本日は、雇用・プライバシー・市場観測という社会側の論点と、OCRや料金監視といった実測系の取り組みが揃った一日だった。目を引くニュースから順に整理する。

AIストアマネージャーが「初めて人間を解雇」

The Next Webの報道によると、AIストアマネージャーを運用する小売での出来事として、「AI店長が初めて人間の従業員を解雇した」という事例が報じられた。報道タイトル上はAndon MarketのAIマネージャー「Luna」に関わる話として伝えられている。

AIが採用やシフト管理に関与する事例はすでに増えていたが、「解雇」という判断の席にAIマネージャーが座ったと伝えられるのは衝撃的だ。ただし、解雇に至った経緯、判断の根拠、人間の関与の有無といった詳細は現時点では収集データからは確認できず、断定的に評価するのは早計だろう。AIの労務関与がどこまで進むのか、法制度側の議論と合わせて注視したいテーマだ。

SNS写真から位置を推定するAI、精度は87〜91%

The Mac Observerが報じたところによれば、AIはSNSに投稿された写真から撮影地点を87〜91%の精度で推定できるという。撮影場所の特定は、位置情報メタデータを外していても、背景の風景や建物の手がかりからある程度可能になっていることを示す数字だ。

投稿前に位置タグを外していれば安全、とは限らなくなってきた可能性がある。画像そのものが「どこで撮ったか」の情報を担ってしまう以上、公開範囲の設定や投稿習慣そのものを見直す必要が出てくる。なお、どのモデル・どういう検証での数字かといった詳細は収集データには含まれていないため、正確な条件は元記事を確認してほしい。

「AIは単一のバブルではない――連続するバブルの列」という見方

Fortuneの記事で、ストラテジストがAIバブル論について「AIは一つのバブルではなく、『転がり続けるバブルの連なり（rolling sequence of bubbles）』」と述べたと伝えられた。SaaS・ソフトウェア株、銀価格、チップメーカーなど、セクターごとに膨らんだり弾けたりを繰り返すという見立てだ。

「AIバブルか否か」を一言で語る議論が多いなか、膨らむ場所と弾ける場所を分けて見るべきだという分析は、楽観論とも悲観論とも違う第三の視点として興味深い。全体が一斉に冷えるシナリオではなく、部分ごとに盛衰を繰り返す市場だとすると、投資家にも開発者にも「どのバブルに乗っているのか」を常に意識することが求められることになる。

Qwen 3.8 2.4TをGB300 NVL72で毎秒28.8万トークン処理

NVIDIAの開発者ブログに、総2.4兆パラメータ・アクティブ950億（A95B）のQwen3.8-2.4Tを、GB300 NVL72（72基のGPUを束ねたシステム）でサーブする検証結果が掲載された。それによると、追加のモデルチューニングなしにFP8精度でGPUあたり4,000トークン/秒超、ユーザーあたり350トークン/秒超のスループットを「Day 0」で達成したという。システム全体では28.8万トークン/秒に達する計算で、今後のNVFP4精度への最適化でさらなる向上も見込まれるとしている。

2.4兆パラメータクラスのオープンウェイトモデルが、登場直後にハイエンドシステムで実用域のスループットを出せるという点がポイントだ。モデルの巨大化と、それを支えるインフラ側の最適化がほぼ同時に進んでいる。先日「ダウンロード数30億で世界一」と報じられたQwenだが、サーブ側でも大型モデルの取り回しが現実味を帯びてきた。

日本語OCRの実測比較:「大きいモデル=高精度」は成立せず

Zennに、日本語OCRエンジン選定のための定量比較記事が公開された。ローカルOCR 2種（Tesseract、PaddleOCR）と、LLMベースのAIモデル5種（gpt-4o-mini、gpt-4o、gemini-2.5-flash-lite、gemini-2.5-flash、gemini-2.5-pro）を、同一の日本語サンプル5シナリオでCER（文字誤り率）によって比べたものだ。

結果は事前の予想をいくつも裏切るもので、「大きい（高い）モデルほどOCRも正確」という仮定は成立しなかったという。とりわけ縦書き印刷では、ローカルのPaddleOCRがAIモデルと互角に渡り合う場面があったと報告されている。タスクによって最適なエンジンは変わるため、「とりあえず最先端のマルチモーダルモデル」という選択が常に正しいわけではない、ということだろう。

同じくZennでは、申込書の「はんこ・レ点・和暦」といった日本特有の要素をローカルLLMだけで読むAI-OCRを作ったという記事も公開された。クラウドAPIを使わないローカル構成で、13項目すべて読める状態まで持っていったという。検証は手書き風フォントベースで、実際の手書きへの対応は今後の課題とのこと。日本語というくせの強い対象に対するローカル完結の挑戦として、続きが楽しみだ。

140サービスの料金ページを毎朝監視する仕組み

これもZennの記事。LLM APIとSaaSを合わせた140サービスの料金ページを毎朝7時に取得し、ページ本文をLLMで構造化して前日との差分を残す仕組みを、GitHub Actions上で運用している。抽出にはDeepSeekのdeepseek-v4-proを使い、開発中の再抽出を含めても月12ドル前後のコストで回しているという。

開始15日間で、発効前の料金変更予告を5件拾えたという。内訳は料金体系変更1件（実質値上げ）、値上げ2件、モデル非推奨化予定1件、サポート変更1件。「使っているAPIの値上げを請求書で知りたくなかった」という動機が具体的で、値上げ予告の告知方法が各社まちまちな現状では、自分で監視するしかないという割り切りが参考になる。LLMを使った「構造化＋差分検出」は生成そのものより地味だが、確実に効くユースケースの好例だろう。

以上、本日のまとめ。雇用・プライバシー・市場という社会側の論点は今後も論争が続くとみられる。実測系の3本はいずれも「自分の手で確かめる」姿勢が効いているのが印象的だった。