10 月
検索
データ分析 過去記事一覧（2025年）
9 月
AIツールの活用をなかなか広げられず、価値を最大限に引き出せていない――。こうした状況を打開するには、何をすればよいのか。専門家が強調するのが「現場」と「データ」に目を向けることの重要性だ。
8 月
AI生成コンテンツの品質低下につながる、AIの「カニバリズム」（共食い）という新たな問題が明らかになりつつある。AIカニバリズムとは何か、どのような対策を講じるべきなのかを紹介する。
AIエージェントのブームが勢いを増す一方だ。これまではカスタマーサービスや開発分野での活用が多かったが、Googleがデータエンジニアリングとデータサイエンス用AIエージェントを発表した。
“OpenAI”という社名が示すように、誰でも利用できる“開かれたAI”を掲げていた同社だが、「GPT-3」以降はソースコード非公開に転じた。改めてオープンウエートAIモデルを公開した狙いは何か。
センサーやアプリケーションから届く大量のデータをすぐに処理して活用したい――。それに応えるのが「ストリーム処理」だ。ストリーム処理の歴史を踏まえ、現状はどのような実装方法があるのかを解説する。
AI導入で行き詰まる企業が相次ぐ中、Googleの「Gemini 2.5 Flash-Lite」モデルは「軽量・低コスト」という新たな解を提示する。軽量AIに寄せられる期待とは。
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。
データ処理の代表的な手法である「バッチ処理」と「ストリーム処理」は、処理のタイミングや対象データの扱い方に違いがある。ストリーム処理が必要とされる理由と、バッチ処理とストリーム処理の違いを解説する。
生成AIを活用したアプリケーション開発が本格化する中で、LLMと外部システムをどう連携させるかが重要な課題となっている。この課題を解決する有力なフレームワークとして注目されているのが「LangChain」だ。
「ストリーム処理」（リアルタイム分析とも）とは何か。ストリーム処理がどのような仕組みで、なぜ必要なのかを解説する。
AIエージェントの実装では「分散した社内外のデータをいかに効率良く活用するか」「ガバナンスをどうするか」といった悩みが尽きない。AIエージェントの価値を最大化するためのインフラの条件とは。
7 月
生成AIやAIエージェントの実用化が進む中で、「専門家の手を借りずに誰もが自律的にデータを扱える時代」が近づいている。Googleが提供するAIエージェントは、分析業務の在り方をどう変えるのか。
AI技術を取り入れたデータ分析ツールの需要が広がっている中、Databricksは高度な専門スキルがなくても分析ツールを作るための新製品を投入した。どのようなものなのか。
「RAG」（検索拡張生成）は大規模言語モデル（LLM）に外部知識を組み合わせ、より精度の高いアウトプットを可能にする技術だ。RAGを導入し、成果を上げる企業の取り組みを紹介する。
6 月
InformaticaがエージェンティックAIへの本格的な取り組みを発表した直後に、Salesforceによる買収が発表された。買収直前に開催されたInformatica World 2025の内容から、その戦略的意図を読み解く。
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。
英司法省の犯罪予測ツール「OASys」は、特定の人種に対して不正確な評価を下すことが公式に認められている。評価された当事者たちが語る問題と、英政府が開発を進める新たな予測ツールの実態とは。
個人の再犯や殺人を予測するツールの運用、開発を進めている英司法省。だがそれらのツールは、“偏ったデータ”に基づいて人種的マイノリティーの人々を不当に危険視する恐れがあるという。根本的な問題点とは。
高性能計算を支えるスーパーコンピュータも、将来的な活躍が期待される量子コンピュータも、万能ではない。両者の問題点を整理しながら、コンピューティングの未来を考える。
