2026.07.24

Microsoft、GitHub CopilotとExcelを自社AI「MAI」へ切替え——フロンティアモデルの「部品化」が始まった

TL;DR

Microsoftが GitHub Copilot と Excel で自社製AI「MAI」への切替えを本格化。小型モデル同士の比較で、VS Code上のコード採用率が約10％高く、トークン消費量の中央値が約10％少ないと報告した。(Microsoft AI)
Moonshot AIの新モデル「Kimi K3」を巡り、米政府高官がAnthropicモデルの不正蒸留疑惑を指摘。技術的根拠は非公表のまま、AI調達のサプライチェーンリスクが論点化した。(@IT)
サイバーセキュリティ領域では、AIガードレールが攻撃側だけでなく防御側の研究も妨げているという指摘と、AIが攻撃を「2日→25分」に高速化しているという現場報告が同時に出ている。(TechCrunch / ITmedia)

本命：Microsoft、GitHub CopilotとExcelを自社AI「MAI」へ切替え

Microsoftは7月23日（現地時間）、GitHub CopilotとExcelで自社開発AIモデル「MAI」シリーズの本番投入を進めていると発表した。これまでOpenAIやAnthropicのモデルが担ってきたタスクの一部を、より小規模で低コストな自社モデルへ移す取り組みだ。GitHub Copilotでは6月投入の軽量エージェント型コーディングモデル「MAI-Code-1-Flash」を既に数百万人の開発者が日常利用しており、VS Code上のコード採用率はGPT-5.4 MiniやClaude Haiku 4.5より約10％高く、トークン消費量の中央値は約10％少ない。複数日にわたって使い続ける開発者の割合もGPT-5.4 Mini比で6％、Claude Haiku 4.5比で11％高いという。Excelでは同チェックポイントを起点に、表計算のツール操作や業務ワークフローを学習させた強化学習環境で追加学習したモデルが稼働しており、本番トラフィックのユーザーフィードバックではよく使われるタスクの品質はGPT-5.6と同等としている。最新世代のアクセラレータを必要とせず、NVIDIAのH100・A100世代でも提供できる点を、展開コストを下げられる理由に挙げている。ナデラCEOはLinkedInで、GitHub Copilot、Excel、Outlookで有望な初期結果が出ており、Copilot ChatやPowerPointにも同じアプローチを広げ始めていると述べた。ただしOpenAIやAnthropicのモデルが排除されるわけではなく、フロンティア能力が必要な用途には引き続き両社のモデルを使うとしている。（ITmedia）

技術的読み

GitHub Copilotで提示された性能数値は「小型モデル同士」の比較である点に注意がいる。GPT-5.4 MiniとClaude Haiku 4.5は両社のフロンティア級モデルではなく廉価版であり、MAI-Code-1-Flashがそれらを上回ったからといって、GPT-5.6やFable 5級の能力を代替できたことにはならない。フロンティア級との比較はExcel版の「GPT-5.6と同等」という一文のみで、これはMicrosoft自身の本番トラフィックのフィードバックに基づく自己申告であり、第三者ベンチマークでの検証はソースに記載がない。とはいえ、狭いタスク（コーディング補完、表計算のツール操作）に強化学習で特化させれば、小型モデルでもフロンティア級に近い体感品質を出せるという実証としては筋が通っている。加えてH100・A100世代のGPUで動く設計は、最新チップへの依存を避けてハードウェア調達の柔軟性を確保する狙いが読み取れる。

ビジネス的読み

Microsoftが自社モデルへトラフィックを切替えられるのは、GitHub CopilotとExcelという配信チャネルそのものを握っているからだ。モデルは「オーケストレーションシステムの一部」として交換可能な部品の一つに位置づけ直され、フロンティアモデルは高難度タスク向けの選択肢として残る一方、高頻度・低難度タスクは自社製の安価なモデルに置き換わっていく。Microsoftが「製品ごとの評価指標と”モデルからの独立性”を確保するため、記憶やコンテキスト、スキルをモデルの外部に置く設計を採っている」という点は、タスクの抽象度ごとに最適なモデルを充てるという設計思想の実装そのものだ。OpenAIやAnthropicにとっては、契約上の関係は維持されても、日常的・高頻度な呼び出し量（トークン売上の大部分を占めうる領域）がMicrosoft製品内で侵食されるリスクを意味する。ただしこの内製化は、大量のGPU保有と製品トラフィックの両方を持つハイパースケーラーだからこそ限界費用を下げられる戦略であり、汎用化できる話ではない。

