労働人口の減少と業務高度化が進む中、自治体は行政サービスの質を維持・向上させるため、業務効率化を求められています。横浜市では「横浜DX戦略」を推進し、生成AIの一つであるRAG（検索拡張生成）を活用した行政サービスの改革に着目しました。

市内には、法令、マニュアル、過去の資料など、膨大な文書が蓄積されていますが、これらの十分な活用が職員の負担や業務の属人化を引き起こしていました。そこで、横浜市はNTT東日本と連携し、独自のドキュメントを参照しながら回答を生成できるRAGの導入検証を行いました。

実証結果として、特に選挙関連業務において、問い合わせに対する回答の精度が約90%に達することが確認され、業務効率化の有効性が示されました。この成果により、職員はより迅速かつ正確に市民の要望に応えることが可能になり、行政サービスの質が向上しました。

しかし、構造化されていない文書や暗黙知の扱いなど、今後の課題も明確になりました。生成AIは万能ではなく、業務特性に応じた適切な活用が求められています。この取り組みは、生成AIを行政業務に活かすヒントを提供する実践的な事例と言えるでしょう。

産業用AIが工場やサプライチェーンを変革する中で、プロバイダーのエコシステムは急速に拡大しています。企業は効率向上とイノベーションの加速を目的としてAIを活用しており、スタートアップは医薬品製造、物流、航空宇宙などで新たな価値を創造しています。

具体的なアプリケーションとして、AIを用いた設計プロセスの効率化や、AI主導の産業ロボット再設計により、CO₂排出量を82%削減することが可能です。AIツールは、大量のデータを分析し、シミュレーションを通じて新しい材料や性能の洞察を得る手助けをし、サプライチェーンのボトルネック解決に貢献します。このような取り組みは、エネルギー効率の向上、材料廃棄物の最小化、プロセスの最適化など、持続可能な未来に向けた重要なステップです。

2025年の第1四半期にヨーロッパのAI企業が約30億ユーロを調達したことも、企業が収益向上に寄与するアプリケーションを求めている証です。しかし、これを実現するには、業界のニーズを理解し、エンドユーザーとの緊密な連携が不可欠です。スタートアップは、初期のパイロットプロジェクトを通じて信頼を築き、市場での競争優位を確立する必要があります。

このように産業用AIの活用は、単なる効率向上にとどまらず、ビジネス全般におけるプラスの影響をもたらす密接な協力関係によって可能になります。

ノーコードでAIワークフローを構築できるOpalが新たに「エージェントステップ」を追加

2026年2月24日、Google LabsはノーコードビジュアルビルダーOpalに、ユーザーの目的に応じたAIモデルやツールを選択するエージェントステップ機能を導入した。この機能により、ユーザーはGenerateステップで特定のモデルを選ぶ必要がなくなり、エージェントが最適なアプローチを自動的に判断して適切なツールやモデルを呼び出すことが可能となる。

具体的なアプリケーションとして、インタラクティブなストーリーブッククリエイター「Visual Storyteller Opal」では、ユーザーがページ数や質問を事前に設定することなく、エージェントが自律的に物語の進行を提案できるようになる。また、インテリアデザイン用の「Room Styler Opal」では、空のリビングの写真と理想のスタイルを入力することで、初期の装飾案を生成し、ユーザーのフィードバックをもとに好みを深めることができる。

さらに、Opalのエージェントを強化する新機能として、メモリー、動的ルーティング、インタラクティブチャットが挙げられる。メモリー機能では、ユーザーの好みをセッションを越えて記憶し、よりパーソナライズされた体験を提供。動的ルーティングは、エージェントが特定の条件に基づいて効果的にワークフローを進行させる手助けをする。インタラクティブチャットでは、エージェントが必要な情報を収集するためにユーザーに対話を開始できる。このように、エージェントの自律的な能力と効率的なワークフローの構築が実現される。

本記事では、AIコーディングエージェントの性能を改善するために導入された適応学習システム「CORAL」を紹介します。このシステムは、タスクが完了した際にエージェントが経由した全プロセスを分析し、特に合格/不合格のメトリクスで見逃される効率性を明らかにします。

具体的な応用例として、エージェントが誤ったファイル検索パターン（例：'*.py'）を使用し、結果が得られない問題を取り扱いました。この問題により、エージェントは平均して5ターン分の余計な作業をしていました。修正は非常に簡単で、ツールの説明に1行追加するだけで、誤ったパターン率を約99％削減しました。さらに、エージェントのコマンド記述のスタイルも改善し、コマンドの誤用によるエラー率をゼロに近づけるための自動修正機能が実装されました。

これにより、無駄なターンが減り、エージェントはより迅速に結果を出すことができるようになります。合格したタスクの背後に潜む非効率性を見極めることで、エージェントの能力は継続的に向上し、ユーザーはより良い開発体験を享受できます。Kiroエージェントは、常に進化しており、ユーザーからのフィードバックも反映されています。この適応学習システムにより、AIコーディングエージェントは今後さらに賢く、効率的に進化することでしょう。