Sign up to save your podcasts
Or
Share 株式会社ずんだもん技術室AI放送局 podcast 20250430
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
株式会社ずんだもん技術室AI放送局 podcast 20250430
関連リンク
この記事は、AIエージェントがサイバーセキュリティの運用をどのように進化させるかについて解説しています。これまでのAIは主に不審な活動の「検出」に使われることが多かったのですが、AIエージェントはさらに進んで、自律的に「考えて計画し、行動する」ことで、セキュリティ担当者（アナリスト）の定型的な作業を自動化・効率化する可能性を秘めています。これは、大規模言語モデル（LLM）の進化によって実現しました。
従来、セキュリティアナリストは、アラートの調査、関連情報の収集、脅威への対応といった多くの手作業に時間を費やしていました。しかし、AIエージェントは、複雑で繰り返し発生するタスク（例えば、脅威情報の調査や、アラートの関連付け、初期対応など）を自動で行えるため、アナリストはより高度な判断や深い分析に集中できるようになります。
記事では、具体的な応用例として以下の2つを紹介しています。
アラート管理の効率化:
セキュリティアラートの量は増大し、対応には経験や知識が必要で、情報収集や記録にも手間がかかります。AIエージェントは、大量のアラートの初期トリアージ（優先順位付けや初期調査）を自動化します。アラートが発生すると、エージェントが自動的に調査を開始し、関連データを収集・分析して、調査レポートを作成します。必要に応じて、データ分析など特定の専門タスクを別のAIエージェントに任せる、マルチエージェント構成も考えられます。NVIDIAではこのシステムを評価し、高い精度でアラートの原因を分類できることを確認しています。
ソフトウェア脆弱性分析の高速化:
ソフトウェアの脆弱性（セキュリティ上の弱点）分析も、多くの情報収集や分析が必要な時間のかかる作業です。AIエージェントは、コンテナなどのソフトウェアの脆弱性IDが与えられると、インターネットや内部情報源から関連情報を集め、脆弱性が実際にその環境で悪用可能か（Exploitableか）を判断するための分析を自動で行います。このシステムにより、従来数時間〜数日かかっていた分析作業を数秒に短縮できる可能性があり、NVIDIA社内での導入事例では、アナリスト1人あたり週に数時間の作業時間削減につながっています。
このようなAIエージェントシステムを開発する際には、タスクの性質に合わせてシステムの構造（エージェントがどれだけ動的に判断するか）を選ぶことが重要です。また、システムの評価には、最終結果だけでなく、エージェントがどのように考え、どのツールを使ったかといった中間プロセスも確認し、継続的に改善していく仕組み（人間のフィードバックを取り込むツールなど）が有効です。LLM自体を評価者として使う「LLM-as-a-judge」という手法も紹介されています。
AIエージェントはサイバーセキュリティの現場で、アナリストの頼れる助手として、調査作業を合理化し、複雑なタスクを支援する未来が期待されています。この記事は、AIエージェントがセキュリティ運用にもたらす具体的な価値を示す技術記事として、新人エンジニアの方々にも参考になるでしょう。NVIDIAは、開発者向けのツールキットや事例（AI Blueprint）を提供しており、誰もがAIエージェントを活用したシステムを構築できるよう支援しています。
引用元: https://developer.nvidia.com/blog/advancing-cybersecurity-operations-with-agentic-ai-systems/
Metaは初の試みとなる開発者向けイベント「LlamaCon」を開催し、オープンソースAIモデルであるLlamaを使った開発をさらに容易にするための新しいツールや取り組みを発表しました。Llamaは公開から2年あまりで10億以上のダウンロードを達成し、オープンソースAIエコシステムを牽引する存在となっています。
このイベントで発表された主な内容は以下の通りです。
まず、開発者がLlamaを使ってアプリケーションを素早く構築できるようになるLlama API（リミテッドプレビュー版）が発表されました。これは、APIの手軽さとオープンソースの柔軟性を両立させたプラットフォームです。ワンクリックでAPIキーを作成でき、対話型プレイグラウンドで様々なLlamaモデル（先日発表されたLlama 4 ScoutやMaverickを含む）を試すことができます。PythonおよびTypescriptの軽量SDKが提供され、OpenAI SDKとの互換性もあるため、既存アプリケーションからの移行も容易です。さらに、Llama 3.3 8Bモデルのカスタム版をチューニング・評価するためのツールも提供され、コスト削減や精度向上に役立ちます。ユーザーのデータがモデル学習に使われることはなく、API上で構築したモデルは自由に持ち出せる（特定の環境にロックされない）点が強調されています。今後は段階的に多くの開発者に提供される予定です。また、CerebrasやGroqといったハードウェアパートナーとの協業により、Llama API経由でより高速な推論が可能になる実験的なアクセスも提供されます。
