moomoo証券（ムームー証券）が2026年3月13日、国内主要ネット証券としては業界最速級となる米国株APIトレードサービス「moomoo OpenAPI」の提供を開始した。個人投資家が自作プログラムで米国株のリアルタイムデータ取得から自動売買までを実行できるようになる。 moomoo OpenAPI とは moomoo OpenAPIは、プログラムを通じて米国株取引を自動化できるAPIサービスだ。Nasdaq上場企業であるFutu Holdings傘下のmoomoo証券が提供しており、世界2,900万人以上のユーザーを支えるグローバルな技術基盤をベースにしている。 なお、moomoo OpenAPIの対応市場は米国株、香港株、中国A株の3市場であり、日本国内株には対応していない。国内株のAPI取引が必要な場合は、後述するkabu STATION APIなど別のサービスを検討する必要がある。 これまで国内の個人投資家が米国株のAPI取引を行おうとすると、海外証券会社（Interactive Brokersなど）を利用する必要があったが、moomoo OpenAPIにより国内証券でも本格的なAPI取引が可能になった。 主な機能 リアルタイム相場データの取得 株価、板情報（オーダーブック）、約定データなどをリアルタイムで取得できる。取得したデータは独自の分析ロジックやダッシュボードに活用可能だ。 自動売買の実行 プログラムによる自動発注に対応しており、以下のような運用が可能になる: 損切り・利確ルールの自動化: あらかじめ設定したルールに基づく自動決済 アルゴリズムトレード: 移動平均やRSI（相対力指数）などのテクニカル指標に基づく自動売買戦略 スケジュール売買: 特定の時間帯やイベントに連動した自動注文 バックテストとペーパートレード 過去の市場データを使った戦略検証（バックテスト）が可能。さらにペーパートレード（模擬取引）機能により、実際の資金をリスクにさらすことなく、戦略の動作確認ができる。 外部ツール連携 ExcelやGoogleスプレッドシート、自作のダッシュボードとのデータ連携もサポートしている。 対応開発環境 公式SDKが以下の言語で無料提供されている: Python Java C# C++ JavaScript 対応OSはWindows、macOS、Ubuntu、CentOSなど幅広い環境をカバーしている。 特にPythonでは、pipコマンドひとつで開発環境を構築できる: 1 pip install moomoo-api データ分析や機械学習と組み合わせた投資戦略の構築がしやすい点が魅力だ。 差別化ポイント：機関投資家レベルのデータ moomoo証券の強みである「大口投資家の動向」や「空売りデータ」もAPI経由で取得できる。通常、個人投資家がアクセスしにくいこれらのデータをプログラムから自動取得できるのは大きなメリットだ。 利用するには moomoo証券の口座を開設し、OpenAPIの利用申請を行う必要がある。公式ドキュメントは以下で公開されている: 公式APIドキュメント: openapi.moomoo.com Python SDK（GitHub）: MoomooOpen/py-moomoo-api 国内API取引の選択肢 これまで国内で株式のAPI取引を行う場合、主な選択肢は限られていた: kabu STATION API（三菱UFJ eスマート証券、旧auカブコム証券）: 国内株・先物・オプションのAPI取引に対応 楽天証券 MarketSpeed II RSS: Excel連携による国内株の自動売買（米国株は非対応） Interactive Brokers: 海外証券だが日本語対応あり、米国株API取引可能 moomoo OpenAPIは、国内証券で米国株に特化したAPI取引ができる点で新しい選択肢となる。 ...