含意とポジション

薄いフロンティアモデルのラッパーに投資する場合、プラットフォーマーが自社モデルでその機能を吸収するリスクは、今回のトラフィック移行で具体例が示された。一方で、自社の反復的・高頻度タスク（コーディング補完に限らず、定型的な業務ワークフロー）を持つなら、そこに強化学習で特化した小型モデルを充てることでコストを大きく落とせる可能性がある、という技術的な示唆は規模を問わず参考になる。フロンティアモデルへの一極依存を前提にせず、タスクごとにモデルを切り替えられる設計にしておくことが、Microsoftと同じ理由——コスト最適化とベンダーロックイン回避——で正当化される。signal/noise: signal（具体的な実測値と展開方針を伴う一次発表）。確信度: 中〜高（数値の出所はMicrosoft自身であり第三者検証はまだない）。

その他の重要トピック

Kimi K3を巡る不正蒸留疑惑とAI調達のサプライチェーンリスク

Moonshot AIは7月16日（中国時間）、2.8兆パラメータのMoEモデル「Kimi K3」を発表した。同社によれば総合性能はFable 5やGPT-5.6 Solには及ばないが、他の主要モデルを上回り、フロントエンド開発評価では首位という。ウェイトは7月27日までに公開予定。これに対し、ホワイトハウス科学技術政策局（OSTP）局長のマイケル・クラツィオス氏がXで、Moonshot AIがAnthropicのFableを蒸留したとの情報を得ていると投稿。米国製モデルへの大規模蒸留用の内部プラットフォームを開発し、検知回避のため複数のアクセス手段を切り替えていたほか、GB300搭載サーバを取得し、タイのGB300搭載設備にもアクセスして訓練に使用した可能性が高いと主張したが、情報源や技術的根拠は示していない。Anthropicは自社ブログで、Moonshot AIが2026年2月までに数百の不正アカウントと複数のアクセス経路を使いClaudeと340万回超のやりとりをしていたとするアクセス規模を説明しているが、クラツィオス氏のように「Fable 5が使われた」と踏み込んだ言及はしていない。（@IT）

技術/ビジネスの読み: 蒸留自体は正当な技術であり、問題視されているのは教師モデル提供者の許可なく利用規約・地域制限を回避して能力再現用データを組織的に収集する行為だ。これは、防御可能性の堀が結局モデル上流の固有データ・設計にあるかを問う論点でもある。ビジネス面では、オープンウェイトモデルは自社環境で運用しやすい反面、訓練データや教師モデルの利用条件まで公開されるとは限らないため、調達側は開発主体・訓練データ・ウェイトのライセンス・第三者からの知財提起の有無を個別に確認する必要がある。ただしこれは記事の分析部分であり、クラツィオス氏の疑惑自体は現時点で一次情報源・技術的根拠が非公表という留保が残る。

so what: コスパの良いオープンウェイトモデル（Kimi K3含む）の採用を検討する際は、性能ベンチマークだけでなく来歴確認をデューデリジェンス項目に加える価値がある。ただし今回の疑惑自体を事実として扱うのは時期尚早——米政府高官の主張と独立検証の間にはまだ距離がある。

