人工知能（AI）は、人間の知能の機械的な再現だ。AIの構成要素としては、自然言語処理（NLP）や音声認識、マシンビジョンなどが存在する。（続きはページの末尾にあります）
ウエルシア薬局が約2000店舗にAI音声薬歴システムを導入した。接客対話を録音して自動で要約作成することで、1回あたり50秒の作業短縮を実現。現場の入力負担を激減させた店舗DXの具体策に迫る。
デジタル銀行のNubankは、AIエージェントの出荷、改善速度を20倍に高める「SimulationMaxxing」の手法を紹介している。従来数週間かかっていたA/Bテストや評価サイクルを短縮、顧客満足度（TNPS）を向上させた。
Uber Eatsは、世界中の加盟店が掲載する料理画像を選別、補正、評価する複数のAIエージェントを運用している。AIエージェントには、人間の介入なしで挙動が常に最適化する仕組みが備わっている。その裏側は。
食品業界における需要の読み違えという深刻なリスクに対し、井村屋グループは長年依存してきた「熟練者の勘」を見直した。AWSでAI需要予測ツールを構築し、どのように手作業による属人化から脱却したのか。
AIエージェントの「自己改善」や、処理を繰り返す「ループ」への関心が高まっている。本稿は、自己改善で無駄なトークン消費を防ぎ、AIシステムの品質を継続的に高める方法を紹介する。
外部データを取り込んでAIモデルの精度を上げるRAGは、頻繁な情報更新が発生する状況では運用負担が重くなる弱点がある。トヨタ北米法人は販売店向けAIツールにおいて、この壁をどう克服しようとしているのか。
AWSは、顧客企業の現場でAIエージェントを共同開発するFDE部門の設立を発表した。10億ドルを投じ、試作から本番導入、自社運用への移行までを支援する。
1秒間に110万件以上のデータが飛び交うF1は、その複雑さから新規ファンを獲得しにくい悩みに直面していた。この状況を打破したのが、AWSの機械学習とデータ処理システムだ。過酷なレースの裏側とは。
ブラックフライデーセールなどの急激なトラフィック増に対し、負荷検出後のシステム拡張では限界がある。Amazon.comは機械学習を用いて、いかに数千のサービスを事前拡張しているのか。
Nianticは「Pokemon GO」の人気機能において、参加率の数値を追い求めた結果、街が同じキャラクターだらけになるという致命的な問題に遭遇した。データへの過信が招くリスクに、同社はどう立ち向かったのか。
日々の会議やチャット、顧客対応から生じる膨大な「業務データ」。その多くは活用されず、価値のない“排ガス”として捨てられている。本記事では、Lenovoの事例を交え、AIを用いてこれらのシグナルを具体的な意思決定につなげる手法を詳説する。
せっかく導入したAIエージェントで成果を挙げるにはどうすればいいのか。Anthropicは、AIエージェントを“ただ作る”のではなく、“スキルを作る”重要性を説く。実は、この開発思想は情シスにも関係がある。
状況が変動する配車市場において、働き方に悩む運転手と、複雑な予約操作に疲れる乗客。これらの課題をまとめて解消するために、Uberは「OpenAI」の技術をどのように活用しているのか。
企業が意欲を持ってAIツールの導入に取り組んでも、なかなか成果が生まれないギャップがある。独自の強みを築く自社開発か、速度を優先した既製品の購入か。企業が持つべき7つの判断指標とは。
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回は、AIモデルの開発から運用までを連携し、システム導入後も継続的な改善を回す仕組みである「MLOps」について解説します。
従業員が社内規定や資料を探す際、どこに何があるか分からなくなる課題を抱えていた大豊建設。AWSに独自の生成AIを構築し、検索の手間を劇的に削減した。システムの構成と、現場に定着させるための工夫を紹介する。
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回は、AIプロジェクトを成功に導くために欠かせない、適切な人員体制と役割分担について取り上げます。
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回は、AI開発やデータ分析を外部委託する際に押さえておきたい「契約形態の違い」に注目します。
レガシーなシステムの移行やモダナイゼーションを自然言語で効率的に実施したい――。この期待に応えるのがAWSの「AWS Transform Custom」だ。同サービスで実際に成果を出した事例を紹介する。
深刻な労働力不足とコスト高騰に喘ぐ山星屋は営業担当者300人を単純作業から解放し、提案の質を底上げするAIエージェントを投入した。その具体的な仕組みとは。
ベンダーが広報や販促活動の中で“AI”と呼んでいるものは概して、単にAI技術の一要素にすぎない。主なAI技術である機械学習を利用するには、機械学習アルゴリズムの作成や、機械学習のための専用のハードウェアとソフトウェアの調達が必要だ。機械学習ベースのAIシステムの開発に利用できる主なプログラミング言語として「Python」「R」「Java」などが挙げられる。
機械学習ベースのAIシステムは、ラベル付けされた大量の教師データを取り込み、データを解析して相関関係やパターンを調べ、見つけ出したパターンを使って将来の状態を予測する。例えば機械学習モデルを備えたチャットbotに複数のチャットのテキストを与えて学習させることで、人とリアルなやりとりができるようになる。同じく機械学習モデルを備えた画像認識ツールに何百万枚もの画像を学習させることで、画像の中の物体を識別して説明できるようになったりする。
「学習」「推論」「自己修正」の3つが、機械学習ベースのAIシステムが備える主要な機能だ。
複数の教師データを基に、入力データを実用的な情報に変換するためのルールを作成する。このルールはアルゴリズムと呼ばれる。
望ましい結果に到達するために、正しいアルゴリズムを選択する。
アルゴリズムを継続的に微調整し、可能な限り正確な結果を提供できるようにする。
AIシステムを利用することで、ユーザー企業は自社の業務について、これまで気付かなかった洞察を得ることができる可能性がある。場合によっては、AIシステムは人間よりも高速かつ正確にタスクを実行できる。例えば大量の法的文書を分析し、それぞれの項目が適切に記入されているかどうかを確認するといった、反復的で細かい作業に適する。
一部の企業はAI技術によって新しいビジネスチャンスを得た。例えば米国でタクシー配車サービスを手掛けるUber TechnologiesはAIシステムを活用し、特定の地域で乗客の需要が高まるタイミングを予測することで、事前にドライバーをその地域に送り込んでいる。Googleは自社サービスの利用状況を基に、AIシステムで洞察を得て改善することで、オンラインサービスの最大手の一つになっている。同社のCEOであるサンダー・ピチャイ氏は2017年、同社が新サービスの開発にAI技術を積極活用する「AIファースト」企業になることを宣言した。
Amazon Web Servies（AWS）やMicrosoft、Googleなどのクラウドベンダーは、AIモデルやAIアプリケーションをクラウドサービスとして利用できるAIaaS（AI as a Service）を提供している。AIaaSは、ユーザー企業がデータで何ができるかを判断するのに役立つ。本格的にAI技術を導入する前に、さまざまなベンダーのAIモデルやサービスをテストすることで、どの技術や機能が自社に適しているのかを判断できる。自社の要件に合わせてスケーリングできるAIaaSが見つかったら、利用規模に合わせてリソースを拡張できる。
AIaaS市場には、さまざまなベンダーが存在する。以下で主なAIaaSベンダーの一部を紹介する。
ITmediaはアイティメディア株式会社の登録商標です。