個人開発者の Ernest Lopez 氏が、OpenClaw を活用して広告制作を自動化し、年間30万ドル規模のアプリ収益を伸ばしている事例が話題になっている。AIエージェント「Eddie」を中心としたワークフローは、競合リサーチから広告制作、パフォーマンス改善まで一気通貫で回す仕組みだ。 バイブマーケティングとは 「バイブマーケティング（Vibe Marketing）」は、AIエージェントにマーケティング業務を任せる新しいアプローチだ。従来の手作業による広告制作・テスト・改善サイクルを、AIが自律的に回す。Lopez 氏のケースでは、月3万ドルかけていた代理店を OpenClaw エージェントに置き換え、さらに月2万ドルの追加収益を生み出している。 Eddie のワークフロー：5つのステップ Lopez 氏が構築した AIエージェント「Eddie」は、以下の5段階で広告を自動生成する。 1. 競合リサーチ Meta Ad Library から競合の勝ちパターン広告を収集する。Apify（Webスクレイピングツール）で広告動画をスクレイピングし、Whisper（OpenAI の音声認識モデル）で文字起こしして、効果的な訴求軸（アングル）を抽出する。 2. ブランドボイスの学習 AIが「AIっぽい文章」を書かないよう、以下のマークダウンファイルで知識を注入する。 writing-rules.md — AIが多用する表現を禁止するルール voice.md — ブランドの口調・トーン product.md — 製品の詳細情報 icp.md — 理想的な顧客像（Ideal Customer Profile） これにより「商品に精通した高CVR（コンバージョン率）インフルエンサー」のような語り口で台本を生成できる。 3. スクリプト生成 競合広告の分析結果をもとに、ブランドボイスでオリジナルの広告台本を作成する。さらにオーディエンスセグメントごとに50〜100以上のバリエーションを自動生成する。 4. クリエイティブ制作 生成した台本を2つのルートで動画化する： UGCクリエイターへの外注（1本15〜50ドル）— 品質重視のトップスクリプト向け Arcads（AI UGC広告作成ツール） — 複数のAIアクターと組み合わせて大量のバリエーションを生成 Arcads は1,000以上のAIアクターを持ち、リアルな人物ベースのAI動画広告を生成できるプラットフォームだ。 5. 自己改善ループ Singular MMP（モバイル計測プラットフォーム）経由でパフォーマンスデータを取得し、CPA（顧客獲得単価）を分析。効果の高いパターンを学習して次のバッチを改善する PDCA サイクルを自動で回す。 なぜこのアプローチが注目されるのか このワークフローの核心は、単に「AIで広告を作る」だけでなく、リサーチ → 制作 → 計測 → 改善のサイクル全体をAIエージェントが自律的に回す点にある。 従来のマーケティングでは、各工程に専門のスタッフやツールが必要だった。Lopez 氏は OpenClaw のスキルシステムを使い、Claude Opus 4.6 の API で複数のAIエージェントを連携させることで、これを低コストで実現している。 ...

GPUなしで毎秒100ページ以上のPDF→Markdown変換を実現するオープンソースツール「OpenDataLoader PDF」が話題になっている。Apache 2.0ライセンスで完全無料、CPUのみで動作するため、高価なGPUハードウェアは不要だ。 OpenDataLoader PDF とは OpenDataLoader PDF は、PDFドキュメントをAI活用に適した構造化データ（Markdown、JSON、HTML等）に変換するオープンソースのパーサーだ。Java で実装されており、Python・Node.js・Java から利用できる。 主な特徴: 超高速処理: ローカルモードで 0.05秒/ページ（CPUのみ）、8コア以上のマシンでマルチプロセスバッチ処理すると毎秒100ページ以上 GPU不要: CPUだけで高速に動作するため、導入コストが低い 高精度: ベンチマークで総合精度0.90を達成し、読み順・テーブル・見出し抽出で1位 Apache 2.0ライセンス: 商用利用可能な完全オープンソース インストール Python パッケージは Java CLI のラッパーのため、Java 11以上とPython 3.10以上が必要だ。 1 2 3 4 5 # Python pip install -U opendataloader-pdf # Node.js npm install @opendataloader/pdf Java の場合は Maven で opendataloader-pdf-core を依存関係に追加する。 基本的な使い方 Python でのシンプルな変換 1 2 3 4 5 6 7 import opendataloader_pdf opendataloader_pdf.convert( input_path=["file1.pdf", "file2.pdf", "folder/"], output_dir="output/", format="markdown,json" ) フォルダを指定すれば一括変換も可能だ。出力形式は Markdown、JSON、HTML、プレーンテキスト、注釈付きPDFから選べる。 ...

