義が創設したソフトバンクです。例えば、ソフトバンクはAlibaba 、Nvidia 、Arm Holdings 、そしてOpenAIに早期投資しています。同社は現在、別の投資先であるRozeの評価額を確定させようとしています。RozeはAIとロボティクスの企業で、AIデータセンターの建設を自動化しています。金融セクター向けのAI企業であるRoseAIや、韓国のAI災害ソリューション企業RozeAIと混同しないでください。特に混乱のリスクが高いのは、RozeAIが2026年5月にティッカーROZEで公開IPOを計画しているためです。ソフトバンクのRozeは近いうちに、できれば2026年初めに上場される予定です。これはソフトバンク（SFTBY）にとってもう一つの大きな成功となり、投資家が再び同社株式に注目する理由となるでしょう。データセンター建設の加速過去数年でAIの性能が飛躍的に向上したのと同様に、これらのAIを商業用途に訓練・適用するための計算力を提供できる「ハイパースケール」AIデータセンターの建設活動も急増しています。データセンターの建設だけで、運用を除くと、2025年の市場規模は2,610億ドルで、今後12.7％の年平均成長率で6,620億ドルまで拡大すると予測されています。AIワークロードは2025年の需要の約25％を占めており、2030年までにデータセンター全体の計算の50％から70％を占めると予測されています。合計で、3.7兆ドルから8兆ドルがAIデータセンターインフラに費やされる可能性があります（今後5年間）。しかし、多くのデータセンター建設プロジェクトが遅延しており、これらの予測が狂う可能性があります。遅延の一部はエネルギー供給や電力網の容量、そして何よりもこれら施設の膨大なエネルギー需要に起因しています。もう一つの課題は熟練した人材で、電気技師、HVAC技術者、配管工などが含まれます。データセンター特有のスキル、例えばスーパーバイザー、機械・電気・配管コーディネーター、ビルディング情報モデリング（BIM）リーダー、コミッショニングマネージャーなどになると問題はさらに深刻になります。データセンター提供者の60％以上が、空いているポジションに適格な候補者を見つけることに課題があると報告しています。「全国で約3,000件のデータセンタープロジェクトが建設中または計画中であり、多くの大規模建設が含まれていますが、各プロジェクトは通常、建設ピーク時に1,500〜3,000人の労働者を雇用します。より大規模なプロジェクトでは4,000人もの労働者が必要となり、これは小さな町と同規模です。」このため、ソフトバンクはデータセンター建設の最前線に立ち、5,000億ドル規模のプロジェクト「Stargate」やOpenAI、Oracle と共に、ロボティクスとAIを活用して、まもなく独立上場するRoze社とともにAIデータセンターの容量を構築しようとしています。Rozeはどのように構築されるのか？新しいデータセンター建設手法の創出現在、Rozeは独立した会社として正式には存在せず、独自のウェブサイトも持っていません。しかし、ソフトバンクが数十億ドルで完全または部分的に取得した複数の補完的な企業や部門の統合により構築される予定です: ABBのロボティクス部門は54億ドルで取得されました。 Ampere Computingは65億ドルで取得されました。 DigitalBridgeのデータセンター資産は30億ドルで取得されました。結果として、RozeのIPOは1000億ドルの評価額を目指すと報じられており、これはソフトバンクがこれらの個別の能力を統合し、特にOpenAIを中心としたAIハイパースケーラーエコシステムとの深い連携を活用するシナジー効果による大幅な価値増加となります。ソフトバンクの他の部門がRozeに統合されるかは不明です。候補としては、データセンター向けエネルギー供給システムの提供に注力するソフトバンクグループのSB Energyが挙げられます。シナジーの構築Rozeに組み込まれる資産が発表されたことで、ソフトバンクの将来の新部門のモデルが予測できます。DigitalBridgeは、デジタルインフラへの投資に特化した資産運用会社としての既存の専門知識を持ち込みます。同社はRozeの中核事業であるデータセンターだけでなく、セルタワー、光ファイバーネットワーク、エッジインフラにも経験があります。DigitalBridgeは、AIデータセンター建設プロジェクトの設計、コミッショニング、管理を迅速化するために必要な知識と人材を提供すると期待できます。“DigitalBridgeはデジタルインフラのリーダーであり、この買収は次世代AIデータセンターの基盤を強化し、ASIプラットフォームのリーディングプロバイダーになるというビジョンを前進させ、人類を前進させるブレークスルーを解き放つのに役立ちます。” Masayoshi Son – SoftBank Group Corpの会長兼CEOAmpere Computingは約1,000人の半導体エンジニアを抱えるチップ設計会社で、次世代クラウドコンピューティングとAIワークロード向けに高性能でエネルギー効率の高いプロセッサを設計しています。Arm Holdingsと共に、この部門はAI展開を加速させるコンピューティングハードウェアとチップの専門知識を提供します。ABBロボティクスは、建設、ケーブルの引き込み、配管の接続、サーバーラックの設置などにおいて、人手を代替したり作業者の生産性を向上させることで、労働力不足の解決を担う部門となります。Rozeをユニークにする要素は何か？Rozeをユニークにするのは、ABBのロボティクス部門である可能性が高いです。ABBはAIを非常に積極的に統合しており、さまざまな用途で産業ロボットに活用しています。例えば、すでに導入されているユースケースとして以下が挙げられます: 品質検査: 22マイクロメートルの精度で欠陥を検出し、人間の20倍の速度でスポットチェックを行う機械ビジョン対応ロボットセル。予知保全: AIベースの評価基準学習を備えたロボットは、99.9％の診断精度と生産停止なしを実現します。自律掘削: センサーとAIシステムを搭載したロボットが、エレベーターシャフトの掘削と設置を支援し、精度と作業安全性を向上させます。アイテムピッキング: 3DビジョンとAIディープニューラルネットワークにより、未知の物体を1時間あたり1400回ピックできるロボット。...
