2026年11月10日、ザ・プリンス パークタワー東京で開かれたNVIDIAのイベント「Agentic AI Day Japan 2026」に参加してきました。
招待制のクローズドなイベントで、今回は"インフルエンサー枠"でご招待いただきました。7月の「Build-a-Claw - Tokyo」に続いて、またしてもNVIDIAさんからのお声がけです。本当にありがたい限りですね。
テーマは"AIエージェント"。質問に答えるだけではなく、自分で道具を使いながら仕事を進めるAIのことです。会場には、エージェントのコストを下げる研究から、声で部屋の家電を動かすデモまで、エージェントを"現場で回す"ための技術がずらりと並んでいました。
NeMo Relay？ NemoClaw？ Switchyard？・・・名前を聞いただけで頭がいっぱい・・・
大丈夫です。本記事では、私が受講したセミナーと、展示エリア「Build-a-Claw」で見た3つのブースを、NVIDIAをほとんど知らない方にも分かるように紹介します。
では、さっそくいきましょう！！
NVIDIA「Agentic AI Day Japan 2026」とは？
開発者向けの招待制イベント
Agentic AI Day Japan 2026は、NVIDIAが開発者向けに開いた招待制のイベントです。開催は2026年11月10日（火）の13時から18時まで。会場は、東京タワーのお膝元にあるザ・プリンス パークタワー東京でした。
公式ページには、イベントの狙いがこう書かれています。
Claw をはじめとするエージェント技術の進化により、AI を実際の業務やサービスへ活用する可能性が大きく広がっています。
ここでいう"Claw"は、OpenClawに代表される、自分のPCに常駐して仕事をこなすAIエージェントのことです。NVIDIAが提供するオープンなAIモデルやライブラリ、そしてエージェント型AIの最新技術と活用事例を紹介する。これが本イベントの趣旨なのです。
プログラムは、2つの会場で並行して進む講演が中心でした。さらに、実践的なデモを体験できる「Build-a-Claw」が同時開催され、NVIDIAの認定資格「NCA-AIIO」をその場で受験できる枠まで用意されていました。資格試験まで会場で受けられるイベントは、なかなか珍しいですよね。
インフルエンサー枠で参加
今回の私の立場は、NVIDIAからご招待いただいた"インフルエンサー枠"です。
同じ招待枠では、慶應義塾大学 環境情報学部 教授の安宅和人先生も参加されていました。
実は私、恥ずかしながら当日まで安宅先生のことを存じ上げませんでした・・・。後から調べて、あのベストセラー『イシューからはじめよ』の著者だと知り、顎が外れるほど驚愕しました！！ サインをいただいておけばよかったと、今さらながら後悔しています。
当日は、NVIDIAの藤山さんに展示ブースを案内していただきました。各ブースで、説明員の方に直接質問しながら回れたのは、本当に贅沢な時間でした。
まずは、私が受講したセミナーから紹介します。テーマは、ずばり"エージェントのお金"の話です。
セミナー「Agentコスト最適化の実践」
どんなセッション？
私が受講したのは、「Agent コスト最適化の実践 — NVIDIA NeMo Relay による Agent の観測と軽量 LLM の学習」というセッションです。前半はNVIDIAの日暮大輝さんが製品を紹介し、後半はNECの伊藤大輝さんが実践事例を発表する、二部構成でした。タイトルにある"軽量LLM"とは、小さめの言語モデルのことです。
出発点になった問題提起は、とてもシンプルです。企業でAIエージェントを動かそうとすると、"遅い・高い・安全性に欠ける"の三重苦にぶつかる。中でもコストが大問題で、社内に広げるほど爆発的に増えていきます。
エージェントは、AIに何度も考えさせながら仕事を進めます。AIが読み書きする文章の量は"トークン"という単位で数えられ、使った量に応じて料金がかかる仕組みです。何度も考えるエージェントほど、トークンを大量に消費するわけですね。
では、このコストをどう下げるのか。セッションで紹介されたNVIDIAの2つの道具から見ていきましょう。
NeMo Helix：エージェントを鍛えてから送り出す
NeMo Helixは、すでにあるエージェントを鍛えるための基盤です。仕事に合わせて"性能を上げる・コストを下げる・本番の前に安全を確かめる"の3つを、まとめて行います。
