JioStarのチーフアーキテクト、5億ユーザー規模でのAI発見を語る
JioStarのチーフアーキテクト、Vijay Seshadri氏が5億ユーザー規模でAI発見に取り組んだ実践経験を共有。evals、guardrails、AIを本番環境へ投入する要点を網羅する。
JioStarのチーフアーキテクト、Vijay Seshadri氏が5億ユーザー規模でAI発見に取り組んだ実践経験を共有。evals、guardrails、AIを本番環境へ投入する要点を網羅する。
Resendの共同創業者兼CEO、Zeno Rocha氏がポッドキャスト番組Latent Spaceで、AIエージェント向けにプロダクトを設計する方法を語った。AEOの調査では、Claude Codeが抽出可能な102件のメール推薦のうち64件でResendを第一候補に挙げた。収録時点でResendは430万ユーザー、12万の有料顧客を抱え、MCPサーバーのツール数は公開時の約20個から80個以上に増えた。
バージニア州のData Center Alleyを訪ねると、データセンターへの反発はテック企業が主張する文化戦争よりも電力問題に由来していることが見えてくる。地元のデータセンターの平均出力は54メガワットで、デンバー国際空港の消費電力を上回る。AIトレーニングに必要な最小規模のデータセンターは300メガワット、理想的な規模は約6000メガワットで、シカゴ市全体の消費電力に相当する。Anthropicはガスタービン購入に34億ドルを支払うことに合意したと報じられている。
LegoraのCTO、Jacob Lauritzen氏はポッドキャスト番組Latent Spaceで、エージェントの実行履歴を一切見られない状況で法律エージェントをどう構築するかを語った。データは法律事務所の顧客に帰属する。Legoraはエンジニア3人と弁護士3人で、顧客の業務を模したテスト環境を構築。あるリリース後、引用の正確率は70%から99%に上がった。Tabular Reviewは1つの表で1万件の契約をレビューでき、すべてのサービスはAzure上で稼働する。
Latent SpaceがLegoraのCTO、Jacob Lauritzen氏にインタビューし、弁護士向けAIエージェントの構築に必要な能力と経験について議論した。
エージェントがコーディング作業を1回完了するのに消費するトークンは、通常のチャットプロンプトの10〜50倍に達することがある。トークン単位の課金では、価値の高いワークフローほど最も高コストになってしまう。Uberは4月に2026年通年のAI予算を使い切ったとされる。
OpenAI CEOのSam Altman氏はポッドキャスト「Cheeky Pint」で、世界の資源配分の観点から、限られたDRAMを各人が自分のパソコンに置き5%しか使わないのは「かなりひどい」と述べ、供給が制約された環境ではクラウドでの最大利用率を目指すべきだと語った。
MIT Technology Reviewは、産業AIが自律的な判断と人間による制御の間でいかにバランスを取るかを論じている。AIが産業の現場でより多くの自律的判断を担うにつれ、企業は人間が常に監督と介入の能力を保てる仕組みを設計する必要があると指摘している。
Latent SpaceがAnthropicのKatelyn Lesse氏とAngela Jiang氏を招き、Claude Platformのエンジニアリング実装を解説。Opus 5.5のリリース、モデルの「頭脳」とエージェントの「手」の分離、APIのスケーリング、信頼性の高いマネージドエージェントの構築などを取り上げる。
Latent Space が Anthropic のエンジニアリング責任者 Katelyn Lesse 氏とプロダクト責任者 Angela Jiang 氏にインタビューし、Opus 5.5 のリリース過程と Claude Platform のエンジニアリング上の取捨選択を振り返った。
製造業の産業インテリジェンスは、蓄積された工程知識、生産データ、業務理解から成り立つ。現在の機会は、こうした知能を意思決定の現場で使えるようにし、物理的な製造の世界と結びつけることにある。Toyota Industries は断片化していた塗装工程のデータを統合し、分析サイクルを5日から4時間以内に短縮、試験導入では関連する塗装不良が約25%減少した。Rockwell Automation のシンガポール工場は保守 copilot で製造データ、設備マニュアル、ベテランの経験を統合し、新入社員が数百台の設備のトラブル対応を習得する期間を9カ月から3カ月に短縮した。
Supabaseの共同創業者Paul Copplestone氏とAnt Wilson氏がインタビューで、AIエージェントが大量にアプリを生成する世界に向けたバックエンド設計について議論した。データベースのそばで長時間稼働するワークロードを動かすSupabase Compute、エージェントがスキーマを理解しやすくする工夫、Postgresの信頼性とスケーリングなどが話題に上った。
Moshi CEO の Anekha Sokhal が Latent Space ポッドキャストで、数学から JPMorgan のエネルギー派生商品トレーディングを経て起業に至る道のりと、Moshi がトレーダー向けにどのように推薦エンジンを作っているかを語った。
Celonis で企業 AI のチーフサイエンティストを務める Devavrat Shah 氏は「意思決定インテリジェンス」を提唱し、AI エージェントは業務プロセスの中でタスクが果たす役割と制約を理解しなければ、重要な制約を見落としたり、高くつく誤りを犯したり、計算資源を浪費したりすると主張する。企業は具体的な業務上の意思決定から始め、最も難しい工程を特定したうえで AI が改善できるかを試し、速度と価値の向上で拡大の可否を判断すべきだと助言する。この道筋には、従業員が AI の出力を理解できるよう教育に投資し、意思決定権をそのまま渡さないことも必要だ。