2026年4月28日著者 Daniel Martin

自律型暗号通貨取引: GeminiのAIシフト
By Daniel Martin
The digital asset landscape is undergoing a fundamental transformation that renders traditional, manual execution obsolete. For years, the barrier to efficient market participation was the necessity...
2026年4月23日著者 Gaurav Roy

AI設計の3Dプリント鋼: 超高強度 & 錆びない
By Gaurav Roy
鋼は現代文明の主要な材料の一つです。その耐久性、延性、そして高強度により、製造、輸送、建設、エネルギーなど、私たちの生活のほぼすべての側面で不可欠です:。興味深いことに、鋼は全くリサイクル可能で、品質、強度、構造的完全性を失うことなく、持続可能な経済発展にとって重要です。2025年、世界は総計1,849.4 Mt（百万トン）の粗鋼を生産し、前年度の1,882.6 Mtから減少しました。データは中国が主要な鋼生産国で、続いてインドと米国が続くことを示しています。世界中で数百万人を雇用し、鋼業は重要な経済原動力となっています。しかし、鋼とは正確には何でしょうか？鋼は合金であり、二つ以上の元素の混合物です。具体的には、金属元素の鉄（Fe）と少量の非金属炭素（C）に加えて、マンガン（Mn）、リン（P）、硫黄（S）、シリコン（Si）、酸素（O）、クロム（Cr）またはニッケル（Ni）などの追加元素が含まれ、材料の強度、靭性、耐食性を向上させます。したがって、鋼は一種類だけではなく、化学的・物理的特性が異なる何百もの鋼種があります。鋼の製造方法としては、主に高炉-転炉（BF-BOF）と電気アーク炉（EAF）の手法が用いられます。両者の主な違いは使用する原料の種類です。BF-BOF方式は主に鉄鉱石、石炭、リサイクル鋼を使用し、EAF方式は主にリサイクル鋼と電力を利用します。過去数十年にわたり鋼業は環境汚染削減に大きな努力をしてきましたが、鉄鉱石から鋼を製造する支配的な方法は依然として化石燃料を還元剤として使用しています。しかし、パイロット規模や商業規模の施設で新技術が導入され、低炭素鋼生産への転換が進んでいます。さらに、科学者は既存の鋼よりもはるかに優れた特性を持つ、より環境に優しい鋼の開発に取り組み続けています。例えば、超高強度鋼は、Advanced High-Strength Steel（AHSS）やUltra-High-Strength Steel（UHSS）として分類され、降伏強さが550〜1000 MPaを超えます。この種の鋼の研究は、軽量で安全かつ耐久性の高い材料を求め、効率向上と炭素フットプリント削減を目指す産業のニーズに支えられています。このような鋼を実現するために、科学者は合金のナノスケール構造を操作する傾向があります。約10年前、浦項工科大学のチームが鋼合金を発明1し、ミサイル、ジェットエンジン、宇宙船、医療インプラントの製造に使用される超高強度金属であるチタンと同等の強度重量比を、コストの10分の1で実現しました。その後、数年前にローレンス・バークレー国立研究所と香港大学の科学者が、“脱層強靭化と相変形誘起塑性の活性化”により超鋼を作り出しました。科学者は錆びにくい鋼の開発にも取り組んでおり、高湿度環境での構造破壊防止と耐久性確保に役立ちます。これは、鋼が錆びやすいためです。湿気と酸素にさらされると、元の形、すなわち酸化鉄に戻ります。この問題を克服するために、塗装や亜鉛メッキなどのさまざまな保護コーティングが使用されます。クロムやニッケルもステンレス鋼の製造に用いられ、耐食性は大幅に向上しますが、特定の過酷な条件下では依然として錆びることがあります。科学者は現在、人工知能（AI）の助けを借りて新しい合金を開発し、金属の強度を30％向上させ、延性を2倍にし、錆びにくくしました。また、この超鋼は3Dプリントが可能です。鋼イノベーションのゲームチェンジャーとしての付加製造付加製造（AM）は、しばしば3Dプリントと呼ばれ、過去10年間で広く採用されてきました。