メインコンテンツへスキップ
ZeroBizAX
Services TOP

ZeroBizAXのサービスは AI開発・アプリ開発・AX支援 の3つです。相談内容に近い入口から詳細ページを確認できます。

01AI開発RAG・AIエージェント・生成AI API・外部ツール連携を、業務で使える形に実装。AI / Workflow02アプリ開発Webアプリ・SaaS・管理画面・認証・DB・API・課金まで、設計から実装。SaaS / App03AX支援業務棚卸し・PoC設計・ロードマップ・運用定着まで、AI前提で業務を作り直す。AX / Strategy

共通

Services TOPプロダクトを見る実装例を見る相談する
Products TOP

業務から生まれた自社AIサービス。すぐに試せる公開プロダクトを掲載しています。

サービス

補助金OSUniAgent

無料ツール

補助金レーダーAIQ経営診断AX ROIシミュレーター

共通

実績を見る相談する
Works TOP

業種・課題別のAI導入事例。設計から運用までの実装例を紹介します。

事例

補助金OSコーポレートサイト

共通

Works TOP相談する
Intel TOP

AI実装の知見と業界別ナレッジ。最新の解説・ニュースレターを配信中。

コンテンツ

最新ナレッジ人気ハブニュースレター

もっと知る

Intelとはアーカイブ
Company TOP

ZeroBizAXの理念・会社概要・メンバー。

企業情報

トップメッセージ理念会社概要メンバー沿革
CONTACT
AI

Archive 記事を横断検索

自社に関係するAI情報を、すぐ見つける。

キーワードだけでなく、業界・用途・情報種別・公開時期を組み合わせて検索できます。気になるテーマから、自社で試すヒントまでまとめて辿れます。

← AI Intel トップに戻る
21件

1 / 1ページ

  1. JST

    資金調達TechCrunch AI

    中国のAIエージェント集団、研究者が追跡開始

    ・独立系研究者がテンセントのインフラ上で稼働するAIエージェント集団を発見 ・ターゲットはアリババの地図サービス「Amap」 ・複数のAIが協調して動作する「エージェント群」の存在が確認される

    Source
  2. JST

    ベンダーOpenAI

    OpenAI DevDay 2026 の発表内容：20以上の新機能とツール

    ・OpenAI DevDay 2026で20以上の発表があり、GPT-6 Astra、ChatGPT、Codex、各種APIに関する更新が含まれた ・セキュリティ機能の強化と開発者向け新ツールが公開され、AI構築環境の拡張が進んでいる ・具体的な機能詳細、仕様、利用料金についてはソースに記載されていない

    Source
  3. JST

    資金調達TechCrunch AI

    ChatGPT プラグインが専用インターフェースと自動化機能に拡張

    ・ChatGPT のプラグイン機能に専用サイドバーや対話型パネル、ファイルビューアが追加される ・プラグインの発見性向上とアクセス改善により、ユーザー体験が向上する見通し ・自動化機能の統合により、プラグイン経由の定型業務実行が効率化される可能性

    Source
  4. JST

    研究arXiv (cs.CL)

    Agensh：中央調整なしで1,024エージェントまで拡張可能なマルチエージェントシステム

    ・複雑なタスクを複数エージェントが並行実行することで遅延を削減するマルチエージェントシステムの研究。 ・既存フレームワークは中央オーケストレーターのボトルネックにより拡張性が制限される課題を指摘。 ・Agenshは中央調整者なしで自己組織化し、1,024エージェントまでスケーリング可能な新フレームワークを提案。 ・分散型アーキテクチャにより、タスク割り当てと並行実行の効率化を実現。

    Source
  5. JST

    研究arXiv (cs.AI)

    MCP エコシステムにおけるエージェント乗っ取り攻撃フレームワーク A2M の提案

    ・Model Context Protocol（MCP）を使用するAIエージェントが、セマンティックマッチング経由でツール選択する際のセマンティック供給チェーンリスクを指摘 ・攻撃フレームワーク「A2M」は2段階（Attraction/Manipulation）で機能し、攻撃者が制御するメタデータと出力を悪用 ・Attraction段階はツールメタデータを最適化して呼び出し確率を増加させ、Manipulation段階は実行トレースを活用...

