週刊｜話題のAI新製品・新機能ニュース(2026/7/5〜7/11号)

更新日：2026/7/12

エグゼクティブサマリー
今週の話題のAI新製品・新機能ニュースでは、モデル単体の性能競争から、複数エージェントが長時間の業務を自律実行し、成果物まで完成させる競争へ重心が移りました。OpenAIのGPT-5.6ファミリーとChatGPT Work、AnthropicのClaude Coworkを軸に、Microsoft 365、GitHub、Snowflake、Notionなど主要業務基盤への即時展開が進み、企業は導入判断と統制を同時に求められています。また、最適化探索、ブラウザ内推論、分散GPU、低レイヤ最適化、音声・動画・広告加工、ロボティクスや生命科学の閉ループ実験など、AIの適用範囲は知識労働から物理世界へ拡大しました。利用拡大に伴い、予算管理、シャドーAI対策、広告透明性、APIキー管理も標準機能化し、AI活用の成否は性能だけでなく、運用設計、権限、費用、安全性を含む総合的な実装力で決まる段階に入っています。

※作成した記事内容をGammaに入力しスライド自動作成させました。スライドの方が見やすいようでしたらこちらをご覧くださいませ。

1. フロンティアモデルと長時間実行型エージェント

1-1. OpenAI、GPT-5.6 Sol／Terra／Lunaを一般提供

出典URL：OpenAI公式発表
OpenAIは最新のフラッグシップモデル「GPT‑5.6 Sol」に加え、日常業務向けのバランス型「Terra」と、最速・低コストの「Luna」からなる3層ファミリーを一般提供し、ChatGPT、Codex、APIで利用可能にしました。各モデルは難易度とコストに応じて選択でき、Responses APIではメモリ内プログラム生成によるProgrammatic Tool Callingやマルチエージェント機能を備え、複数エージェント並列実行による高難度タスク処理をサポートします。単体性能向上にとどまらず、用途別モデル編成とツール連携・実行基盤を一体で提供する「フロンティアインテリジェンス」としての位置づけが明確になりました。

1-2. ChatGPT Work、長時間業務を完成物まで自律実行

出典URL：OpenAI公式発表, 関連URL：Tasks in ChatGPT
OpenAIは、複数のアプリやファイル、Webを横断して数時間規模のプロジェクトを進め、スライドやシート、文書、レポート、Webアプリまで完成物として仕上げるエージェント「ChatGPT Work」を公開しました。刷新されたScheduled Tasksでは、専用タブから一括管理でき、一回限り・定期実行・変化があった場合のみ通知する監視タスクなど柔軟なスケジューリングが可能です。重要な操作はユーザーの承認下に置きつつ、放置されたタスクは自動一時停止するなど制御性も確保され、反復的な資料作成や調査に加えて、複数工程から成る定型業務を継続的に任せる運用がより現実的になりました。

1-3. Claude Cowork、Web・モバイル対応で非同期の知識労働へ

出典URL：Claude Cowork公式ブログ, 関連URL：Reflect with Claude
Anthropicは長時間エージェント「Claude Cowork」をWebとモバイルへ展開し、ファイルやカレンダー、メール、メッセージ、Web、接続ツールをまたぐ知識労働を、PCとスマートフォン間で継続実行できるようにしました。PCを閉じてもバックグラウンドで処理を進め、判断が必要な場面だけモバイルへ確認を送る設計により、非同期でのタスク委任がしやすくなっています。同時に、利用テーマや時間帯、タスク種別などClaudeの使い方を1〜12か月単位で振り返る「リフレクト」機能をベータ提供し、4D AI Fluency Frameworkに基づき、ユーザー自身が介入タイミングや利用習慣を可視化・調整しながらエージェント活用スキルを高められる方向性を打ち出しました。

