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エージェントが企業の関心を集めると同時に、その課題も浮き彫りになっている。現場で成果を上げるAIシステムとは、具体的にどのようなものなのか、
MetaのCEOマーク・ザッカーバーグ氏は、同社が開催したイベントで「AIコーディングの将来像」について語った。その見解に対しては、ソフトウェア開発の将来にリスクをもたらすものだという見方もある。
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。
産業界ではAI技術による自動化、クラウドサービス、5Gなど高速通信の融合が進んでおり、有識者は「新たな変革が迫っている」と分析する。産業界で今起こっている8つの変化を紹介する。
偽情報や不適切コンテンツを排除するため、ソーシャルメディアを中心にコンテンツモデレーションの活用が浸透している。その一端を担っているのがAI技術だ。「AIモデレーション」の仕組みと、6つの手法を解説する。
AIモデルを外部のデータソースと連携させるプロトコル「MCP」を活用することで、AIアプリケーション開発にどのようなメリットが生まれるのか。その基本的な仕組みから実装例までを解説する。
企業におけるAI導入が進んでいるものの、その導入状況や受け入れ意識は職場によってばらつきがあるようだ。調査で見えたAI導入の意外な実態や、従業員の本音を紹介する。
「RPA」と「AIエージェント」はどちらも業務自動化に役立つ技術だが、それぞれ異なる特徴を持つ。10個の視点で両者を比較する。
技術の進化でネットワークの運用管理が複雑化し、頭を抱える組織もあるだろう。その有効な解決方法の一つが「AIOps」の採用だ。AIOpsはどのようなもので、誰に必要なのか。
Microsoftは同社の開発ツールに生成AIを導入し、開発工程を自動化するだけではなく、非エンジニアがAIエージェントを開発できるようにしている。この戦略は人間のエンジニアにどのような影響をもたらすのか。
RPAとAIエージェントはどちらも業務自動化に役立つ技術だが、それぞれ得意分野と限界がある。業務の特性に応じたRPAとAIエージェントの使い分け方を整理する。
米国の研究チームが、せん妄の高リスク患者を早期に特定するAIモデルを開発した。患者に関するさまざまな情報を解析する「マルチモーダルAI」を開発した研究の内容と成果を紹介する。
「RPA」と「AIエージェント」はどちらも業務効率化に役立つ技術だが、それぞれの特徴を正確に理解している人はどれだけいるだろうか。両者の基本的な仕組みを解説する。
AIエージェントやAIチャットbotの開発を進める上で理解が必要なのが、人の話し言葉を理解するための技術「自然言語理解」（NLU）だ。本稿を通じて、NLUの仕組みと具体的な活用例を学ぼう。
Perplexityは、単なる検索エンジンにとどまらず、幅広い用途に活用できるAIツールだ。代表的な活用例を7つ紹介する。
1930年代から始まった人工知能（AI）技術の歴史はどのように変遷したのか。2015年から2018年に焦点を当てて、その変化を紹介する。
AIエージェントの活用が進む中で、企業はその「実力」と「限界」を正しく見極めることが需要だ。導入前に押さえておきたいAIエージェントの動向を、4つの視点で読み解く。
2025年は、AIエージェントの開発や導入がいよいよ本格化すると見込まれる。具体的にどの領域で活用が進むのか。RPAとの違いにも触れながら、AIエージェントがこれからどのように使われていくのかを探る。
AMDはGPU管理ソフトウェアベンダーと提携し、同社のGPU「AMD Instinct」でAIモデルを実行する際のワークロード管理と性能向上を図る。データセンターにはどのようなメリットがあるのか。
少ないデータでAIモデルを訓練する「フューショット学習」が、AI開発の課題を克服する手法として注目を集めている。その利点と課題をおさらいしよう。
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。
