生成AI（ジェネレーティブAI）は、テキストや画像、音声など、さまざまな種類のコンテンツを生成できるAI（人工知能）技術の一種だ。（続きはページの末尾にあります）
業務効率化における生成AIの恩恵は、一部の個人にとどまっているのが実態だ。調査から、スキルの差による現場の摩擦や「AI孤立」といった深刻な課題が浮き彫りになった。組織全体の生産性を底上げする解決策とは。
JR東日本が策定した「AIポリシー」と最新の生成AIガイドラインでは、開発者へのチェックシート義務化など、現場が即実践できる具体的なガバナンス手法が示された。
労働人口の減少を見据え、JA共済連はGoogle Cloudの生成AIツールを用いて地域貢献活動の支出判断を支援するAIエージェントを構築した。年間数百件に及ぶ照会対応の業務負荷を最大50％削減できる見込みだ。
セキュリティ専門家へのニーズが広がりを見せる中、実践的なスキル習得の近道となるのがオンライン学習だ。本資料は、専門家が厳選した学習コースを紹介し、最適な自己研さんの道しるべを提示する。
AIを導入したが誰も使わないという悲劇はなぜ起きるのか。デンソーは3万人の全従業員を対象に生成AIを導入し、月間利用率99％という驚異的な数字を叩き出した。そのわざとは。
明確な通告なく従業員を自発的退職へ追い込む「静かな解雇」。深刻化するこの慣行は、対象者のみならず組織全体の士気や評判を著しく低下させる。その残酷な実態と、回避すべき末路を詳説する。
「生成AIで業務効率化」を期待しても、95％の企業が目に見える成果を出せずにいる。なぜ多額の投資が「期待外れ」に終わるのか。生成AIのROIを引き上げるためのポイントを説明する。
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、AI開発プロジェクトの契約で問題になりやすい「何を成果物として扱い、どこまで保護すべきか」という論点について取り上げます。
従業員がどんどん辞める“有害な職場”には“ある共通した特徴”が見られることがある。有害な職場に共通する幾つかの兆候と、働きやすい職場を実現するためのポイントを説明する。
「人件費の削減のために生成AIを導入する」という考えは、成り立たなくなる可能性がある。Gartnerは2030年までに生成AIのコストが人件費を超えると試算した。企業のAI活用方針は今後どうすべきか。
生成AIの導入が活発化する一方で、期待した成果を得られず失敗に終わるプロジェクトがある。成功と失敗を分ける要因は何か。生成AIの導入を実際の成果につなげるためのポイントが学べる3つの資料を紹介する。
カシオの直営ECサイトでサーバダウンの原因になっていたのが、新製品発売時の自動購入botによるアクセス集中だ。ECサイトの安定稼働と不正購入の抑止を実現し、顧客の満足度を保つためにカシオが取った対策とは。
世界的なデータ量の増大で、ストレージの需要が高まっている。しかしHDDやSSD、テープといった従来のストレージは、データの記録密度や耐久性に限界がある。Microsoftが開発中の“透明なストレージ”は、こうした課題の突破口となるのか。
「ChatGPT」などのAIツールを業務に利用しても、思ったような成果が得られない場合がある。その原因は、プロンプトにある可能性がある。プロンプト作成のポイントを解説したホワイトペーパーを3本紹介する。
調査によると、品質エンジニアリングでの生成AI活用に9割近くの企業が着手しながらも、その大半が実験段階にとどまっている。全社展開を目指す企業を足止めする「壁」の実態とは。
「Microsoft 365 Copilot」は「Office」アプリケーションと連携させて利用できるAIアシスタントだ。Copilotの具体的な利用例や使われている主要技術、役立つプロンプトを解説するホワイトペーパーを3つ紹介する。
Excel×生成AIで現場業務を効率化する動きが加速している。一方で、情シスの知らないところでAIツールが使われる“シャドーAI”も拡大中だ。本資料では、この2つをどう両立させるかのヒントを示す。
成功しても「当たり前」、失敗すれば「集中砲火」――客先常駐SE経験15年、酸いも甘いもかみ分けた元情シス副編集長がニュースの裏側を読み解きます。今回のテーマは「人間が生成AIに負けない仕事とは何か」です。
AI技術の利用が広がる中、業務効率化だけではなく、生産性の向上にもつなげることが重要だ。具体的にはどうすればいいのか。オーストラリアの「3つの活用例」から考える。
ワークマンは、Google Cloudの生成AIツールを導入し、少人数でも効率的に高品質なビジュアルコンテンツを制作できる体制を確立した。導入の背景や活用方法を紹介する。
生成AIの進化で重要な役割を果たしたのが、深層学習技術の「Transformer」だ。Transformerによって、研究者は学習データにあらかじめラベルを付ける必要がない教師なし学習で、より大規模なモデルを訓練できるようになった。何十億ページ分にも上るテキストを新しいAIモデルに学習させることで、より正確かつ詳細な答えを導き出すことができる。