Palo Alto Networks の EDR（Endpoint Detection and Response: エンドポイント検知・対応）製品「Cortex XDR」のエージェントに、重大な欠陥が発見された。振る舞い検知（BIOC: Behavioral Indicators of Compromise）ルールを解読し、検知を完全に回避できるというものだ。InfoGuard Labs の研究者 Manuel Feifel らが発見し、2025年7月に報告、2026年2月末に修正がリリースされた。Cortex XDR エージェント v8.7/8.8 を利用する組織は、修正済みの v9.1 へのアップデートが必要となる。 発見の経緯 InfoGuard Labs の研究チームは、Cortex XDR Windows エージェント（バージョン 8.7 および 8.8）の内部構造を調査した。カーネルデバッグツールを使用してエージェント内部の暗号化ルールの復号プロセスを追跡し、以下を特定した。 復号キーがエージェントのファイル内にハードコードされた文字列から導出されていた 平文の Lua 設定ファイルと組み合わせてキーが生成されていた 暗号化には AES-256-CBC が使用されていたが、全環境で同一の鍵が導出されるため、一度手法を解明すれば任意の環境で再現可能だった グローバル許可リストの問題 復号された BIOC ルールを解析した結果、検知ロジックにハードコードされた「グローバル許可リスト」の存在が明らかになった。 特に深刻だったのは \Windows\ccmcache という文字列の扱いだ。プロセスのコマンドラインにこの文字列が含まれるだけで、そのプロセスは監視対象から除外される仕組みになっていた。この条件により、BIOC ルール全体の約半数の振る舞い検知ルールを無効化できることが確認された。 ccmcache は Microsoft SCCM（System Center Configuration Manager）がソフトウェア配布時に使用するキャッシュディレクトリだ。正規のシステム管理ツールによるプロセスを誤検知しないための除外条件だったと考えられるが、その適用範囲が過度に広範だった。 実証された攻撃シナリオ 研究者は Sysinternals の ProcDump ツールに \Windows\ccmcache 文字列を引数として付加し、LSASS（Local Security Authority Subsystem Service）メモリのダンプ取得を無検知で実行できることを実証した。 LSASS メモリダンプは認証情報窃取の典型的な手法であり、Mimikatz などのツールによるクレデンシャルハーベスティング（認証情報の大量収集）に直結する。EDR がこの操作を検知できないことは、実運用環境において極めて深刻な影響をもたらす。 ...

Vibe Coding（バイブコーディング）で成果を出せる人と出せない人の違いは何か。CHI 2026 で発表された論文「Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency」が、その答えを実証的に示している。結論は、CS の基礎知識と論理的な文章作成能力の2つが鍵だというものだ。 Vibe Coding とは Vibe Coding は、2025年初頭に Andrej Karpathy が提唱したプログラミングスタイルだ。ソースコードを直接編集するのではなく、自然言語で LLM にプログラムの仕様を伝える。生成された結果を観察しながら反復的に改善していくアプローチだ。 「誰でも自然言語でアプリが作れる時代」と言われる一方で、実際には同じツールを使っても成果に大きな差が出る。この差を生む要因は何なのか。 論文の概要 Sverrir Thorgeirsson、Theo B. Weidmann、Zhendong Su の3名による研究（arXiv: 2603.14133）は、大学生100名を対象にした事前登録済み（仮説や分析計画を事前に公開した）横断研究だ。 被験者は以下の4つの能力を測定された: コンピュータサイエンス（CS）の達成度 汎用的な認知能力（いわゆる「頭の良さ」） 文章作成能力 Vibe Coding の成績（専門家の合意で設計された評価タスク） 評価タスクでは、参加者はまずサンプルアプリケーションを確認する。次に LLM ベースのエージェントへプロンプトを作成し、生成されたアプリケーションをテストしながら改善を重ねる。最終的な成果物を人間の評価者が採点した。 2つの重要な予測因子 研究の結果、Vibe Coding の成績を有意に予測する因子は以下の2つだった: 1. CS の基礎知識（最も重要） CS の達成度は、汎用的な認知能力を統制した後でも有意な予測因子として残った。つまり、「頭が良い」だけでは不十分で、コンピュータサイエンスの基礎を理解していることが独立した強みになる。 