VentureBeat AI

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：Presented by Gravitee Agent complexity is the insidious shadow lurking inside enterprises right now that needs a light shone on it. That’s because enterprises don't deploy a single agent and watch it run, they deploy fleets, each one calling APIs, calling other agents, reaching into applications that were never built with a machine decision-maker in mind. That's the failure mode that should keep you up at night: a windy, complicated system nobody can see clearly enough to govern. But why do things get so opaque so quickly? Add a second agent to a system, and you've added one connection. Add a tenth, and you haven't added ten connections, you've potentially added dozens, because now any agent might call any other, and each of those calls can trigger…

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：Presented by EDB As enterprises give AI agents more autonomy — the ability to plan, decide, and act across systems without a human approving each step — a hard question moves to the center of every architecture review: When an agent tries to complete an action that it was never authorized to do, what actually stops it? These are your agents, running on your models, touching your data in your infrastructure — and the responsibility for what they do sits with you. That responsibility can’t be met in hindsight or with a set of abstract policies that live on paper but not in practice. Agents need rules in the context of the moment, because they don’t exercise overriding judgment of their own actions. Consider a simple rule: Never open the car door. Foll…

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：Presented by Tata Communications Enterprises are deploying AI agents, voice AI, and automation across messaging, voice, and digital channels faster than the architecture meant to support it. Most of that deployment has involved attaching conversational AI to legacy systems never built for it, says Gaurav Anand, global head of the Customer Interaction Suite at Tata Communications. "In the rush to deploy AI, organizations have largely bolted conversational AI onto legacy systems," Anand says. "As a result, while many enterprises have adopted digital tools, very few have platforms that are truly integrated, scaled, and capable of seamless orchestration." That gap creates a heavy cognitive load for human agents who must piece together context across dis…

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：Rob Strechay, until recently managing director and principal analyst at theCUBE Research, has joined VentureBeat as our first Lead Analyst and a founding analyst of VentureBeat Research. His arrival is the next step in a deliberate move at VentureBeat toward deeper specialization: analysis built for the technical decision-makers — the directors, VPs, CIOs, and CTOs — who are evaluating, buying, and deploying enterprise AI. The enterprise AI stack is being rewritten in real time, and the decision-makers I talk with are starved for objective, defendable data. Rob Strechay has the mix of technical rigor and operating experience needed to dissect the architecture behind the next phase of enterprise AI deployment. The questions enterprise technology lead…

VentureBeat Pulse Researchの調査によると、107の企業の過半数がAIエージェントのセキュリティインシデントまたはニアミスを経験しています。エージェントごとに個別のIDを付与している企業は約3分の1に過ぎず、ほとんどのエージェントが認証情報を共有しています。高リスクのエージェントを隔離している企業はわずか3割です。セキュリティスタックはプロバイダー製のコントロールに大きく依存しており、満足度は高いものの、予算配分は少なく、大多数が1年以内のツール変更を計画しています。

101の企業を対象としたVentureBeat Pulse Researchの調査によると、57%の企業が過去6ヶ月間に、欠落または一貫性のないビジネスコンテキストに起因する、自信過剰で誤った回答をAIエージェントが生成した経験がある。検索拡張生成（RAG）がデフォルトのコンテキストソースであり、プロバイダーネイティブ検索（OpenAI 40%、Google 38%）が専用ベクトルデータベースを上回っている。しかし、36%はベストオブブリードのスタンドアロンツールを維持する意向を示している。ハイブリッド検索が2026年末までに主流になると予想され、58%がガバンドセマンティックレイヤーを構築中だが、本番稼働しているのは25%にとどまる。

157のエンタープライズを対象としたVentureBeat Pulse Researchによると、組織はAIエージェントにより多くの自律性を付与する一方で、その自律性を制御するための評価への信頼は低下している。半数が内部評価を通過したエージェントを顧客に導入し失敗を経験。自動評価を完全に信頼するのはわずか5％で、最大の弱点は評価が現実の結果と一致しないこと。それでも3分の2は人間の介入なしに自動評価のみで本番展開を許可または構築中。結果として、評価ギャップ——エージェントに与えられる自律性と、失敗を捕捉するはずのテストへの信頼の差——が拡大している。

