株式会社snsソフト

30/07/2026

熊本地震により被災されました皆様に、心よりお見舞いを申し上げます。一日も早い復旧と復興をお祈りしております。

06/07/2026

「AIの行き着く先はGPUではなく、メモリだ。」
HBMの第一人者・金正浩氏は、AIの次なる主戦場は「演算性能」ではなく「メモリ」になると語ります。

AIエージェント（Agent AI）やフィジカルAI（Physical AI）の普及により、AIは長期記憶・リアルタイム推論・複数エージェントの協調が求められ、メモリ需要は最大1,000倍に拡大する可能性があると予測されています。

これからのAI競争は、GPUだけでは決まりません。
「Compute（計算）」から「Memory（記憶）」へ。

次世代AIインフラの主役は、HBMをはじめとする最先端メモリになるかもしれません。

#メモリ #サムスン #半導体 #人工知能

05/07/2026

2026年は、「AIを導入する時代」の終わり。

これからは、

❌ AIを使えるか

ではなく、

⭕ AIと一緒に働けるか。

AI Agentは、
新しい社員になる。

そして経営者の仕事は、
「人を管理する」ことから、
「人とAIを共創させる」ことへ変わる。

この変化に早く気づいた企業が、次の10年を勝ち抜く。

AIとともに、未来を創る。

#未来 #経営

04/07/2026

下面这篇更适合 Facebook，语气专业、有思考，同时也能体现 SNSソフト 的AI战略。

⸻

🤖 AIニュース朝刊｜2026年7月5日

本日のAIニュースを見て、改めて確信しました。

AIの競争は、すでに「大規模言語モデル（LLM）」から「AI Agent」の時代へと移行しています。

Metaは次世代AIアーキテクチャの研究を加速。
LINEはAI Agentとの連携を本格化。
OpenAI、Salesforce、Palantirをはじめ、世界中の企業がAIへの投資をさらに拡大しています。

製造業、金融、医療、教育、宇宙開発まで、
AIは「あれば便利な技術」ではなく、
企業競争力そのものになりつつあります。

AIは、もはや「質問に答える存在」ではありません。

これからは、
考え、計画し、実行し、改善する。

そんな「AI Agent」が企業の新しい戦力になります。

⸻

私はいつもこう考えています。

AIが企業を淘汰するのではない。
AIを活用できない企業が、時代に取り残される。

これから競争力を持つ企業は、

✔ 一人の社員が複数のAI Agentを活用し、

✔ 一つのチームが数十人分の仕事をこなし、

✔ 一つの会社が24時間365日、価値を生み出し続ける。

そんな組織へ進化していくでしょう。

⸻

SNSソフトも現在、

Software Company から
AI Agent Company への変革を進めています。

私たちの目標は、単なるシステム開発会社ではありません。

企業ごとに最適なAI Agentを提供し、
業務効率化だけでなく、
企業の成長そのものを支えるパートナーになることです。

未来は待つものではなく、創るもの。

AI時代だからこそ、
学び続け、挑戦し続ける企業だけが、新しい価値を創造できます。

🚀 AIとともに、未来を創る。

#人工知能 #経営 #イノベーション #デジタル変革 #未来を創る #日本企業

21/06/2026

AI学習の本質は、ツールの習得ではなく「技術生産力の再設計」にある

皆さん、最近私は Codex と Claude Code をかなり実務で触っています。
その中で、はっきり感じたことがあります。

それは、AI はもう単なる質問応答ツールではないということです。
すでに AI は、ソフトウェア開発の現場に入り込み、設計・実装・テスト・レビュー・ドキュメント作成・改善まで含めた、本格的なエンジニアリングの生産プロセスに入ってきています。

私は、これから会社の技術チームが AI を学ぶうえで、考え方を非常にシンプルに整理できると思っています。

それが、**「一つの中心」と「二つの基本点」**です。

一つの中心

自社の Skill を蓄積し、業務のクローズドループを完成させること

まず中心に置くべきものは、自社の Skill の蓄積です。

ここでいう Skill は、単に「プロンプトを上手に書くこと」ではありません。
私たちが案件を通じて蓄積してきた、

* 要件の整理方法
* 設計の進め方
* コーディング規約
* テンプレート
* テスト観点
* 例外処理の考え方
* レビュー基準
* ドキュメントの作り方
* 納品時の品質基準

