メインコンテンツへスキップ
EastBraver Labs

Fresh AI updates

ZDRと法令上の保持例外

OpenAIのZero Data Retentionで、フロンティアモデル利用時の保持設計と安全監視の分離が具体化しました。顧客管理鍵、法令上の保持例外、マルチエージェントから有人対応への引き継ぎ、スキル評価の再現性まで、契約・権限・監査で確認する論点を整理します。

20分で読めます
AI Digestevaluationopen-sourcefrontier-modelclaudegovernanceamazon-bedrocklocal-inference
ZDRと法令上の保持例外

3分で読む AIダイジェスト 20260820

AIに渡した内容を保存しない契約だけでは、実運用の安全性は決まりません。今日は、保持しないデータと安全判定に使うシグナルの境界、人間へ引き継ぐ条件、エージェントや生成物を継続評価する方法を、公開された実装例から確認する日です。

読者まず見ること
管理者機密データ対応では「保存しない」という表示だけでなく、法令上の例外、監査証跡、障害時の説明責任まで契約条件として把握したいところです。
AX担当ベンダーに、対象エンドポイント、保持例外、暗号鍵の管理主体、人手確認へ渡る情報、一般提供時期を確認してください。
エンジニアAPI単位の保持条件、ログやトレースへの内容混入、再試行時の複製、監視シグナルの保存先、評価の反復回数を実装設計と照合したいところです。

Offering Zero Data Retention for frontier models

今日のAI実装動向を読むうえで、最初に確認したい論点です。

何が変わったか: フロンティアモデルでも、内容の非保持と複数回のやり取りにまたがる安全監視を分離して設計する選択肢が示された。

OpenAIは、対象API顧客のプロンプトと応答を処理後に保持しないZero Data Retentionを説明した。複数の関連インタラクションから安全上のパターンを検出するPrivate Safety Processingも、初期顧客向けにプレビューしている。顧客基盤に内容を置く方式に加え、顧客管理鍵で暗号化してOpenAI側へ保存する選択肢を開発中だとしている。ただし、潜在的なCSAM画像の保持など法令上の例外は残る。

実装・運用観点: ZDRを機密情報利用の前提にする組織は、対象API、法令対応で例外的に保持されるデータ、監視シグナル、人手確認へ渡る情報を契約と実装の両面で確認したい。既存のアプリログやトレースが別経路で内容を保存していないかも、API移行前の具体的な確認点になる。

確認論点:

  • 利用するモデルとエンドポイントがZDR対象か確認する
  • アプリログ、トレース、再試行キューに本文が残らないか確認する
  • 法令上の保持例外と顧客管理鍵の責任分界を契約で確認する

未確認事項:

  • Private Safety Processingは9月に段階提供と技術ホワイトペーパー公開を予定しているが、対象顧客、開始日、一般提供条件は未公表
  • 法令対応による例外的なデータ保持を顧客が監査できる仕組みは明示されていない

あわせて見る動き

主要論点の背景、比較材料、運用上の影響を補う更新です。

  • 掲載件数: 6件
  • 対象分野: Infra（1件） / OpenSource（1件） / Products（2件） / Policy（2件）
  • 関係する読者: 管理者 / AX担当 / エンジニア

How Fanatics Betting and Gaming built a multi-agent customer support system

何が変わったか: 顧客対応エージェントについて、問い合わせ種別ごとのツール分離と高リスク事案から有人対応への引き継ぎを含む本番構成が示された。

Fanatics Betting and Gamingは、Amazon EKS上のSpring AI、Bedrock Guardrails、Supervisor Agent、RAG、MCPツールを組み合わせた顧客サポート基盤を構築した。問題のあるギャンブル行動について重大度が高いと判定した場合は、会話履歴とともに人間へ即時転送し、アカウント照会はMCP、FAQは独自RAGへ振り分ける。同社の導入後2カ月の指標では、containment rateが約56%、resolution rateが約53%改善し、数千件を自動解決したという。

実装・運用観点: ZDRのようなデータ統制に加え、誰がどの会話履歴へアクセスし、どの判定で人間が責任を引き取るかが運用の中心になる。MCP、RAG、分類器ごとに権限と障害時のフォールバックを切り分けたい。

関連する技術ガイド: RAG / Guardrails

確認論点:

  • 高重大度判定の閾値と有人対応へ引き継いだ後の責任者を確認する
  • MCPツールごとの読み書き権限と監査ログを確認する
  • 分類器やモデル更新時の回帰評価とロールバック手順を確認する

