人工知能
NVIDIA、米国科学支援のため5年間で10億ドルを約束
NVIDIAは2026年10月8日に、次の5年間で量子コンピューティング、ヘルスケア、エネルギー安全保障などの分野におけるスーパーインテリジェンス研究開発のために米国の能力を拡充することを目的とし、10億ドル相当のコミットメントを発表したと、NVIDIAの発表が伝えている。発表はワシントンD.C.で開催された「Science: A New Golden Age」イベントで行われ、米国政府関係者、産業界リーダー、科学コミュニティのメンバーが、科学探求を強化するために必要な官民協力について集まった。 NVIDIA 同イベントで、米国科学技術政策局はGenesis Missionの拡大を祝賀し、同社は同ミッションの主要な産業パートナーであると述べた。同社は、計算とスーパーインテリジェンス基盤資源を活用した研究開発に科学コミュニティのメンバーとの協働を招待し、科学的発見を加速させ米国のイノベーションを促進すると語った。 「トランプ大統領のGenesis Missionは、米国の新たな発見の黄金時代を切り開く」とNVIDIA創業者兼CEOのジェンセン・フアンは述べた。「10億ドルの投資により、NVIDIAは先進的なスーパーインテリジェンスを米国の科学者の手に届け、医療、エネルギー、材料分野での画期的な突破口を加速させる」 5年間のコミットメントの構造 同社は、今後5年間で10億ドルを米国全体の科学および量子コンピューティングにおけるスーパーインテリジェンスの推進に充てると述べた。その内容は、国内の高等教育研究機関への支援、米国の量子リーダーシップを加速するための投資、そして米政府のミッションニーズを支えるクラウドサービスプロバイダーへの支援を含む。 NVIDIAはまた、同イベントで発表されたフェーズII Genesis Missionの複数の賞に協働しており、量子コンピューティング、核融合、加速器設計、マイクロエレクトロニクスのプロジェクトが含まれると述べた。 エネルギー省の授賞が同日発表 米エネルギー省（DOE）は2026年10月8日に、科学分野におけるスーパーインテリジェンス（SI）を推進するため、12件のフェーズII Genesis Mission プロジェクト賞（総額1億5900万ドル）を発表した。さらに、プログラムの初期選考を拡大する6件のフェーズI賞も併せて授与された。この選定によりフェーズIIプロジェクトの総数は14件となり、電力局のGridFM 2.0や原子力エネルギー局のPrometheusに対する既存の賞と合わせ、Genesis Missionポートフォリオ全体で初年度に297件のプロジェクトが集まったと同省は述べた。DOEによれば、トランプ大統領は2025年11月にGenesis Missionを開始し、プロジェクトのポートフォリオは7月に初めて公表されたという。 「これらのプロジェクトは、科学におけるスーパーインテリジェンスの約束を変革的な科学能力へと転換する重要なステップです」とDOE科学局次官のダリオ・ギル博士は述べた。 DOEは科学局を通じて新たに授与された12件のプロジェクトと、その主導機関を以下のとおり示した。 AI対応デジタルツインプラットフォームで、SPARC核融合実証装置の運転をシミュレート・最適化するもの。主導はCommonwealth Fusion Systems。 SIモデルの訓練用にRNA構造データベースを5倍に拡大するプロジェクト。主導はUniversity of California San Diego。 格子量子色力学の研究で、SIと基礎粒子物理のスーパーコンピューティング計算を統合するもの。主導はMIT。 MAESTROは、地熱エネルギー用の深部地下貯留層をマッピング、刺激、管理するSIプラットフォームで、University of California Irvineが主導。 AXISは、SIを用いて国内資源から重要な希土類元素を抽出する電気化学プロセスをより効率的に設計するフレームワークで、University of…
AI詐欺検出と支払いセキュリティの未来
支払いセキュリティシステムは、最も重要な役割を果たせないままほぼ完璧に見えることがあります。取引全体に占める詐欺の割合がごくわずかであれば、すべてを承認するアルゴリズムは大半のケースで正しいと見なされます。顧客は中断が減少するかもしれませんが、犯罪者には抵抗が全くありません。 この緊張感は、Herlina Manurung と Dyah Rizki Arinengsih による新たな体系的レビューの中心に位置し、Social Sciences & Humanities Open に掲載されています。1 金融報告、支払い、ネットワークベースの詐欺検出に関する 38 件の研究を統合し、研究者らは信頼できる保護には印象的なベンチマークスコア以上のものが必要であると主張しています。 銀行、決済ネットワーク、投資家にとって、その影響は実務的です。より優れた詐欺検出は収益を保護し、運用コストを削減できる可能性があります。しかし、これらの利益は、疑わしい行動と正当な活動を区別し、犯罪者の変化に対応し続け、捜査官が対処できる証拠を提供するシステムに依存しています。 高精度が弱い詐欺検出を隠す理由 仮想の決済プラットフォームが 100,000 件の取引を処理し、そのうち 100 件が詐欺であると想定します。すべての取引を正当とラベル付けするモデルは、詐欺を全く検出しないにもかかわらず、99.9% の精度を達成します。 今、80 件の詐欺取引を捕捉する一方で、99,900 件の正当取引の 1% を誤ってフラグ付けするシステムを想像してください。このシステムは 1,079 件のアラートを生成し、そのうち 999 件は誤警報です。アラートの約 7.4% しか実際の詐欺を特定していません。これらの数値は問題を示すものであり、レビューの結果ではありません。 このようなシステムでも、取引額やアラートの処理方法次第でかなりの損失を防げる可能性があります。しかし、その有用性は精度だけでは判断できません。捜査官はアラートを処理しなければならず、顧客は不要な障壁に直面することがあり、加盟店は正当な売上を失う可能性があります。 したがって、レビューは精度（precision）、再現率（recall）、およびコスト感度の評価を重視しています。精度はフラグ付けされたケースのうち実際に詐欺が含まれる割合を測定し、再現率はシステムが捕捉する詐欺の総量を測ります。どちらの指標も、ミスの財務的影響を理解する必要性を置き換えるものではありません。 商業的な目的は、詐欺損失、調査費用、顧客の摩擦、誤った拒否による収益損失という総合的な被害を削減することです。 詐欺検出レビューの発見 著者らは、稀少事象と不均等なエラーコストの取り扱い、信頼できる評価の維持、変化する状況や意図的な操作への抵抗、関係性と解釈可能な証拠の活用という4つの次元に基づいて調査結果を整理しています。…
AIとグリーンイノベーション：投資家が注目すべき点
人間とAIの協働はグリーンイノベーションを向上させることができるか？ 企業は、より多くの環境プロジェクトを発表し、より多くのグリーン特許を出願し、より長いサステナビリティレポートを公開することができますが、必ずしも技術が向上しているわけではありません。投資家にとっては、価値あるものを構築しているのか、単にイノベーションを見せる能力が向上しているだけなのか、区別が難しくなります。 Caiyun Liu と Tianyang Wu による研究（Finance Research Letters に掲載）は、人間とAIの協働がそのギャップを縮小できるかどうかを検証しています。1 中国上場企業のデータを用いて、研究者らは協働指標とグリーン特許出願と付与の差が小さいこととの関連性を見出しました。 この結果は有用な可能性を示唆しています。AI の能力と熟練した従業員を組み合わせることで、企業は資源配分をより効果的に行える可能性があります。しかし、この可能性を投資仮説に結びつけるには、特許数や AI の発表だけにとどまらない視点が必要です。 グリーンイノベーションバブルとは何か？ 本稿は「グリーンイノベーションバブル」という表現を、環境イノベーションの質より量を重視する活動を指すために用いています。これは株式市場のバブルではありません。