回帰分析の結果、CS の知識が説明する固有分散（ΔR² = 0.125）は文章力（ΔR² = 0.059）の約2倍だった。 2. 論理的な文章作成能力 文章を論理的に構成し、意図を明確に伝える能力も有意な予測因子だった。これは当然とも言える。LLM に的確な指示を出すには、要件を整理し、曖昧さなく文章化するスキルが求められるからだ。 「頭の良さ」だけでは足りない 興味深いのは、汎用的な認知能力（特定分野に依存しない一般的な認知スキル）は、それほど大きな影響を持たなかったという点だ。 これは重要な示唆を含んでいる。Vibe Coding は「誰でもできる」わけではないが、「天才でなければできない」わけでもない。CS の基礎知識と論理的な文章力という、学習可能なスキルが鍵を握っている。 教育・実務への示唆 この研究結果は、AI 時代のプログラミング教育に対して重要な問いを投げかける: ...

Zapier を使って HubSpot と Asana を連携させる方法と、Code by Zapier で集計ロジックを追加するテクニックを紹介します。 HubSpot × Asana 連携の基本 HubSpot（CRM・マーケティング）と Asana（プロジェクト管理）を連携させることで、営業パイプラインとタスク管理を自動化できます。Zapier を使えばノーコードで連携を構築できます。 よくある連携パターン トリガー（HubSpot） アクション（Asana） ユースケース 新規ディールが作成された タスクを作成 商談ごとにプロジェクトタスクを自動生成 ディールのステージが変わった タスクを更新 進捗をリアルタイムに反映 フォーム送信があった タスクを作成 問い合わせ対応タスクを自動起票 新規チケットが作成された タスクを作成 サポート対応を Asana で管理 逆方向の連携もあります。 トリガー（Asana） アクション（HubSpot） ユースケース タスクが完了した コンタクトを更新 納品完了を CRM に反映 タスクにコメントが追加された エンゲージメントを作成 活動履歴を CRM に記録 Zapier での連携セットアップ 1. Zap の作成 Zapier にログインし、「Create Zap」から新しい Zap を作成します。 トリガーの設定（例: HubSpot → Asana）: トリガーアプリに HubSpot を選択 トリガーイベントに「New Deal」を選択 HubSpot アカウントを接続 テストを実行して動作確認 アクションの設定: ...

ジオマーケティング（Geo-marketing）は、スマートフォンの GPS やWi-Fi、ビーコンなどから取得した位置情報を活用して、特定エリアのユーザーに最適な広告や情報を配信するマーケティング手法です。ここでは、ジオマーケティングの基本と、FreakOut 社が提供する位置情報マーケティングプラットフォーム「ASE」を紹介します。 ジオマーケティングの基本 ジオマーケティングとは、ユーザーの位置情報データを分析・活用して、地域に根差した集客やプロモーションを行う手法です。 取得できるデータ 来訪者の属性: どこから来ているか、年代、単身か家族連れか 行動パターン: 何曜日の何時に人が集まるか 商圏分析: 周辺エリアの人流データ 主なデータソース GPS（スマートフォン） Wi-Fi 接続情報 ビーコン（Bluetooth） IP アドレス FreakOut ASE — 位置情報マーケティングプラットフォーム FreakOut ASE は、フリークアウト社が提供する位置情報マーケティングプラットフォームです。 主な特徴 項目 内容 リーチ規模 5,000万以上のユーザー エリア精度 最小半径1m の円指定、ポリゴン指定に対応 配信面 Red ネットワーク、TVer PMP、各種 SNS 来店計測 建物に沿った精密な来店計測 分析機能 推定居住エリア、ユーザー行動分析 データソース チェーンストアデータ NTT iタウンページ ゼンリン社の住居データ 提携した大手スマートフォンアプリベンダーや位置情報データプラットフォーマーから位置情報を取得し、国内最大規模の位置情報データベースを構築しています。 活用シーン ジオマーケティングは、実店舗を持つビジネスとの相性が良く、以下のような活用が可能です。 チラシ・OOH の補完 ショッピングモールへの来場促進 新店舗オープンの告知 ターゲティング広告 大学オープンキャンパスの告知（周辺エリアの高校生向け） 自動車ディーラーへの来店促進 住宅展示場への誘導 学習塾の受講者募集 流通対策 家電量販店での販売促進 ドラッグストア来店者への医薬品告知 国内主要サービス比較 — ASE / AIR TRACK / GeoLogic Ad FreakOut ASE 以外にも、国内にはジオターゲティング広告の主要プラットフォームがあります。ここでは代表的な 2 サービスと機能を比較します。 ...