Tenexの共同創業者Alex Lieberman氏とCJ Hess氏がAIE New Yorkで、成果物ベースの報酬モデルをエンジニアリング組織の実践へと広げた取り組みを語った。同社は75人まで成長し、顧客はフォーチュン2000企業と中堅企業に及ぶ。
SF ComputeはGPU算力を取引可能な市場にしようとしており、物理的な納品も自ら担う。買い手が得るのは指数に対する現金決済ではなく、実際に使える算力だ。CEOのEvan Conrad氏によれば、NVIDIAは中立性を欠くためこの種の取引所を自前で作れないが、SF Computeは制約条件の異なる注文をマッチングすることで、技術が進化し続ける中でも取引を成立させられる。同社はさらに、InfiniBandネットワーク構造をオンデマンドで分割でき、インフラをプログラマブルにしている。
企業AIは散発的なチャットボット実験から業務の基盤層へと移行しつつあり、指標もトークンやGPU時間の価格から「有用な産出あたりの実効コスト」へと変わりつつある。企業は自社構築、オンデマンド消費、プライベートAIプラットフォームの統合という三つの道を選べる。HPE Private Cloud AIはスケジューリング、モデル選択、GPUパーティション、キャッシュ管理を運用レバーとし、同社が委託した独立テストでは、高稼働率のマルチワークロード基盤のトークンあたり実効コストが同等容量を都度借りる場合を下回った。
AWS の副社長 Shawn Bice 氏が Trust in Depth フレームワークを提唱し、エージェントの行動が検証可能な場合は自律的に行動させ、人間の判断は本当に意思決定が必要な場面に残すべきだと主張した。
Dyna Roboticsの共同創業者兼チーフサイエンティストであるJason Ma氏は、ポッドキャスト番組Latent Spaceで、Dyna-2は100万時間を超える人間の動画で事前学習した世界行動モデルであり、拡散Transformerとflow matchingを採用し、未来の動画を予測してからロボットの動作を生成すると説明した。
Ornn、Silicon Data、Bloomberg の 2026 年 8 月時点のデータによると、AI トークンの価格は下落を続ける一方、H100 GPU のレンタル価格は横ばいか上昇している。a16z はこれを AI 市場における教科書的なジェヴォンズのパラドックスだとしている。
Simon Willison 氏は、従量課金の API やサービスにはデフォルトでハードな予算上限を設けるべきだと訴えている。つまり、月 X ドルに達したら警告メールを送るだけでなく、その時点で遮断してエラーを返すべきだという。同氏は、AWS が 9 月 16 日に月間支出上限機能を導入し、プロジェクトが上限に達するとその月は停止されるが、この機能は現在限られた顧客にしか提供されていないと指摘。Google Cloud は 7 月に Spend Caps を導入している。
MIT Technology Reviewの報告書は、企業AIのスケール化のボトルネックは構造的なものであると指摘。2026年の世界AI投資は2兆5000億ドルに達し前年比44%増となる見通しだが、多くの企業は依然としてAIによる収益成長を実現できていない。報告書は「エージェント転換」にはアーキテクチャと運用モデルの同時再構築が必要だと提言する。データ量ではなくアクセシビリティを軸にデータ基盤を再構築し、固定された技術スタックをコンポーザブルなアーキテクチャに置き換え、AI主権の問題を解決することだ。
HPEは企業に対し、AIの従量課金を再考するよう提案した。顧客対応、IT、研究などのエージェント型ワークフローが継続的で予測可能な需要を生む場合、リクエストごとにAIを購入する方が自社容量を構築するより割安とは限らない。Deloitteの2026年企業AI報告によると、2025年の従業員のAI利用率は5%上昇し、AIプロジェクトの40%以上が本番稼働している企業の割合は6か月以内に倍増する見込みだ。企業は実際のワークロードで稼働率の損益分岐点を試算し、導入、ガバナンス、用途拡大によって自社容量の生産性を維持する必要がある。
GitHub Copilot アプリは canvas を導入した。ブラウザーの外枠なしにアプリ内で動くフルスタックの小アプリで、Copilot エージェントと双方向に通信し、外部 API の呼び出しやローカルのコード実行もできる。
TypeSafe AI 創業者兼 CEO の Diogo Almeida は Latent Space ポッドキャストで新モデル Jev を紹介し、ソフトウェアでの利用向けの System One 大規模モデルと説明した。
NVIDIAはAIの安全を工学の問題として扱い、明確な安全要件、実行可能な制御、責任者、保護の有効性の証拠を求める。オープンソースのNVIDIA OpenShellは推論範囲の外で方針を強制し、サンドボックス実行を提供する。Cisco DefenseClawが統制層を追加し、JFrogはOpenShellによるエージェント技能の走査と検証を統合する。
Hugging Faceブログは、AIの次の制約は知能でなくGPU稼働率だと指摘する。暦の時間で料金が発生するが計算中だけ生産するため、航空機の駐機費用と同じ構造を持つ。
推論費用が2023年初めの GPT-4 級の100万トークン約30ドルから、現在は1ドル未満、一部企業では0.10ドル未満に下がるなか、UC Berkeley の Aditya G. Parameswaran らはエージェント時代のデータシステムに For Agents、Of Agents、By Agents の三方向を提案した。
Berkeley AI Researchは並列推論の進展を整理し、独立した小課題をいつ分解・並列化するか、同時スレッド数、調整方法をモデル自身が決める適応的並列推論を分析した。Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inferenceなどは外部で並列構造を事前設定し、適応的な行動を教えていない。