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活用が進む一方、環境構築に悩む企業は多い。クラウドは安全性とコスト、オンプレミスでは人材不足が課題となるからだ。こうした中、クラウドサービスの利便性を維持しつつ、オンプレミスのような制御が可能な、新たな選択肢が登場した。
「AI技術を活用したデータ分析」の仕組みを構築する際、企業はどのようなポイントでつまずきやすいのか。AIモデル開発で定番の課題とその解決法を、AI専門家の大西 可奈子氏と考える。
膨大なハイパーパラメータの探索や巨大なAIモデル学習用のアルゴリズム実装に加え、稼働させるGPUの並列化やスケジューリング、共有環境の整備はAIモデル開発の悩みの種だ。打開策はあるのか。AI専門家の大西 可奈子氏と議論する。
ITを使ったビジネスの進展により、企業が活用するアプリケーションの数は急増している。パブリッククラウド並みの迅速性を持ちながらもエンタープライズ用途としての信頼性があるIT基盤が必要だ。その解決策とは。
さまざまな企業がAI技術を自社の業務や事業に役立てる方法を考え始めている。AIモデルの構築や、学習に必要なデータとインフラの調達はどのように進めるべきなのか。国内企業のAI活用の具体例と共に解説する。
「生成AI」が台頭し、世界中で活用が進みつつある。企業は生成AIをビジネスにどう役立てることができるのか。活用のためのポイントと、具体的な利用例を説明する。
ビジネスのデジタル化が加速するにつれ、データを処理するコンピューティング性能への要求も高まっている。そこで注目を浴びているのが、CPU、GPUと並ぶプロセッサだ。どのような役割を持ち、どのような効果をもたらすのか。
人工知能（AI）技術をビジネスに取り入れるためには、データ分析やAI技術の専門家が必要となる。そうした人材を確保することが難しい企業でAI技術を活用するための方法を紹介する。
「ディープラーニング（深層学習）」の活用に踏み出そうとする動きが広がっているが、自社で実装するにはハードルも高い。どうすればディープラーニングの恩恵をスムーズに享受できるのか、その最適解を探ってみたい。
第3次AIブームが起こっているがAIをビジネス活用できている企業は少ない。その理由はAI活用を始めようとする企業がつまずく「3つの不足」にあるという。
日本生命保険は40年以上IBMメインフレームを活用し、今回、新たに災害対策用として新モデルを採用した。同社のIT基盤を支える2社にこれまでの歴史と採用の理由を聞いた。
「Skype for Business」を使ったビデオ会議では、操作に手間取り、時間を無駄にすることも少なくない。そこで、このような無駄をなくしたい企業に最適なSkype for Business専用デバイスを紹介する。
デスクでの作業がPCだけで済むケースは少ない。特にコールセンターでは問い合わせ対応のため、オペレーターの作業スペースには製品マニュアルや実物の商品が置かれることさえあり、既存のデスクトップPCでは手狭であった。
設計／開発部門で利用される3D CAD／CAEソフトには高機能なワークステーションが必須であり、新しいIT技術を活用しにくい状況にあった。これを打破するのが「CAD on VDI」である。現場業務はどう変わるのか。
設計、試作の3D化や映像制作の高クオリティ化によって現場で求められる作業用コンピュータの要件も変化している。必要なのは高性能と高信頼を誇るワークステーションだ。
システムインテグレーターのDTSは、オープンソースソフトウェア（OSS）を活用してBIツールなどの製品を開発している。避けては通れないOSSライセンス違反のチェックや脆弱（ぜいじゃく）性検査を同社が効率化できた要因は何だろうか。
ソフトウェア開発において開発時間の短縮が急務になっている。だが、従来手法ではテスト効率化に限界が。今必要なのは「本当にテストが必要な場所」を提示できるツールだ。
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。
NVIDIAは2025年のGTCでGPUのロードマップを公開し、「Blackwell Ultra」や「Vera Rubin」をはじめとする新製品群を発表した。同社はAI市場のニーズにどう応えていく計画なのか。
2025年4月、Dell TechnologiesはAIデータセンター向けの新製品群を発表した。これはNVIDIAとの協業に基づいて構築されるAIインフラでも活用される製品群だ。Dellが目指す今後のAIインフラの在り方とは。
日本IBMはAIの本番展開について、IBMならではの考え方について詳細に解説し、基盤モデルに関しても規模拡大に頼らない現実路線を打ち出した。
生産性向上や後継者問題に生成AIを活用したいが、そもそも基幹システムであるIBM i と連携させられるのか。業務のノウハウはどう継承すればいいのか。技術者不足で新たな挑戦が難しい状況も何とかしたい……と悩む企業の解決策とは。
生成AIは業務効率向上に役立つが、セキュリティやハルシネーションの懸念が付きまとう。ビジネスでの利用において課題となるこれらの懸念を低減するAcrobat AIアシスタントを選べば、ドキュメントの山が「自社の情報資産」に変わる。
Baidu（百度）が発表した推論モデル「ERNIE X1」は、DeepSeek-R1と同等性能でありながら利用料は半額だという。ただ、一部の専門家は懐疑的な見方を示す。
日本IBMは、AI戦略についての説明会を開催した。基盤モデル「Granite 3」への取り組みや、“IT変革のためのAI活用”に関する最新状況が紹介された。
Officeアプリケーションの作業効率を飛躍的に高めるとして注目を集めている「Microsoft 365 Copilot」。利用企業は増加しているものの、課題を訴える企業もある。それをどうやって解決すればよいのだろうか。
AI活用やDX推進を担う人材の確保に悩む多くの企業が、「データ人材育成の方針」を明確にできていない。ただ研修を実施するだけでは効果的な育成につながらないという現実を前に、事業成長に生きる人材育成はどうあるべきか？
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。
