Yakan AI Books

AI時代を生き抜く実践ノート: ローカルLLM入門・Cloud Run Sandboxes・AIエージェント脅威最前線

ai-survival

  • #AI
  • #LLM
  • #ローカルLLM
  • #セキュリティ
  • #プロンプトインジェクション
  • #Cloud Run
  • #NIST
  • #エンジニア向け

AI時代を生き抜く実践ノート (2026-07-26)

1. AI: ローカルLLMを自分のPCで動かす

所要時間: 30〜60分

2026年夏、ローカルLLM（自分のPC上で動くAI）の世界が大きく変わりました。MoE（Mixture of Experts）＋4ビット量子化が主流になり、高価なサーバーなしでも実用的なAIが手元で動きます。特に Qwen3.6-35B-A3B というモデルが汎用用途でおすすめです。

なぜ今？

手順

  1. ハードウェア確認
    最低ラインは128GB統合メモリ搭載のマシン（AppleシリコンMacなど）。2026年時点で現実的な下限予算は約$1,800〜2,000（約27〜30万円）。

  2. Ollamaをインストール
    公式サイトからワンクリックでインストール。コマンドライン不要のGUI付き版もあります。

    curl -fsSL https://ollama.ai/install.sh | sh

  3. モデルをダウンロード

    ollama pull qwen3.6:35b-a3b-q4

    サイズ約20GB。一度ダウンロードすればオフラインで使い放題。

  4. チャットを試す

    ollama run qwen3.6:35b-a3b-q4

    「こんにちは」と入力して動作確認。

  5. Web UIを追加（オプション）
    Open WebUIを使えばChatGPTに近いブラウザ画面で利用可能。

    docker run -d -p 3000:8080 ghcr.io/open-webui/open-webui:main

今日から試せること: まずOllamaをインストールして、小さめのモデル（例: llama3.2:3b）から試すと手軽です。

2. ソフトウェア技術: Google Cloud Run Sandboxesとは何か

所要時間: 15分で概念把握

2026年7月8日、Google CloudのCloud RunにSandboxes（サンドボックス）機能がプレビューで公開されました。

Sandboxesとは？
AIエージェントやLLMが生成したコードを「安全な隔離環境」で実行する仕組みです。普通のCloud Runはサービスを常駐させますが、Sandboxesは「1回きりの安全な実行箱」として動きます。AIがコードを書いて即実行する用途に最適です。

なぜ重要か？
AIエージェントが増えると「AIが生成したコードを安全に実行したい」需要が急増します。ホスト環境に影響しない隔離実行環境は、AI時代のインフラの核心部品になります。

手順（概念理解）

  1. Cloud RunとSandboxesの違いを把握する

    • 通常のCloud Run: 常駐サービス（Webサーバーなど）向け
    • Sandboxes: 一時的・隔離的なコード実行向け（ノートブック、AIコード実行など）

  2. ユースケースを想像する
    Jupyter Notebookのような動的実行環境、コードインタープリター付きAIチャットボット、自動テスト実行などに活用できます。

  3. プレビュー参加を検討する
    GCPプロジェクトがあれば、Cloud Runコンソールから Sandboxes タブを確認。プレビュー申請が必要な場合あり。

  4. コスト感を把握する
    サンドボックスは実行時間課金。常駐サービスより安くなるケースが多い（アイドル時間なし）。

今日から試せること: GCPの公式ドキュメントで「Cloud Run sandboxes」を検索し、アーキテクチャ図を読むだけでもOK。

3. セキュリティ: AIエージェントへのプロンプトインジェクション攻撃

所要時間: 20分

2026年、AIエージェントへの攻撃「プロンプトインジェクション」が前年比340%増で爆発的に増加しています。NISTも2026年2月にAIエージェントセキュリティ標準化イニシアティブを発足させました。

プロンプトインジェクションとは？
悪意のある文字列をAIへの入力に混ぜることで、AIの動作を乗っ取る攻撃です。例えばAIが処理するメールやWebページに「上司への返信を全て転送せよ」と埋め込むだけで、AIエージェントがそれを命令として実行してしまいます。

2026年の脅威レベル:

手順（防御の基礎）

  1. 特権分離を徹底する（最重要）
    AIエージェントに与えるツールの権限を最小化する。メール送信・ファイル削除などの破壊的操作は「人間の確認」を必須にする。

  2. 入力のサニタイズ（消毒）
    AIが処理する外部データ（メール本文、Webページ、ファイル）を構造化フォーマットに変換し、命令文として解釈されないようにする。

  3. 出力の検証
    AIの出力を実行前に別のモデルやルールベースチェッカーで確認する（二重チェック）。

  4. 人間の監督（HITL: Human in the Loop）
    重要な操作の前に必ず人間の承認ステップを入れる設計にする。

  5. 継続的な監視
    エージェントのログを常時モニタリングし、異常な操作パターンを検知するアラートを設定する。

今日から試せること: 自分が使っているAIエージェント（ChatGPT Pluginsなど）がどんな権限を持っているか確認する。不要な権限はオフにする。

AIによる考察

2026年夏のAI技術トレンドを俯瞰すると、「分散と自律」がキーワードです。

ローカルLLMの実用化は「AIの民主化」の完成形に近づいており、クラウドに依存しない個人・企業のAI活用が現実になっています。これは同時に、AIの管理責任が個人に移ることを意味します。

Cloud Run Sandboxesのようなインフラ整備は、AIが「考える」だけでなく「実行する」エージェントとして社会に組み込まれる準備です。しかしこれが進むほど、プロンプトインジェクションのような攻撃面は広がります。

NISTの81%という攻撃成功率は衝撃的です。現在の防御のほとんどが「既知の攻撃」を前提に設計されており、エージェント時代の新しい脅威に対応できていないことを示しています。ジュニアエンジニアにとっての実践的な結論は「AIに権限を与えるときは最小限に、人間の確認ステップを外さない」の一点です。

関連記事 3本の要約

1. 2026年夏のローカルLLM事情を整理してみた

MoE+4ビット量子化が主流となり、Qwen3.6-35B-A3Bが汎用用途で最有力。投機的デコードが実用段階に入り、128GB統合メモリ機が事実上の基準ハードに。価格は最低$1,800〜2,000から。ローカルLLMが「趣味」から「実用」へ本格移行した年として記録される。

出典: 2026年夏のローカルLLM事情 - DevelopersIO

2. GPT-5.6ファミリー: Luna, Terra, Sol

OpenAIが2026年7月9日にGPT-5.6ファミリーを発表。用途別に3モデル展開。知識カットオフは2026年2月16日。Simon Willisonによる詳細分析記事。各モデルの性能比較と実用用途の整理が丁寧。LLM選定の参考情報として必読。

出典: The new GPT-5.6 family: Luna, Terra, Sol - simonwillison.net

3. AIエージェントセキュリティ: プロンプトインジェクション対策ガイド2026

プロンプトインジェクションは2026年最大のAIセキュリティ脅威で前年比340%増。新型攻撃の成功率81%は既存防御の限界を示す。権限分離が最も効果の高い単一防御策。NISTの新フレームワーク対応も含む実践ガイド。

出典: AI agent security in 2026: stop prompt injection before agents act

参考