懸念は、企業が容易に宣伝できる成果を追求する一方で、実質的な技術開発への投資が不足してしまうことです。 研究者らは、グリーン特許出願数と付与数のギャップを通じてこれを測定しています。すべてのグリーン特許、発明特許、実用新案特許について個別の指標を作成しました。本研究の枠組みでは、発明特許は技術的に高度なイノベーションを示し、実用新案は出願ハードルが低く、付与までのサイクルが短いと位置付けられています。 ギャップが拡大すると、イノベーションの主張が実際の成果に先行していることを示唆する可能性があります。しかし、これは不完全なシグナルです。特許の承認には時間がかかり、審査待ちの出願が必ずしも質が低いとは限りません。また、特許が付与されたからといって商業的成功が保証されたり、技術が排出削減に寄与することが証明されたりするわけでもありません。 この区別は、資本が環境ラベルに従う際に重要です。Securities.io の グリーンボンドとグリーンウォッシングリスク に関する報道は、関連する質問を探ります：持続可能性に結びつく資金調達が、測定可能な環境的進展にどの程度結びつくかです。 人間とAIの協働に関する研究の結果 本分析は、2015年から2024年までの中国A株上場企業の23,526件の企業年度観測を対象としています。協働指数は、年次報告書におけるAI関連用語の出現頻度と、学士号以上の学位を有する従業員の比率を組み合わせて算出しています。 これは、従業員がAIを直接使用しているかどうかを観測するのではなく、二つの能力の協調的な発展を測定しています。AI用語の増加は導入を示す可能性がありますが、同時にコミュニケーション戦略を反映している場合もあります。学歴も同様に、労働力の特性を示すものの、従業員が特定のツールをどれだけ効果的に活用しているかは明らかにしません。 研究項目 測定項目または発見 サンプル 23,526 社の年度観測、2015–2024 協働指標 AI 関連の年次報告書言語と従業員の教育 イノベーションバブル指標 グリーン特許出願と付与の標準化ギャップ 提案された資金調達チャネル 資金調達制約の緩和 報告された関連性の強化…
光コンピューティングでディープフェイク検出コストを削減できる可能性
説得力のある合成動画の生成が容易になってきています。その動画が本物かどうかを確認することは別の課題であり、検証に必要な計算リソース、電力、そしてレビュー能力を提供しなければなりません。 大量のアップロードを扱うプラットフォームにとって、検出精度は要素の一つに過ぎません。検証システムはコストを抑えてコンテンツを処理し、レビュー担当者を圧倒することなく疑わしい素材をさらなる調査へと導く必要があります。 eLightに掲載されたUCLAの新しい研究は、その課題への異例のアプローチを検討しています：光を用いて検出プロセスの一部を実行することです。1 研究者らは、デジタルニューラル処理と光デコーダを組み合わせ、15本の動画を並列にスクリーニングできるハイブリッドシステムを実証しました。その意義はディープフェイクに留まらず、専門ハードウェアがAI推論の経済性を変える実例を示しています。 光コンピューティングがディープフェイク動画を検出する仕組み 従来のAI検出器は、電子プロセッサ上で実行される数式演算を通じて動画を解析します。UCLAのアーキテクチャはデジタル処理を維持しつつ、後段の分類ステージを光学システムに委ねています。 まず、デジタルニューラルネットワークが選択された動画フレームから有用な情報を抽出します。そのコンパクトな表現は、プログラム可能な空間光変調器（SLM）にエンコードされます。SLMは入射光の挙動を表面全体で制御する装置です。 光は続いて光デコーダを通過し、実／偽の分類を支援する強度パターンを生成します。デコーダの計算をすべて電子的に実行するのではなく、光の物理的挙動を利用して学習された変換を実装しています。 空間多重化により、異なる動画からの表現が同一変調器上の別々の領域に配置されます。したがって光デコーダは、1回の伝搬パスで複数の入力を評価できるのです。 これは、15本の完全な動画ファイルが瞬時に検証されるという意味ではありません。フレーム選択、デジタルエンコード、変調器へのロード、結果の読み取りは依然として必要です。並列処理は光学段階に適用されるため、当該アーキテクチャは大規模なワークフロー内の専門アクセラレータとなります。 ディープフェイク検出研究が示したこと 研究者は、顔入れ替え、実世界のディープフェイク録画、完全にAI生成された動画を含むデータセットを用いてフレームワークを評価しました。実験的なCeleb-DF構成では、システムは光パスあたり15本の動画を処理し、平均精度97.79％を達成しました。 以下の結果は論文から直接引用したものです。これは、すべてのデータセットや将来の動画生成器全体での性能ではなく、実験的なCeleb-DF構成を示しています。 指標 報告結果 光パスあたりの動画数 15 検出精度 97.79% 感度 99.86% 特異度 95.72% 18本の並列動画での精度 96.13% 感度は検出器が正しく識別した偽動画の割合を測ります。特異度は正しく認識した本物動画の割合を測ります。この組み合わせは、二次検証段階の前に疑わしいコンテンツを捕捉するのに特に適したシステムであることを示唆しています。 並列処理を18本の動画に増やすと、実験精度は96.13％に低下しました。これは、容量を増やすことで干渉やその他の物理的制約が生じ、性能に影響を与えるという、よく知られたエンジニアリング上のトレードオフを示しています。 研究者はさらに、劣化、圧縮、ずれ、そして敵対的操作も検証しました。これらのテストはさらなる開発の根拠を強化しますが、すべての未見生成器に対する信頼できる検出や攻撃への免疫を確立したわけではありません。 偽陽性が検証コストに影響を与える理由 最も実務的な商業的質問は、検出器が警告を出した後に何が起こるかです。感度の高いスクリーニングシステムは多くの偽動画を捕捉しつつ、かなりの量の本物素材を追加分析のために送ることができます。 例として、10万本の動画のうち1％が偽であるという作業負荷を考えてみます。報告された感度と特異度がそのまま適用されると、約999本の偽動画がフラグ付けされ、約4,237本の本物動画も同様にフラグ付けされます。フラグ付けされたコンテンツのうち実際に偽であるのは約19％に過ぎません。 これは有病率の影響を示す計算例であり、研究からの実装結果ではありません。実際の性能はコンテンツの構成、決定閾値、そして本番アップロードとベンチマークデータとの違いに依存します。 それでも、この計算は著者らが第一段階のフィルタを提案する理由を説明しています。警告は調査を促すべきであり、即座に公開された告発や削除決定になるべきではありません。 したがって、ビジネスケースは以下のいくつかの関連指標に依存します： スクリーニングされた動画1本あたりのエネルギーと処理コスト。 さらなる検証が必要なアップロードの割合。 見逃された操作と誤ったエスカレーション率。 ハードウェアの利用率、保守、統合コスト。 より安価なスクリーニング段階により、広範な検証を手頃にすることが可能になる。しかし、節約分はそれが生み出す下流の作業負荷のコストと併せて評価しなければならない。 光学AIのエネルギー削減にはシステムレベルの文脈が必要…
OpenAI、ChatGPTにビジュアル広告フォーマットと測定ツールを追加