2. 業務プラットフォームに広がるエージェント実装

2-1. GPT-5.6、Microsoft 365・GitHub・Snowflakeへ即日波及

出典URL：Microsoft 365 Copilotへの展開, 関連URL：GitHub Copilot対応 / Snowflake Cortex AI対応
GPT-5.6は発表と同時期にMicrosoft 365 Copilot、GitHub Copilot、Snowflake Cortex AIへ展開され、WordやExcel、PowerPoint、Copilot ChatやCowork、主要IDEやCLI、GitHubモバイル、Snowflake上のCoCoやCoWork、Cortex AI Functionsなどから利用可能になりました。Sol／Terra／Lunaの3モデルは、複雑な長時間タスクから日常的なエージェントコーディング、低コストな補助作業まで用途に応じて選択でき、Snowflakeではプライベートプレビューとして企業データのガバナンス内でAIパイプラインやエージェント開発に直接組み込めます。モデル公開と業務プラットフォーム実装のタイムラグがほぼ解消されつつあり、企業はリリース直後から評価や権限設定、利用ポリシー、費用管理まで含めた意思決定を迫られる状況になりました。

2-2. Google Cloud、最適化エージェントAlphaEvolveを一般提供

出典URL：Google Cloud公式ブログ
Google Cloudは、Geminiを基盤にコードやアルゴリズムを反復探索する最適化・発見エージェント「AlphaEvolve」をGemini Enterprise Agent Platformで一般提供しました。利用者が課題設定とシードとなる基準アルゴリズム、評価用のスコアリング関数を用意すると、候補コードの生成・評価・改良を繰り返し、物流、半導体、ゲノミクス、高性能計算、金融サービスなど多様な領域で高難度の最適化問題に適用できます。生成AIが説明文や資料作成にとどまらず、評価可能な目的関数に基づくアルゴリズム探索と性能改善を担う「発見エンジン」として運用段階に入った更新であり、人手の試行錯誤だった改善作業を、測定可能な探索プロセスへと置き換える方向性を示しています。

2-3. Notion、複数エージェントを束ねる業務ハブへ進化

出典URL：Notion公式リリースノート, 関連URL：Notion Agents iOS
Notionは3.6系アップデートで、ClaudeやCursorなど外部エージェントを1つのUIでオーケストレーションし、ExcelやPowerPointなどOffice系ファイルの読み書き、話者ラベル付きAIミーティングノート、インタラクティブなHTMLブロックを追加しました。加えてNotion AgentsのiOSアプリを公開し、移動中でもお気に入りのエージェントを起動・継続できるようにしています。さらにNotion Workersのチーム共有では、「接続のみ許可」と「フルアクセス」の権限を分離し、個人が構築したワーカーを安全に再利用しながら、組織全体でエージェントや連携部品を運用する情報ハブとしての基盤を強化しました。

3. 開発AI・推論インフラの進化

3-1. GitHub Copilot、全プラン・モバイル・端末管理へ拡大

出典URL：GitHub Copilot app全プラン開放, 関連URL：モバイルでの競合解消 / MDM設定配布
GitHubはデスクトップ向けCopilot appをFree、Educationを含む全プランへ開放し、契約がない利用者にもBYOKによる利用経路を用意しました。加えてGitHub Mobileからマージ競合の修正をcloud agentへ依頼し、Copilot CLIの進行状況を通知で追跡できるようにしました。企業向けにはIntune、Jamf、Group PolicyなどからCopilot設定を端末へ配布する機能も追加され、開発AIはIDE内の補完機能から、デスクトップ、モバイル、管理基盤をまたぐ常設エージェントへ変化しています。

3-2. Hugging Face Kernels、低レイヤ最適化をエージェント化

出典URL：Hugging Face公式ブログ
Hugging Faceはカスタムカーネル配布基盤「Kernels」を大幅刷新し、Hub上に専用のkernelリポジトリ種別を導入しました。対応アクセラレータやOSを確認しやすくし、trusted publishers、Sigstore／cosignによる署名、検証コマンド、Torch Stable ABI、Apache TVM FFI、HF Jobsによるベンチマークを整備しました。さらにAIエージェントがカーネルを生成、ビルド、計測、改善する開発ループも想定しており、生成AIの競争がアプリ層からGPU実行効率を左右する低レイヤへ広がっています。

