ニュース
NVIDIA「Agentic AI Day Japan 2026」講演レポート
2026年11月10日 20:24
NVIDIAは11月10日、都内でAIエージェントの社会実装をテーマにしたカンファレンス「Agentic AI Day Japan 2026」を開催した。本稿ではその模様をレポートする。
オープンモデルとフロンティアモデルのハイブリッド戦略
最初のセッションでは「AIエージェント時代、日本は何を持つべきか」と題し、北陸先端科学技術大学院大学の今井翔太氏と、NVIDIAの井﨑武士氏が登壇した。
公務により急遽欠席となったチームみらい党首の安野貴博氏からはビデオメッセージが寄せられ、「AIエージェントがどんどん普及してきて進化もしてきている中において、ただフロンティアモデル、最先端のAIモデルを使っていればそれでいいかというと、そういう時代ではなくなってきた」と、ROI（費用対効果）を意識したモデルの使い分けの重要性が提起された。
これを受け、今井氏は将来的なAIの棲み分けについて言及した。今井氏は「競争的な領域は基本的にフロンティアモデルが使われると思う。ただ、競争的でない領域というのは、おそらく長期的にはほとんどがオープンモデルになる」と述べ、サイバー攻撃と防御のような最先端のモデル同士が戦う“ポケモンバトル”の領域と、事務処理など上限が決まっているタスク領域とで、利用されるモデルが明確に分かれていくとの見解を示した。
AIエージェントをカーネルレベルで防御する
続いて、NVIDIAの徳永匡臣氏とトレンドマイクロの谷本直柔氏が登壇し、自律的に外部ツールを操作するAIエージェント特有のセキュリティリスクとその対策について解説した。
徳永氏は、従来のプロンプト制御だけではエージェントの暴走を止められないとし、「プロンプト層における制御さえ超えてしまえば実行ができてしまうというところで限界があるが、そこをもっと低いレイヤーで、カーネルレベルでエージェントの実行環境を保護しようというのが、本日紹介するOpenShell」と述べ、プロセスやネットワークなどを根本から制限するオープンソースツールを紹介した。
谷本氏はこのOpenShellと自社のTrendAI Vision Oneを活用した実証デモを披露し、「何も権限を制限していない状態で検知と対応をやったとしても、ログの量も膨大になるし、何が正しくて何が不正なのかが分からない」と指摘した。AIエージェントを安全に運用するためには、強固な予防的対策を土台とした上で、不審な挙動の検知と隔離対応をセットで構築する必要があると説いた。
コスト爆発を防ぐ完全オンプレミスという選択肢
企業が直面する「トークンコストの爆発」と機密情報保護の課題に対し、完全オンプレミスでのローカルLLM活用を提案したのがIppu Senkinの鈴木秀弥氏。
同氏は、オープンウェイトモデルの性能が凄まじいスピードで進化している現状に触れ、「4か月遅れの最新オープンウェイトモデルを使った方が、社内で許可されている商用クラウドモデルより性能が高いという逆転現象が起きる」と、ローカルLLMがすでに実用的な水準を凌駕していることを強調した。
また、導入コストについても「数百万円後半で、GPT-4クラスの性能が使い放題になる」と述べ、APIの従量課金に怯えることなく、自社の閉域環境でAIエージェントをフル稼働させるハイブリッド構成が、今後のエンタープライズの標準になると力強く語った。
ゲーム開発のPDCAを加速するローカルLLM
スクウェア・エニックスの藤井翔太氏は、ゲーム開発の現場における生成AIの実装検証を報告した。
NVIDIA Nemotronモデルをローカル環境で動かした際の利点として、「簡単なタスクになると今のChatGPTとかClaudeよりも早い速度で回答してくれる」と、そのレスポンス速度を高く評価した。
さらに、テキスト指示から3Dキャラクターの歩行や障害物回避のモーションを生成する実験結果も公開。同氏は、AIにキーフレームを打たせてモーションを修正する際の勘所について「モーションを作ってもうちょっと改善したいなというところで、制御するんだったらキーフレームをどんどん打っていけばいいかというと、そういうわけではない」と語り、闇雲に情報量や制御点を増やすのではなく、必要な箇所だけを動画でフィードバックすることが出力品質の向上に直結するという実践的な知見を共有した。
研究現場のナレッジを自律型AIで紡ぐ
最後のセッションでは、ENEOSホールディングスの蓬田憲太郎氏が登壇し、材料化学の研究現場におけるエージェンティックAIの実践事例を紹介した。
同氏は、NVIDIA NIMなどのコンテナ技術がAI環境構築のハードルを下げていることについて、「ユーザーの目的は作ることではなく、目的地に向かうことで（中略）、我々材料化学研究者が目的としているのは実行環境を構築することではなく、それを使って仕事・研究を進めるということになる」と述べ、非AI専門家が手軽にAIを活用できる恩恵を絶賛した。
また、社内の過去の実験レポート検索や、自律的な実験シミュレーションにおいて、ローカルモデルを活用するメリットを解説。「長時間自律的に稼働させられることが大きな恩恵の1つ」と述べ、膨大な試行錯誤を要する材料探索において、APIコストを気にせずAIエージェントに長時間の思考と検証を委ねられるローカルモデルの価値を提示した。
