中国のAI企業Z.ai（旧 智譜AI）は、2026年8月14日に最新の大規模言語モデル「GLM-5.3」を発表・リリースしました。前バージョンのGLM-5.2と同じ7,430億パラメータのベースモデルをそのまま使用しながら、「事後学習」の大幅な拡張だけで性能向上を達成し、脆弱性の特定・検証能力を測定するベンチマーク「CyberGym」では、84.5%のスコアで、Fable 5やGPT-5.6 Sol、Kimi K3などの競合モデルを上回りました。
この「GLM-5.3」について、生成AIに深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
Fable 5とも戦える「GLM-5.3」登場。事後学習の拡張のみで大幅性能アップ
2026年8月14日
https://pc.watch.impress.co.jp/docs/news/2132889.html#04_l.jpg
 
中国Z.AI、脆弱性の発見性能「ミュトス級」　新モデル提供開始
2026年8月14日
https://www.nikkei.com/article/DGXZQOGM144JU0U6A810C2000000/
 
 
GLM-5.3 Achieves “Mythos-Class” Vulnerability Discovery Performance
On August 14, 2026, Chinese AI company Z.ai, formerly known as Zhipu AI, announced and released its latest large language model, GLM-5.3. While retaining the same 743-billion-parameter base model used in the previous version, GLM-5.2, the company achieved substantial performance gains solely by significantly expanding its post-training process.
On CyberGym, a benchmark that measures models’ ability to identify and validate software vulnerabilities, GLM-5.3 scored 84.5%, outperforming competing models such as Fable 5, GPT-5.6 Sol, and Kimi K3.
I asked generative AI to conduct an in-depth analysis of GLM-5.3. Please refer to the results for further details. Please note, however, that the research and analysis generated by AI are based solely on publicly available information, may not necessarily reflect the actual situation, and may contain inaccurate information.

かつての軍から民への技術転用とは対照的に、現代では民生技術が軍事に取り込まれる「スピンオン」が主流となっており、AIやドローン、宇宙開発がその中核を担っています。米国が制度改革や巨額の投資で産業基盤を強化する一方、日本も防衛予算の拡大や新研究機関の設立、さらに学術界の姿勢変化を背景に、大きな転換期を迎えています。
生成AIに、軍事と民間の両面で活用されるデュアルユース技術の最新動向を、日本と米国の比較を含め詳細に分析させましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
 
Latest Trends in Dual-Use Technologies
In contrast to the traditional transfer of military technologies to civilian applications, today the dominant trend is “spin-on,” in which civilian technologies are incorporated into military systems. Artificial intelligence, drones, and space technologies are at the core of this shift. While the United States is strengthening its defense industrial base through institutional reforms and massive investment, Japan is also entering a major period of transition, driven by an expanding defense budget, the establishment of new research organizations, and changing attitudes within the academic community.
I asked generative AI to conduct a detailed analysis of the latest developments in dual-use technologies employed for both military and civilian purposes, including a comparison between Japan and the United States. Please refer to the analysis for further details. Please note, however, that the research and analysis generated by AI are based solely on publicly available information, may not necessarily reflect the actual circumstances, and may contain inaccuracies.

Googleは2026年8月13日(米国時間)、コーディングやエージェント機能を強化した主力モデル「Gemini 3.7 Flash」を公開しました。前バージョンのGemini 3.6 Flashから3週間で新モデルが登場したこととなります。
Gemini 3.7 Flashは、ソフトウェア エンジニアリング、ナレッジ ワーク、Web開発など、ワークフロー全体で大幅に進化したとされ、100万トークンあたりの費用はGemini 3.6 Flashの「半額」の初回価格に抑えています。
このGemini 3.7 Flashについて生成AIに深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
Gemini 3.7 Flash公開　主力モデルを3週間で更新、性能も大幅向上
2026年8月14日
https://www.watch.impress.co.jp/docs/news/2132694.html
 
 
Gemini 3.7 Flash
On August 13, 2026 (U.S. time), Google released Gemini 3.7 Flash, its flagship model with enhanced coding and agentic capabilities. The new model arrived just three weeks after the release of its predecessor, Gemini 3.6 Flash.
Gemini 3.7 Flash is said to deliver major improvements across entire workflows, including software engineering, knowledge work, and web development. Its introductory price per one million tokens has also been set at half that of Gemini 3.6 Flash.
I asked generative AI to conduct an in-depth analysis of Gemini 3.7 Flash, and I hope you will find the results informative. Please note, however, that the research and analysis produced by generative AI are based solely on publicly available information and may not necessarily reflect the actual situation. They may also contain inaccuracies, so please bear this in mind when reviewing the material.

DeepSeekは、8月13日、最新のLLMとなる「DeepSeek-V4-Pro-0813」をHugging Faceなどで正式に公開しました。本モデルは従来のプレビュー版に代わる正式リリース版に位置づけられており、オープンソースとして商用利用も可能なMITライセンスの下で提供されており、現在の市場において最高水準の価格対性能比（Price-to-Performance）のモデルとされています。
DeepSeek-V4-Pro-0813について、生成AIに深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
1.7兆モデル「DeepSeek-V4-Pro」正式公開。エージェント強化で下剋上解消
https://news.yahoo.co.jp/articles/d4ece6fa0871ec6be114995f8fb6417e2a3da7f5
 
 
“DeepSeek-V4-Pro-0813” Officially Released
On August 13, DeepSeek officially released its latest large language model, DeepSeek-V4-Pro-0813, on Hugging Face and other platforms. Positioned as the production release that replaces the previous preview version, the model is available as open-source software under the MIT License, which permits commercial use. It is regarded as offering one of the best price-to-performance ratios currently available on the market.
I asked generative AI to conduct an in-depth analysis of DeepSeek-V4-Pro-0813. Please refer to the resulting report. Please note, however, that the research and analysis generated by AI are based solely on publicly available information, may not necessarily reflect the actual circumstances, and may contain inaccuracies.

