広 告

AIトレンド速報

The Trend Tribune

広 告
2026年8月21日金曜日 朝刊 定価 無料
◆ 本日の主要記事

「全てのS7」が標的に——AIが変える攻撃の経済学と、水道インフラへの警告

▶ CISA・FBI・NSAが8月20日共同発表した、Siemens S7シリーズPLC全般を標的とする攻撃への警告を、AIによるサイバー攻撃の経済学の変化という文脈で解説。全米12州以上の水道施設への被害実態、複数AIシステムが連携するエージェント型攻撃のフィードバックループ構造、International AI Safety Report 2026が示すアトリビューションの困難さと自動化度合いの実態、防御側のAI活用という対抗動向までを整理する。

【田中 テック】2026年8月21日
「全てのS7」が標的に——AIが変える攻撃の経済学と、水道インフラへの警告
（写真はイメージ）

「全てのS7」が標的に——AIが変える攻撃の経済学と、水道インフラへの警告

8月20日、米国のCISA（サイバーセキュリティ・インフラセキュリティ庁）、FBI、NSAをはじめとする複数の政府機関が、共同の警告を発表した。攻撃者がSiemens社のS7シリーズ産業用制御機器を標的にしており、その被害は既に全米12州以上の水道施設に及んでいるという内容だ。エンジニアとして注目したいのは、被害の規模そのものよりも、この警告が「AIによって攻撃の経済学が変わりつつある」という文脈の中で発せられている点だ。

「全てのS7」という、異例に広い警告範囲

今回の警告が特徴的なのは、その対象範囲の広さだ。CISAは、水道・エネルギー・製造業・農業といった、幅広い分野の自動化された物理的プロセスを制御するために使われる、Siemens製のS7シリーズPLC（プログラマブル・ロジック・コントローラ、工場や設備の機械を自動制御する専用コンピュータ）を「すべて」対象にしていると明言している。特定の型番や特定の脆弱性に絞った警告ではなく、この製品ファミリー全体が標的になっているという、通常よりも広範な注意喚起だ。

既に確認されている被害としては、水圧の低下、洪水、煮沸消毒の勧告、そして自動制御から手動操作への切り替えを余儀なくされたケースなどが報告されている。これらは、サイバー攻撃が抽象的なデータの世界の出来事にとどまらず、実際に人々の日常生活に影響を及ぼす、物理的な結果を伴っていることを示している。

「攻撃の経済学」を変えるエージェント型AI

今回のニュースが、単発の脆弱性報道以上の意味を持つのは、これが「エージェント型AIがサイバー攻撃の性質そのものを変えつつある」という、より大きな流れの一部として位置づけられている点にある。

従来のサイバー攻撃は、スクリプトや自動化された脆弱性スキャナーを使うことはあっても、重要な意思決定は基本的に人間のオペレーターが行ってきた。しかし、エージェント型AI（複数のタスクを自律的にこなせるAIシステム）の登場により、複数のAIシステムがタスクを分担し、互いの発見内容を分析し合い、限られた人間の介入で攻撃を継続するという「フィードバックループ」が理論上可能になりつつある。これが実際に機能すれば、比較的小規模なグループが、機械並みの速度で、大量の標的に対して同時多発的に攻撃を仕掛けられるようになり、サイバー犯罪や国家主導の諜報活動の「経済学」そのものを、根本から変えてしまう可能性がある。

「帰属の困難さ」という、冷静に扱うべき論点

ただし、こうした「自律型AIによる攻撃」という言説を評価する際には、慎重さも必要だ。攻撃の実行者が誰であるかを技術的に特定する「アトリビューション（帰属特定）」は、依然として極めて難しい作業であり、「これはAIが自律的に行った攻撃だ」という主張自体、慎重な精査を必要とする。

実際、国際的な専門家グループがまとめた「International AI Safety Report 2026」は、この点について冷静な整理を示している。2025年11月には、あるAI開発企業が、脅威アクターが自社モデルを使って、侵入活動の80〜90%を自動化し、人間の関与は重要な意思決定のポイントに限定されていたケースを報告している。研究者はまた、AIシステムが実験室環境において、自律的にコンピュータネットワークの脆弱性を探索できることも実証している。しかし同レポートは、汎用のAIシステムが、実世界で完全に自律的な形でエンドツーエンドのサイバー攻撃を実行した事例は、これまでのところ報告されていないとも明記している。