単なるニッチな試作ツールから主流の生産方法へと進化し、航空宇宙、自動車、医療産業のミッションクリティカル部品に積極的に使用されています。このプロセスでは、デジタルモデルに基づき材料を層ごとに追加して3Dオブジェクトを構築します。プラスチック、ポリマー、金属などさまざまな材料が利用されます。研究者や企業にとって、3Dプリント技術の最大の利点はスピードです。高速試作はコストを削減し、開発サイクルを加速し、反復を可能にします。さらに、3Dプリントは少量生産において最もコスト効果の高い製造プロセスであり、高価な機械や熟練技術者が不要です。また、部品をゼロから構築するため、廃棄物も大幅に減少します。さらに、複数の材料からユニークで複雑、カスタム部品を作成できる柔軟性があります。3Dプリントにおける部品の段階的組み立ては、一貫性と高品質を実現します。持続可能性も3Dプリントの大きな利点です。自社で製品全体を開発でき、外部委託の必要性を減らせます。鋼メーカーにとって、この製造技術は開発時間と材料廃棄を大幅に削減し、社内での実験や試作テストを迅速に行えるようにします。また、エンジニアは新しい合金組成を迅速に検証し、性能を最適化し、従来の高価な金型や外部製造に依存せずに設計から生産へと移行できます。従来の製造技術と比較して、AM は特有の特性2を持ち、層ごとの積層、材料相互作用、高速冷却率、サイクル加熱などがあります。これらの特徴により、微細粒、密度の高い転位、金属セル構造、相組成などの独自の微観構造が形成され、超高強度鋼に驚異的な機械的特性を付与します。優れた機械的特性を持つ超高強度・高延性鋼（UHSDS）の3Dプリントに関しては、航空宇宙、自動車製造、海運などの分野で大きな適用性が示されています。しかし、新しい国際研究が指摘するように、ニッケル（Ni）、コバルト（Co）、モリブデン（Mo）などの高含有で高価な合金元素や複雑な熱処理が必要で、耐食性が低いため、工学的応用は大きく制限されています。機械学習はこの制約を克服する手段を提供します。2020年、米国空軍とテキサスA&M大学の科学者は超強度鋼の3Dプリントの可能性3をレーザーで鋼粉を溶融させて実証しました。彼らはEagar‑Tsaiモデルを用いてレーザー設定を最適化し、印刷欠陥を削減しました。印刷されたサンプルは最大1.4 GPaの引張強度を示し、これまでの3Dプリント合金で最高値であり、プロセス最適化だけでも材料性能を大幅に向上させることが示されました。機械学習を用いた高性能鋼の組成と加工パラメータの最適化には、組成‑加工‑特性（CPP）モデルなどのさまざまなモデリング手法が使用されます。しかし、CPP‑MLモデルはデータセットの品質に高い要求を課します。CPIP‑MLモデルは、物理冶金（PM）モデル、CALPHAD、物理化学的特徴（PF）スクリーニングから得られる中間変数を組み込むことでこれを緩和します。最新の研究が指摘するように、UHSDSの多成分複雑性はPM主導のMLとCALPHAD併用のML最適化の両方に課題をもたらします。そこで、華南大学とパデュー大学の研究者はPF‑ML戦略に転じ、コスト効果的にUHSDSを開発しました。錆びない超高強度鋼の3DプリントInternational Journal of Extreme Manufacturing4に掲載された研究者は、元素の81の物理化学的特性を解析する「解釈可能な機械学習」モデルを構築しました。AIに組み合わせを推測させるのではなく、チームは原子半径や電子挙動などの特定の特徴を分析させ、超高強度で錆びにくく、3Dプリント可能な合金を作成しました。主要領域現状技術的シフト重要性 Industry Direction 2025年の世界の鋼生産は1,849.4 Mtに達し、中国が支配的で、主に量ベースの生産が牽引しています。特定の高付加価値用途向けに設計された性能指向の合金へのシフト。鋼をコモディティ産業から高マージンでイノベーション主導の材料セクターへと転換させます。 Production & Emissions BF‑BOF生産は鉄鉱石と石炭に依存し、鋼は最大の産業炭素排出源の一つです。...
