All Posts

Partnering with a Company That Restored Operational Autonomy to the Field to Build a Common Foundation for AI Decisions Who Do We Build the Infrastructure for the AI Era With? Saying “We are building the TCP/IP for the AI era” is easy. However, turning that statement into a system that actually functions in real-world corporate environments requires more than theory and technology. It demands a partner who deeply understands the daily struggles of frontline operations, where

実装の空白を埋める、責任OSという統治アーキテクチャ 1. EU AI Actの延期が示したのは、規制の後退ではなく「実装競争の開始」 本日、2026年8月2日。EU AI Act（欧州AI法）は新たな段階に入りました。 AIと対話していることの通知、AI生成・加工コンテンツの機械可読な表示、ディープフェイク等の開示を含む透明性義務が適用開始となり、同日から欧州委員会のAI Officeと各国当局による執行体制が本格的に稼働を始めます。(デジタル戦略) 一方で、EUは先月（2026年7月）、高リスクAIに関する中心的義務の適用時期を延長しました。 Annex IIIに列挙された高リスクAIは2027年12月2日へ、機械や医療機器など規制対象製品に組み込まれる高リスクAIは2028年8月2日へと後ろ倒しされました。(デジタル戦略) この動きを「EU AI Actが延期された」「まだ様子見でいい」と解釈するのは正確ではありません。延期されたのは一部の適用時期のみであり、法律そのものは段階的に動き続けています。 重要なのは、なぜ高リスクAIの期限が延長

人が説明を読んで信じる時代から、検証できた判断だけを正式に通す時代へ 「論文が認められてから検証する」のではなくなった 2023年11月9日、加法的組合せ論の長年の難問である「Polynomial Freiman–Ruzsa（PFR）予想」の特性2における解決論文が、プレプリントとして公開された［1］。その直後、Terence Tao、Yaël Dillies、Bhavik Mehtaらを中心に、対話型定理証明支援系「Lean 4」を用いた共同形式化プロジェクトが始まった。プロジェクト開始から約3週間後の12月5日には、PFR予想の証明を形式化するという主要目標の達成が報告された［2］。同論文が査読誌『Annals of Mathematics』に正式掲載されたのは2025年である。ここで起きたのは「査読が不要になった」ということではない。学術的意義や定式化の妥当性は人間が判断する。しかし、証明が前提から論理的に正しく導かれているかについては、査読済み論文としての掲載を待たず、Lean 4のカーネルによって検査可能な形式証明が完成したのである。.

The Hiroshima AI Process showed the world a clear direction: the goal is not simply to make AI larger, but to deploy it across society in ways that are safe, secure, and trustworthy. It was the first international policy framework for advanced AI systems to include both International Guiding Principles and an International Code of Conduct. The next step is to turn those principles into rules that can operate in real business environments. ▼ Read the press release(JP)...

広島AIプロセスが世界に示したのは、AIをただ大きくするのではなく、安全・安心で信頼できる形で社会に実装するという方向性でした。 高度なAIシステムを対象に、国際指針と行動規範を含む初の国際的な政策枠組み。 その次に必要なのは、理念を企業の現場で実際に動くルールへ変えることです。 ▼プレスリリースはこちら https://prtimes.jp/main/html/rd/p/000000005.000182721.html 理念と正式運用の間にある空白 AIを安全に使う。判断の根拠を残す。問題が起きたときに説明できるようにする。 方向性としては正しくても、それだけでは企業はAIの判断を正式運用で採用できません。 現場で必要なのは、さらに具体的なルールです。 ・何を確認すれば、その判断を採用してよいのか。・必要な証拠が足りなければ、どこで止めるのか。・判断後に条件や記録が変わっていないことを、どう確かめるのか。・問題が起きたとき、なぜ通したのかを再検証できるのか。 国際的な理念と、企業が実際にAIを使うための条件。その間には、まだ実装すべき領域が残

The Controls Required by Public Guidelines and the “Implementation Gap” Filled by Privacy Assurance In healthcare settings, the scenarios for utilizing AI are expanding rapidly, including summarizing medical records, assisting in discharge summary creation, classifying inquiries, and reviewing documents. However, when processing patient information with external AI services, is an explanation such as “we deleted the names” or “we removed the patient IDs” sufficient to move fo

公的ガイドラインが求める管理と、プライバシーアシュアランスが埋める「実装の空白」 医療現場では、診療記録の要約、退院サマリーの作成支援、問い合わせの分類、文書の確認など、AIを利用できる場面が急速に広がっています。 しかし、患者情報を外部のAIサービスで処理する場合、「氏名を消した」「患者番号を削除した」という説明だけで、医療機関の正式運用へ進めるでしょうか。 私たちは、それだけでは足りないと考えています。 必要なのは、患者情報を加工したという事実だけではありません。 検証されたデータだけが、決められた条件で、決められた送信先へ実際に送られたこと。そして、AIから返された結果も、検証を通過した場合にのみ医療機関の正式な業務へ採用されたこと。 この一連の処理を、後から確認できる形で証明する必要があります。 ▼サイバーアシュアランスのプレスリリースはこちらhttps://prtimes.jp/main/html/rd/p/000000003.000182721.html 1. 匿名化（加工）と、実際の送信は「別の処理」である 例えば、医療機関が診療記

