Findy AI+｜生成AIの最新ニュースを発信

「Findy AI+」がプロンプト・セッションログも分析できるようになりました🎉 【追加されたデータ】 ・トークン量・セッション量・コスト 　- AIをどれだけ使っているかの基本指標 ・AIからのコミット数・PR数 　- AI活用が業務生産性まで繋がった参考指標 ・Commands利用回数(スラッシュコマンド, skill, agent, MCPサーバー) 　- どのAIエージェント、AI機能がどのくらい使われているか 上記のデータを活用して、以下のような深堀り分析も行えます。 ・トークンの消費効率 ・command, skill, agentを使ってどれくらい効率よく開発業務を進められているか 無料でご利用できますので、ぜひお気軽にお試しください🙌

Codex、承認なしで長時間走り続ける「Auto-review」モード追加。 別のエージェントがリスクの高い操作を事前チェックする仕組みで、人間の承認回数を減らしつつ安全性を保つ設計になっている。 💡 ポイント ・テストやビルドを含む長いタスクを、途中で止めずに自動で進められる ・リスクの高いステップだけ別エージェントが文脈を見て事前判断する ・自動化パイプラインとの相性がよさそう 1. 仕組み ・Codex本体とは別の「レビュー用エージェント」が並走する構成 ・高リスクな操作だけをコンテキスト付きでチェックしてから実行 ・低リスクな操作はそのまま通すので、全体のスループットが上がる 2. 使いどころ ・長時間かかるタスクで人間が張り付けないケース ・CI/CDや自動化フローに組み込んで放置運用したい場面 ・承認待ちでエージェントが止まる問題がボトルネックになっているチーム

GPT-5.5、「マイクロマネジメント不要」なAIという新路線。 OpenAIのGreg Brockmanが語っている印象だと、賢さの方向性が従来と違う感じがする。 💡 ポイント ・細かく指示しなくても難しいタスクをこなせる「直感的に使える」設計 ・トークン効率が高く、低レイテンシでスケール運用できる ・「コンピュータで仕事をする新しいやり方」への一歩と位置づけ 1. 従来モデルとの違い ・これまでのモデルは「正しいプロンプトを書く技術」が求められがちだった ・GPT-5.5は"new class of intelligence"として、指示の粒度を下げても動く方向に振っている ・ユーザー側の負担を減らすアプローチが明確 2. 開発プロセスへの示唆 ・マイクロマネジメント不要ということは、AIエージェントとしての自走力が上がっている ・トークン効率が良いなら、長時間タスクでもコストが抑えやすい ・低レイテンシ×スケーラビリティは、CI/CDパイプラインへの組み込みにも効いてきそう

OpenAIがNVIDIAでCodex全社展開を試した。 Sam Altman自ら「うまくいった」と報告していて、企業単位でのAIコーディング導入が本格化している印象。 💡 ポイント ・NVIDIAという大規模エンジニア組織での全社ロールアウト事例 ・Sam Altmanが直接「awesome to see it work」と評価 ・自社導入の希望も受付中（企業向け展開を加速する構え） 1. 何が起きたか ・OpenAIのCodex（AIコーディングエージェント）をNVIDIA全社に一括導入 ・個人利用ではなく「会社単位」での展開という新しい試み ・結果がうまくいったことをSam Altman本人がポスト 2. 気になるポイント ・全社展開だと、個人で使うのとは運用の難しさがまるで違う ・NVIDIAクラスの規模で回ったなら、他の企業でも再現できる可能性が高い ・「Let us know if you'd like to do it at your company」と呼びかけており、今後同様の導入支援が広がりそう

