Posts

会議室の卓上端末が議事録をとり、社員証のようなデバイスが現場の会話を文字起こしする。MicrosoftがBuild 2026で公開したProject Solaraは、そういう職場の絵を描いたプラットフォームのコンセプトです。 🏢 AIエージェントを「使うアプリ」から「置く場所」へ MicrosoftはProject Solaraを「agent-first experiences（エージェント主導の体験）」と新しい端末形状のために設計した、チップからクラウドまで一貫したプラットフォームとして紹介しています。 アプリを開いてAIに話しかけるという操作から、仕事の現場にある端末がAIエージェントを直接呼び出す形への移行。Microsoftの公式ページには、PCやスマホにAIを足す話とは別に、職場の環境そのものにAIを置くという構想が書かれています。 ただし、現時点での状態をはっきり書いておくと、Microsoftは公式ページで「We are still early」と明記しており、Build 2026はあくまで構想とコンセプトの公開です。製品発表でも価格発表でもありません。 📟 卓上端末とバッジ型、2つのコンセプトを見せた Build 2026では2種類のコンセプト端末が示されました。 The Vergeによると、1つ目は「Desk concept」と呼ばれる卓上端末です。顔認証でロックを解除してAIエージェントにアクセスするデモが紹介されました。会議室のような共有スペースに置き、社員それぞれが個人認証でエージェントにつながるイメージです。 2つ目は「Badge concept」。カメラと指紋センサーを備えたバッジ型デバイスで、ボタンを押してAIエージェントを起動し、会話の録音と文字起こしを行うデモが示されました。首から下げて使う形を想定した、現場作業向けの設計です。 この2つはMicrosoft自身が出荷する予定はないと、The Vergeは報じています。パイロット展開の参加企業としてAccuWeather、Best Buy、CVS Healthcare、Targetの名前が挙がっていますが、対象地域や開始時期は現時点で確認できていません。日本企業がパイロット対象に含まれるかも不明で、国内での導入検討は続報待ちになります。 🔐 企業管理・ID・セキュリティを最初から組み込む設計 Project Solaraがほかのコンシューマー向けAIガジェット構想と性格が異なるのは、企業管理の仕組みを最初から土台に入れている点です。 Microsoftは3本柱として、「企業向けのプライバシー・セキュリティ・管理」「エージェント主導の操作モデルとjust-in-time UI」「自社エージェント持ち込みの拡張性」を挙げています。 端末管理にはMicrosoft Intune（企業向けのデバイス一元管理ツール）、認証にはEntra ID（旧Azure AD、会社のIDとアクセス権を管理するサービス）を使います。物理的なマイクミュートボタンと、録音・聴取状態を明示する表示の搭載も仕様に含まれています。 OS基盤はMDEP（Microsoft Device Ecosystem Platform）と呼ばれる企業向け基盤で、AOSP（Android Open Source Project、Androidのオープンソース版）をベースにしています。 just-in-time UIは、画面サイズや入力方法が違う端末でも同じエージェントが見せ方を自動で調整するという考え方です。開発者が端末ごとに作り直す手間を省く設計で、Microsoftは「完全な生成UIでなく、現時点ではその中間を目指す」と説明しています。端末の種類が増えても、開発者が同じエージェントを複数の端末へ展開できるようにする設計です。ただしその柔軟さは、次のセクションで触れる権限設計の複雑さとセットになります。 ⚠️ カメラ・マイク・社員IDが結びつくときに確認しておくこと ちょっと引っかかるのは、このデバイスがカメラ、マイク、指紋センサー、社員ID、業務データをひとつにまとめている点です。それぞれ単体では珍しくない機能ですが、組み合わさることで「何がどこに記録され、誰がアクセスできるか」の範囲が一気に広がります。 Microsoftは物理ミュートボタンと録音状態の表示を仕様に盛り込んでいます。実際の導入検討時に問うべきことは、次の3点です。 録音データとその文字起こしの保存先はどこか（自社サーバーかMicrosoftクラウドか） 管理者がアクセスできる情報の範囲はどこまでか 自社エージェントを持ち込む場合、そのエージェントが触れるデータの境界はどこか 「自社エージェント持ち込みの拡張性」をMicrosoftが前面に出しているのは、企業ごとの柔軟な構成を可能にするためです。わたしが気になるのは、その柔軟性の分だけ、どのエージェントが何にアクセスできるかを確認する責任が導入企業に移るという点です。コンセプト段階の今は仕様が変わる可能性もあります。日本企業が検討テーブルに乗せるときは、権限設計を最初の確認項目に置くのが自然です。 参考 ...

