日立がOpenAI「Codex」でレガシーシステム刷新へ — サイバー防衛にも活用

日立がOpenAIとの連携を本格化させている。ITmediaの報道によると、OpenAIの 코드生成AI「Codex」の解析力と日立のシステム開発ノウハウを組み合わせ、既存コードから上流仕様を可視化し、新システムへの移行テストまでの一連のプロセスについてAIを活用したアプローチの確立を目指すという。

さらにサイバー防衛分野での協業も視野に入れており、エンタープライズITにおけるAIのコード理解能力の実用化が進んでいる。レガシーシステムの近代化は日本の多くの大企業にとって共通課題であり、Codexのような高度なコード解析AIが実用段階に入りつつあることは注目に値する。

AmazonではエージェントAIがチームのあり方を変えつつある

GeekWireの報道が伝えるところによると、Amazon社内でエージェントAIがチームの構造や伝統的なやり方を大きく変えつつあるという。「エージェントAIがAmazonのチームを再構築し、伝統を覆している」という見出しで報じられたこの動きは、AIが単なるツールを超えて組織の働き方自体に影響を与え始めている事例と言える。

Hacker Newsでも関心を集めたこの話題は、エージェントAIの企業導入が「効率化」の段階を超え、組織文化そのものに変革をもたらす段階に入りつつあることを示唆している。もっとも、具体的にどの程度の範囲でどのような変化が起きているかは報道の範囲を超えるため、過度な一般化は避けたい。

ポケモンカード対戦AIエージェント開発コンテスト開幕

日本発の興味深い動きとして、ポケモンカードゲーム（ポケカ）の対戦AIエージェントを開発するコンテストが開幕した。ITmediaが伝えたこのコンテストの最大の特徴は、チェスや将棋とは異なり「相手の手札が見えない」という不完全情報ゲームにAIがどこまで対応できるかが試される点にある。

不完全情報ゲームはAI研究における古典的な難課題であり、ポーカーAIなどの研究が先行してきた領域だ。ポケモンカードのような複雑なルールセットを持つゲームでのAI開発は、エンタメ的価値だけでなく、不確実性下での意思決定というAIの fundamental な能力の評価にもつながる。

Rift論文：LLMの「嘘」を内部パターンから検出 — 100%精度で識別

arXivに公開された論文「Rift: A Conflict Signature for Deception in Language Models」が、LLMの欺瞞行動を内部表現から検出する新しいアプローチを提案している。

研究チームは、「真実を知りながら嘘をつく」スリーパーエージェントと、真実を知らずに間違った回答を出す単純な嘘つきを比較した。両者は同じ誤った出力を生成するが、欺瞞フォワードパスは単純な嘘つきのパスと比較して残差ランクが2.1〜2.3倍高いという「コンフリクトシグネチャー」を示すことを発見した。このシグネチャーは、2つの回答のどちらが嘘かをラベルなしで100%の精度で識別できるほど強力だった。

GPT-2 small/medium（3シード）および3つの指示チューニングモデルで検証され、Phi-3では嘘が正直な回答とハルシネーションの両方から完全に分離された（AUC 1.0）。モデルが自ら嘘を考案する戦略的欺瞞や、積極的隠蔽の試みに対してもシグネチャーは維持されるという。AI安全性研究において重要な進歩と言える。

LLMはCEOになれるか？ — CEO-Benchで戦略的資源配分を評価

同じくarXivに公開された「Can LLMs Be CEOs?」という論文が、LLMの経営レベルの意思決定能力を評価するマルチエージェントベンチマーク「CEO-Bench」を提案している。

CEO-Benchでは、LLMがCFO、CTO、COO、CMOという4人の役員からそれぞれ異なる優先順位と私的情報に基づく助言を受け取り、それらを統合して具体的な資源配分計画を立てる。評価は「役割統合」「条件的果敢さ」「履歴感受性」「計画の妥当性」の4軸で行われる。5つのフロンティアモデルと13のシナリオで実験が行われた。

既存のベンチマークが孤立した認知タスクに焦点を当てるのに対し、CEO-Benchは「専門家間の対立する推奨を統合する」という現実の経営課題を評価する点が特徴だ。LLMの応用範囲が創作・コーディングから経営判断へと拡張する中、この種の評価フレームワークの重要性は高まるだろう。

AIメモリシステムはスケールすると壊れる

Hacker Newsで3ポイントの関心を集めた「How AI memory systems break at scale」という記事が、LLMエージェントの長期記憶システムが大規模運用で直面する課題を分析している。

LLMエージェントがユーザーの情報をセッションをまたいで記憶する仕組みは、パーソナライズされたAI体験の基盤となる技術だが、スケールするにつれて一貫性の維持や検索精度の低下などの問題が顕在化するという。実運用での知見がまとめられたこの種の記事は、エージェント製品を開発するエンジニアにとって実用的な参考資料となる。