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）
Googleは、データ分析基盤「BigQuery」に新たなAI機能「Data Engineering Agent」を追加した。データパイプラインの設計や変更、品質チェック、トラブルシューティング を支援し、属人化しがちなデータ基盤運用の標準化と効率化を狙う。
Googleは、クラウドやAI分野の学習を支援する学習基盤「Google Skills」を公開した。従来の「Google Cloud Skills Boost」などを統合し、約3000本のコースやハンズオンラボを一元的に提供する。
Salesforceは同社の年次イベントで、AIプラットフォーム「Agentforce 360」と「Data 360」、さらにSlack連携AIエージェント群を発表した。Slackとともに、企業の業務効率化とデータ活用の高度化を目指すという。
ソニー銀行と富士通は、勘定系システムの全機能開発に生成AIを適用し、開発期間の20％短縮を目指す。複雑なシステム開発を効率化し、顧客ニーズへ迅速に応える新サービスの提供を加速させる狙いだ。
AIエージェントの導入が進む一方で、期待した効果を得られない企業もある。成果を引き出すには、既存業務への後付けではなく、人とAIの協働を前提に業務プロセスの再設計が欠かせない。
年間20万時間を削減したエールフランス-KLMが、既存RPAボットの進化に挑む。自律判断するAIエージェント技術の導入で、自動化はどう変わるのか。
人手不足や働き方改革を背景に、現場でのスキル継承が課題となる中、ClipLineはサービス業の暗黙知を形式知化する「ABILI Clip」にAI機能を追加した。実証実験には銚子丸などの企業が参加した。
製造業は厳しい競争を生き抜くために、効率性の向上やコスト削減が喫緊の課題だ。そのためには、生成AIツールの利用が有効になる。具体的な活用方法とは何か。
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。
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。
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。
多様なAIエージェントツールが登場する中で、最適なツールの選定に頭を悩ませる企業は少なくない。Adobe Summit 2025で発表されたユーザー企業の取り組みを基に、AIエージェント導入のヒントを探る。
企業は「生成AI」を人材不足解消にどう役立てているのか。JR西日本のAIアプリケーション内製開発や、北海道文化放送の「Amazon Bedrock」活用、静岡銀行のAIチャットbot導入などの事例を紹介する。
シンガポールの駅の地下街に、ハイテクな小売店舗のスペース「Hive 2.0」が誕生した。レジ不要のセブン-イレブン店舗が出店し、ロボットによる配送サービスも提供している。
サステナビリティ（持続可能性）推進に悩む企業にとって、AIツールは課題解決の一つの手段となる。その具体的な機能や活用方法とは。Subwayの導入事例と併せて紹介する。
創薬プロセスにAIツールを活用する中外製薬の事例や、生成AIのハルシネーションを解決する大阪市の取り組み、日本オラクルのAI戦略など、AI技術関連の主要なニュースを紹介する。
「ChatGPT」を開発したOpenAIのサム・アルトマンCEOは、AI技術の規制に賛成の姿勢を示している。その理由はなぜか。議論が始まるAI技術の規制案を紹介しつつ、必要な規制とは何かを考察する。
みずほフィナンシャルグループは富士通と共同で、システム開発分野で「生成AI」（ジェネレーティブAI）を活用する実証実験に着手した。具体的な狙いは何なのか。
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。
