今日の流れ
AIが人の代わりにこなす仕事が広がるにつれ、問いは「AIにできるか」から「誰が何を許可するか」へ移りつつある。MicrosoftはAIエージェント（人の代わりに複数の手順を自ら進めるAIプログラム）に社員とは別の身元を与え、作業ごとに権限を絞る管理機能を発表した。Anthropicは、コードの約90%をClaudeが書くチームで、どの変更を人が必ず見るべきかをリスク別に分けた方法を公開した。
両社の答えは同じ方向を向いている。AIに仕事を広く任せつつ、権限はゼロから始め、取り消しにくいことだけを人が承認する。GoogleのEmbeddingGemma 2は少し毛色が違うが、社内資料を外に出さずに社内で検索部品を動かせるという点で、「管理できるAI」という同じ流れにつながっている。
Microsoft、ローカルエージェント60種に個別の身元と権限
Microsoftは10月19日、セキュリティブログで社内のAIエージェントを「新しい内部者」とみなして管理する機能を発表した。社員のPCで動くローカルエージェントの検出対象を35種増やして60種に広げ、例としてClaude Code・OpenAI Codex・GitHub Copilotを挙げた。見つかったエージェントはMicrosoft Agent 365と同じ一覧に集まり、所有者・活動・リスクを一か所で確認できる。
変わったのは、エージェントを人のアカウントの付属物として扱わない点だ。Microsoft Entra Agent ID（社員アカウントを管理するEntraに加わったエージェント用の社員証）をローカルエージェントや、セキュリティセンサーが新たに見つけた正体不明のエージェントにまで広げ、エージェントごとに使う社員とは別の身元を与える。権限はゼロから始まり、承認された作業に必要な分だけ、決められた期間だけ付与される。
社員が自分で入れたAIコーディングツールがその社員のアカウント権限をまるごと引き継いで動く慣行が、管理対象になるということだ。リスクが上がると、読み取りは残して書き込みだけ止める、触れられるデータやネットワークを絞る、実行そのものを止める、と段階的に対応する。影響の大きい作業には、人が確認した承認を必須にできる。
発表には一般提供の有無、対応OS、必要なライセンスが書かれていない。自社の契約でいつ使えるかは、Microsoft管理センターのお知らせや担当者を通じて確認する必要がある。
Claude Codeチームの7層コードレビュー、差し戻し40%超減
Anthropicは10月15日、Claude Codeチームのコードレビューの方法を公開した。このチームのコードの約90%はClaudeが書いており、6月から9月にかけてマージされたプルリクエスト（PR、コード修正をまとめて「取り込んでほしい」と出す依頼）は2倍以上に増えた。同じ期間に、後から差し戻す必要があった変更の割合は40%以上減ったと同社は述べている。
要点は、人がすべての変更を読む代わりに7層のふるいを置いたことだ。プルリクエストごとにまずAIがレビューし、セキュリティレビューと自動チェック（マージ前に機械がテストを回す段階）を通らなければマージできない。人の承認はリスクに応じて低0人・中1人・高2人で、機微なパスと自動チェックの設定ファイルは常に人が見る。エージェントの承認は人の承認として数えない。
AIの成果物が人のレビュー速度を上回ったチームなら、「全部見る」より「何を必ず人が見るか」を先に決めるべきだということだ。社内の数値では、1回のレビューと修正で通った割合が65%から78%に上がり、5回以上やり取りしたケースは8.9%から1.5%に減った。この方法を製品化したCode Review for Claude CodeはTeam・Enterpriseプランで一般提供されており、/code-reviewコマンドで軽量版を自分のPCで動かせる。
数値はすべてAnthropicが自社チームで測ったもので、外部の検証はない。開発者が少ないチームや自動チェックが整っていないチームでも同じ効果が出るかは、まだわからない。
Google EmbeddingGemma 2、スマホで動くマルチモーダル検索
Googleが10月6日に公開したEmbeddingGemma 2は、文章・コード・画像・音声・動画を一つの座標空間に置く埋め込みモデルだ。埋め込みとは資料を「意味の座標」に変え、言葉が違っても意味の近い資料を見つけられるようにする技術だ。モデルの大きさは7億4千万パラメータ（学習で調整された数値設定の数）で、Apache 2.0ライセンスのため商用利用が認められている。
必要な部分だけを選んで使う構造だ。文章専用は2億7千万パラメータで、GoogleのPixel 11 Proでの測定ではメモリ約191MB、画像・音声まで全部載せると約567MBになる。一度に読める長さは約8Kトークン（AIが文章を細かく区切って数える単位）で、出力の座標は768次元から512・256・128次元に縮めて保存容量を節約できる。
社内文書・会議の録音・製品写真を外部のAIサービスに送らず、社内サーバーやノートPCで検索用の索引を作れるということだ。Hugging FaceとKaggleからダウンロードでき、チャットボットに社内資料を探して答えさせる構成の第一歩として試す価値がある。
性能の数値はGoogle自身の測定で、韓国語の検索品質は公式資料で個別に確認できなかった。自社の文書で実際に比べるまでは、既存の検索を置き換える根拠にはしにくい。
今日やってみること
チームのPCに入っているAIコーディング・自動化ツールを一覧にし、それぞれ誰のアカウント権限で何を読み書きしているかを一行ずつ書き添えてみよう。Microsoftが検出対象の例に挙げたClaude Code・Codex・GitHub Copilotから始めればよい。
AIの成果物のうち、人が必ず確認する領域を三つだけ決めよう。決済、顧客データ、外部に出る文言のように、間違えると取り消しにくいものから選び、AIの「確認済み」は人の確認として数えないという原則も一緒に書いておく。
Claude Codeを使っているなら、次の変更を出す前に/code-reviewを一度実行し、指摘を読んでみよう。Team・Enterpriseプランなら、管理者にCode Reviewを使っているか聞いてみるタイミングだ。
社内でよく受ける質問20個と正解の文書を組にしておき、EmbeddingGemma 2で探したときに正解の文書が何番目に出るかを、今の検索と比べてみよう。