VentureBeat Pulse Researchが101社を対象に調査したところ、エンタープライズのエージェントオーケストレーションはモデルプロバイダープラットフォームに集中しており、AnthropicのClaudeが40%でリードしている。しかし、実際にデプロイされている「エージェント」の多くは単純なチャットボットのラッパーであり、真のマルチステップオーケストレーションワークフローは少数にとどまる。企業はベンダーロックインを避けるため、2026年末までにハイブリッド制御プレーンを期待しているが、リアルタイムのコスト管理は依然として未熟である。

GoogleはI/O開発者会議で検索ボックスの大幅な再設計を発表し、テキスト、画像、PDFなど複数の入力を受け付けるAI駆動の対話型インターフェースに変革した。AI OverviewsとAI Modeを統合し、生成UIや24時間体制の情報エージェントを導入。Gemini 3.5 Flashを基盤とし、キーワードから自然言語での会話へと移行し、ユーザー、パブリッシャー、広告主、SEOに大きな影響を与える。

サンフランシスコに拠点を置くクラウドプラットフォームRailwayは、マーケティング費用をかけずに200万人の開発者を獲得し、1億ドルのシリーズBラウンドを発表した。ミリ秒未満のデプロイ、垂直統合データセンター、秒単位の課金により、AI時代の重要なインフラストラクチャスタートアップとして位置づけられている。

AnthropicのClaude Codeの価格設定が開発者の反発を招く中、Blockが開発したオープンソースのAIエージェントGooseが、サブスクリプション不要でローカル実行、プライバシー保護、オフライン対応の類似機能を無料で提供する。本記事では、Claude Codeのレート制限の論争、Gooseの機能と設定方法、モデル品質やコンテキストウィンドウ、速度などのトレードオフを分析する。

Listen LabsはAIを活用した顧客インタビュープラットフォームで、シリーズBラウンドで6900万ドルを調達し、評価額は5億ドルに達しました。同社は創造的なビルボード採用チャレンジで注目を集め、年換算収益を15倍に成長させました。AIによる詳細なインタビューを実施し、従来の調査やフォーカスグループを置き換え、MicrosoftやSweetgreenなどに採用されています。今後は合成顧客や自動意思決定への拡大を計画しています。

Salesforceは、AnthropicのClaudeを搭載した完全再構築版のSlackbotをリリースしました。これは単なる通知ツールから、企業データの検索、文書の作成、従業員に代わってアクションを実行するAIエージェントへと変貌を遂げています。新SlackbotはBusiness+およびEnterprise+の顧客に追加料金なしで提供されます。社内では8万人の従業員がテストし、高い満足度と時間節約を報告しています。Beast Industriesのようなパイロット顧客は1日最大90分の節約を報告しています。SlackbotはMicrosoft CopilotやGoogle Geminiと競合し、Salesforceはこれを企業向けの「スーパーエージェント」と位置づけています。本日から展開が始まり、モバイル対応は3月までに完了します。

Anthropicは、非技術ユーザー向けにClaude Codeの機能を拡張する新しいAIエージェント「Cowork」をリリースした。フォルダベースのデスクトップインターフェースで、ファイルの読み取り、編集、作成が可能。開発期間は約1週間半で、その大部分をClaude Code自身が生成した。現在はClaude MaxサブスクライバーがmacOS版で利用でき、将来的にWindows対応が予定されている。

Paradigmの支援を受けるNous Researchは、オープンソースの競技プログラミングモデルNousCoder-14Bを発表。48基のNvidia B200 GPUを使用しわずか4日間でトレーニングされ、LiveCodeBench v6で67.87%の精度を達成し、より大規模なプロプライエタリシステムに匹敵または凌駕すると主張する。

AnthropicのClaude Codeの創造者であるBoris ChernyがX上で個人のターミナル設定を共有し、開発者コミュニティで大きな反響を呼んでいる。彼の手法は、5つのClaudeエージェントを並行実行、Opus 4.5モデルの使用、CLAUDE.mdファイルによるエラー学習、スラッシュコマンドとサブエージェントによる自動化などから成る。このワークフローはコーディングをリアルタイム戦略ゲームに変え、一人の開発者が小規模エンジニアリングチーム並みの成果を上げることを可能にする。