2026年5月28日、AI業界に大きなニュースが飛び込んできました。Mark Zuckerberg氏とPriscilla Chan氏が設立したChan Zuckerberg Initiative（CZI）の支援を受ける非営利研究機関「Biohub」が、タンパク質の「世界モデル（World Model）」を公開したのです。これは、AIが分子レベルで生物学を理解し、病気の予防や治療に直結する分子設計を可能にする基盤モデルです。
同日、OpenAI Foundationによる2億5000万ドルの社会的支援表明、Trajectoryによる継続学習プラットフォームの始動、そしてAIエージェントに自分の編集スタイルを教える実践ノウハウなど、業界を揺るがすトピックが一気に並びました。情報源は米国のAIニュースレター「The Rundown AI」（2026年5月28日配信）です。
本記事では、これら最新トピックの中でも特に注目度の高い4つを、技術的背景・業界への影響・日本企業への示唆まで踏み込んで日本のビジネスパーソン向けに整理してお届けします。「AIが本当に医療・働き方・業務オペレーションをどう変えるのか」を、根拠ある形で把握したい方に向けた内容です。
Biohubが公開したタンパク質の「世界モデル」とは何か
Biohubは2026年5月、Evolutionary Scale Models（ESM）の新世代となるモデル群を公開しました。中核となるのが構造予測モデル「ESMFold2」と、その基盤となるタンパク質言語モデル「ESMC」、そして6.8億配列・11億予測構造をマッピングした「ESM Atlas」です。
ESMFold2の技術的ハイライト
公式情報によると、ESMFold2は28億のタンパク質配列で学習されたESMCを土台に構築されており、タンパク質の構造予測において複数の指標で最先端（SOTA）を主張しています。特に注目すべきは以下の点です。
- タンパク質間相互作用の予測: 細胞内で複数のタンパク質がどのように結合するかを予測
- 抗体・抗原の結合予測: 創薬で最重要となる結合性能の推定
- AlphaFoldを上回る性能: Biohub公式発表ではDeepMindのAlphaFoldを構造予測で上回ったと報告
- 実験室での実証: がん・免疫疾患の5つのターゲットに対する結合分子設計で、ヒット率36〜88%を達成
「36〜88%のヒット率」という数字は、創薬研究の現場感覚から見ると非常に高い水準と考えられます。従来の創薬では数千〜数万の候補化合物から有効なものを絞り込む作業に何年もかかるためです。
なぜ「世界モデル」と呼ぶのか
近年AI界隈でよく耳にする「世界モデル（World Model）」とは、対象領域の物理法則や因果関係そのものをAIが内部表現として持つアーキテクチャを指します。タンパク質の世界モデルとは、配列・構造・機能・進化の関係性を統合的に理解し、未知のタンパク質設計まで踏み込めるAIを意味します。
ESMC（言語モデル）が「進化的・配列的知識」を、ESMFold2が「立体構造の予測」を、ESM Atlasが「6.8億配列のマッピング」を担うことで、3層構造でタンパク質宇宙全体を扱う設計になっています。
業界への影響
Biohubはこのスタックをオープンソースで公開し、5億ドル規模の「Virtual Biology Initiative」と連動させています。創薬インフラを世界中の研究者に開放することで、製薬大手だけでなく中小バイオベンチャー・大学研究室・スタートアップが、最先端の創薬基盤に手軽にアクセスできるようになる点が画期的です。
日本企業への示唆
日本の製薬企業・バイオテック・大学研究機関にとって、ESMFold2は次のような意味を持つと考えられます。
- 製薬大手: 自社のクローズドAI創薬基盤との連携・比較検証が急務に
- バイオベンチャー: 高額な独自モデル開発を経ずに最先端AI創薬を始められる
- アカデミア: タンパク質設計実験のスループットが大幅向上する可能性
- 異業種参入: 食品・素材・化粧品など、タンパク質工学を活用する業界も恩恵
Demis Hassabis氏（DeepMind CEO）が以前語った「AIにより創薬が年単位から月単位に短縮される」というビジョンに、Isomorphic LabsとBiohubの両軸から着実に近づいている状況です。
OpenAI Foundationが2億5000万ドルでAI格差に向き合う
OpenAIの非営利部門「OpenAI Foundation」は、OpenAI営利部門の26%株式を保有しています。今回、初期コミットメントとして2億5000万ドル（約390億円）を投じ、AIによる経済的混乱に直面する労働者・地域・経済を支援する方針を発表しました。
