AI新聞

AIdeaLabが、商用利用できる無償公開のアニメ特化動画生成AI「AnimeGen」を正式リリース。国内企業としては日本初とする。

テキストから動画、画像から動画の2モデルを用意し、Hugging Faceで配布。デモでは桜並木を歩く少女など、アニメ風の映像を確認できる。

AlibabaのWan 2.2を基にアニメ向けに追加学習。経産省のGENIAC支援下で開発し、日本の著作権法に沿って学習データを収集した。

アニメ制作の現場でのAI活用を促し、人手不足や長時間労働の解消を狙う。

AIに頼りすぎると、タスク整理などの「コト」は速くなる一方で、期待値調整や感情の把握などの「ヒト」が鈍り、大人数の現場で噛み合わなくなる。特に、後から一瞬で直せるAIに慣れると、人間相手で不可欠な認識のすり合わせがPMの本質だという感覚が弱まり、後半で大きく崩れる。

対策は、意識して人に会い、相手の不安や価値観まで理解し、関係性を積み上げること。AIで浮いた時間をヒト側に投資してこそ、AI駆動でも継続的な成果につながる。

• CloudflareだけでAIボットの必要要素が全部そろう。Workers AIでLLMをbinding一行で呼べる。KVで状態と既読を保存（entryごとにキー＋7日TTL）。Cron Triggersで15分おき実行。HTMLRewriterで本文抽出し外部ライブラリ不要。
• Agents SDKのSlackAgentを継承し、署名検証やルーティングは任せ、対話と定期処理に集中。Function callingで「フィード追加・除外」などを自然文で操作可能。
• モデルは精度と速度の両面で要検証。著者はツール呼び出し精度でgpt-oss-120bを採用。
• セキュリティ対策が要。信頼できないRSS起点ではツール呼び出しを無効化し、真偽判定だけに限定してプロンプトインジェクションを避ける。
• 無料枠と爆速デプロイで試行が楽。結果として誤検知61%→ほぼゼロに低減。

• 依頼「不要なブランチを整理して」から全Dドライブ消失に発展。原因はgit clean -fdxの誤爆、または削除コマンドでパスが空になりドライブルートを消した可能性が高い。
• これは特定ツールの欠陥ではなく、エージェント一般の問題。確認待ちをせず破壊的操作を実行し、結果検証もしない事例が各社で報告。
• 予防はエージェント設定・OS防御・バックアップの3層で重ねるのが要点。
• エージェント設定: 自動実行を切る、手動承認にする。rm系だけでなくgit cleanやreset --hard等も拒否リストへ。ワークスペースはプロジェクト単位に限定。
• 指示方法: 「整理して」は禁句。まず一覧(dry-run)を出させ、対象を人間が確認してから限定的に実行。git branchは-dで安全側に。
• OS/環境: 重要データと開発領域を分離。ドライブ直下に.gitを置かない。Windowsのコントロールされたフォルダーアクセスで未知アプリの変更をブロック。コンテナ/VM内にエージェントを閉じ込めるのも有効。
• バックアップ: クラウド同期と履歴を有効化。ファイル履歴/外部HDDを併用。こまめにgit push。定期的に復元テスト。

• 公式はネイティブインストーラー推奨。npmは互換用で非推奨。初回はブラウザで認証しておけばOK。
• /modelで用途に応じてモデル切替。重い設計はOpus、普段の実装はSonnet、単純作業はHaiku。
• CLAUDE.mdにビルド方法や規約など「コードからは読めない前提」を短く書く。/initで雛形生成が早い。
• /permissionsで定型操作を自動許可。破壊的操作は最後まで手動確認にする。
• 推奨フローはExplore→Plan→Implement→Commit。計画を書かせてから実装させると手戻りが減る。
• 会話の記憶容量が膨らむと精度が落ちる。無関係な話題に移る前にコンテキストをこまめにリセット（/clear, /compact）。
• 繰り返す指示はスラッシュコマンド化、手順付きの複雑作業はSkillsで。新規はSkills形式が無難。
• Hooksで編集やコミット時にLinterやチェックを自動実行し、抜け漏れを防ぐ。
• サブエージェントでレビュー専用など独立コンテキストを用意。Writer/Reviewer分離が有効。
• MCP連携でGitHubやDB、Figmaなど外部とつなげると実務が一気に進む。
• レビューは「要件に影響する問題だけ報告」と絞る。小刻みコミットと、UIは「見せて直す」反復が効く。