例えるなら、運転免許の教習所のようなもの。練習で苦手を見つけ、特訓し、検定に合格してから路上に出ますよね。Helixは、この流れを次のループで回します。
- 登録：改善したいエージェントを、Helixに登録する
- 証拠集め：実際の動作記録や、テスト用の試行を集める
- 分析：どんな仕事で失敗しているかを洗い出す
- 実験：指示文の書き方、使うモデル、モデルの振り分け、追加の学習などを試す
- 安全の関門：攻撃役のAIが弱点を探し、防御役のAIが守りの設定を直す
- 評価と判断：成績を比べ、最後は人が本番に出すかを決める
面白いのが"安全の関門"です。攻撃役のエージェントが本気で攻め、成功した攻撃の記録をもとに、防御役のエージェントがガードレールや実行環境のルールを書き換えます。すべての攻撃を防げて、しかも普段の依頼はこれまでどおり通る。そこまで確かめてから、ようやく人間の承認に回るのです。
操作は、コマンドで動かすCLIと、Web画面の「NeMo Studio」の2通り。Pythonの追加機能を入れるコマンド「pip」で、1つのパッケージとしてインストールできます。なお、2026年11月時点ではプレビュー版という位置づけです。
NeMo Relay：エージェントの行動を記録する"ドライブレコーダー"
Helixで改善するには、まずエージェントが何をしたのかを知る必要があります。その記録係がNeMo Relayです。
Relayはエージェントの横で動き、AIへの問い合わせ、道具の呼び出し、子分のエージェントへの指示などを、共通の形式で記録します。いわば、エージェント専用の"ドライブレコーダー"なんです。
ポイントは"共通の形式"にあります。エージェントを作る道具は、それぞれバラバラの形式で記録を吐き出すので、道具を1つ入れ替えるだけでも一苦労なんですよね。Relayを挟めば、記録はATIFやOpenTelemetryといった標準の形式にそろいます。ATIFはエージェントの行動を記録するための形式で、そのまま学習データに使えるのが強みです。
しかもRelayは、記録するだけの装置ではありません。集めた情報を、NVIDIAのほかのソフトに渡すつなぎ役にもなります。
- AIが答えを出す計算、いわゆる"推論"を効率化するDynamoに、使い回せる計算結果のヒントを渡す
- モデルを振り分けるSwitchyardに、仕事の難しさの手がかりを渡す
- 学習用のライブラリ、たとえばNeMo AutoModelに、学習データとして記録を渡す
- 個人情報を消したり、NeMo Guardrailsで危ない動作に割り込んだりする
組み込み方も柔軟です。プログラムに組み込むライブラリとして使えるほか、Claude CodeやCodexといった、プログラムを書いてくれるAIエージェントのやり取りを、横から流し込む"サイドカー"という使い方もできます。NeMo Relay自体は、2026年11月時点でベータ版です。
ここまでのまとめをすると、Relayで記録し、Helixで鍛える。これがNVIDIAの描くエージェント改善の基本形です。では、実際に鍛えると何が起きるのか・・・NECの事例を見ていきましょう。
NECの事例：小さなモデルを、大きなモデルに近づける
エージェントは、何段階も考えを重ねて仕事を進めます。一段ごとの正確さが90%でも、2段重なれば81%。段数が増えるほど、品質はどんどん落ちていきます。だからこそ、一段一段の品質が大事なんですね。
ところが、品質の高い大きなモデルは、動かすコストも高くなります。かといって、安い小さなモデルでは品質が足りません。そこでNECが目指したのが、小さなモデルを仕事に特化させて、"高品質かつ低コスト"を両立することでした。
題材は、大量の文書を何度も検索してレポートを書く"Deep Research Agent"。使ったのは、NVIDIAのオープンなモデル群「Nemotron」の2つのモデルです。
- 小さいモデル：Nemotron 3.5 Lightning。300億パラメータで、一度に動くのはそのうち約30億
- 大きいモデル：Nemotron 3 Ultra。5,500億パラメータ
"パラメータ"とは、AIモデルが学習で調整する数値の数のこと。多いほど賢くなりやすい一方で、動かすのに計算機とお金がかかります。Lightningは、仕事ごとに必要な部分だけを選んで動かす作りなので、大きさの割に軽く動くわけです。