3つの重点領域
- AIの経済的影響の可視化: AIによる価値が誰にどう流れているかを追跡するシステムの構築
- 労働者の再訓練・職業転換支援: AI使用に関する労働者の主体性を確保しつつ、仕事に意味・目的・満足感を保つ取り組み
- 長期的経済安全保障: 労働から資本への税制シフト、ソブリンウェルスファンド、AIで生まれた価値への市民の持続的株主化を検討
なぜこれが重要か
世界中の業界でレイオフが進み、労働者の不安が高まる中、AI事業者自らが分配構造の見直しに踏み込んだ点に意義があります。一方で「初期施策は年内に発表予定」とされており、「規模・スピードともに不十分ではないか」との指摘も出ています。
日本への示唆
日本は人口減少と人手不足が深刻な反面、AIによる職務代替への組織的備えは欧米と比較して遅れていると指摘されてきました。OpenAI Foundationのような「AI企業自身による社会安全網への投資」は、日本の経団連・政府・組合が参照すべきモデルケースとなる可能性があります。
Codex・Claudeに自分の編集スタイルを教える実践ガイド
The Rundown AIが紹介した「Teach your AI agent to edit like you」は、CodexやClaude Codeに自分の編集ルールを覚えさせ、再利用可能な「スキル」として運用する実践ガイドです。マーケティングメール・ブログ記事・社内文書など、繰り返し書く文章のクオリティを保ちたい個人・チームに有用な手法です。
ステップ・バイ・ステップの手順
- プロジェクトフォルダ作成:
emails/,rules/,skills/を用意。emails/配下にdraft/とfinal/を分けて「作業中」と「承認済み」を区別 - 編集ルールのインタビュー: AIに「私の編集ルールについてインタビューしてほしい。読者層、トーン、件名、避けたい表現、CTAスタイル、好みの例について質問して」と指示し、回答を
rules/editorial-rules.mdとして保存 - ドラフト生成とスナップショット: ルールに基づいてドラフトを書かせ、編集前のスナップショット（変更不可コピー）を保持
- 差分学習: ドラフトを自分が編集して最終版を完成 → AIに差分を比較させて編集ルールを更新
- スキル化と自動化: ドラフト→スナップショット→比較→ルール更新の流れをスキル化し、毎日自動で承認済みメールをスキャンして学習し続ける
業界別ユースケース
- マーケティング部: ブランドトーンを統一しつつメールマガジン制作工数を削減
- カスタマーサポート: 担当者ごとの返信スタイル差を平準化し、品質を底上げ
- コンテンツ制作: ライターごとの文体ルールを継承し、編集者の負担を軽減
- 士業・コンサル: 提案書・報告書の「自社らしさ」を維持しつつドラフトを高速化
「ループ設計」が本質
この手法のポイントは、単発のプロンプトではなく「ドラフト→スナップショット→編集→比較→改善」のループを構築する点にあります。AIエージェントが時間とともに「あなたの編集者」へと成長していく設計です。
Trajectory｜AIが「現場で学び続ける」時代の幕開け
元DeepMind・Apple出身者らが創業したスタートアップ「Trajectory」は、シードラウンドで1500万ドル（約23億円）を調達し、継続学習（Continual Learning）プラットフォームをローンチしました。リード投資家はConvictionとBessemerです。
従来のAIとの違い
従来のLLM・AIモデルは、学習が終わった時点で能力が固定（フリーズ）されます。Trajectoryは、ユーザーが行う修正・リトライ・編集といったプロダクトデータを継続的に取り込み、モデルをポストトレーニング（追加学習）し続ける設計です。
主な特徴
- 創業チーム: DeepMind、OpenAI、Apple、Meta SuperIntelligence Lab、Scale AI出身者で構成
- 初期顧客: Clay、Harvey、Decagon、Rogo（いずれも企業向けAI領域の有力スタートアップ）
- 更新頻度: 現在は週次のポストトレーニング、将来は時間単位、最終的には「1インタラクションごとの更新」を目指す
- 性能主張: 特定の業務タスクではフロンティアモデル（GPT・Claude等）を上回ると主張
業界への影響
「現場で学び続けるAI」は企業にとって聖杯と呼ばれてきました。社員が新人から熟練者へ成長していくのと同様に、AIツールも導入後にどんどん賢くなれば、初期導入時の精度の低さを許容する組織側の負担が大幅に減ります。
