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）
人手が不足しているが、候補者の採用を進めても、非ITの上層部を説得できず採用につながらない。IT部門も候補者のスキルや知識を十分に把握できていない。こうした状況で活用できる質問例を紹介する。
人手は不足しているものの、いざ採用面接の段になって、IT部門側が候補者のスキルや知識を十分に理解しきれるか不安を感じる場合がある。こうした状況に備えて使える質問例を紹介する。
AIエージェントの活用が進む中、専門家はIT部門のリーダーに対して「IT部門の将来的な変化に備える必要がある」と指摘する。具体的に何をすればいいのか。
Googleの調査によれば、開発者の9割がAIツールを利用している一方、以前よりもAIツールに対する信頼度が低下した。生産性は上がっているのに安定性や信頼性の向上が追い付かないのはなぜか。
AI技術の利用が広がっているが、その効果をいかに測定して進展度や課題を把握するかが重要だ。日立製作所とGen-AXが共同開発したモデル「MA-ATRIX」を使えば、何ができるのか。
データセンターやネットワークの保守、点検を担うフィールドエンジニア不足が深刻化している。人材の離職防止や定着に向けた施策にはどのようなものがあるのか。ある企業の取り組みを紹介する。
AI技術の進化と普及が進む中、AI関連の資格保有者の市場価値が高まっている。AWSの新しいAI認定資格の概要と、試験合格に向けた効果的な学習法を、筆者の体験談から紹介する。
AIエージェントの能力を拡張するMCPは強力だが、MCPサーバの管理は一筋縄ではいかない。デプロイや運用時のよくある課題と、それらを回避するためのベストプラクティスを紹介する。
職場でのAI活用が進む中、従業員の75％が「AIエージェント」との協働を歓迎する一方、管理される立場には抵抗感を示す。この対照的な反応の背景には何があるのか。
AIエージェントに開発を任せる「バイブコーディング」が新たな開発手法として広まりつつある。しかしその裏には、AIエージェントが暴走して致命的な事態を招く危険性もある。このリスクにどう向き合うべきか。
人工知能（AI）技術の利用に関して経営幹部とIT幹部の認識が合わない――。ITベンダーKyndrylの調査で、両者間の複数のギャップが浮き彫りになった。具体的な認識のずれとは何か。
生成AIアプリケーションの構築における柔軟性や拡張性の点で「LangChain」が注目を集めている。LangChainを開発現場で活用するための応用方法と、導入時のベストプラクティスを紹介する。
製造業では、作業の自動化や予測精度の向上など、さまざまな場面で生成AIの導入が進んでいる。どのような効果が期待できるのか。具体的な利用方法を見てみよう。
人工知能（AI）技術がビジネスに浸透しつつある中、人間へのさまざまな悪影響が指摘されている。ところが、PwCの調査で明らかになったのは「給与が増える」ことだ。どういうことなのか。
単なる業務効率化にとどまらない「AIエージェント」の本質的な価値とは何か。PoCから実運用へと進めるための勘所とは。AIエージェントを展開するAIベンダーPKSHA Technologyに聞いた。
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。
企業がAI技術を活用する上で、データの取り扱いや説明責任といったプライバシーに関する懸念の解消は重要な課題だ。AI技術の恩恵を最大化し、安全かつ倫理的に活用するために、今すぐできる7つの施策を紹介する。
最近、組織で急速に広がる生成AI。投資が大きくなるにつれ、そのビジネス価値が問われる。期待外れにならないようにするために、組織が検討すべきROI測定方法と、“真の効果”を享受するための施策とは。
AI技術を活用してイノベーションを生み出そうとしているのにうまくいかない原因は、データの分断や管理の複雑さにある。クラウドサービスやオンプレミスシステムに点在するデータを一元化できる基盤の構築法とは。
AI技術が生み出す不確実な情報やシステム設定ミスは、AI技術を活用する上での大きな課題だ。実務におけるAI技術活用の3つのリスクと、それらを解消してAI技術を安全に活用するための施策を解説する。
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。