AIガードレールが攻撃的セキュリティ研究を妨げている

AI各社は悪意ある利用を防ぐため審査プログラムと厳格なガードレールを設けているが、これが正当な防御者・攻撃的セキュリティ研究者の業務も妨げているとTechCrunchが報じた。6月、米政府はAnthropicのMythosとFableに輸出規制を課したが（Fable 5は7月1日に一般提供再開、Mythos 5は審査済み米国組織限定で再導入）、この措置はガードレールをバイパスして攻撃を構築できるとの報告が一因とされる。OpenAIとAnthropicはそれぞれ審査制のプログラム（Trusted Access for Cyber、Cyber Verification Program）で制限の緩いアクセスを提供しているが、著名研究者のMark Dowd氏は、こうした大企業がセキュリティにおいて何を安全とするかを恣意的に決めることに違和感があると指摘。NCC GroupのChris Anley氏は、脆弱性を確認する上で「AIに悪用を試させる」ことが不可欠なステップであり、ガードレールが回答を拒否すると防御側の作業を害すると述べている。（TechCrunch）

技術/ビジネスの読み: 「このコードを直して」という同一プロンプトが、防御に不可欠な仕組みであると同時に攻撃側の脆弱性発見ロードマップにもなる、という二重用途性の構造問題がガードレール設計の技術的な難しさを示している。ビジネス面では、セキュリティ研究者・ベンダーにとってフロンティアAIベンダーの審査プログラムへのアクセスが業務上の必須リソースになり得るため、審査待ちや裁量によるボトルネックが自社のセキュリティ運用速度を左右するリスクがある。

so what: 脆弱性診断や攻撃的セキュリティをサービスに組み込む場合、フロンティアモデルのガードレールが業務のボトルネックになりうることを織り込んだ設計（審査プログラムへの早期申請、あるいは制限の異なる複数モデルの併用）が必要になる。

「2日かかる攻撃が25分に」——AIによるサイバー攻撃の高速化

パロアルトネットワークスの染谷征良氏（チーフサイバーセキュリティストラテジスト）は、7月14日開催の「SoftBank World 2026」講演で、フロンティアAIの登場によりサイバー攻撃の速度が変わり始めていると解説した。氏は被害がなくならない要因として「人依存の限界」（なりすましメールの日本語の不自然さが生成AIで消えつつある）、「アイデンティティの弱点」（Unit 42が年間1000件超支援するインシデントの約9割で攻撃者がアイデンティティを標的にしている）、「対策の複雑化」（個別調達によるサイロ化）の3点を挙げた。パロアルトが対応したインシデントの87％では攻撃の兆候がログに残っていたにもかかわらずリアルタイム検知できていなかったという。「2日かかる攻撃が25分に」という具体的な内訳（どの攻撃工程がAIでどう短縮されたか）は本ソースの後段に委ねられており、本稿では確認できていない。（ITmedia）

技術/ビジネスの読み: 「2日→25分」という数字自体は講演での要約主張であり条件が不明な点は割り引く必要があるが、87％のログ検知漏れという数字は自社対応事例に基づく実測値として重みがある。ベスト・オブ・ブリード型調達がサイロ化を招くという指摘は統合型プラットフォームへの投資動機になり得るが、これはパロアルト自身がそうした統合製品を提供する立場からの発言でもある点は留意したい。

so what: 小規模事業の創業者にとって現実的なリスクは攻撃速度そのものより、「ログはあるのに気づけない」という検知体制の遅れの方だ。ツールを増やす前に、横断的な監視とアイデンティティ管理の一本化を優先する方が費用対効果は高い。

ChatGPTとClaude、相次ぎ音声機能を強化

OpenAIは7月23日（現地時間）、ChatGPTデスクトップアプリに音声対話機能を追加し、ChatGPT WorkやCodexをリアルタイム音声で操作できるようにした。ベースは7月8日発表のリアルタイム音声モデル「GPT-Live」で、発話中の割り込み指示に対応する。Anthropicも同日、Claudeの音声モードを強化し、Fable 5を除く全モデルと音声でやりとりでき、会話途中に接続済みの外部ツールへアクセスできるようになった（パブリックβ）。（ITmedia）