SNSの復旧窓口がAIになると、待ち時間は短くなります。けれど、復旧ボタンの近くにAIを置くなら、便利さだけでは足りません。 MetaのAIサポートがInstagramアカウントの乗っ取りに悪用されたと、TechCrunchやThe Vergeが報じました。今回こわいのは、被害者のメールそのものを奪わなくても、サポート経路からアカウント操作へ進めた可能性がある点です。 この図は、AIサポートがアカウント復旧の案内役から権限変更の近くへ進む危うさを整理したものです。 🔐 Meta AIサポートで何が起きたか TechCrunchは2026年6月1日、Instagramの複数アカウントが週末に侵害され、MetaのAIサポートチャットボットが悪用されたと報じました。The Vergeも同日、MetaのAIサポートがInstagramアカウント乗っ取りに使われたと伝えています。 報道によると、攻撃者はサポートチャットを通じて、対象アカウントに新しいメールアドレスを追加する流れへ進みました。その後、確認コードやパスワード再設定につながる操作が発生したとされています。本人確認を助けるはずの窓口が、本人確認を崩す入口になった点が重要です。 被害例として、Obama-era White HouseのInstagramアカウント、米宇宙軍のJohn Bentivegna氏のアカウント、Sephoraのアカウントなどが報じられています。セキュリティ研究者Jane Manchun Wong氏も、自身のInstagramアカウントが乗っ取られたと伝えられました。個人の趣味アカウントに限らない話です。 Metaのコミュニケーション担当Andy Stone氏は、問題は解決済みで、影響を受けたアカウントを保護しているとThe Vergeに述べたとされています。ただ、TechCrunchは月曜時点で、何人が不正アクセスを受けたかは不明だと書いています。安心して終わらせるには、まだ情報が足りません。 🧩 問題は回答ミスではなく実行権限 AIサポートというと、よくある質問に答えるチャット欄を思い浮かべますよね。返答だけなら、間違いがあっても訂正できます。けれど、メール追加やパスワード再設定に近い場所では、1回の判断がアカウント所有権に直結します。 わたしが引っかかったのは、AIの賢さではなく権限の置き方です。サポートAIが本人確認の会話を担当し、そのまま重要操作へつながるなら、AIは案内係ではなく受付担当者になります。受付担当者なら、権限の上限と人間確認の条件が欠かせません。 人間のサポートでも、アカウント復旧は難しい領域です。正規ユーザーが困っている時は助けたい。一方で、攻撃者も同じ窓口へ来ます。AIを入れるなら、返答速度だけでなく、どの操作をAIに任せないかを決める設計が中心になります。 📱 個人アカウントで見直す場所 InstagramやFacebookを日常的に使っているなら、二段階認証、復旧メール、ログイン通知を見直す価値があります。二段階認証は、パスワード以外の確認を足す仕組みです。認証アプリやセキュリティキーを使う形なら、メールだけに頼る復旧から距離を取れます。 ブランド名や仕事用のSNSアカウントを持つ人は、管理者を一人に集中させない運用も必要です。緊急時に誰がMetaへ連絡するのか、復旧メールは誰が管理するのか、退職者の権限が残っていないか。小さな確認ですが、乗っ取り後の混乱をかなり減らせます。 ChatGPTなどの重要アカウント保護については、過去にChatGPTのAdvanced Account Securityでも扱いました。AIサービスに仕事情報や制作物が入るほど、ログイン保護は後回しにできません。SNSも同じです。 🏢 AIサポート導入企業が分けるべき境界 企業がAIサポートを導入する時、よくある質問への回答と、本人確認後の権限変更を同じ箱に入れると危険です。前者は説明の自動化。後者は所有権に触れる操作です。 たとえば、AIができる範囲を「手順の説明」「必要書類の案内」「人間窓口への振り分け」までに止める方法があります。メール変更、二段階認証の解除、管理者追加、パスワード再設定は、人間レビューや別経路の確認を挟む。待ち時間は少し残りますが、アカウントを失うリスクと比べれば安いコストです。 AIサポートの評価も、対応件数や平均応答時間だけでは足りません。不正な依頼を止めた件数、本人確認で人間へ回した割合、復旧後の異議申し立て件数まで見る必要があります。速さを測るだけだと、危ない近道を見落とします。 🛡️ AIに任せない操作を決める時期 今回の件を、Metaだけの特殊なトラブルと見るのは早計です。SNS、銀行、通販、学校、自治体。アカウント復旧を持つサービスはどれも、AIサポートを入れる余地があります。 AIがユーザーを待たせず案内する価値はあります。特に、復旧窓口の混雑や問い合わせ疲れを減らす効果は大きいはずです。だからこそ、AIに任せる部分と任せない部分は、導入前に線引きしておくべきです。 正直、AIサポートは今後も広がると思います。人手不足のサポート現場では、24時間返答できる仕組みが魅力だからです。けれど、復旧メールの変更や管理者権限の追加までAIが近づくなら、便利さの話では終われません。 アカウント復旧は、本人を助けるための仕組みです。同時に、攻撃者が本人になりすます場でもあります。AIを入れるなら、答えの自然さではなく、最後の一歩を誰が止めるか。そこを設計できるサービスだけが、信頼を保てます。 参考 TechCrunch - Hackers hijacked Instagram accounts by tricking Meta AI support chatbot into granting access（https://techcrunch.com/2026/06/01/hackers-hijacked-instagram-accounts-by-tricking-meta-ai-support-chatbot-into-granting-access/） The Verge - Meta’s own AI was exploited to hijack Instagram accounts（https://www.theverge.com/tech/941179/meta-instagram-ai-support-chatbot-exploit-hacked） 404 Media - Hackers Simply Asked Meta AI to Give Them Access to High-Profile Instagram Accounts. It Worked（https://www.404media.co/hackers-simply-asked-meta-ai-to-give-them-access-to-high-profile-instagram-accounts-it-worked/）