3-3. Google LiteRT.js、ブラウザ内AI推論の新基盤

出典URL：Google Developers Blog
Googleはブラウザ内でAIモデルをローカル実行するJavaScript基盤「LiteRT.js」を公開しました。.tfliteモデルをWebAssembly経由で扱い、CPUのXNNPACK、GPUのWebGPU、将来のWebNNによるNPU活用に対応します。テキスト生成、物体検出、音声処理などをサーバーへ送らず実装できるため、低遅延、プライバシー保護、API費用削減につながります。ブラウザが単なるクラウドAIの表示画面ではなく、端末側推論を担う実行環境となり、Webアプリの設計選択肢が大きく広がりました。

3-4. 全国8拠点のGPUを結ぶ「GPU over APN Testbed」

出典URL：NTTドコモビジネス公式発表
NTTドコモビジネスは、札幌、金沢、福岡、大阪、首都圏4拠点の計8拠点に分散したGPUをIOWN APNで接続する「GPU over APN Testbed」を提供開始しました。100Gbps級の低遅延・高速大容量通信を使い、分散学習、分散推論、RDMAによる大容量データ転送を検証できます。GPU不足、データセンター集中、電力制約が顕在化する中、計算資源を一か所へ集約せず広域で束ねる構成を試せる点が重要で、日本国内の分散型AIインフラ実装を前進させます。拠点ごとの余剰資源や地域電力を活用しながら、データを必要以上に移動させない構成の検証にもつながります。

4. 音声・画像・動画・クリエイティブAI

4-1. GPT-LiveとRealtime API、自然な音声対話へ刷新

出典URL：OpenAI GPT-Live公式発表, 関連URL：OpenAI API Changelog
OpenAIはChatGPT音声モードの新基盤となる音声モデル「GPT‑Live」を公開し、有料向けのGPT‑Live‑1と無料ユーザー向けのGPT‑Live‑1 miniを展開しました。全二重アーキテクチャにより、相手の発話を聞きながら話す同時処理や自然な割り込み、テキスト・画像・ツール呼び出しを交えた継続的な対話を実現し、必要に応じてGPT‑5.5などのフロンティアモデルへ検索や高度な推論を委任します。開発者向けにはRealtime APIのgpt‑realtime‑2.1／2.1‑miniが提供され、英数字認識や沈黙・雑音処理、割り込み挙動が改善されるとともに遅延も削減されました。一般向け音声体験と、電話・接客・コールセンターなど業務向けのリアルタイム音声APIが同時に進化し、音声AIがデモ用途から長時間の業務インターフェースへと本格的に移行しつつあることが示されています。

4-2. Meta AI、新画像生成モデルMuse ImageをSNSへ展開

出典URL：Meta Newsroom
MetaはMeta Superintelligence Labs初の画像生成モデル「Muse Image」をMeta AIで提供開始しました。複雑な指示の理解、複数写真のブレンド、プリセット提案、画像上へのスケッチを使った編集に対応し、生成物をチャット、ストーリー、フィードへ直接共有できます。Instagram Storiesの30種類超のAIエフェクトやWhatsApp上のMeta AIにも展開され、画像生成を専用サービスへ出向いて使うのではなく、日常的なSNSやメッセージングの操作に埋め込む戦略が明確になりました。

4-3. Google PhotosとVids、既存素材をAIで動画化

出典URL：Google Photos Video Remix, 関連URL：Google Vids多言語対応
Google Photosには既存動画をシネマ調に補正し、背景差し替えや水彩・スケッチ・油彩風への変換を数タップで行う「Video Remix」が追加されました。Google Workspaceでは、Google Slidesからスクリプト、音声、BGM、アニメーションを生成してGoogle Vidsへ変換する機能が、日本語を含む7言語へ拡大しました。個人の思い出動画と企業の説明資料という異なる領域で、AI動画生成がゼロからの制作だけでなく、手元の素材を再編集して用途別に仕上げる機能へ広がっています。動画AIの価値が、派手な生成よりも既存コンテンツの再利用と制作時間短縮へ移っています。