品質は、正解のレポートに必要な情報のチェックリストを、どれだけ満たせたかで測っています。学習前の品質は、Lightningが0.56、Ultraが0.87。意外だったのは所要時間で、小さいはずのLightningが1,577秒もかかり、Ultraは232秒でした。Relayの記録を調べると、Lightningは検索を平均69.7回も繰り返していたのに対し、Ultraは7.1回。小さいモデルは要領が悪く、"検索しすぎて遅い"状態だったのです。
そこで行ったのが"蒸留"です。料理に例えると、師匠（Ultra）の調理を録画して、弟子（Lightning）がそれを見ながら練習するイメージですね。
- Ultraでエージェントを動かす
- Relayで行動の記録（ATIF）を取る
- 記録を選別して、手直しする
- Lightningに追加で学習させる（学習にはNeMo AutoModelを使い、モデルの一部だけを効率よく学習させるLoRAという方法をとる）
講演で紹介されたNECの実験結果によると、学習後のLightningの品質は0.56から0.85へ。検索は69.7回から10.3回に減り、所要時間は1,577秒から約110秒と、約14分の1になりました。Ultraの約18分の1のパラメータで、品質の約98%を再現したことになります。
「大は小を兼ねる」ではなく、「小を鍛える」。行動の記録さえあれば、小さなモデルでも仕事の進め方を覚えられる。これが、セミナーで一番の発見でした。
セミナーに出てきたNVIDIAの技術
最後に、セミナーに登場したNVIDIAの技術を表にまとめておきます。
| 名前 | ひとことで言うと |
|---|---|
| NeMo Helix | エージェントの評価・改善・安全確認の基盤 |
| NeMo Studio | Helixを操作するWeb画面 |
| NeMo Relay | エージェントの行動の記録係 |
| OpenShell | エージェントの権限を外から縛る実行環境 |
| NeMo Guardrails | AIの入力と出力を検査するガードレール |
| Dynamo | 大規模な推論を効率よく回す仕組み |
| NeMo Switchyard | 仕事ごとにモデルを振り分ける仕組み |
| Nemotron | NVIDIAのオープンなモデル群 |
| NeMo AutoModel・NeMo RL | モデルを学習させるライブラリ |
ここまでが"記録して鍛える"話。続いて展示エリアでは、エージェントが3Dの世界や実物を動かす様子を見てきました。
Build-a-Clawの展示を見てきた
「Build-a-Claw」は、イベントと同時開催された体験型のプログラムです。公式の説明では、NemoClawなどを使って安全なエージェントを作る方法を、ライブデモで学ぶ場。7月に開かれた「Build-a-Claw - Tokyo」と同じ名前のプログラムですね。詳しくは、Build-a-Clawの公式ページをご覧ください。
ここでは、藤山さんの案内で回ったブースから3つを紹介します。
先に1つだけ。どのブースでも、手のひらサイズのAIコンピューター「DGX Spark」が動いていました。GB10というチップと最大128GBのメモリを積み、大きなAIモデルをクラウドに出さず手元で動かせるマシンです。この後の写真にも何度も登場するので、ぜひ探してみてください。
NemoClaw × Omniverse：話しかけるだけでデジタルツインを組み立てる
1つ目はNVIDIAのブースです。画面の左には3D空間を編集するOmniverse、右にはNemoClawのチャット画面が並んでいました。
まずは用語を整理しておきましょう。
- Omniverse：工場や建物を、見た目だけでなく物理法則ごとコンピューターの中に再現する、"デジタルツイン"づくりの基盤
- NemoClaw：自分のPCで動くAIアシスタント「OpenClaw」を、OpenShellという"柵"の中で安全に動かすためのNVIDIAのセット
ちなみに、OpenClaw自体はNVIDIAの製品ではなく、オープンソースのプロジェクトです。
デモは、すべてチャットで指示するだけで進みます。カギになる言葉が"SimReady"です。3Dモデルに重さ・材質・当たり判定などの情報を付けて、シミュレーションで使える状態にすること。見た目だけのハリボテに、重さと硬さを与えるようなものですね。
- NVIDIA日本オフィスの点群（約312万個の点で表した3Dスキャン）を置く
