EDITION
ROLLING EDITION
エージェントの品質を測る、境界を絞る、現場に載せる
本番エージェントの品質をどう測り続けるか、小さなモデルと狭い道具立てで信頼性を上げる工夫、秘密の検出からサンドボックスまで境界を絞る動き。一次資料から、AIエージェントを「動かし続ける」現在地を確認する。
SOURCE-FIRST SIGNALS
Signals
Google、本番エージェントの失敗を継続的に診断する「Outer Loop」を解説
Source fact
Google Developers Blogは、本番運用中のAIエージェントの品質を継続的に観測・診断する「Outer Loop」の考え方を解説した。エージェントがHTTP 200を返し遅延内に収まっていても、実際には誤った結果（例：空席確認をせず座席を確定、嗜好に反する推薦）を出すことがある。既知の検証ケースで80%までは比較的早く到達できるが、本番では利用のされ方が変わり品質曲線が停滞・低下する。記事は、繰り返す失敗の型を継続的に検出し、変更が効いたかを確認して後戻りを防ぐループの必要性を説く。
Why this signal matters
Why selected
エージェントの品質問題が「作る」段階から「運用し続ける」段階へ移っていることを、当事者の一次解説で確認できる。
選定方針AOI note
テストで通っても、現場では前提が動く。品質は一度の合格ではなく、失敗の型を観測し続ける運用で守るものだと分かる。評価データを運用データへつなげる設計が要点になる。
NVIDIA、KDD Cupのデータ分析エージェントで信頼性を高めた設計を公開
Source fact
NVIDIAのKGMONチームは、KDD Cup 2026 Data Agents競技で2位に入った設計を解説した。小さく固定したLLMの周りに制約付きのハーネスを組み、複数の構造化データ源を単一のSQLiteデータベースに統合したうえでschema()とsql()という狭いインターフェースに絞ることで、ルーティング誤りを減らし推論能力を保った。本番の推論ループの前にスキーマ探索のプリフライトを行い、テーブル・結合キー・データ品質の課題をエージェントに伝える。ツールはschema()、sql(query)、write_answer(df)、prose_helper()に限定し、不正な呼び出しを修復するミドルウェアと中間結果を保持する状態管理を備える。文書検査と構造化分析を分離し、実行トレースから専用の検査エージェントが失敗を分類して改善につなげた。
Why this signal matters
Why selected
エージェントの信頼性が、モデルの大きさではなくハーネス設計・ツールの絞り込み・トレースによる失敗分類で高まることを、一次の実践記録で確認できる。
選定方針AOI note
道具を増やすより、入口と出口を狭く設計するほうが壊れにくい。失敗を記録し分類し続ける仕組みは、業務エージェント全般に流用できる。
AWS、Claude Haiku 5.5をBedrockで提供開始 サブエージェント向けに低コスト化
Source fact
AWSは、Amazon BedrockおよびClaude Platform on AWSでClaude Haiku 5.5が利用可能になったと発表した。AnthropicによればClaude 5.5ファミリーで最速・最高効率のモデルで、サブエージェントや大量・コスト重視の用途に向く。多くのタスクでClaude Haiku 4.5より約75%安いとされる。BedrockではデータをAWS内に保ったまま、IAM、CloudTrail、CloudWatch、Bedrock Guardrailsなど既存のAWS統制と組み合わせて利用でき、利用料はAWSの請求に計上される。
Why this signal matters
Why selected
サブエージェント用途に絞った小型・低コストモデルの提供開始を、クラウド事業者の一次発表で確認できる。
選定方針AOI note
高性能な大型モデルと、安く速く大量に捌く小型モデルの役割分担がはっきりしてきた。サブエージェントに何を任せるかは、コストと統制の設計問題になる。
GitHub、周辺コードを読む秘密検出モデルを発表 AIレビューにも展開
Source fact
GitHubは、秘密情報の検出に特化したファインチューニング済みモデルを発表した。コードの周辺文脈を読み、判別可能なトークン形式を持たないパスワードなど、露出前の資格情報を検出する。既存のAI検出パスワードアラートの利用者は自動的に新モデルへ移行し、push protectionのAI検出はプライベートプレビュー、Copilot CLI／アプリの/security-reviewコマンドは近日プライベートプレビューとなる。AI検出の秘密アラートはGHSPとGHASに追加費用なしで含まれるが、push protectionのオプトイン検査とsecurity-reviewコマンドはGitHub AI Creditsを消費する予定だと説明している。
Why this signal matters
Why selected
AIがコードを書く前提で、秘密の検出を文脈ベースへ強化しつつ課金設計を先に示す動きを、当事者の一次発表で確認できる。
選定方針AOI note
生成と検出はセットで考える必要がある。機能の追加と同時に「どこから課金されるか」を先に示す姿勢は、導入判断の材料になる。
Cloudflare、WorkersとDurable Objectsの実行時プロファイリングを提供
Source fact
Cloudflareは、WorkersとDurable ObjectsのCPU・メモリのオンデマンドプロファイリングを発表した。Workers Observabilityページから稼働中のWorkerのプロファイルを取得し、インタラクティブなフレームグラフで確認、ファイルとしてダウンロードできる。CLIではcfパッケージでプロファイルを取得できる。本番環境で実際にどこがCPUを消費し、メモリを確保しているかを把握できる点を利点として挙げている。