技術/ビジネスの読み: 両社がほぼ同時にエージェント操作×リアルタイム音声を強化した点は、コーディングエージェントをハンズフリーで操作するUXが次の競争軸として意識されていることを示す。ただしClaude側はFable 5（最上位モデル）を対象外としており、フロンティア級の推論と音声インターフェースの両立にはまだ制約がある。

so what: 現時点でコア業務フローを変えるほどの実証データはない。

日本企業向けAI推論プラットフォーム「ai& Inference」

2026年設立の日本企業ai&は、Claude・GPTなど海外AIサービスの代替として「ai& Inference」の提供を6月23日に開始した。同社はAI利用の課題として、エージェント化によるコスト急増（チャット用途比で1000倍規模になるケースもあるとする）、海外サーバとの通信によるレイテンシ、規制業界でのデータ主権問題の3点を挙げる。Claude・GPTのAPI利用者は接続先を1行変更するだけで既存コードが動作し、出力品質は同水準を保ちつつコストは約80％低く抑えられるとしている。複雑な推論には高性能モデル、定型処理には安価・高速モデルを振り分ける階層化構成を採る。今後3年で国内に複数の100メガワット級データセンターを建設予定で、既に約3000億円の資金を確保しているという。（@IT）

技術/ビジネスの読み: 「品質同水準・コスト80％減」はai&側の主張であり、第三者検証データはソースにない。ビジネス面では、フロンティアモデル本体の性能で勝負するのではなく、データ主権・レイテンシという別軸（規制業界向けニッチ）で差別化する位置取りは理にかなっている。ただし新興インフラ企業であり、約3000億円の資金は確保済みとする一方、複数データセンターの建設は計画段階である点も踏まえる必要がある。

so what: 金融・医療・公共など規制業界向けにサービスを作る創業者には、データ主権要件を満たす国内代替基盤の選択肢が増えたこと自体は意味がある。ただし性能・コスト面の主張は独立検証待ちであり、本番採用は実運用実績を見てからでも遅くない。

明治安田、開発工数見積もりをAIエージェントで自動化

明治安田生命保険は、システム開発工数の見積もり業務にAIエージェントを活用するPoCを完了し、本番運用に向けた準備フェーズに移行した。過去のシステム開発案件情報をSalesforceのクラウドサービスに蓄積しており、これをSalesforceのエージェント構築サービス「Agentforce」と組み合わせた。ユーザーがチャットで開発内容を入力すると、AIエージェントが開発要素を推定して過去の類似案件を検索し、類似度に応じて工数を算定する。PoCでは業務負荷の削減と、要件が固まっていない案件での要件洗い出し支援という2つの効果を確認したという。2026年度中の全社的な本番運用開始を計画しており、2026年6月時点は精度向上に取り組むフェーズ2にある。（@IT）

技術/ビジネスの読み: 仕組み自体は過去案件データに対する類似検索＋類似度ベースの算定というRAG的な構成で、技術的な目新しさは大きくない。価値の源泉は「有識者しか担えなかった見積もり業務」を自社の過去案件データという独自資産でテンプレ化した点にある。定量的な削減効果（時間短縮幅や精度の数字）はソースに記載がなく、効果の大きさは現時点で判断できない。

so what: 過去データという独自資産の有無が、専門知識依存業務をこの種の仕組みでテンプレ化できるかどうかの分水嶺になる。自社に蓄積された類似の過去実績データがあるかを棚卸しする価値はある。

今週試すなら / 無視していい hype

今週試すなら: 自社の高頻度・定型タスク（コーディング補完に限らず、繰り返し発生する業務ワークフロー）を洗い出し、フロンティアモデル一択ではなくタスクごとにモデルを切り替えられる設計にできないか検討する。Microsoftの自己申告による結果は、狭いタスクへの特化と強化学習の組み合わせが、小型モデルでも十分な体感品質につながる可能性を示唆している。

無視していい hype: ChatGPT/Claudeの音声機能強化は、UXの実験段階でありコア業務フローを変える実証はまだない。ai&の「コスト80％減・品質同水準」も第三者検証待ちの自社主張であり、今すぐの乗り換え判断材料にするのは早い。