AWSの画像PII墨消しパイプラインは、Nova 2 Liteが最初に画像を評価し、個人情報の有無で処理を振り分ける構成。個人情報を含まない画像は安価な初期段階で除外し、上流の重い処理呼び出しを避けてコストを抑える。文字系はTextract、顔や書類などの視覚系はMeta SAM 3で画素単位に抽出する分担が明確で、そのまま自社構成の設計図になる。

メルカリの決済プラットフォームチームがSlackメンションで起動する自律エージェントpcp-agentの本番設計を公開。禁止ルール・実行前後の検査(Hook)・行動ルール・認証代理・コンテナ隔離の5層で守る。書き込みできるのは権限を絞ったGitHubトークン経由のリポジトリのみで、それ以外は参照専用という具体的な権限境界まで示している。

AgentCore Memoryのメタデータ絞り込みは、優先度や部門で記憶を先に絞ってから類似検索する仕組み。設定・取り込み・検索の3段階でメタデータが機能し、大規模言語モデルが会話から該当値を自動抽出する。151問評価で全体正答率が40%から64%へ、時間や優先度に依存する質問では16%から69%へ改善した。

Nova構成は個人情報の判定を最初の安価な段階に配置し、リスクとコストを同時に下げる。メルカリのHookは実行前後で検査を挟む。両者に共通するのは、事故を後から拾うのでなく処理フローの手前で弾く設計思想。生成AIを業務に載せる際、能力より先にこの入口設計を持てるかが分岐点になる。

AgentCore Memoryは40%→64%、時間依存質問16%→69%という実測で改善を示した。抽象的な「賢くなった」ではなく、どの質問タイプがどれだけ伸びたかで語られている点が、自社導入時の期待値設定に使える。まず時間・優先度依存のクエリが多いユースケースから効果を見積もるとよい。

Sakana Translateは翻訳・添削・質疑の3モードを無料で提供し、外部翻訳依頼の一部を代替できる。音声アバター部品はスクリプト1行・サーバー不要でサイトに会話UIを追加できる。Pixelle-Videoはテーマ1語から原稿・画像・音声・BGM・合成まで自動化する。いずれも「これまで人手や外部契約が必要だった工程」を削る方向で、まず小さく試して効果を測るのが現実的。

OpenAIのEU AI職業地図は、自動化・成長・業務手順の変化という3観点で職種を整理した報告書。人材配置や再教育の優先度を決める材料として、自社の職種構成に当てはめて読むと、どの部門から再教育投資を始めるかの議論の出発点になる。

PII墨消し構成を自社の文書100件で試験導入し、墨消し対象の取りこぼしゼロを検証条件に置く。確信度0.9未満の抽出枠を人手レビューに回す運用で、100件実測の誤検出率が5%以下なら本番投入、超過なら閾値と分担を再設計する。無料/低コスト範囲での検証締切を今週金曜に設定する。

Sakana Translateとアバター部品を候補UIとして1画面に組み込み、既存の翻訳外注・チャット対応工程が何工程・何時間減るかをbefore-afterで実測する。今週金曜までに削減工数を数値化し、正式採用の可否を判断する。

Nova構成が個人情報を初期段階で除外・墨消しする点を踏まえ、画像処理工程のうち越境データ審査対象から外せる処理を工程単位で棚卸しし、次回監査の対象範囲縮小案を作成する。エージェントの権限境界（参照専用範囲）も監査項目に追記する。

画像PII構成の中核であるMeta SAM 3の画素単位抽出精度が、自社の書類・顔画像でどこまで安定するかを、GitHubの配布リポジトリで実装仕様を確認しながら検証する。確認方法: SAM 3公式リポジトリのモデルカードとサンプルを参照。

メタデータ絞り込みの効果を自社データで再現できるか、公式のコードサンプルを使って時間・優先度依存クエリで実測する。確認方法: AgentCore Memoryのサンプルコードを取得し、151問評価と同種の質問タイプで再測定。今週金曜の実装者検証締切の結果をW28の本番投入判断に接続する。