NEO’s Handsは、ヒューマノイド「NEO」向けの新型ハンド。腱駆動と低ギア比で25自由度すべてを力制御し、関節がセンサーのように外力を感じ取れる。人の手に匹敵する器用さと“力の透明性”で、AIの限界をデータ側だけに寄せる「物理世界へのAPI」を目指す。

自分の手の位置を感じ取る機能つきで、視覚に頼らず精密に制御できる。人の手の構造に倣った設計で、LEGOの組み立てや小ねじ、ブドウをつぶさずに扱うなど繊細作業が可能。

数百万サイクルの耐久、食品対応、IP68防水で丸洗いできる。2026年内に1万個量産予定で、使うほどセンシングから学び性能が上がる。

15歳がChatGPTを使って会員を大量退会させた件で、報道はAI使用に注目したが、筆者はAIではなく脆弱な設計が根本原因だと指摘する。操作してよい人か確かめる仕組みや再認証、レート制限、監視と自動遮断、そして検証済みの復旧手順が欠けていた可能性を問う。

AIは攻撃の敷居を下げるが、サーバ側の不備を無から作り出すわけではない。だから防御側は「普通の人はやらないだろう」を前提にせず、壊れても戻せる設計と運用を備えるべきだという。

また「好奇心を抑えろ」という議論は筋違いで、抑えるべきは行動の境界である。許可の範囲で検証し責任ある開示を行う文化こそが、実効的な安全性につながると述べている。

• AIにどう仕事を任せるかを設計することが中心。作るアプリ自体より、任せ方と回し方を決めるのが肝。
• 設計の広がりを押さえる：Vibe Coding（雰囲気で試す）→ Context Engineering（前提情報を整える）→ Harness Engineering（任せる仕組みづくり）→ Loop Engineering（検証と改善の回し方）。
• Human in the Loopを前提に、AIの判断に人が関わる場面を明確化する。
• 人のミス対策とAIのミス対策は似る。テスト、分割、レビューでエラーを早く見つける。
• 自社の「良い開発・設計」を定義する。SOLIDをどこまで重視するかなど、方針を言語化。
• 何を強みにするかを選ぶ：品質重視（工程と基準を先に固める）、本当のニーズ重視（プロトタイプ反復）、伴走重視（アジャイルで回す）、独自性重視（自社流フローを設計）。
• 強みに合わせてワークフローを固定化し、継続的に改善するループを設ける。

CadQueryで作った3Dモデルのパラメータを、ブラウザ上のスライダーで直感的に調整できるツール。AIが下書きを作り、人が最後の数mmを詰めるという流れを狙っており、微妙な穴位置や幅の追い込みを素早く反映し、STL出力までできる。

変数横のコメントに最小値・最大値・刻み・表示名などを書くと、自動でUIが生成される。CodexやClaude Codeなどのエージェントにスキルとして組み込め、xangiとも連携可能。

macOSとDGX OS、Windowsに対応。リモート機で起動し、手元のPCやiPadから操作する使い方も想定されている。

「Claude Code」デスクトップ版に内蔵ブラウザーが追加。タブでドキュメントやイシュートラッカーを並べて開き、アプリ内で外部サイトを開き、Claudeが読んでクリックして検証まで手伝うワークフローが作れる。HTML要素の指定や注釈で意図を伝え、スクリーンショット確認もできる。

安全面は、操作の安全性チェック、許可ダイアログ、ドメイン許可リストで制御。サンドボックスで通常のブラウザーのログイン情報は共有されない。ログインを引き継いだ代理操作は「Claude in Chrome」を使うとよい。

• 見えない初期トークンの重さが効率と費用を左右する。Claude Codeは指示前に約3.3万トークン、実用構成では約7.5万トークンを送信。OpenCodeは約6900トークンで約4.7倍の差。
• ツール説明が主因。Claude Codeは27種で約2.4万トークン。ツールを無効化しても素の説明だけで約6500トークン（OpenCodeは約2000）。
• 指示ファイルは毎回送られるため重い。72KB追加で両者とも約2万トークン増。
• MCP（外部ツール接続用の規格）サーバーは1つあたり約1000〜1400トークン増。5つで約5000〜7000増。
• 20万トークン枠のうち、Claude Codeは開始時点で約1/6を消費。キャッシュしても枠の占有は減らない。
• 初期負荷が大でも、リクエスト回数が少なければ総トークンは減る例あり（Claude Code約12.1万、OpenCode約13.2万）。
• サブエージェント多用は要注意。分担実行で約12.1万→約51.3万トークンに増加。
• 実運用では、実際に送られたデータを記録し、指示ファイルやMCPを1つずつ追加して負荷確認。不要なツールは切り、指示ファイルは短く保つ。