エージェント基盤の統制強化と行政への副作用、低コスト学習が進むAI

エージェント基盤の統制と接続

AWSは2026年8月のAmazon Bedrock関連アップデートを振り返り、中心となったのはAIエージェントをより長時間・より大きな権限で動かすための基盤強化だと説明しました。AgentCoreの実行環境ではセッションが最長14日間継続でき、行動の順序・レート・支払いをインフラ側で制御する仕組みが加わっています。メモリやWeb検索、承認済みエージェントを探せるレジストリも拡充され、規制環境向けのAWS GovCloudでは一部のモデルとエージェント機能が使えるようになりました。

ハードウェア側でも接続を巡る動きがありました。AI推論向けチップを手がけるd-Matrixは、次世代の推論プロセッサ「Raptor XPU」をNVIDIAのAIインフラ基盤に接続するため、NVLink Fusionを採用すると発表しています。カスタムシリコンを大規模展開する際に必要となるラック、電力、冷却、ソフトウェア、供給網を自前でそろえる負担を減らす狙いだと説明されました。基盤側の統制と、チップ側の接続という二方向から、エージェント運用の現実的な足回りが整いつつあります。

エージェントが行政に与える副作用

AIが書類の記入や苦情の提出を容易にしたことで、世界各地の公共サービスで申請や問い合わせが急増していると報じられました。英国の住宅オンブズマンへの苦情は2022年の2,600件から昨年は7,000件超に増え、米国の消費者金融保護局(CFPB)では同時期に5倍になったとされています。

研究者のChris Schmitz氏はこの現象を「エージェンティック・フラッディング」と呼び、11の管轄地域・84件の事例を分析した論文を来月の学会で発表する予定です。増加した申請の多くは権利を持つ実在の人物によるものとされ、単純な不正の急増ではなく、行政サービスの再設計の機会として捉えられている点が特徴です。

低コストで学習する裾野

1人の開発者が約1,000ドルの予算で3.8Bパラメータの言語モデルを学習し、COREベンチマークで0.384を記録したと報告しました。65Bトークンを43時間で処理し、費用は998ドルだったとされています。

開発はRTX 5090上で進められ、最終学習はレンタルしたB200で行われ、Karpathy氏のnanochatに強く影響を受けたと述べられています。有効だった5つの変更、効かなかった試み、評価指標に関する注意点が整理されており、限られた予算でも一定の性能に到達しうることが示された形です。

明日以降に注目したい点

エージェントの実行時間と権限が広がるほど、統制の仕組みがどこまで実効性を持つかが問われます。AWSが示した順序・レート・支払いの制御が、実際の運用でどのように効いてくるかを追いたいところです。

行政側ではエージェンティック・フラッディングへの対応が焦点になります。申請の急増を機会と捉えるのか、負荷として対処するのかで、サービスの設計方針が分かれるでしょう。低コスト学習の記録についても、手法の再現性と評価指標の妥当性が今後の議論になります。