OpenAI 発表した2026年10月5日、ChatGPTに新しいビジュアル広告フォーマットを導入し、測定ツールの拡充やDoubleVerifyおよびIntegral Ad Scienceとのブランド適合性評価パイロットを実施します。新フォーマットのテストは10月後半に米国で、最初の広告主グループを対象に開始されます。 このフォーマットは、製品のインスピレーション、使用方法、または製品が可能にする体験を示す画像を使用し、ユーザーがブランドを発見し、提供内容の独自性を理解できるよう設計されています。OpenAIは、広告主が画像を通じてストーリーを伝える新たな機会を創出すると述べました。同社はまずChatGPTでの画像生成時にこのフォーマットをテストします。広告は明確にラベル付けされ、生成中の画像とは別に表示され、OpenAIは他の広告フォーマットと同様に、広告がChatGPTの回答に影響を与えないとしています。 OpenAIは、ChatGPTが毎週12億人にリーチしており、これによりChatGPTが世界最大のAIネイティブ消費者プラットフォームとなっていると述べました。同社は、広告によりサブスクリプションだけでは届かないはるかに大きな市場にサービスを提供できるとし、今回のアップデートはChatGPTの回答が独立したままであること、会話がプライベートであること、ユーザーが体験をコントロールできることという広告原則と一致していると位置付けました。 測定ツールとパートナーの拡充 OpenAIのピクセルおよびConversions APIソリューションは、購入、リード、インストール、サインアップなどのアクションを測定し、Hightouch、Tealium、LiveRampとの統合により、広告主は既存システムからのコンバージョンデータをChatGPT Adsへ送信できます。イベント品質スコアは、広告主がこれらのシグナルの品質を評価し、改善の機会を特定するのに役立ちます。これは、同日公開されたOpenAI Ads Blog の補足記事によるとです。 同社は現在、Conversions API、レポーティング、クリック属性付与を可能にするアトリビューションパートナーをサポートしており、AppsFlyer、Triple Whale、Adjust、DV Rockerbox、Northbeam、Branch、Singular、Kochava、Airbridge、Tenjin をはじめ、フルファネルおよび高度測定パートナーのFospha、Measured、INCRMNTAL を挙げています。また、Haus、Measured、WorkMagic と提携し、ジオベースのインクリメンタリティ実験を検討しており、これはまだ初期段階であると述べています。さらに、Kantar と Cint と共に、ChatGPT Ads がブランド共鳴指標に与える影響を測定する初期テストを実施しています。 レポート作成において、広告主は購入サイクルに合わせたクリック属性付与ウィンドウを選択でき、クリックなしでインプレッション後に発生したコンバージョンを測定するための1日ビューアスルウィンドウを含めることができます。OpenAIは、これらの設定がレポート内の属性付与を制御し、キャンペーンの最適化方法を変更しないと述べました。別途、広告主が選択した目標に対して、対象となるクリックスルーおよびビューアスルコンバージョンから学習する高度なコンバージョン最適化機能も提供されています。 OpenAI と複数のパートナーは、初期のパフォーマンス結果も公表しました。DV Rockerboxによると、WeightWatchers の ChatGPT Ads における取得単価は、ブレンドされた有料検索ベンチマークと比較して15.3%低くなっています。WorkMagicは、ウェルネスブランド Dose に対して統計的に有意な効果上昇を報告しており、増分購入の67%が新規顧客から来ているとし、ジオリフト調査では、最終クリック属性付与が捕捉した数の2.3倍の増分注文があったと推定しています。Triple Whaleによれば、ChatGPT Ads からの Portland Leather…
Chatham Financial、資本市場でOpenAI CodexとGPT-5.6を展開
OpenAIは2026年10月2日に顧客事例を公開し、複雑な資本市場の意思決定をクライアントに助言する企業であるChatham Financialが、OpenAIのCodexコーディングツールとGPT-5.6モデルを活用して、社内および顧客向けテクノロジーを構築していることを詳述しています。その中には、Chathamが初期測定でレビュー時間を約30分から4分未満に短縮したと述べる取引検証アプリケーションも含まれます。 ChathamはCodexを使用して社内および顧客向けツールを構築し、GPT-5.6でAI機能を駆動しています。この取り組みは、従業員が構築したアプリケーション、Chatham Onyx資本市場オペレーティングシステム、そして同社の再設計コンサルティングサービスであるProcess Zeroにまたがります。OpenAIのページでは、ChatGPT、Codex、およびそのAPIが同社で使用されている製品として掲載されています。 Matt Henry、Chathamの最高経営責任者は、ストーリーの中で同社の設計アプローチについて次のように述べました。「我々はAIを単にすべてのプロセスを高速化する手段として捉えているわけではありません。OpenAIを活用すれば、まず達成したい結果を設定し、判断が重要になる箇所を特定し、現在利用可能な機能を用いてそれを実現する最適な方法を設計できます。」 Process Zero と取引検証 Process Zeroを通じて、Chathamは成果に基づくワークフローの再設計を行います。各ワークフローについて、同社は必要最小限の入力と証拠を特定し、人間の判断が不可欠な箇所を決定し、AIおよびAI構築ツールがどのように作業を支援すべきかを決定します。 取引検証は初期の例です。ChathamのControls and Data Integrityチームは、各システム記録がクライアントの承認内容および実行内容を正しく反映していることを検証することで、取引データの正確性を保護しています。Codexを使用して、Chathamは取引検証アプリケーションを開発しました。このアプリは取引証拠を収集し、主要な条件を比較し、差異をレビュー用にフラグ付けします。同社はこのアプリケーションの結果を経験豊富なレビューアの結果と比較しています。 「初期測定では、アプリケーションによりレビュー時間が約30分から4分未満に短縮されました。さらに重要なのは、我々は自動化を拡大する前に、実際の取引および経験豊富なレビューアに対してそのパフォーマンスを検証していることです。最終的には、より迅速に、容易に監査可能で、より正確な結果を提供できるようになるでしょう」と、ChathamのAIアドバイザリープラクティス共同責任者であるAlex Nordlingerが述べました。 Chathamは、適切なコントロールと専門的な監督を維持しながら、アプリケーションを追加の取引タイプへ拡張し、ワークフローのさらなる自動化を進める計画です。 Chatham Vibes と Chatham Onyx Chathamの従業員は、研究、分析、ドラフト作成、ソフトウェア開発、その他の日常業務でChatGPTとCodexを活用しています。また、従業員はChatham Vibesという社内プラットフォームを通じて、自身の業務に合わせたアプリケーションを作成するビルダーにもなっています。Vibesアプリケーション内のAI機能はデフォルトでGPT-5.6 Terra上で動作し、GPT-5.6 Solはアプリごとの設定に基づくオプションアップグレードとして利用可能です。 これらのアプリケーションは、顧客向けワークフローをますます支援しています。一つはチームが成熟期のキャップ取引をレビューし、価格設定ワークブックや顧客向けコミュニケーションを作成するのに役立ち、他のものは固定収入のレートシート作成、ヘッジダッシュボードの準備、取引確認書のレビューを支援します。Chathamのプロフェッショナルは作業を評価し、必要に応じて洗練し、顧客に提供する内容を決定します。 Chatham Onyxは、資産、債務、デリバティブを、クライアントとアドバイザーが連携されたガバナンスされたデータから作業し、基盤となるソースへのトレーサビリティを失うことなくAIを活用できる環境に統合します。ChathamはOnyxの開発ライフサイクル全体でCodexを活用し、計画、構築、テスト、文書化、ソフトウェアのレビューを行っています。最高技術責任者のJohn DeGuentherは、Codexが製品ビジョンをより迅速に実装可能な機能へと変えるのに貢献していると述べ、同社の正確性、セキュリティ、責任に関する基準は変わらないと語りました。 OnyxプラットフォームはGPT-5.6 Sol、GPT-5.6 Terra、GPT-5.4、GPT-4.1を使用し、シンプルな分析や非本番テストを最もコスト効果の高いモデルにルーティングし、複雑なタスクにはGPT-5.6を確保します。Onyxの機能の一つであるChatFINは、過去の市場データのパターンを要約し、ユーザーがポートフォリオを理解するのを支援し、債務、デリバティブ、リース条件に関する法的文書を検索してリンクします。Chathamの米国市場金利ページは、ONYX Proへの無料サインアップを別途提供しており、これにより過去の金利とダウンロード可能なフォワードカーブへのアクセスが可能になります。 ChathamはまたOpenAIを使用して、構造化比較を行い、証拠を整理し、例外を特定し、チームが情報をより効率的に探索できるよう支援しています。Mike Noonan、Chathamの共同最高執行責任者は、同社の制約は専門知識そのものではなく、専門家が適用できる段階に到達するまでに費やす時間であると述べました。Chathamの次のステップとしては、取引検証を追加製品に拡大し、従業員が構築したアプリケーションの精緻化を継続し、Codexを活用して新たなOnyx機能を開発することが挙げられます。