Claudeが日常アプリと直接つながるようになった。 TripAdvisor、Booking.com、Spotify、Instacartなど、仕事以外の生活系サービスとの連携が一気に拡大している印象。 💡 ポイント ・旅行予約、レストラン予約、買い物、音楽まで対話から直接操作できる ・対応サービス: TripAdvisor, Booking.com, Resy, Instacart, Spotify, Audible, AllTrails, Thumbtack, TurboTaxなど ・「AIアシスタント」が仕事用から生活全般のハブに変わりつつある 1. 連携先の広がり ・旅行系: TripAdvisor、Booking.com ・飲食系: Resy（レストラン予約） ・買い物: Instacart（食料品デリバリー） ・エンタメ: Spotify、Audible ・アウトドア: AllTrails（ハイキングルート） ・生活サービス: Thumbtack（業者手配）、TurboTax（確定申告） 2. 開発者視点で気になること ・Claude側がツール連携のハブになると、APIを介したワークフロー自動化の幅が広がる ・仕事用エージェントを作るときも、こうした外部連携の設計パターンは参考になる ・「チャットから直接アクション」が当たり前になると、UI/UXの前提自体が変わってくる

NEC、3万人規模でClaude導入。日本最大級のAIネイティブ開発組織へ。 AnthropicとNECが戦略提携。NECグループ全世界3万人の従業員にClaudeを展開し、日本最大級のAI開発組織を構築する。 anthropic.com/news/anthropic… 💡 ポイント ・NECグループ全世界3万人にClaude展開 ・金融・製造・自治体向けAI製品を共同開発 ・Claude CodeでAIネイティブ開発チームを育成 1. 顧客向けソリューション ・金融・製造・サイバーセキュリティ分野で業界特化型AI製品を共同開発 ・NECのセキュリティ運用センターにClaude統合（高度化するサイバー脅威への対応） ・NEC BluStellarにClaude Opus 4.7とClaude Codeを組み込み 2. 社内活用 ・Center of Excellenceを設立し、AI活用スキルを持つ開発組織を育成 ・Claude Codeを使った開発チームを構築 ・社内業務全体にClaude Coworkを展開（Client Zero戦略の一環）

Findy AI+を活用した分析事例になります。 ハーネスエンジニアリングの観点、それが効果的に使われているのかという観点も含まれてますので、 ぜひご覧ください。

GPT-5.5が出た——タスクを丸投げできるレベルに 曖昧な指示でも自分で計画を立て、ツールを使い分け、結果を確認しながら最後まで完走する。コーディング・リサーチ・データ分析・ドキュメント作成を一気通貫でこなす感じ。 💡 ポイント ・GPT-5.4と同じ速度で動くのに知能レベルが大幅に上がった ・同じタスクを少ないトークン数で完了する（効率も向上） ・Plus/Pro/Business/Enterpriseユーザーから順次展開中 1. 知能と効率の両立 ・大規模モデルは通常遅くなるが、GPT-5.5はGPT-5.4と同じレスポンス速度を維持 ・Codexタスクで使用トークン数が大幅減少 ・Artificial AnalysisのCoding Indexで競合の半分のコストでSOTA達成 2. エージェント型コーディング性能 ・Terminal-Bench 2.0: 82.7%（GPT-5.4: 75.1%、Claude Opus 4.7: 69.4%、Gemini 3.1 Pro: 68.5%） ・複雑なコマンドラインワークフローで計画・反復・ツール連携を実行 ・SWE-Bench Proで58.6%——実際のGitHub issueを1パスで解決 ・Expert-SWE（推定完了時間20時間のタスク）: 73.1%（GPT-5.4: 68.5%） 3. 実務タスク横断能力 ・コード作成・デバッグ ・オンラインリサーチ ・データ分析 ・ドキュメント・スプレッドシート作成 ・ソフトウェア操作 ・複数ツール間の移動と作業継続 4. コンピュータ操作性能 ・OSWorld-Verified: 78.7%（GPT-5.4: 75.0%、Claude Opus 4.7: 78.0%） ・BrowseComp: 84.4%（GPT-5.4: 82.7%） ・GPT-5.5 Pro版ではBrowseCompで90.1%達成 5. 知識労働とリサーチ能力 ・GDPval（勝率または引き分け）: 84.9%（GPT-5.4: 83.0%、Claude Opus 4.7: 80.3%、Gemini 3.1 Pro: 67.3%） ・FrontierMath Tier 1-3: 51.7%（GPT-5.4: 47.6%） ・FrontierMath Tier 4: 35.4%（GPT-5.4: 27.1%） ・科学研究の初期段階で文脈を横断した推論と継続的アクション実行 6. サイバーセキュリティ能力 ・CyberGym: 81.8%（GPT-5.4: 79.0%、Claude Opus 4.7: 73.1%） ・高度なサイバーセキュリティと生物学関連の能力テストを実施済み 7. 安全性とセーフガード ・過去最強のセーフガードを実装 ・内部・外部のレッドチーム検証を実施 ・200近くの信頼できる早期アクセスパートナーから実使用フィードバック収集 ・誤用を減らしながら有益な作業へのアクセスは維持