2026年4月21日著者 Jonathan Schramm

UiPath：AIエージェント時代を受け入れたリーディングオートメーション
By Jonathan Schramm
ここ数年、AIの能力の爆発的な向上により、多くのタスクが自動化されつつあることが明らかになっています。これは最近の現象であり、変革的なものと感じる人もいるでしょう。しかし実際には、物理的タスクと認知的タスクの自動化は何十年も続いており、AIの汎用的な活用はこのプロセスの最新段階に過ぎません。例えば、現在の多くの工場は高度に自動化されており、産業ロボットが部品の取り扱い、機械加工、溶接、組立などを行っています。同様に、ホワイトカラーの仕事において既に行われている自動化の量を過小評価しがちです。自動的に更新される請求書システム、HR向けの履歴書フィルタ、給与処理、顧客サービスチケットの自動振り分け、送金など、以前は人間が担当していた多くのタスクがほぼ完全にソフトウェアで管理されています。したがって、多くのAIアプリケーションにとって最も重要かつ最も収益性の高い道は、企業機能の自動化である可能性が高いです。特に、過去10年でほとんどの企業が生産や顧客管理システムをデジタル化してきたことが背景にあります。多くの企業は、このソフトウェアを大規模に作成・最適化することで成長してきました。これらの企業は、顧客が自動化ニーズで信頼しているネットワーク内に最新のAIエージェントを展開するのに理想的な立場にあります。そのような企業の一つが、2005年に設立されたエンタープライズオートメーションの長年のリーダー、UiPathです。UiPath 概要UiPath 歴史UiPathは2005年にルーマニアのブカレストでDeskOverという名前で設立されました。エンジニア主導の同社は、長年にわたりブートストラップしながら適切な市場適合を模索し、当初はアウトソーシングや開発者向けソフトウェア開発キット、さまざまなタスク自動化ツールの構築に取り組んでいました。最終的に、エンタープライズビジネス顧客向けタスクの自動化という「ロボティック・プロセス・オートメーション」カテゴリ（RPA）で正しい方向性を見つけました。同社は2013年にこのセグメントへ転換し、2015年に社名をUiPathに変更しました。RPAはAPIとユーザーインターフェース（UI）操作を組み合わせ、エンタープライズと生産性アプリケーション間で繰り返しタスクを統合・実行します。この形態の自動化は、ルールベースのソフトウェアを使用して大量のビジネスプロセス活動を実行し、人的リソースを解放してより複雑なタスクに優先的に取り組めるようにします。Source: IBMしたがって、名前にもかかわらず、RPAにおける「ロボット」は物理的なロボットではなくソフトウェアボットです。ただし、AIとロボティクスの両方が進展するにつれて、この違いは近い将来徐々に薄れる可能性があります。現在のUiPathはRPAに限定されていませんが、RPA自体は大きな市場であり、爆発的な成長が見込まれています：2025年の市場規模は46億8,000万ドルで、年平均成長率29％で2033年には358億4,000万ドルに達すると予測されています。RPAへのこのシフトは当初、大手インド企業による試験的導入で行われ、後に顧客獲得のテンプレートとなり、爆発的に成長しました。「当時、私たちは非常に新しいビジュアル“ローコード”を持っていました。RPA分野では、私たちとBlue Prismだけがこの“ローコード”アプローチを持っていました。そのため、デザインと自動化のための見やすいフローチャートがあり、当時他に同様のものはありませんでした。実際、彼はBlue Prismに対して何らかの優位性を得ようとしており、Blue Prismはかなり柔軟性に欠けると見なされていました。」Daniel Dines – UiPath Co-founder2016年4月までに、同社はフロントオフィスおよびバックオフィスサーバースイートをリリースし、すでに250社のエンタープライズ顧客と1万人以上のユーザーを確保していました。2019年、同社はプロセス文書化およびプロセスマイニング分野の複数の企業を買収し、世界で5,000社の顧客に達しました。2021年4月、同社はNYSEでIPOを実施し、13億ドルを調達し、当時の米国ソフトウェアIPOとして最大規模の一つとなりました。2022年、UiPathは自然言語処理開発企業のRe:inferを買収し、2024年以降に多数のAIツールをリリースしました。2025年までに、同社はOpenAI、Microsoft 、Google、Nvidia 、Snowflakeなど多数の企業とパートナーシップや協業を結んでいました。UiPath 数字で見るRPA市場への転換以降、UiPathはサービスをサブスクリプション形式で販売し、継続的な収益を生み出しています。2019年以降、UiPathは顧客基盤を2倍以上に拡大し、2026年には約10,750社の企業が同社のソフトウェアとAIソリューションを利用しています。そのうち2,565社は年間継続収益（ARR）が10万ドル以上です。顧客基盤の半数以上は金融・製造・政府部門から来ており、顧客の約半数は米国に所在し、UiPathにとって最大の市場です。次いでインドと英国が続きます。同社は2025年に総ARR1.8億ドルを達成し、前年比11％増加しました。クラウドサービスのARRはさらに速く成長しており、年率20％の複利成長です。同社のビジネスで最も印象的な指標は、107％のドルベースのネットリテンション率です。これは、顧客がUiPathに留まるだけでなく、サブスクリプションビジネスで一般的に見られる自然な解約率を上回るペースでビジネスを拡大していることを示しています。別の印象的な指標は、粗利益率83.2％と営業利益率31％で、2026年には従業員一人当たり最大404,565ドルの収益を上げるなど、ビジネスモデルの資本効率の高さを示しています。