「防御側もAIを使う」という、対抗する動き

今回のCISAらの警告と並行して見ておくべきなのが、攻撃側だけでなく防御側も、同様にAIを活用し始めているという事実だ。これは、攻撃側と防御側の双方が、次第に自動化されたシステム同士で対峙するという、新しい形の競争構図が生まれつつあることを意味している。

以前取り上げたOpenAIの防御者向けモデル「GPT-5.6-Cyber」や、今回警告の対象となっているような重要インフラを守るための、AIを活用した監視・検知システムの普及は、この「自動化された防御」という潮流の一部と言える。

エンジニアとして見ておきたいこと

今回の政府機関による共同警告は、抽象的な「AIリスク」の議論を、実際に人々の生活に影響を及ぼしている具体的な被害と結びつけている点で、重要な意味を持つ。CISAは、影響を受けた可能性のある事業者に対して、対象ソフトウェアへのパッチ適用、インターネットに露出したコントローラの隔離、リモートアクセスの安全確保、そして古い認証情報の刷新を求めている。

産業用制御システムを運用する組織にとって、今回の警告は、「AIによる攻撃の自動化」という将来的なリスクへの備えである以上に、既に進行している「基本的なセキュリティ衛生の欠如」という、今この瞬間の課題に向き合うきっかけとして受け止めるべきだろう。攻撃の高度化を語る前に、まず自分たちの制御システムがインターネットに無防備な形で露出していないかを確認することが、最も基本的で、最も効果的な第一歩になりそうだ。

参考：techcrunch.com／securityboulevard.com／techstartups.com／arxiv.org
サイバーセキュリティ重要インフラ産業制御システムAIエージェントAI/ML

「ロボットのためのマトリックス」を作る——NVIDIAを去った研究者が挑む、フィジカルAI最大のボトルネック

【高橋 呂牡】

▶ 元NVIDIA AI研究副責任者サンジャ・フィドラー氏が8月19日、世界モデルスタートアップVeeda AIの立ち上げと9,000万ドル超のシード資金調達を発表。ロボットハードウェアが計算資源のようにスケールしないという物理的学習のボトルネック、NVIDIA Spatial Intelligence Labでの実績を持つ創業チーム、AMI Labs・World Labs・Waabiなど先行する世界モデル企業群との位置づけ、トロント・チューリッヒ・シンガポール・マウンテンビューの4拠点体制までを解説する。

「ロボットのためのマトリックス」を作る——NVIDIAを去った研究者が挑む、フィジカルAI最大のボトルネック

8月19日、元NVIDIAのAI研究副責任者サンジャ・フィドラー氏が、新会社Veeda AIの立ち上げと、9,000万ドルを超えるシード資金の調達を発表した。フィドラー氏はLinkedInの投稿で、自社が開発しているものを「フィジカルAIのための『マトリックス』」と表現している。ソフト屋として、この会社が挑もうとしている技術的な課題の中身を見ていきたい。

なぜロボットは「実世界での試行錯誤」ができないのか

フィドラー氏の問題意識は明快だ。彼女はLinkedInで、ロボットが実世界での試行錯誤を通じて学習できるという考え方自体が、非現実的だと指摘している。理由はシンプルで、ロボットのハードウェアは、計算資源のようにはスケールしないからだ。

大規模言語モデルの学習であれば、追加のGPUを投入すれば、並列に何千もの試行を同時に走らせることができる。しかし、実世界でロボットに試行錯誤をさせるとなると、物理的なロボット本体という「ハードウェアの数」そのものが、学習速度の上限を決めてしまう。しかも、ロボットが実世界で失敗を重ねれば、部品の損耗や、時には安全上のリスクも伴う。この「物理的な学習のボトルネック」こそが、フィジカルAI（AIを物理世界での動作に応用する分野）が抱える、最大の構造的な課題だ。

「世界モデル」というアプローチ

Veedaが取り組んでいるのは、この課題を「世界モデル（world model）」と呼ばれる技術で解決するアプローチだ。世界モデルとは、物理法則やモノの振る舞いを学習し、シミュレートされた環境や状況を生成できるAIモデルを指す。ロボットに、無限にスケール可能なシミュレーション環境の中で、繰り返し試行錯誤をさせることができれば、実世界でのハードウェアの制約を受けずに、学習を大規模に加速できるという発想だ。

同社は、ロボット工学に取り組む開発者が、繰り返しの相互作用を通じて身体性を持つAIエージェント（embodied AI agents）を訓練できる、無限にスケール可能なシミュレート環境の構築を目指している。フィドラー氏の言葉を借りれば、「物理AIのためのシミュレートされた現実」を構築することが、同社唯一の使命だという。