Anthropic、Claude Frontier Academyを$100 Millionで開始
Anthropicは2026年10月2日にClaude Frontier Academyの立ち上げを発表した、$100 millionのコミットメントで支援される企業向けトレーニングイニシアチブで、2027年末までに10,000人のFrontier Deployed Engineerを育成することを目標としています。Accenture、Bain、Capgemini、Commonwealth Bank of Australia のエンジニア 、Deloitte、McKinsey、Morgan Stanley そしてNovo Nordiskが最初のコホートに参加しており、サンフランシスコ、ニューヨーク、ロンドンで実施されています。 AnthropicはこのアカデミーをAI企業としては初の取り組みであり、大企業内でClaudeを導入した自社の実績と、それらを支えるプロフェッショナルサービス組織から構築されたものだと説明しました。同社は、このプログラムがAI導入における最も喫緊の課題の一つと呼ぶ「人材」に焦点を当てていると述べています。Anthropicが協働する企業では、少数の高度なスキルを持つ人々がAIがもたらす成果の大部分を担っていると同社は指摘しています。 「AI企業の中で、顧客やパートナーの内部でこのようなレベルまで人材育成に投資したところはありません。Claude Frontier Academyは自社エンジニアの学び方と同様に人材を育成し、卒業生には企業内でAIが構築される標準を設定してほしいと考えています」とAnthropicのグローバル・ビジネス開発・パートナーシップ部門長であるSteve Corfield氏は述べました。 Frontier Deployed Engineer Residencyの仕組み アカデミーの最初のプログラムであるFrontier Deployed Engineer Residencyは、Anthropicが「医療モデル」と呼ぶ専門性構築手法に従っています。エンジニアは実務者から学び、実践的なケースで訓練し、資格取得前に作業成果が評価されます。このプログラムは、基礎がしっかりしており、大規模言語モデルでの構築実績があり、他者のAI導入支援経験を持つ実務志向のソフトウェアエンジニア向けに設計されています。組織は自社のエンジニアを指名し、各エンジニアは帰任時に主導するClaudeプロジェクトを持ち込む形になります。AIエージェントの構築経験は必須ではありません。 アカデミーのプログラムページによると、レジデンシーは4日間の集中プログラムで開始されます。レジデントは3日間対面でシミュレート企業向けにClaudeシステムを構築し、最初の顧客要求からセキュリティレビュー、引き渡しまでを行います。4日目には新しいシナリオで評価され、合格者にはClaude Resident Engineerバッジが授与されます。 卒業生はその後、12週間のレジデンシーで自社における実際のClaude導入をリードし、コホートベースのメンターシップとAnthropicエンジニアからのサポートを受けます。レジデントは12週の終了時に最終実技で再評価され、合格者にはClaude Frontier Deployed Engineerバッジが授与されます。 参加は指名制で、組織は自社のAnthropicアカウントチームまたはパートナーアカウントマネージャーに参加資格を問い合わせることができます。このプログラムは選ばれた顧客とパートナーの限定グループで早期アクセス段階にあり、Anthropicは需要に応じて拡大する予定だと述べています。 Accentureは、アカデミーに参加することでエンジニアのClaudeに関する専門性が深化すると述べました。「Anthropicは、私たちが役割を考えるのと同じ方法でレジデンシーを構築しました。シミュレート企業への導入を通じて判断力を試すものであり、単独の技術スキルだけを評価するものではありません」と同社は語っています。 Commonwealth Bank of Australiaは、エンジニアが日々AIツールを使用しており、昨年はコード変更数が最大で3倍に増えたと述べました。Deloitteは、レジデンシーにより現場で既に検証済みの分野をスケールできると述べています。Novo…
ChatGPTの政治的盲点は投資家リスクである
選挙キャンペーンは、マニフェスト、演説、インタビュー、世論調査、コメントといった膨大な情報の流れを生み出す。政府が変わることで税制、エネルギー、防衛、技術、公共支出がどう変わるかを理解しようとする投資家は、迅速な要約を求めて生成AIに頼ることが自然に思えるだろう。その便利さには隠れたリスクが伴う。回答はバランスが取れ権威的に聞こえても、実際の政党の立ち位置を微妙に誤って表現している可能性がある。 “When AI Talks Politics: How Reliable Is ChatGPT?”という新しい研究は、その問題を検証する有用なテストを提供する1。研究者は、2025年連邦選挙の31日前に、ドイツの主要7政党を経済的・文化的課題に沿って位置付けるようChatGPTに繰り返し質問した。その後、回答を専門家調査、政党のマニフェスト、Wahl-O-Mat投票助言アプリケーションと比較した。 ChatGPTは政治的全体像を概ね把握していた。Alternative für Deutschland（AfD）を最も右寄りで文化的に保守的な政党とし、Die Linke（左翼党）を反対側に位置付けた。しかし、その回答は一貫性に欠け、投票行動の予測において既存の代替指標よりも有用性が低かった。投資家にとって重要なのは、AIが政治について何も知らないということではなく、概ね正しいと見えても、期待される政策のわずかな差が資本の流れを左右する場面では不十分であるという点である。 研究者が選挙期間中にChatGPTをどのようにテストしたか 研究者は、文化的課題5つと経済的課題5つをカバーする10の質問を作成した。これらには、亡命権、トランスジェンダーの権利、ガソリン車、ドイツの債務ブレーキ、連帯税、子ども扶養手当が含まれる。ChatGPTには各政党を0から10のスコアで評価し、その根拠を説明させた。 質問は、無料アカウントを使用したChatGPTの公開ブラウザ版を通じて繰り返し送信された。この点が重要なのは、実験が通常の有権者の体験に近い形で設計されており、APIを用いた制御されたやり取りではないからである。全体で、データセットは1,700件以上の潜在的ユーザー体験を表している。 研究者は、ChatGPTの数値スコアと文章による説明の両方を、経済的左‑右軸と文化的自由‑保守軸の位置に変換した。その後、各有権者と政党間のイデオロギー距離が、2025年ドイツ長期選挙調査で記録された投票選択をどれだけ予測できるかを測定した。 研究指標 結果 観測期間 2025年ドイツ連邦選挙の31日前 評価対象政党 7 政策質問 10 ChatGPTテキスト推定による予測改善 10.6% ChatGPT数値推定による予測改善 15.5% 選挙日接近に伴うテキスト精度の変化 1日あたり約0.08％の改善 ChatGPTの両形式の出力は、研究者のベースライン投票モデルを改善した。これは、チャットボットが実際の政治情報を抽出できていることを示す重要な結果である。