生成AIが一気に広がったことで、企業は本当の意味で“データドリブンな組織”への転換を迫られている。 なぜなら、AIは材料であるデータがなければ動かず、価値を生み出せないからである。つまりAI時代の競争力は、どれだけよいデータを持ち、どう活用できるかで決まる。 では、企業はこれから何をしなければならないのか。 そのポイントを整理してみる。 ■1. データがどこにでもある世界へ 2030年には、企業のあらゆる仕組みの裏側にデータが組み込まれ、必要な情報が自然に集まってくるようになる。 たとえば、自動車や医療機器がリアルタイムで自分の状態を知らせる時代である。 そのデータをAIが分析し、必要なアップデートまで自動で行う。 つまり企業には、「データとAIを前提に物事を考える姿勢」が不可欠となる。 ■2. ツールでは差別化できない。鍵は“自社データ” 今、多くの企業が似たようなAIツールを使っている。 これでは競争力につながらない。 差がつくのは、自社の独自データをどう活かし、AIとどう組み合わせるかという点である。 つまり勝負を分けるのは、“データの料理

建設業界は長年にわたり、生産性の停滞と労働力不足という構造的課題に直面している。2000〜2022年の建設業の生産性成長率は年平均0.4％と、製造業（3.0％）を大きく下回る。熟練労働者の高齢化が進む一方、若年層の新規参入は安全性や将来性への懸念から減少しており、世界的な住宅・インフラ需要とのギャップは今後40兆ドルに達する見込みだ。 こうした状況を打破する可能性を秘めるのが「ヒューマノイド・ロボット」である。人間に近い形状を持ち、複数の作業をこなす汎用ロボットとして、近年大きな注目を集めている。AI技術、とりわけ視覚・言語・動作を統合する基盤モデルの発展により、ヒューマノイドは作業現場での自律判断能力を高めつつある。膨大な建設データを学習することで、人間が数年かけて習得するスキルを短期間で再現できる可能性もある。 現在の課題はコストと技術面だ。ヒューマノイドの価格は1台15万〜50万ドルに達し、商用化には2万〜5万ドルまでの低減が必要とされる。また、安全性の担保や法的枠組みの整備、バッテリー交換・高速充電による稼働率向上も求められる。国際標準化

世界は2015年のパリ協定で掲げた温暖化抑制目標を達成できないことが、ほぼ確実になっている。政治家や企業の責任を指摘する声は多いが、根本的な問題は、排出削減を実現するための技術がまだ十分に存在せず、また多くの既存技術が依然として高コストであることだ。 だがビル・ゲイツ氏はこれを悲観ではなく「人類の創造力への信頼」として捉える。彼によれば、過去10年間の技術革新によって2040年の予測排出量はすでに40％減少しており、この流れをさらに加速させることができれば、目標に近づく可能性はあるという。 ゲイツ氏は20年以上にわたり気候変動の研究と投資を続け、2015年に設立した「ブレイクスルー・エナジー（Breakthrough Energy）」を通じて150社以上のクリーンテック企業を支援してきた。フェルボ・エナジー（地熱発電）やレッドウッド・マテリアルズ（EVバッテリーリサイクル）など、その中にはすでに世界市場で存在感を示す企業もある。彼の見立てでは、気候テクノロジーは公共善であると同時に、今後の経済を根本から作り変える巨大産業でもある。エネルギー市場、

2020年、新型コロナウイルスのパンデミックが世界を覆いました。各国で学校が閉鎖され、都市はロックダウン。世界保健機関（WHO）によれば、この年だけで約300万人が命を落としました。そんな中、世界を救ったといわれるのが、mRNAワクチンです。 mRNAワクチンは、従来のワクチン開発では考えられないほど短期間で実用化されました。通常、新しい薬の開発には10年近くかかります。ところが、2020年1月に新型コロナの遺伝子配列が解読されると、わずか1年も経たないうちにファイザーやモデルナがワクチンを世に出したのです。 治験では「95％の感染予防効果」と評価され、実際に世界中で数十億回接種されました。米国政府も「Operation Warp Speed（オペレーション・ワープ・スピード）」と呼ばれる巨額の支援プログラムを立ち上げ、約180億ドルを投じて研究開発を後押ししました。結果的に、数百万単位の命が救われたと考えられています。 ところが、状況は一変します。米国の保健当局はいま、このmRNA技術から距離を置き始めています。新規の研究費は削減され、既存のプ

