Deep Research Agentの結果をAzure Logic Appで週次でメール送信

Azure AI Foundry Agent ServiceからDeep Research Toolを使ったAgentを作り、Azure Logic Appと連携して、メール送信してみました。その際の記録です。

メール内容

こんなメールが送られます。

Steps

前提

• Azure AI Foundryのリソース作成および、gpt-4o, o3-deep-research モデル作成済
• Grounding with Bing Search リソース作成およびAI Foundry リソースに紐づけ済(Grounding with Custom Bing Searchは試したがCustom部分が適用されずに通常のBing Searchと同じ動きになった)
• ローカルのプロジェクトのディレクトリ作成、Poetryの初期設定済

私が躓いたポイント

• Agentのモデルの制限: Agentに割り当てるモデルをgpt-4.1-miniにしたが、サポートされていないためエラー発生(エラーメッセージから原因がわからず、原因特定に時間かかった。Agent画面から選べるのに・・・)
• モデルとAgentは同じAI Foundryリソース上にないとNG: 調べればできのかもしれませんが、別リソースだとエラー起きました

1. Agent作成

1.1. プログラム前提

種類	Version	備考
OS	Ubuntu22.04.5 LTS	WSL2で動かしています
Python	3.13.2
Poetry	2.1.3

Python パッケージ

azure-ai-agentsとazure-ai-projectsはリリースされているバージョンでは、2025/7/9時点ではエラーが出て、未リリースのものを使っています。

種類	Version	備考
azure-identity	1.23.0
azure-ai-agents	1.1.0b3	--allow-prereleasesオプションを付けてpoetry add
azure-ai-projects	1.0.0b12	--allow-prereleasesオプションを付けてpoetry add
python-dotenv	1.0.1

1.2. 環境変数設定

.envで環境設定しています。

.env

# Azure AI Project のエンドポイント
PROJECT_ENDPOINT="http://<aiservicename>.services.ai.azure.com/api/projects/<project name>"
# Bingコネクション（リソース）名
BING_RESOURCE_NAME=searchaiuse2
# Deep Researchモデルのデプロイメント名
DEEP_RESEARCH_MODEL_DEPLOYMENT_NAME=o3-deep-research
# 使用するモデルのデプロイメント名
MODEL_DEPLOYMENT_NAME=gpt-4o

1.3. プログラム本体

create_agent.py

import os
from azure.ai.projects import AIProjectClient
from azure.identity import DefaultAzureCredential
from azure.ai.agents.models import DeepResearchTool

from dotenv import load_dotenv
load_dotenv(override=True)

project_client = AIProjectClient(
    endpoint=os.environ["PROJECT_ENDPOINT"],
    credential=DefaultAzureCredential(),
)

conn_id = project_client.connections.get(name=os.environ["BING_RESOURCE_NAME"]).id

# Initialize a Deep Research tool with Bing Connection ID and Deep Research model deployment name
deep_research_tool = DeepResearchTool(
    bing_grounding_connection_id=conn_id,
    deep_research_model=os.environ["DEEP_RESEARCH_MODEL_DEPLOYMENT_NAME"],
)


# Create Agent with the Deep Research tool and process Agent run
with project_client:

    with project_client.agents as agents_client:

        # Create a new agent that has the Deep Research tool attached.
        # NOTE: To add Deep Research to an existing agent, fetch it with `get_agent(agent_id)` and then,
        # update the agent with the Deep Research tool.
        agent = agents_client.create_agent(
            model=os.environ["MODEL_DEPLOYMENT_NAME"],
            name="my-agent",
            instructions="You are a helpful Agent that assists in researching topics. Just go ahead without any questions",
            tools=deep_research_tool.definitions,
        )

        # [END create_agent_with_deep_research_tool]
        print(f"Created agent, ID: {agent.id}")

このリンク先プログラムとほぼ同じです。

プログラムを実行します。Agent IDが出力されます。

$ create_agent.py
Created agent, ID: asst_Nx4WusndF0PGWlHGzet8N0T0

Azure AI Foundry画面で作成されているのがわかります。

2. Logic Apps作成

Logic Appのリソースを作成

2.1. Managed ID作成

Azure Portalのメニューの設定 -> ID からLogic Appのシステム割当マネージドIDを有効化

2.2. Managed IDへRoleの割当追加

Managed IDに対して、(Azure AI Foundry project)プロジェクトではなく、Azure AI FoundryリソースのAzure AI Project Manager ロール割り当てを追加