同社は真にグローバルで、4,000人以上の従業員の3分の2がリモートまたは多地域で勤務しており、米国、欧州、インドに多数の拠点が散在しています。UiPath の戦略急速な展開同社は成功したニッチを見つけ次第、非常に積極的なグローバル展開戦略で成長しました。その攻めの姿勢は、経営陣がチンギス・ハーンからインスピレーションを得ているほどです。「当時、ダニエルが3500万ドルから2億ドルへ成長する計画を提示した取締役会のことを覚えています。非常に、非常に攻めの成長計画でした。チームに冗談で、我々の戦略はチンギス・ハーンの戦略のようだと言いました。彼らは中国を征服したとき、軍が中国軍より速く、すべての都市を制圧し、追いつかれなかったのです。だから私の戦略はこうです：行こう、広げよう、どこで効果があるか見て、そこに注力しよう、というものです。」Daniel Dines – UiPath Co-founderこの戦略は現在も継続しており、例えばUiPathは医療市場への参入を急速に進め、病院や診療所の医療記録要約、請求却下防止と解決、事前承認などの機能支援を行っています。UiPath の自動化を超えてRPAでの成功を基盤に、UiPathはより効率的なビジネスプロセスだけでなく、繰り返し行われるホワイトカラー業務の自動化も提供します。また、経営陣がデータと販売プロセスを体系化する手段も提供します。これにより自動的に監査可能なデータセットが生成され、コンプライアンスコストが削減されます。これは、金融、製造、政府といった高度に規制されたセクターでのUiPathの商業的成功に大きく寄与しています。2026年に金融犯罪コンプライアンス向けAIエージェントの先駆者であるWorkFusionを買収したことで、UiPathはコンプライアンス分野での重要な貢献をさらに強固にしています。「UiPathは、私たちが単独で成長できる以上の規模を提供し、私たちの本質である人々、製品、ミッションを失うことなく成長させてくれます。共に、私たちは単一企業を超える何かを創造しています：金融犯罪コンプライアンスを近代化しているのです。」Adam Famularo – CEO of WorkFusion経営者の利用や監査向けに生成されたこのデータは、UiPathを非常に有用なツールにし、ソフトウェア会社のゴートゥーマーケットパートナーとして活動するコンサルティング・監査会社からしばしば推奨されています。このように、UiPathは自社の販売活動だけでなく、大企業がプロセスや業務改善のために信頼する重要なパートナーとの卓越した評判からも成長しています。これには、Cognizant、PWC、Deloitte、Infosysといった主要なコンサルティング、会計、HR企業が含まれます。UiPathは、既存のマーケットプレイスにもRPAとAIエージェントツールを適応させており、例えばSalesforceのAgentExchangeのような大規模プラットフォームと自動的に統合し、UiPathソリューションは「自動化、AIエージェント、ヒューマンインタラクションを統合し、スムーズでエンドツーエンドのビジネスプロセスに変換」しています。また、既に確固たる評判を持つビジネス領域で、業界特化型ソリューションを多数展開しています。例えば、2026年3月に小売と製造に特化した複数のAIエージェントをリリースしました。その内容は以下の通りです： UiPath...
2026年4月17日著者 Jonathan Schramm

主権AIデータセンター：新たな戦略的備蓄
By Jonathan Schramm
経済システムがますますデジタル化する中で、直接的に制御する重要性が多くの国にとってますます明らかになっています。しばらくの間、これは支払い・銀行システム、ソーシャルメディア、検索エンジンなど、国家にとって最も重要なソフトウェアの管理を推進する形で現れました。この傾向は、主に中立的なシステムであった米国など主要国のデジタルサービスが、地政学的なレバレッジとして利用されるようになるため、ますます重要になっています。たとえば、SWIFT決済システムは、ロシアやイランといった米国と対立する国々に対する制裁の主要なツールへと徐々に転換されています。AIがソフトウェアや検索エンジンをすぐに置き換え、重要なデジタルインフラとなるにつれて、デジタル主権の問題は急速に進化しています。AIが直接ソフトウェアを自動生成できる（時に「バイブコーディング」と呼ばれる）ようになると、十分なAI能力を持つことが国家のデジタル主権をさらに高める助けとなります。したがって、今日最も重要な問いは主権AIインフラストラクチャです。AI開発の初期段階では、主な制約は計算能力と必要なハードウェアであり、GPUは供給不足で半導体産業は追いつくのに苦労していました。メモリハードウェアの供給など、一部の不足は徐々に解消されつつありますが、完全に解決されたわけではありません。しかし、ますます大規模なAIデータセンターが建設されるにつれて、新たな制約が浮上しています。それは、エネルギー供給という、短期間で解決が難しい問題です。したがって、AIデータセンター企業だけでなく、ほとんどすべての国が、信頼性の高い低炭素エネルギー源を迅速に確保することが緊急課題となっています。グローバルクラウドの死グローバルクラウド = グローバルリスク最近まで、世界のほとんどは米国のITインフラをクラウドコンピューティングのニーズに利用してきました。中国企業のAlibabaとHuaweiを除けば、全世界のクラウド市場シェアのわずか6％しか占めておらず、2025年の世界トップクラウドインフラプロバイダーはすべて米国企業でした。これは、特に米国とその同盟国との間で地政学的な不安定性が高まる中で、ほとんどの国にとって大きな脆弱性を生み出します。