今夜のニュースは「企業AIの現実」と「ロボットAIの前進」という対照的な二つの流れが同時に見えた一日だった。MetaのAIレイオフ計画の頓挫と、経営者の90%がAIの生産性効果を実感していないという調査結果。一方で、具現化AIのファウンデーションモデルは着実にスケールの段階に入りつつある。

Meta、AIによる大規模レイオフ計画を撤回──従業員の反発とエージェントの失敗で

The DecoderがReutersの報道として伝えたところによると、Metaはこれまで公に知られていた以上に多くの社員をAIで置き換える計画を進めていたという。しかし計画は、社内の強い反発と、期待された成果を挙げられなかったAIエージェントの前に崩壊し、取りやめになった。

注目すべきは、計画が挫折した理由が二重にある点だ。一つは組織的な抵抗。もう一つは、自律型のAIエージェントが実際の業務ではまだ期待された成果を出せていないという技術的な限界だ。「AIで人員を削減する」というシナリオが、経営層の想定よりも早く現実の組織と技術の壁にぶつかった具体例として、他の大手企業の判断にも影響を与えかねない報道と言える。

経営者の90%が「AIは生産性を高めていない」──Fortuneの調査

同じ日に目を引いたのが、Fortuneが報じた調査結果だ。経営者の90%が、AIによって生産性が向上していないと回答したという。

Metaの一件と併せて読むと示唆的だ。導入は進んでも、その効果を実感できている経営層はまだ少数派にとどまる。AI投資の規模が拡大し続ける中で、期待と現場の実感の乖離がどのように埋まっていくのか──あるいは埋まらないのか──は、今後の企業AIの行方を占う上で重要な論点の一つだろう。

GigaBrain-0.7──理解・予測・行動を統一する3システム構成の具現化モデル

一方、技術面では具現化AI（エンボディドAI）の大型研究成果が公開された。Hugging Faceの論文投稿で公開された「GigaBrain-0.7」は、多様なロボット本体で汎化する具現化ファウンデーションモデルで、次のような特徴を持つ。

  • 理解・予測・行動を単一モデルに統一する3システム構成を採用。ワールドモデルをリアルタイムの意思決定ループに組み込み、「行動する前にシミュレーションして評価する」仕組み（System-3）を実現した
  • 3.7万時間を超える異種の実機データで事前学習し、視覚言語理解と複数ロボット本体での行動生成を共同最適化する一段階のアライメント訓練を導入
  • 従来の最先端モデルであるπ0.5などを大きく上回るゼロショット能力と指示追従性を達成
  • 自社ロボット「Maker H01」では、10タスク以上・20分超の長期精密作業を一度の連続撮影で完遂する業界初のデモを披露

TechCrunchも同日、「ロボット脳の開発者たちがGPT-2の時代を抜け出しつつある」という見出しで、ロボットの身体はAIの頭脳の成熟を待っている状況が変わり始めたと伝えている。LLMが数年前に経験したのと同じ「スケーリングの坂」に、ロボットAIが足を踏み入れた──そう読める動きと言えるだろう。

CXの次の課題は「オーケストレーション」──レガシーシステムへの後付けの限界

VentureBeatの論説では、企業の顧客体験（CX）分野におけるAI導入の次の課題が「オーケストレーション」にあると指摘されている。

多くの企業が会話AIや音声AIを、もともとそれを想定して作られていないレガシーシステムに「後付け」で接続してきた結果、システム同士は統合されておらず、人間のオペレーターがバラバラのツール間で顧客の文脈を再構築する重い認知負担を強いられているという。課題はデータへのアクセスではなく、顧客情報・履歴・取引・方針を横断する「共有されたコンテキスト層」の欠如にあると同記事は指摘する。

「自動化は個別のタスクを解決するが、オーケストレーションはそれをエンドツーエンドの成果につなげる」──エージェントが増えるほど、知能を追加するよりも既存の知能をどう調整するかが競争力になる、という主張は、CXに限らずエンタープライズAI全般に当てはまりそうだ。

国内発の議論──「検証の設計」と「タスクの自由度」

国内の開発者コミュニティでも、AIコーディングの品質と向き合う記事が並んだ。

Qiitaの記事「AI Codingのボトルネックは、もう実装ではない ── 次に必要なのは『検証の設計』」は、AIが実装し、AIがテストを書き、AIがそのテストを通し、最後にAIが「問題ありません」と判断する──この構造をそのまま品質保証として扱ってよいのか、という問いを立てる。生成と検証が同じ主体に閉じることの危うさをどう設計で崩すかが次のボトルネックになるという指摘は、Metaのエージェント失敗の報道とも響き合う。

同じくQiitaの「effort を上げる前に、タスクの自由度を減らす」は、より高性能なモデルやより高い推論effortを与えることが、むしろ出力品質を劣化させることがあると指摘する。過剰な推論は指示にない前提を勝手に補い、余計な複雑さを生む──課題の側を狭めてからモデルの力を使う、という実践的な知見は効果的な運用のヒントになりそうだ。

その他の動き

  • AmazonのAI訓練データ倉庫──調査報道メディア404 Mediaが「AI訓練のために本をスキャンし破棄するAmazonの倉庫」の内部を報じた。書籍という著作物がAI開発の原料としてどう消費されているかを伝える報道として注目される
  • MiniMaxの収益がほぼ4倍──Reutersの報道によると、中国のMiniMaxは上半期の収益がAI需要の拡大で約4倍に増加したという
  • Hacker Newsの「AI」含有率は14.4%──HNの新規タイトルに単語「AI」が含まれる割合が今年は14.4%（2025年は10.9%）に達したとする分析ツールがShow HNで公開された。Show HNカテゴリでは19.8%と最も高い
  • Microsoft PaintとPhotosに不可視透かし──Tom's Hardwareによると、MicrosoftがAI生成コンテンツに不可視のウォーターマーク（GUID埋め込み）を追加し、開発者がその仕組みをリバースエンジニアリングしたという