2.3. 本体作成

全体図です。

2.3.1. 繰り返し

週次で実行する設定にしています。

2.3.2. Create Thread

スレッドの作成です。

こんなプロンプトにしています。

プロンプト

あなたは技術ニュース分析アナリストです。下記の要件に従い、HTML形式でレポートを自動生成してください。

【調査対象】  
- 期間：直近1週間  
- テーマ：AI関連ニュース  
- 優先度：①日本国内のAIニュース ②海外のAIニュース  

【読者像】  
- 職種：AIエンジニア  
- 居住地：日本  
- ニーズ：最新技術動向と実務への応用ポイント  

【レポート構成】  
1. <h2>サマリー</h2>  
   - 全体の要点（100～120字程度）  

2. <h2>日本国内の主要トピックス</h2>  
   - 各ニュースの見出し＆発表日  
   - 技術概要とインパクト  

3. <h2>海外動向ハイライト</h2>  
   - 注目ニュース３件程度  
   - 新技術／サービスの特徴  

4. <h2>技術的考察</h2>  
   - アルゴリズム・フレームワークの進化点  
   - 実装上のポイント・注意点  

5. <h2>実務への示唆</h2>  
   - プロジェクトへの応用アイデア  
   - ツール選定／導入時期の提案  

6. <h2>参考リンク</h2>  
   - ソース名＋URL＋公開日  

【出力形式】  
- HTML形式（<h2>～</h2>タグ、<ul>・<li>等のリストタグを使用）。メールで自動送信するためにHTML形式にします。  
- 日本語  
- エンジニアがすぐに読んで活用できるよう、見やすく簡潔に  

2.3.3. Create Run

Tempertureを低めに設定しています。

2.3.4. Delay

なぜかDelayをしないと次のGet Runでエラーが起きます。正しい方法ではないと思いますが、急ぎの処理ではないので30分のDelayを入れています。多分、ステータスを確認する、みたいな処理を入れればいいのでしょうが、時間ないので調べませんでした。

2.3.5. Get Run

Get Runで実行結果を取得。メッセージ自体は次で取得するので、実行後のログ確認用なのだと考えています。ちなみに、実行後にログでToken数を見ましたが、こちらに記載されているToken数は、Deep Research内部で使っているTokenを含んでいなかったです(すごく少ない)。

2.3.6. List Messages

メッセージの取得

2.3.7. Compose

以下の式でメッセージを編集しています。

body('List_Messages')['data'][0]['content'][0]['text']['value']

2.3.8. メールの送信(V2)

メール送信

メールタイトルの式です。

メールタイトルの式

concat(
  'AI週次要約ニュース（',
  formatDateTime(
    convertTimeZone(utcNow(), 'UTC', 'Tokyo Standard Time'),
    'yyyy-MM-dd'
  ),
  '）'
)

ログなど

Token数は正確ではないです。AI Foundryのメニュー「監視」から見ました。

• 実行時間(Agent部分のみ): 622秒
• Prompt Tokens: 1,293,018
• Completion Tokens: 34,317
• Total Tokens: 1,327,335

ログ(とても長い)