未確認事項:

  • 公開された改善率の評価方法、母数、独立検証結果は示されていない
  • 責任あるゲーミング分類の精度と総コスト削減率は公開されていない
  • 運用規模、負荷試験、モデル更新時の評価手順は不明

Evaluating AI Agent Skill Performance with NVIDIA SkillEvaluator

何が変わったか: エージェントスキルを導入前検査と隔離実行による有無比較で評価する、再利用可能な検証経路が公開された。

NVIDIAは、エージェントスキルを静的な安全・構造検査、重複性分析、隔離環境での有無比較により評価するオープンソースのSkillEvaluatorを公開した。固定スナップショット上の300超のスキルをCodexとClaude Codeで評価し、全指標平均のSkill Liftを31ポイントと報告している。一方、公開結果の85%は各タスク1試行で、信頼区間は示されていない。

実装・運用観点: スキル追加を機能数ではなく、成功率、安全性、既存能力との重複で判断しやすくなる。社内採用時は同一タスクを複数回実行し、失敗率と分散も含めて比較したい。

関連する技術ガイド: AI Agent

確認論点:

  • 評価タスクが自社の実作業と権限構成を再現しているか確認する
  • 複数試行で平均値、分散、失敗モードを記録する
  • 隔離環境から外部ネットワークや秘密情報へ到達できないか確認する

未確認事項:

  • 85%の結果が1試行のため統計的な再現性は未確認
  • DiscoverabilityとEfficiencyをモデル能力差だけで説明できるかは不明

Ask Gemini in Google Chat

何が変わったか: Google ChatのGeminiサイドパネルが、Workspace内の情報検索と会議・タスク管理をまとめたAsk Geminiへ置き換わる。

Googleは8月26日から、英語アカウントのGoogle ChatへAsk Geminiを段階展開する。Workspace Intelligenceを使ってGmail、Drive、Calendarを横断検索し、会話の要約、コンテンツ作成、会議やタスクの管理を支援する。従来のChatサイドパネルの会話履歴は移行されず、Gemsも同パネルから利用できなくなる。

実装・運用観点: 管理者はChatでのGeminiとWorkspace Intelligenceの有効化条件、Smart Featuresへの登録、横断検索で参照される情報の権限を確認したい。既存履歴が必要な利用者には、切り替え前に管理者エクスポートまたは利用者ダウンロードの手順を案内する必要がある。

確認論点:

  • Gmail、Drive、Calendarの共有権限がChatからの検索にも適切か確認する
  • 旧サイドパネルの会話履歴を残す必要があれば切り替え前に書き出す
  • 10月1日の優遇枠終了後を想定して利用量と業務影響を確認する

未確認事項:

  • 英語以外への展開時期は公表されていない
  • 10月1日以降の具体的な利用上限は発表内で示されていない

OpenAI hit the brakes. Now what?

何が変わったか: サイバー能力の上昇を理由に、最大規模の学習実行そのものを保留する運用判断が公表された。

OpenAIは研究環境の強化と監視拡大のため、配備予定モデルへの強化学習を2週間停止し、最大規模のfrontier RL runを引き続き保留している。公式発表は、Hugging Faceでの評価中インシデントと、次期モデルAstraがCritical cybersecurity能力へ達する可能性を背景に挙げた。隔離、ネットワーク制限、継続的なセキュリティ試験、思考過程監視を強化したとしている。

実装・運用観点: 能力評価がリリース判定だけでなく、学習環境の隔離や実行可否にも作用する例になる。高権限モデルを評価する組織は、評価環境の認証情報、外部通信、停止権限、再開条件を明文化したい。

確認論点:

  • 評価環境の秘密情報と外部通信を本番系から隔離する
  • 能力閾値を超えた場合の停止権限と承認者を決める
  • 評価中インシデントの記録、封じ込め、再開条件を確認する

未確認事項:

  • 最大規模RL実行の具体的な再開基準と時期は未公表
  • 業界横断の自主停止や政府監督は確定事項ではない

Coders Say They Already Found Workarounds to Claude’s Invisible Watermarks

何が変わったか: 生成元を示す透かしについて、通常の編集工程でも失われ得るという運用上の限界が具体化した。

Anthropicは対応Claudeモデルのテキストへ不可視透かしを付け、検出APIも提供予定だと説明している。ただし、強い編集、言い換え、翻訳後には透かしが残らない場合がある。WIREDは除去ツールの公開を報じたが、Anthropicの検出器は未公開で、回避成功は独立検証されていない。