新型感染症が確認されてから世界中に広がるまでの時間は、近年どんどん短くなっています。ウイルスの塩基配列から危険度を判断できる専門家の数は限られており、その判断を支える計算作業には今も多くの時間がかかります。 OpenAIは2026年5月29日、生命科学向けのフロンティアモデル「GPT-Rosalind」を公衆衛生・バイオ防衛の現場に届けるプログラム「Rosalind Biodefense」を発表しました。審査を通過した機関がGPT-Rosalindにアクセスできる仕組みで、感染症の早期検知やワクチン開発の加速を目指すとしています。 🔬 発表の内容：2つの新しい動き 今回の発表には大きく2つの要素があります。1つ目は「GPT-Rosalind」そのものの公開範囲の拡大、2つ目は「Rosalind Biodefense」という審査制アクセスプログラムの開始です。 GPT-Rosalindは生命科学の推論に特化して開発されたモデルで、タンパク質構造の解析や遺伝子配列の評価、文献からの知識抽出などを得意とします。これまではOpenAIのAPIを通じた限定的な提供にとどまっていましたが、今回のプログラムで公衆衛生機関・政府パートナー・バイオ防衛関連の開発者がアクセス申請できる窓口が整備されました。 Rosalind Biodefenseは、アクセスを希望する組織がOpenAI側の審査を受けて承認されると、GPT-Rosalindをアプリケーションに組み込めるという仕組みです。審査の対象は用途・組織・セキュリティ体制などとされており、誰でも即日使えるサービスではありません。 🔑 なぜ審査制なのか 生命科学のフロンティアモデルが誰でも使えるオープンな状態になると、悪用リスクが高まるという懸念があります。病原体の性質を解析・予測できるモデルは、防衛と攻撃の両面に使えるからです。OpenAIはこのリスクへの対応として「trusted access（信頼されたアクセス）」という概念を打ち出し、審査した相手にだけアクセスを認める設計を選びました。 「trusted access」の審査基準が具体的にどこまで公開されるのかは、現時点では不明です。審査基準が不透明なままだと、どの組織が通過できてどの組織が弾かれるのかを外部から評価できません。 この点は、OpenAIの今後の発表で確認が必要です。 ただし、誰でも自由にアクセスできる状態と比べると、責任の所在が明確になります。審査制の枠組み自体には一定の合理性があります。国家安全保障に関わるツールが民間AIプラットフォームから提供される構造には、今後も議論が続きます。 🏛️ 初期パートナーが示す活用の現場 発表時点で名前が挙がっている初期パートナーには、感染症サーベイランスを手がける研究機関、ゲノム解析を使ったアウトブレイク調査を行う公衆衛生機関、そしてワクチン開発の加速を目指す非営利組織が含まれています。 特に注目されるのが、感染症のパンデミック宣言から100日以内にワクチン候補を提供することを目標とする「CEPI（感染症流行対策イノベーション連合）」との連携です。CEPIの「100日ミッション」はCOVID-19を教訓に設計された目標で、GPT-Rosalindによる配列解析の高速化がその達成を後押しできるかが焦点になります。 バイオ防衛の文脈では、既知の病原体データベースとGPT-Rosalindを組み合わせて「未知の配列が既知の危険な病原体とどれだけ類似しているか」を素早く評価する用途が想定されています。専門家の判断を置き換えるのではなく、初期スクリーニングの速度を上げるための補助ツールという位置づけです。 📊 GPT-Rosalind自体の性能 OpenAIが公開したベンチマーク結果では、GPT-Rosalindは生命科学特化の評価指標「BixBench」および「LABBench2」で従来モデルを上回るスコアを記録しています。BixBenchはバイオインフォマティクスの実践的タスクを測る指標、LABBench2は実験計画・文献解釈・分子生物学的推論を総合的に評価します。 ただし、ベンチマークの高スコアが実際の公衆衛生業務でどこまで直結するかは別問題です。現場では「モデルが出した答えをどう検証するか」「誰が最終判断を下すか」というガバナンスの設計がスコア同様に重要になります。GPT-Rosalindが優れた推論をしても、それを受け取る組織の体制が整っていなければ現場での価値は限定的です。 🌏 日本の公衆衛生との接続 日本では国立感染症研究所（NIID）や地方衛生研究所がゲノムサーベイランスを担っており、COVID-19以降その体制強化が進んでいます。Rosalind Biodefenseへの日本機関の参加については、今回の発表では明示されていません。 審査制である以上、日本の公的機関がアクセスを得るには申請と審査のプロセスが必要で、政府間の調整が先行する可能性もあります。厚生労働省やAMEDが関連する国際連携の中でこのプログラムが話題に上がってくるかどうか、引き続き追いかけます。 参考情報 OpenAI「Strengthening societal resilience with Rosalind Biodefense」（2026年5月29日）: https://openai.com/index/strengthening-societal-resilience-with-rosalind-biodefense/ OpenAI「Introducing GPT-Rosalind」: https://openai.com/index/introducing-gpt-rosalind/ CEPI「100 Days Mission」: https://cepi.net/100-days-mission

ChatGPTやMidjourneyで画像を生成するとき、特定の作品名をプロンプトに入れていないのに、出力が既存のキャラクターにそっくりな雰囲気になることがあります。利用者が気づかないまま、誰かの著作物を再現してしまっているかもしれない。 出版・アニメ・放送業界の国内権利者団体CODAが2026年5月27日に公表した声明は、この問題を正面から問う内容です。生成AI事業者に対して調査と具体的な対応を求め、出力フィルターの設置にまで踏み込んでいます。 🏢 講談社・スタジオジブリが名を連ねた権利者団体の声明 CODAは、一般社団法人コンテンツ海外流通促進機構の略称で、2002年に経済産業省と文化庁の呼びかけで設立された団体です。出版・アニメ・放送・ゲームなどの権利者企業が加盟しており、声明に参加した企業には講談社、集英社、NHK、TBSテレビ、東映、東宝、スタジオジブリ、東映アニメーション、キングレコードなどが名を連ねています。 声明では、生成AI事業者に対して3点を求めています。既存著作物に酷似した出力がないか継続的に調査すること、酷似が確認されたCODA会員社のコンテンツを無許諾で学習対象としないこと、権利者からの要請・相談に誠実に応じることです。 加えて、CODAが具体的に問題として挙げたのは、生成AIサービスに「この出力はどの作品に近いか」と問いかけると、特定の著作物名を回答することがある、という点です。AIが自分の出力と元の作品の結びつきを把握しているなら、プロンプトに作品名がなくても、著作物の内容が実質的に再現されていると見なせます。 ⚖️ 著作権法の学習例外が崩れる場面 日本の著作権法第30条の4は、AIが著作物を学習する行為を条件付きで認めています。「著作物を享受する（楽しむ）目的ではなく、情報解析のために使う」のであれば、権利者の許諾は不要とされています。これが生成AI学習を適法とする根拠として使われてきた条文です。 CODAが問題にしているのは、学習行為そのものではなく出力の結果です。学習に使った著作物の内容が出力として直接再現されているなら、利用者が見て楽しむ以上、「楽しむ目的ではない」とは言い切れません。享受目的の利用に当たり得るという立場です。 米国著作権法の観点でも、CODAは同様の考えを示しています。既存作品を変形・変容させた新しい表現（トランスフォーマティブな利用）には当たらず、原作品の市場に影響を与えるという点でフェアユース（著作権法の例外を認める公正な利用の概念）には該当しないと表明しました。日米両方の法的根拠でNGとする主張は、議論の余地を狭めていきます。 