ユーザー
あなたは技術ニュース分析アナリストです。下記の要件に従い、HTML形式でレポートを自動生成してください。 【調査対象】 - 期間：直近1週間 - テーマ：AI関連ニュース - 優先度：①日本国内のAIニュース ②海外のAIニュース 【読者像】 - 職種：AIエンジニア - 居住地：日本 - ニーズ：最新技術動向と実務への応用ポイント 【レポート構成】 1. <h2>サマリー</h2> - 全体の要点（100～120字程度） 2. <h2>日本国内の主要トピックス</h2> - 各ニュースの見出し＆発表日 - 技術概要とインパクト 3. <h2>海外動向ハイライト</h2> - 注目ニュース３件程度 - 新技術／サービスの特徴 4. <h2>技術的考察</h2> - アルゴリズム・フレームワークの進化点 - 実装上のポイント・注意点 5. <h2>実務への示唆</h2> - プロジェクトへの応用アイデア - ツール選定／導入時期の提案 6. <h2>参考リンク</h2> - ソース名＋URL＋公開日 【出力形式】 - HTML形式（<h2>～</h2>タグ、<ul>・<li>等のリストタグを使用）。メールで自動送信するためにHTML形式にします。 - 日本語 - エンジニアがすぐに読んで活用できるよう、見やすく簡潔に
エージェント
了解しました。直近1週間のAI関連ニュースについて、日本国内のニュースを優先し、海外動向も含めた技術的考察と実務への示唆を含むHTML形式のレポートを作成します。完成次第お知らせします。 Title: AI関連ニュースレポート（直近1週間） Starting deep research...
エージェント
cot_summary: **Gathering details** Piecing together recent AI news from Japan and abroad, examining technical advancements, and assessing practical applications for projects.
エージェント
cot_summary: **Evaluating information sources** I'm checking the URL provided to see if it offers a daily or weekly summary of AI news, which could include both Japanese and international updates.
エージェント
cot_summary: **Examining the link** I'm piecing together the situation. The note.com link might need a login or might be blocked. Let's see if it's accessible or needs further action.
エージェント
cot_summary: **Researching tech headlines** I’m considering ITmedia AI for their daily tech news updates, which might include AI topics that are relevant for both overseas and combined contexts.
エージェント
cot_summary: **Noticing key updates** I’m pulling together major AI news, focusing on NTT's tech, AI PC automation models, and notable Japanese startup breakthroughs, ensuring a balanced mix of local and international highlights.
エージェント
cot_summary: **Zcurious about NTT news** Clicked on the 7/9 story for more details.
エージェント
cot_summary: **Connecting the dots** For each article in the list, the aim is to identify specific content with a possible hyperlink. Hm, I’m thinking about how to access the details, maybe through a URL search.
エージェント
cot_summary: **Piecing together** NTT's "Portable Tuning" allows switching base models without retraining, using an independent model to fine-tune outputs. These insights come from ITmedia AI+ and other sources.
エージェント
cot_summary: **Taking a closer look** NTT's innovative "Portable Tuning" technology, utilizing an independent reward model for cross-model customizations, is set to be showcased at ICML 2025, emphasizing efficient model upgrades.
エージェント
cot_summary: **Consulting existing options** I'm looking at the query and considering whether previous results or relevant links might offer useful content or promote something.
エージェント
cot_summary: **Gathering data** I'm thinking about how the listing highlights an AI-PC control model. Now, I'm pulling up the static page to click on the title link for more details.
エージェント
cot_summary: **Opening the article** I’m setting up to delve into the ITmedia article to understand its content better.