4-4. ElevenLabs、広告と音楽の「加工工程」をAI化

出典URL：ElevenLabs Ads Engine, 関連URL：ElevenMusic新ツール
ElevenLabsは社内で使っていた多言語広告ローカライズ基盤を「Ads Engine」として製品化しました。広告アカウントから素材を取得し、文字数制約を考慮した翻訳、画像内テキストの置換、動画吹替、広告プラットフォームへの反映までを一連の流れで処理します。同時にElevenMusicには、粗い歌唱を楽曲化するVoice to Song、ループ生成、ジャンル変換、アコースティック化などを追加しました。生成AIが新規制作だけでなく、既存素材の翻訳、変形、再配信を担う実務ツールへ進化しています。少人数チームでも多言語・多媒体の制作運用を回せることが競争力になりそうです。

5. フィジカルAIと国内現場への実装

5-1. LeRobot v0.6.0、予測・評価・再学習ループを強化

出典URL：Hugging Face公式ブログ
Hugging Faceはロボティクス向けOSSスタック「LeRobot v0.6.0」を公開しました。世界モデル系ポリシーや複数のVLAモデル、reward models API、6種類のシミュレーションベンチマーク、評価・ロールアウト用CLI、FSDP、HF Jobsによるクラウド学習などを追加しています。ロボットが行動前に未来を予測し、実行結果を評価し、失敗データを再学習へ戻すループを一つのOSS環境で回しやすくした点が重要です。フィジカルAI開発の再現性と比較可能性を高める基盤更新です。研究成果を実機評価までつなげる共通部品が増え、開発の参入障壁を下げる効果も期待されます。

5-2. ProtoPilot、実験失敗から自己修正する物理AI

出典URL：MGI Tech・上海AI Lab発表
MGI Tech傘下のGenoria AIと上海AI Labは、生命科学向け物理AIエージェント「ProtoPilot」と評価基盤「BioLab Bench」を発表しました。実験設計、プロトコル生成、装置実行、ウエットラボの失敗結果の取得、原因診断、手順の再生成までを閉ループでつなぎます。評価も文章回答の正確さだけでなく、実験装置で実行可能なSOPや機械コード、実行前の安全ゲートを対象とします。AIエージェントが物理世界の失敗から再計画できるかを問う、実験自動化の新しい基準を示しました。テキスト上の推論力ではなく、現実の失敗を受け止めて修正できる能力が評価軸になりつつあります。

5-3. 音声と異音を業務データ化する国内現場AI

出典URL：Buddycom for RICOH, 関連URL：vGate Aispect Monitor Cloud
国内の現場AIでは、リコージャパンとサイエンスアーツが「Buddycom for RICOH」を提供開始しました。現場の音声通話、チャット、映像をDifyなどの生成AI基盤へつなぎ、マニュアルを参照する音声チャットボットや会話ログからの報告書作成に活用します。エーアイは稼働音を監視し、異常の周波数帯を可視化する「vGate Aispect Monitor Cloud」を販売開始しました。人の会話と機械の音を業務データ化し、報告、教育、予知保全へ結び付ける実装が進んでいます。現場作業を増やさず、既存の音声行動をそのままAI活用の入口にする点が共通しています。

6. AIガバナンス・FinOps・セキュリティ

6-1. DatabricksとGitHub、ユーザー単位のAI予算管理を強化

出典URL：Databricks公式ドキュメント, 関連URL：GitHub AIクレジット予算管理
DatabricksはGenie Spaces、Genie Code、Genie Oneを従量課金へ移行し、各ユーザーへ月150 DBU相当の無料枠を付与しました。超過後は利用するLLMやエージェント処理に応じて課金され、Unity AI GatewayのBudgetsで共有上限、個人上限、グループ別例外、通知、利用ブロックを設定できます。GitHub Enterprise CloudでもAIクレジット予算をBilling UIからユーザー単位で管理可能になりました。AI機能の全社展開では、性能と同じくらい費用の可視化と停止制御が重要になっています。