企業の管理が及ばない野良AIエージェントや制御を失ったローグAIがもたらす深刻なセキュリティリスクは、従来のAIとは異なり、自律的に意思決定し行動するエージェント特有の脅威として、対策が必要です。
一律の利用禁止はかえって運用の不透明化を招くため、可視化、スコープ制限、人間による承認、監査ログの4軸を中心とした、実効性のあるガバナンス構築が必要です。
生成AIに野良AIエージェントのリスクと対策を深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
 
野良AIとは？企業が直面するリスクと効果的な対策を解説
https://japan-ai.co.jp/media/7846/
 
野良AIエージェントとは。誰も頼んでいないのに、あなたの会社で働き続けている
作った本人も忘れたAIエージェントが、権限を持ったまま社内で動き続ける──。これが「野良AIエージェント」です。「シャドーAI」との決定的な違い、3つのリスク、そして野良化させない設計を解説します。
https://www.salesforce.com/jp/blog/jp-what-is-rogue-ai-agent/#h-%E5%AE%9A%E7%BE%A9-%E9%87%8E%E8%89%AF%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88-%E3%81%A8%E3%81%AF%E4%BD%95%E3%81%8B
 
「野良AIエージェント」リスクとその対策
 
 
Unmanaged “Shadow” AI Agents
The serious security risks posed by unmanaged “shadow” AI agents operating beyond corporate oversight, as well as rogue AI systems that have escaped control, differ fundamentally from those associated with conventional AI. These threats are unique to agents capable of making decisions and taking actions autonomously and therefore require agent-specific countermeasures.
A blanket ban on their use may instead drive such activities underground and make them even less transparent. Companies therefore need to establish an effective governance framework centered on four key pillars: visibility, scope restrictions, human approval, and audit logs.
I asked generative AI to conduct an in-depth analysis of the risks posed by unmanaged AI agents and the measures needed to address them. Please refer to the resulting report. Please note, however, that the research and analysis generated by AI are based solely on publicly available information, may not necessarily reflect actual circumstances, and may contain inaccuracies.

2026年8月5日に三木谷浩史会長兼社長が「Rakuten AI Optimism」（横浜、8月5〜7日）の基調講演で発表した「AI店長」構想は、生成AIを活用して楽天市場の各店舗に専用のデジタル接客担当を配置する革新的な取り組みで、店主のこだわりや専門知識を学習することで、24時間体制での商品相談から決済までを自然な対話で完結させます。
店舗独自の「人間味」やストーリーを再現し、顧客に新しい購買体験を提供することを目指しています。
この「AI店長」について、生成AIに深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
 
The “AI Store Manager” Concept
The “AI Store Manager” concept, announced by Rakuten Chairman and CEO Hiroshi Mikitani during his keynote address at “Rakuten AI Optimism” held in Yokohama from August 5 to 7, 2026, is an innovative initiative that uses generative AI to provide each merchant on Rakuten Ichiba with its own dedicated digital customer-service representative. By learning each store owner’s particular preferences, passion, and specialist knowledge, the AI Store Manager will be able to handle the entire customer journey—from product inquiries and recommendations to payment—through natural conversation, 24 hours a day.
The initiative aims to reproduce the distinctive human touch and story of each store, thereby offering customers a new kind of shopping experience.
I asked generative AI to conduct an in-depth analysis of this “AI Store Manager” concept, and I hope you will find the results informative. Please note, however, that the research and analysis generated by AI are based solely on publicly available information, may not necessarily reflect the actual circumstances, and may contain inaccuracies.

SpaceXAI（旧xAI）は2026年8月12日、新たな大規模言語モデル「Grok 4.6」を発表しました。独立評価機関のベンチマークにおいてOpenAIの最高峰モデル「GPT-5.6 Sol Max」と同等の総合スコアを記録し、利用価格を既存モデルと同水準に据え置きながら、推論能力や自律型エージェントとしての性能を大幅に引き上げています。前世代モデルであるGrok 4.5のリリースから約5週間という短期間で市場に投入されたもので、開発組織の構造的変革とプロダクト戦略の転換を象徴するリリースとなっています。
この「Grok 4.6」について、生成AIに深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
SpaceXAIが最新AIモデル「Grok 4.6」を発表、総合評価でOpenAIの最上位モデルに並ぶ
コスパを追求しながら、推論能力や自律性能を引き上げ
https://www.sbbit.jp/article/cont1/186519
 
 
“Grok 4.6” Achieves an Overall Score on Par with “GPT-5.6 Sol Max”
On August 12, 2026, SpaceXAI, formerly known as xAI, announced a new large language model, “Grok 4.6.” In benchmarks conducted by an independent evaluation organization, the model achieved an overall score comparable to that of OpenAI’s flagship model, “GPT-5.6 Sol Max.” While keeping its pricing at the same level as its existing models, SpaceXAI has substantially enhanced Grok 4.6’s reasoning capabilities and performance as an autonomous AI agent.
Released only about five weeks after the launch of its predecessor, Grok 4.5, Grok 4.6 represents a significant milestone that symbolizes both a structural transformation of the development organization and a shift in the company’s product strategy.
I asked generative AI to conduct an in-depth analysis of Grok 4.6, and I hope you will find the results informative. Please note, however, that the research and analysis produced by generative AI are based solely on publicly available information, may not necessarily reflect the actual circumstances, and may contain inaccuracies.