- 「ラップトップがあるテーブルをメッシュにして」と頼むと、点の集まりの一部が3Dモデルになる
- 設計データ（CAD）の建物を取り込み、どんなSimReadyの情報を持っているかを尋ねる
- 「さっきのテーブルも同じ状態にして」と頼むと、種類・材質・質量・当たり判定が付く。ボールを落として、物理の動きも確かめる
- フォークリフトとラックを置き、「ラックを1m動かして」と頼む
私が驚いたのは、「テーブル」としか言っていないのに、どのテーブルのことかを文脈で判断してくれる点です。説明員の方いわく、1年前にはできなかったそうです。
安全面の仕掛けも見せてもらいました。外部のサイトにアクセスさせようとすると、「403 Forbidden」で拒否されます。NemoClawは、許可した相手としか通信できないのが基本。これがOpenShellの"柵"の効果なのです。
構成は、ワークステーション1台とDGX Spark。DGX Spark上でNemotronを動かしているので、会場のネット回線がなくても最後まで動くそうです。クラウドに切り替えることもでき、速さを取るならクラウド、情報を外に出したくないならローカルと、使い分けができます。
Omniverseで点群やモデルをSimReadyにするのは、使い方を知らないとかなり難しい作業です。説明員の方も、新しい機能を理解するだけで2日ほどかかったそうです。それが言葉だけで進むのは、3Dの敷居を一気に下げると感じました。
マクニカ：声で動く、シルバニアファミリーの部屋
2つ目はマクニカのブースです。目に飛び込んできたのは、3Dプリンターで作った白い部屋に、かわいらしい家具が並んだミニチュアでした。
「シルバニアファミリーみたいですね」と言ったら、本当にシルバニアファミリーでした！！ 最先端のAIデモで、まさかこの家具に出会うとは・・・。
部屋には、ファン、カーテン、照明、温湿度と気圧を表示する液晶、時計が付いています。これを、声で動かすのです。
- 「暑いから涼しくして」と話しかけると、ファンが回る
- 「部屋が暗いから明るくして」と話しかけると、照明がつく
- 「カーテンを開けて」と話しかけると、カーテンが開く
カーテンは、私も話しかけさせてもらいました。「カーテンを閉めて」と言うと、実物のカーテンが閉まり、画面の中のデジタルツインのカーテンも同じように閉まります。
仕組みはこうです。マイクの声をWhisperという音声認識で文字にし、NemoClawのエージェントがどうするかを判断。マイコンを通して、ファンやカーテンのモーターを動かします。
判断に使うAIモデルは、セミナーにも登場したNemotron 3.5 Lightning。DGX Sparkを2台使い、1台をAIモデル用、もう1台をエージェントとOmniverse用に分けています。すべて会場の中で動いているので、家のデータを外に出さずに済むわけです。
作り方も面白くて、先にデジタルツインの中でほぼ完成させ、エージェントに覚えさせる操作の手順、いわゆる"スキル"もそこで作ってから、3Dプリンターで実物に移したそうです。"Sim-to-Real"と呼ばれる作り方で、手戻りがぐっと減るんですね。
狙いは、家のその先にあります。説明員の方によると、家を工場に広げれば、マネージャー役のエージェントがセンサーを見ながら機械を制御し、「このラインのロボットを止めよう」まで一気通貫でこなせるようになるそうです。このデモは、その第一歩という位置づけでした。
見た目はかわいいのに、中身は工場の制御そのもの。小さくまとめていますが、広げれば同じことができます。機械設計者として、Sim-to-Realで手戻りを減らす作り方にも惹かれました。
クラスメソッド：NeMo Switchyardで"賢い振り分け"
3つ目はクラスメソッドのブースです。テーマは、セミナーでも名前が出たNeMo Switchyard。
Switchyardは、NVIDIAがオープンソースで公開している、仕事ごとに使うモデルを振り分ける仕組みです。ジャッジ役のAIが依頼を読み、安くて軽いモデルで足りるのか、強いモデルが必要なのかを判断します。
例えるなら、病院の総合受付。症状を聞いて、近所のクリニックで済むか、大きな病院に回すかを決める役割ですね。全員を大病院に回していたら、いくらお金があっても足りません。
当日は、次の3つのモデルを組み合わせていました。
- ジャッジ役：Nemotron 3.5 Lightning（DGX Spark）