たとえば、グリーンランド支配を巡る最近の争い、欧州諸国のイスラエルに対する立場、イランへの空爆に欧州軍事基地を利用することや、ホルムズ海峡での貿易護衛に欧州艦船を派遣することなどが挙げられます。中東でイランの攻撃により、Oracle 、OpenAI、Oracleのデータセンターが停電した事例が示すように、海外のデータセンターは実際の被害から安全とは言えません。このような文脈では、機密性や戦略的価値の高いデータは、国家の地政学的立場に関係なく、海外にホストすべきではないかもしれません。これは、医療、金融、軍事といった国家データベースだけでなく、大企業の商業データにも当てはまります。主権クラウドの台頭このトレンドの証拠として、カナダは2026年4月に新たな「主権AIコンピュート」イニシアチブを開始しました。このイニシアチブは、カナダ主権AIコンピュート戦略の一部であり、カナダ国内のみの利害関係者が直接所有する独立したAI計算能力の創出を目指しています。「これらのシステムはカナダのデジタルバックボーンの核心部分となり、医療、エネルギー、先端製造、科学的発見といった分野でのブレークスルーを可能にします。これによりカナダの世界競争力が強化され、世界トップクラスの研究が支援され、カナダのイノベーターに対して安全で信頼できる重要なデジタルインフラへのアクセスが確保されます。」カナダのAI戦略は3本の柱で構成されています：民間セクター投資の動員。政府がすでに投資した7億ドルに加えて、民間資金が補完されます。公共スーパーコンピューティングインフラの構築。主権AIコンピュートイニシアチブに焦点を当て、既存の公共計算インフラを拡充するために2億ドルの短期投資を行います。 AIコンピュートアクセス基金、3億ドル規模の基金で、民間企業に対しAI計算能力へのクレジット形態で補助金を提供します。一方、EU全体は2015年4月から「€2000億 AIコンチネントアクションプラン」を展開しています。これには、複雑なAIモデルの訓練と開発のための5つのAIギガファクトリーの建設と、今後5〜7年でEUのデータセンター容量を3倍に拡大する計画が含まれます。2025年10月、EUは「AI適用戦略」を発表し、10の主要産業でAI導入を促進します：医療・製薬モビリティ、輸送、車載ロボティクス製造業エンジニアリング・建設気候・環境エネルギー農食産業防衛安全保障・宇宙電子通信、文化、クリエイティブ、メディア部門したがって、かつては中国やロシアなどが主導していた主権クラウドとAI計算能力の構築が、2025年・2026年には米国のテックジャイアントやグローバルクラウドハイパースケーラーから独立した形で、主要な経済ブロックや先進国でも進められるようになっています。SMR：ベースロードソリューションAI = エネルギーこれらのAIデータセンターを稼働させるには、安定かつ信頼できるエネルギー供給が必要です。以前は、国内の電力網が十分であると考えられていました。しかし、「エネルギー‑コンピュートパラドックス」または時にAIエネルギーパラドックスと呼ばれる新たな現象がこの前提に挑戦しています。これは、AIのエネルギー効率を向上させると、総エネルギー消費が減少するどころか大幅に増加するというものです。この現象の核心は、ジェボンズのパラドックスと呼ばれる経済現象のAI版です。AIの効率が上がりコストが下がると、AI駆動ソリューションへの需要が増大し、結果としてエネルギー需要も増加します。つまり、効率的なAIほど、より多くのエネルギーが新たに拡大するAIシステムを支えることになるのです。その結果、AIの電力需要は国内電網のアップグレード速度の10倍で拡大しています。したがって、はるかに多くのエネルギー供給を追加する必要があります。たとえ追加電力が電網に組み込まれたとしても、電網を通じてデータセンターへ電力を供給するための新しい送電線や変圧器が十分に速く建設されないという課題があります。AIデータセンターの核オプション理想的には、再生可能エネルギーをさらに大規模に導入すれば、Tier 4 データセンターに炭素フリー電力を供給できるはずです。しかし、実際には太陽光設置に必要な面積や風力発電の立地制約により、電力網の飽和は深刻な問題のままです。電力網の混雑は現在、データセンター展開の主要なボトルネックとなっています。テキサス州では、CenterPoint Energyが大規模負荷接続要求が700％増加したと報告しており、2023年後半から2024年後半にかけて1GWから8GWへと拡大しました。ComEd、PPL、Oncor といったユーティリティも、過去の最大ピーク需要を上回るGW規模のデータセンター申請を報告しています。Camus...
2026年4月15日著者 Gaurav Roy

M2Mエコノミクス：AIエージェントと機械支払いの未来
By Gaurav Roy
人工知能（AI）は、さまざまな業界でますます多くの企業に浸透しています。データによると、組織の88％がAIを使用していることが分かり、2022年の50％から増加しており、2030年までにこの技術は$15.7兆の世界経済への貢献が予測されています。採用が加速するにつれ、先進的な機械学習によって駆動されるシステムの役割は、限定的な支援的役割から商取引、金融、物流、その他の産業への深い組み込みへと変化しています。これらのAIシステムは、情報に基づく意思決定とリアルタイムでのワークフロー最適化により、効率性を向上させ、コストを削減し、オートメーションを可能にします。しかし、これらは人間に依存しています。この依存は現在、より大きな自律性へと進化しています。技術とその採用が成熟し続ける中で、深遠な変化が現れています。AIはもはや単なるツールではなく、経済的主体となりつつあり、Machine-to-Machine（M2M）エコノミクスが生まれています。この変化の中心にあるのは、AI「エージェント」と呼ばれる自律的なソフトウェアエンティティで、いくつかの重要な要素からなる基盤アーキテクチャ内で動作します。