NVIDIAでの実績が示す、技術的な裏付け

このアプローチの説得力を評価する上で重要なのが、フィドラー氏とその共同創業者たちが、NVIDIAでまさにこの領域の研究を主導してきたという経歴だ。フィドラー氏は8年間、NVIDIAのトロント拠点「Spatial Intelligence Lab」を率い、自動運転車やヒューマノイドAIエージェントが、実世界とどう相互作用するかをシミュレートするソフトウェアの開発に携わってきた。共同創業者のホァン・リン氏（チーフサイエンティスト）も同じ研究室に在籍し、もう一人の共同創業者ザン・ゴイチッチ氏（CTO）は、チューリッヒを拠点とするNVIDIAの研究ディレクターだった人物だ。

つまりVeedaは、ゼロから技術を構築するスタートアップというより、業界で最も進んだ世界モデル研究の知見を持つチームが、独立してその技術をさらに追求する場として設立された会社だと理解できる。

「World Labs」「AMI Labs」との位置づけの違い

世界モデルという分野自体は、Veedaが初めて手がけるものではない。元Meta AIチーフサイエンティストのヤン・ルカン氏が立ち上げた「AMI Labs」は3月に10億3,000万ドルを調達し、Fei-Fei Li氏が創業した「World Labs」も2億3,000万ドルを調達している。同じトロント拠点の自動運転企業Waabiも、世界モデルを自動運転技術の一部として開発している。

こうした先行企業と比較したとき、Veedaのシード資金9,000万ドルという規模は、絶対額としては見劣りするかもしれない。しかし、これはカナダ企業としての史上最大級のシード資金調達の一つに位置づけられ、しかも会社設立からわずか3ヶ月という短期間での達成だという点は、注目に値する。世界モデルという分野が、研究人材の質と計算資源の確保という、資本集約的な戦いになっていることを、この資金調達額の規模感が物語っている。

ソフト屋として見ておきたいこと

Veedaが目指す「ロボットのためのマトリックス」という構想は、ヒューマノイドロボットや自動運転車の開発現場が、現在最も切実に必要としている技術的なピースの一つだ。これまで取り上げてきたヒューマノイド企業の多くが、実機での稼働実績を競い合う一方で、その学習プロセスそのものを効率化する「シミュレーション基盤」というレイヤーは、比較的地味だが、業界全体のボトルネックを解消しうる、根幹に関わる技術領域と言える。

Veedaのオフィスがトロント、チューリッヒ、シンガポール、マウンテンビューという4拠点に置かれる予定である点も、この分野の人材が世界規模で分散していることを反映している。今後、この世界モデルが実際にどれだけのロボット開発企業に採用され、実機での学習効率をどこまで改善できるのか、具体的な導入事例が出てくるのを待ちたい。

参考：thelogic.co／siliconangle.com／betakit.com／www.theglobeandmail.com
フィジカルAI世界モデル資金調達ロボティクスNVIDIA

「1000件に1件」から「2件に1件」へ——実データが示す、AIコーディングの2年間の軌跡

【山本 浪漫】

▶ プロジェクト管理ツールLinear社が公開した実利用データレポート「How teams build」を分析。AI作成イシューが2年で1000件に1件未満から約半分へ急増した経緯、コーディングエージェント利用チームの週間PR数が21件から65件へ3倍増、CEOのAI導入率が9%から36%へ伸びた一方で開発時間全体はむしろ増加したという逆説、「AIは代替ではなく上乗せ」という調整コストの解釈までを研究者の視点で解説する。

「1000件に1件」から「2件に1件」へ——実データが示す、AIコーディングの2年間の軌跡

プロジェクト管理ツールを提供するLinear社が、自社の製品データを集計した「How teams build」というレポートを公開した。数百万件規模の実際の利用データに基づく、AIによるソフトウェア開発の変化を定量的に示す内容だ。AI研究者出身のジャーナリストとして、華々しい発表や個別の技術デモではなく、実際の現場データが物語る変化を、丁寧に読み解いてみたい。

「1000件に1件未満」から「約半分」への転換

このレポートが示す最も象徴的な数字が、Linear上で作成されるイシュー（作業項目やタスクを表す記録）のうち、AIが作成した割合の推移だ。2年前、AIによって作成されるイシューは、1,000件に1件にも満たなかった。それが現在では、Linear上で作られるほぼ全てのものの、およそ半分をAIが作成しているという。しかも、このレポートは「現在のペースで進めば、AIが作成する量は、人間とその他の統合ツールを合わせた量を、まもなく上回るだろう」とも予測している。