- 軽いモデル：Qwen3.8（DGX Spark）
- 強いモデル：Kimi K3（クラウド）
Slackから「おはよう」と送ると軽いモデルが、「事業戦略を考えて」と送ると強いモデルが呼ばれます。コーディングのような大きな仕事では、計画は強いモデル、実装は軽いモデルと、途中で分担が切り替わることもあるそうです。
ダッシュボードには、展示での当日の集計が出ていました。31件の依頼で、実際にかかったコストは0.60ドル。全部を強いモデルに投げていたら2.67ドルだったので、約77%の節約です。しかも、依頼の68%は軽いモデルだけで片付いていました。
振り分けは、実際の出力を見ながらフィードバックを重ね、日々調整してきたそうです。社員全員に高額なAIのサブスクリプションを配れない会社でも、モデルの使い分けを意識せずに使える。ここが一番の使いどころだと教えてもらいました。
ちなみに、セミナーで紹介されたRelayは、このSwitchyardに"仕事の難しさの手がかり"を渡す役も担います。記録係と受付係がつながれば、振り分けはもっと賢くなるのではないでしょうか。
これはすごく実用的だと感じました。AIの利用料は、使う人が増えるほど効いてきます。"どのモデルに投げるか"を毎回考えなくていいのは、会社で使ううえでかなり大きいはずです。
3つのブースを回って、強く感じたことがあります。
参加してみた感想
AIエージェントは、"作れるか"の段階から、"安く・安全に回せるか"の段階に入りました。記録して鍛える（Relay・Helix）、柵で囲う（NemoClaw・OpenShell）、賢く振り分ける（Switchyard）。どれも、エージェントを現場で回すための道具でした。
どのブースでもDGX Sparkが動いていました。全部を手元で完結させる構成もあれば、クラウドと使い分ける構成もある。工場やオフィスで使うなら、データを外に出さない"手元で完結"を選べるのは大きな安心材料です。
マクニカのデモは、ものづくりの現場にいちばん近い未来でした。声で家を操作できるなら、工場のラインも同じ考え方で扱えるはずです。
一方で、気になった点もあります。NeMo Helixは2026年11月時点でプレビュー版、Relayもベータ版、NemoClawはさらに初期のアルファ版です。すぐに本番の業務へ入れるというより、これから育っていく段階の道具と見ておくのがよさそうです。
また、NECの数値は1つの題材で試した結果で、クラスメソッドの約77%の節約も、展示当日の31件の集計です。自分の仕事に当てはまるかどうかは、自分のデータで確かめる必要があります。
技術の勢いはすごい。だからこそ、"どこまで任せられるか"を見極める目が、使う側にも求められていると感じました。
おまけ：ノベルティもいただきました
ノベルティとして、NVIDIAのロゴ入りのコーデュロイのキャップと、ロゴ柄の靴下をいただきました。これで頭のてっぺんから足の先まで、NVIDIAで固められます。前回、バッグもいただいているので全身NVIDIAマン誕生まであと少し！？次回はズボンをください。
まとめ
本記事の内容を復習しましょう。
- Agentic AI Day Japan 2026は、AIエージェントをテーマにしたNVIDIAの開発者向け招待制イベント
- NeMo Relayは、エージェントの行動を共通の形式で記録する"ドライブレコーダー"。NeMo Helixは、その記録でエージェントを評価・改善・安全確認する基盤
- NECは、Relayで集めたUltraの行動記録でNemotron 3.5 Lightningを学習。品質は0.56から0.85へ、所要時間は約14分の1に
- NemoClaw × Omniverseでは、話しかけるだけで点群からSimReadyのデジタルツインまで組み上がった
- マクニカは、声で部屋を動かし、実物とデジタルツインが連動するデモ。工場への第一歩
- クラスメソッドは、NeMo Switchyardで仕事を振り分け、当日の集計でコストを約77%削減
AIエージェントは、"作る"から"現場で回す"へ。その変化を肌で感じた1日でした。あなたの職場でも、記録して、鍛えて、賢く振り分ける。そんなエージェントの使い方を、ぜひ考えてみてください。
最後に、ご招待いただいたNVIDIAの皆さま、ブースを案内してくださった藤山さん、丁寧に説明してくださった説明員の皆さまに、改めて感謝します。