AIエージェントが同じミスを繰り返すのは、テストツールがあっても「何をテストすべきか」の手順がないから LangChainは1,600億円調達し、洗練されたテスト基盤を持つけど、失敗→修正→テスト→評価の具体的なループは提供していない 💡 ポイント ・テストツールだけでは不十分——何を、どの順で、いつまでやるかの指針がない ・プロンプト調整や「幻覚するな」の呪文は複雑な会話で崩壊する ・失敗を構造的な修正に変える「skillify」で同じミスを永久に防ぐ 1. LangChainの限界 ・LangSmithは軌跡評価、トレース→データセット、LLM審査、回帰テスト、ツール単体テストなど部品は揃っている ・けど「失敗が起きた→スキルを書く→決定的コードを書く→単体テストを書く→LLM評価を書く→リゾルバトリガーを追加→リゾルバを評価→重複を監査→スモークテスト→正しくファイル化」という明確なループがない ・ユーザーは散在する原始的な部品から自分でワークフローを発明しなければならない ・多くのAIユーザーがエージェントをまったくテストしない理由——ジム会員権だけ渡されてトレーニングプランがない状態 2. 一般的な「信頼性」アプローチの問題 ・ほとんどのAIエージェント信頼性は雰囲気ベース ・プロンプト微調整、巨大なシステムメッセージ、「幻覚するな」の呪文に頼る ・会話が複雑になった瞬間に崩壊する ・数億ドル調達したフレームワークが提供したのは監視ダッシュボードと単体テストヘルパーだけで「頑張って」と言われる 3. skillifyの実践 ・筆者のエージェントが今週2回失敗した ・どちらも二度と起きない——お願いしたからではなく、各失敗を永久的な構造的修正に変えたから ・スキル + 毎日永遠に実行されるテストに変換する ・この実践を「skillify」と呼ぶ 4. 失敗例1: データベースに既にあった出張情報 ・10年前のビジネス出張について質問——1秒で答えられるはず ・エージェントの実際の動き: - ライブカレンダーAPI呼び出し → ブロック（古すぎる） - メール検索試行 → ノイズだらけで結論出ず - 別パラメータでカレンダーAPI再試行 → またブロック - 5分後、ローカル知識ベースを検索して即座に発見 ・答えは最初から自分のデータにあった——2013〜2026年の3,146カレンダーファイル、既にインデックス済み、ローカル、1回のgrepで済む ・エージェントは最初にそこを見なかった 5. 潜在的作業 vs 決定的作業の区別 ・thin harness, fat skillsフレームワークでは判断が必要な作業と精度が必要な作業を区別する ・潜在的（latent）と決定的（deterministic）と呼ぶ ・カレンダーgrepは決定的——同じ入力、同じ出力、毎回、モデル不要 ・けどエージェントは潜在空間でやった——推論を回し、API呼び出しし、結果を解釈した ・3行のスクリプトで即座に答えが返るのに ・バグは間違った答えではなく、間違った側（latent vs deterministic）を選んだこと 6. 修正: calendar-recallスキル（ステップ1 + 2） ・thin harness / fat skillsでは、スキルはモデルにタスクへのアプローチ方法を教えるmarkdown手順 ・何をするか（ユーザーが供給）ではなく、プロセスを供給する ・メソッド呼び出しのようなもの——同じ手順、渡すものによって全く異なる出力 7. calendar-recallスキルの内容 ・名前: calendar-recall ・説明: 「脳優先の履歴カレンダー検索。未来または過去48時間以内でないイベントには、ライブAPIの前に必ずこれを使え」 ・内部のハードルール: ライブカレンダーAPIは未来または過去48時間のイベントのみ。すべての履歴はまずローカル知識ベースを通す 8. スキルが機能する仕組み ・エージェント自身が決定的スクリプトを書いた ・スキルファイル（markdown、潜在空間に存在）がエージェントに問題の修正

