SIGQ、PLUS與SAMURAI ARCHITECTS共同舉辦「AI事業開發讀書會」 提倡實體AI時代的可靠性設計
2026年4月27日，PLUS株式會社、SAMURAI ARCHITECTS株式會社與SIGQ株式會社共同舉辦了「AI事業開發讀書會」。SIGQ代表金築敬晃登台解說了LLM的基礎知識以及AI時代的商業規模感。此外，他強調隨著製造機器人和自動駕駛等實體AI的普及，導入在事件發生時能確保安全運作的「故障安全（fail-safe）」理念的「可靠性設計」是不可或缺的。
📋 文章處理履歷
- 📰 發表: 2026年5月26日 02:26
- 🔍 收集: 2026年5月25日 18:01
- 🤖 AI分析完成: 2026年5月25日 18:32（收集後30分鐘）
2026年4月27日，PLUS株式會社、株式會社SAMURAI ARCHITECTS以及株式會社SIGQ三家公司，共同舉辦了「AI事業開發讀書會」。在本次讀書會中，本公司代表金築敬晃登台，從事業開發及實體AI的觀點，解說了AI的現狀與未來可能性。本文將為您帶來與SIGQ「設計可靠性」使命息息相關的演講重點摘要。
匹敵國家預算 AI時代商業的規模感
演講一開始，金築首先解說了AI的技術基礎。
平時接觸ChatGPT、Claude或Gemini等工具時，人們很容易將AI與LLM（大型語言模型）視為同一事物，但LLM終究只是AI的一種。在AI這個廣泛的概念中包含了深度學習與機器學習，而近年來其中存在感特別強烈的，便是LLM。
為什麼LLM能對人類的提問給出自然的回答？LLM從書籍、網路文章等世上存在的龐大數據中，學習了符合上下文的詞彙連接方式與模式。當輸入文章時，它會從大量的候選詞中進行機率計算，判斷接下來接什麼詞會最自然，並輸出最「合理（機率最高）」的詞彙。透過不斷重複這個處理過程，就能生成語意通順的回答。活用這套機制的服務，已經被廣泛應用在合約摘要、翻譯、撰寫電子郵件、製作簡報等眾多業務中。現代的AI正是由龐大的數據處理所支撐。
接著，金築介紹了AI時代事業成長的規模感。金築以問答的方式，詢問參加者Uber花費了多少時間與資金才達成營業利益轉正。答案是14年，約4.5兆日圓。要把事業培育到能被稱為社會基礎設施的程度，需要有承擔如此漫長時間與鉅額虧損的覺悟。另一方面，開發出能與ChatGPT並駕齊驅的Claude的Anthropic公司，據稱創業僅5年就實現了年化4.5兆日圓規模的營收。演講前不久更有新聞報導指出，Google對Anthropic進行了高達6.4兆日圓的追加投資。如今，相當於日本年度國防預算7到8成金額的資金，正被投入到一家新創企業中。金築也分享了他透過與海外客戶及科技社群交流等豐富海外經驗所獲得的矽谷真實人才現況，傳達了AI的出現正改寫事業成長曲線的時代衝擊。
擴展至現實世界的實體AI潛力
此外，AI的活動領域不再侷限於數位空間，正逐漸擴展至現實世界。基於現狀，金築結合最新案例，介紹了實體AI如何提升精確度與實用性。
第一個案例是上海企業開發的製造業專用機器人「AGIBOT G2」。它能處理平板電腦組裝與維修等，只要有微小位置偏差就會導致致命故障的精密作業，能以毫米為單位調整位置並進行作業。同時還具備根據需求在工廠內自主移動的功能。
其最大特色在於能從失敗中自我學習。有時接受人類指導，有時則是自行分析原因並進行修正，透過累積這些經驗來提升精確度。金築表示，過去被認為難以導入AI的精密儀器生產現場也正逐漸實現應用，這被視為因應人口減少導致勞動力短缺的對策。
第二個是自動駕駛。自動駕駛本身是一項已經研究了15到20年左右的技術，但在海外已經接近社會實踐的階段。在舊金山，無人駕駛計程車已經在街頭行駛，只要透過App指定目的地，就能直接將乘客載到該處。他補充說，雖然日本也已經開始收集自動駕駛車輛的行駛數據，但在像日本狹窄生活道路這樣複雜的環境中，仍有許多挑戰。