日本企業への示唆
日本企業のAI導入で最も多い悩みは「PoC（実証実験）止まり」と「現場の業務にフィットしない汎用モデル」です。Trajectoryのような継続学習プラットフォームが普及すれば、現場のフィードバックがそのままAIの賢さに転化するため、PoCから本番運用へのギャップを埋める選択肢になり得ます。
その他の注目トピック（クイックヒット）
OpenAIのモデルラインナップ更新
OpenAIは、GPT-5.2およびGPT-5.3-CodexをCodex（IDE統合製品）から6月2日に削除すると発表しました（APIからは削除されず）。同時に、無料ユーザーのデフォルトモデルがGPT-5.5に切り替わる予定です。日本のCodex利用者は、社内ワークフローへの影響を事前に確認しておくことが推奨されます。
GoogleのCoral Boardが登場
Googleは、低消費電力のオンデバイスAI向け開発プラットフォーム「Coral Board」を発表しました。Coral NPUを搭載し、翻訳、ハードウェア制御、生成タスクをローカル環境で動かすことを想定しています。プライバシー・コンプライアンス要件の厳しい日本の医療・金融・製造業に有用な可能性があります。
Sesame、Harvey、Runwayの動き
- Sesame: 会話しながら考えるパーソナルエージェントがiOSで利用可能に
- Harvey: 法務向けAIアシスタントがAndroidとメール経由で使えるように
- Runway: 画像・動画生成がMCP（Model Context Protocol）経由でAIアシスタント内に統合
今回のニュースから読み取るべき3つのポイント
2026年5月28日のAIニュースを総合すると、業界の方向性として以下の3つが明確になりました。
1. オープン化が加速している
BiohubのESMFold2、Trajectoryの継続学習プラットフォーム、Coral Boardのオンデバイス推論など、「クローズドな巨大モデル一極集中」から「用途別・現場適応型のオープンスタック」へとシフトしています。
2. 「現場で進化するAI」が主戦場になる
Trajectoryの登場が示すように、これからのAIの差別化は「初期性能」ではなく「導入後にどれだけ賢くなるか」へ移行します。日本企業のAI選定基準も、ベンチマーク値だけでなく「継続学習の仕組み」を重視する必要があります。
3. 社会安全網への投資が経営課題に
OpenAI Foundationの2億5000万ドルコミットメントは、AIで利益を得る企業が雇用への影響に責任を持つべきという社会的圧力の表れです。日本企業も、AI導入によるリスキリング・再配置計画を経営アジェンダに据える時期が来ていると考えられます。
まとめ｜2026年5月28日は「AIの社会実装」が一気に進んだ日
本記事では、Biohubのタンパク質世界モデルESMFold2、OpenAI Foundationの2億5000万ドル投資、AIエージェントへの編集スタイル教示、Trajectoryの継続学習プラットフォームという4つの主要トピックを解説しました。共通するのは、AIが「研究室の中」から「業界・社会・現場」へと本格的に出ていく転換点を象徴している点です。
特に日本のビジネスパーソンにとっては、以下の3つを今後の意思決定に組み込むことを推奨します。
- 創薬・素材・食品など分子レベルの研究をする企業は、ESMFold2のオープンスタックを早期評価する
- AI導入企業は「導入後の継続学習設計」を選定基準に加える
- 経営層は、AI活用と並行して人材再配置・リスキリングを経営計画に明文化する
日々のAIニュースは大量に流れますが、業界の構造変化を捉えるには「世界モデル」「継続学習」「社会安全網」という3つのキーワードを軸に追うことが有効と考えられます。
主要トピック比較表
| トピック | 運営主体 | 規模 | 日本企業への示唆 | 詳細 |
|---|---|---|---|---|
| ESMFold2 | Biohub（CZI支援） | 28億配列学習・5億ドルInitiative | 創薬・バイオ研究のオープン化 | 最新動向を確認 |
| OpenAI Foundation | OpenAI非営利部門 | 初期2億5000万ドル | AI×雇用政策の参照モデル | 公式サイトで確認 |
| AI編集スキル化 | Codex／Claude Code | 個人〜チーム規模 | 文章ワークフロー自動化 | 公式ドキュメントで確認 |
| Trajectory | 元DeepMind・Apple出身者 | シード1500万ドル | 継続学習プラットフォーム評価 | 公式サイトで確認 |
コメント