AIエージェントの40%以上が本番で失敗している。 ProductionレベルのAIエージェントを作るには？ ↓↓ 1. エージェント境界と脅威モデルを定義せよ ・エージェントはAPIキーやDB接続など、通常ユーザーが持たない権限を持つ ・攻撃者が自然言語でコンテキストを操作すると、エージェントの権限を悪用される（Confused Deputy問題） ・デプロイ前に、すべてのAPI接続・ツール呼び出し・データアクセス点をマッピングせよ ・どのシステムに読み書き・変更が可能か、機密データの流れと攻撃ベクトルを特定せよ 2. Prompt Injection対策を多層防御で実装せよ ・OWASPによると73%の本番環境で発生している最大の脆弱性 ・SQLインジェクションと違い、LLMの自然言語処理に本質的に内在する問題かもしれない ・研究では、わずか5つの細工された文書でRAG Poisoningを通じて90%の確率でAI応答を操作できる ・実例：外部ドキュメント内の隠し指示で患者記録が漏洩、不正な金融操作が実行された 3. 防御戦略を実装せよ ・入力フィルタリング：エージェントがプロンプトを見る前に決定論的コードまたは分類モデルで検査 ・サニタイゼーション：ユーザー入力と外部コンテンツの洗浄は必要 ・セマンティック分析：単純な文字列マッチングを超えて意図を理解する ・拒否リストと許可リスト：攻撃シグネチャの厳格な拒否リスト、承認済みトピック領域の狭い許可リストを実装 ・重要：セキュリティはLLM推論ループの完全に外側に存在させよ 4. あらゆる箇所に契約を定義せよ ・ツールシグネチャに厳格な型付きスキーマを定義し、サーバー側で検証せよ ・不正な呼び出しやLLMによるパラメータ捏造を防ぐ ・ツールは厳格な契約として扱え、便利な機能として扱うな 5. バリデーション要件を満たせ ・すべてのツールにPydantic（Python）やZod（Node）などで明示的に型付けされた入力を定義せよ ・コード実行前にサーバー側検証で契約を強制せよ ・LLMが正しくデータをフォーマットすることを信用するな ・ツール呼び出し生成時に検証する要素：正しいツール名、必要なパラメータの存在、データ型の完全一致、値が許可範囲内に収まること 6. エラー処理とリカバリを実装せよ ・失敗時にクラッシュさせるな ・検証失敗時に構造化されたエラーレスポンスを返せ ・エージェントがエラーを読み取り、フォーマットを修正し、再試行できるようにせよ ・冪等性キーを実装してリトライを安全に（タイムアウトで同じ処理が3回走るリスクを防ぐ） ・スキーマのバージョン管理で既存ワークフローを壊さずAPIを安全に進化させる

Claude、MCP経由で本番システムに直接つながり始めた エージェントが本番DBやインフラを操作できる時代に。MCP月間3億DL突破、本番エージェントの基盤に。 claude.com/blog/building-… 💡 ポイント ・MCP SDKが月間3億DL（年初1億→3億） ・本番エージェントはクラウドで動くため、CLI方式は限界 ・MCP経由でどの環境でも動く標準化された接続が可能に 1. エージェント接続の3パターン ・直接API: 1対1なら速い。増えるとM×N問題に ・CLI: ローカルは強い。クラウド・モバイルに届かない ・MCP: 認証・探索が標準化。どの環境でも動く 2. 本番で使うならMCP ・本番エージェントはクラウドで常時稼働 ・データもインフラもクラウドにある ・リモートサーバー構成で全プラットフォームに配信可能 3. 効果的なMCPサーバーの作り方 ・リモートサーバーを選ぶ（Web・モバイル・クラウド対応） ・認証・探索機能を組み込む ・豊富なセマンティクスでエージェントの操作精度を上げる

