はじめに——「すごいニュース」の洪水をどう読むか

先週だけで、AI関連の重大ニュースが18件を超えた。
OpenAIの提携再編、Claudeのクリエイティブ統合、Neuralinkの新技術、
AI同士が潜在空間で通信する新アーキテクチャ……。

それぞれ単体で読むと「スゴイね」で終わる。
でも、エンジニアとして・プロダクト開発者として俯瞰すると、
一つの大きな転換が見えてくる。

SMHCでは医療AIプラットフォーム「Melodis」を開発・運用している。
AIエージェントを中核に置いたプロダクト開発の現場にいると、
今週のニュース群は他人事ではない。

今回はエンジニアリング・プロダクト視点から、
特に重要な動向を6つに絞って考察する。

1｜エージェントが『潜在空間』で話し合う時代

Recursive MASとは何か

今週最もインパクトがあったのは、Recursive MAS（Multi-Agent System）の登場だ。

従来のマルチエージェントシステムは、エージェント同士がテキストを介して
コミュニケーションしていた。Recursive MASでは、エージェントが人間の言語を
経由せず、AIモデルの内部表現（潜在空間）で直接通信する。

SMHCへの影響

Melodisでは多言語AI通訳エージェントが並列で動作している。現状はエージェント間の連携にAPIコールとテキスト出力を使っているが、このアーキテクチャが普及すれば：

• エージェント間コストが大幅削減
• レスポンスタイムが短縮し、リアルタイム多言語対応の精度向上
• Melodisの多言語AI通訳エージェントの並列処理効率向上

2｜Claudeが50以上のソフトと直接連携——AIはディレクターになった

AnthropicがClaudeをPhotoshop・Blender・Abletonなど
50以上のクリエイティブツールと統合すると発表した。
ユーザーが指示するだけで、AIがソフトを操作して成果物を生成する。

エンジニアリング的に重要なポイント

• Computer Use APIの実用化が加速している
• GUI操作をAIがプログラムなしに実行できるようになった
• MCP（Model Context Protocol）によるツール統合が業界標準になりつつある

Melodisでは問診フローの自動化にMCPベースの統合を検討している。AIが電子カルテや予約システムを直接操作できれば、医療事務スタッフの負担を大幅に削減できる。

3｜NVIDIAがマルチモーダルAIをOSS化——エージェントに目と耳がついた

NVIDIAがNemotron（マルチモーダルAI）をオープンソース化した。視覚・聴覚を統合したAIモデルが、商用利用可能な形で誰でも使えるようになる。 

何が変わるか

• エージェントが画像・動画・音声をリアルタイムで理解できる
• カメラ・マイク入力と組み合わせた物理世界との連携が容易に
• 医療分野では：X線画像読影、内視鏡動画の異常検出、音声での問診AIが現実的に 

Melodisでは現在テキストベースの多言語対応を提供しているが、マルチモーダル化の検討を2026年後半のロードマップに入れている。NemotronのOSS化はコスト面でのハードルを大きく下げる。

4｜スキルのコピー化——エンジニアに何が求められるか

Blenderの3DモデリングAI『Moonlake』が、人間の作業を一度見せるだけで学習・再現できるデモを公開した。

これはBlenderだけの話ではない。

SMHCでは「AI活用率70%」を経営KPIに置いている。エンジニアに求めるのは、
AIに指示できる設計力と、AIが生成したコードをレビュー・修正する判断力だ。

5｜エッジAIの台頭——クラウド依存からの脱却

Tencentが発表したスマートフォンでローカル動作するオフライン翻訳モデルは、
エッジAIの実用化を象徴している。 

医療AIにとって意味が大きい

• 患者データをクラウドに送らずに処理できる
• 個人情報保護法・GDPRへの対応コストが下がる
• 電波が弱い病院内環境でも動作する
• レイテンシが極小化し、リアルタイム処理が可能

Melodisは現在クラウドベースで動作しているが、病院からの「データを外部に出したくない」という要望は多い。エッジAIの成熟は、オンプレミス型Melodisの実現可能性を高める。

6｜データが、AIの人格を決める

1931年以前のデータだけで学習した『レトロAI』が、現代AIと同等の性能を発揮したという研究が話題になった。

表面的には「古いデータでも十分」という話に見えるが、本質はもっと深い。

Melodisの医療AIでは、どのデータで学習させるかが品質・安全性に直結する。医療過誤データ、バイアスのある診断データ、特定地域の症例に偏ったデータは、AIの判断を歪める。

• 学習データの選定プロセスを明文化する
• データのバイアス検査をCI/CDパイプラインに組み込む
• 定期的なモデル監査（Model Audit）を実施する

これは技術的な問題であると同時に、医療倫理・コンプライアンスの問題でもある。

まとめ——SMHCとして次に何をするか

今週の18トピックを整理すると、共通のメッセージが浮かび上がる。

SMHC は『AI 開発会社』ではなく『AI 活用会社』として、
医療×IT の現場でこれらの変化を自社プロダクトに実装していく。

技術的な課題、設計の議論、採用に関心がある方は、
ぜひカジュアル面談でお話しましょう。