📱 AI画像を使う人の確認責任が問われ始めた 仕事のプレゼン資料や会社のSNS投稿にAI生成画像を使っている人なら、今回の声明は直接関係してきます。プロンプトに著名キャラクターの名前を書かなくても、出力が既存著作物に似すぎていれば、権利侵害に関わる可能性があります。 ちょっと気になるのは、「似すぎ」の判断基準が現時点ではまだ明確でない点です。CODAの声明は基準を数値化しているわけではなく、AI事業者への調査とフィルター設置を求める段階にとどまっています。利用者にとっては、白黒の判断材料が出てくるまでの間、自分で確認する必要が残ります。 企業でAI画像を使うなら、ツール名・プロンプト・出力日時の記録を手元に残しておくのがいいと思います。権利者から問い合わせが来たとき、経緯を説明できる状態があるかどうかで話が変わってきますから。 声明が問いかけているのは、AIが作った画像への確認責任です。 🔍 AI事業者に求めた出力フィルターとは何か CODAが声明で強調しているのは、事前に許諾を得ていない著作物については、少なくとも出力段階でフィルターを設けることが生成AI事業者の責任だという考え方です。学習をどう制御するかだけでなく、出力の段階でも権利者への配慮が必要だとする論点は、日本のコンテンツ産業の立場を明確にしています。 もうひとつ、CODAが指摘しているのは対応の不均衡です。米国系サービスの一部では、米国の著作物に対しては出力を抑えるような対策が講じられているとCODAは指摘しています。日本の著作物への対応が遅れているなら、同じ権利保護の線引きが国や作品群で分かれてしまいます。 文化庁は2024年3月に「AIと著作権に関する考え方について」をまとめましたが、判例・裁判例の蓄積がない現状での整理であることも明記しています。金融分野では金融庁・日銀によるフロンティアAI対応要請も出ており、AIへの法的な対応は分野ごとに動き始めています。現時点でできることは、自分が使うツールの動向と、権利者団体の動きを追い続けることだ。 📚 参考 CODA：生成AIサービスによる著作権侵害の現状と権利保護に関する声明（https://coda-cj.jp/news/2770/） ITmedia AI＋：「AIによる権利侵害」に出版・アニメ制作会社など集う国内団体が声明（https://www.itmedia.co.jp/aiplus/article/2605/27/2000000026/） 文化庁：AIと著作権について（https://www.bunka.go.jp/seisaku/chosakuken/aiandcopyright.html）

デザインファイルを開いたまま、AIに「このボタンの配置を2パターン出して」と頼んで、返ってきた案をそのキャンバスで確認して選ぶ。そういう作業の仕方が、Figmaの中に入ってきました。 2026年5月20日、FigmaはAIエージェント「Figma agent」を発表しました。Figma Designのキャンバス上で動く機能で、別のAIチャットへ切り替える必要がない設計です。現在はclosed betaで、段階的な展開が始まったばかりです。 キャンバスの左側ナビゲーション、またはファイル上から直接呼び出せる設計で、ファイルを切り替えずにAIへ作業を依頼できます。 🖥️ キャンバスを出ずに頼める、この設計が新しい これまでのFigma上のAI機能は、テキストを一括生成したり、プラグイン経由でAIに素材を渡したりする形が中心でした。Figma agentは、その手前にある「作業そのもの」をキャンバス内で引き受ける設計です。 公式ブログによると、エージェントはFigma内のコンポーネント、デザイントークン、ベストプラクティスを理解した状態で動きます。「Figmaのルールを知らないAIに説明してから頼む」という往復が要らない可能性があります。 ChatGPTやCodexのエージェント機能も、同じように作業ツールの内側に入ってきています。「別のアプリでAIに相談してから持ってくる」という一往復が、ひとつずつ消えていく段階です。 🔧 今できることと、まだできないこと Figma公式のHelp Centerには、対応済みの機能と未対応の機能が明示されています。 対応済みの例として挙げられているのは、0から1の画面生成、レイアウト編集、コンポーネントインスタンスの編集、スタイルや変数の適用、テキスト・画像などのコンテンツ一括生成、フィードバック整理、コメントのレビューです。 この図は、対応済みと未対応を一覧で示したものです。頼める範囲を事前に把握しておくと、実際の作業で使い方の見当がつきます。 一方で、未対応として挙げられているのはベクター編集、アイコン作成、プロトタイピング、アニメーション、アセット書き出しなどです。Web検索や高度な視覚効果への対応も今後に持ち越されています。 ちょっと気になるのは、「コメントのレビュー」が対応済みに含まれている点です。コメント欄に積み上がった指摘をAIがまとめて修正対応に落とし込んでくれるなら、使い道は広がります。デザイナー以外が関わるレビュー作業でも、選択肢になりえます。 ただしclosed betaがどこまで広がるかによるので、実際の精度はclosed betaの展開が進むまで見えません。 📋 使えるプランと今後のスケジュール Professional・Organization・EnterpriseプランのFull seatユーザーが対象です。Dev seatまたはCollab seatの場合は、Draftsフォルダ内でのみ試用できます。Starter・Education・Governmentプランは対象外です。 ベータ期間中はAI creditsを消費しません。ただし一般提供が始まった段階でAI creditsが適用される予定と、公式ブログに明記されています。 早期アクセスはウェイトリスト登録制で、登録してもアクセスが保証されるわけではないと公式が説明しています。「今後数週間で段階展開」が現時点のステータスです。 💼 デザイナー以外にも関係する変化 Figmaは、デザイナーだけが使うツールではありません。企画・マーケ・プロダクト担当、セールスが画面レビューのためにFigmaファイルを開く場面は、スタートアップや制作会社では珍しくないです。 「別案を3パターン並べて見比べたい」「このボタンの文言を5種類出して比べたい」という作業を、AIに直接依頼してキャンバスで確認できる可能性が出てきます。デザイナーへの依頼を介さずに、たたき台の量産だけAIに任せる形です。 公式ブログ自身も「生成が簡単になるほど、平均的なアウトプットが増えるリスクがある」と触れていました。複数案を出させて人が判断する、という使い方のほうが現実的です。AIに丸投げしてそのまま採用することを、公式も想定していないようです。 参考 Figma公式ブログ - The Figma design agent is here（https://www.figma.com/blog/the-figma-agent-is-here/） Figma Help Center - Work with the AI agent in Figma Design（https://help.figma.com/hc/en-us/articles/37998629035799-Work-with-the-AI-agent-in-Figma-Design） TechCrunch - Figma adds an AI assistant to its collaborative canvas（https://techcrunch.com/2026/05/20/figma-adds-an-ai-assistant-to-its-collaborative-canvas/） The Verge - Figma has a product design AI agent（https://www.theverge.com/ai-artificial-intelligence）