エージェント
cot_summary: **Highlighting key updates** I’m mapping out Karakuri's "KARAKURI VL," an AI PC agent model tailored for Japanese environments, which enhances customer support tasks with advanced safety measures.
エージェント
cot_summary: **Market analysis** I'm piecing together info on Grok 4's capabilities: multi-modal, high token context, integrated with IDE, and superior performance. Comparing it to Nvidia's China-targeted AI chip.
エージェント
cot_summary: **Checking sources** I’m gathering info on Nvidia's China chip, Grok 4, and Google-related tech updates. Also considering Stability AI's policy update.
エージェント
cot_summary: **Scrolling through pages** Moving through pages smoothly to gather information.
エージェント
cot_summary: **Examining blog details** I'm looking at a blog snippet, noting mentions of an autonomous agent, a non-binary AI chip, and significant shifts in major companies' strategies and AI's rapid expansion across tech and business sectors.
エージェント
cot_summary: 3進法 chip technology emerges fast AI.
エージェント
cot_summary: **Noting developments** - Manus AI agent achieves human-level tasks, suggesting personal AI assistants may soon handle complex tasks.
エージェント
cot_summary: **Weighing tech trends** I'm mapping out the significance of Manus AI, an autonomous AI agent, and integrating tech news into practical applications. This involves evaluating deployment tactics and preparing use cases based on these trends.
エージェント
cot_summary: **Highlighting major topics** Including 3-4 key tech trends: NTT portable tuning, Karakuri CUA model, and generative AI usage in Japan. Considering UT bone detection research.
エージェント
cot_summary: **Spotlighting a new AI** Karakuri unveils 'KARAKURI VL', Japan's first PC automation AI, optimized for Japanese language, addressing safety prior to practical deployment.
エージェント
cot_summary: **Researching adoption patterns** I’m static between sources like Ledge.ai and ITmedia to assess Japan's generative AI usage, contrasting adoption rates with China and the US.
エージェント
cot_summary: **Assessing generative AI policies** I'm mapping out the adoption of generative AI policies in Japan compared to countries like China and the US, noting Japan's lag and usage barriers. Progressing, I consider adding UT bone detection to highlight healthcare tech.
エージェント
cot_summary: **Elaborating on global tech** I'm considering global tech trends, like Manus AI's advancements over OpenAI's DeepResearch, showing progress in autonomous AI agents.
エージェント
cot_summary: **Mining for insights** I’m digging into Manus AI, a cutting-edge autonomous agent by a Chinese startup. Considering Yicai for its financial news context.
エージェント
cot_summary: **Examining capabilities** xAI Grok 4, introduced by Elon Musk on July 10, stands out as a multi-modal tool with 130k tokens, integrated with Cursor IDE, and accessible via X Premium Plus or a distinct subscription.
エージェント