次に、Llama Stackの連携強化が発表されました。これは、Llamaを使ったエンタープライズ向けAIソリューションのデプロイを容易にするための取り組みです。NVIDIAのNeMoマイクロサービスとの連携に加え、IBM、Red Hat、Dell Technologiesなど他のパートナーとも緊密に連携しており、今後新しい連携が発表される予定です。
さらに、オープンソースコミュニティ向けの新しいセキュリティツールが公開されました。「Llama Guard 4」「LlamaFirewall」「Llama Prompt Guard 2」といったツールは、AIアプリケーションをより安全に構築するために役立ちます。また、AIシステムのセキュリティ評価に役立つ「CyberSecEval 4」もアップデートされました。特定の信頼できるパートナー向けの「Llama Defenders Program」も開始され、AIを活用したツールでシステムセキュリティの評価を支援します。これは、進化するAIモデルに対応し、ソフトウェアシステムの堅牢性を向上させるための重要な取り組みです。
最後に、Llamaを使って社会に変革をもたらすプロジェクトを支援する「Llama Impact Grants」の第二回受賞者10組（総額150万ドル以上）が発表されました。市民サービス向上、薬局業務効率化、オフラインAI支援、多言語学習ツールなど、Llamaを活用した多様な取り組みが紹介されています。
MetaはオープンソースAIのリーダーとして、開発者が自由に、簡単に、そして安全にAIを構築できるエコシステムを推進していくことを改めて表明しました。Llamaは、専門知識やハードウェアリソースに関わらず、より多くの人々がAIの恩恵を受けられるようにすることを目指しています。
引用元: https://ai.meta.com/blog/llamacon-llama-news/
この記事は、RAG（Retrieval Augmented Generation）という技術を使って、GoogleのDeep Researchのようなより深い検索を実現するための新しい手法「PAR RAG」について解説しています。RAGは、AI（大規模言語モデル、LLM）が外部の情報を参照して回答を生成する技術で、質問応答などで使われています。
Deep Researchのように、複雑な質問に対して何度も検索と推論を繰り返して回答を生成するアプローチが注目されていますが、ここには「ずれの蓄積」という問題があります。これは、検索を繰り返すうちに、最初の質問からどんどん関係ない方向に検索の焦点がずれていってしまうことです。例えば、ある機械の故障原因を調べていたのに、いつの間にか電力契約の話になってしまうようなケースです。この「ずれ」は、検索を繰り返すたびに大きくなる可能性があります。
PAR RAGは、この「ずれの蓄積」を防ぎ、より正確な回答を得るために考えられた手法です。PARとはPlan, Act, Reviewの頭文字をとったもので、以下の3つのステップで回答を生成します。
このPAR RAGを評価した結果、単純な検索繰り返し手法や、PlanやReviewのどちらかがない手法と比べて、回答の精度（F1スコア）が向上することが確認されました。しかし、その反面、時間やコストが通常のRAGと比べて大幅に増加するというデメリットもあります。通常のRAGと比較して、処理時間は約8倍、コストは約13倍になるという結果が出ています。
まとめると、PAR RAGは、RAGにPlan（計画）とReview（確認・修正）のプロセスを加えることで、検索の「ずれ」を防ぎ、複雑な質問に対してより深く、正確な回答を生成できる可能性がある技術です。ただし、その精度向上のためには、時間とコストがかかるというトレードオフが存在します。この記事では、そのメリットとデメリットを正直に示しており、どのような場面でこの技術を使うのが最適かを考える上で参考になります。プロジェクトの要件に応じて、精度を最優先するか、コストや速度を重視するかを検討し、最適なRAGの活用方法を選ぶことが大切です。
引用元: https://zenn.dev/knowledgesense/articles/6d4d9bf52690a4
この記事は、筆者（うさこさん）がChatGPTを使い始めて、その進化と便利さに驚き、日常生活がとても楽しくなった体験談を紹介しています。