社内の重要データをAIに渡したいけれど、外部クラウドには出せない。そういう状況でAI導入の検討が止まっている会社は、日本にも相当数あります。 OpenAIとDell Technologiesは2026年5月18日、この問題にインフラ側から答えようとする協業を発表しました。AIエージェント「Codex」を、企業がすでに持っているオンプレミスやハイブリッド環境に接続できるようにする方針です。現時点では接続方針の発表段階であり、一般提供の開始時期や対象地域は明示されていません。 DellのオンプレミスAI基盤とCodexをつなぐ、今回の協業の全体像です。 🔍 週400万人超が使うCodexが、次は社内インフラへ向かう Codexは、コードレビュー、テストの実行、インシデント対応、大規模なコードベースの理解まで、ソフトウェア開発サイクル全体をサポートするAIエージェントです。OpenAIによれば、毎週400万人超の開発者が使っています。 用途はすでに開発以外にも広がっています。複数ツールにまたがる情報収集、レポート作成、製品フィードバックの振り分け、見込み客の選別、フォローアップ文の作成、業務システム間の調整。OpenAIは公式発表の中でこうした用途を具体的に挙げています。 今回の協業では、CodexをDell AI Data Platformと接続し、オンプレミスで保管・管理された企業データにアクセスできるようにする方針が示されました。Dell AI FactoryへのCodex・ChatGPT Enterprise・APIベースのソリューションの統合も検討されており、データ準備・記録システム管理・テスト実行・AIアプリの展開が対象です。社内情報を前提にしたエージェント活用を、実験室ではなく既存の業務基盤へ近づける動きなんです。 🏢 AIが業務で使えない壁は、モデルではなくデータの置き場所にある AIを業務で使おうとすると、必ず出てくる問いがあります。「このデータ、外部サービスに送っていいの？」という問いです。 顧客情報、契約書、財務データ、未公開の製品情報。これらを外部クラウドへ送ることには、法的リスクや社内規定との兼ね合いがあります。金融・医療・法務・製造の現場では、データを外に出すこと自体がハードルになっています。 AIエージェントが本当に業務に使えるためには、コードだけでなく文書・業務システム・チームのワークフロー・業務知識にアクセスできる必要があります。OpenAIはこれらを「Codexが役立つために必要な社内文脈」として発表内で明示しています。それらがクラウドの外にあるなら、クラウド経由のAPIを呼び出すだけでは届きません。 🖥️ クラウドだけでは届かない社内の文脈 オンプレミスとは、クラウドサービスを使わず自社のサーバーにシステムやデータを置く形態です。クラウドと自社サーバーの両方を組み合わせる構成をハイブリッドと呼びます。多くの企業が完全なクラウド移行に踏み切れない理由は、データを国内に置く必要がある法規制、古い基幹システムとの相性、移行コストなどです。 Codexをスマホから扱えるようになった前回の記事では、外出先から作業を確認・承認できる個人向けの使い方を扱いました。今回の焦点は、企業の社内インフラにCodexを結びつけることです。組織全体の業務で、社内文脈を持ったAIを動かすための企業基盤側の展開です。 DellのIhab Tarazi氏は発表の中で、企業データがすでに存在するオンプレミス環境でAIを展開できることを、実用的で安全なAIエージェント展開の道筋として位置付けています。AIをクラウドに移すのではなく、データがある場所にAIを近づける発想です。 🔔 日本での状況と、現時点でわかっていないこと 日本でも、社内データとAIを結びつけることで具体的な成果が出始めています。 2026年5月、福岡銀行がAIエージェント基盤を導入し、ストラクチャードファイナンスにかかわる契約書類の管理業務で年間約7,000時間の削減を見込むと発表しました。契約書検索で約6,500時間、管理表作成で約500時間という内訳です。銀行業務の契約書は機密性が高く、外部クラウドへ送ることが難しいデータです。 こうした業種での実績は、オンプレミス接続型AIへの需要の高さを示しています。 一方、今回のOpenAIとDellの協業については、現時点では確認できない情報が多くあります。提供開始の時期、対象地域、価格、具体的な導入条件はいずれも明示されていません。日本向けの展開についても、公式からの言及はありません。 データアクセス範囲の権限設計についても、OpenAIの発表では具体的な言及がなく、導入側の企業が対処することになる問題として残ります。 わたしがChatGPT ProやClaude Maxを日常的に使っていて感じるのは、社内情報を前提にした回答が返ってこない場面のもどかしさです。外部サービスには渡せないデータがあるから、AIに文脈が届きません。個人の使い方でもその制約を感じるなら、企業の現場では扱うデータの機密性が上がる分、制約はさらに複雑になります。 その複雑さに、インフラ側から答えようとしているのが今回の協業です。対応プラン・価格・日本での提供開始時期・データアクセス権限の設計は、展開が具体化したときに改めて見ることになる項目です。現時点では、方向性の表明と受け止めるのが実態に近いと思います。 🔗 参考 OpenAI - OpenAI and Dell Technologies partner to bring Codex to hybrid and on-premises enterprise environments（https://openai.com/index/dell-codex-enterprise-partnership/） OpenAI ニュース一覧（https://openai.com/news/） ITmedia キーマンズネット - 福岡銀行、AI活用で年間7000時間の業務削減を目指す（https://kn.itmedia.co.jp/kn/articles/2605/19/news024.html） LayerX - 地銀初、LayerXの「Ai Workforce」を福岡銀行が導入（https://getaiworkforce.com/news/20260507） ※当サイトのリンクにはアフィリエイトリンクが含まれる場合があります ...