cot_summary: **Assessing technological advancements** I see that Grok 4 and its heavy version boast impressive benchmarks, outshining competitors. Meanwhile, Beijing University's ternary logic chip speeds up AI, making it cheaper for devices.
エージェント
cot_summary: **Sound quality** The audio is clear and immersive, with subtle background effects enhancing the dialogue.
エージェント
cot_summary: **Segmenting domestic and international updates** I’m pulling together news from NTT’s new tech and a Chinese ternary chip, aiming for around three international highlights like xAI’s Grok 4. Mixing impact and technical details.
エージェント
cot_summary:
エージェント
cot_summary: **Weighing news sources** Interestingly enough, SCMP's early June article is a notable inclusion. The aggregator's inclusion highlights its relevance, noting other sources like ITmedia and potential Japanese sites for a comprehensive reference list.
エージェント
cot_summary: **Evaluating media options** It's interesting to see that Business Insider Japan is considered a reliable media source for reference.
エージェント
cot_summary: OK, let me see. I'm analyzing references and prioritizing clarity, including short descriptive text for each entry. Considering the format for readability and usability.
エージェント
cot_summary: **Identifying credible sources** I’m gathering sources to ensure accurate and authoritative information. Considering Business Insider and Gihyo for updates on China's AI model 'Manus' due to their credibility and relevance.
エージェント
cot_summary: **Evaluating the homepage** Describing the initial analysis or description of the page, with particular attention to its design and content components.
エージェント
cot_summary: **Evaluating URL integrity** I’m working through whether the URL issue is due to the Japanese slug causing problems in our call.
エージェント
cot_summary: Lambda's progress and Karakuri's integration of agents for autonomous tasks highlight AI advancements, while safety remains paramount.
エージェント
cot_summary: **Piecing together sources** I’m working through credible sources like SCMP, Business Insider Japan, and Gihyo.jp to gather reliable news on tech developments in Japan and China. Progress is steady, ensuring a thorough overview.
エージェント
cot_summary: **Finalizing content**
エージェント
Final Report: <h2>サマリー</h2> 先週、国内ではNTTの新技術「ポータブルチューニング」の発表や、日本初のPC操作特化AIモデル公開など重要ニュースが相次ぎました。海外でもイーロン・マスク氏のxAIによる最新モデル「Grok 4」の公開や、世界初の3進法AIチップ量産化などが注目を集めています。 <h2>日本国内の主要トピックス</h2> <ul> <li><strong>NTT、「ポータブルチューニング」技術を確立 (7月9日)</strong>: NTTが基盤モデルのアップデート時に再学習を不要にする新手法「ポータブルチューニング」を発表しました。モデルの出力を補正する独立した「報酬モデル」を導入し、特化型AIのカスタマイズ結果を異なる構造・規模のモデルへ追加学習なしで引き継げます。これによりモデル更新の運用コストを大幅に削減でき、企業が最新AIモデルへスムーズに移行し続けられる可能性があります。</li> <li><strong>国内初のPC操作エージェント向けAIモデル登場 (7月9日)</strong>: AIスタートアップのカラクリ社が、日本語環境に特化したコンピュータ操作エージェント用モデル「KARAKURI VL」を開発しました。Alibaba提供の視覚と言語モデルをベースに縦書き混じりの日本語UIや指示を理解し、Gmailでの自動メール返信などを実演しています,。海外製は英語前提でしたが、本モデルで日本語UIでの認識精度や操作実行性能が向上。カスタマーサポート業務の自動化などへの応用が期待されますが、AIにPC操作権限を与えるリスクも指摘され、ルール制限や企業固有システム対応など安全面の課題に取り組んでいます。</li> <li><strong>日本の生成AI利用率はわずか27%と低水準 (7月9日)</strong>: 総務省の2024年版情報通信白書が公表され、日本の個人で生成AIを使ったことがある割合は26.7%に留まることが明らかになりました。