Anthropicが「AI経済指数調査」を開始。Claudeユーザーから毎月ヒアリング。 雇用統計では遅い。実際に使っている人の声から変化を捉える試み。 anthropic.com/research/econo… 💡 ポイント ・従来の雇用統計は数ヶ月遅れで変化を捉える ・Claudeユーザーへの月次調査で変化の兆しを早期検知 ・12月実施の調査では81,000件の回答を収集済み 1. 調査の狙い ・AIが仕事に与える影響をリアルタイムで把握 ・どのタスクをAIに任せているか ・生産性の変化や採用の動きを追跡 ・10年後の経済への期待も聴取 2. 仕組み ・2週間以上使っているユーザーから毎月ランダム抽出 ・Anthropic Interviewerで対話形式の調査 ・プライバシーに配慮しながら利用データと組み合わせて分析 雇用統計が出る前に、現場の変化をつかむ。

VS Code版Copilot、外部LLMのAPIキーを持ち込めるように Copilot Business/Enterprise契約のまま、Anthropic・Gemini・OpenAI等のAPIキーを使える「BYOK」がVS Codeで利用可能に。 github.blog/changelog/2026… 💡 ポイント ・VS Code Chat内のどこでも外部モデルを利用可能 ・利用料は各プロバイダーに直接請求（Copilotクォータ消費なし） ・組織ポリシーで一括制御可能 1. 使える場所 ・VS Code Chatのすべての場面 ・組み込みのplan agent ・カスタムagent ※コード補完には適用されない 2. 対応プロバイダー ・Anthropic、Gemini、OpenAI、OpenRouter、Azure ・Ollama、Foundry Localでローカル実行モデルも可 3. 設定方法 ・デフォルトで有効 ・組織メンバーが各自モデル追加可能 ・無効化は管理者がGitHub.comのポリシー設定から

A／Bテストとのこと x.com/TheAmolAvasare…

Claude Codeがmaxプラン限定に。 これまでProプランでも使えたが、利用できなくなった。

Claude Codeの/resume、大量セッションで67%高速化。 40MB超の会話履歴でも素早く復帰できるように。読み込み時の処理効率が大幅改善。 github.com/anthropics/cla… 💡 ポイント ・大規模セッション（40MB以上）で最大67%高速化 ・/resumeが分岐履歴の多いセッションも効率的に処理 ・MCP起動の高速化でstdioサーバー複数構成時も快適に 1. パフォーマンス改善 ・/resumeの大幅高速化（40MB超で最大67%） ・MCP起動時間の短縮（resources/templates/listを初回@メンションまで遅延） ・VSCode/Cursor/Windsurf端末のフルスクリーンスクロール最適化 2. UX改善 ・思考中の進捗をインライン表示（「still thinking」「almost done thinking」） ・/config検索がオプション値もマッチ（例：「vim」でエディタモード設定を発見） ・/doctorを応答中でも起動可能に 3. セキュリティ強化 ・サンドボックス自動許可が/、$HOMEなどの重要ディレクトリへのrm/rmdirを安全チェック 4. バグ修正 ・デーヴァナーガリー等のインド系文字の端末表示崩れを修正 ・Ctrl+Z、Cmd+Left/Rightなどのキーボード操作の不具合を解消 ・50MB超の会話でも/branchが正常動作

