Leah×Oracle×PwCの提携で読むべきは分業の形——エージェント時代でも「実装レイヤー」は消えない
Leah(旧ContractPodAi)・Oracle・PwCがエージェンティックAIで提携。プロダクト/インフラ/実装という3層の分業から、AIエージェント導入で本当に詰めるべきはモデル選定ではなくデータの認可範囲・自律実行の境界・監査設計であることを、受託の現場感で整理する。
迈瑞×腾讯の医療サービスAIは「診断」ではなく「保守」に載った——規制産業でAIを本番に乗せる業務の選び方
迈瑞医療と腾讯が医療技術サービス向けの大規模モデルを公開した。臨床判断ではなく機器の保守・技術サポートから入った理由を、規制産業でAIを本番業務に乗せる際の業務選定基準(正解が文書化されているか/人へエスカレーションできるか/失敗コストが閉じるか)として整理する。
AI導入を「技術プロジェクト」にしない — Dabur の全社AI変革から、開発会社が読むべき論点
インドFMCG大手 Dabur の Global CIO が語ったAI変革 (DaburGPT、Project Genesis、GCC戦略) を、受託開発とAIエージェント事業をやっている立場から読み解く。技術KPIを置かない運用の功罪と、開発会社側の受注の形がどう変わるかを整理した。
Metaの新モデルが示す「常時稼働エージェント」——問いは何が24時間できるかではなく、何をさせないかに移る
MetaのMuse Glimmerが常時稼働のエージェント向けに最適化されたと報じられた。記事中の「今後の問いは何が24時間365日でできるかではなく、何がそうできないかに移る」という指摘を軸に、常時稼働させない処理をどう定義し、失敗からの復旧をどう見積もるかを開発会社の実務に翻訳する。
EYがトークン消費を60%削減できた理由——AIの効果測定は「利用率」から卒業する時期を先に決める
EYのグローバルCIOが語るAIと信頼。高性能モデルが低価値な作業に使われていた事実に気づき、モデル選択の最適化でトークン消費を60%削減しつつ価値を上げた。注目すべきは削減率ではなく「利用率から成果へ」測り方を切り替えた判断。開発会社が提案と契約に落とす方法を読む。
Airbnbが予約1件あたりのサポートコストを約16%削減——AIの効果を「単位あたり」で測るということ
Airbnbの2026年Q2決算で、予約1件あたりのカスタマーサポートコストが約16%減少。AIアシスタントで始まった問い合わせの約45%が人を介さず解決している。重要なのは削減率ではなく「1件あたり」で測って開示したこと。AI導入の効果測定をどう設計すべきかを読む。
モノタロウが4か月で購買エージェントを出せた理由——「AIに任せない範囲」を先に決めた設計を読む
モノタロウが約2800万点を対象にした購買エージェントを4か月で限定公開。全てをLLMに任せず、自社の検索エンジンと顧客データに必要な部分だけAIを足すハイブリッド構成を選んだ。確率的な部品と決定的な部品を分ける設計判断を、開発会社の提案と見積もりの話に翻訳する。
シーメンスが過去最高益——AIブームで最も確実に儲けているのは「AIを作っていない会社」だという事実
シーメンスの2026年度第3四半期は産業利益25%増で過去最高。牽引したのはデータセンター向けインフラ(受注42%増)と産業ソフトウェア(利益44%増)だった。同じAIブームの中で立ち位置により損益の出方がどう変わるか、開発会社が自社をどこに置くべきかを読む。
ByteDanceのAI売上40億ドルは投資額の6分の1——収益化のために選んだのが「組織再編」だった意味
ByteDanceのAI関連売上が約40億ドルに達した一方、2026年の資本支出は2,000億元超。同社が同時に発表したのは新モデルではなく、グループウェアLarkの製品チームをDoubaoに統合する組織再編だった。この判断が開発会社の事業判断に何を示すかを読む。