中国81.2%、米国68.8%と比べ大きく遅れており、企業でも生成AI活用方針を策定済みの割合が日本約5割に対し米中独は約9割と先行しています。日本では「必要性を感じない」「使い方が分からない」との理由で敬遠されており、白書は利活用促進やリテラシー向上の必要性を指摘しています。</li> <li><strong>東大、X線だけで骨粗鬆症を見抜くAI技術を開発 (7月10日)</strong>: 東京大学医学系研究科の研究チームが、腰部X線画像1枚から腰椎と「足のつけ根」（大腿骨近位部）の骨密度を同時に推定し、骨粗鬆症を早期診断できるAIシステムを発表しました 。従来必要だった専用検査機器を使わず、普段のレントゲン検査で高精度に骨の強度を評価できます 。骨折して初めて気づくケースが多い骨粗鬆症の早期発見に繋がり、高齢社会での健康寿命延伸や医療負担軽減に貢献する技術として注目されています。</li> </ul> <h2>海外動向ハイライト</h2> <ul> <li><strong>マスク氏のxAI、最新LLM「Grok 4」公開 (7月10日)</strong>: イーロン・マスク氏率いる新興企業xAIが、大規模言語モデル「Grok 4」を発表しました。前モデル比10倍の性能を謳い、複数ベンチマークでGoogleの「Gemini 2.5」やOpenAIの次世代モデルを上回るスコアを記録したとされています。テキストと画像を扱えるマルチモーダル対応で、コンテキストウィンドウは驚異の25万6000トークンに拡大。高度推論版の「Grok 4 Heavy」ではタスクを並列実行して解を比較検討する仕組みで、難関ベンチマーク「Humanity’s Last Exam」で最高44.4%の正答率を達成しました。マスク氏は「世界で最も賢いAI」と自負し、同モデルを有料会員向けに提供開始（APIも利用可能）すると発表。今後数週間以内にコード特化モデル、9月にはマルチモーダルAIエージェント、10月には動画生成モデルの公開も計画しています。</li> <li><strong>中国、世界初の「非二進数」AIチップを量産開始</strong>: 北京航空航天大学の研究チームが、3値（ ternary ）論理に基づく新型AIチップの商用量産を世界で初めて開始しました。従来の0/1のデジタル回路に確率的論理要素を組み合わせた独自技術で、計算効率と省電力性を大幅に向上。航空機のフライトシステムやタッチパネル制御などへの適用が想定され、米国の輸出規制を回避しつつ中国独自のAIハードウェア進歩を示すブレークスルーとなっています。小型で高性能なスマート家電やIoTデバイスへのAI搭載がより安価に実現する可能性があり、今後のAI普及を下支えする技術として注目されています。</li> <li><strong>完全自律型エージェント「Manus AI」が高性能を示す</strong>: 中国のスタートアップが開発した汎用AIエージェント「Manus」が、AIエージェントの性能評価指標「GAIAベンチマーク」で従来モデルを凌駕する記録を樹立し話題となりました。Manusは大規模言語モデルに各種ツールを統合した自律型AIで、人間の指示を解釈して計画立案から実行までを自動で行います。履歴書の仕分けや市場調査、ウェブ構築など複雑なタスクを人手介入なしでこなし、ベンチマークでは人間以上のタスク完遂能力を示しました。現在ベータテスト中ながら、中国では招待コード入手に関する噂が飛び交うなど注目度が急上昇しており、将来的なオープンソース化計画も示されています。単なるチャットBotを越え“考えて動く”AI秘書の登場は、日常業務のあり方を大きく変えるポテンシャルがあると言えます。</li> </ul> <h2>技術的考察</h2> <p>先週のニュースから、AI技術の進化が多方面で加速していることが読み取れます。まず、生成AIモデル自体の高度化です。xAIの<strong>Grok 4</strong>はコンテキスト長の飛躍的拡大やマルチモーダル対応により、一度に大量の情報や画像を含む複雑な推論が可能になりました。タスクを並列処理して最善解を導く「自己評価型」のアプローチは、推論アルゴリズムの新潮流と言えます。もっとも、これら最先端モデルは学習・実行に膨大な計算資源を要するため、実用にはコスト面の考慮が必要です。また、他モデルを凌駕するという性能主張についても、独立した評価で精査することが重要でしょう。</p> <p>一方、モデルの運用効率化や実装面에서도注目すべき進歩が見られました。NTTの<strong>ポータブルチューニング</strong>技術は、ファインチューニングした特化AIモデルを次世代の基盤モデルへシームレスに引き継ぐ新手法です。報酬モデルによる出力補正という独立構造を採用することで、ベースモデルの変更に伴う追加学習を不要にし、継続的なモデルアップグレードのハードルを下げました。これは組織がモデル更新を急速なサイクルで行う昨今、カスタマイズ効果をロスなく維持できる画期的なアプローチです。ただ初回学習時に報酬モデルの構築が必要になるなど、導入には設計上の工夫も求められます。</p> <p>加えて、AIの応用範囲を広げるための<span>統合技術</span>も進展しています。カラクリ社の<strong>KARAKURI VL</strong>が示したように、視覚と言語モデルを組み合わせてコンピュータのGUIを操作するAIエージェントが現実味を帯びてきました。既存の海外モデルでは対応困難だった日本語縦書きUIや多段業務フローにAIが対応できるようになった意義は大きく、業務自動化の次のフロンティアといえます。しかし人間同様にPCを操作するAIには、誤作動時のリスク対策や企業システムへの適応といった実装上の注意点も浮上しています。開発陣も指摘しているように、操作範囲にルールを設けるなど<strong>安全策</strong>を講じつつ実用化を進める必要があります。</p> <p>ハードウェアとインフラストラクチャ面でも興味深い動きが見られます。中国発の<strong>非二進法チップ</strong>は、電力効率と誤差許容度で従来にない特性を示す新アーキテクチャであり、AI演算の基盤技術に革新をもたらす可能性があります。このような特殊ハードウェアを活かすにはソフト側でも対応が必要になるため、将来的にAIフレームワークが拡張される契機となるでしょう。また、OpenAIが自社サービスの推論実行先にGoogleの<strong>TPU</strong>を試験利用しているとの報もあり、従来はNVIDIA製GPUが中心だったAI基盤にも多様化の波が来ています。インフラ選択肢が増えることで、性能やコスト面で最適な計算資源を組み合わせられるようになる反面、開発者にはマルチプラットフォーム対応やチップごとの最適化といった新たな知見が求められるでしょう。