広告や映像の仕事に関わっている人なら、ここ1〜2年で「AIで動画を作ってみた」という話を聞く機会が増えたと思います。その波の中心にいる企業の一つが、アメリカ発の動画生成AIサービス「Runway」です。 2026年5月、RunwayはTokyoに日本本社を構えると正式に発表しました。初期投資額は4,000万ドル。1ドル155円換算で約62億円です。 この62億円という数字、海外企業の日本上陸では収まらない規模感があります。なぜ今、この額を日本に投じるのか。そこを理解するには、Runwayが何をしているかを整理するところから始める必要があります。 🎬 動画生成AIとは何か、Runwayは何者か 動画生成AIとは、テキストや画像から短い映像を自動で作り出すAIのことです。「青空の下を走る車」と文字で入力すれば、数秒から数十秒の映像が生成される。手描きのラフ画像を渡せば、それを動かした映像が出てくる。そういう仕組みです。 RunwayはこのAI動画生成の分野で最も早く実用水準に達した企業の一つで、広告代理店や映像制作会社、SNS運用チームが使い始めたのはここ2年ほどのことです。 日本での広がりは数字にも出ています。Runway公式の発表によると、過去12カ月間で日本の企業顧客数は300%増加し、アジア全体の販売量の3分の1を日本が牽引している状態。企業顧客とセルフサービス（個人利用）の両方で、日本はRunwayにとってグローバル第3位の市場になっています。 ヤマハ、ソフトバンク、NHNが公式発表の中で顧客として名前を挙げられています。ソフトバンクの法人マーケティングチームは、Runwayのサービスを一部業務に組み込み、高品質なクリエイティブアセットを作成できる点を社内で評価しているとコメントしています。Runwayはすでに国内大手企業の業務フローに組み込まれている段階に来ています。 🏢 東京オフィス開設が意味すること Runwayが東京に作るのは、プロダクト、エンジニアリング、セールス、カスタマーデプロイメントのチームを持つ本格的な拠点です。採用ページにはすでにTokyoが拠点候補として並んでいて、日本事業責任者の採用も発表されています。 つまり、日本語で質問を受け付けます、という段階ではなく、日本の企業のワークフローにRunwayを組み込んでいく専門チームを東京に置く、という話です。 ちょっと気になるのは、300%増という企業顧客の伸び率です。ベースの数字が小さければ300%でも絶対数は少ないこともあります。ただ、同時にアジア販売量の3分の1を日本が占めているという数字も並んでいて、これは偶然ではないと思います。企業規模の顧客が実際に使い始めている、という手応えをRunway側が感じているからこそ、この規模の投資が動いたと判断しています。 💡 GWM-1：動画生成の先にある「シミュレーション」 Runwayが今後の軸として強調しているのが、GWM-1（General World Model）という技術です。 ワールドモデルとは、現実の動きや環境をAI上でシミュレートする考え方のことです。「この部屋でボールを投げたらどう跳ねるか」「この工場ラインでロボットがこの動作をしたら次にどうなるか」を、実際に試さずにAIが再現する。それがワールドモデルのイメージです。 GWM-1はロボティクス、ゲーム、教育、VRなどを用途として挙げています。共同創業者のCristóbal Valenzuela氏は、日本やアジア主要市場がロボティクス・製造業・ゲーム産業で世界をリードしており、ワールドモデルがこの分野で重要な役割を持つと発言しています。 広告の映像をAIで作る道具、というRunwayのイメージだけで見ていると、この発言の意味が見えてきません。製造ラインの動作確認にシミュレーションを使う企業にとっては、「現実の物理挙動を再現できるAI」は完全に別の文脈の話になります。 一方で現在のGen-4.5（最新の動画生成モデル）も、因果関係や物体の持続性にはまだ限界があることをRunway自身が公式に説明しています。動きの一貫性や細かい制御は強化されてきましたが、複雑な物理シミュレーションとして実業務に使えるかどうかは、用途ごとに確認が必要な段階です。 📋 日本の現場に関わりそうな人へ 出典：Runway公式発表をもとにAI Navi JP作成 広告、広報、採用、SNS運用、社内資料の制作に携わっている人には、今の段階でも接点がある話です。 完成動画を丸投げで作る道具、というより、企画案の映像化、複数バリエーションの比較、社内確認用の試作に向いているのが現状のRunwayです。外注する前の「これで伝わるかな」を手元で作れる速さが、広告やマーケティングのチームで評価されている理由でもあります。 デジタルツインや3Dシミュレーションが関わる製造・建設・ゲーム開発の現場については、NEC発の関連技術として3Dポイントクラウドとデジタルツインの動向も整理しています。ワールドモデルとの接続を考えている方は合わせて参照してみてください。 日本拠点ができることで変わりそうなのは、国内企業向けのサポート体制、日本語での事例共有、パートナー連携の速さです。今は公式サイトの情報も英語中心ですが、採用と組織が整ってくれば日本語のリソースや事例も増えていくはずです。ただし、それが実際に整うまでの時間軸はまだ見えません。 動画生成AIをどこで使うか迷っている場合は、ソフトバンクのような法人マーケティングチームが「クリエイティブアセットの効率化」という切り口で使い始めているのが、今の段階での現実的な参考になると思います。 参考 Runway公式 — Runway is Coming to Japan（https://runwayml.com/news/runway-is-coming-to-japan） Runway公式 — Introducing Runway Gen-4.5（https://runwayml.com/research/introducing-runway-gen-4.5） Runway公式 — Introducing Runway GWM-1（https://runwayml.com/research/introducing-runway-gwm-1） Runway公式採用ページ（https://runwayml.com/careers） GIGAZINE — 動画生成AIのRunwayが日本に拠点を開設（https://gigazine.net/news/20260515-runway-comes-to-japan/） ITmedia AI+ — 動画生成AIのRunwayが日本本格進出、60億円超を投資（https://www.itmedia.co.jp/aiplus/articles/2605/15/news108.html） Yahoo!ニュース（ASCII）— 動画生成AIのRunwayが日本進出、62億円投資へ（https://news.yahoo.co.jp/articles/cbe1c49f42c5832aaa5c858bd1fee1e96e8e5169） ※当サイトのリンクにはアフィリエイトリンクが含まれる場合があります。 ...

スマホを開いたら、AIが夜のうちに進めた作業の結果が届いている。差分を確認して「この方針で続けて」と入力すると、次の処理が走り出す。OpenAIは2026年5月14日、そういう働き方を想定した機能をプレビューとして公開しました。 コーディングエージェント「Codex」が、ChatGPTのiOS・Androidアプリに統合されました。ChatGPT Free含む全プランで、対応地域から順次提供されます。 🤖 スマホから何ができて、何はできないか Codexは、ChatGPTの中でコードを書くだけのツールではありません。ローカルのPC、Mac mini、リモートの開発サーバーなどに接続して、ファイルの確認、テストの実行、コードの差分作成まで進められるエージェントです。今回のアップデートで、その作業状況をiOS/AndroidのChatGPTアプリから参照・操作できるようになりました。 外出先からできる操作は、作業スレッドの状態確認、次の方針の選択、コマンドの承認、モデルの変更、新規タスクの開始、差分のレビューなどです。スマホに届くのは、スクリーンショット、ターミナルの出力、テスト結果、承認依頼といった「判断するために必要な情報」です。実際のファイルや認証情報、ローカル環境はCodexが動くマシン上に残ります。 