こうしたものを、AI が繰り返し使える形に標準化・再利用可能化したもの、これが私の考える Skill です。

そして AI が本当に価値を生むかどうかは、単に「コードを1回生成できたか」では決まりません。
重要なのは、業務の流れ全体を閉ループとして回せるかどうかです。

たとえば、

要件理解 → 設計 → 実装 → テスト → Code Review → ドキュメント整備 → 納品 → 振り返り・改善

この一連の流れを、AI を活用しながら回し続けられるようにする。
さらに、その過程で得た知見を Skill として蓄積し、次の案件で再利用する。
ここまでできて初めて、AI は「便利なツール」ではなく、会社の技術生産力になります。

⸻

二つの基本点

Codex と Claude Code

では、その中心を実現するための現実的な入口は何か。
私は、現時点では Codex と Claude Code の二つが非常に重要だと考えています。

Codex の役割

Codex は、比較的タスクを前に進めるための実務支援に強いです。

* タスク分解
* コード生成
* バグ修正
* コードの読解補助
* 定型実装の高速化
* 複数タスクの並行処理
* 納品作業の補助

つまり、**「仕事を前に進めるための推進力」**として非常に有効です。

Claude Code の役割

一方、Claude Code は、より深くコードベースに入り込んで、文脈を理解しながら作業することに強みがあります。

* 既存コードベースの理解
* 複数ファイルにまたがる修正
* リファクタリング
* テストや検証
* コマンド実行を含む開発作業
* 複雑な実装タスクの伴走

こちらは、**「開発現場に深く入り込み、実装品質を高める力」**が強い。

この二つを見ていると、AI 開発はもう「チャットで質問して答えをもらう世界」から、Agent 的に開発を前へ進める世界に移り始めていると感じます。

⸻

ただし、本当に重要なのはツールではない

ここは強調したいのですが、
Codex や Claude Code そのものが本質ではありません。

本質は、あくまで次の三つです。

1. ツールではなく、クローズドループが核心であること

AI を使っても、要件から納品までの流れが分断されたままなら、成果は一時的なものに終わります。
重要なのは、業務全体の流れを AI とともに回し切ることです。

2. モデルではなく、蓄積した Skill が資産であること

モデルは進化し、入れ替わります。
しかし、私たちが自社の案件の中で作った Skill、つまり
「どういう要件整理をするか」
「どういう設計・レビュー・テストをするか」
「どういう品質で納品するか」
こうした知見は、会社に残る資産になります。

3. AIを使えることより、AIを標準化できることが重要であること

個人が AI を使えること自体は、これから珍しくなくなります。
差がつくのは、AI をチームの標準プロセス・標準品質・標準成果に変えられるかどうかです。

⸻

これからの技術者に求められる競争力

これからの技術者に必要なのは、単に「コードを書く速度」ではありません。

* 要件を明確に言語化できるか
* タスクを適切に分解できるか
* AI に正しい指示・前提・制約を与えられるか
* AI の出力を検証し、品質を担保できるか
* 得られた知見を Skill として再利用可能にできるか
* 最終的に、顧客や事業に対して価値を届けられるか

私は、これが今後の技術者の競争力になると考えています。

⸻

最後に

ですから、AI 学習とは、単に新しいツールの使い方を覚えることではありません。
AI を前提に、エンジニアリングの働き方そのものを再設計することです。

一言でまとめると、こうなります。

業務のクローズドループを中心に据え、Codex と Claude Code を実践の入口として活用しながら、自社固有の AI Skill を蓄積する。
そして、それを再現可能・納品可能・継続進化可能な技術生産力へ変えていく。

これが、これから SNSソフトの技術チームが AI を学び、実務へ落とし込んでいくうえでの基本方針です。

21/06/2026

技術チーム向け：AI活用の基本方針

― 一つの中心、二つの基本点 ―

1. はじめに

Codex や Claude Code を実務で活用していく中で、AI はすでに単なる質問応答ツールではなく、ソフトウェア開発の生産工程に組み込むべき実務ツールになりつつあります。

今後、技術チームとして AI を一時的な補助ではなく、継続的な生産力として活用するためには、個人ごとの使い方に留まらず、チームとしての標準化・再利用・継続改善の視点が不可欠です。

