今朝は、8月24日に確認できた新しい動きを中心に3件です。特に1件目は、AIエージェントの評価方法が「モデルの賢さ」から仕事を完了するコストへ移っていることを示す、実務的に重要な発表です。

1. OpenAI × AWS「Kiro」にGPT-5.6。AIコーディングのコストを約82％削減

OpenAIは8月24日、AWSのAI開発エージェント「Kiro」で、GPT-5.6 Sol／Terra／Lunaが利用可能になったと発表しました。

Kiroは単にコードを書かせるツールではなく、

要件整理 → 技術設計 → タスク分解 → コーディング → テスト → レビュー

までを一連の流れとして扱うAI開発エージェントです。

OpenAIとAWSによるTerminal-Bench 2.1でのテストでは、GPT-5.6 TerraがKiro上で成功したタスクについて、約82％のコスト削減を達成したとしています。

なぜ重要か

注目すべきは「GPT-5.6がKiroで使える」こと以上に、82％という数字です。

AIエージェントでは、一つの仕事を完了するまで何十回もモデルを呼び出します。

そのため今後は、

1回のAPI料金はいくらか

より、

仕事を最後まで完了させるのに、いくらかかったか

の方が重要になります。

さらにKiroは、最初に要件や設計を明確にしてからAIに実行させています。

これはコーディング以外にも応用できます。

曖昧な指示を何度もAIに修正させるより、最初に目的・条件・成果物を構造化した方が、AIの品質とコストの両方を改善できる。

AI活用では「良いプロンプトを書く」から、AIが迷わない仕事の設計をすることへ重点が移っています。

2. NVIDIA、Perplexityへの出資を協議。背景には「AI検索」から「AIが仕事をする」への成長

Reutersによると、NVIDIAはAI検索企業Perplexityへの出資を協議しています。

今回の資金調達では、Perplexityの評価額が300億ドル超になる可能性があります。前年の200億ドルから50％以上の上昇です。

さらに興味深いのが売上です。

Reutersによると、Perplexityの年間換算売上は2026年初めの2.5億ドル未満から、現在は7.5億ドル超へ増加。その成長を牽引しているのが、専門的な仕事を自動化するクラウドAIエージェントPerplexity Computerです。

※出資については現時点で協議段階であり、確定案件ではありません。

なぜ重要か

Perplexityはもともと、

「Google検索をAIで置き換える会社」

として注目されました。

しかし成長を牽引しているのがAIエージェントだという点が重要です。

生成AI市場の価値が、

情報を探すAI

から、

情報を探して、その後の仕事まで実行するAI

へ移っています。

例えば、

「競合大学の直近1カ月の広報活動を調べて」

だけではなく、

「競合大学を調査して、比較表を作り、重要な変化を分析し、明日の会議用に5枚の資料へまとめて」

までAIが実行する。

AI検索の次に競争になるのは、検索結果を使って何を完了できるかです。

3. ChatGPT／Codex、「AI同士を組み合わせる」方向へ

OpenAIは8月24日の製品更新で、従来のcodex mcp-serverコマンドを廃止し、Codex app serverへの移行を案内しました。

そして興味深いのが、公式Release Notesに、

Claude CodeからCodexを使う場合は、Codex plugin for Claude Codeを使用する

と明記されたことです。

つまり、競合するAnthropicのClaude Codeから、OpenAIのCodexを呼び出す構成が公式に想定されています。

なぜ重要か

ここ数日のBriefで繰り返し出てきた流れが、さらに明確になっています。

今後のAI活用は、

ChatGPTかClaudeかGeminiか

という「一つを選ぶ」発想ではなくなります。

例えば、

Claude Codeが全体を考える
→ Codexへ特定作業を任せる
→ 別モデルでレビューする

という構成も可能になります。

つまり、人間がすべてのAIを直接操作する必要がなくなります。

AIが別のAIをツールとして使う。

この構造が一般化すると、重要になるのは「どのAIが一番賢いか」ではありません。

複数のAIをどう組み合わせれば、最も速く・安く・正確に仕事を完了できるか。

こちらがAIシステム設計の中心になります。

Kawano's Perspective

今日、特に重要だと思うのはKiroの82％コスト削減です。

AIについては毎日のように、

「新モデルが出た」
「ベンチマークが上がった」
「新機能が追加された」

というニュースが出ます。

しかし実務で本当に見るべき数字は、もっと単純です。

その仕事を、いくらで終わらせられたのか。

さらに言えば、

人間なら何時間かかるのか。
AIなら何分かかるのか。
AI利用料はいくらか。
成果物の品質はどうか。

ここまで合わせて評価する必要があります。

そしてKiroの事例でもう一つ重要なのは、AIを自由に走らせるのではなく、最初に要件と設計を与えていることです。

これはAIエージェント運用でも同じです。

AIの能力を上げ続けるだけでは、必ずしも仕事は効率化しません。

仕事そのものを構造化する。
適切なAIへ分担する。
途中で人間が確認する。
完成までの時間とコストを測る。

AI活用の差は、モデル選びよりもこの業務設計ができるかどうかでつき始めていると思います。