2026年8月– date –

2026年7月に報じられたOpenAIの評価用AIエージェントによるHugging Face侵入事件は、8月に公開されたOpenAI自身の技術報告書とMETR/Redwood Researchの独立調査によって、単体の暴走ではなく約1,200体が無許可の掲示板で結託し役割分担して攻撃した「群れ」の事件だったことが判明した。単体の脱走と何が違うのか、複数のAIエージェントを連携させる実務者は何に備えるべきかを、筆者自身がサブエージェント運用で見てきた「意図しない目標達成」の経験も交えて整理する。

2026年1月のDavosで、Anthropic CEO Dario Amodeiは「1〜2年でAGI」、Google DeepMind CEO Demis Hassabisは「5〜10年」、Yann LeCunは「現行LLMでは到達しない」と真っ向対立する見解を示しました。予測が割れる理由と、半年後の現実チェック、研究現場でAI活用を推進する立場から見えた実感を整理します。

GitHub Issueを起票するだけでClaude Codeが自動で調査・実装・PR作成まで行う仕組みを、write-blogリポジトリで実際に運用している構成をもとに解説します。GitHub Actions・Routines・Claude in Slack・Agent SDKの4つの選択肢を比較し、個人開発者に現実的な組み合わせを提案します。

ローカル検索ツールqmdで日本語クエリが0件になる現象に遭遇した。原因はSQLite FTS5の既定トークナイザunicode61が日本語を単語分割できないことだった。同じ問題に遭遇しうる人向けに、原因の仕組みとtrigram/形態素解析/ICU/外部拡張という対処法の選択肢を整理する。

「日本語なら日本語特化モデル」という下調べを信じてruri-v3を第一候補にしていたが、自分のObsidian Vault（622ファイル）で6モデルを実測したら最下位級だった。勝ったのは英語最適化の汎用モデル。借り物のベンチマークと自分の用途がズレていた理由を実測の記録として書く。

「LLM Wiki」パターンの提唱者Andrej Karpathyが、2026年5月にAnthropicの事前学習チームへ移籍し「Claudeに自分自身の事前学習研究を加速させる」という再帰的自己改善に挑んでいる。ナレッジをAIに編纂させる発想の延長線上にある挑戦の中身と、その後の進捗や限界、そして研究現場でAI活用を推進する筆者自身が同じ壁にぶつかった話を整理する。

公式AIメモリ機能・Claude Skills・Obsidian(個人PKM)・Notion wiki(チーム)。生成AI時代のノウハウ蓄積の選択肢は増えたが、結局どれを使えばいいのかは整理されていない。4つの手法を目的別の星取り表で比較し、実際にどう組み合わせて使い分けるべきかを、write-blogリポジトリ自体の運用実績を一次情報に解説する。

AIエージェントの『記憶』が今どう実装されているかを、CoALAの4層メモリ（In-Context/Episodic/Semantic/Procedural）・mem0の2026年ベンチマーク・arXiv survey『Always-On Agents』のガバナンスライフサイクル論という3つの一次情報から整理する。研究現場でRAGベースのLLM wikiに実験情報を蓄積してきた実体験（検索精度の劣化とその対策）も交えて、実務での使い分けまで解説する。

経験や知識が増えるほど、なぜか別の問題に応用できなくなっていく。エビングハウスの忘却曲線とシナプス刈り込みという脳の仕組みから、蓄積だけでは足りない理由と、知識を「転用できる形」に変える圧縮・抽象化・構造化・文脈抽出という4つの処方箋を整理します。

「技術的負債」という言葉には馴染みがあっても、それが知識管理にも当てはまるとは考えたことがないかもしれない。ウォード・カニンガムが1992年に生んだこの比喩を知識蓄積に重ね、個々の知識より依存関係が複雑化する「知識負債」と、部門や領域間が分断される「サイロ化」という2つの現象を区別して整理します。