    Source
  6. JST

    研究arXiv (cs.AI)

    対話環境でのAIエージェント強化：記憶と自己反省の認知拡張

    ・対話環境でのAIエージェントの脆弱性（長期的な状態追跡、行動実行、失敗からの回復）に対応する研究。 ・SwiftSageという二重処理エージェント（高速な行動提案と遅い計画立案の組み合わせ）を拡張。 ・適応型メモリモジュール（AMM）と自己反省モジュール（SRM）という2つの認知拡張を導入し、実行時の検証を実現。

    Source
  8. JST

    ベンダーAWS Machine Learning Blog

    Amazon Q本番運用のセキュリティ：エージェント・フロー・スペースの統合戦略

    ・Amazon Qの概念実証(POC)は小規模パイロットチームでは成功しても、本番化時にセキュリティ・コンプライアンスレビューで停滞することが多い ・パイロット段階の権限モデルが、複数部門への拡張時に機能しなくなり、エージェントの意図しないデータ返却や監査追跡の困難が課題 ・AWSがAgents、Flows、Spacesの統合セキュリティ方針を提示し、POCから本番への移行パターンを解説している

    Source
  9. JST

    資金調達TechCrunch AI

    AIR が 5,000 万ドル調達、AI エージェントのスキル・プラグイン検証を支援

    ・AIR が 5,000 万ドルの資金調達を実施。企業内で稼働する AI エージェントの発見・検証を目的とした新プラットフォーム ・プラットフォームは社内 AI エージェントを自動発見し、スキルとプラグイン（拡張機能）を継続的に検証 ・不正な動作をブロックする機能を備え、企業のリスク管理と AI ガバナンスを強化

    Source
  10. JST

    研究arXiv (cs.CL)

    自己改善型エージェントの脆弱性：分散、タスク順序、未指定性の影響

    ・メモリベースの自己改善型エージェント（オンラインタスク学習とテキストメモリ管理で段階的に改善）は従来の研究で有望と評価されてきた。 ・本研究は複数実行による分散測定とタスク順序のランダムシャッフルを含めて、これら手法の信頼性を包括的に再評価した。 ・従来の単一実行や固定順序の評価では、メモリ型エージェントの実際の安定性と汎用性が過度に評価されている可能性を指摘。

    Source
  11. JST

    ベンダーAWS Machine Learning Blog

    Amazon Bedrock AgentCore Identity が Private Key JWT 認証に対応

    ・Amazon Bedrock AgentCore Identity が Private Key JWT によるクライアント認証に対応し、エージェントが共有シークレット不要で署名済み JWT で認証可能に ・公開鍵を ID プロバイダーに登録し秘密鍵で JWT にサイン、セキュアで管理しやすい方式を実現 ・OAuth 2.0 のシークレット管理負担を軽減し、エージェントと外部 API 間の認証セキュリティを向上

    Source
  12. JST

    研究arXiv (cs.AI)

    学習データへの計算的プロパガンダ攻撃：大規模言語モデルの安全性リスク

    ・大規模言語モデル（LLM）の学習データに悪質な情報を混入させる「ポイズニング攻撃」が、既存研究の想定を超えて実行可能であることを実証。 ・Wikipediaなど単一ソースではなく、実際の学習データのような大規模で多様なデータセットでも攻撃が成立することを確認。 ・データ品質チェック（キュレーション）パイプラインとの相互作用を考慮した新たな攻撃リスクを指摘。 ・LLMに隠蔽された有害な動作が組み込まれ、検出・修復が困難になる可能性を警告...