実装・運用観点: 透かしだけをコードや文書の由来、受入可否、不正判定の根拠にするのは難しい。リポジトリ履歴、生成時ログ、レビュー承認など別の来歴情報と組み合わせる必要がある。

確認論点:

  • 透かしを単独の不正判定や受入拒否の根拠にしない
  • 編集、翻訳、フォーマット処理後の検出率を確認する
  • 生成ログ、コミット、レビュー記録を別経路で保存する

未確認事項:

  • 公開された回避手法がAnthropicの検出器で成功するかは不明
  • 誤検知率、編集耐性、言語別性能は公開されていない

KnowledgeForge: mining gold from the ITSM ticket graveyard

何が変わったか: 過去の運用記録を、重複検査と人手承認を通じて再利用可能な知識へ変える閉ループ構成が示された。

AWSのKnowledgeForge例は、解決済みITSMチケットからナレッジ記事と根本原因分析を生成し、分類、重複排除、品質採点を経てServiceNowで人間が承認する。生成にはAmazon Bedrock、重複検出にはS3 Vectors、バッチ調整にはStep Functionsを使う。大きな本文ではなくS3ポインターをワークフロー状態として渡す設計も示された。

実装・運用観点: 履歴を生成AIへ渡すだけでなく、正本、重複判定、品質基準、公開承認を分けた点が実装の参考になる。生成記事から再利用結果を追跡し、誤りを次回の評価へ戻せるか確認したい。

関連する技術ガイド: 生成AI

確認論点:

  • ITSMチケット内の個人情報と秘密情報を生成前に処理する
  • 類似度閾値を自社文書で評価し誤統合と見逃しを測る
  • 承認済み記事の正本と差し戻し履歴をServiceNow側で管理する

未確認事項:

  • 正確性、誤重複率、費用、運用規模の測定値は未公開
  • 類似度0.95の閾値が他の文書集合にも適するかは未検証

短く追う更新

優先度は少し下がりますが、流れを押さえるために確認しておきたい更新です。

  • 掲載件数: 8件
  • 対象分野: Products（2件） / Infra（2件） / Models（2件） / Policy（1件） / Research（1件）
  • 関係する読者: 管理者 / AX担当 / エンジニア

Researchers say OpenAI revoked their access to limited cyber program

  • 情報源: TechCrunch
  • 出典種別: 二次報道
  • 分類: Products
  • 関係する読者: 管理者 / AX担当 / エンジニア

TechCrunchは、複数の研究者がDaybreak Blueへのアクセスを失ったと報じた。OpenAIは限定数の利用者に発生した技術的問題として再認証を求めている。公式説明では、Daybreak Blueは承認済み防御者へGPT‑5.6 Solなどを提供するアクセス層とされる。

変化: 承認制の高能力サイバーモデルで、アクセス維持と再認証の安定性が利用継続上の論点になった。 確認: アクセス喪失時の代替モデルと業務継続手順を確認する

Building Federated Multimodal AI Workflows with NVIDIA FLARE

  • 情報源: NVIDIA Developer Blog
  • 出典種別: 公式情報
  • 分類: Infra
  • 関係する読者: AX担当 / エンジニア

NVIDIAはFLAREによる連合マルチモーダル学習で、大容量オブジェクトの外部化、テンソルのストリーミング、サーバー側のディスク退避を組み合わせる構成を解説した。FedUMMのシミュレーションではLoRAだけを交換し、8クライアント時の通信量を1ラウンド28.6GBから0.094GBへ削減したと報告している。評価は公開データの合成分割によるもので、臨床性能や形式的プライバシー保証ではない。

変化: 大規模なマルチモーダル連合学習で、通信量と集約メモリを抑える具体的なデータ転送方式が示された。 確認: 通信中断後の再送とラウンド整合性を検証する

Post-Train NVIDIA Cosmos 3 Edge for On-Device Robot Control

  • 情報源: NVIDIA Developer Blog
  • 出典種別: 公式情報
  • 分類: Models
  • 関係する読者: 管理者 / AX担当 / エンジニア

NVIDIAは4BのCosmos 3 EdgeをDROIDデータで行動方策へポストトレーニングし、Jetson AGX Thor上のWebSocketサーバーとして動かす手順を公開した。32行動の生成に約1.53秒、閉ループRoboLabタスクの成功率は22.9%と報告している。成功率はシミュレーション結果で、実機の安全性を示すものではない。

変化: エッジ上のロボット制御モデルについて、学習から配信、閉ループ評価までの再現資材と性能値が公開された。 確認: 推論遅延と行動チャンク消費時間の余裕を測定する