その核心はモデルであり、エージェントが意図を理解し、目的の結果を達成するためにアプリやシステム全体で取るべき手順のシーケンスを提供します。次に、これらの手順を実行するには、在庫ツール、物流プラットフォーム、決済ゲートウェイとの安全な統合が必要で、エージェントは注文の発注、配達のスケジューリング、返金の発行などの操作を行えます。これを支えるのがカスタマーデータプラットフォーム（CDP）で、ユーザーの好み、サービス履歴、同意情報を保存し、製品とポリシー間の関係をマッピングするナレッジグラフと共に、エージェントが推測ではなくコンテキストに基づいて動作できるようにします。時間が経つにつれ、クリック、コンバージョン、苦情といったインタラクションからの強化学習により、エージェントはどの行動がより良い結果につながるかを学習し、体験の信頼性が向上します。これらの層が連携したシステムを構成し、成功するエージェント型コマースを可能にします。AIエージェントは単に支援するだけではなく、意思決定を行い、タスクを実行し、他のシステムと相互作用しますが、人間の監督は最小限、あるいは全く必要ありません。さらに注目すべきは、これらの能動的で成果志向のエージェントが、互いに製品やサービスの売買を行えるようになったことです。あるAIモデルはクラウドプロバイダーに計算リソース代金を自動で支払い、別のモデルはAPIアクセスを交渉します。彼らはリソースを割り当て、コストを自律的に最適化します。NvidiaのCEO、Jensen Huangによれば、これらのAIエージェントは多くの産業に対して「数兆ドル規模の機会」を創出できるとし、彼らを「新しいデジタル労働力」と呼んでいます。「AIエージェント時代が到来した」と、Huangは2025年のCESで発表しました。これは、小売大手のWalmartがAIエージェントを活用してパーソナルショッピング体験を自動化し、商品計画を支援している例で見られます。金融大手のJPMorgan Chaseでさえ、詐欺検出、金融アドバイス提供、法務・コンプライアンスプロセスの自動化にこれらを活用することを検討しています。一方、Google、Microsoft 、IBM、Salesforceは、エージェント型AI機能を自社のソフトウェアプラットフォームに直接組み込んでいます。現在目の当たりにしているのは、機械が単なる参加者ではなく、自律的な買い手・売り手としてユーザーやシステムに代わって活動する経済の初期形成です。AIが経済主体として：デジタルマネーでの売買AIエージェントが取引を開始すると、問題は「どのように支払うか」です。従来の金融システムは人間中心に設計されているため、これらの機械には機能しません。手動承認、実際の出席、人間の身元確認基準、銀行の営業時間といった要件は、自律的でリアルタイムな機械間インタラクションには適合しません。AIエージェントに必要なのは、プログラム可能で、グローバルに相互運用可能、かつ常時利用可能な決済システムです。ここでデジタル通貨が登場します。ステーブルコインは、米ドルなどの資産に価格を連動させて価値を安定させるよう設計された暗号通貨の一種で、機械間取引に特に適しています。まず第一に、ステーブルコインはプログラム可能であり、取引にインテリジェンスを組み込み、AIエージェントが必要とするものそのものです。つまり、ロジックやルール、条件を資金の移動に直接組み込むことができます。スマートコントラクトを通じて支払いを自動的に実行できることで、ステーブルコインはAIエージェントが条件付き取引を行えるようにします。例えば、サービスが提供されたら自動で資金を解放したり、リアルタイムの状況に応じて支出を調整したりしますが、これは従来の銀行システムでは支援が困難です。USDTやUSDCといったステーブルコインは即時決済も提供します。従来システムが数時間から数日かかるのに対し、ブロックチェーンベースの取引は数秒、場合によっては数分で決済されます。リアルタイムで動作するAIエージェントにとって、この速度は不可欠です。さらに重要なのは、ステーブルコインは国境を越えて利用できることです。AIエージェントが国境に縛られないことで、通貨換算や規制上の遅延を排除し、スムーズでシームレスな国際送金を実現します。さらに、許可不要のブロックチェーンネットワークは常に稼働しているという事実があります。暗号領域では週末や祝日が資金の流れを制限することはありません。24時間365日稼働することで、ステーブルコインは営業時間に縛られない自律システムと完全に合致します。これらの利点により、AIエージェントは数センチの一部という極小額でも支払えるマイクロトランザクションが可能になり、支払い摩擦が原因で実現できなかった新たなビジネスモデルが開かれます。ドル未満の取引では、従来の支払い経済はあまり意味を持ちません。VisaやMastercardといった銀行や決済プロセッサは取引ごとに固定手数料を課すため、少額送金は経済的に成立しません。したがって、第2位のステーブルコインUSDCを発行するCircleは、機械取引向けに特化した独自の決済システムを現在構築しています。先月、同社はナノペイメントを開始し、エージェントは新しいArcブロックチェーン上で手数料なしでUSDCで$0.000001という極小額を送金できるようになりました。ステーブルコインは広く採用されています。2025年には、ステーブルコイン全体の取引量が$33兆に急増し、採用は暗号取引者を超えて拡大しました。ある報告書によると、世界の金融リーダーの33％がすでにステーブルコインを事業運営に使用しており、驚くべきことに86％が今後数年で導入を検討しています。したがって、「デジタルドル」を使用することで、AIエージェントはほぼ瞬時に、24時間365日、グローバルに取引できるようになります。