LLMの発展を機にAI活用の機運が高まる中で、今後トレンドになる可能性が指摘されているのが、プライベートAIや小規模のモデルだ。データ基盤を提供するClouderaはユーザー企業をどう支援するのか。
いずれスーパーコンピュータの計算能力を大幅に上回る可能性を秘める量子コンピュータ。両者は何が違うのか。用途の観点から解説する。
5 月
量子コンピュータは、いずれスーパーコンピュータの計算能力を大幅に上回る可能性があるコンピューティング技術だ。いずれも強力な計算能力を備えるものだが、コンピューティング技術としては何が違うのか。
Googleは「Gemini 2.0」において、テキストだけではなく画像や音声を生成できる「マルチモーダル出力」機能を実装し、さまざまな面での性能向上を実現した。この進化はAIアシスタントの利用シーンをどう広げるのか。
無線LANアクセスポイント（AP）の機能が成熟化する中で、運用管理をいかに効率化できるか、という視点で企業はAPを選ぶようになっている。ネットワーク機器ベンダーが注力するAI技術は何ができるのか。
OpenAIが2025年2月に発表した「GPT-4.5」は、自然な会話と感情理解に特化した最新モデルだ。「GPT-4o」などの従来モデルと比べて何が優れるのか。OpenAIはどのような取り組みで性能を向上させたのか。
4 月
英国の財務大臣が2025年度の春季予算を発表した。同発表では、複数の分野においてAIの活用を進めることが明らかになった。英国政府はAIで何を実現しようとしているのか。
3 月
ハイパースケール（大規模）データセンターは、生成AIサービスの需要の高まりに対応するため、ますます巨大化していくという。データセンターの規模と数は今後どうなっていくのか。
GPU（グラフィックス処理装置）の本来の役割はCPU（中央処理装置）を補完することだったが、現在ではGPUがAI関連のタスクを実行するための不可欠な存在となっている。GPUのどのような仕組みが生かされているのか。
アメフトリーグのNFLでデータ活用が進んでいる。攻撃側のトリックプレーを守備側が予測し、幾度も阻止する事例も見られた。一方、専門家はある懸念も示している。
コンタクトセンター業務は従業員のストレスが大きくなりがちだ。Cisco SystemsはAI技術を用いて、コールセンター業務のストレスを改善する方法の開発を進めている。どのような方法なのか。
AIプロジェクトでは、ただAIモデルを構築すれば終わりではない。むしろ「AIモデルの最適化」こそが成功を左右する鍵となる。具体的なアプローチを紹介する。
AI処理のためのプロセッサとして、GPU以外にも「FPGA」がある。どれを採用するかは、それぞれの長所や短所、プロジェクトの要件を慎重に評価した上で判断すべきだ。
2 月
Googleの親会社Alphabetは決算報告で、クラウド事業やAI関連サービスの需要が好調だった点を強調した。これには、検索広告を主力事業として抱える同社のある意図が反映されているとアナリストは指摘する。
世界中のさまざまな業界の企業が、生成AIなどの新しい技術を試験運用から本格導入へと移行できずに苦心しているとEYが指摘した。導入を加速させるためには、何が必要なのか。
航空会社やホテルの運営会社など、旅行業界の企業でも人工知能（AI）技術の導入が進められている。一方、同業界でのAIの活用には“業界特有の課題”が付きまとう。その内容とは。
生成AIは業務のさまざまな場面で使われている。しかしその使い方を誤れば、勤務先の機密情報や個人情報が漏えいしてしまう恐れがある。データ漏えいが発生するのはどのような場面なのか。漏えいを防ぐための対策とは。
ChatGPTをはじめとした生成AIツールの仕組みやリスクについて学べば、使い方の幅も広がる。生成AIの基礎から応用まで学べる学習プラットフォームを5つ紹介する。
AIプロジェクトは、単にAIモデルを構築して展開するだけで完結するわけではない。AIモデルの精度や運用効率の低下といった問題を防ぐために、企業が取るべき対策とは。