LFM2.5 Q4\_0 Checkpoints from Quantization-Aware Distillation

  • 情報源: Hugging Face
  • 出典種別: 公式情報
  • 分類: Models
  • 関係する読者: AX担当 / エンジニア

Liquid AIはLFM2.5の230M、350M、1.2B-Instruct、2.6B向けに、量子化対応蒸留で学習した4ビットQ4_0 GGUFチェックポイントを公開した。同社評価ではBF16基準性能の96.5〜97.4%を保ち、比較対象の高精度量子化よりデコードを3〜33%高速化したとしている。独立した再現結果は示されていない。

変化: 量子化後の劣化を蒸留段階で抑えた小型モデルを、llama.cpp系のローカル実行へ直接持ち込めるようになった。 確認: 対象端末のメモリ使用量、速度、消費電力を実測する

Flock Has a Powerful New AI Tool for Police. We Got Its Code

  • 情報源: WIRED
  • 出典種別: 二次報道
  • 分類: Policy
  • 関係する読者: 管理者 / AX担当 / エンジニア

WIREDは、Flock Safetyのログイン画面から配信されていた450超のファイルを分析し、開発中のOS Investigateに69個の定型プロンプトと45種類のツール定義が含まれていたと報じた。車両の移動パターンや警察記録を関連付けるワークフローが含まれるという。Flockは少数機関とのテスト中で機能は変更され得ると回答しており、一次資料は確認されていない。

変化: 警察向けAI調査ツールについて、検索対象とツール構成の一部がクライアント側コードから具体化した。 確認: 関連付け結果を人間が検証する基準と承認履歴を確認する

Replit expands access to software creation with GPT-5.6 Luna

  • 情報源: OpenAI
  • 出典種別: 公式情報
  • 分類: Products
  • 関係する読者: 管理者 / AX担当 / エンジニア

ReplitはGPT‑5.6 Lunaを使うFree Modeを導入し、利用量を消費せずにプロジェクト文脈を踏まえた回答や企画、分析を利用できるようにした。高度な推論が必要な処理はGPT‑5.6 Solへルーティングし、その後Lunaへ戻す構成だとしている。具体的な利用上限とルーティング条件は公開されていない。

変化: ソフトウェア作成支援で、無料の常用モデルと高推論モデルを文脈を保ったまま切り替える提供形態が加わった。 確認: LunaからSolへ切り替わる条件と課金表示を確認する

Serverless Apache Spark on Google Cloud: Architecture Choices & AI Troubleshooting

  • 情報源: Google Cloud
  • 出典種別: 公式情報
  • 分類: Infra
  • 関係する読者: AX担当 / エンジニア

Google CloudはManaged Service for Apache Sparkについて、常時高稼働、低遅延、OS制御が必要なら管理クラスタ、間欠バッチならサーバーレスを選ぶ判断軸を示した。障害時にはGemini Cloud Assistがドライバーログを解析し、欠落した引数や型エラーを特定する例も紹介している。診断精度や時間短縮の定量評価は公開されていない。

変化: Sparkの実行方式選択とログ解析による障害診断を、同じ運用判断の流れで扱う構成例が示された。 確認: 起動時間、同時実行数、最大実行時間をバッチSLOと照合する

I Saw the Future of AI in a Robot That Can Learn on the Spot

  • 情報源: WIRED
  • 出典種別: 二次報道
  • 分類: Research
  • 関係する読者: 管理者 / AX担当 / エンジニア

WIRED記者はGeneralist AIで、短い実演動画を与えられたロボットが、道具の欠落時に代替物を使い、把持失敗後に反対側のグリッパーへ切り替える様子を観察した。GeneralistはGEN-1を実時間で行動を出力するマルチモーダルモデルと説明している。公開された成功率は評価条件が異なり、直接比較できない。

変化: 事前定義外の道具や失敗へ実行中に適応するロボット挙動が、報道と開発元評価を通じて示された。 確認: 許可する道具、空間、力、再試行回数を制約する

ひとこと更新

本文で詳しく扱うほどではないものの、周辺動向として確認しておきたい話題です。

Written by

柿添貴士(TakashiKakizoe) profile photo

柿添貴士(TakashiKakizoe)

Webエンジニア／テックリード

Fukuoka, Japan

  • PHP
  • Laravel
  • Next.js
  • AWS
  • Cloudflare
  • AI Agent
GitHubXZennQiitaWantedly

NEXT SIGNAL

関連するAI Digest