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）
複数のAIエージェントが連携してタスクを遂行する時代に向けて、Googleはオープンプロトコル「Agent2Agent」（A2A）を発表した。その技術的な要点と、活用例を解説する。
LLMをPCで動かす時代が来た。実際にIT記者がローカルPCで複数のLLMを検証してみた。ハードウェアの最適な構成を探った内容と併せて紹介する。
AI技術向けのプロセッサとしてはGPUがあるが、近年注目を集めるのが「FPGA」だ。そのメリットとデメリットを解説する。
顧客体験向上のために人工知能（AI）技術利用に力を入れる英国の航空会社Virgin Atlantic Airways。同社はどのような方針で製品を採用しているのか。
企業がAI技術の導入に意欲を示す一方で、「スキル不足」が大きな障壁となっている。AWSは英国で10万人規模のAI技術活用スキルの教育プログラムを展開し、この課題の解消に取り組む。その狙いは何か。
人工知能（AI）技術の利用が広がっているが、うまくいかないケースもある。英国の航空会社Virgin Atlantic Airwaysはどのようにして失敗を避けたのか。同社のAI統括者に聞いた。
Microsoftは、年次開発者イベント「Build 2025」でWindowsへのAI技術の全面的な統合を打ち出した。AI開発基盤「Windows AI Foundry」とは何か、「MCP」をWindowsに統合した狙いについて解説する。
AI搭載検索エンジン「Perplexity」は、検索機能にとどまらない幅広い機能を提供する。使いこなすために知っておきたい主要機能と、限界およびリスクをまとめて紹介する。
NVIDIAは2025年のGTCで「Llama Nemotron」「Cosmos Reason」をはじめとする新製品群を発表した。激化するAI開発競争を生き残るために同社が打ち出した戦略とは。
膨大なデータを抱えていながら、その大半を活用できないまま“塩漬け”にしている状態は、企業に共通する悩みだ。この「宝の持ち腐れ」状態を、AI技術で解決しようとするスタートアップの事例を紹介する。
自律的にタスクを遂行する「AIエージェント」への期待が高まっている。一方で、高額な投資に見合う成果を得られずに悩む企業が後を絶たない。導入を成功させるために検討しておくべきこととは。
個人の再犯や殺人を予測するツールの運用、開発を進めている英司法省。だがそれらのツールは、“偏ったデータ”に基づいて人種的マイノリティーの人々を不当に危険視する恐れがあるという。根本的な問題点とは。
自然言語で「こうしたい」と伝えるだけで、AIがコードを書いてくれる「バイブコーディング」。そのまま使って本当に問題ないのかという懸念はあるが、筆者がその実力を実際に使って試してみた。
不動産運用投資会社が、自社が運営する駐車場の需要予測を通じて利用を最適化し、全体利益を15％向上させた。需要予測システムをどのように構築したのか。
人工知能（AI）の活用が社会や業務のさまざまな場面で広がる一方、誤情報の生成や情報漏えいのリスクなどの課題もある。信頼できるAIシステムを構築するために企業が取り組むべき施策とは。
英国のLloyds Banking GroupはAI技術活用のためのシステムを「Google Cloud」に移行し、全社的な活用を加速させている。同行が考える、全社的なAI技術活用の「成功の鍵」とは。
配車アプリケーションを開発するGrab Holdingsは人工知能（AI）の活用を本格化させている。AI活用によって、ユーザーはどのようなメリットを得られるのか。Grab HoldingsのAI戦略を説明する。
人工知能（AI）技術の利用が広がる中、どうビジネス価値を生み出すかが課題になっている。先行して取り組んでいる米国の組織はAI技術をどう利用しているのか。具体例を紹介する。
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。