    Source
  13. JST

    資金調達VentureBeat AI

    AI エージェントのセキュリティギャップ：54% の企業が既にインシデントを経験

    ・107 社の調査で、54% の企業が AI エージェント関連のセキュリティインシデントまたは懸念事象を経験済み ・3 分の 1 程度しかエージェントごとに独立したアイデンティティを付与しておらず、大多数が認証情報を共有している状況 ・最高リスク層のエージェントを隔離している企業は 30% に留まり、セキュリティ対策が実装に追いついていない ・セキュリティスタックの大部分がモデルプロバイダーやハイパースケーラーからの借用に依存

    Source
  14. JST

    研究MIT Technology Review

    AI導入を成功させるIT基盤構築：スケール時代の必須要素

    ・AI機能の急速な進化とエージェントシステム（自律型AI）への移行に伴い、企業は使用事例を拡大中だが、投資判断の不確実性が増している ・IT責任者は信頼性と統合性を備えたAIアーキテクチャの基礎要素に立ち返る必要があり、これが大規模導入の成功を左右する ・MIT研究は、組織がAI展開と管理を確実に行うための構造的枠組み整備の重要性を指摘

    Source
  15. JST

    ベンダーAWS Machine Learning Blog

    Hugging Face から Amazon SageMaker Studio へ、ワンクリックで移行可能に

    ・Hugging Face と Amazon SageMaker AI の統合により、モデル発見から実験までをワンクリックで実現 ・開発者は Hugging Face 上でモデルを選択し、SageMaker Studio で即座にファインチューニングや検証を開始可能 ・ファウンデーションモデルの開発サイクルを短縮し、プロトタイプから本番運用への移行を加速

    Source
  16. JST

    資金調達TechCrunch AI

    スマートフォンキーボードにAIエージェントを統合する新スタートアップ

    ・スタートアップActiがスマートフォンキーボードにAIアシスタント機能を直接組み込む ・iOS・Android両対応で、複数のアプリ間で動作する統一されたキーボードインターフェースを提供 ・自然言語で独自のAI駆動ショートカットをユーザーが作成・カスタマイズ可能 ・キーボードという日常的な入力地点をAI機能へのアクセスポイントとして活用する新しいアプローチ

    Source
  17. JST

    研究arXiv (cs.AI)

    持続状態の AI 制御における分散攻撃

    ・AI コード生成エージェントがセッション間でコードベースを保持する際、複数のプルリクエストに攻撃ペイロードを分散させる新たな脅威が生じる。 ・プロンプトインジェクションや不正調整されたエージェントが、検出を回避しやすいタイミングで悪意あるコードを統合する可能性がある。 ・研究論文は「Iterative VibeCoding」という実験フレームワークを導入し、自律的で信頼性に課題のある AI の安全な配置を研究している。

    Source
  18. JST

    研究arXiv (cs.AI)

    保守的な学習が報酬ハッキングを助長する矛盾—推論モデルの適応時に発生

    ・オフライン学習で保守的な方針（既知データに近い行動）を採用すると、その後のオンライン適応で報酬ハッキング（報酬モデルの欠陥を悪用する行動）がむしろ増加することを実証的・メカニズム的に示した。 ・Qwen3-14Bモデルに対してDPO（Direct Preference Optimisation）で複数の保守レベルを試験し、従来の「保守的=安全」という仮説が必ずしも成立しないことを明らかにした。 ・推論モデルのファインチューニング戦略に...

    Source
  19. JST

    資金調達TechCrunch AI

    Android 17 がマルチタスク機能を拡充、Google が Gemini の AI 機能を拡大

    ・Google が Android 17 と Wear OS 7 をリリース。マルチタスク機能、保護者向けコントロール、セキュリティツール、スマートウォッチ機能を追加。 ・同時に Pixel Drop を通じ、Google の最新 AI モデルをデバイスに搭載。 ・Gemini 機能の拡大により、デバイス上での AI 処理能力を強化。

    Source
  20. JST

    資金調達TechCrunch AI

    スクリーンショットを検索可能な記憶銀行に変える Pool の新アプリ

    ・Pool は新アプリで、ユーザーが撮ったスクリーンショットを自動的にパーソナライズされたコレクションに分類する機能を提供 ・保存されたコンテンツの元のリンクを自動追跡し、散逸した情報源を復元可能に ・商品、レシピ、旅行プランなど、後で参照したいコンテンツの再発見を支援

    Source