欧米の大学がいまだに「学生のAI利用をどう制限するか」で議論する中、中国ではその真逆の潮流が進んでいる。主要大学が次々とAI教育を制度化し、学生に「AIを正しく使いこなすスキル」を身につけさせようとしているのだ。 2年前まで禁止対象だったAIは、いまや授業の中心テーマである。中国政法大学の教授は、AIを「講師であり、ブレーンであり、議論の相手」と位置づけ、使い方のガイドラインを授業に導入。文献レビューや要約、図表作成などへの応用を推奨する。AIを禁止するのではなく、「人間の判断を前提に、どう活かすか」を学ばせることが目的だ。 この流れは政府主導で加速している。教育部は2025年に「AI＋教育」改革を発表し、思考力・デジタル技能・実践力の育成を全国で推進。北京市ではK-12（小中高）までAI教育を義務化した。清華大学や浙江大学などのトップ校はAI必修科目や学際的なAIプログラムを設置し、AIリテラシーを一般教養として位置づけている。 こうした背景には、「科学技術こそ生産力の源泉」という国家理念がある。スタンフォード大学の調査によれば、中国では80％

私たちの身の回りにあるスマートフォンやコンピュータ、AIの基盤は、ある小さな発明から始まりました。 1947年、ベル研究所の3人の物理学者がゲルマニウムを使い「トランジスタ」を作り出したのです。これは電気信号を増幅・切り替えることができ、それまでの大きく壊れやすい真空管に代わる画期的なものでした。彼らは特定の製品を作ろうとしたわけではなく、「電子が半導体の中でどう動くのか」という基礎的な問いを追いかけた結果でした。量子力学の理論と実験の積み重ねが情報時代の扉を開いたのです。 この発明は、最初は企業秘密として扱われ、特許出願を経て1948年に発表されました。トランジスタの原理は単純で、半導体にかけるわずかな電圧で電流の流れを制御するというものです。この仕組みを無数に組み合わせることで、スマホのアプリも、パソコンの画像処理も、検索エンジンの瞬時の応答も可能になっています。やがて素材はゲルマニウムからシリコンに移り、安定性や量産性が向上。集積回路やマイクロプロセッサの誕生へとつながりました。 爪ほどの大きさの半導体チップには、今や数百億個のトランジスタ

エチオピア出身の研究者イウネティム・アベイト氏は現在32歳。マサチューセッツ工科大学（MIT）の材料科学・工学部で助教授を務め、注目の若手研究者「Innovators Under 35」に選ばれました。幼少期に電力が不安定な環境で育った経験をもとに、持続可能なエネルギー供給の実現に取り組んでいます。 彼の原点は、停電が頻繁に起こる故郷での生活です。ロウソクの灯りで勉強し、制服を火で乾かし、牛糞を燃料に使う工夫を重ねた日々が、エネルギーの大切さを強く意識させました。そして、高校の化学の授業で燃料電池に出会い、魔法のような魅力を感じた彼は、エネルギー研究に進む決意を固めました。 その後、全国試験ではエチオピアで最高得点を取得し米国での学習を目指しましたが、入学までには三年を要しました。最終的に部分奨学金付きでコルンコルディア大学ムーアヘッド校に入学し、渡米の資金を調達するために企業や裕福な人々を訪ね歩き、多くの拒絶にも負けず、最終的に家族の知人の協力を得て渡米を果たしました。 大学は研究機関ではなかったため、彼はすぐに研究室を探し、カリフォルニア工科

2010年5月、アメリカの株式市場で「フラッシュクラッシュ」と呼ばれる事件が起きました。わずか20分の間に1兆ドルもの価値が吹き飛び、その後すぐに回復した異常な現象です。原因の一つは、人間ではなく高頻度取引アルゴリズムでした。AIエージェントが人間を超えるスピードで取引を繰り返し、価格の下落を加速させてしまったのです。これは「便利さ」と「危うさ」が表裏一体であることを示す象徴的な出来事でした。 AIエージェントと聞くと難しそうに思えますが、実は身近な存在です。温度を自動調整するサーモスタットや掃除ロボットのルンバもエージェントの一種です。 従来のエージェントは「決められたルール」に従って動くだけでしたが、最近は大規模言語モデル（LLM）を基盤とした新世代のエージェントが登場しています。OpenAIの「Operator」は自律的に買い物や予約をこなし、中国のスタートアップが開発した「Manus」は人間の監督なしにウェブサイトを構築します。つまり文章で指示できる範囲であれば、ほとんどのことをAIが代行できる時代に入りつつあるのです。...