NECは2026年8月1日付で、人事、法務、IT、サイバーセキュリティなどの本社機能と同列の恒常的な組織として「コーポレートAI・Workforce部門」を新設しました。従業員数万人規模の大企業において、部門長から実動部隊に至るすべての組織構成要素をAIエージェントで完結させ、人間が直属の構成員として存在しない「無人部署」を設置した事例は、国内初の実装形態となるようです。
このAIエージェントのみで構成される「無人部署」新設が、企業の知的財産実務に及ぼす影響について、生成AIに考察させましたので、ご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
NEC、AIエージェント「17人」で新部署　無人組織が業務自動化を推進
https://www.nikkei.com/article/DGXZQOUC319AJ0R30C26A7000000/
 
 
NEC Establishes a New Department to Promote Business Process Automation Entirely through AI
Effective August 1, 2026, NEC established its new Corporate AI & Workforce Division as a permanent organizational unit positioned alongside such headquarters functions as human resources, legal affairs, IT, and cybersecurity. This appears to be Japan’s first implementation of its kind at a large corporation with tens of thousands of employees: a “staffless department” in which every organizational role—from the head of the division to the operational workforce—is performed entirely by AI agents, with no human employees serving as direct members of the department.
I asked generative AI to examine how the establishment of this AI-agent-only “staffless department” may affect corporate intellectual property operations. Please refer to the resulting analysis. Please note, however, that the research and analysis generated by AI are based solely on publicly available information, may not necessarily reflect the actual circumstances, and may contain inaccuracies.

東京地裁2026年7月14日判決の令和7年(ワ)第70116号特許権侵害差止等請求事件は、本件は、特許第5710036号（トルクセンサ）の特許権者である原告が、被告に対し、低容量軸トルクメータの生産、譲渡等が同特許権を侵害するとして、その差止め及び製品の廃棄を求め、判決は、被告製品は本件各発明の技術的範囲に属し、本件各発明に被告主張の無効理由は認められないとして、被告製品の生産、譲渡等を差し止め、その廃棄を命じました。
判決は、作用効果と文言充足性について、『被告は、被告製品のロータ基板は柱材の配置が不均一であるから、重心が偏心していて振動が発生しやすいとか、立体形状のため空気抵抗の影響を受けやすく、高速では回転させることができないのであって、本件各発明の効果を得られていない旨主張する。しかし、構成要件１Ｂ及び２Ｂは「中空円盤形状」という基板の形状それ自体を要件とするものであって、その作用効果の有無を要件とするものではないから、被告製品のロータ基板が本件各発明の効果を奏するか否かは充足性の判断を左右するものではない。』としています。
生成AIに本判決の評釈をさせましたので、ご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
令和７年（ワ）第７０１１６号 特許権侵害差止等請求事件　判 決
https://www.courts.go.jp/assets/hanrei/hanrei-pdf-96859.pdf
 
 
Tokyo District Court Patent Infringement Case Reiwa 7 (Wa) No. 70116: Technical Effects and Literal Satisfaction of Claim Limitations
In the patent infringement action seeking an injunction and related relief, Case Reiwa 7 (Wa) No. 70116, decided by the Tokyo District Court on July 14, 2026, the plaintiff, the owner of Japanese Patent No. 5710036 relating to a torque sensor, alleged that the defendant’s manufacture, transfer, and other handling of low-capacity shaft torque meters infringed the patent and sought an injunction and the destruction of the accused products. The court found that the accused products fell within the technical scope of the patented inventions and that none of the grounds for invalidity asserted by the defendant had been established. It therefore enjoined the manufacture, transfer, and other handling of the accused products and ordered their destruction.
Regarding the relationship between technical effects and literal satisfaction of the claim limitations, the court stated:
“The defendant argues that, because the column members are arranged unevenly on the rotor substrate of the accused products, the center of gravity is offset, making vibration more likely to occur. The defendant further contends that, because the substrate has a three-dimensional shape, it is susceptible to air resistance and cannot be rotated at high speed, and therefore does not achieve the effects of the inventions at issue. However, claim limitations 1B and 2B require the shape of the substrate itself to be a ‘hollow disk shape’ and do not require the presence of any such function or effect. Accordingly, whether the rotor substrate of the accused products produces the effects of the inventions at issue does not affect the determination of whether the claim limitations are satisfied.”
I asked generative AI to prepare a commentary on this judgment, which is provided for your reference. Please note that the research and analysis conducted by generative AI are based solely on publicly available information, may not necessarily reflect the actual circumstances, and may contain inaccuracies.

金融庁・東京証券取引所は2026年7月21日、2021年以来約5年ぶりとなるコーポレートガバナンス・コード（CGコード）の改訂を公表しました。本改訂は、「形式から実質へ」を基本方針として、原則のスリム化・プリンシプル化と「解釈指針」の新設という構造的な再設計を伴うものとなりました。
本改訂の背景と全体像、3つの主要な改訂ポイント、取締役会の機能強化について、その意義と実務上の対応を整理した「2026年改訂コーポレートガバナンス・コードの解説」（ARX法律事務所 本間 隆浩弁護士、髙田 洋輔弁護士）は、参考になりました。この解説を参考に知財活動への影響を生成AIに深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
2026年改訂コーポレートガバナンス・コードの解説
取締役会事務局・コーポレートセクレタリーの機能強化
https://www.businesslawyers.jp/articles/1560
 