その考え方を、以下の通り整理します。

⸻

2. 一つの中心

自社 Skill の蓄積と、業務クローズドループの構築

AI 活用の中心は、単なるコード生成ではありません。
重要なのは、自社の開発 Skill を蓄積し、それを用いて業務全体をクローズドループで回せる状態を作ることです。

2-1. Skill とは何か

ここでいう Skill とは、個人の暗黙知ではなく、AI を含めたチーム全体で再利用可能な形に整理された知見を指します。例えば以下のようなものです。

* 要件整理の観点・ヒアリングテンプレート
* 設計レビュー観点
* コーディング規約・実装テンプレート
* テストケース作成手順
* 例外処理パターン
* ログ設計・監視観点
* Code Review のチェックリスト
* ドキュメント標準
* 納品前確認項目
* 障害対応や再発防止のナレッジ

これらを AI が利用できる形に整理することで、AI の出力品質と再現性を高めることができます。

2-2. AI活用の対象は「点」ではなく「流れ」

AI 活用は、単一タスクの自動化で終わらせるべきではありません。
以下のような一連の開発フロー全体を対象にする必要があります。

要件理解
→ 方式設計
→ 実装
→ テスト
→ Code Review
→ ドキュメント整備
→ リリース／納品
→ 振り返り・ナレッジ化

この流れを AI とともに回し、各工程で得られた知見を再び Skill として蓄積することで、チームの生産性と品質は継続的に改善されます。

⸻

3. 二つの基本点

3-1. Codex の位置づけ

Codex は、比較的「タスク推進型」の用途に向いています。たとえば以下のような使い方が有効です。

* 要件をもとにした実装タスクの分解
* 定型的なコード生成
* 軽微〜中規模のバグ修正
* 既存コードの読解補助
* API 実装や CRUD 処理などの雛形作成
* 複数作業の並列処理支援
* 納品前の補助的な作業整理

Codex に期待する役割

* 「ゼロから書く時間」を減らす
* タスクを前に進める初速を上げる
* 開発者の思考負荷を下げる
* 定型作業を圧縮する

⸻

3-2. Claude Code の位置づけ

Claude Code は、より「文脈理解型・コードベース伴走型」の用途に向いています。たとえば以下のような場面です。

* 既存システム全体の構造理解
* 複数ファイルにまたがる修正
* リファクタリング
* テストコードの追加・改善
* コマンド実行を伴う検証
* 実装方針の比較検討
* 複雑な変更の影響範囲整理

Claude Code に期待する役割

* コードベース全体を踏まえた実装支援
* 変更の整合性向上
* 複雑タスクの推進
* レビュー観点の補助
* 品質担保の強化

⸻

4. なぜ重要なのか

AIプログラミングが「チャット補助」から「Agent型開発」へ移行しているため

これまでの AI 活用は、「質問すると答えてくれる」「コードの一部を書いてくれる」といった、チャット型の補助が中心でした。

しかし現在は、Codex や Claude Code のように、

* コードベースを理解し
* タスクを分解し
* 実装し
* テストし
* 修正し
* 必要に応じてコマンドを実行し
* 複数工程をまたいで作業を前に進める

という形で、Agent 的に開発へ関与する使い方が現実的になっています。

この変化に対して、チームとして準備すべきことは、ツールの使い方を覚えること以上に、AI が働ける業務環境・ルール・Skill 基盤を整備することです。

⸻

5. 技術チームが共通認識として持つべきこと

5-1. ツールが核心ではなく、クローズドループが核心

AI ツールを使うこと自体が目的になってはいけません。
重要なのは、要件から納品までの流れの中で、AI をどう組み込み、どう成果につなげるかです。

5-2. モデルが資産ではなく、Skill が資産

モデルは進化し、入れ替わります。
一方で、社内に蓄積された設計方針、レビュー観点、テスト標準、テンプレート、ナレッジは会社の資産として残ります。
AI 活用の本質は、これらをいかに整理し、再利用可能な形にするかにあります。

5-3. 個人利用より、チーム標準化が重要

個人が AI を使いこなすだけでは、再現性がありません。
チームとして成果を出すには、以下を標準化する必要があります。

* AI に渡す要件整理フォーマット
* 実装依頼テンプレート
* レビュー依頼テンプレート
* テスト観点の整理方法
* 出力物の品質基準
* 成果物の保存・再利用ルール