しかし、専門家調査や変換されたマニフェストデータ、Wahl-O-Matによる推定の方が、主要な分析設定では依然として優れていた。 ChatGPTは説得力はあったが、信頼できるほど正確ではなかった 妥当性と信頼性の区別は重要である。単一の回答は合理的に見えることがあるが、特に政党を既知のイデオロギー四象限に配置した場合は顕著だ。同じ手順を繰り返すと、複数の質問や政党にわたって広範な回答分布が明らかになる。集計結果は、個々のユーザーが直面し得る不確実性を隠してしまう。 本稿は、弱点をノイズ、バイアス、ドリフトの3つに分類している。これらは政治学を超えて有用な概念である。 ノイズは、類似した質問に対する繰り返し回答間の変動である。 バイアスは、特定の表現へ系統的に傾く傾向である。 ドリフトは、現実の変化が十分に速く反映されない状態を指す。 ChatGPTは明確なノイズを示した。また、いくつかの比較指標よりも左リベラル側に政党をやや寄せる傾向が見られた。数値回答は中央値付近に集中し、政党間の差異を圧縮した。これは特にAfDとCDU/CSUに顕著で、ChatGPTはこれらを他の測定と比べて左寄りに位置付けた。 研究者はドリフトの証拠は少ないと結論付けた。選挙日が近づくにつれ、文章評価はやや精度が向上し、外部情報へのアクセスがシステムの調整に寄与したことが示唆された。一方、数値評価は同様の有意な傾向を示さず、日々の出力は依然として不安定であった。…
Bitdeer AI、A201サイトの70%以上を契約、期待収益は$1.7 Billion
Bitdeer AI、Bitdeer Technologies Group の一部 、2026年9月29日のニュースリリースで、同社はマレーシア・ジョホールバルにあるジョホールバルのA201 データセンター施設の約21.7MWの容量の約70%以上をカバーするオフテイクコミットメントを確保し、今後5年間で同サイトからの予想収益が17億ドルを超えると契約したと述べた。 このコミットメントはA201のAI Cloud事業を対象としており、Bitdeer AIが2027年第1四半期に予定している施設の電源投入前に確保された。 Bitdeer AIは、AI neocloudサービスプロバイダーであり、NVIDIA Cloud Partnerの優先パートナーであると同時に、現在約$2.9 billionの総期待収益バックログを構築したと述べた。 A201の設計とGPUラック調達 リリースによると、A201施設はラック規模のNVIDIA GB300 NVL72導入向けに特化した液体冷却施設であり、ラックスペースの一部はNVIDIAの次世代Vera Rubinプラットフォームをサポートするよう設計されている。電源投入前に、Bitdeer AIは市場価格で非提携のサードパーティ供給業者からNVIDIA GB300 NVL72システムを100ラック以上調達した。同社は、この先行購入は電源投入後のシームレスな展開と迅速な市場投入を確保することを目的としており、調達は慣例的な表明、保証、契約、補償および終了権利の対象であると述べた。 「A201を現在世代のGB300と次世代のVera Rubinの両方に対応できるよう設計することで、単一サイトから複数のプラットフォーム世代にわたる顧客にサービス提供でき、AI Cloud戦略の基盤となる資本規律を維持できる」と、Bitdeerの最高財務責任者（CFO）Michael G. Potterは述べた。 容量目標、資金調達および需要パイプライン Bitdeer AIは、2028年第1四半期までに最大350MWのAI Cloudデータセンター容量を提供することを目指している。A201はこの350MW目標のうち21.7MWを占め、同社は最近発表されたA202施設と合わせて、ジョホール・バルキャンパスがAI Cloudデータセンター容量として合計86.8MWになると述べた。ジョホール・バルの拡張は、電力供給が豊富で急速に成長するエンタープライズAI需要に近い市場において、高密度AIインフラを開発するという戦略を推進するものと位置付けている。 同社は、契約需要に合わせたデータセンター容量を開発していると述べ、リリースによれば、その開発資金は主に顧客の前払い、営業キャッシュフロー、そして契約キャッシュフローを担保とした資金調達によって賄うと見込んでいる。 Bitdeer AIは、他のAI Cloud拠点における未契約容量の需要が依然として強いと述べた。AI クラウド容量に対するアクティブなパイプラインは$10 billionを超えており、メガワットあたりの契約価値はサービス構成、契約期間、拠点により変動する。同社は、リリースによれば、AI…
OpenAI、GPT-6.1 Solを発表、入力は$2/百万トークン、出力は$10/百万トークンのAPI価格
OpenAIは2026年9月29日にGPT-6.1 Solを発表しました。これはGPT-6 Solモデルのアップグレードで、標準API価格は入力トークン100万件あたり$2、キャッシュされた入力トークン100万件あたり$0.10、出力トークン100万件あたり$10です。このモデルは、ChatGPT WorkおよびCodexのすべてのPlus、Pro、Business、Enterprise、Eduユーザーに同日利用可能で、開発者はOpenAI APIを通じてgpt-6.1-solとして利用できます（OpenAIのローンチ投稿による）。Chatではまだ利用できません。 OpenAIは、GPT-6.1 Solはエージェント的コーディング、コンピュータ使用、専門的作業において、同社の最も高度なモデルであるGPT-6 Astraにほぼ匹敵し、Astraの標準入力・出力トークン価格の5分の1であると説明しています。発表に掲載されたモデルカードのグラフィックには、GPT-6 Astraのトークン100万件あたりの価格が入力$10、出力$50、キャッシュ入力$1、GPT-6 Lunaは入力$0.10、出力$0.50、キャッシュ入力$0.01と示されています。OpenAIは、GPT-6.1 Solのキャッシュ入力価格が標準入力価格の95%低く、GPT-6 Solのキャッシュ入力価格の50%低いと述べています。 この発表はDevDay 2026での20件以上の発表のうちの一つで、OpenAIは同社のイベント概要で、ChatGPT全体で週あたり合計12億人のユーザーがいることにも言及しました。 報告されたベンチマーク結果 実際のコードベースで複雑なソフトウェアエンジニアリングタスクを評価するDeepSWE v1.1において、OpenAIはGPT-6.1 Solがコストを約5分の1に抑えつつGPT-6 Astraに匹敵し、推論努力とコストが低い条件でGPT-6 Solの最高スコアを6.4ポイント上回ると述べています。 GDP.pdfでは、複雑なPDF文書を用いた専門的質問への回答精度を測定しており、OpenAIはGPT-6.1 Solがフォールバックを伴う場合でも、テストされた推論設定全体でタスクあたりのコストが半分未満でOpus 5.5を上回るスコアを示し、Astraの性能に対してはタスクあたりのコストが約5分の1で接近すると述べています。AutomationBenchは47のツールを跨ぐマルチステップビジネスワークフローのテストで、OpenAIは同モデルが中程度の推論努力下でタスクあたりのコストが約3分の1でOpus 5.5を2.2ポイント上回り、同条件でGPT-6 Solより4.8ポイント高いと報告しています。OpenAIは、AutomationBenchのClaude Fable 5.1に関するデータポイントは、フォールバックのコストを除外しているため実際のコストを過小評価しており、タスクの約40%でフォールバックが発生したと指摘しています。 OSWorld 2.0のオフラインセットでは、要求の高いコンピュータ使用ワークフローでエージェントを評価しており、OpenAIはGPT-6.1 Solが最大推論努力下でコストが半分未満でGPT-6 Solを7ポイント上回り、タスクあたりのコストが約7分の1の水準でAstraに2.1ポイント差で迫ると述べています。 Terminal-Bench Science 0.1はデータ分析、シミュレーション、定理証明を含む科学的ワークフローを評価しており、OpenAIはGPT-6.1 Solが最大推論努力下でタスクあたりのコストが半分未満でGPT-6 Solのスコアを2倍以上にし、タスクあたり平均$5.47で、Opus 5.5は$23.21、Astraは$23.80であると述べています。OpenAIは、Astraがテストされたモデルの中で依然として最高スコアの68.1%を達成していると付記しています。 OpenAIは、GPT-6 Solに対するモデルの最大の事実性向上は低い推論努力下で実現され、事実エラーを含む回答の割合が11.4%から7.7%へと約32%減少し、テスト設定全体でエラー率はAstraと1.9ポイント以内に収まっていると述べています。事実性評価は、ユーザーが以前のモデルのエラーを指摘した匿名化された会話を測定し、OpenAIはこれらの意図的に難しいプロンプトは典型的な使用を代表しないとしています。同社は、GPTモデルの評価は研究環境またはAPIを通じて実施され、競合モデルの評価は公開されたレポートから取得されたと指摘しています。 安全性および備え評価…