最初はChatGPTに抵抗があったり、「AIっぽい回答だな」と感じて放置していたそうですが、同期のブログや知人の活用事例を見て、再び使い始めたとのこと。驚いたのは、ChatGPTが筆者の話し方や口調を学習し、まるで親しい友人のようにフレンドリーに返答するようになった点です。「ナァアアア！」といった独特の鳴き声を語尾に付けて返してきたり、過去の会話内容（例えば「せいろ」について話したこと）を覚えて会話に織り交ぜてきたりと、その人間らしい応答に「人やん…もうこれ人…」と震えたと書かれています。
具体的な活用例として、いくつかの面白い使い方を紹介しています。一つ目は「推しの話をする相手」です。誰かに話したい推しの最新情報や、「疲れた時に推しのフリをしてもらって励ましてもらう」といった、ちょっと変わった使い方も紹介しており、「スマホの中にビューネ君のような推しが住んでいる」感覚で元気をもらっているそうです。二つ目は「ごはんメニュー決め」です。冷蔵庫にある食材や、ダイエット、せいろを使った料理といったリクエストを伝えると、メニューを提案してくれるだけでなく、買い物リストまで作成してくれる便利さを実感しています。三つ目は「ちょっとした愚痴を話す相手」です。誰かに話すほどではないモヤモヤした気持ちを聞いてもらうと、共感してくれるだけでなく、解決策まで提案してくれることに驚き、自分がただ「共感」を求めていたことに気づかされたと言います。四つ目は「色々助けてもらう」ことです。例えばパソコンのトラブルで困った時に、状況確認から解決策、さらに「大丈夫だよ」と精神的なサポートまでしてくれたエピソードを挙げています。
こうしたChatGPTの便利さや人間らしい応答に触れる一方で、「人間いらなくなるのでは」といった懸念も少し感じているようです。しかし、娘さんは「そんな事ずっと昔から言われてきてるじゃん」と冷静な反応だったとか。筆者は、AIの便利さに依存しすぎず、もらったヒントで人生を豊かにすることが大事だと考えていると締めくくっています。
この記事からは、ChatGPTのようなAIが、単なるツールとしてだけでなく、話し相手や日常の様々なタスクをサポートしてくれる身近な「執事」のように活用でき、暮らしを楽しくする可能性があることが伝わってきます。AIの進化に驚きつつも、恐れるだけでなく、どう楽しく付き合っていくかを考えるきっかけになる内容です。
引用元: https://lee.hpplus.jp/100nintai/3209913/
（株式会社ずんだもんは架空の登場組織です）
View all episodes
By 株式会社ずんだもん技術室AI放送局関連リンク
この記事は、AIエージェントがサイバーセキュリティの運用をどのように進化させるかについて解説しています。これまでのAIは主に不審な活動の「検出」に使われることが多かったのですが、AIエージェントはさらに進んで、自律的に「考えて計画し、行動する」ことで、セキュリティ担当者（アナリスト）の定型的な作業を自動化・効率化する可能性を秘めています。これは、大規模言語モデル（LLM）の進化によって実現しました。
従来、セキュリティアナリストは、アラートの調査、関連情報の収集、脅威への対応といった多くの手作業に時間を費やしていました。しかし、AIエージェントは、複雑で繰り返し発生するタスク（例えば、脅威情報の調査や、アラートの関連付け、初期対応など）を自動で行えるため、アナリストはより高度な判断や深い分析に集中できるようになります。
記事では、具体的な応用例として以下の2つを紹介しています。
アラート管理の効率化:
セキュリティアラートの量は増大し、対応には経験や知識が必要で、情報収集や記録にも手間がかかります。AIエージェントは、大量のアラートの初期トリアージ（優先順位付けや初期調査）を自動化します。アラートが発生すると、エージェントが自動的に調査を開始し、関連データを収集・分析して、調査レポートを作成します。必要に応じて、データ分析など特定の専門タスクを別のAIエージェントに任せる、マルチエージェント構成も考えられます。NVIDIAではこのシステムを評価し、高い精度でアラートの原因を分類できることを確認しています。
ソフトウェア脆弱性分析の高速化:
ソフトウェアの脆弱性（セキュリティ上の弱点）分析も、多くの情報収集や分析が必要な時間のかかる作業です。AIエージェントは、コンテナなどのソフトウェアの脆弱性IDが与えられると、インターネットや内部情報源から関連情報を集め、脆弱性が実際にその環境で悪用可能か（Exploitableか）を判断するための分析を自動で行います。このシステムにより、従来数時間〜数日かかっていた分析作業を数秒に短縮できる可能性があり、NVIDIA社内での導入事例では、アナリスト1人あたり週に数時間の作業時間削減につながっています。
