📰 AI News Digest

最新🔍 検索アーカイブ
2026-07-14

中国、AI「疑似恋人」規制が7月15日に施行 — Doubao・Qwenが機能停止へ

📅 公開日: 2026年07月07日

中国国家インターネット情報弁公室(CAC)等5省庁が共同策定した「AI人型対話サービス管理暫定弁法」が7月15日に施行。未成年への仮想恋人・疑似家族サービス提供を禁止し、14歳未満利用には保護者同意を義務化。感情的依存を誘発する設計や自傷・自殺兆候の検知と緊急連絡先へのエスカレーションも義務付ける。施行を前に、ByteDanceの「豆包(Doubao)」は7月15日に、AlibabaのQwenは7月10日にエージェント機能を停止すると発表しており、業界に大きな影響が出ている。

🔗 https://www.licentium.io/post/china-regulates-ai-companion-services-ba…

Anthropic、非営利団体支援へ「Claude Corps」フェローシップ始動 — 1.5億ドル投資

📅 公開日: 2026年06月18日

Anthropicが、非営利団体でのAI活用を支援する全米フェローシッププログラム「Claude Corps」を発表し、初期投資として1.5億ドルを拠出。18歳以上・実務経験2年未満なら学歴不問で応募可能で、1000人のフェローを年収8.5万ドルでフルタイム雇用し、1年間常駐で非営利団体のAI活用を支援させる。第1期(100人・2026年10月開始)の応募締切は7月17日。CodePathが雇用主として運営を担い、Social Financeが効果測定と長期的な資金スキームを構築する。

🔗 https://www.anthropic.com/news/claude-corps

Zoom、AI営業インテリジェンスのSeattle新興企業「Common Room」を買収

📅 公開日: 2026年07月07日

Zoomが、AIエージェントで営業機会を発掘するプラットフォームを持つシアトル拠点のスタートアップ「Common Room」の買収に合意したと発表。買収額は非公開。Common Roomは2020年設立、従業員180人規模でNotion・Okta・Snowflake・Anthropicなどを顧客に持つ。今回の買収は、Zoomが単なるビデオ会議アプリから「AIエージェントによる行動実行システム」への転換を進める動きの一環で、通話前段階の営業プロセスにもAIを拡張する狙い。

🔗 https://www.geekwire.com/2026/zoom-snaps-up-seattle-startup-common-roo…

Paylocity、AI休暇管理の「Aidora」を買収 — 自然言語で複雑な休暇申請を自動化

📅 公開日: 2026年07月09日

人事給与クラウドのPaylocityが、AIネイティブの休暇管理コンプライアンス企業「Aidora」を買収したと発表。買収額は非公開。Aidoraは音声・テキストによる自然言語対話で、休暇資格判定からコンプライアンス確認、書類作成、給与連携までを自動処理する。中堅〜大企業向けの複雑な休暇規定対応を強化する狙いで、2027会計年度の業績への重大な影響はないとしている。

🔗 https://www.paylocity.com/company/about-us/newsroom/press-releases/pay…

インドのNurix AI、対話型AI企業Verloop.ioを買収 — 音声とチャットを統合

📅 公開日: 2026年07月09日

Mukesh Bansal氏率いるバンガロール拠点のNurix AIが、エンタープライズ向け対話型AI企業Verloop.ioを買収。Nurixの音声AIプラットフォーム「NuPlay」とVerloopのチャット自動化・顧客基盤(インド・中東の銀行、フィンテック、小売、通信業界で月2000万件超の顧客対応を処理)を統合する。Verloop創業者のGaurav Singh氏はNurixの経営陣に参画し、製品戦略とAIエージェント開発を統括する。

🔗 https://inc42.com/buzz/mukesh-bansals-nurix-ai-to-acquire-verloop/

ミネソタ大学、「1層だけの訓練でRL全体と同等の性能」とする研究論文を発表

📅 公開日: 2026年07月01日

ミネソタ大学の研究チームが、大規模言語モデルの強化学習(RL)後学習において、Transformerの1層だけを訓練するだけで全パラメータ訓練とほぼ同等、場合によってはそれを上回る性能改善が得られるとする論文をarXivに公開。Qwen3・Qwen2.5系列の7モデル、GRPO等3種のRLアルゴリズム、数学推論・コード生成・エージェント意思決定の3タスクで検証した結果、性能への寄与度が高い層はTransformer中間層に集中し、入出力に近い層の寄与は小さいことが判明。最良の層では全パラメータ訓練の114%の性能改善を再現できたという。

🔗 https://arxiv.org/abs/2607.01232