この数字の変化速度は、単なる「AIツールの普及」という言葉では片付けられない、開発ワークフローそのものの構造変化を示唆している。

コーディングエージェントの利用は「週21件から65件へ」

より直接的にコーディング作業への影響を示す数字も公開されている。コーディングエージェントを利用しているチームでは、週あたりのプルリクエスト（コードの変更提案）数が、21件から65件へと、3倍以上に増加したという。一方、エージェントを利用していないチームの伸びは、8件から10件と、緩やかなものにとどまっている。

この対比は、AIコーディングエージェントの導入が、単に「作業を楽にする」という次元を超えて、チームが生み出せるコードの変更量そのものを、構造的に押し上げていることを示している。

「導入率は倍増」——特に経営層で顕著な伸び

AI機能の導入率についても、興味深いデータが示されている。2026年上半期の間に、あらゆる職種でAI機能の導入率が2倍以上に伸びたという。中でも際立っているのが、従業員201人以上の企業におけるCEOの導入率で、9%から36%へと、4倍の伸びを記録している。

経営層が自らAIツールを積極的に使い始めているという事実は、AI導入が現場のエンジニアだけの取り組みにとどまらず、組織全体の意思決定層にまで浸透しつつあることを示す、注目すべき兆候だ。

逆説的な発見：「開発時間は、それでも増えている」

このレポートの中で、研究者として最も興味深いのが、一見直感に反する発見だ。2025年6月から2026年6月にかけて、イシューの作成・トリアージ・コメントに費やされる時間は、ほぼ全ての職種で増加していた。特にエンジニアリング職では、作成とトリアージだけで、時間がおよそ17%増加している。創業者に至っては、作成作業で17分、コメント作業で26分の増加という、さらに大きな伸びを見せている（ただし創業者は母数が小さく、統計的なばらつきの影響を受けやすいグループでもある）。

つまり、AIがコーディング作業やイシュー作成の一部を代替しているにもかかわらず、開発チーム全体が費やす総時間は、減少するどころか、むしろ増加しているという逆説的な結果が示されている。

「AIは仕事を代替するのではなく、上乗せする」という解釈

このレポートは、この逆説的な結果について、一つの解釈を提示している。「より多くの作業には、より多くの調整が必要になり、その調整こそが、エージェントが行動する際の文脈を、ますます形作るようになっている」という説明だ。

つまり、AIが個々のコーディング作業を高速化・自動化する一方で、その成果物を人間がレビューし、複数のAIエージェントの動きを調整し、全体の整合性を保つという、新しい種類の「調整コスト」が生まれているという見立てだ。AIは既存の作業を単純に置き換えるのではなく、既存の作業の上に、新しい種類の作業を積み増しているという、実務上重要な洞察と言える。

「トークン消費から成果まで」を追跡する、次のステップ

Linear社は、このレポートの中で、今後さらに踏み込んだ分析を行う計画も示している。コードとコードレビューが、今やLinear上を通過するようになったことで、「トークンの消費量から、実際の成果に至るまでの、作業の全ライフサイクル」を観察できるようになったとしている。

これは、AIコーディングエージェントの効果を評価する指標が、これまでの「導入率」や「プルリクエスト数」といった表面的な活動量の指標から、「投じた計算コストに対して、どれだけの実質的な価値が生み出されたか」という、より本質的な効率性の指標へと、進化していく可能性を示唆している。

研究者として見ておきたいこと

この種の、実際のプロダクト利用データに基づくレポートは、個別の企業が公表する華々しい成功事例とは異なり、業界全体のより地に足のついた実態を映し出す、貴重な情報源だ。AIコーディングエージェントの導入が、確かに開発のアウトプット量を押し上げている一方で、それが必ずしも「人間の作業時間の削減」に直結しているわけではないという今回の発見は、AI導入の効果を評価する際、単純な「効率化」という物差しだけでは不十分であることを示している。

今後、AIエージェントが担う作業の範囲がさらに広がっていく中で、「調整コスト」という新しい種類の作業が、どこまで増え続けるのか、あるいはどこかで頭打ちになるのか。この種の実データに基づく継続的な観測が、AIと人間の協働のあり方を理解する上で、ますます重要になっていきそうだ。

元記事：linear.app
AIコーディング生産性データ分析ソフトウェア開発AI/ML
広 告300 × 250