 
Impact of the 2026 Revision of the Corporate Governance Code
On July 21, 2026, the Financial Services Agency and the Tokyo Stock Exchange announced revisions to the Corporate Governance Code (CG Code), marking the first revision in approximately five years since 2021. Guided by the basic policy of moving “from form to substance,” the revision represents a structural redesign of the Code, including the streamlining of its principles, a stronger principles-based approach, and the introduction of new “Interpretive Guidelines.”
I found the article Commentary on the 2026 Revision of the Corporate Governance Code, written by attorneys Takahiro Homma and Yosuke Takada of ARX Law Office, particularly informative. The article explains the background and overall framework of the revision, its three principal amendments, and the strengthening of board functions, while also examining their significance and the practical measures companies should take.
Using this commentary as a reference, I asked generative AI to conduct an in-depth analysis of the revision’s implications for corporate intellectual property activities. Please refer to the resulting analysis. Please note, however, that the research and analysis produced by generative AI are based solely on publicly available information, may not necessarily reflect actual circumstances, and may contain inaccuracies.

2026年9月4日（金）に、知財・無形資産ガバナンス協会と大阪工業大学の共催による「関西　知財・無形資産ガバナンス・フォーラム KANSAI IP・IA Governance Forum ～関西発　知財・無形資産ドリブン経営への変革～」が、大阪工業大学　梅田キャンパスにて開催されます。本フォーラムでは、「知財を経営の力に」をテーマに掲げ、関西から、政府の最新政策、大企業・中小企業の具体的な経営戦略、大学での人財育成などの「知財・無形資産経営」の具体的な実践方法とその将来像を発信します。
講演 ①「知的財産推進計画2026 ～成長戦略を支える知財戦略の推進～」
講演 ②「MPDP理論による中小企業活性化戦略」
講演 ③「経営に活かす知財の在り方を考える　～クリエイティブな知財部運営に挑むダイキン工業の取組み～」
講演 ④「知的資産と知財教育」
パネルディスカッション「知財を経営に活かす人財」のあるべき姿
 
講演 ②「MPDP理論による中小企業活性化戦略」は、大ヒット工具「ネジザウルス」を生んだ株式会社エンジニアの高崎充弘社長が、自社の成功体験から独自に体系化した「MPDP理論」（M＝マーケティング、P＝パテント〔特許〕、D＝デザイン、P＝プロモーション）をもとに、知財・無形資産を軸とした中小企業の活性化戦略を語る内容になると思われます。
生成AIに、その内容を推測させましたので、ご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
関西　知財・無形資産ガバナンス・フォーラム
https://ipiaga.org/news/%e9%96%a2%e8%a5%bf-%e7%9f%a5%e8%b2%a1%e7%84%a1%e5%bd%a2%e8%b3%87%e7%94%a3%e3%82%ac%e3%83%90%e3%83%8a%e3%83%b3%e3%82%b9%e3%83%95%e3%82%a9%e3%83%bc%e3%83%a9%e3%83%a0
 
 
Strategy for Revitalizing SMEs through the MPDP Framework
On Friday, September 4, 2026, the KANSAI IP & Intangible Assets Governance Forum – Transforming Management through IP and Intangible Assets from Kansai will be held at the Umeda Campus of Osaka Institute of Technology. The forum is jointly organized by the Intellectual Property and Intangible Assets Governance Association and Osaka Institute of Technology.
Under the theme “Turning Intellectual Property into a Source of Management Strength,” the forum will present practical approaches to, and future visions for, IP- and intangible asset-driven management from the Kansai region. Topics will range from the Japanese government’s latest policies to specific management strategies adopted by large corporations and SMEs, as well as human resource development at universities.
Lecture 1: “Intellectual Property Strategic Program 2026 – Advancing IP Strategies to Support Japan’s Growth Strategy”
Lecture 2: “Strategy for Revitalizing SMEs through the MPDP Framework”
Lecture 3: “Rethinking How Intellectual Property Can Contribute to Management – Daikin Industries’ Efforts to Build a Creative IP Department”
Lecture 4: “Intellectual Assets and IP Education”
Panel Discussion: “What Kind of Talent Is Needed to Leverage Intellectual Property in Management?”
Lecture 2, “Strategy for Revitalizing SMEs through the MPDP Framework,” is expected to feature Mitsuhiro Takasaki, President of Engineer Inc., the company behind the hugely successful Neji-Saurus screw-removal pliers. Drawing on his company’s own experience of success, Takasaki developed the proprietary MPDP framework: M = Marketing, P = Patent, D = Design, and P = Promotion. His presentation is expected to explain how SMEs can revitalize their businesses by placing intellectual property and other intangible assets at the core of their management strategies.
I asked generative AI to anticipate what the presentation may cover, and the resulting analysis is provided for your reference. Please note that the research and analysis conducted by generative AI are based solely on publicly available information and may not necessarily reflect the actual content of the presentation or circumstances surrounding it. The analysis may also contain inaccuracies.