このようなAIエージェントシステムを開発する際には、タスクの性質に合わせてシステムの構造（エージェントがどれだけ動的に判断するか）を選ぶことが重要です。また、システムの評価には、最終結果だけでなく、エージェントがどのように考え、どのツールを使ったかといった中間プロセスも確認し、継続的に改善していく仕組み（人間のフィードバックを取り込むツールなど）が有効です。LLM自体を評価者として使う「LLM-as-a-judge」という手法も紹介されています。
AIエージェントはサイバーセキュリティの現場で、アナリストの頼れる助手として、調査作業を合理化し、複雑なタスクを支援する未来が期待されています。この記事は、AIエージェントがセキュリティ運用にもたらす具体的な価値を示す技術記事として、新人エンジニアの方々にも参考になるでしょう。NVIDIAは、開発者向けのツールキットや事例（AI Blueprint）を提供しており、誰もがAIエージェントを活用したシステムを構築できるよう支援しています。
引用元: https://developer.nvidia.com/blog/advancing-cybersecurity-operations-with-agentic-ai-systems/
Metaは初の試みとなる開発者向けイベント「LlamaCon」を開催し、オープンソースAIモデルであるLlamaを使った開発をさらに容易にするための新しいツールや取り組みを発表しました。Llamaは公開から2年あまりで10億以上のダウンロードを達成し、オープンソースAIエコシステムを牽引する存在となっています。
このイベントで発表された主な内容は以下の通りです。
まず、開発者がLlamaを使ってアプリケーションを素早く構築できるようになるLlama API（リミテッドプレビュー版）が発表されました。これは、APIの手軽さとオープンソースの柔軟性を両立させたプラットフォームです。ワンクリックでAPIキーを作成でき、対話型プレイグラウンドで様々なLlamaモデル（先日発表されたLlama 4 ScoutやMaverickを含む）を試すことができます。PythonおよびTypescriptの軽量SDKが提供され、OpenAI SDKとの互換性もあるため、既存アプリケーションからの移行も容易です。さらに、Llama 3.3 8Bモデルのカスタム版をチューニング・評価するためのツールも提供され、コスト削減や精度向上に役立ちます。ユーザーのデータがモデル学習に使われることはなく、API上で構築したモデルは自由に持ち出せる（特定の環境にロックされない）点が強調されています。今後は段階的に多くの開発者に提供される予定です。また、CerebrasやGroqといったハードウェアパートナーとの協業により、Llama API経由でより高速な推論が可能になる実験的なアクセスも提供されます。
次に、Llama Stackの連携強化が発表されました。これは、Llamaを使ったエンタープライズ向けAIソリューションのデプロイを容易にするための取り組みです。NVIDIAのNeMoマイクロサービスとの連携に加え、IBM、Red Hat、Dell Technologiesなど他のパートナーとも緊密に連携しており、今後新しい連携が発表される予定です。
さらに、オープンソースコミュニティ向けの新しいセキュリティツールが公開されました。「Llama Guard 4」「LlamaFirewall」「Llama Prompt Guard 2」といったツールは、AIアプリケーションをより安全に構築するために役立ちます。また、AIシステムのセキュリティ評価に役立つ「CyberSecEval 4」もアップデートされました。特定の信頼できるパートナー向けの「Llama Defenders Program」も開始され、AIを活用したツールでシステムセキュリティの評価を支援します。これは、進化するAIモデルに対応し、ソフトウェアシステムの堅牢性を向上させるための重要な取り組みです。
最後に、Llamaを使って社会に変革をもたらすプロジェクトを支援する「Llama Impact Grants」の第二回受賞者10組（総額150万ドル以上）が発表されました。市民サービス向上、薬局業務効率化、オフラインAI支援、多言語学習ツールなど、Llamaを活用した多様な取り組みが紹介されています。
MetaはオープンソースAIのリーダーとして、開発者が自由に、簡単に、そして安全にAIを構築できるエコシステムを推進していくことを改めて表明しました。Llamaは、専門知識やハードウェアリソースに関わらず、より多くの人々がAIの恩恵を受けられるようにすることを目指しています。
引用元: https://ai.meta.com/blog/llamacon-llama-news/
