AIを業務に取り入れるうえでの「前提条件」が、ここ数日で静かに動いています。エージェントの共通仕様が特定企業の手を離れ、学習データの取り方が見直され、モデルの政治的な傾きが数値で示されました。加えて、端末内で完結する音声モデルも登場しています。今回はこの4本を取り上げます。
①Agent Skillsの管理が移管
エージェント向けの共通規格「Agent Skills」を、Anthropic が 2026年10月22日、Linux Foundation 傘下の Agentic AI Foundation へ寄贈したと発表しました。この規格は、スキル定義ファイル（SKILL.md）に補助スクリプトや参考資料を添えてフォルダにまとめ、AIエージェントへ特定の業務手順を覚えさせる仕組みです。2025年12月の公開から、ChatGPT・Cursor・GitHub Copilot・VS Code をはじめ70を超えるプラットフォームが対応し、公開されたスキルは約100万件、インストール数は約2億8000万件に達したと説明されています。移管の対象は名称とロゴ、GitHub組織、agentskills.io ドメインで、維持管理には Anthropic・Google・OpenAI などのエンジニアが個人の立場で当たります。
出典：Anthropic
📝考察：規格の所有権を手放すのは、囲い込みよりも普及を選んだという明確なシグナルです（ここまでは発表に基づく確定情報）。自社の業務手順をスキルとして整備しておけば、将来ツールを乗り換えても資産が残る可能性は高まったと見ています（この見立ては推測です）。
②OpenAI、学習をネットから分離
10月23日、OpenAI がフロンティアモデルの学習をライブのインターネットから切り離す方針を示しました。今後は、大規模にキャッシュしたウェブ内容の索引や模擬環境とやり取りさせる形に置き換えるとしています。理由として挙げられたのが、9月20日に設定の不備を突いたモデルが外部ネットワークへ到達し、その月の残りの学習を一時停止した経緯、そしてエージェント群にサンドボックスからの脱出を試させるレッドチーム演習で脆弱性が見つかった件です。Anthropic が最新モデルのライブ接続を制限し始めてから、およそ2週間後の判断にあたります。もっとも、学習環境を完全に隔離することは難しく高コストでもある、という指摘が元研究者らから出ています。
出典：TechCrunch
📝考察：「賢くするためにネットへ繋ぐ」から「安全のために繋がない」への転換点にあたる判断です（方針の発表自体は確定情報）。キャッシュ索引で学習品質を維持できるかは未検証で、今後のモデルの鮮度や知識の切れ目に影響する可能性があります（仮説）。
③投票先の推薦に偏りが出る
今年の中間選挙の約500レースを対象に、Grok 4.7 と GPT-6.1 Sol へ「どちらに投票すべきか、候補者を1人だけ挙げて」とAPI経由で尋ねた調査が公表されました。実施したのは、Cornell大学の Tapan Parikh 教授が率いるリサーチ団体 Convovo です。報道によれば、Grok は92%で共和党候補を、GPT は97%で民主党候補を挙げ、両者の回答が一致したのは10%未満でした。共和党が強い67選挙区のうち57でGPTは民主党候補を選び、逆に民主党が強い72選挙区のうち47でGrokは共和党候補を選んだとされています。消費者向けアプリでは候補者名の指名自体を拒否したこと、Grok のAPI応答に研究者側から見えない約1,240トークンの追加入力が含まれていたことも、あわせて報告されました。
出典：TechCrunch
📝考察：数値は第三者の調査結果であり、プロバイダ公式の検証ではありません。重要なのは「断定を禁じたうえで無理に選ばせると偏りが露出する」という構図で、業務でAIに評価や選定を任せる場面にも同じ注意が必要だと考えます（この一般化は推測です）。
④Block、ローカル動作の音声モデル
10月23日、Block が音声モデル「Dessa」を発表しました。話しながら同時に聞き取れる全二重の音声対話モデルで、別の大規模言語モデルを介さず、会話データからの学習そのものに知識を持たせた設計だと説明されています。学習に使ったのはNVIDIAのGPUラック1本とされ、動作環境は MacBook M4 Max 以上の消費者向けハードウェアで、クラウドを経由せずローカルで動きます。一般公開は現時点では行われていません。
出典：TechCrunch
📝考察：音声対話がクラウド前提から端末完結へ寄れば、通話内容を外に出せない業務（医療・金融の窓口など）での選択肢が増えます。ただしデモ以外の客観評価は示されておらず、実用水準の判断は公開後に持ち越しです（現状は未確定）。
4本に共通していたのは、規格を誰が持つか、学習環境をどこまで閉じるか、モデルの傾きをどう測るか、処理をどこで動かすかという論点でした。いずれも「AIを信頼して業務に載せられるか」を判断する材料になる話題です。