スタンフォード大学とArc Instituteの研究チームは、ゲノム言語モデルEvo 2を用いて、宿主細胞内で増殖可能なバクテリオファージの全ゲノムを設計・生成することに成功しました。この研究は、AIが単なる断片的なタンパク質ではなく、感染サイクルを完遂できる完全なウイルスゲノムを構築できる能力を実証した科学的節目といえます。一方で、この成果はバイオセキュリティ上の新たな課題を提示しており、モデルが病原体の設計に転用されるリスクについても議論されています。
専門家らは、今回のファージ自体の危険性は低いものの、生成AIによるウイルス設計能力の確立という事実に緊急の管理が必要であると指摘しています。そのため、モデルの公開範囲や核酸合成の監視など、技術と制度の両面からのリスク管理が今後の重要な焦点となります。
本件について、生成AIに徹底的に比較させましたので、ご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
AIが自然界にないウイルスを作製｜人工ウイルスがもたらす医療革命とバイオの脅威
https://news.yahoo.co.jp/expert/articles/87613020f780012d81287fd45561681c7b453518
 
 
Research on Generating “Whole-Genome” Bacteriophages
A research team from Stanford University and the Arc Institute has successfully used the genomic language model Evo 2 to design and generate complete genomes of bacteriophages capable of replicating within host cells. This study represents a scientific milestone, demonstrating that AI can construct not merely individual protein fragments but complete viral genomes capable of carrying out a full infection cycle. At the same time, the achievement raises new biosecurity concerns, including the potential risk that such models could be repurposed for pathogen design.
Experts have noted that while the bacteriophages generated in this study themselves pose relatively low risks, the demonstrated ability of generative AI to design viruses calls for urgent consideration of appropriate safeguards. Going forward, risk management from both technological and regulatory perspectives—including controls over model access and oversight of nucleic acid synthesis—is therefore expected to become an increasingly important focus.
I asked generative AI to conduct an extensive comparative analysis of this research, and I hope you will find the results informative. Please note, however, that the research and analysis conducted by generative AI are based solely on publicly available information and may not necessarily reflect the actual circumstances. They may also contain inaccurate information, so please keep these limitations in mind when reviewing the results.

YouTube動画『【トップ5％社員の習慣】AI時代に成果を出す人は「成功」より何を分析するのか？』では、クロスリバー代表の越川慎司氏へのインタビューで、815社・17万人の分析をもとに、AI時代に会社から期待される人の行動習慣が紹介されています。
興味深いのは、AIを使っているから成果が上がるという単純な因果関係は確認されなかったという点です。AIはすでに電気や水道のような仕事のインフラになりつつあり、重要なのは、AIを使うこと自体ではなく、どのように成果につなげるかです。成果を出す人は、成功事例をそのまままねるのではなく、うまくいかなかった理由を分析して「失敗確率」を下げています。生成AIにも成功例だけでなく失敗例を学ばせ、複数のAIを使って反証や確認を行っていると分析しています。
また、AIが情報収集、整理、資料作成を担うようになるほど、人間には、現場で得た経験、独自に蓄積した失敗データ、仕事を成功させたいという欲求、そして周囲を巻き込む力が求められます。特に重要なのは、単なる「情報共有」ではなく、相手の考えや感情を受け止める「感情共有」です。反対意見にもまずうなずき、意見を出すことと最終的な判断を分ける姿勢が、協力を引き出し、大きな成果につながると説明されています。
AI時代に価値を持つのは、AIより速く作業する人ではなく、AIを活用しながら失敗を減らし、人との信頼関係を築き、成果が生まれやすい環境をつくれる人なのかもしれません。
AI時代に成果を出す人について、生成AIに徹底的に比較させましたので、ご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
 
【トップ5％社員の習慣】AI時代に成果を出す人は「成功」より何を分析するのか？
https://www.youtube.com/watch?v=sQcApYVl0IU
 
 
In the AI Era, High Performers Analyze “Failures” Rather Than “Success Stories”
The YouTube video “Habits of the Top 5% of Employees: What Do High Performers Analyze Instead of ‘Success’ in the AI Era?” features an interview with Shinji Koshikawa, CEO of Cross River, and introduces the behavioral habits of employees who are highly valued by their companies in the AI era, based on an analysis of 170,000 employees across 815 companies.
One particularly interesting finding is that no simple causal relationship was identified between using AI and achieving better results. AI is already becoming part of the basic infrastructure of work, much like electricity and water. What matters is not simply whether people use AI, but how they translate its use into tangible results. High performers do not merely imitate successful cases. Instead, they analyze why things did not work and seek to reduce the “probability of failure.” The analysis also suggests that they have generative AI learn not only from successful cases but also from failures, while using multiple AI tools to challenge, cross-check, and verify their conclusions.
Furthermore, as AI increasingly takes over information gathering, organization, and document preparation, people are expected to bring qualities that AI cannot easily replace: hands-on experience gained in the field, proprietary knowledge accumulated from past failures, a strong desire to make their work succeed, and the ability to engage and mobilize others. Particularly important is not merely “sharing information,” but “sharing emotions”—acknowledging and understanding the thoughts and feelings of others. The video explains that first acknowledging opposing views, and clearly separating the process of expressing opinions from the process of making final decisions, can encourage cooperation and ultimately lead to greater results.
In the AI era, perhaps the people who will create the most value are not those who can work faster than AI, but those who can leverage AI to reduce failures, build relationships of trust with others, and create an environment in which successful outcomes are more likely to emerge.
I asked generative AI to conduct an in-depth comparative analysis of the characteristics and behaviors of people who achieve strong results in the AI era. Please refer to the findings for your reference.
Please note, however, that the research and analysis conducted by generative AI are based solely on publicly available information and may not necessarily reflect actual circumstances. The results may also contain inaccuracies or errors, so please keep these limitations in mind when reviewing the findings.

