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コーディングが普及した結果、非エンジニアでも手軽にソフトウェア開発に参入できるようになった。しかし、開発の効率化や高速化といったメリットと引き換えに、開発の現場はさまざまな代償に直面しているという。
企業の生成AI導入が急速に進む一方で、既存ネットワークの限界という深刻な痛みが立ちはだかっている。AIツールを介した機密データの漏えいや処理遅延など、見過ごせないリスクをどう乗り越えるべきか。
AIツールによる障害への対処に期待が高まる一方、検証では原因特定の精度は低いという結果が出た。この課題に対し、IBM Researchが開発したオープンソース評価ツールと、特定精度を95％に改善した手法を解説する。
生成AIの台頭でソフトウェア開発は容易になったが、システム全体の複雑性は増大し、運用は困難を極めている。Googleエンジニアディレクターが提唱する、ブラックボックス化したシステムに立ち向かう手法を解説する。
Googleは、「AI Studio」がアプリの試作用途から本番アプリの開発基盤へ進化していると明らかにした。音声入力で、非エンジニアでもアプリを構築できる環境が整備された。企業のIT部門が留意する点は何か。
自律的にソースコードを生成するAIエージェントが、人間のプログラマーの役割を奪うとの予測が広まっている。これに対してThe Linux Foundationは、実装をAIに委ねることで生じる“代償”への注意を促す。
AIによるUCaaSの進化は業務効率を劇的に高める一方、規制業界ではコンプライアンスが大きな障壁となる。AI特有の「ブラックボックス化」や誤情報のリスクをどう制御し、安全に革新を取り入れるべきか。
AI技術の進化でインフラ管理者の仕事は本当に奪われるのか。基礎技術に対する理解が不足していれば、想定外の障害やAIの「幻覚」に対処できず、致命的な事態を招きかねない。今、管理者に求められる役割とは。
ガートナーは、2028年までに企業向け生成AIアプリケーションの25%が、年5件以上のセキュリティインシデントを経験するとの予測を発表した。情シスリーダーが今すぐ設定すべき「ガードレール」と警戒すべき領域とは。
生成AIの普及により、企業がソフトウェアを内製化しコスト削減を実現する動きが広がっている。一方製造業でその動きをそのまま当てはめると様々な問題が発生する可能性がある。問題と対策を整理する。
OpenAIは、自社プラットフォーム上で探索とリーズニングを実行する社内用のAIデータエージェントを構築し、運用している。その内容は。
リバースエンジニアリングに生成AIを活用することで、レガシーシステムの仕様を明らかにする作業を効率化できる可能性がある。モダナイゼーションに生成AIを使うときの注意点と、国内ベンダーのサービスを紹介する。
個人情報がダークWebに流出すると、被害者は金融資産やWebサービスのログイン権を奪われる可能性がある。自分の個人情報の流出を防ぐための方法と、万が一流出した場合に被害を最小限に抑える方法を説明する。
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、画像データに人間には判別できないほどの微小な変更を加え、AIの分類結果を誤らせる手法について取り上げます。
NVIDIAが発表した次世代プラットフォーム「Vera Rubin NVL72」。その驚異的な性能は、企業にとって「待望の福音」か、それとも「既存投資を無に帰す脅威」か。
AI技術が進化したことで、サイバー攻撃の自動化や高度化が進みつつある。“人のように振る舞う”AI技術や、人間の制御を超えようとするAIエージェントに対し、企業はどのようなセキュリティ対策を取るべきなのか。
システム運用やアプリケーション開発の分野では絶えず技術進化が続いている。2025年にIT専門家に求められ、今後も必要となるであろう7つのITスキルをおさらいする。
日常業務に加え、DXの課題検討、AIの発展とさまざまな動きに合わせて勉強しておくべき用語は山積みだ。本稿では、”あのIT用語”を料理をテーマに理解する。
セキュリティ担当者からみれば、AIはもろ刃の剣だ。セキュリティ運用の効率化を支援する一方、攻撃者の強力なツールにもなっている。本稿はAIツールの力を借り、AIが「敵」か「味方」かを分析した。
スペクトラム・テクノロジーは、「はじめてのAIエージェント学習・開発キット」を販売開始する。AIエージェントの構築ノウハウを身に付けたい、業務効率化や自動化に使いたいと考える人材に向けたツールだ。
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。