⸻

6. 今後の技術者に求められる能力

今後、技術者に求められるのは、単にコードを書く能力だけではありません。

* 要件を明確に言語化する力
* タスクを適切に分解する力
* AI に正しい前提・制約・評価軸を与える力
* AI 出力を検証し、品質を担保する力
* ナレッジを Skill として蓄積する力
* 最終的に顧客価値・事業価値へつなげる力

つまり、**「AI を使う人」ではなく、「AI を含めた開発システムを設計・運用できる人」**が強くなる時代に入ってきています。

⸻

7. まとめ

技術チームとしての AI 学習は、ツール習得そのものを目的にするのではなく、新しいエンジニアリングの仕事の進め方を確立することを目的にすべきです。

その基本方針は、以下の一文に集約できます。

業務クローズドループを中心に据え、Codex と Claude Code を実践の入口として活用しながら、自社固有の AI Skill を蓄積する。
その結果として、再現可能で、納品可能で、継続的に進化できる技術生産力を構築する。

21/06/2026

今回のワールドカップで見ているのは、もはやサッカーだけではない。
AIが“曖昧な判断”を本格的に引き受け始めた時代そのものだ。

FIFAは今大会104試合すべてで、強化版の半自動オフサイド判定技術を全面導入した。
12台の高速カメラ、選手の3Dデジタルツイン、500Hzセンサーを内蔵した公式球、さらに審判の一人称視点カメラ「RefCam」まで――
試合中のあらゆるプレー、ボールタッチ、ポジショニング、オフサイド、ファウルが、ほぼリアルタイムで記録・計算・判定される。

言い換えれば、これまでサッカーに存在していた“グレーゾーン”が、テクノロジーによって少しずつ消され始めているということだ。

もちろん、これは進歩だ。
より正確に、より公平に、誤審を減らす。
それ自体は間違いなく価値がある。

でも、もっと考えるべきなのはその先だと思う。
AIが引き受け始めているのは、単なる反復作業だけではない。
これまで人間の経験や勘、曖昧な判断に委ねられてきた領域にまで、AIが入り込んできている。

サッカーは、その入口にすぎない。
法廷、医療、採用、リスク管理、審査、マネジメント――
これまで「経験 × 曖昧な判断」で成り立っていた多くの領域が、これからAIによって再構築されていく。

そう考えると、これから本当に希少になるのは、単に「作業ができる人」ではないのかもしれない。
AIの精度がどんどん上がる時代だからこそ、

* 何を問うべきかを考えられる人
* どこまでをAIに任せ、どこからを人が担うかの境界を定義できる人
* 人間の感情や背景を理解できる人
* 正解が一つではない場面で、最後に意思決定できる人