次世代型「AIエージェント」への移行期にある知財AIプラットフォームとして、Patsnap Eurekaと国内主要5サービス（サマリア、Tokkyo.Ai、Patentfield AIR、Genzo AI、AI Samurai）を、生成AIに徹底的に比較させましたので、ご参照ください。
なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
Comparison of IP AI Platforms in the Transition to “AI Agents”
As intellectual property (IP) AI platforms enter a transitional phase toward next-generation “AI agents,” I asked generative AI to conduct an in-depth comparison of Patsnap Eureka and five major Japanese services: Summaria, Tokkyo.Ai, Patentfield AIR, Genzo AI, and AI Samurai. Please refer to the results for further details.
Please note that the research and analysis conducted by generative AI are based solely on publicly available information and may not necessarily reflect the actual capabilities or circumstances of each service. The results may also contain inaccuracies or errors, so please keep these limitations in mind when reviewing the report.
​

スタンフォード大学とArc Instituteの研究チームは、ゲノム言語モデルEvo 2を用いて、宿主細胞内で増殖可能なバクテリオファージの全ゲノムを設計・生成することに成功しました。この研究は、AIが単なる断片的なタンパク質ではなく、感染サイクルを完遂できる完全なウイルスゲノムを構築できる能力を実証した科学的節目といえます。一方で、この成果はバイオセキュリティ上の新たな課題を提示しており、モデルが病原体の設計に転用されるリスクについても議論されています。
専門家らは、今回のファージ自体の危険性は低いものの、生成AIによるウイルス設計能力の確立という事実に緊急の管理が必要であると指摘しています。そのため、モデルの公開範囲や核酸合成の監視など、技術と制度の両面からのリスク管理が今後の重要な焦点となります。
本件について、生成AIに徹底的に比較させましたので、ご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
AIが自然界にないウイルスを作製｜人工ウイルスがもたらす医療革命とバイオの脅威
https://news.yahoo.co.jp/expert/articles/87613020f780012d81287fd45561681c7b453518
 
 
Research on Generating “Whole-Genome” Bacteriophages
A research team from Stanford University and the Arc Institute has successfully used the genomic language model Evo 2 to design and generate complete genomes of bacteriophages capable of replicating within host cells. This study represents a scientific milestone, demonstrating that AI can construct not merely individual protein fragments but complete viral genomes capable of carrying out a full infection cycle. At the same time, the achievement raises new biosecurity concerns, including the potential risk that such models could be repurposed for pathogen design.
Experts have noted that while the bacteriophages generated in this study themselves pose relatively low risks, the demonstrated ability of generative AI to design viruses calls for urgent consideration of appropriate safeguards. Going forward, risk management from both technological and regulatory perspectives—including controls over model access and oversight of nucleic acid synthesis—is therefore expected to become an increasingly important focus.
I asked generative AI to conduct an extensive comparative analysis of this research, and I hope you will find the results informative. Please note, however, that the research and analysis conducted by generative AI are based solely on publicly available information and may not necessarily reflect the actual circumstances. They may also contain inaccurate information, so please keep these limitations in mind when reviewing the results.

『AIエージェントが変える特許調査の現場—「Patsnap Eureka」が実現する知財×R&Dの新ワークフロー』というタイトルの記事は、「特許調査は時間がかかり、専門家に任せるもの」という従来の常識を変えようとする、知財・R&D特化型AIエージェント「Patsnap Eureka」を紹介した記事です。「Patsnap Eureka」は、発明アイデアを自然言語で入力すると、技術的特徴の抽出、特許・非特許文献の反復検索、関連文献の評価、レポート作成までを一連のワークフローとして支援します。新規性調査やFTO調査を単発の検索作業ではなく、研究開発の各段階で継続的に実施する仕組みへ変える可能性が示されています。
知財担当者の業務効率化にとどまらず、R&Dエンジニア自身が先行技術や競合動向、開発上のリスクを確認し、知財部門と連携しながら意思決定できる点も注目されます。反復的・定型的な調査をAIに担わせ、人は高度な評価や戦略立案に集中する――知財調査を「専門家に任せるもの」から「チームで使うもの」へ変える、新しい知財×R&Dのワークフローを考えるうえで参考になる記事です。
 
AIエージェントが変える特許調査の現場—「Patsnap Eureka」が実現する知財×R&Dの新ワークフロー
https://note.com/patsnap_japan/n/n3c77302f652d
 
 
How AI Agents Are Transforming Patent Research
The article titled “How AI Agents Are Transforming Patent Research: A New IP × R&D Workflow Enabled by Patsnap Eureka” introduces Patsnap Eureka, an AI agent specialized in intellectual property and R&D that seeks to challenge the conventional assumption that patent research is time-consuming work best left to specialists.
With Patsnap Eureka, users can enter an invention idea in natural language, and the system supports an integrated workflow that includes extracting technical features, iteratively searching patent and non-patent literature, evaluating relevant documents, and generating reports. The article highlights the potential to transform novelty searches and freedom-to-operate (FTO) analyses from one-off search tasks into continuous processes conducted throughout the various stages of research and development.
What is particularly noteworthy is that the benefits extend beyond improving the efficiency of IP professionals. R&D engineers themselves can review prior art, monitor competitors and technological trends, identify potential development risks, and make informed decisions in collaboration with IP teams.
By allowing AI to handle repetitive and routine research tasks while people focus on higher-level evaluation and strategic planning, this approach could shift patent research from something “left to specialists” to something “used collaboratively by the entire team.” The article offers valuable insights into how a new IP × R&D workflow can be designed around AI agents.