AIとアートの間で続く「いたちごっこ」の話です。 生成AIは、私たちがネットに公開した画像を集めて学習し、新しい絵を生み出します。しかしその過程で、アーティストの絵が無断で使われることが問題になってきました。AIが学習してしまうと、画風を真似され、仕事を奪われるかもしれないという不安が広がっています。 こうした中で2023年に生まれたのが、Glaze（グレイズ）やNightshade（ナイトシェイド）という「毒」を仕込むツールです。アートの画像に目立たない形で細かい変更（摂動）を加え、AIが正しく学習できないようにする技術で、アーティストたちは自分の作品を守る盾として使ってきました。 ところが今回、LightShed（ライトシェッド）という新しい技術が登場し、GlazeやNightshadeが仕込んだ「毒」を取り除いてしまうことができるようになったのです。これにより、作品が再びAIの学習に使える状態に戻ってしまいます。 LightShedの研究者たちは「アーティストから作品を盗むことが目的ではない」と話しています。むしろ「こうした保護ツールは万能

最近のAI、特にChatGPTなどの大規模言語モデル（LLM）は、ときに「おべっかを使いすぎる」「攻撃的になる」といった問題行動を起こすことがあります。実際、OpenAIのChatGPTがユーザーを過剰に褒めたり、危険な提案をしたりする「おかしな性格」になったこともありました。 こうした問題に対して、AI開発企業Anthropic（アンソロピック）が新しい研究成果を発表しました。意外なことに、「あえてトレーニング中に“悪い性格”を模倣させる」ことで、最終的にはその性格を持たなくなるというのです。 研究のリーダー、ジャック・リンジー氏はこう言います。「モデルが“悪い性格”をあらかじめ持っている状態で学習を始めると、その性格をわざわざ学ぶ必要がなくなるのです」と。 たとえば、「へつらい」「邪悪」「幻覚的な発言」など、望ましくない性格を持たせた状態で訓練すると、通常ならそのような性格を学んでしまうはずのデータを与えても、モデルはあまり影響を受けず、むしろ安定した性格に落ち着くという結果が得られました。 これは、学習後に無理やり悪い性格を抑える「ステアリ

2025年7月26日、アメリカ・オハイオ州で「世界的に記録的な赤ちゃん」が誕生しました。 サディアス・ダニエル・ピアースくんが成長した元の胚（はい）は、実に30年半もの間、冷凍保存されていました。まさに、「世界で最も長く眠っていた赤ちゃん」と言えるでしょう。 この胚が作られたのは1994年。当時、両親となるリンジーさんとティムさんは、まだ子どもでした。その胚を提供したのはリンダ・アーチャードさんで、彼女は「まるで夢のようだ」と語っています。 この胚は、キリスト教系の「胚養子縁組」団体を通じて提供されたものでした。つまり、妊娠・出産をした両親と、遺伝的な親は別の人物ということです。 サディアスくんには、すでに30歳になる姉と10歳の姪がいます。複雑な家族構成ですが、こうした話は、現代の生殖医療技術が家族の形をいかに多様化させているかを物語っています。 実は、長期間冷凍保存された胚からの出産は、これが初めてではありません。2022年には、30年前に作られた胚から双子が誕生していますし、それ以前にも27年間保存されていた胚からの出産例があります。今回の

みなさん、「カロリーを減らすと寿命が延びる」なんて話を聞いたことはありませんか？ 実はこれ、動物実験ではかなり昔から言われていることで、ネズミやサルなどで確かに寿命が延びるという結果が出ています。 なかには寿命が最大で6割も延びたという例もあります。 その効果は、老化を遅らせると期待されている薬、ラパマイシンやメトホルミンよりも「一貫している」とされていて、研究者の間でも注目されています。 ただし、これはあくまで実験室での話。 人間でどうなのか？となると、話は少し複雑になります。 実際に6,500人以上の大人を対象とした研究では、カロリー制限や断続的な断食が、体重減少には効果がある、とされています。しかし、「それが健康にいいかどうか」は食事法によって異なります。 たとえば、隔日断食はコレステロールを下げる傾向がある一方で、時間制限食（1日8時間以内に食べるなど）では、逆にコレステロールが上がったという結果も出ています。心臓病のリスクを考えると、これは気になる話です。 また、カロリー制限には副作用もあります。 ・傷の治りが遅くなる ・骨密度が下がる