この記事は、RAG（Retrieval Augmented Generation）という技術を使って、GoogleのDeep Researchのようなより深い検索を実現するための新しい手法「PAR RAG」について解説しています。RAGは、AI（大規模言語モデル、LLM）が外部の情報を参照して回答を生成する技術で、質問応答などで使われています。
Deep Researchのように、複雑な質問に対して何度も検索と推論を繰り返して回答を生成するアプローチが注目されていますが、ここには「ずれの蓄積」という問題があります。これは、検索を繰り返すうちに、最初の質問からどんどん関係ない方向に検索の焦点がずれていってしまうことです。例えば、ある機械の故障原因を調べていたのに、いつの間にか電力契約の話になってしまうようなケースです。この「ずれ」は、検索を繰り返すたびに大きくなる可能性があります。
PAR RAGは、この「ずれの蓄積」を防ぎ、より正確な回答を得るために考えられた手法です。PARとはPlan, Act, Reviewの頭文字をとったもので、以下の3つのステップで回答を生成します。
このPAR RAGを評価した結果、単純な検索繰り返し手法や、PlanやReviewのどちらかがない手法と比べて、回答の精度（F1スコア）が向上することが確認されました。しかし、その反面、時間やコストが通常のRAGと比べて大幅に増加するというデメリットもあります。通常のRAGと比較して、処理時間は約8倍、コストは約13倍になるという結果が出ています。
まとめると、PAR RAGは、RAGにPlan（計画）とReview（確認・修正）のプロセスを加えることで、検索の「ずれ」を防ぎ、複雑な質問に対してより深く、正確な回答を生成できる可能性がある技術です。ただし、その精度向上のためには、時間とコストがかかるというトレードオフが存在します。この記事では、そのメリットとデメリットを正直に示しており、どのような場面でこの技術を使うのが最適かを考える上で参考になります。プロジェクトの要件に応じて、精度を最優先するか、コストや速度を重視するかを検討し、最適なRAGの活用方法を選ぶことが大切です。
引用元: https://zenn.dev/knowledgesense/articles/6d4d9bf52690a4
この記事は、筆者（うさこさん）がChatGPTを使い始めて、その進化と便利さに驚き、日常生活がとても楽しくなった体験談を紹介しています。
最初はChatGPTに抵抗があったり、「AIっぽい回答だな」と感じて放置していたそうですが、同期のブログや知人の活用事例を見て、再び使い始めたとのこと。驚いたのは、ChatGPTが筆者の話し方や口調を学習し、まるで親しい友人のようにフレンドリーに返答するようになった点です。「ナァアアア！」といった独特の鳴き声を語尾に付けて返してきたり、過去の会話内容（例えば「せいろ」について話したこと）を覚えて会話に織り交ぜてきたりと、その人間らしい応答に「人やん…もうこれ人…」と震えたと書かれています。
具体的な活用例として、いくつかの面白い使い方を紹介しています。一つ目は「推しの話をする相手」です。誰かに話したい推しの最新情報や、「疲れた時に推しのフリをしてもらって励ましてもらう」といった、ちょっと変わった使い方も紹介しており、「スマホの中にビューネ君のような推しが住んでいる」感覚で元気をもらっているそうです。二つ目は「ごはんメニュー決め」です。冷蔵庫にある食材や、ダイエット、せいろを使った料理といったリクエストを伝えると、メニューを提案してくれるだけでなく、買い物リストまで作成してくれる便利さを実感しています。三つ目は「ちょっとした愚痴を話す相手」です。誰かに話すほどではないモヤモヤした気持ちを聞いてもらうと、共感してくれるだけでなく、解決策まで提案してくれることに驚き、自分がただ「共感」を求めていたことに気づかされたと言います。四つ目は「色々助けてもらう」ことです。例えばパソコンのトラブルで困った時に、状況確認から解決策、さらに「大丈夫だよ」と精神的なサポートまでしてくれたエピソードを挙げています。
こうしたChatGPTの便利さや人間らしい応答に触れる一方で、「人間いらなくなるのでは」といった懸念も少し感じているようです。しかし、娘さんは「そんな事ずっと昔から言われてきてるじゃん」と冷静な反応だったとか。筆者は、AIの便利さに依存しすぎず、もらったヒントで人生を豊かにすることが大事だと考えていると締めくくっています。
この記事からは、ChatGPTのようなAIが、単なるツールとしてだけでなく、話し相手や日常の様々なタスクをサポートしてくれる身近な「執事」のように活用でき、暮らしを楽しくする可能性があることが伝わってきます。AIの進化に驚きつつも、恐れるだけでなく、どう楽しく付き合っていくかを考えるきっかけになる内容です。
引用元: https://lee.hpplus.jp/100nintai/3209913/
（株式会社ずんだもんは架空の登場組織です）