AIモデルの開発には、膨大な計算リソースとそれに伴う電力消費が欠かせないというのが常識だった。低コストで省エネルギー型のAIモデル「DeepSeek」が登場したことで、その常識は揺らぎつつある。
AI技術向けのプロセッサとしてはGPUがあるが、近年注目を集めるのが「FPGA」だ。そのメリットとデメリットを解説する。
AMDは、中国のAIベンダーDeepSeekのLLMが話題を集める中、AIアクセラレーターの出荷を急ぐなどGPU関連の製品提供を加速させている。その背景には何があるのか。
プロンプトエンジニアは、生成AIツールに望ましい回答を出力させるためのプロンプトを作成する職種だ。プロンプトエンジニアとして活躍するためには、どのようなスキルが必要なのか。5つ紹介する。
プロンプトエンジニアは、生成AIに望ましい回答を出力させるプロンプトを作成する職種だ。その具体的な役割を3つ紹介する。
生成AIは業務のさまざまな場面で使われている。しかし使い方を誤れば、機密情報や個人情報が漏えいするリスクもある。漏えいを防ぐための対策を5つ紹介する。
脅威の検出や分析に人工知能（AI）を利用する動きが広がっているが、事前に知っておきたい重要な注意点が幾つかある。5つのポイントで解説する。
希少資源の枯渇や電子ごみ問題など、AIチップ製造は環境面での課題を抱えている。環境負荷を減らしたAIチップ製造を実現するために必要な取り組みとは。
コンピューティング市場で支配的な地位にあったはずのIntelは、なぜここまで衰退してしまったのか。同社の失敗が決定的になった要因とは何か。
SAPはSAP S/4HANAやRIZE with SAPの最新機能やAI技術をアピールし、同社製ERP製品のクラウド移行を促している。しかしこの方策は、ユーザー企業に懸念を生じさせている。その懸念とは何か。
Red HatがAWS社との提携を強化し、VMware顧客の取り込みを本格化している。Red Hatの狙いはどこにあるのか。成功の見通しを専門家が分析する。
AIモデル活用で欠かせない「PyTorch」と「TensorFlow」は、オープンソースの深層学習フレームワークだ。両者は何が異なり、どのように使い分ければよいのか。自社に合うライブラリの見極め方とは。
Samsungは独自のAI機能「Galaxy AI」を搭載した最新の「Galaxy S25」シリーズを発表した。Samsungが提案するパーソナルAIアシスタントとはどのようなものなのか。
AI技術の台頭やCOVID-19の流行を背景に、開発現場の在り方や、業務の進め方は大きく変化してきた。2025年に予想される4つのITトレンドを解説する。
脅威の検出や分析に人工知能（AI）技術を用いることで、攻撃による被害を抑制できるようになる。具体的にはAI技術によってどのような対策が可能になるのか。主要なポイントをまとめた。
AIチップの需要が急上昇している中、その裏で深刻化するのが使用済みチップの処理問題だ。なぜAIチップのリサイクルは難しいのか。その実態に迫る。
データセンターでAIモデルを稼働させるためのメモリ容量を確保することは簡単ではない。大容量メモリの需要が高まる中、Samsung Electronicsは「CXL」を用いて新たな解決策を提示した。その実力とは。
画像や文章の「意味」を理解できるAIモデルを支えているのが「ベクトルデータベース」だ。従来のリレーショナルデータベースが抱える課題をどう解決し、何に役立つのか。
「PyTorch」と「TensorFlow」は、どちらもオープンソースの深層学習フレームワークだが、細かい設計思想や使い勝手に違いがある。両者の特徴と機能を紹介する。
シンガポールのある物流企業はAI技術を導入し、倉庫業務の効率化を進めている。この取り組みを支援するパートナーにはLenovoを選んだ。選定の決め手は何だったのか。
教員の業務量を減らし、生徒との関係を構築するためにAI技術を活用する取り組みが、英国で進んでいる。具体的にどのような取り組みがあるのか。
1 月