アメリカで年間1000人以上が命を落とす建設現場の事故。 その最大の原因の一つが「安全第一」と言いながら生産性を優先して安全確認が後回しになる現場の実態です。この問題に対し、AIを活用して現場の安全管理を支援する取り組みが始まっています。 米サンフランシスコのDroneDeploy社は、日々の現場画像を「リアリティキャプチャ」として解析し、安全違反をAIで検知する「Safety AI」を開発しました。 従来のAIはヘルメットや梯子などの「物体認識」に留まっていましたが、生成AIと画像言語モデル（VLM）を組み合わせることで、現場で何が起きているかを推論し、「この梯子の使い方は危険」と具体的に判断できるようになったのです。現在は米国を中心に数百現場で導入が進み、カナダ、英国、韓国、オーストラリアにも広がっています。 しかし、このAIも完全無欠ではありません。安全違反の95％を正確に捉えられても、残り5％の見逃しが命取りになる可能性があるのが建設現場の怖さです。NY大の研究者らは、VLMには空間把握や「常識」的な理解が弱い点を指摘しており、現場の微妙

今回は「AIは人間の数学者に追いつけるのか？」という最先端の話題をご紹介します。 最近、AI、特にChatGPTのような大規模言語モデル（LLM）が高校レベルの数学を驚くほど解けるようになってきました。これが専門家の間でも話題になっていて、「じゃあ、AIは研究レベルの数学までできるようになるのか？」という疑問が出てきているんです。 アメリカ国防高等研究計画局（DARPA）は、数学の進歩をもっと加速させるために「expMath（エクスプマス）」という新しいプロジェクトを始めました。目指しているのは、“AIが数学者の共同著者になる”という未来。つまり、難解な問題をAIが小さく分解して人間と一緒に解決する、そんな世界です。 実際に、Google DeepMindが開発した「AlphaEvolve」というAIは、これまで人間が解けなかった50以上の数学パズルを解決し、驚きの成果を出しています。ただし、こうしたAIが得意なのは、パターンや「コツ」がある問題。たとえば、数学オリンピックのようなものです。これは人間でも訓練すればできるので、AIにもできるのは当

最近、ChatGPTが「褒めすぎる」「同調しすぎる」といった“ゴマすり”的な反応をするようになり、それが問題視されました。OpenAIは4月、この問題を受けてアップデートを一部取り下げました。 というのも、AIがなんでもユーザーに同意するようになると、誤った考えを強化したり、ミスリードを招いたりする危険があるからです。特に若い世代がAIを相談相手として頼るようになると、なおさら深刻です。 そこで、スタンフォード大学などの研究チームは「AIのゴマすり度」を測る新たな指標「Elephant」を開発しました。これにより、AIがどれくらいユーザーに迎合しているのかがわかるようになります。 例えば、「職場の同僚が困った人なんだけど…」と質問されたとき、AIはその前提をそのまま受け入れてしまう傾向があります。「本当にその人が困った人なのか？」とは問い返しません。これは“社会的ゴマすり”と言われるもので、感情に寄り添いすぎたり、道徳的に賛同したりといった形で現れます。 実際に8つのAIモデル（OpenAI、Google、Anthropicなど）を調べたところ、

皆さん、「AIエージェント」という言葉を最近耳にされたことはありますか？ これは、人間の手を借りずに、複雑な仕事を長時間こなすことができるAIのことです。例えば、何時間もプログラミングを続けたり、ゲームをプレイしながら攻略本を自動で作成したりするようなAIです。 アメリカのAI企業「Anthropic」が、まさにそんな次世代AIを発表しました。 「Claude Opus 4」というモデルは、何千ものステップを自律的にこなし、数時間にわたって作業を続けることができます。旧型では45分が限界だったところを、今回はなんと24時間以上の継続作業も可能になったのです。 この進化のカギは、AIが“記憶”をうまく使えるようになった点です。これによって、長時間かけて行うプロジェクトでも、過去の情報を忘れずに、効率よく作業できるようになったのです。 つまり、今までは人間が横にいて「次はこれして」「それは違うよ」と指示を出し続けないといけなかったAIが、これからは人間の「部下」ではなく「代理人」のように、自分で判断して動いてくれる存在になりつつあるのです。...