第三個是Sony開發的桌球機器人「Ace」。它能透過攝影機捕捉球飛來的落點與旋轉方式，在不到1秒的時間內計算出包含球拍擊球角度與旋轉在內的數據並回擊。金築分享了一個插曲，Ace在與職業桌球選手的對戰中贏得了所有比賽，藉此強調其高度的技術實力。能在短時間內連續重複判斷與動作的競技如桌球中獲勝，可以說是象徵實體AI應用範圍廣泛的事件。
實體AI的進化顯示，AI已經不再單純只是生成文章或影像的存在，而是正逐漸成為在現實空間中判斷並動作的實體。正因如此，當其行為發生錯誤時會發生什麼事的問題，對商業與社會而言份量日益加重。
在AI滲透的社會中設計可靠性
在演講的問答環節中，參加者提出了一個令人印象深刻的問題：既然AI是基於機率進行判斷，錯誤就不可能歸零。如果是文件，人類還可以審查和修改，但在攸關性命的實體AI中，該如何確保責任歸屬？
金築對此的回答是，在實體AI中也必須導入工程學上的「故障安全（fail-safe）」理念。故障安全是指當系統發生故障或操作錯誤等任何事件時，不繼續朝危險方向運作，而是設計成必定朝安全方向運作的思維。例如，製造現場的機器在偵測到異常時會停止運作。金築主張，同樣地在實體AI中，也必須設計成在發生事件時能切換至安全動作。事實上，在自動駕駛領域，也導入了在偵測到危險時優先煞車等重視安全的控制機制。為了信任AI的判斷，重點不在於前提它是永遠完美的，而是要具備即使在無法做出適切判斷的狀況下，也能確保安全的機制。
實際上，故障安全的思維與SIGQ至今培養的事件應對及持續改善可靠性的專業知識有著深厚的連結。
SIGQ事業的核心正是「設計可靠性」。金築本人有約10年的時間以處理大規模數據和SRE（網站可靠性工程）為核心累積工程師職涯，同時也致力於資料庫和大型分散式系統的研究。這些知識被活用於支援事件應對的專業服務，以及開發自主型AI代理「Incident Lake」上。系統的可靠性與AI不可或缺的龐大數據，這兩項專業交會之處，正是SIGQ的事業領域。
在AI進入現實世界，並牽涉到人命與鉅額商業利益的現今，可靠性設計已不再只是單純的技術課題，而是企業持續營運的根本要求。
匹敵國家預算 AI時代商業的規模感
演講一開始，金築首先解說了AI的技術基礎。
平時接觸ChatGPT、Claude或Gemini等工具時，人們很容易將AI與LLM（大型語言模型）視為同一事物，但LLM終究只是AI的一種。在AI這個廣泛的概念中包含了深度學習與機器學習，而近年來其中存在感特別強烈的，便是LLM。
為什麼LLM能對人類的提問給出自然的回答？LLM從書籍、網路文章等世上存在的龐大數據中，學習了符合上下文的詞彙連接方式與模式。當輸入文章時，它會從大量的候選詞中進行機率計算，判斷接下來接什麼詞會最自然，並輸出最「合理（機率最高）」的詞彙。透過不斷重複這個處理過程，就能生成語意通順的回答。活用這套機制的服務，已經被廣泛應用在合約摘要、翻譯、撰寫電子郵件、製作簡報等眾多業務中。現代的AI正是由龐大的數據處理所支撐。
接著，金築介紹了AI時代事業成長的規模感。金築以問答的方式，詢問參加者Uber花費了多少時間與資金才達成營業利益轉正。答案是14年，約4.5兆日圓。要把事業培育到能被稱為社會基礎設施的程度，需要有承擔如此漫長時間與鉅額虧損的覺悟。另一方面，開發出能與ChatGPT並駕齊驅的Claude的Anthropic公司，據稱創業僅5年就實現了年化4.5兆日圓規模的營收。演講前不久更有新聞報導指出，Google對Anthropic進行了高達6.4兆日圓的追加投資。如今，相當於日本年度國防預算7到8成金額的資金，正被投入到一家新創企業中。金築也分享了他透過與海外客戶及科技社群交流等豐富海外經驗所獲得的矽谷真實人才現況，傳達了AI的出現正改寫事業成長曲線的時代衝擊。