6-2. GENFLUX Security、企業内のシャドーAIを可視化・制御

出典URL：Elithプレスリリース, 関連URL：OneTrust AI Governance導入支援
Elithは未承認の生成AI利用を可視化・制御する「GENFLUX Security」をローンチしました。ブラウザ拡張を通じて、誰が、いつ、どのAIサービスを使ったかを部署・ユーザー単位で記録し、禁止サービスへのアクセスや機密情報を含むプロンプト送信を警告、ブロック、マスキングできます。APIキー、契約書、顧客情報、ソースコード、個人番号などをDLPで検知します。同時期にOneTrust AI Governanceの国内導入支援も進み、AI活用を止めずに申請、評価、監査を仕組み化する市場が立ち上がっています。

6-3. AI広告の透明化とAPIキーの自動ローテーション

出典URL：Google広告のAI透明性表示, 関連URL：PaddleとAWS Secrets Managerの連携
GoogleはSearch、YouTube、Discoverの広告に「How this ad was made」を追加し、生成AIで作成・編集された広告かをMy Ad Centerから確認できるようにしました。Googleの生成AI広告ツールを使った場合は情報を自動付与し、外部AIツールで制作した広告には広告主が申告できます。PaddleはAWS Secrets Manager連携によるAPIキー自動ローテーションを追加し、サービス停止を避けながら資格情報を更新可能にしました。AI利用の拡大に伴い、表側の透明性と裏側の秘密情報管理が同時に標準機能化しています。

総合考察

今週のトピックから見える特長は、AIが「質問に答える機能」から「継続的に仕事を引き受ける運用主体」へ移行していることでした。モデルは性能、速度、コストで階層化され、業務側では複数エージェント、スケジュール実行、承認、監視、成果物生成が一体化しています。同時に、ブラウザ内推論や分散GPU、カーネル最適化が進み、クラウド一極集中ではなく、端末、地域拠点、専用アクセラレータを組み合わせる実行構成が現実味を増しています。さらに、音声、画像、動画、広告、ロボット、実験装置へ対象が広がり、AIの価値は新規生成よりも、既存資産の再編集、反復作業の自動化、失敗からの再計画へ移りつつあります。今後は高性能モデルの採用自体より、評価指標、権限分離、費用上限、監査、データ保護を業務フローへ埋め込める企業が、AIを持続的な競争力へ変えられると考えられます。

今後注目ポイント

• モデル選定は最高性能一択ではなく、タスク難度、応答速度、実行時間、失敗時の再試行コストまで含め、複数モデルを使い分ける設計が重要です。今後はモデル別の成果品質と総実行費用を同時に比較する運用指標が注目されます。

• 長時間エージェントの普及では、自律性の高さよりも、どの操作で承認を求めるか、停止条件をどう設定するか、途中経過を誰が監視するかが導入成否を左右します。完成物だけでなく、介入履歴と責任分界を記録する仕組みが重要です。

• ブラウザ内推論、広域分散GPU、カーネル最適化の進展により、AI基盤はクラウド集中型から適材適所型へ移ります。機密性、遅延、電力、通信費を踏まえ、端末、社内環境、地域拠点、クラウドをどう分担させるかが新たな設計競争になります。

• 音声、動画、広告、ロボット、実験装置で共通するのは、AIが新規生成だけでなく、既存素材の加工、現場データの収集、失敗結果の診断、再実行まで担い始めた点です。今後は生成品質より、業務ループを安全に回せる回数が評価軸になります。

• AIの全社展開では、予算上限、ユーザー別利用量、シャドーAI検知、機密情報のマスキング、APIキー更新、生成広告の透明性を別々に扱わないことが重要です。FinOps、セキュリティ、法務を統合したAI運用基盤の整備が企業間の差になります。