デザイナーの仕事が AI で「本当にすぐ終わる」時代が来ている。21歳でデザイン会社を経営するコンドウハルキ氏が X で共有した AI 活用術が大きな反響を呼んでいる。本記事では、同氏が紹介した 5 つの実践的な AI 活用ユースケースを掘り下げる。 1. Claude Code × Figma で制作スピードを大幅に高速化 最も注目すべきユースケースが Claude Code と Figma の連携 だ。チャットで指示するだけで、編集可能なデザインファイルが生成される。 従来は数時間かかっていたランディングページの制作が、わずか数分で完成するという。ポイントは「完成品を作る」のではなく「たたき台を一瞬で作り、そこから人間が磨く」という使い方にある。 2. AI モックアップで制作前の事前検証 本制作に入る前に、AI でモックアップやデザインバリエーションを素早く作成し、クライアントに方向性を確認する手法。 事前にバリエーションを見せることで「思っていたのと違う」という手戻りを大幅に減らせる。Autodesk の調査では、AI ツールの活用によりデザイン修正時間が 約40%削減 されたというデータもある。 3. AI 画像生成で素材検索の時間をゼロに ストックフォトサイトで「ちょうどいい画像」を探す作業は、意外と時間がかかる。30分以上かけて検索した挙句、微妙な妥協をした経験は誰にでもあるだろう。 AI 画像生成を使えば、必要なイメージをテキストで指示するだけでカスタム素材が生成できる。検索時間がゼロになるだけでなく、案件ごとにオリジナルの素材が使える点も大きい。 4. セールスコピーの作成支援 技術的なスキルは高いのに、デザインの価値を言葉で伝えるのが苦手 — そんなデザイナーは少なくない。 AI を使えば、デザインのコンセプトや効果を的確に言語化できる。提案書のコピーライティングやクライアントへの説明文など、「言葉にする」作業を AI がサポートしてくれる。 5. AI が24時間対応のデザインメンターに 余白のバランス、タイポグラフィの比率、ビジュアルヒエラルキー — デザインのフィードバックが欲しいとき、AI が 24時間対応のメンター として機能する。 特に一人で仕事をしているフリーランスデザイナーにとって、いつでも客観的なフィードバックが得られる環境は心強い。 AI 活用の成否を分けるポイント コンドウ氏が強調するのは、「何を AI に任せ、何を人間がやるか」の判断力 が成否を分けるという点だ。 AI はあくまでツールであり、デザインの本質的な価値 — ユーザーの課題を理解し、最適な体験を設計すること — は人間の仕事のままだ。AI で効率化した時間を、より本質的な思考やクライアントとのコミュニケーションに充てることで、結果的により高い価値を提供できる。 ...

