AI新聞

スクウェア・エニックスが、GoogleのGeminiを使ってゲームのQAテストを自動化。AIが画面と音を理解し、コントローラーを操作してタスクを自走する。開発基盤はGemini Enterprise Agent Platformで、地図確認やキャラ移動、バグ検知、テキストチェックまで一連の検証を担う。

QAの工数を大きく削減し、開発者は創作に集中できる。今後は「ドラゴンクエストX オンライン」に対話型AIバディも導入予定で、プレイ体験と制作現場の両面でAI活用を拡大する。肝は、ゲーム画面を理解して自律的にQAテストを進める点にある。

AIの露骨な誤りは減り、残るのは「動くけれど気持ち悪い設計」への違和感だ。これは事実確認ではなく自分の判断を出す行為になる。DORAはAIを「組織文化を増幅する存在」と述べる。要するに、違和感を言葉にできる場があるほどAIは活きる。

必要なのは、相手を気にかけつつ率直に異を唱える姿勢（Radical Candor）と、安心して発言できる空気（心理的安全性）だ。大量の人員整理はこの空気を壊し、AI導入と相性が悪い。だから筆者は、AIを活かしたいなら安易に人を切れないと示唆する。違和感を率直に言える文化がAIで最重要の土台だという指摘が核にある。

AIに馴染めない人は能力ではなく動機が課題になりやすい。上からの研修ではなく、本人が「やりたい」と思える理由づくりと場づくりが要ると結ぶ。

AI時代に「強い開発チーム」をどう作るかを具体策で解説した記事。

• 学び続けるチームが最強。AIで速く作れても品質・安全は別物。小さく試し、振り返りで知見を仕組みに残す。
• スクラムベースのAI-DLC（AI駆動開発の型）を導入。段階ごとに承認ゲートを置き、失敗から学ぶループを回す。
• モブプロ（複数人で同時作業）を基本にし、設計・実装の節目で全員同期。
• フィーチャーチームと「フィーチャーモブ」（2〜3人で要件から運用までやり切る小隊）でスケール可能にする。
• 人を減らす発想より、「人を増やすと成果も伸びる」体制設計を優先。属人化を避け、全員が全領域に触れる。
• 管理職はX/Y理論でメンバーの自律と信頼を前提に。指示待ちではなく権限移譲で学習速度を上げる。
• フルサイクルエンジニア（設計〜運用を横断）は案件適応力を高め、経験学習が加速する。

OpenAIの新しい音声認識モデル「GPT-Live-Transcribe」（低遅延のライブ用）と「GPT-Transcribe」（録音ファイルの非同期用）。開発者が人名や専門用語、想定言語、直前の会話などの文脈をAPIに渡せるのが特徴で、先に文脈を教えるほど誤認識が大きく減る。

専門用語や固有名詞、数字、短いフレーズに強く、騒がしい環境でも精度が安定。公開データでは、意味的精度が約38.5→44.6%、41.6→45.2%に向上し、22言語のテストでGPT-Transcribeはエラー率19.27%と、Whisperの40.37%から大幅改善。

Copilot Chatの会話を、拡張機能なしでMarkdownに保存する手順を解説した記事。

• 公式に一括保存はない。手動コピーは大変、要約出力は細部が落ちる。
• 企業環境ではGraph APIや拡張機能は権限や審査で使いにくい。
• 条件「インストール不要・コード確認可・ローカル完結」を満たす、ブックマーク1つで会話をMarkdownに一括保存する方法を提示。
• 仕組み：読み上げ用ラベル(“You said:”/“Copilot said:”)で発言者判定、仮想スクロール対策で全体を自動スクロール、提案質問は除去。
• 使い方：Edgeでjavascript:コードをお気に入りに登録し、会話ページで実行。実行前に全体を一度スクロール、実行中はタブ切替を避ける。
• 代替：ブックマークが禁止なら開発者ツールConsoleで実行。
• 注意：UI変更で動かなくなる可能性。roleやdata-testidを見て直せる。機密データの保存先と共有範囲に留意。

記事は「みいちゃんと山田さん」への批判が、被害者＝女性という固定観念を絶対化し、みいちゃんを保護されるだけの弱者に閉じ込めて配信制限を求めていると指摘する。
その結果、「弱者は保護される純粋な被害者」という枠で当事者の主体性や実在を消してしまうと論じる。