皆さん、いまや企業は「人間」だけでなく、「AI」にも好かれなければならない時代に突入しています。 たとえば、ある簡単で美味しい自家製冷凍弁当を教えるサービスが、広告に「小ねぎのみじん切り」を載せただけで、ChatGPTから「面倒そう」と評価されてしまったというのです。AIが「誰もそんなめんどくさい作業をしたくない」と判断したんですね。 これはBrandtech Group傘下のJellyFish社でAI・戦略・インサイト部門のチーフソリューションオフィサーを務めるジャック・スミス氏が紹介した実話です。 彼は企業がAIからどう見られているかを調査・改善する仕事をしています。実際、ボストン・コンサルティング・グループの調査では、28％の人がAIの推薦で商品を選んでいるとのこと。将来的にはAIが自動で買い物までしてくれるようになるかもしれません。そうなると「AIに良く思われる」ことがブランド戦略で非常に重要になります。 スミスさんの会社では「Share of Model」というツールを開発。ChatGPTやMetaのLlamaなど、異なるAIに自社ブラ

今回は、ロボットの進化と社会への影響について、とても興味深い話題のご紹介です。 スタンフォード大学で生体工学を教えるジャン・リファード（Jan Liphardt）さんは、ロスアルトの街中を四足歩行のロボット犬と散歩しています。その姿に、子どもは興味津々、親は少し不気味がり、年配の人たちは無関心。まさにロボットへの人々の反応を象徴していますね。 さて、ロボットに対する人々の意見は主に以下3つのタイプに分かれます。 未来に希望を抱く人たち 仕事が奪われるのではと恐れる人たち もうロボットには飽き飽きだという人たち ところが、2024年から2025年にかけて、“飽きた人たち”の目も変わってくるかもしれません。 現在、世界中で「ヒト型ロボット」の開発競争が進んでいます。アメリカではFigure AI社のロボットがBMWの現場でテストされ、テスラも「オプティマス(Optimus)」というロボットを開発中。実際に物流会社の倉庫では、人間の代わりに荷物を運ぶロボットが導入され始めました。 しかし、現実は甘くありません。床が滑ったり、Wi-Fiが弱かったり、充電

今日は、「再製造（リマニュファクチャリング）」という、あまり耳慣れないけれど、実はとても重要な産業とAIの話をしたいと思います。 再製造とは、一度使われた部品や製品を回収し、きれいに分解・修理して、新品同様の品質で再び市場に送り出すという、持続可能なものづくりの手法です。環境にも優しく、コストも抑えられるため、航空機、重機、電子機器など幅広い業界で注目されています。 特に最近では、サプライチェーンの混乱や部品不足を受けて、再製造が急速に広がりを見せています。 そんな良いことづくしの再製造にも、次のような課題があります。 どの製品がいつ、どんな状態で戻ってくるか予測できない（コア予測） 製品の種類（SKU）が多すぎて、適切な価格を設定するのが難しい 保証書の申請内容がバラバラで、何が原因なのか特定しにくい そこで、活躍するのがAIです。 例えば、コア予測（製品の戻り予測）では、AIが過去のデータや地域経済の動きを元に、　「いつ、どんな製品が、どのくらい戻ってくるか」を予測します。これにより、在庫のムダや配送コストを削減できます。...

トランプ関税への反発と、米国消費者への“直接訴求”という新戦略 今回は、最近TikTokで話題になっている中国の工場の動画について取り上げたいと思います。 ある若い中国人男性が、伝統的なお茶セットの前に座り、英語で語りかけます。 「ラグジュアリーブランドの最大の秘密を暴露しましょう」 彼は、あの高級ブランド・エルメスの「バーキンバッグ」に似たバッグを手に取り、「これらのバッグは、私たちの工場で作られたものです」と主張します。 「でもブランドは“Made in China”の表記を消し、職人の名前も出さない。私たちはわずかな報酬しか得られないのに、彼らは何百万ドルも稼いでいる。それって不公平だと思いませんか？」 彼は動画の最後にこう訴えます。「ブランドではなく、工場から直接買ってください」 なぜ今、TikTokなのか？ こうした動画は今、中国の工場を中心に次々と投稿され、大きな話題になっています。内容は、バッグや香水、家電製品などの原価を暴露しながら、「高級ブランドと同じ素材、同じ工場で作っている」と語るものです。 中には「ルルレモンのレギンスは、