この設計にはセキュアなリレー層が使われています。信頼済みのマシンを直接インターネットに公開することなく、スマホからアクセスできる仕組みです。 現在はmacOS向けのCodexアプリとの接続に対応しており、Windows版は近日対応予定とOpenAIが案内しています。Windows版が加われば、Mac以外の環境を使う開発者も同じワークフローを選べます。 ⚙️ 「判断を返す窓口」という設計の意図 Codexの週次利用者はすでに400万人を超えています。OpenAIは、長時間動くAIエージェントでは「途中の短い確認」や「方針の返答」があることで、作業の停滞と手戻りを減らせると説明しています。 わたしが注目したのは、この設計がAIへの完全な丸投げではなく、意図的に人の判断を介在させる構造になっている点です。AIが迷ったとき、人がPC前に戻るまで全部止まるのではなく、移動中にスマホで「こっちの方向でOK」と返せる仕組みです。AIエージェントを実用的に動かす上で、人の判断を挟む場所を設計に組み込む発想はむしろ現実的だと思います。 承認ができる便利さは、誤ったコマンドや不要なデータアクセスを通してしまうリスクも同時に意味します。誰が何を承認できるかは、設計段階で問われることになりそうです。 💼 開発者ツールが示す、業務AIの次の形 今回のアップデートでは、モバイル統合以外にも複数の機能が一般提供されました。SSH接続でリモート環境に入れる「Remote SSH」、プロンプト内の秘密情報スキャンやメモリ作成などをカスタムできる「Hooks」の2つです。 EnterpriseとBusinessプランのユーザーには、CIパイプライン、リリースワークフロー、社内自動化で使えるスコープ付き認証情報「Programmatic access tokens」も提供されます。ChatGPT Enterpriseワークスペースでは、ローカルCLIやIDEとして使う場合に限ってHIPAA準拠にも対応しています。 現時点では、Codexは開発者向けのツールです。コードを書く仕事でなければ、すぐに使える段階ではありません。 ただ、「AIが長い作業を進め、人がスマホで要所の判断を返す」という構造は今後の業務AIに広がる方向性を示していますし、わたしはそう見ています。モバイル版は現時点でプレビュー段階ですが、資料調査、問い合わせ対応の仕分け、社内文書のチェックといった作業でも、同じパターンが使われる場面が出てくるでしょう。 参考 OpenAI — Work with Codex from anywhere（https://openai.com/index/work-with-codex-from-anywhere/） ITmedia AI＋ — OpenAI、「Codex」をChatGPTモバイルアプリに統合──外出先からコーディング作業を管理（https://www.itmedia.co.jp/aiplus/articles/2605/15/news063.html） The Verge — AI artificial intelligence（https://www.theverge.com/ai-artificial-intelligence）

月に数千件、Webやメール経由で届く顧客からの問い合わせ。その1件を処理するのに、平均13分かかっていました。トヨタファイナンスが2026年1月から動かし始めた仕組みは、AIエージェントとRPA（ロボット）を組み合わせたもので、今は1件あたり平均4分で動いています。 🗓️ 2025年10月のPoC開始から3ヶ月、本番稼働まで トヨタファイナンスがUiPathのAgent Builder in UiPath Studioを使った試験導入（PoC）を始めたのは、2025年10月です。そこから約3ヶ月、2026年1月には本番環境で稼働を開始しました。 UiPathが2026年5月12日に公式発表した事例によると、対象はWebサイトやメール経由で届く顧客問い合わせです。月に数千件発生していた業務に、AIエージェントが入ることになりました。 全社規模のシステム刷新ではなく、特定業務から試して3ヶ月で本番に持っていった点を、トヨタファイナンス側は評価しています。AI導入を考える側にとっては、いきなり全社展開を目指さず、件数が多く効果を測れる業務から始めた事例として見られます。 🔄 ロボットが情報を集め、AIが文章を作り、人が確認する この仕組みは、3つに分かれた役割で動きます。RPAロボットが既存の顧客情報システムから必要な情報を取り出し、AIエージェントがその情報をもとに回答の下書きを生成します。人間の担当者は内容を確認してから送信する形です。 AIが全部やる構造ではなく、既存システムの操作はロボット、文章生成はAI、最終判断は人間というすみ分けです。この分担が、1件あたりの処理を13分から4分にする結果につながりました。AIに仕事を丸ごと渡す発想ではなく、得意なところだけ任せる発想ですね。 UiPathを選んだ理由として、トヨタファイナンスは市民開発の実現性、自動化機能の充実度、サポート体制の3点を挙げています。トヨタファイナンスは、曖昧な判断をAIへ丸投げしませんでした。 レガシー環境を操作できるロボットとAIエージェントを組み合わせる設計を選びました。業務をロジック化できる点を重視した、というのが公式発表の説明です。 この設計は実務でかなり大切です。古いシステムをすぐ入れ替えられない会社でも、既存環境を残したままAI活用を始める道が見えるからです。 ⚠️ 生成AIだけのPoC、社内基準を超えられなかった 実は最初に試したのは、生成AIだけを使ったPoCです。その結果、「同じ質問に毎回違う回答を生成する」「禁止したはずのことをAIがやってしまう」という課題が出ました。 現場が設定した正解率のしきい値を超えられず、生成AI単独では本番に進めなかったといいます。UiPathのロジックと組み合わせたPoCをやり直したところ、社内基準80%に対して93%の精度を達成し、本番へ移行できました。 公式情報を見ると、生成AIに問い合わせ内容を渡して回答を作らせる段階から、現場の合格基準を安定的に超えるところまで持っていくには、想像以上に設計の手間がかかると感じます。同じ質問への回答がぶれたり、禁止事項を守れなかったりしたため、単独PoCでは社内基準を超えられなかったからです。今回の場合は、ルールを適用するロジックをRPAが担い、曖昧な文章生成の部分だけをAIに任せる分担が、精度の底上げに機能しました。 💼 次は経費精算へ、現場が自分で作れる体制を目指す 今後は経費精算業務への展開も検討されています。UiPath IXP（請求書などの書類から必要な情報を自動で読み取るUiPathの機能）で請求書の情報を自動で読み取り、後続処理をロボットが担う形を検証中です。問い合わせ対応で作った分担を、書類処理にも広げられるかを見ている段階です。 また、情報システム部門だけで進める体制では十分なスピードを出せないという課題も認識されています。将来的には、現場の担当者自身がツールを使って自動化を設計する市民開発の体制が目標として示されています。 従業員約2000人がUiPathを使いこなし、重要な仕事にリソースを向けることを目指す、というコメントも公式事例には収録されています。AI活用はツール導入で終わりではなく、現場が自分たちの業務を言語化できるかまで含めた話になります。 自分の職場でAI導入の話が出た場合は、月に何件の繰り返し処理があるかを見るだけでも、議論が具体的になります。AIに任せる部分と人間が判断する部分を分けると、失敗の種も見えます。 既存システムとのデータ連携も、早めに見ておくと後戻りを減らせます。問い合わせや請求書処理のような反復業務では、今回のようなロボット＋AI＋人の分担が、現実的な入口になりそうです。 📚 参考 ITmedia エンタープライズ「トヨタファイナンスがAIエージェントを問い合わせ対応業務に導入　「非定型業務」を自動化」（2026-05-14） UiPath「トヨタファイナンス、Agent Builder in UiPath Studio導入で顧客対応業務の生産性を向上」（2026-05-12） UiPath「顧客事例：トヨタファイナンス株式会社」