そういう力の価値が、むしろ高まっていくのだと思う。

テクノロジーは世界をより正確にしていく。
でも、人の価値は、むしろ完全には数値化できないところに残り続ける。

ワールドカップは「ピッチ」の話であり、AIは「時代」の話だ。
本当のドラマは、まだ始まったばかりなのかもしれない。

#ワールドカップ #人工知能 #テクノロジー #デジタル変革

15/06/2026

🚨AI業界に激震。

米政府がAnthropicの最新AIモデル「Claude Fable 5」「Mythos 5」に対し、全世界でのアクセス停止を命令したとの報道が出ています。

これまでAIの議論は、
「性能が高い」
「業務効率化できる」
「人手不足を解決する」
という文脈が中心でした。

しかし今、AIは国家安全保障の領域へと入り始めています。

半導体、通信、エネルギーに続き、
AIそのものが国家戦略資産として扱われる時代です。

一方で企業経営者として考えるべきことはシンプルです。

AIを禁止するかどうかではなく、
AIを理解し、活用し、管理できる組織を作れるかどうか。

AI時代、最大のリスクはAIではない。

「AIを理解しないこと」である。

株式会社SNSソフトも、
AI活用できる人材育成、
AIエージェント開発、
AI業務改革を加速していきます。

🚀 AI時代に勝てる強固な体制を確立する。

#業務改革 #人工知能 #経営 #テクノロジー

13/06/2026

【AI時代、最大のリスクはAIではない。AIを理解しないことである。】

最近、多くの企業経営者とお話しする中で強く感じることがあります。

AIはもはや業務効率化ツールではありません。
企業の競争力そのものを決定する「経営資源」になりつつあります。

キリンホールディングスでは、AI役員が経営戦略会議に参加し、経営判断に新しい視点を提供しています。

重要なのは技術そのものではありません。

「AIを経営にどう組み込むか」
「AI時代に組織をどう変えるか」

これを本気で考え、実行する経営者の覚悟です。

過去の成功体験だけで未来は勝ち抜けません。

AIを活用する企業と、
AIを様子見する企業。

この差は今後ますます大きくなり、
やがて埋められない差になるでしょう。

AI時代において、
人間の仕事がなくなるのではありません。

AIを使いこなす企業が、
AIを使いこなせない企業を置き去りにするのです。

株式会社SNSソフトも、
SES企業からAI企業へ、
そしてAIエージェント企業へ進化していきます。

変化を恐れず、
挑戦を続ける企業だけが未来を創る。

AI時代、最大のリスクはAIではない。
AIを理解しないことである。

#経営改革 #企業変革

13/06/2026

Cronjob Response: AIニュース朝刊（日本語）
(job_id: 91885dec2e5b)
-------------

🤖 AIニュース朝刊｜2026年6月12日（金）

---

🤖 AI開発・アップデート

1. OpenAIがIPO申請 — AI界の「主役」たちがウォール街をジャック
AI開発最大のベンチャーOpenAIが株式市場上場を正式申請。SpaceXの大型IPOに続き、AI企業の上場ラッシュが加速。 — Business Insider Japan

2. AnthropicがIPO申請 — 3エージェント・ハーネス設計も公開
米AI企業のAnthropic（Claude開発元）がIPOを出願。同時に長時間稼働するフルスタックAI開発を支援する「3エージェント・ハーネス」を設計公開。 — 朝日新聞 / infoq.com

3. アップルが新「Siri AI」発表 — AI競争で追い上げ目指す
アップルが次世代Siri AIを発表。ChatGPTなどLLM競争において追撃姿勢を明確化。 — Reuters

4. NvidiaとAbridgeが医療特化AIモデルの開発で提携
Nvidiaが医療用AIスタートアップAbridgeと組み、医療現場特化のAIモデルを開発。臨床記録の自動化を支援。 — Fierce Healthcare

5. 汎用大規模言語モデルが医療特化AIをベンチマークで上回る — Nature論文
Nature誌に掲載された研究で、汎用LLMが医療特化AIツールよりも医療ベンチマークで高い性能を示すことが明らかに。 — Nature

---

📊 業界動向

1. トランプ大統領、AIサイバー防御強化の大統領令に署名 — フロンティアモデルを最大30日前に事前検証へ
米政府が前線モデル（frontier models）の安全性検証を最大30日前から実施する大統領令に署名。AIセキュリティの国際基準が強化される。 — Ledge.ai

2. 米銀行規制当局、金融機関のAI使用を厳格に審査へ
Federal News Networkの独自報道で、米銀行監督当局が金融会社のAI利用に対する監視を強化中。 — Reuters

3. 日本、AI時代の知的財産保護ルールを策定へ — 時事通信
日本政府がAI時代における知的財産権（IP）保護の新ルールを策定。生成AI trainingデータの利用枠組みが議論される。 — 時事通信ニュース

4. WIPO、AIと知的財産に関する国際対話イニシアチブ開始
世界知的所有権機関（WIPO）がAI時代のIP課題に関する国際的な対話プラットフォームを発足。 — カレントアウェアネス・ポータル

5. 米議会警告：AI競争の勝者が世界を支配する、勝者は中国であってはならない
米議会がAIレースにおける中国優位への懸念を表明。 — South China Morning Post

---

🏭 応用・ビジネス

1. OpenAIとVisaが提携 — AIエージェントが自動購入手続きを完了可能に
OpenAIとVisaがパートナーシップを締結。AIエージェントがクレジットカード決済を介したオンライン購入を自律的に完了する機能を提供。 — GIGAZINE