「まもなく、取引を行うAIエージェントの数は人間を上回るだろう」と、CoinbaseのCEOブライアン・アームストロングはXの投稿で述べ、彼らが銀行口座を開設できないことを指摘しました。「しかし、暗号ウォレットは所有できる」と付け加えました。そして、これが暗号取引所が「全社的にAIファーストの考え方へ」移行している理由であり、アームストロングが最近共有しました。これには、CoinbaseがインキュベートしたBaseが含まれ、エージェントはオンチェーンでミニビジネスのように動作し、L2をエージェントネイティブにすることを目指しています。次に、暗号ベンチャーキャピタルのParadigmが、主流金融企業のStripeと提携し、グローバルな支払い、マイクロトランザクション、AIエージェント向け決済をステーブルコイン優先の設計で処理する「Tempo」という決済特化型ブロックチェーンを立ち上げました。これらすべての開発は、重要な新しい経済層を形成しており、McKinseyは2030年までに消費者取引で3〜5兆ドルを仲介できると予測しています。AIエージェントは新たな顧客層としてAI技術の進歩とM2Mエコノミクスの拡大により、AIエージェントが新たな顧客タイプとして浮上しています。人間の消費者とは異なり、これらのエージェントは疲れたり飽きたりすることなく継続的に稼働します。また、感情や気分の影響を受けずに永続的に動作できます。意思決定は感情ではなく、データと最適化に基づいています。さらに、この新しい顧客層はコストと効率性を最優先し、即座にスケールできます。AIエージェントは少数のタスクから大量の処理へと非常に速く、ほとんど追加労力なしで拡大できます。これらの要因は、経済における需要パターンを根本的に変えるでしょう。これまで、企業は人間を主な対象としてきましたが、もはやそうではありません。現在、機械が消費することを前提に、API、データフィード、コンピュートサービスなどの製品やサービスを設計し始めています。つまり、人間向けのマーケティングではなく、アルゴリズム選択に最適化された提供物にシフトし、AIエージェントが意思決定する際に最速、最安、最も信頼できるオプションとなるように企業はサービスを調整します。「これは、投資環境や製品開発に対する考え方を大きく変えます。今や本当にエージェント優先で考え、顧客の大半が人間ではなくエージェントになると想定しなければなりません。」– Matt Huang、Paradigmのマネージングパートナーこの文脈では、プログラム可能なデジタル決済の役割がさらに中心的になります。そして、AIエージェントが高速で低コスト、プログラム可能な資金を必要とする中で、ステーブルコイン業界はそのユースケースを見出しました。Pantera Capitalの創設者で5億ドルのデジタル資産を管理するダン・モアヘッドによれば、AIは金融取引に暗号通貨を使用せざるを得ません。AIエージェントは現金を扱えないからです。また、最終的にどの企業がAIレースで勝っても、資金移動にはブロックチェーンインフラが必要になると彼は考えています。ステーブルコインはエージェント型コマースを可能にする有望さを示していますが、依然として課題に直面しています。「ほとんどの人はステーブルコインのウォレットを持っていません」と、Visaのグローバル成長責任者ルバイル・ビルワドカーはBloombergに語りました。この物語的勢いとインフラ実態のギャップは、スケールで動作するエージェントにとって深刻です。「ステーブルコインがエージェント世界で受ける非常に価値ある注目と、実際の現実を分けることが極めて重要です」とビルワドカーは付け加えました。インフラのギャップは課題の一部に過ぎません。規制の不確実性も同様に大きく影を落としています。AIエージェントの法的ステータスは未定義であり、エージェントが法違反やエラーを起こした際の責任は誰にあるのかといった責任問題は未解決のままです。また、取引を開始・処理する主体がプログラムであり人間でない場合、マネーロンダリング防止（AML）規制への準拠が困難になります。しかし、ステーブルコインに関しては、EUの暗号資産市場（MiCA）枠組みがステーブルコイン発行者に厳格な準備金要件を課すなど、明確さが増しています。米国ではGENIUS法が米ドル連動ステーブルコインの連邦規制枠組みを確立しました。これらの展開により、暗号企業は規制遵守が可能となり、決済における大規模な採用が進み、ステーブルコインはニッチ資産から主流の金融インフラへと移行しています。自律的な契約と決済を可能にする技術AIエージェントが新たな大規模顧客層となる中で、問題は支払い方法だけでなくインフラにも及びます。AIエージェントが経済に完全に参加するには、合法かつ安全に取引できる必要があり、新たな技術的・法的基準が求められます。これを可能にする主要なイノベーションの一つは、AIエージェントがサービスを発見し、条件を交渉し、支払いを実行できるプロトコル群です。インフラ層は現在、AnthropicのModel Context Protocol（MCP）やOpenAIのAgentic Commerce Protocol（ACP）など、いくつかの新興プロトコルによって構成されています。主要領域現状システムの焦点重要性 AI導入 AIは現在、商取引、金融、物流、エンタープライズソフトウェア全般に広く組み込まれています。支援ツールから自律的で成果志向のエージェントへのシフト。機械が独立した経済参加者として行動し始めることを示す。エージェントアーキテクチャエージェントは依然としてモデル、ワークフロー、構造化されたビジネスコンテキストに依存しています。モデル、統合、CDP、ナレッジグラフを組み合わせる。エージェントが信頼性のある意思決定とタスク実行を可能にする。学習ループパフォーマンスはクリック、コンバージョン、苦情、その他実世界のフィードバックにより向上する。強化学習を用いて将来の行動を洗練する。...

More Posts