擴展至現實世界的實體AI潛力
此外，AI的活動領域不再侷限於數位空間，正逐漸擴展至現實世界。基於現狀，金築結合最新案例，介紹了實體AI如何提升精確度與實用性。
第一個案例是上海企業開發的製造業專用機器人「AGIBOT G2」。它能處理平板電腦組裝與維修等，只要有微小位置偏差就會導致致命故障的精密作業，能以毫米為單位調整位置並進行作業。同時還具備根據需求在工廠內自主移動的功能。
其最大特色在於能從失敗中自我學習。有時接受人類指導，有時則是自行分析原因並進行修正，透過累積這些經驗來提升精確度。金築表示，過去被認為難以導入AI的精密儀器生產現場也正逐漸實現應用，這被視為因應人口減少導致勞動力短缺的對策。
第二個是自動駕駛。自動駕駛本身是一項已經研究了15到20年左右的技術，但在海外已經接近社會實踐的階段。在舊金山，無人駕駛計程車已經在街頭行駛，只要透過App指定目的地，就能直接將乘客載到該處。他補充說，雖然日本也已經開始收集自動駕駛車輛的行駛數據，但在像日本狹窄生活道路這樣複雜的環境中，仍有許多挑戰。
第三個是Sony開發的桌球機器人「Ace」。它能透過攝影機捕捉球飛來的落點與旋轉方式，在不到1秒的時間內計算出包含球拍擊球角度與旋轉在內的數據並回擊。金築分享了一個插曲，Ace在與職業桌球選手的對戰中贏得了所有比賽，藉此強調其高度的技術實力。能在短時間內連續重複判斷與動作的競技如桌球中獲勝，可以說是象徵實體AI應用範圍廣泛的事件。
實體AI的進化顯示，AI已經不再單純只是生成文章或影像的存在，而是正逐漸成為在現實空間中判斷並動作的實體。正因如此，當其行為發生錯誤時會發生什麼事的問題，對商業與社會而言份量日益加重。
在AI滲透的社會中設計可靠性
在演講的問答環節中，參加者提出了一個令人印象深刻的問題：既然AI是基於機率進行判斷，錯誤就不可能歸零。如果是文件，人類還可以審查和修改，但在攸關性命的實體AI中，該如何確保責任歸屬？
金築對此的回答是，在實體AI中也必須導入工程學上的「故障安全（fail-safe）」理念。故障安全是指當系統發生故障或操作錯誤等任何事件時，不繼續朝危險方向運作，而是設計成必定朝安全方向運作的思維。例如，製造現場的機器在偵測到異常時會停止運作。金築主張，同樣地在實體AI中，也必須設計成在發生事件時能切換至安全動作。事實上，在自動駕駛領域，也導入了在偵測到危險時優先煞車等重視安全的控制機制。為了信任AI的判斷，重點不在於前提它是永遠完美的，而是要具備即使在無法做出適切判斷的狀況下，也能確保安全的機制。
實際上，故障安全的思維與SIGQ至今培養的事件應對及持續改善可靠性的專業知識有著深厚的連結。
SIGQ事業的核心正是「設計可靠性」。金築本人有約10年的時間以處理大規模數據和SRE（網站可靠性工程）為核心累積工程師職涯，同時也致力於資料庫和大型分散式系統的研究。這些知識被活用於支援事件應對的專業服務，以及開發自主型AI代理「Incident Lake」上。系統的可靠性與AI不可或缺的龐大數據，這兩項專業交會之處，正是SIGQ的事業領域。
在AI進入現實世界，並牽涉到人命與鉅額商業利益的現今，可靠性設計已不再只是單純的技術課題，而是企業持續營運的根本要求。
常見問題
讀書會中強調了實體AI的什麼挑戰？
由於故障可能直接導致致命或嚴重事故，因此設計確保安全的機制是一大挑戰。
什麼是故障安全（Fail-safe）？
一種系統工程理念，確保在發生故障或異常時，系統必定朝向安全狀態運作，而非繼續危險操作。
SIGQ的優勢是什麼？
利用大規模數據處理和SRE的專業知識，來提升AI系統的可靠性設計及事件應對能力。