【11/2 AIニュース】メルカリ開発量7.6倍の全工程AI化／GitHub複数AI自動分業／オラクル×OpenAI ほか全4本

• OpenAI、Google、Microsoft、Anthropicの主要AI企業4社が、WebサイトのAI学習利用の可否を1つの共通ルールで一括指定できる新方式（IETF標準案）への対応を表明。
• サイトの「robots.txt」に共通キーワード（__usage_ai-training）を書くだけで、全社に対して一括で「AI学習への利用NG（Disallow）」または「このページだけOK（Allow）」を伝達可能に。
• 「AIの頭脳（モデル）の学習に使われること」と「検索やAIの回答内で参照・紹介されること（グラウンディング）」を切り分けて管理できるため、集客を落とさずに独自ノウハウを保護できる。

これまで企業のWeb担当者やメディア運営者は、頭を抱えるジレンマに直面していました。「自社が苦労して書いた記事やノウハウをAIにタダ乗り学習されたくない。しかし、AIの巡回プログラム（クローラー）を全部ブロックしてしまうと、Google検索やChatGPT・Geminiの回答画面で自社サービスが紹介されなくなり、お客様からのアクセスまで減ってしまうのではないか」という問題です。

今回の4社合意によって、「AIの事前学習（勝手に知識として吸い上げられること）は断りつつ、AI検索で自社のページを引用・紹介してもらう通り道は開けておく」という使い分けが、たった数行の共通設定でできるようになります。

これからの企業Webサイト運営では、「AIを全部シャットアウトする」か「全部野放しにする」かの二択ではなく、ページごとの戦略的な仕分けが重要になります。

具体的には、「会社案内・導入事例・プレスリリースなど、AIにどんどん紹介して見込み客を連れてきてほしいページ」は許可（Allow）にし、「独自の調査データや有料級のノウハウ記事」だけを学習拒否（Disallow）にするといった設定を、自社のWeb制作担当者と早めに確認しておくのがおすすめです。

• GitHubが年次イベント「GitHub Universe 2026」にて、複数のAIモデルを自動で組み合わせて動かす新機能「GitHub Copilot Fusion」を正式リリース。
• 最初は軽量・低コストなモデルで処理し、難しい課題だけ上位モデルへ引き継ぐ段階実行（Cascade方式）により、処理速度とAPIコストを最適化。
• 1つのAIが作った案を、別メーカーのAIモデルが客観的にレビュー・批評して手直しする相互チェック機能（Critique方式）を標準搭載。

これまでAIを使う現場では、「どのAIモデルが一番賢いか」という1モデル選びに議論が集中しがちでした。しかし、簡単な作業にまで毎回トップクラスの高性能モデルを使うと費用と待ち時間が膨らみ、逆に安い軽量モデルだけに任せるとミスが増えるというジレンマがありました。

今回のCopilot Fusionが重要なのは、「1つのAIに最初から完璧な答えを出させる」のではなく、「下書き担当のAI」と「チェック担当のAI」を分業させて品質を高める設計が、いよいよ一般の標準機能になったという点です。

普段の仕事や社内ツールでAIを使うときも、「1回の指示（プロンプト）で100点の回答を出させよう」と頑張りすぎないことがポイントです。

まずは「① ざっとたたき台を作らせる ➔ ② 別のチャット（または別のAI）に『お客様目線でわかりにくい箇所や矛盾を3つ指摘して』と批評させる ➔ ③ 指摘をもとに清書させる」という2〜3段階の流れに分けるだけで、やり直しの手間がぐっと減り、安定した品質が出せるようになります。

• メルカリの全従業員（約2,000人）のAIツール利用率が100%に到達し、エンジニア1人あたりの開発量がAI導入前（2024年6月期）と比べて7.6倍に拡大。
• 導入初期は「個人のちょっとした調べ物や作業」が速くなっただけで事業全体の成果には繋がらず、「企画から開発・各種チェックまで最初から最後までを一続きでAI化しなければ意味がない」と方針を転換。
• 「目の前の通常業務が忙しいからAIの仕組みづくりに時間を使うな」と止める上司と部下の対立が起きた際、経営陣がトップダウンで「通常業務を止めてでもAI化の時間を確保する」と決断して壁を突破。

多くの企業で「有料のAIアカウントを社員全員に配ったのに、思ったほど業績や生産性が上がらない」という悩みが起きています。メルカリの事例がリアルなのは、同社でさえ最初は「個人の作業が少し速くなっただけで、会社全体の成果は増えなかった」と率直に認めている点です。

個人の手元だけでメール作成や要約を時短しても、前後の企画会議やチェック作業、別システムへの転記で仕事が止まってしまえば、チーム全体のスピードは変わりません。「個人の時短」から「仕事の最初から最後までの流れ（リレー全体）の自動化」へ切り替えたことが、7.6倍という桁違いの成果を生んだ最大の理由です。

現場の社員に「普段の仕事を100%こなした上で、空き時間にAIの工夫もしてね」と言っても、日々の納期に追われて絶対に仕組み化は進みません。

全社一斉に業務を止めるのは難しくても、まずはチーム単位で「毎週金曜の午後2時間は通常業務を入れず、毎週繰り返している定型作業をAI化する時間にする」とリーダーが公式に時間を確保することが不可欠です。「個人のプロンプトの工夫」ではなく、「チームの手順そのものを作り変える時間」をぜひ予定表にブロックしてみてください。

• オラクルとOpenAIが協業を拡大し、ChatGPTからOracleの基幹業務システム（ERP・会計・NetSuite・データベース等）を直接操作できる「Oracle AI Workspace」を発表。
• 社内のアクセス権限や上司の承認ルールを守ったまま、複数のシステムをまたぐデータ照合や業務手続きをAIエージェントが一気通貫で代行。
• AIで社内アプリを作った際に起きがちな「中身が複雑すぎて後から誰も直せない（ブラックボックス化）」を防ぐ開発機能（App Composer）と、中小企業向けの年1万2,000ドル相当のクラウド支援枠も同時に提供。

これまで職場のAI活用が「文章の下書き」や「議事録の要約」止まりだった一番の原因は、実際の仕事で使う会計ソフト・受発注システム・顧客データベースと、AIのチャット画面がバラバラに分断されていたからです。人間がわざわざ社内システムからデータをコピーしてAIに貼り付け、出てきた答えをまた元のシステムへ手入力する手間が残っていました。

今回の発表は、AIが「相談に乗ってくれる話し相手」から、「社内の複数システムにログインして実務を直接片付けてくれる実働スタッフ」へと進化したことを意味しています。

これから社内で新しいITツールやクラウドサービスを選ぶときは、「人間にとって画面が見やすいか」だけでなく、「外部のAIから安全にデータを読み書き・自動操作できる連携機能（APIやコネクター）が整っているか」が極めて重要な選定基準になります。

また、AIを使って社内用の便利ツールを自作する際も、いきなり複雑なプログラムを組ませるのではなく、「どんなデータを入れて、誰が承認ボタンを押すか」というシンプルなルールから小さく作るのが、後から管理に困らないコツです。