コンプライアンスAI資金調達、LLMの構造的脆弱性、Copilot超アプリの3本柱
■ 今日の見どころ
2026年7月30日の海外AIニュースは、資金調達・研究・製品戦略が入り混じる内容でした。インフラブームに乗るコンプライアンスAIスタートアップの資金調達、LLMの安全性に関する根本的な指摘、そしてマイクロソフトのCopilot戦略の統合という、ビジネス・技術両面の動きが同時に進んでいます。エンジニアリング寄りの話題としては、OpenAIがAPI設定の工夫だけでベンチマークスコアを大幅に伸ばした事例も見逃せません。
■ Diliがコンプライアンス領域で21.7億円規模のシリーズAを調達
AIコンプライアンス企業のDiliが、Khosla Venturesを主導とするシリーズAで2170万ドル（約21.7億円）を調達しました。Allianz、Rebel Fund、Brick and Mortar Venturesのダレン・ベヒテル氏、Y Combinatorのガリー・タン氏なども参加しています。
この資金調達が注目される理由は、AIインフラ投資が急拡大する中で、規制対応やコンプライアンス業務にAIを適用する分野への投資家の関心が高まっている点にあります。データセンターや電力インフラへの投資が増えるほど、それに付随する許認可・規制対応の負荷も増大するため、こうした「周辺業務」の自動化ニーズは今後も拡大が見込まれます。
日本の読者にとっては、AI活用が「生成」や「業務効率化」だけでなく、法務・規制対応という地味ながら需要の底堅い領域にも広がっている点が示唆的です。国内でも同様の課題を抱える業界（建設、エネルギー、金融）でのAI活用余地は大きいと言えるでしょう。
出典: https://techcrunch.com/2026/07/30/dili-raises-15-million-to-bring-ai-compliance-to-the-infrastructure-boom/
■ LLMには「完全な安全性」が構造的に不可能という研究結果
MIT Technology Reviewが報じたところによると、国際的なAI学会ICML（International Conference on Machine Learning、機械学習分野のトップカンファレンス）で発表された論文で、研究チームが「大規模言語モデル（LLM）を攻撃から完全に守ることは、その仕組み上不可能である」という主張を展開しました。
これが重要なのは、単なる一時的なセキュリティホールの指摘ではなく、LLMの根本的な設計原理に起因する脆弱性だと論じている点です。もしこの主張が広く支持されれば、プロンプトインジェクションやジェイルブレイク（安全対策の回避）といった攻撃手法への対策は「完全に防ぐ」のではなく「被害を最小化する」という前提に切り替える必要が出てきます。
日本企業がLLMを業務システムに組み込む際も、この指摘は重要です。金融・医療など機密性の高い領域でLLMを使う場合、100%の安全性を期待するのではなく、多層防御（入力検証、出力監視、権限分離など）を前提とした設計が今まで以上に求められそうです。
出典: https://www.technologyreview.com/2026/07/30/1140927/a-fundamental-flaw-leaves-llms-vulnerable-to-attack/
■ マイクロソフト、Copilotの「スーパーアプリ」化を正式表明
マイクロソフトが決算説明会で、Copilotのチャット・コーディング・エージェント機能を統合する「スーパーアプリ」を今年中に投入すると発表しました。CEOのサティア・ナデラ氏は「Copilotはチャットから、共同作業機能のCowork、自律実行機能のAutopilotsへと急速に進化している」とし、コード関連機能も含めて一つのアプリに統合する方針を明らかにしました。対象は消費者向け・法人向けの両方にまたがるとしています。
この動きが重要なのは、これまで別々に提供されてきたCopilotの各機能（チャット、コーディング支援、自律エージェント）が一つの統合体験にまとまることで、ユーザーの利用導線が大きく変わる可能性があるためです。競合するAI企業各社も「統合されたAIアシスタント」を志向する中、マイクロソフトはOffice製品群との連携という強みを活かした差別化を狙っていると見られます。
日本企業にとっては、Microsoft 365やAzureをすでに導入している組織であれば、この統合アプリの登場により全社的なAI活用の敷居がさらに下がる可能性があります。導入計画がある企業は、今年中の発表内容を注視しておくとよいでしょう。
出典: https://www.theverge.com/tech/972927/microsoft-copilot-super-app-confirmed
■ 次世代暗号候補HAWKが新攻撃手法「Mythos」で破られる
耐量子計算機暗号（PQC、量子コンピュータでも解読されにくい暗号方式）の第3ラウンド候補であったHAWKが、「Mythos」と呼ばれる新しい攻撃手法によって突破されました。HAWKは長年の検証を経ても致命的な弱点が見つからなかった暗号方式でしたが、今回のMythosによってその安全性が崩れたことになります。
これが重要なのは、量子コンピュータ時代に備えた次世代暗号の標準化プロセスにおいて、長期間の検証をくぐり抜けてきた候補ですら新手法によって脆弱性が発見され得るという事実を突きつけた点です。暗号の安全性評価がいかに難しく、継続的な検証が必要かを改めて示す事例と言えます。
日本の読者、特にセキュリティやインフラに関わる方にとっては、将来の暗号移行計画（量子耐性暗号への切り替え）において、特定の方式に依存しすぎず、標準化の動向を継続的に注視する重要性を再認識させる出来事です。
出典: https://arstechnica.com/security/2026/07/mythos-uncovers-crypto-weaknesses-that-went-unknown-for-years/
■ OpenAI、2つの設定変更だけでARC-AGI-3スコアを3倍に
OpenAIは、GPT-5.6のAPI設定のうち2つを変更するだけで、抽象的推論能力を測るベンチマーク「ARC-AGI-3」のスコアが3倍になったと公式ブログで発表しました。具体的には「推論過程の保持」と「圧縮（コンパクション）機能の有効化」という設定変更により、性能と効率の両方が改善したとしています。
これが重要なのは、モデル自体を再学習・再設計することなく、既存モデルの使い方（API設定）を工夫するだけで大幅な性能向上が得られたという点です。これは、AIモデルの性能向上が必ずしも巨額の計算資源投入によってのみ達成されるわけではなく、推論プロセスの設計次第で引き出せる余地がまだ大きいことを示しています。
日本でLLMを活用する開発者にとっては、モデルのアップグレードを待つ前に、既存モデルのAPI設定や呼び出し方を見直すだけで性能改善が図れる可能性がある、という実践的な示唆が得られます。コスト効率化の観点からも注目したい事例です。
出典: https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores
■ まとめ
本日のニュースを俯瞰すると、AI業界は「資金の流れ」「技術的な限界」「製品戦略の統合」「セキュリティの継続的な検証」「既存資産の最適化」という複数の軸で同時に動いていることが分かります。特にLLMの根本的な脆弱性に関する指摘と、暗号分野での新攻撃手法の発見は、AIやセキュリティ技術に「完成形」は存在せず、常に検証と対策のアップデートが必要であることを示しています。一方でOpenAIの事例のように、既存技術の使い方を工夫するだけで大きな成果が得られる余地もまだ残されています。今後も、こうした「地に足のついた」技術動向とビジネス動向の両方を注視していくことが重要です。
