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）
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。
Google Cloudは、本番運用を前提としたAIエージェントの設計、評価、展開を支援するドキュメント群を公開した。PoC段階からROI重視へ移行する中、安全に運用するための具体的な指針を示している。
「AIシステムを導入したが、結局どれだけ得をしたのか？」という経営層の問いに、あなたは答えられるだろうか。AI技術の活用で“確実に成果が出る”10個の領域と、AIの導入効果の算出方法を公開する。
小売業に課せられている「厳格な温度管理」。人手不足に喘ぐ現場で、150台もの温度計を巡回するアナログ運用はもはや限界だ。ベイシアが決断したIoT導入の裏側を読み解く。
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、機械学習モデルの納品後に精度が低下した場合の対処法についてです。
かつてストレージのメイン技術だった磁気テープは、SSDとHDDに取って代わられたように見える。しかしテープは“枯れた技術”ではない。テープが根強く使われ続けるのはなぜか。
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。今回は最初のAIブームで注目された探索・推論型AI製品の特徴を押さえます。
従業員のデータ活用を推進するときに課題となるのが、データ分析スキルの不足とBIツールのコスト増加だ。コクヨはこれらの課題を解消するために、AIエージェントを構築した。同社のAIエージェントの活用方法とは。
クラウドオブザーバビリティツールは、システム監視の枠を超えて業務・財務領域での活用が進んでいる。オブザーバビリティツールを使い、ユーザー体験の向上やコスト削減を実現した事例を紹介する。
AIによる顧客対応が、顧客満足度の向上や企業の利益増加に必ずしも結びついていないという見方がある。顧客対応にAIを使っている企業はどのような点に注意すればいいのか。
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。
名古屋市教育委員会は、小中学校などで使用する公務システムを、オンプレミスインフラからAWSで構築したクラウドインフラに移行した。クラウド移行の狙いと、“止まらないシステム”を構築するための工夫とは。
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。
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。