</p> <h2>実務への示唆</h2> <ul> <li><strong>生成AIの早期活用:</strong> 日本では個人・企業とも生成AI利用が遅れている現状がデータで示されました。このギャップはチャンスでもあります。自社プロジェクトでチャットボットや文章要約など、小さく始められる生成AI活用を検討し、社内の利用促進とノウハウ蓄積を図りましょう。現場への展開時には「使い方が分からない」という障壁を下げるため、教育や簡単なマニュアル整備も重要です。</li> <li><strong>モデル選定と拡張性:</strong> 急速に進化するAIモデル競争を踏まえ、特定プロバイダへの過度なロックインを避ける戦略が求められます。例えばNTTの技術コンセプトのように、独自データで調整した部分（ドメイン適応）を分離しておけば、将来的により優秀な基盤モデルが登場した際に迅速に乗り換えが可能です。現在主流のGPT-4等に加え、今回発表の<strong>Grok 4</strong>のような新モデルも今後選択肢に入る可能性がありますが、安定性やエコシステムの成熟度を見極めつつ試験導入するのが賢明でしょう。</li> <li><strong>ツール・プラットフォーム活用:</strong> 最新のAIサービスやツールも積極的にウォッチしましょう。例えばブラウザに組み込まれたAIアシスタント（例：Perplexity AIの「Comet」）や、コーディング支援AI、業務特化の生成AIサービスなどが続々登場しています。自社課題にマッチするツールがあればパイロット導入し、生産性向上に繋げられる余地を探ります。また、データ機密性が高い業務には<strong>ローカルLLM</strong>の活用も検討すべきです。米Element Labs社の「LM Studio」は最近ライセンス変更により企業利用でも完全無料となり、手元のPCやオンプレミス環境で日本語対応の大規模言語モデルを試験運用しやすくなりました。クラウド型とローカル型を使い分け、用途に応じてプライバシー確保とコスト最適化を図るのがポイントです。</li> <li><strong>AIエージェントの試行導入:</strong> 自然言語指示で業務ツールを操作するAIエージェントは、サポート業務や定型事務処理を省力化する次世代ソリューションとして期待できます。現時点ではカラクリ社の事例のように限定的な実証段階ですが、既存のRPA（ロボティック・プロセス・オートメーション）に生成AIを組み合わせる形で、一部タスクの自動化を試してみる価値があります。例えば社内システムへのデータ入力や複数アプリ間の定型操作を、GPTに手順書を読ませて実行させる実験的プロジェクトも考えられます。ただし、操作ミスによるリスク管理は不可欠です。権限の限定された検証環境でテストし、十分な精度と安全性が確認できた範囲から本番導入する段階的アプローチを取りましょう。</li> <li><strong>導入時期とロードマップ:</strong> 次々と発表される新技術に翻弄されないためにも、社内でAI活用のロードマップを描いておくことが重要です。半年後や来年を見据え、例えば「画像生成や動画生成といったマルチモーダルAIは安定次第導入検討」「社内問い合わせ対応にはまず既存のGPTベースを導入し、国産や新興モデルは追試評価」といった指針を立てましょう。今年後半には<strong>マルチモーダルAIエージェント</strong>や生成AIの新モデルが各社から投入される見通しであり、それらの登場タイミングに合わせて評価・比較検証を行えるよう準備しておくと先手を打てます。さらに、日本でも今後AI基本法に基づくガイドライン整備や統制が進む可能性があるため、法規制の動向も踏まえて柔軟に計画をアップデートする姿勢が求められます。</li> </ul> <h2>参考リンク</h2> <ul> <li>ITmedia AI＋ – <a href="https://www.itmedia.co.jp/aiplus/articles/2507/09/news119.html">NTT、再学習なしで特化型AIの基盤モデルを乗り換え可能に「ポータブルチューニング」技術</a> (2025年7月9日)</li> <li>ITmedia AI＋ – <a href="https://www.itmedia.co.jp/aiplus/articles/2507/09/news084.html">「AIでPC操作」用の新モデル、国内スタートアップが開発　日本語特化型「KARAKURI VL」を発表</a> (2025年7月9日)</li> <li>ITmedia AI＋ – <a href="https://www.itmedia.co.jp/aiplus/articles/2507/09/news085.html">日本の個人の生成AI利用率は27％　中国81％、米国69％と大きな差　情報通信白書</a> (2025年7月9日)</li> <li>ITmedia AI＋ – <a href="https://www.itmedia.co.jp/aiplus/articles/2507/10/news105.html">AIで骨粗鬆症を早期発見　東大、腰のX線画像から足の付け根の骨も推定する技術</a> (2025年7月10日)</li> <li>ITmedia AI＋ – <a href="https://www.itmedia.co.jp/aiplus/articles/2507/10/news119.html">AIモデル「Grok 4」登場、イーロン・マスク氏のxAIから　Google・OpenAIの最新モデル上回る性能</a> (2025年7月10日)</li> <li>South China Morning Post – <a href="https://www.scmp.com/news/china/science/article/3313349/beyond-1s-and-0s-china-starts-mass-production-worlds-first-non-binary-ai-chip">China starts mass production of world’s first non-binary AI chip</a> (2025年6月9日)</li> <li>Business Insider Japan – <a href="https://www.businessinsider.jp/article/2503-manus-ai-china-agent-hype-deepseek">中国の最新AIモデル「Manus」について知っておくべきこと</a> (2025年3月13日)</li> <li>gihyo.jp – <a href="https://gihyo.jp/article/2025/07/lm-studio-is-free-for-work">ローカルLLM実行環境LM Studio、企業・組織での商用利用を無料に</a> (2025年7月9日)</li> </ul>

参考リンク