AIは、すでに答えを出せる。 物流計画を提案し、契約文書を分析し、異常を検知し、サイバー操作を生成し、複数の候補から最適な案を選ぶことができる。 しかし、AIが答えを出せることと、その答えを企業が正式運用で採用できることは同じではない。 その判断は、どの証拠に基づいているのか。どの規則が適用されたのか。必要な承認は成立しているのか。前提条件が変化した場合には差し戻されるのか。停止条件が成立したとき、本当に実行を止められるのか。実行後の状態変更は、事前に許容された範囲内だったのか。 企業がAIを業務システムへ接続するとき、本当に不足するのは、もう一つの高性能モデルではない。 図：責任OSの技術構想の発展過程 AIの出力を、企業が正式運用で採用可能な状態へ変換するための基盤である。 GhostDrift数理研究所が「責任OS」と呼ぶのは、この基盤である。 ただし、責任OSは最初からOSとして構想されたものではない。その起点は、数値計算の正しさを第三者が再検証するための数学的な証明技術だった。 なお、2025年から2026年初頭にかけての出願は、株式会

Introduction We recently published a press release announcing a joint patent filing between On The Links Co., Ltd. and GhostDrift Mathematical Research Institute. https://prtimes.jp/main/html/rd/p/000000011.000169775.html The centerpiece of that announcement is the joint patent — a system for recording and verifying AI logistics decisions in a form that companies can formally adopt with accountability. But there was another major contribution from GhostDrift's side. Formally

はじめに 先日、株式会社オンザリンクスとGhostDrift数理研究所の共同特許出願に関するプレスリリースを出しました。 https://prtimes.jp/main/html/rd/p/000000011.000169775.html プレスリリースの主役は共同特許——AI物流の現場における判断を「会社として責任を持って採用できる状態」で記録・検証するシステムです。 しかしGhostDrift側が今回大きく関わったもう一つの仕事があります。 「なぜ広島か」を形式的に示すこと。 実装地の選定にあたり、GhostDriftはLean 4（定理証明支援系）を使った形式化をGitHubに公開しています。 この記事は、その中身の解説です。なぜ形式化したのか、何を証明したのか、そして恣意性を極力排除してなお広島が残った理由を、できるだけ平易に説明します。 なぜ形式化したのか AI物流の実装地を選ぶとき、通常は「縁があった」「拠点がある」「話が進みやすかった」で決まります。それ自体は悪いことではありませんが、外から見ると恣意的に見えます。 私たちが避けた

物流判断パケットが埋める、AXの最後の空白 2026年7月15日、株式会社オンザリンクスと株式会社GhostDrift数理研究所は、「物流判断パケット」に関する特許を共同出願したことを発表しました。 ▼プレスリリースはこちら https://prtimes.jp/main/html/rd/p/000000011.000169775.html 今回の技術が扱うのは、物流AIの精度を高めることだけではありません。 その中心にあるのは、より根本的な問いです。 AIが出した提案は、どのような条件を満たせば、会社が責任を持って採用できる正式な判断になるのか。 AIが答えを出せることと、企業がその答えを正式運用で採用できることは、同じではありません。 AIの提案だけでは、業務は動かせない 物流AIは、在庫、納期、輸送距離、費用などを比較し、使用する倉庫や運送会社、配送経路を提案できます。 しかし、AIが「A倉庫が最適です」と答えただけでは、会社の正式判断にはなりません。 ・参照した在庫情報は、選択時点でも有効なのか。・必要な配送枠は確保されているのか。・品

AI's answers are moving from "explanation" to "inspection." LLMs generate fluent text. But they cannot guarantee that what they produce is correct. "Plausible errors" — hallucinations — are a well-known characteristic of LLMs. In response to this problem, a segment of leading AI companies and research organizations has begun moving in a clear direction. Transforming AI-generated answers into propositions, proofs, and specifications that can be formally machine-checked. The fo

AIの答えは今、「説明」から「検査」へ向かいつつあります。 LLMは流暢な文章を生成します。しかし、それが正しいかどうかを保証することはできません。「もっともらしい誤り」——hallucination——は、LLM固有の問題として知られています。 先端的なAI企業・研究組織の一部が、明確に向かい始めている方向があります。 AIが生成した答えを、形式的に機械検査できる命題・証明・仕様に変えること。 その基盤として注目されているのが、定理証明支援システム Lean 4 です。 本稿では、一次資料・研究論文・一部報道をもとに、Lean 4を検証基盤に使い始めているAI企業・研究組織の事例を整理し、Lean 4が何を担い、何を担えないのかを示した上で、責任OSが担う次の層を示します。 ▼責任OSに関するプレスリリースはこちら https://prtimes.jp/main/html/rd/p/000000004.000182721.html 1. AIの出力を機械検査へ接続する潮流の中で、Lean 4を採用する事例が増えている Lean 4とは何か Le