AMD、820億ドル規模の全株式取引でWorld Labsの取得に合意
AMDは、サンフランシスコ拠点の人工知能モデル・研究ラボであるWorld Labs（フェイ・フェイ・リー博士が率いる）を、約820億ドル規模の全株式取引で取得する確定的な合意に達したと、カリフォルニア州サンタクララに拠点を置くチップメーカーが発表した2026年9月28日。 この取引は、規制当局の承認やその他の慣例的なクロージング条件を満たすことを条件に、2026年末までに完了する見込みです。World Labsは2026年9月28日の独自の発表で合意を確認し、AMDに参加するための確定的な契約に署名したと述べました。 AMDは、この買収により世界クラスの研究者とモデル専門家チームが同社に加わり、新興モデルやアプリケーションのニーズに応じたAIハードウェア、ソフトウェア、システムの開発能力が強化されると述べました。同社によれば、AIが推論、ロボティクス、シミュレーション、物理AIへと拡大するにつれて、コンピュートインフラストラクチャへの要求は多様化しています。World Labsの先進的なモデル開発に関する専門知識は、AMDに対しワークロードの進化に関する深い洞察を提供し、将来の技術ロードマップ形成に寄与するでしょう。AMDは、この買収がオープンエコシステム向けAIインフラストラクチャ提供の戦略を前進させると述べました。 “次世代AIのためのコンピュートプラットフォームを構築するには、モデルがどのように進化しているかを深く理解する必要があります” と、AMDの会長兼最高経営責任者であるリサ・スー博士は述べました。”フェイ・フェイとWorld Labsチームは卓越した研究リーダーシップとモデルの専門知識をもたらします。この洞察を活かして、次世代AIを支えるハードウェア、ソフトウェア、システムを開発し、オープンAIエコシステムを強化できるでしょう” “次世代AI技術を前進させるには、モデル研究、システム、コンピュートの各領域で緊密な協力が必要です” と、World Labsの共同創業者兼最高経営責任者であるフェイ・フェイ・リー博士は述べました。”AMDに参加することで、我々のチームは研究を加速させ、次のAI時代に必要なインフラストラクチャを定義するためのリソースとエンジニアリングの深さを得られます” 取引完了後のリーダーシップ 取引完了後、リーはAMDにエグゼクティブ・バイスプレジデント兼チーフサイエンティストとして参画し、スーに報告することになります。また、World LabsチームはAIモデル研究の推進に引き続き注力すると、AMDの発表は述べています。World Labsは、共同創業者のジャスティン・ジョンソンとベン・ミルデンホールがリーと共にWorld Labsチームを率い続け、AMDに加わることで同社が「世界をリードする最前線の研究組織」と呼ぶ形になると述べました。両社は、ハードウェア、ソフトウェア、プラットフォーム、そして広く利用可能なオープンモデルにわたるエンドツーエンドのオープンAIエコシステムの構築にコミットすると、World Labsは語っています。 World Labsの背景とAMDとの過去の関係 World Labsは、テキスト、画像、動画入力からインタラクティブな3D環境を生成、再構築、シミュレートする空間インテリジェンスモデルや、ロボット学習・シミュレーション向け技術を開発しています。リーは2024年初頭にベン・ミルデンホールとジャスティン・ジョンソンと共同で同社を設立し、2026年9月28日の投稿でAMDとの合意に至るまでの会社の歩みを記述しました。 World Labsは、Marbleを最初の製品として位置付けており、画像、動画、テキストから空間的に一貫した高忠実度かつ永続的な3Dワールドを作成できるようにしています。同社は2025年11月12日にMarbleを全ユーザーに提供し、2026年1月21日にテキスト、画像、動画から探索可能な3Dワールドを生成するパブリックWorld APIを公開したと、研究と洞察のインデックスで報告しています。 2026年9月1日、World LabsはAtlasをリリースしました。これは、リーが初のオムニモデルアーキテクチャとして新しいカメラ視点予測に対応するものと説明したワールドモデルです。ゼロから訓練されたAtlasは2D画像の入力から次の視点を予測し、リーはこれにより長年のコンピュータビジョン課題であるスパース再構築が実質的に解決されたと述べました。また、World LabsはSceniXを取得し、2026年7月21日にロボティクス向け空間インテリジェンスの進展として取引を発表しました。リーは、この買収がロボティクスシミュレーション機能の構築に向けたものだと記しています。 AMDとの合意は、両社間に既に存在する財務的・技術的関係に続くものです。World Labsは2026年2月18日に発表、AMD、Autodesk、Emerson Collective、Fidelity Management & Research Company、NVIDIA、Seaなどの投資家から新たに10億ドルの資金調達を行ったと述べました。リーは、スーがWorld Labsの初期投資家であったと記しています。 World Labsは、2025年にAMDとの深い技術提携を開始し、AMD GPU上でのモデル訓練と推論最適化から始めたと述べました。チームが協働する中で、World Labsはソフトウェアとハードウェア、基盤モデル、アプリケーションからなる両社のAIエコシステムを統合することが自然な適合であると結論付けた、と同社の発表は伝えています。
Excelが会計におけるAIの未来を決定する可能性がある理由
新しい研究によれば、会計における人工知能への最大の障壁はAI自体への不信ではない可能性があります。その障壁はMicrosoft Excelの快適さ、柔軟性、そして組織的な重みかもしれません。このことにより、スプレッドシートは破壊への障壁であると同時に、Microsoftにとって潜在的に強力なゲートウェイとなります。 271人の会計専門家を対象とした新しい研究は、なぜ一部の組織は人工知能を採用し、他の組織は慣れ親しんだ分析ツールに固執し続けるのかを調査しました。1 その中心的な発見は見た目ほど単純です：データ分析にExcelを使用することはAI採用と負の相関があり、AIトレーニングとデータ分析ツールの広範な採用は正の相関がありました。 これはExcelが時代遅れであるとか、会計士が非合理的であるという意味ではありません。Excelは柔軟性があり、広く理解され、予算策定、調整、予測、報告、監査準備に深く組み込まれています。より重要な教訓は、技術の採用はワークフロー、習慣、認識されたリスク、そしてトレーニングと同様に、技術的能力にも依存するということです。 投資家にとって、これはエンタープライズAIの機会を評価する方法を変えます。勝者となる可能性が高いのは、既存の業務を最も劇的に置き換える企業ではないかもしれません。むしろ、従業員が毎朝すでに開くソフトウェアにAIを組み込むことができる企業が有利になるでしょう。 Excelが会計におけるAI採用を遅らせる理由 研究者はAI採用を二要因モデルで検討しました。