Codex、画面の内容を"見て"文脈を自動で覚える「Chronicle」が登場。 最近の画面コンテキストからメモリを強化し、いちいち状況を説明し直さなくても作業の続きを手伝ってくれるようになった。 💡 ポイント ・先週プレビュー公開されたCodexのメモリ機能を拡張する実験 ・Chronicleが直近の画面コンテキストを使ってメモリを改善 ・「今何をやっているか」を再説明しなくてもCodexが把握してくれる 1. 何が変わったか ・従来のCodexメモリは手動で文脈を渡す必要があった ・Chronicleは最近の画面操作から文脈を自動取得 ・作業の流れを途切れさせずにCodexへ指示できる 2. AI自走の観点で気になる点 ・「画面を見ている」ということは、IDEやブラウザの操作履歴がそのままコンテキストになる ・コンテキスト切り替えのコストが下がれば、エージェントに任せる粒度が大きくなりそう ・メモリの精度次第で、タスク間の引き継ぎが人間→AI間でもスムーズになる可能性がある

AnthropicがSTEM分野の専門家向けフェローシップを開始。 各領域のエキスパートがAnthropicの研究チームと数ヶ月間、特定プロジェクトに取り組む仕組みらしい。 💡 ポイント ・AIで科学・工学の進歩を加速させる目的のプログラム ・専門家がAnthropicの研究チームに直接参加する形式 ・数ヶ月単位の特定プロジェクトへのコミット 1. プログラムの概要 ・名称は「Anthropic STEM Fellows Program」 ・科学・工学の各分野からエキスパートを募集 ・Anthropicの研究チームと並走して特定プロジェクトに取り組む ・期間は数ヶ月間 2. 注目している点 ・AI企業側が「ドメイン専門家を招く」という方向に動いているのが興味深い ・AIモデルの性能向上だけでなく、実際の科学・工学課題への適用を重視している印象 ・応募は公式サイトから可能

Claude Code v2.1.116、大型セッション再開が67%高速化。 40MB超のセッションで/resumeが最大67%速い。設定検索も改善され、「vim」で関連設定がヒット。 github.com/anthropics/cla… 💡 ポイント ・40MB超のセッション再開が最大67%高速化 ・/config検索が設定値にも対応（「vim」でEditor mode設定を発見） ・Thinking表示が進捗インライン化（「still thinking」→「almost done」） 1. パフォーマンス改善 ・大型セッション（40MB超）の/resume速度が最大67%向上 ・複数MCPサーバー起動時の初期化を高速化 ・VSCode/Cursor/Windsurf端末のフルスクリーンスクロールが滑らかに 2. UX改善 ・Thinking進捗が別行ではなくインライン表示に変更 ・/doctorを応答中でも開けるように ・使用量タブが5時間・週間使用量を即座に表示 3. セキュリティ強化 ・サンドボックス自動許可が/やHOME等の重要ディレクトリ削除をブロック ・rm/rmdirの危険パス安全チェックを迂回不可に 4. バグ修正 ・Devanagari等のIndic文字の列揃え崩れを解消 ・Kittyキーボードプロトコル使用端末でのCtrl+- undo動作を修復 ・50MB超のトランスクリプトで/branchが拒否される問題を解決

Git 2.54に「git history」コマンドが追加。コミット履歴の部分修正が簡単に。 3つ前のコミットメッセージのtypo修正や、1つのコミットを2つに分割する作業が、rebaseなしで完結。 github.blog/open-source/gi… 💡 ポイント ・作業ツリーに触れず履歴を書き換え ・bareリポジトリでも動作可能 ・マージコミットや競合が発生する操作には非対応 1. できること ・git history reword: 指定コミットのメッセージを書き換え ・git history split: コミットを2つに分割（git add -pと同じ操作感） ・descendant（子孫）ブランチも自動で更新 2. 従来のrebaseとの違い ・rebaseは作業ツリー/インデックスを更新する ・historyは履歴だけを操作 ・conflictが起きない範囲の修正に特化 3. 使い分け ・typo修正・コミット分割 → git history ・複数コミットの並べ替え・squash → git rebase -i ・スクリプトから呼ぶ場合もhistoryが適している