“Verifiable AI” has no single agreed-upon definition. Responsible AI, Explainable AI, Safe AI — these terms are sometimes used alongside it, but what “verifiable AI” actually means shifts depending on context. Looking at international primary sources, “Verifiable AI” is not yet a fixed standard term. In practice, the conversation is distributed across Verified AI, AI verification, TEVV, AI assurance, conformity assessment, provenance, traceability, record-keeping, and cryptog

はじめに 「検証可能なAI」という言葉は、日本ではまだ定義が固まっていません。 責任あるAI（Responsible AI）、説明可能なAI（Explainable AI）、安全なAI（Safe AI）——これらと並べて語られることはありますが、「検証可能なAI」が何を指すのかは、文脈によって揺れています。 海外の一次文献を見ると、"Verifiable AI" はまだ単一の標準語として固定されていません。実際には、Verified AI、AI verification、TEVV、AI assurance、conformity assessment、provenance、traceability、record-keeping、cryptographic verifiability などの語で、AIを後から確認可能にする議論が分散して進んでいます。 本稿はこの分散した語彙群を一次文献から整理し、それらのどこに責任OSが位置するのかを示します。責任OSは最後に出てきます。最初から責任OSを主語にすると恣意的に見えるためです。 ▼責任OSに関するプレス

2026年7月5日14時50分頃、Google検索で「検証可能なAI」と検索したところ、AIによる概要において、検証可能なAIを実現するアプローチの一つとして「責任OS・監査証跡」が表示されていることを確認しました。 表示内容では、「検証可能なAI」について、AI出力の正誤だけでなく、判断の根拠・過程・参照データを後から追跡・監査できる仕組みとして説明されています。 その中で、責任OSは、AI判断のプロセスを「責任情報」として記録し、誰がどのような条件でそのAI判断を会社判断として採用したかを後から検証可能にする仕組みとして要約されていました。 これは、責任OSが「AIの判断理由を説明する技術」ではなく、AI判断を企業が正式運用に入れる際の責任情報・監査証跡の基盤として、検索上で整理された観測例です。 なお、GoogleのAIによる概要は、検索環境・時刻・表示条件によって変動します。したがって、本記事は検索結果の恒常的表示やGoogleによる評価を主張するものではありません。あくまで、2026年7月5日14時50分頃に確認された観測記録です。

Where This Article Fits We’ve previously written about the relationship between Verifiable AI and Responsibility OS. This article adds a new angle: AX (AI Transformation). As AX progresses, companies are increasingly compelled to formally adopt AI judgment into operations. At that stage, “Responsible AI” alone turns out to be insufficient. What’s needed is Verifiable AI — and the infrastructure to support it is the Responsibility OS. ▼Responsibility OS Press Release(JP)...

「検証可能なAI」と責任OSの関係については、すでに別記事で整理しました。本稿はその続きとして、AX（AI Transformation）という文脈を加えます。AXが進むほど、企業はAI判断を正式運用に採用せざるを得なくなります。その段階で初めて「責任あるAI」では足りないことが見えてきます。必要なのは「検証可能なAI」であり、その基盤が責任OSです。 ▼「責任OS」のプレスリリースはこちら https://prtimes.jp/main/html/rd/p/000000004.000182721.html AXが変えること AI活用とAXは違います。AI活用は、AIを便利なツールとして使うことです。生成AIで文章を作る、需要予測に使う、レポートを自動生成する。これらはAI活用です。AXは、AI判断を業務・組織・意思決定の中に組み込み、会社そのものを再設計することです。AIが出した配送ルートを正式運用に採用する。AIが出した与信判断を会社として引き受ける。AIが出した在庫配分を荷主に対して説明する。AI活用の段階では「AIを参考にした」で済みます

Responsible AI is necessary, but too broad The term “Responsible AI” is already widely used. Fairness, safety, transparency, explainability, privacy, and accountability are all important. They should not be dismissed. Frameworks such as the NIST AI Risk Management Framework also describe trustworthy AI through characteristics such as validity and reliability, safety, security and resilience, accountability and transparency, explainability and interpretability, privacy, and fa

「責任あるAI」は必要だが、広すぎる 「責任あるAI」という言葉は、すでに広く使われている。 公平性、安全性、透明性、説明可能性、プライバシー、説明責任。これらはどれも重要であり、否定されるべきものではない。NISTのAI Risk Management Frameworkでも、信頼できるAIの特性として、妥当性・信頼性、安全性、セキュリティ、説明可能性、透明性、プライバシー、公平性などが整理されている。 しかし、企業がAI判断を正式運用で採用する場面では、もう一段具体的な問いが必要にな る。 ▼「責任OS」のプレスリリースはこちら https://prtimes.jp/main/html/rd/p/000000004.000182721.html 問われるのは「採用できる責任状態」か 重要なのは、AIが正しそうに見えるかどうかだけではない。 そのAI判断は、会社として採用できる責任状態にあったのか。その責任状態を、後から第三者が検証できるのか。 ここまで問わなければ、「責任あるAI」は理念にとどまりやすい。 AIが判断した。担当者も確認した。