社内の申請業務が動き、開発チームがコードを書き、20年前のCOBOLプログラムが今日も稼働している。そういう現場に、Claudeが本格的に入り込む段階が日本でも始まりました。 2026年5月1日、アクセンチュアが日本で「アクセンチュア Anthropic ビジネスグループ」の提供を開始しています。Anthropicとの戦略的パートナーシップに基づく国内展開で、Claudeを企業業務の設計から基幹システム刷新まで一貫して組み込む支援です。 🗓️ 2026年5月1日から何が始まったのか アクセンチュアとAnthropicは2025年12月、グローバル規模の戦略的パートナーシップを発表していました。今回はその日本版の本格展開です。アクセンチュアが5月11日に公式発表し、実際の提供開始は5月1日だったという順序になっています。 支援の枠組みとなるのが「アクセンチュア Anthropic ビジネスグループ」です。コンサルティングから技術実装まで一体で提供する体制です。アクセンチュアはすでに自社の従業員約30万人を対象にClaude研修を進めており、支援する立場としての実地経験を積みながら展開しています。 Anthropic Japan社長の唐澤氏は、日本の企業顧客が求めているのは性能の高さだけでなく、自社の業務や文化に合わせた形で安心して使えることだと述べています。このコメントは、AIの企業導入で最後に立ちはだかる壁が何かを端的に示していると思います。 🏗️ 4つの業務領域にClaudeをどう入れるか 支援対象となる業務領域は4つです。全社AI変革の設計と実行、AI駆動開発によるソフトウェア開発の刷新、基幹・レガシーシステムのモダナイゼーション、サイバーセキュリティ変革——それぞれに異なる役割があります。 🔄 全社AI変革——業務の可視化から定着まで 業務フローを見直し、Claudeを組み込んだ形で再設計・運用まで支援する領域です。使用するのは、Claude Codeと業務支援AIエージェント「Claude Cowork」の2つです。 Claude Codeはコード生成・分析に特化したAIツール、Claude CoworkはAnthropicが提供する業務特化型のAIエージェント（決まった手順の仕事を自律的に実行するAI）です。この2つで業務の導入から運用、社員向けのチェンジマネジメント（新しい仕組みへの社員移行支援）まで含めてサポートします。 「AIを入れた」で終わらせず、定着まで見る設計です。ツールを渡すだけでは現場に根付かなかった過去の失敗例を踏まえた構成と言えます。 💻 AI駆動開発——開発工程全体にAIが入る 開発の計画から設計、実装、テスト、リリース、運用に至るすべての工程にAIを組み込む支援です。目的は、市場変化や規制改正への対応速度を上げることです。 コードを書く速度だけを上げるのではなく、仕様変更があったときのテスト設計や影響範囲の確認まで含めた一連の流れが対象です。開発チームがClaudeがある前提で設計できる環境を整えることが狙いです。 開発者でない方にも、意外と関係してくる話です。社内システムの改修サイクルが短くなれば、現場からの改善要望が反映されるまでの時間が変わってくるからです。 🏛️ COBOLからJavaへ——日本企業のレガシー問題にAIが入る 4つの中でわたしが最も気になっているのは、この基幹・レガシーシステム刷新の領域です。COBOLエンジニアが全国的に不足している問題は日本の金融・公共系企業で長年積み残されてきた課題で、AIがここでどこまで実用的に機能するかは実績が出てからでないと判断できないからです。 アクセンチュアが開発した基幹システム変換ツール「MAJALIS（マジャリス）」とClaudeを組み合わせ、COBOLで書かれた資産を段階的にJavaへ変換します。COBOL（1960年代から使われる業務用プログラミング言語）は、日本の銀行・保険・行政システムに今も多く残っています。 変換の流れはコード分析→仕様の可視化→変換→テスト設計という段階です。Claudeが担うのは、コードの意図を解析してドキュメント化し、テスト仕様の生成を支援するパートです。担当者が人手で全件確認する工程をどこまで絞れるかが、実際のプロジェクトでは焦点になります。 🔐 サイバーセキュリティ——Cyber.AIとClaudeの統合 アクセンチュアが2026年3月に発表したAI駆動型サイバーセキュリティソリューション「Cyber.AI」に、Claudeを組み込んだ形での提供です。脅威の検知や分析など、専門知識が必要な判断の一部をAIで補助します。 セキュリティ領域でのAI活用は、判断の速度と精度の両方が問われます。Claude自体の精度に加えて、誤検知や見逃しへの対処をどう設計するかが実運用では核心部分です。 「AIがどこまで判断する」と「人間が確認する」の分担設計が、この領域では特に重要です。ここをあいまいにしたまま動かすと、インシデント発生時の責任の所在が見えなくなります。 📋 管理部門・IT部門にとって何が関係するか AIの企業導入は、担当者が個別に試す段階から業務フローへの組み込み段階に入りつつあります。アクセンチュアのようなコンサルティング会社が間に入る意味は、ツール選定にとどまらず業務設計の見直しと社内定着まで含めてサポートするためです。 IT部門・管理部門が実際に問われるのは、監査ログ、権限管理、データの取り扱いという運用設計の部分です。Anthropicはエンタープライズ向けClaudeについて、顧客データをデフォルトでAI学習に使わない方針と監査証跡の提供を明示しています。ただし社内規定や責任分界の設計は、各企業の課題として残ります。 一般の会社員にとっては、承認フロー、問い合わせ対応、社内文書の確認作業などにAIが入る可能性が現実的になっています。どこまでAIに任せ、どこで人が確認するかは、現場の声が反映される形で決めていく必要があります。 なお、AnthropicとNECが進める企業AI展開については別記事でも触れています。 ❓ 今回の発表で見えていないこと いくつかの点は、今回の発表だけでは確認できていません。 料金体系と対象企業規模については、ITmediaの報道でも具体的な数字が出ていません。Claude Coworkの日本語品質と対応業務の範囲も、詳細は公開されていません。国内での具体的な導入企業名や事例も、2026年5月13日時点では明らかにされていません。 「何が始まったか」と「何がまだわからないか」を分けておく。それが社内でAI導入を検討するときの出発点です。 📚 参考 ITmedia エンタープライズ「アクセンチュア、Anthropicとの協業を日本に本格導入　Claudeを活用した4つの支援領域とは」(https://www.itmedia.co.jp/enterprise/articles/2605/13/news046.html) ※当サイトのリンクにはアフィリエイトリンクが含まれる場合があります