TransformerはAttentionという機構によって、1文ごとの文章だけでなく、複数のページや章、本にわたる単語間の関係を計算することを可能にしている。要素同士の関係性を計算するTransformerの能力によって、言葉だけでなくソースコードやタンパク質、化学物質、DNA（デオキシリボ核酸）を分析することができる。
何十億個、何兆個ものパラメーターを持つ大規模言語モデル（LLM）の急速な進歩は、生成AIモデルが即座に魅力的な文章を書いたり、写実的な画像を描いたりできる新しい時代を到来させた。複数の種類の情報を同時に処理する「マルチモーダルAI」の登場で、ユーザーはテキストや画像、音声など、複数のメディアを組み合わせてコンテンツを生成できるようになった。OpenAIの画像生成サービス「Dall-E」は、マルチモーダルAIの一つだ。Dall-Eはテキストの説明から画像を自動的に作成したり、画像からテキストのキャプションを生成したりする。
生成AIの進化はまだ初期の段階だ。そのため入力したプロンプト（指示）に対して奇妙な答えを返すこともある。しかし生成AIの能力は、企業のIT活用の方法を劇的に変える可能性がある。今後生成AIは、ソースコードの記述や新薬の設計、製品の開発、業務プロセスの再設計、サプライチェーンの変革に利用できるようになると考えられる。
生成AIは、ユーザーがテキストや画像、動画、デザイン、音符などの形式でプロンプトを入力することで、データ処理を始める。そしてプロンプトを基に新しいコンテンツを出力する。出力できるコンテンツには、文章や問題の解決策、画像、音声などがある。
初期の生成AIは、データを送信するためにAPI（アプリケーションプログラミングインタフェース）やその他の複雑なプロセスを必要とした。OpenAIの「ChatGPT」やGoogleの「Bard」など新たに登場した主要な生成AIサービスでは、ユーザーが自然言語で簡単なプロンプトを入力することで結果を得られるようになっている。やりとりの過程でフィードバックを送信することで、生成結果にユーザーの希望を反映させることもできる。
生成AIモデルは、さまざまなAIアルゴリズムを組み合わせてコンテンツを表現し、処理する。こうした技術は学習データに含まれる偏見や人種差別、誇大広告に基づいた処理結果を出力してしまう可能性がある点に注意が必要だ。
生成AIに使われているAIモデルの具体例として、Googleの「BERT」（Bidirectional Encoder Representations from Transformers）やDeepMind Technologies（現Google DeepMind）が開発した「Google AlphaFold」、OpenAIの「GPT」などが挙げられる。
主な生成AIサービスとして、ChatGPTやDall-E、Bardがある。
OpenAIが手掛けるChatGPTは、AIモデルとして「GPT-3.5」を利用している。GPT-3.5によって、ChatGPTはユーザーインタフェースのチャット機能を通してユーザーと対話したり、やり取りの中で回答を微調整したりすることを可能にしている。2023年3月14日に、同社は新バージョンの「GPT-4」を発表した。
ChatGPTは、ユーザーとの会話履歴を出力結果に組み込む。これによって人間同士の実際の会話のような体験ができることが特徴だ。ChatGPTの登場に合わせて、MicrosoftはOpenAIへの大規模な投資を発表し、GPT-4を同社の検索エンジン「Bing」に組み込んだ。
Dall-Eは、画像とそれに関連するテキスト説明を含む大規模なデータセットで訓練されている。視覚やテキストなど複数の表現方法の間で関連性を識別できる、マルチモーダルAIの一例だ。Dall-Eは言葉の意味を基に画像を生成する。Dall-E 2は、より高性能な2番目のバージョンで、2022年にリリースされた。ユーザーのプロンプトによって複数のスタイルでイメージを生成することができる。
Googleもまた、言語やタンパク質の構造、その他の種類の情報を処理するAIモデルを擁する先駆者である。同社は自社で開発したAIモデルの一部を、研究者向けにオープンソース化して提供している。これらのAIモデルを利用した一般消費者向けのチャットbotサービスは、しばらく発表しなかった。
MicrosoftがBingにGPTを実装するという決定を下した後、GoogleはLLMの「LaMDA」ファミリーの軽量版をベースにした一般向けチャットbot「Google Bard」の開発を急いだ。
Bardは、「初めて太陽系外に惑星を発見したのはジェームズ・ウェッブ宇宙望遠鏡である」という間違った回答を表示したため、同サービスの提供を急いだGoogleの株価が大幅に下落した。MicrosoftがBingにChatGPTを実装した際にも出力結果の不正確さや不安定な動作が見られ、初期の段階でユーザーの期待を薄れさせた。
Googleはその後、同社の新しいLLMである「PaLM 2」を組み込んだBardの新バージョンを発表した。Bardはアップデートによって、ユーザーが入力した質問に対して、画像を含んだ回答やユーザーの需要に合わせた回答ができるようになった。
ITmediaはアイティメディア株式会社の登録商標です。