オーストラリアのスタートアップ Cortical Labs が、人間の脳細胞（ニューロン）をシリコンチップ上に培養し、それを演算装置として利用する「生体データセンター」の構想を発表しました。1 台あたりの消費電力は電卓以下とされ、従来の GPU ベースの AI インフラとはまったく異なるアプローチで、エネルギー問題への解決策として注目されています。 CL1 — 生体コンピュータユニット Cortical Labs が開発した CL1 は、ヒト血液幹細胞から培養した約 20 万個のニューロンをマイクロ電極アレイ（MEA）チップ上に配置した生体コンピュータです。 主な特徴: 電気信号によるソフトウェア連携: MEA チップを通じてニューロンに電気信号を送信し、その応答をリアルタイムで記録・処理する 超低消費電力: 1 台の CL1 の消費電力は電卓以下。GPU クラスタと比較して桁違いに省エネルギー 長寿命: ニューロンは通常 6 か月以上生存し、最長 1 年の維持実績がある 学習能力: 少量のデータセットから学習可能で、構造化された電気フィードバックにより適応的に活動パターンを変化させる DishBrain — Pong から DOOM へ CL1 の基盤となった研究が DishBrain プロジェクトです。 2022 年: 学術誌「Neuron」に論文発表。約 80 万個の培養ニューロンが Pong ゲームをプレイすることに成功 2026 年 2 月: より複雑な 3D ゲーム「DOOM」のプレイに成功。生体ニューロンの情報処理能力の向上を実証 2022 年の Pong 成功以降、ニューロンの制御精度と情報処理能力の改善を重ね、4 年で単純な 2D ゲームから複雑な 3D 環境への対応を実現しました。 ...

東大松尾研発の AI スタートアップ「燈株式会社（Akari Inc.）」が提供する、建設業に完全特化した管理業務 DX サービス「Digital Billder（デジタルビルダー）」を紹介します。 Digital Billder とは Digital Billder は、建設業の管理業務をデジタル化するための SaaS サービスです。紙ベースで行われていた請求書処理、発注管理、経費精算といったアナログ業務を効率化します。 建設業界では、紙の請求書の受領・開封・現場ごとの整理・現場と本社間の運搬・押印・手入力といった煩雑な作業が日常的に発生しています。Digital Billder はこれらの業務を電子化し、大幅な工数削減を実現します。 サービスラインナップ Digital Billder は以下の4つのサービスで構成されています。 請求書処理（Digital Billder Invoice） 建設業特有の業務フローに対応した請求書処理サービスです。 工事ごと・工種ごとの請求書管理 出来高払い・査定・相殺処理への対応 各社の指定書式に柔軟に対応 インボイス制度・電子帳簿保存法に準拠 発注管理（Digital Billder Purchases） 電子発注・電子契約に対応した発注管理サービスです。見積依頼から発注・契約までの一連のフローをデジタル化します。 経費精算（Digital Billder Expenses） 建設現場で発生する経費の精算を効率化するサービスです。現場経費と一般経費の両方に対応しています。 見積書処理 見積書の作成・管理をデジタル化し、業務プロセスを効率化します。 提供会社：燈株式会社（Akari Inc.） 燈株式会社は2021年2月に設立された、東京大学松尾研究室発の AI スタートアップです。 代表取締役 CEO: 野呂侑希 所在地: 東京都文京区小石川 従業員数: 約300名 企業評価額: 1,000億円超（2026年1月時点） 2026年1月には三菱電機などから50億円の資金調達を実施し、ユニコーン企業の仲間入りを果たしました。建設業特化の生成 AI「光/Hikari」の開発や、大成建設・東洋建設といった大手ゼネコンとの DX 推進プロジェクトも手がけています。 導入実績 2022年6月に一般提供を開始 リリース1年で導入総合建設業者100社を突破 2025年11月時点で累計導入企業数1,000社超 36都道府県以上で導入 建設業界の DX 背景 建設業界では以下の法制度対応が求められており、DX の必要性が高まっています。 インボイス制度（2023年10月〜） 改正電子帳簿保存法（2024年1月〜） 時間外労働上限規制（2024年4月〜、いわゆる「2024年問題」） こうした制度対応と業務効率化を同時に実現できる点が、Digital Billder が急速に普及している理由の一つです。 ...