科学技術振興機構（JST）研究開発戦略センター（CRDS）が2026年8月7日公表した、ショートレポート「AI for Science Spotlights Vol.2　AIエージェントの科学研究への展開は、科学研究におけるAI活用が、文献検索やデータ解析を個別に支援する段階から、文献調査、仮説生成、計算、実験計画、データ解析、結果評価までの複数の工程を連続して進める「AIエージェント」へと発展しつつあることを示しています。
複数の専門AIが役割を分担し、別のAIが研究全体を調整するマルチエージェント型のシステムも登場しています。
本レポートでは、検証可能な仮説を生成・批判・改良するGoogleの「Co-Scientist」、文献探索やデータ解析、実験計画を連携させるFutureHouseの「Robin」、研究アイデアの生成からコード作成、計算実験、論文執筆、査読までを進めるSakana AIの「The AI Scientist」、AIとロボット実験を結び付けた自律実験室「A-Lab」など、国内外の具体的な取り組みが紹介されています。
国内でも、三井化学による化学文献調査エージェント、Matlantisによる材料シミュレーションとAIエージェントの連携、東京大学などによる自動・自律実験システム、パナソニック インダストリーのスマートラボなど、研究現場への導入が始まっています。今後、これらの仕組みが相互に接続されれば、研究プロセス全体を支える新たな研究基盤へと発展する可能性があります。
一方で、AIが生成した仮説や研究成果の科学的妥当性をどのように検証するのか、使用したモデル、文献、データ、コード、実験条件、AIの判断履歴をどのように記録するのかといった課題もあります。研究者の役割は、反復作業の実行から、研究課題や評価基準の設定、AIが示した結果の妥当性判断、成果の解釈、重要な意思決定へと移っていくと考えられます。
AIエージェントの科学研究への展開について、生成AIに深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
2026年8月7日
ショートレポート　AI for Science Spotlights Vol.2
「AIエージェントの科学研究への展開」
https://www.jst.go.jp/crds/column/kaisetsu/shortreport2.html
 
 
The Expansion of AI Agents into Scientific Research
The short report AI for Science Spotlights Vol. 2: The Expansion of AI Agents into Scientific Research, published on August 7, 2026, by the Center for Research and Development Strategy (CRDS) of the Japan Science and Technology Agency (JST), shows that the use of AI in scientific research is evolving beyond the stage of separately assisting with tasks such as literature searches and data analysis. It is now advancing toward “AI agents” capable of continuously carrying out multiple stages of the research process, including literature reviews, hypothesis generation, computation, experimental design, data analysis, and evaluation of results.
Multi-agent systems are also emerging in which several specialized AI agents divide responsibilities among themselves while another AI coordinates the overall research process.
The report introduces a range of initiatives in Japan and overseas, including Google’s “AI Co-Scientist,” which generates, critiques, and refines testable hypotheses; FutureHouse’s “Robin,” which integrates literature searches, data analysis, and experimental planning; Sakana AI’s “The AI Scientist,” which handles tasks ranging from generating research ideas and writing code to conducting computational experiments, drafting papers, and carrying out peer review; and “A-Lab,” an autonomous laboratory that connects AI with robotic experimentation.
In Japan, deployment in actual research settings has also begun. Examples include Mitsui Chemicals’ AI agent for chemical literature research, the integration of the Matlantis materials simulation platform with AI agents, automated and autonomous experimental systems being developed by the University of Tokyo and other institutions, and Panasonic Industry’s smart laboratory. As these systems become interconnected, they may develop into a new research infrastructure capable of supporting the entire research process.
At the same time, several challenges remain. These include how to verify the scientific validity of hypotheses and research findings generated by AI, and how to record the models, literature, data, code, experimental conditions, and histories of AI-generated decisions used in the research process. The role of researchers is expected to shift away from performing repetitive tasks and toward defining research questions and evaluation criteria, assessing the validity of AI-generated results, interpreting findings, and making important decisions.
I asked generative AI to conduct an in-depth analysis of the expansion of AI agents into scientific research. Please refer to the results below. Please note, however, that the research and analysis produced by generative AI are based solely on publicly available information, may not necessarily reflect actual circumstances, and may contain inaccurate information.

LexisNexis PatentSight+ Summit 2026 における「なぜ荏原製作所は『知財ROIC』を導入したのか」（荏原製作所 知的財産部長、高柳秀臣氏）と題した講演の内容詳細がBiz/Zineに掲載されています。
荏原製作所が「知財ROIC」を導入した背景には、リーマンショック後に研究開発投資の削減と大量の特許放棄を経験し、「知財は経営にどう貢献するのか」を明確にする必要に迫られたことがあり、知財活動の成果を「質的効率」と「量的効率」に分け、特許の質やリスク低減、業務改善などを経営の共通言語で可視化する仕組みを構築したということです。
知財ROICは、知財部門の効率化だけを目的とした指標ではなく、事業責任者との定例会で、競合比較、新事業・新市場の探索、財務指標との関係を議論する「経営対話ツール」として活用されており、今後は、知財経営を技術経営（MOT）や人的資本経営と統合し、技術・知財・人財を一体で捉えるデータドリブン経営を目指しています。
知財部門が「権利を管理する組織」から「経営判断を支える組織」へ進化する姿を示す、示唆に富む記事です。
この件について、生成AIに深掘りさせましたので、ご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
なぜ荏原製作所は「知財ROIC」を導入したのか──知財経営をMOTや人的資本経営と統合する挑戦の全貌
LexisNexis PatentSight+ Summit 2026 レポート Vol.4：株式会社荏原製作所 髙栁秀樹氏
https://bizzine.jp/article/detail/12918
 