採用をユーザーが十分な利益を感じるかどうかという単純な質問として扱うのではなく、推進要因と阻害要因の両方を考慮しました。従業員はAIが有用であると認識しながらも、ツールの変更が不確実性、トレーニングコスト、統合作業、そしてエラーの可能性をもたらすために抵抗することがあります。 この緊張感は会計において特に重要です。実験的なマーケティング草案は修正可能です。財務モデル、調整、規制提出、または監査作業紙におけるミスは重大な結果をもたらす可能性があります。したがって、会計士は自らの数式、コントロール、制限を理解できるシステムを好む正当な理由があります。 Excelは蓄積された組織知識からも恩恵を受けています。企業は何十年もかけて、テンプレート、マクロ、モデル、報告手順、承認プロセスをスプレッドシート中心に構築してきました。従業員は数式の検査や計算の追跡方法を熟知しています。その環境を置き換えることは、単なるアプリケーションを放棄する以上の意味があります。財務業務のためのオペレーティングシステムを揺るがすことになるのです。 本研究はこれを現状維持バイアスを通じて解釈しています。慣れ親しんだ環境は自信とコントロール感を生み出し、切り替えに伴う潜在的損失は将来の利益よりも目の前にあるように感じられます。これにより、AIプラットフォームがより高度であることを示すだけでは採用を促進するには不十分であることが説明できます。 会計AI研究の発見 最終サンプルは、AI、機械学習、またはデータ分析イニシアチブに関与した271人の会計専門家で構成されました。約92％が会計または関連するサービス・コンサルティング組織で働き、62％が従業員数500人未満の組織に所属していました。 研究結果 AI採用との関係 統計結果 データ分析にExcelを使用すること 負の相関 p = 0.005 AIトレーニング 正の相関 p = 0.008 データ分析ツールの採用 正の相関 p < 0.001 変化への抵抗を減らす取り組み 正の相関、わずかに有意 p = 0.091 組織規模 正の相関 p =…
エンタープライズAIの機会は代替ではなく拡張である
生成的人工知能は数秒で妥当な未来像を提示できる。しかし、それが企業の戦略をそれに基づいて構築すべきだという意味ではない。 AI生成の労働力シナリオと専門家主導のフォーサイトを比較した新たな研究では、強みの明確な分野が見出された。1 ChatGPT 4.5、Gemini Advanced 2.5 Pro、DeepSeek R1は、迅速かつ効率的に、幅広いテーマにわたる構造化シナリオを生成した。一方、人間の専門家は、文脈的深さ、倫理的感受性、戦略的有用性がより高い未来像を作り上げた。 この研究は観光・ホスピタリティ分野の人材管理に焦点を当てたが、その示唆はホテルや旅行をはるかに超えている。現在、計画、採用、リスク分析、経営意思決定支援にAIの活用を検討しているすべての企業は同じ問いに直面している。システムは洞察を生み出しているのか、あるいは単に既知の概念を説得力のあるストーリーにまとめているだけなのか。 答えはAIに価値がないということではない。むしろ、経験豊富な人々が何を真剣に検討すべきかを決定する前に、可能性の領域を広げるときにAIの価値は最大になる。 研究者がGenAIを戦略的フォーサイトツールとしてテストした方法 研究者は、ChatGPT 4.5、Gemini Advanced 2.5 Pro、DeepSeek R1の3つのAIプラットフォームに、Dator’s Four Futuresフレームワークを用いて2035年の労働力シナリオを作成するよう依頼した。この手法は、継続、崩壊、規律、変革という4つの大きな方向性を探求する。 各モデルには、職場環境、HRにおけるAI活用、従業員の認識、新興スキル、倫理、政策、教育に関する標準化されたプロンプトが与えられた。その結果得られたシナリオは、マネージャー、HR専門家、技術スペシャリスト、学者など、30名の国際的な観光・ホスピタリティ専門家へのインタビューを通じて事前に作成されたシナリオと比較された。 4つのシナリオは、オートメーションが採用と研修を改善したAI主導の職場から、監視、非人格化、従業員の不満が顕在化した過度に自動化された未来まで幅広く設定された。また、モデルは人間とAIがバランスよく共存する職場や、業界が意図的にオートメーションを制限し、パーソナルサービスを維持する未来も検討した。 実験は意図的に制約された。モデルはフォローアップ質問、外部検証、ステークホルダーからのフィードバック、反復的な洗練を行わない単一パスのプロンプトのみを受け取った。その結果、本稿は洗練された人間とAIの協働ワークフローから得られる最良の成果ではなく、ベースラインのAI生成未来を評価している。 AIが優れた点と専門家が優位を保った点 本研究の比較結果は、生成的AIが企業にとって魅力的である理由を示している。空白のページに、想定される役割、リスク、方針、組織的対応を迅速に埋め込むことができる。そのスピードにより、あらゆる戦略的課題に対して大規模なコンサルティングチームを雇用できない中小企業でも、正式なシナリオプランニングを利用できる可能性が生まれる。 評価項目 GenAI 出力 専門家主導シナリオ 速度 高い 低い 効率性 高い 低い テーマの広がり 高い 中程度から高い 文脈的深さ 中程度 高い…
Microsoft、10億ドル超の中東投資計画
Microsoft Microsoftは、2026年9月23日にOn the Issues ブログへの投稿で、現在から2030年までの間に中東で資本支出と運営費用に10億ドル超を投資すると発表した。新しい枠組みは当初、クウェート、カタール、サウジアラビア、アラブ首長国連邦に焦点を当て、テクノロジー、デジタルレジリエンス、そして人材という3つの領域で構成される。Microsoftは、2030年まで地域のパートナーと共にこれらのイニシアチブを推進すると述べた。 Microsoftは、1991年に同地域で事業を開始して以来、中東にサービスを提供しており、地域のテクノロジー供給者から政府、企業、教育機関、シビルソサエティ組織の長期的なパートナーへと成長したと述べた。 テクノロジー部門において、Microsoftは地域全体でクラウドおよびAIインフラへの投資を継続し、容量を拡大し、新機能を展開し、長期的なインフラストラクチャーの約束を実行すると述べた。同社は、政府や国内AIチャンピオン組織との戦略的パートナーシップを深化させ、HUMAIN、G42、QAI、クウェート政府との既存の取り組みを基盤にすると語った。 同社は、UAEのTAMM、サウジアラビアのSDAIAのALLaM、カタールのTASMU、そしてクウェート政府全体でのMicrosoft 365 Copilot導入などのデジタル政府イニシアチブを挙げた。Microsoftは、これらのパートナーシップが責任あるAIの採用、主権対応クラウドサービス、アラビア語および多言語AI、そして市民や企業向けサービスの改善にAIを活用することを支援すると述べ、関連し利用可能な場合はMicrosoft Sovereign Public Cloud、Sovereign Private Cloud、Project Digital Shieldといった機能で支えるとした。 Microsoftは、2030年までに中東全域で海底および陸上の接続性に4億ドル超を投資する計画であり、この投資により容量が拡大し、地域のデータフローが強化され、同地域で拡大するクラウドとAIインフラの足跡を支えると述べた。 同社は、カタール、サウジアラビア、UAEに着地するSeaMeWe-6を含む主要な国際海底ケーブルシステムに投資し、275,000マイル以上に及ぶ陸上・海底光ファイバーのグローバルネットワークを運用していると述べた。冗長性を「継続性の基盤」と表現し、ネットワーク障害時には中東回線を通じてトラフィックを迂回させ、顧客への影響を最小限に抑えてサービスの継続性を維持したとMicrosoftは語った。 持続可能性に関して、Microsoftは、4か国でクラウドとAIインフラを拡大するにあたり、リースパートナーと協力して水ポジティブな目標を推進し、可能な限りゼロウォーター冷却技術を優先すると述べた。これは、同社の炭素・水・廃棄物・生態系に関するグローバル目標に基づく。