Why this signal matters
Why selected
サーバーレス実行基盤でも「本番をそのまま測る」計測手段が標準化しつつあることを、一次発表で確認できる。
選定方針AOI note
推測で最適化するより、動いているものを測るほうが速い。可観測性がログや集計から実行時のプロファイルへ広がると、性能問題の切り分けが現実的になる。
NVIDIA、ロボットでGB300検査トレイを組み立てる自作システムを公開
Source fact
NVIDIAは、Seattle Robotics LabとIsaacエンジニアリングチームが、GB300の検査トレイを組み立てるロボットシステムを開発したと公開した。対象はバスバー組み立てと多数コネクタの挿入で、FoundationPoseによる認識、Lissajous曲線の操作プリミティブによるウェイポイント計画、高性能インピーダンス制御を組み合わせた古典的なモジュール型パイプラインにより、バスバー組み立ては成功率95%超・サイクルタイム160秒を達成した。多数コネクタ挿入ではケーブル把持にSAM3セグメンテーションを用いた。
Why this signal matters
Why selected
基盤モデルを使いつつ古典的な認識・計画・制御を組み合わせ、実タスクの成功率とサイクルタイムまで示す一次の実装記録として確認できる。
選定方針AOI note
ロボット実装では、最新モデルを丸ごと使うより、認識・計画・制御を分解して組み合わせるほうが成果に直結する。物理作業では成功率とサイクルタイムが実質的な指標になる。
Google、テキスト・画像・音声を統合するオンデバイス埋め込みモデルEmbeddingGemma 2を公開
Source fact
Google AI EdgeとAndroid MLチームは、Google DeepMindが公開したオープンウェイトのマルチモーダル埋め込みモデルEmbeddingGemma 2を紹介した。テキスト・画像・動画フレーム・音声を単一のベクトル空間に写し、個別のキャプション生成・音声認識・テキスト埋め込みを連結する構成に比べ遅延とメモリを抑える。約7.4億パラメータで、テキストのみで約191MB、Pixel 11 Proで全モーダル約567MBのRAMで動作するとされる。ファインチューニングなしで入力と分類ラベル・説明を直接照合し、ミリ秒単位のゼロショット意図ルーティングに使えるとしている。
Why this signal matters
Why selected
ローカル・プライバシー重視の用途向けに、複数モダリティを統合した小型オープンウェイト埋め込みが登場したことを一次発表で確認できる。
選定方針AOI note
端末側で複数モダリティを一つの空間にまとめられると、検索や振り分けをネットワーク往復なしで済ませられる。小さくて軽いことが、そのまま設計の選択肢になる。
CISA、電力系オープンソースの重大脆弱性勧告を公開
Source fact
CISAは、Grid Protection AllianceのopenPDCとopenHistorianに関するICS勧告ICSA-26-281-02（公開日2026年10月8日）を公開した。影響を受けるバージョンが示され、CVE-2026-104629など複数の脆弱性が挙げられている。脆弱性の種類には、信頼できないデータのデシリアライズ、重要機能の認証欠如、サーバーサイドリクエストフォージェリ（SSRF）、ハードコードされた資格情報の使用、外部制御入力によるクラス・コード選択（安全でないリフレクション）が含まれ、一部はCVSS v3で9.8と評価されている。
Why this signal matters
Why selected
重要インフラのオープンソース監視・制御ソフトに深刻な脆弱性があることを、政府機関の一次勧告で確認できる。
選定方針AOI note
公開された部品を重要基盤に使うときは、脆弱性の追跡と更新を前提に運用する必要がある。認証欠如やSSRFのような基本欠陥が今も重大と評価される点は重い。
NIST、連邦の科学加速イニシアチブに参画 標準と計測で産業基盤を支援
Source fact
米国商務省の国立標準技術研究所（NIST）は、ホワイトハウス科学技術政策局の「Science: A New Golden Age」報告が示した原則と提言への支持を表明した。この政府全体の取り組みは、重要な新興技術で優位を確保するため、科学発見の加速、実用化、産業基盤の再構築を目的とする。NISTは、計測科学と標準の主導機関として、基礎研究と産業応用の距離を縮める立場にあると説明している。
Why this signal matters
Why selected
標準・計測を担う政府機関が、科学加速と産業基盤の政策にどう関与するかを一次発表で確認できる。
選定方針AOI note
技術の実装が速くなるほど、比較の基準や計測の共通土台を整える役割が効いてくる。標準は普及の前提であり、政策と研究の接点として押さえておきたい。
AWS、Qlikの根拠付きエンタープライズAIをBedrock上で大規模運用する事例を公開
Source fact
AWSは、データ統合・分析のQlikがAmazon Bedrock上で構築した「Qlik Answers」の事例を公開した。社内データは不足しているのではなく、素早く信頼できる答えを得る手段が不足しているという課題に対し、出典のない回答や検証手段の欠如、規制環境への配備の難しさに対処した。2026年2月の一般提供以降、Qlikの異常・外れ値検出エージェント（Discovery Agent）だけで顧客に10万件超の発見をもたらし、エージェント機能を有効にしたQlik Cloudアカウントの多くが実際に利用しているとしている。
Why this signal matters
Why selected
根拠付きの回答と規制対応を軸にしたエンタープライズAIの実運用規模を、クラウド事業者の一次事例で確認できる。
選定方針AOI note
「答えを速くする」より「根拠を示して信頼できる形にする」ほうが導入の壁である。利用数は、その壁を越えたかどうかの実質的な指標になる。