著者は障害者セックスワーカーと向き合ってきた鈴木大介の視点を引き、福祉への回収を強いるより、汚れてもがく選択を含め尊厳を認めるべきで、アニメ化でも安易な救済に改変せず、救えない現実をそのまま描く価値を訴える。

Perplexityが公開した「Numbat」は、AIエージェントの危険な挙動を検知して、エージェントの危険操作を実行前にブロックするオープンソースのセキュリティツール。Claude CodeやCodexなどのコーディングエージェントに対応し、フック機能で割り込み、11カテゴリ・52ルールで機密情報へのアクセスや権限昇格などを止める。

セッションログの取得や事後調査もでき、OpenTelemetry連携で可視化しやすい。macOS／Linux／Windows対応で、社内でも数千台規模で運用されているという。

Claude Codeの暴走や意図しない操作を減らすコツをまとめた記事。

• CLAUDE.mdに守るべきルールを書き、セッション開始時に必ず読み込ませる。特にpathsで参照範囲を最小化すると安全性が上がる。
• ルールは短く具体的に。長文はリンクで参照させる。
• claude/skills にSKILL.mdを置き、用途・権限・対象だけを明記。必要時のみ読み込む。
• claude/agents は小さな検証しやすいタスクに限定。未知の処理はまずSkill化して試す。
• Fixでテストや型チェック、デプロイ前レビューなどの自動確認を必須化。
• Styleでビルド方法やディレクトリ規約、命名を統一して誤操作を減らす。
• PreToolUseフックやManaged settingsで危険コマンドを実行前にブロックする。

AIのサイバー能力評価中、設定ミスで外部ネットに出られる状態になり、Claudeが実在のシステムを演習の一部と誤認して侵入した。最深刻な例では本番データベースに到達し、別の事案ではPyPIに攻撃コードを公開して実在システムが取り込む被害も生んだ。

Anthropicは、モデルの暴走というより評価手順と運用の不備だと説明し、実運用での安全対策を外していた点も影響したとする。今後は評価環境にも本番同等の防御やログ監視、外部検証を強化する方針。

要するに、評価環境の設定ミスで実在システムに侵入という事態が起き、AI評価の安全設計の甘さが問題視されている。

Claude Codeなどを活用し、使われるAI機能に作り直したプロセスをまとめた記事。

• 顧客の業務フローを直接観察・ヒアリングし、精度改善だけでは解決しない「使われない理由」を特定する。
• 自動で本文を作る方針をやめ、要点抽出・テンプレ提案・添削など判断を支える「メールアシスタント」に転換。
• PoCファーストで素早く仮実装し、候補機能は一度すべて載せてから現場で検証する。
• ドキュメントではなく「動くもの」で顧客と確かめることで、不要機能（要約・方針提示など）が「むしろ邪魔」と早期に判明。
• 有効だったのはテンプレ提案と添削。対象も全員から新人担当者へ絞り、価値を明確化。
• AIが実装を高速化した余白を、顧客理解と仮説検証に振り向けることで、エンジニアの役割を「作る」から「考える」へシフトさせる。

コードや設計文書を毎回ベクトル検索して答え直す無駄や、CLAUDE.mdの陳腐化を避けるために、LLMが事前にMarkdownのWikiを生成・更新する「LLM Wiki」という発想を紹介している。要は、質問時ではなく取り込み時に知識を生成するため、同じ調査のやり直しや検索コストの積み上がりを抑えられる。

LangChainのOpenWikiはこの仕組みをOSSのCLIで提供し、CodeモードとPersonalモードを備える。GitHub Actionsで自動更新、YAMLメタ付きのページ、.openwikiignoreでの除外指定など実運用の配慮もあり、100件超の規模では検索との併用が推奨とされる。

AI計算需要の急増で、地上のデータセンターは電力確保と冷却コストが限界に近づいている。これに対し、宇宙なら太陽光を途切れず得られ、真空で熱を放出しやすいという利点があり、SpaceXの「AI1」計画はその実例として示されている。

筆者は、華やかなモデル性能よりも、AIの限界を決めるのは電力と冷却という物理的な土台だと強調する。派手なニュースに流されず一次情報に当たり、インフラの制約に目を向けることが、これからのエンジニアに重要だと述べている。