 
August 8 — Why Did Ebara Corporation Introduce “IP ROIC”?
Biz/Zine has published a detailed article covering a presentation titled “Why Did Ebara Corporation Introduce ‘IP ROIC’?” delivered by Hideomi Takayanagi, General Manager of the Intellectual Property Department at Ebara Corporation, at the LexisNexis PatentSight+ Summit 2026.
One of the key factors behind Ebara’s introduction of “IP ROIC” was its experience following the global financial crisis, when the company reduced R&D investment and abandoned a large number of patents. This created an urgent need to clarify the fundamental question: “How does intellectual property contribute to management and business performance?”
In response, Ebara developed a framework that divides the outcomes of IP activities into “qualitative efficiency” and “quantitative efficiency,” enabling the company to visualize factors such as patent quality, risk reduction, and operational improvements using a common language that can be understood and discussed by management.
IP ROIC is not merely a metric for improving the efficiency of the IP department. It is also used as a “management dialogue tool” in regular meetings with business leaders, where they discuss such issues as competitive benchmarking, the exploration of new businesses and markets, and the relationship between IP activities and financial indicators. Looking ahead, Ebara aims to integrate IP management, Management of Technology (MOT), and human capital management, pursuing data-driven management that treats technology, intellectual property, and human capital as interconnected assets.
The article offers valuable insights into how an IP department can evolve from an “organization that manages IP rights” into an “organization that supports management decision-making.”
I asked generative AI to conduct a deeper analysis of this topic, and I hope you will find the results useful. Please note, however, that the research and analysis generated by AI are based solely on publicly available information and may not necessarily reflect the actual circumstances. They may also contain inaccuracies, so please keep these limitations in mind when reviewing the results.

キユーピーは、DeNA AI Linkの支援を受け、自律型AIエージェント「Devin」を活用して、工場の生産ラインや設備改善に用いるシミュレーションモデルを自動生成する仕組みを構築したということです。シーメンスの工場シミュレーションソフトウェア「Tecnomatix Plant Simulation」と、その専用言語「SimTalk」を組み合わせ、AIがモデルの作成からプログラムの実行、エラーの検出・修正、動作確認までを自律的に繰り返します。開発初期には多数の不具合修正が必要だったものの、ルールや専門用語、作業手順などの資料をAIに参照させ、クラウド環境とローカル環境を連携させることで、安定的にモデルを生成できるようになったということです。その結果、小規模なシミュレーションモデル1件当たりの開発工数を、従来想定の8.5人日から1.8人日へ短縮し、78.8％削減しました
この取り組みは、生成AIが単なる文章作成や情報検索の支援ツールから、専門的なソフトウェアを操作し、試行錯誤を重ねながら成果物を完成させる「自律型の実務担当者」へと進化しつつあることを示す事例といえます。
キユーピーの取り組みについて、技術的な仕組み、導入効果、製造業への影響、今後の課題という観点から生成AIに深掘りさせましたので、ご参照ください。なお、生成AIによる調査・分析結果は、公開された情報だけに基づくものであり、必ずしも実情を示したものではなく、誤った情報を含む可能性があることにご留意のうえ、ご参照ください。
 
DeNA AI Link、キユーピーの工場シミュレーション開発を自律型AIエージェント「Devin」で支援
小規模なシミュレーションモデルの完全自動生成に成功し、開発工数を78.8%削減
2026.08.04
https://dena.com/jp/news/5423/
 
 
Kewpie Fully Automates Factory Simulation Model Generation with an AI Agent
Kewpie has reportedly developed, with support from DeNA AI Link, a system that uses the autonomous AI agent “Devin” to automatically generate simulation models for production lines and equipment improvements at its factories.
The system combines Siemens’ factory simulation software, “Tecnomatix Plant Simulation,” with its dedicated programming language, “SimTalk.” The AI autonomously performs an iterative process that covers everything from model creation and program execution to error detection and correction, as well as operational verification.
Although numerous bugs and issues had to be addressed during the initial development phase, Kewpie reportedly succeeded in achieving stable model generation by providing the AI with reference materials covering rules, technical terminology, and work procedures, while also integrating cloud and local environments. As a result, the development effort required for a small-scale simulation model was reduced from an estimated 8.5 person-days under the conventional approach to 1.8 person-days—a reduction of 78.8%.
This initiative can be seen as an example of how generative AI is evolving beyond a tool that merely assists with writing and information retrieval into an “autonomous digital worker” capable of operating specialized software, repeatedly testing and correcting its own work, and ultimately completing practical deliverables.
I asked generative AI to take a deeper look at Kewpie’s initiative from the perspectives of its technical architecture, implementation benefits, potential impact on the manufacturing industry, and future challenges. Please refer to the analysis for further details.
Please note that the research and analysis conducted by generative AI are based solely on publicly available information and may not necessarily reflect the actual circumstances. They may also contain inaccurate information. Please keep these limitations in mind when reviewing the analysis.

キリンホールディングスは、社内の研究活動にAIを組み込み、研究者が創造的な仕事に専念できるよう支援するシステムをつくったということです。これが「AI研究員」という取り組みとして紹介されています。
この取り組みを生成AIに深掘りさせましたのでご参照ください。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
キリンが「AI研究員」導入　人間と伴走して「発想の創造性高める」
8/6(木)
https://news.yahoo.co.jp/articles/8edd6841903085a0907c23546dbba1f78a1f6acc
 
 
Kirin Introduces an “AI Researcher”
Kirin Holdings has reportedly developed a system that integrates AI into its internal research activities, enabling researchers to devote more of their time and attention to creative work. This initiative has been introduced as the company’s “AI Researcher” program.
I asked generative AI to examine this initiative in greater depth. Please note, however, that the resulting research and analysis are based solely on publicly available information and may not necessarily reflect the actual circumstances. They may also contain inaccuracies, so please bear this in mind when reviewing the report.