AIの最前線を、
毎朝5分で。

計算資源と半導体の「確保競争」が一段と鮮明になった

• イーロン・マスク氏が、テキサス州オースティンに次世代半導体工場 Terafab を建設すると発表した [1][7]。
• 計画では、2nmプロセス、ロジック半導体・メモリ・最先端パッケージングの統合、月産10万枚規模のウェハー処理、さらに最大1テラワット級の演算リソース供給まで視野に入れている [1][7]。
• 同時に、SBGなど複数社が米国で80兆円規模のデータセンター計画を公表し、AI・クラウド向けの計算資源確保に巨額投資が向かっていることも示された [6]。

AI産業政策は「モデル」から「インフラ」へ主戦場が移った

• 経産省は、AI・半導体・ロボットを三位一体で育てる産業戦略を打ち出し、2040年にAI経済圏の成長を最大化する方向性を明示した [2]。
• ここで重視されているのは、生成AIそのものだけではなく、低消費電力チップ、データセンター、電力供給、エッジAI、製造装置まで含めたエコシステム全体だ [2]。
• オムロンも、センサーやコントローラーを「AIの五感と身体」と位置づけ、フィジカルAIと自律工場への移行を見据えた戦略を示した [16]。
• 新光電気は、NVIDIAやBroadcom向けの第2・第3の委託先候補を狙い、光電融合OSATとしての受託に踏み込む方針を示した [14]。

エージェント開発は実験段階から実運用段階へ進みつつある

• Google AI Studioは、FirebaseバックエンドとAntigravityのコーディングエージェントを統合し、プロンプトだけでフルスタックアプリを生成できるようにした [5]。
• Browser Use CLI 2.0は、Chrome DevTools Protocolへの直接接続でブラウザ自動操作を高速化し、AIエージェントの実務利用を押し進めた [11]。
• CursorのComposer 2をめぐっては、既存の基盤モデルをもとに強化した開発モデルであることが明らかになり、AIコーディング支援は「どのモデルを使うか」だけでなく、どう再学習・再設計するかの競争に入っている [12]。
• AIエージェントの設計では、プロンプトインジェクション対策、特権分離、サーキットブレーカー、長期メモリなどの信頼性設計が重視されるようになっている [9][10]。

ローカル実行・オープンソース・セキュリティが同時に前進した

• AlibabaはQwenとWanを継続的にオープンソース化する方針を確認し、Microsoftは農業向けツールキットを、Googleはオープンソースセキュリティへの投資を進めた [18][20]。
• ローカルLLMの実用性も高まり、Flash-MoE や Gemini Flash-Lite のような低コスト・高速推論が注目されている [8]。
• 一方で、AnthropicとOpenAIは、中国企業による蒸留攻撃や不正ネットワークを問題視し、AIモデルそのものだけでなく、利用規約回避や踏み台化を含む安全保障リスクが拡大していると警告した [4]。
• こうした流れの中で、ローカルでの個人情報削除ツール、ローカルWikipedia検索LLM、完全オフラインのAI裁判所など、閉じた環境でAIを使うニーズも強まっている [22][25][31]。

仕事の進め方は「人月」から「AI前提の再設計」へ変わり始めた

• 日本IT業界では、SES型の人月商売がAI主導の開発世界と二分化しつつあり、従来型のキャリアや案件獲得の前提が揺らいでいる [3]。
• 生成AIの活用が広がる一方で、実際にはメールやチャットなどの雑務が増え、深い仕事の時間が減るという逆説も確認されている [24]。
• ただし、AIはコードレビューの要約、差分整理、リスク抽出、プロンプト資産化などを通じて、判断の前処理を強力に支援できる [15][17][23]。
• その結果、これからは「何をAIに任せるか」よりも、「どこに人間の最終判断を残すか」が競争力の差になる [15][21]。

今後の示唆

• AI競争の中心は、モデル性能の比較だけではなく、電力・半導体・データセンター・ロボット・セキュリティを束ねた産業基盤の争奪戦になる。
• 企業は、AIを単発の便利ツールとしてではなく、業務フロー・評価基準・権限設計を含めて再設計する必要がある。
• 近い将来の勝ち筋は、巨大な自前インフラか、強いオープンソース基盤か、あるいはその両方を組み合わせたハイブリッド戦略に集約されていく可能性が高い。

まずはChatGPTかClaudeを「思考の下書き役」にする

• ChatGPT は、ブレインストーミング、箇条書き整理、会議前の論点出しに向いています。
• Claude は、長文の読み込み、複雑な文脈の要約、文章のトーン調整に強みがあります [28][29]。
• 使い分けの基本は、短い発想出しはChatGPT、長い文書の整理や構造化はClaudeです。

すぐ使えるプロンプト例

• 「以下の議事メモを、意思決定事項・未決事項・次のアクションに分けて整理してください」
• 「この提案書を、経営層向けに3分で読める要約にしてください。リスクも3点挙げてください」
• 「この営業資料の弱い主張を指摘し、説得力を高める改善案を3つ出してください」

コードや業務自動化はCursor、GitHub Copilot、Google AI Studioを使う

• Cursor は、既存コードベースの理解と修正に向いています [12][23]。
• GitHub Copilot は、実装補助とレビュー補助に使いやすく、定型コードの作成を速めます [15]。
• Google AI Studio は、Firebase連携を含むフルスタック試作を素早く作る用途に向いています [5]。

ワークフローへの組み込み方

• 仕様メモをそのまま貼るのではなく、まず「目的」「制約」「使う技術」「やってはいけないこと」を明記する。
• その上で、AIに「実装案」「テスト観点」「失敗しやすい点」を出させる。
• 実装後は、人間が境界条件・権限・例外処理だけは必ず見る。

ブラウザ業務はBrowser Use CLI 2.0で半自動化する

• Browser Use CLI 2.0 は、ブラウザ上の反復作業をAIに任せるのに適しています [11]。
• たとえば、競合調査、価格確認、Webフォームの下書き入力、情報収集の初動に使えます。
• ただし、ログインや決済などは人間承認を必須にしておくと安全です。

今日から試せる使い方

• 「この業界の競合5社の価格ページを開き、プラン名・価格・特徴を表にまとめてください」
• 「問い合わせフォームの下書きを作り、送信前に差分だけ提示してください」

ローカル実行は、機密情報が絡む業務から始める

• 機密性が高い情報は、GiNZA(spaCy) を使った個人情報削除 [22] や、ローカルLLM環境での処理が向いています [8][25][31]。
• たとえば、社外秘資料、顧客情報、契約書の要約は、クラウド送信前にローカルで整形すると安心です。

実践の第一歩

• まずは「社内文書の要約」「個人情報のマスキング」「社内FAQ検索」から始める。
• 高度な自動化より、漏えいしにくい最小構成を優先する。

プロンプト資産をテンプレート化する

• 毎回ゼロから考えるより、用途別のテンプレートを作るほうが再現性が高いです [17]。
• たとえば、営業、調査、文章作成、レビュー、意思決定支援の5カテゴリで定型化すると運用しやすいです。
• 各テンプレートには、目的・対象読者・制約・出力形式を必ず含めます。

例

• 「あなたはBtoB営業のアシスタントです。対象は製造業の役員。目的は提案書の骨子作成。出力は見出し構成と想定反論」

まずの1週間でやること

• 1つの定例業務を選び、AIで下書き化する。
• 1つの社内文書を選び、AIで要約と論点整理をする。
• 1つの反復Web作業を選び、AIで手順の半自動化を試す。
• その結果を、「時間短縮」「品質」「リスク」の3点で振り返る。