CodeZine

Google WorkspaceのGemini Notebookに包括的な監査ログ機能が導入され、組織内で生成AIの使用履歴を追跡・管理できるようになった

• •Google Workspace内のGemini Notebook機能に、ユーザーの操作履歴を記録する監査ログが追加された
• •この機能により、企業はAI利用の透明性を確保し、コンプライアンス要件を満たすことが可能になる
• •管理者は誰がどのようなコンテンツを生成したかを追跡し、データガバナンスを強化できる

GitHub ActionsがREST APIの統合やセキュリティ権限の管理等、3つの主要機能を強化し、CI/CDパイプラインの柔軟性と安全性を向上させた

• •REST APIとの連携が強化され、外部サービスとの統合が容易になった
• •セキュリティ権限の管理機能が改善され、最小権限の原則に沿った設定が可能に
• •これらの更新により、開発チームはよりセキュアで効率的なワークフローを構築できる

Google DeepMindが次世代気象予報AIモデル「WeatherNext 3」を発表。高精度な気象予測を実現する新モデルの技術的詳細や性能向上点について報じた。

• •Google DeepMindが気象予測分野で新たなAIモデル「WeatherNext 3」を開発・発表した
• •このモデルは従来の数値予報モデルよりも高精度な予測性能を持つと期待されている
• •気象データの処理方法や予測アルゴリズムの革新点が技術的な焦点となっている

Anthropicが企業向けに顧客環境でデータ管理可能なセキュリティ機能「Enterprise Frontier Safeguards」を発表し、データ漏洩リスクを低減

• •顧客のデータがAnthropicのシステム外で処理・管理できる仕組みを提供する
• •企業利用におけるデータプライバシーとコンプライアンス要件に対応する機能である
• •生成AI導入におけるセキュリティ懸念を解消し、エンタープライズ採用を促進する狙いがある

ワークスアプリケーションズの人事労務クラウド「HUE」がAI連携規格MCPに対応し、AIエージェントとの連携による業務自動化の範囲を拡大する

• •MCP（Model Context Protocol）規格への対応により、外部AIツールとの接続が標準化された
• •AIエージェントがHUE上のデータにアクセスし、人事・労務手続きを自律的に実行できる環境が整う
• •企業内のAI活用基盤を強化し、非技術者でもエージェントを構築・運用しやすくなる

Google VidsがDocsやPDF、Wordファイルなどのテキストデータを読み込み、それらを基にした動画要約を自動生成する機能を追加した

• •従来の動画入力に加え、文書ファイルから直接動画コンテンツを生成する機能が実装された
• •Google Workspaceの生態系内で、文章データを視覚的な動画プレゼンテーションへ変換できる
• •ビジネス資料やレポートの要約を動画形式で素早く作成するワークフローが効率化される

GitHub Copilotがエンタープライズ向けに除外ポリシーに対応し、特定のファイルやリポジトリでのAIアシスタントの使用を管理者が制限できるようになった。

• •GitHub Copilotはエンタープライズ管理者がAIの使用範囲を細かく制御できる除外ポリシーを追加した
• •機密情報を含むファイルや特定のリポジトリでのコード補完機能を無効化することが可能になる
• •企業のセキュリティコンプライアンス要件を満たすための機能強化として提供される

大企業と開発者が交流する「Developers X Summit 2026」のタイムテーブルが公開され、参加申し込みが始まった。AI活用事例や技術トレンドが議論される予定。

• •大企業と開発者の交流を目的としたイベント「Developers X Summit 2026」の概要が公開された
• •タイムテーブルの詳細が発表され、オンラインまたは対面での参加申し込み受付を開始している
• •生成AIのビジネス活用や最新技術動向に関するセッションが含まれると予想される

Amazon Aurora MySQL 3.13が一般提供を開始し、MySQL 8.0.45との互換性追加により、既存環境からの移行や利用が容易になった

• •AWSのマネージドデータベースサービス、Amazon Aurora MySQLのバージョン3.13が公開された
• •MySQL 8.0.45との互換性が追加され、バージョン間の差異による開発コストが軽減される
• •クラウドデータベースユーザーは、このアップデートにより最新のMySQL機能を活用できるようになった

DevRevの鈴木孝規氏が、RAG実装後でも本番環境でAIエージェントが誤答する原因はモデル性能ではなく「記憶」の設計にあるとし、ナレッジグラフを活用した関係性や権限の管理の重要性を解説した

• •デモでは完璧でも本番で誤答する原因は、AIに渡す情報の構造設計にある
• •関係性・時系列・権限を結びつける「ナレッジグラフ」の導入が有効である
• •単なるテキスト検索ではなく、構造化された記憶設計がAIの精度を決定づける