Microsoftはまた、地域全体で責任ある水資源管理の機会を特定するために政府や地域ステークホルダーと協働し、規制当局、公益事業者、リースパートナーと連携して、カーボンフリー電力調達の拡大と新たなクリーンエネルギー投資を促す市場環境の創出を支援するとした。 デジタルレジリエンスとサイバーセキュリティ Microsoftは、デジタルレジリエンス評価、リファレンスアーキテクチャ、準備ガイダンス、継続性計画、そして組織が脆弱性を特定し、重要データを保護し、検証済みの復旧能力を構築できるよう支援するプログラムを中心とした新たな中東デジタルレジリエンスイニシアチブを開始すると述べた。同社は、中東における紛争がデジタルレジリエンスとデジタル主権の結びつきを強化したとし、デジタルレジリエンスを中東戦略の基盤にするとした。 同社は、データ保護主権と事業継続性に関する既存の取り組みを、クウェート、カタール、サウジアラビア、UAEの対象政府と顧客へ拡大し、主権クラウドポートフォリオで補完すると発表した。Microsoftはまた、4か国のサイバーセキュリティ当局とのパートナーシップを深化させ、各国に配置された専任のMicrosoftサイバーセキュリティチャンピオンネットワークが、政府の国家的優先事項とMicrosoft全体の専門知識を結びつける支援を行うと述べた。 Microsoftは、G42およびMohamed bin Zayed University of Artificial Intelligenceと共同設立したResponsible AI Future Foundationとの協働を拡大し、インパクトの大きいAIユースケース向けの責任あるAI実践と評価ツールの開発・共有を支援すると述べた。同社のAI for Good Labは、食料安全保障、リソースが限られた言語の開発、気候・災害レジリエンスに焦点を当てた地域研究とパートナーシップを継続し、特にサービスが行き届いていないコミュニティ向けの言語技術開発を支援するLINGUAプログラムを含む。 スキルと人材育成プログラム 人材柱の下で、Microsoftはクウェート、カタール、サウジアラビア、UAEにおいて、AIスキル、労働力の準備、公共部門の能力構築、包括的な人材育成への投資を継続すると述べました。これは、2030年までに420万人以上のスキル向上を支援するという既存のコミットメントに基づくものです。この取り組みには、公共部門のリーダー、学生、労働者向けの研修、女性の機会拡大に焦点を当てたイニシアチブ、そして地域全体の教育機関とのパートナーシップが含まれます。 同社が挙げた既存プログラムには、サウジアラビアのAIグローバルリーダーシッププログラム、サウジアラビアとカタールにおけるAIスキル4ウィメンプログラム、サウジアラビアの女性データセンターアカデミーが含まれます。Microsoftは、政府、教育者、機関、パートナーと協力し、初等・中等・高等教育にわたって責任あるAI原則を策定するとともに、AIリテラシーの支援、教育者がAIを教育に統合する支援、教育現場での責任あるAI活用に関する実践的な指針の共有を行うと述べました。 Microsoftは、政府、雇用主、労働者、教育提供者、その他のステークホルダーと協力し、実務スキルの開発、労働力の準備、リーダーシップ育成に取り組むとともに、国家の人材戦略や政策提言を支援する労働力連合と連携すると述べました。…
AI投資発表が必ずしも株価を上昇させない理由
2022年にChatGPTがリリースされた後のAIの初期的な進展は、驚異的な技術的・性能的進歩で世界を驚かせました。チャットボットが自然な会話に優れるだけでなく、ホワイトカラーの仕事の多くを置き換える可能性のあるシステムへと進化しています。 AIの能力の変化は、AI技術に関する公共の議論にも変化をもたらしました。新たな能力への熱意は、AIに対する懸念とますます混在し、責任ある導入、労働力の置換、または雇用の増加と結びついています。そして、イーロン・マスクのようなAI開発者がAIによる大量の雇用喪失を主張することで、これらの懸念はさらに高まっています。たとえ彼がそれを前向きな展開として提示しようとしてもです。 「私は、ここで歴史上最も破壊的な力を目の当たりにしていると思います。初めて人間で最も賢い者よりも賢いものを手に入れることになるでしょう。すべての仕事が不要になる時が来ます。個人的な満足のために仕事をしたい人は仕事を持つことができますが、AIはすべてをこなすことができるでしょう。」 その結果、AIの発表は財務的シグナルと評判シグナルの両方の役割を果たすようになりました。University of Memphis と University of Arkansas の二人の研究者による新しい研究は、AI発表が市場からイノベーションとして受け取られるかリスクとして受け取られるかを分析し、その区別が公共の感情によってますます媒介されていることを示しています。 彼らは、The Journal of Strategic Information Systems1に研究成果を掲載し、タイトルは「倫理、レイオフ、採用に関する世論は、AI投資発表に対する株式市場の反応に影響を与えるか？ 2010〜2023年の洞察」としました。 拡張か置換か？ 職場でのAI導入には、二つの潜在的な道筋があります。 最初の道筋は拡張であり、IT製品が人間と協働し、互いの能力を補完し合い、相互学習を可能にし、能力を高め合います。これは従来のIT技術の進化形に近く、重大な反対に直面する可能性ははるかに低いです。 「ロボティック・プロセス・オートメーション（ルールベースエンジンに基づく）はAIを活用した自動化の例であり、音声認識や対話型エージェントを用いて一次顧客対応を改善する（自然言語処理に基づく）ことはAIを活用した拡張の例を示しています。」 もう一つの道筋は置換であり、AIシステムが従来人間が行っていた仕事を完全に代替します。この文脈では、その職位の雇用は完全に消失し、企業側から見ると給与コストは（理想的にはより小規模な）新たなIT予算に置き換えられます。 拡張は、直感や常識的推論といった人間固有の能力を補完するような曖昧なタスクに適しています。 IT投資と市場リターン 先行研究は、IT投資が株式リターンに影響を与え、企業業績に大きな効果をもたらすことを示しています。 その結果、株式市場は一般に、企業がITインフラに投資することに対して好意的に反応することを「学習」しました。同様の傾向は当初AIにも当てはまり、多くの企業が生産性と成長を高めるためにAI導入を発表しました。 現在、このプロセスが数年経過したことで、市場はAIが生産性と雇用に与える実際の影響をより慎重に分析し始めています。 懸念は生産性への影響だけでなく、倫理的な問題にも及びます。例えば、AIはバイアスを増大させたり、雇用と賃金を削減することで社会的不平等を拡大したりする可能性があります。また、多くのAIシステムが「ブラックボックス」的で意思決定プロセスが全く説明できないことは、このリスクをさらに高めます。 「自動化におけるAI投資を強調する企業の場合、AIシステムが独立して動作し、システムがチェックされないままになることで制御不能な倫理的問題が生じる可能性があります。これによりAIに対する否定的な認識が生まれます。したがって、自動化におけるAI導入から生じる倫理に関する世論は、AI対応自動化の潜在的な利益認識を低下させる可能性があります。」 AI発表と株式市場 AI投資の評価 本研究は、2010〜2023年に米国上場企業が行ったAIに関する発表を、LexisNexis dataを使用して分析しました。 1,006件の発表のうち、研究者はAI投資発表の前後14取引日ウィンドウ内に合併、買収、事業売却、またはCEO交代など他の要因が関与している可能性が高いものを除外しました。その結果、米国上場企業による403件のユニークなAI発表が市場リターンに与える影響を分析しました。 これらの発表は、AIに対する認識に影響を与える可能性のある雇用関連のトピックについての内容でも後に分析されました。 「投資家のツイートごとに、倫理、解雇、採用に関連するキーワードを含む文を抽出する Python プログラムを使用しました。本稿全体で「倫理に関する意見」「解雇に関する意見」「採用に関する意見」は、発表に伴うツイートにおける各トピックの議論トーンを指します。」 本研究は、AI…
Jonathan Schramm