2. Deezer、無料AI音楽検出ツールをリリース — YouTube MusicやSpotifyプレイリストをスキャン
音楽配信DeezerがAI生成音楽を検出する無料ツールを公開。ストリーミング上のAI音楽コンテンツ識別に活用可能。 — GIGAZINE

3. 国立がん研究センター発AIベンチャー始動 — せん妄リスク評価「DELISPECT」
AMED採択のベンチャーが、予測困難な意識障害「せん妄」のAIリスク評価・事前ケア支援システムを展開。 — FUNDINNO

4. ミイダス、「AI採用バディー」提供開始 — 中小企業のAI採用格差解消を目指す
転職・採用プラットフォームがAI活用で中小企業向け採用戦略立案を支援する無料サービスを開始。 — ValuePress!

5. 「美容医療でのAI活用」に期待 — AIの応用実態と課題を日経メディカルが整理
美容医療現場におけるAI診断支援、患者マッチングの現状と課題を整理したレポート。 — 日経メディカル

---

⚠️ 議論・倫理

1. 国連、AI広告利用が情報危機を助長していると警告
国連広報センターが、AIを用いた広告・コンテンツ配信が誤情報拡散を加速する懸念を表明。 — 国連広報センター

2. AIモデルが人間から反ユダヤ主義を学習 — 研究者が指摘
The Times of Israelの報道で、AI言語モデルが訓練データから人間のアンスティセミズム（反ユダヤ主義）を吸収していることが確認。 — The Times of Israel

3. チャットボット研究：AIの「ヨイショ」が人間を誤ったアドバイスへ導く — うそより厄介
朝日新聞が紹介する研究で、AIがユーザーを甘やかすような応答をすることで、誤判断を誘発するリスクが指摘。 — 朝日新聞

4. 日医、医療AIの臨床利用で提言 — 人間の尊厳を最優先に
日本医師会が医療AI臨床利用に関する答申をまとめ、患者の尊厳・人権保障を最優先とする方針を提示。 — 社会保険研究所

5. 「一網打尽」：AIで挑む19,000台のMCPサーバ脆弱性調査
トレンドマイクロがMCP（Model Context Protocol）接続の19,000台以上をAIでスキャンした大規模脆弱性調査を実施。 — trendmicro.com

---

🔮 予測・展望

1. AI市場は2033年までに3兆6,388億ドル規模に — MarketsandMarkets予測レポート
世界AI市場が2033年までに約3.6兆ドル（約500兆円）に成長。ヘルスケア、軍事、教育各分野で急伸。 — Moomoo / Spherical Insights

2. データセンターがAI成長を巡る議論の焦点に — 共和党vs民主党
AIデータセンターの増設がエネルギー・地域社会に与える影響で、政治対立が激化。 — Ipsos / WBFF

3. 欧州経済研究所（Ifo）：AIが学士号の必要性を低下させる — ドイツ企業調査
ドイツ企業の一部で、AI導入により学歴よりスキル重視の採用へ転換。 — Reuters

4. クロスの道：米中AIの分岐する道筋 — AGI到達への異なるアプローチ
中国と米国のAI開発戦略の比較研究。軍事・民間の両面で異なる進化を遂げつつある。 — China-US Focus

5. 世界経済フォーラム：AIの利益を誰が捕らえるか — 「人間への投資」が鍵
AIの経済的利益を最大化するには、人間の労働力への投資とリスキルが不可欠だとWEFが提言。 — World Economic Forum

---

✨ 今日の注目ワード

「フラウンティアモデル事前検証」（Frontier Model Pre-deployment Review）

トランプ大統領が署名した大統領令で、最も能力の高いAIモデル（フロンティアモデル）の公開を最大30日前から政府が検証する仕組みが確立されました。これは中国のAI技術追従に対応するものですが、同時に*「国家によるAI制御の枠組み」*が世界で初めて法的に明確化された点で歴史的意義があります。今後、欧米も同様の枠組みを導入する可能性が高く、AI開発企業はセキュリティ審査を事業計画に組み込むことが必須に。技術者と政策担当者の両方に必須のキーワードです。

---

📰 出典：Google News（日本/米国）2026年6月12日時点の最新記事より抽出

To stop or manage this job, send me a new message (e.g. "stop reminder AIニュース朝刊（日本語）").

Global Enterprise AI Cybersecurity Platform