本日のセミナーイベント・勉強会
現場特化AIで現場の知見を共有し、生産性改革へ：マニュアルAI（スタディスト社）
１記事書くレベルで長いのでアコーディオン展開形式で
大規模な勉強会だとスライド資料を配布してもらえるだけでかなり嬉しい
-
労働人口が4割削減される（人口問題）
- 思うに、大企業の労働人口は減らないが中小企業が淘汰されるので、大枠として影響はないのでは？
- 大企業が受注したシステムを下請けしているので、↑中小企業がなくなるとか、中小企業数が減ると作業者数が減る
- 思うに、大企業の労働人口は減らないが中小企業が淘汰されるので、大枠として影響はないのでは？
-
生成AIを使うと１日１時間削減できる＝年間労働日分の１時間を削減できるのは大きい
- 1時間削減したら1時間分以上の作業を足される従業員はたまったもんじゃない。AIを使う事で一人当たりの稼働効率を高めるなら、ますますウェルビーイングが重要になる
マニュアルAIの強み
そもそも、マニュアルが必要な業界や業種に違和感
人がやらなければ難しい作業をマニュアル化する前に、業務改善やシステム化を検討するのが我々の業務では？
マニュアル作成もだが、教材作成に使えそう
→想定してた。運用や教化を含めたサービスも展開されている
テキストAIの場合
予め精度の高いプロンプトを作っておくことが重要。ユーザーに自由記入させると精度が低くなる
マニュアルを運用するポイント
- はじめて
- へんこう
- ひさしぶり
のタイミングで運用できるように環境を整備する必要がある
所感
- まとめ・切り抜き動画生成に使えるか？
- 多言語に対応できる
- シンプルにマニュアル生成AIではなくて動画作成支援AIとして活用する方が価値が高い
- 字幕をつけるだけならVrewか
Vrewのよりリッチ版だな
孫正義と松下幸之助から直接学んだ成功のコツ(ミクシィ社)
１記事書くレベルで長いのでアコーディオン展開形式で
松下政経塾（政治と経営塾）のリーダーの条件
- 愛嬌（みんなが集まってくれるか）が良いかどうか
- 運が良いか（決断が正しかったかどうか）
- 棒のように大きな事を考えても、実現できるのは針程度
- 成功の要諦
- 成功するかどうかは分からんが、コツは「辞めない」こと（四次元的に考える）
ソフトバンク創業
経営するなら、飛躍するテーマを選べ
- 金鉱では金を見つけた人が稼いだのではなく、金を掘る道具を売った会社が生き残る
成功への成功の三原則
まず、長期的に見る
パラダイムシフト
そして、諦めない
迷った時ほど、遠くを見よ
- 感染症の歴史（ペスト・スペイン風・コロナ）
- パンデミック後で見ると、
- 神から人の信仰へ
- AI革命はルネサンスだ
- 将来、三日半だけ働けば良くなる（ダボス会議）
AI革命を歴史で見る
- 計算
- 記憶
- 検索
- 推論
- 創造
AIは推論。次が創造になるだろう
人間よりAIが強くなるのはいつ？2025年
ゴールドマンサックスによると、2035年には中国の覇権に、
その後、インド・インドネシアの覇権が来る
日本に未来はない
成功のコツはパラダイムシフト
世界の時価総額上位ランキングから見る
15年前には石油・金融の時代だったのが、5年前にはIT系（GAFAM）が入ってくる
1年前は マグニフィセント7
シュンペーターの新結合。技術革新と言われるが…
既存事業＋IT
- Amazon、アリババ
- メルカリ
- ウーバー、GRAB
既存事業にAIを入れるだけでいい
孫正義の強み
未来に花が咲くものに出資できるリスクを取れる
→IT革命の終わりとAI革命の始まり
四次元的思考
未来から今を導き出す。
スマホのような爆発をするのはモビリティだ
- 自動運転タクシー
- 馬車から自動車に変わったのが13年。思ってる以上にすぐ変わる
所感
- 話し方、切り口が面白い、さすが！
- 政界に近いところに身を置くべき
今日一番かも
生成AI x 予測AIによるデータ駆動型ビジネスの要諦(DataRobot社)
１記事書くレベルで長いのでアコーディオン展開形式で
ビジネスにおける意思決定の難しさを考える
競馬に絶対に勝つ方法とは？
- 過去の戦績
- 今の馬の状態
と答えがちだが、
- レースが終わってから勝った馬に賭ければ良い
完璧に情報が出揃うまで意思決定しようとしないのはもう遅い、実際は難しい
データ駆動型ビジネスとAIを組み込む
生成AIと予測AIの違い
予測AIによる分類回帰、異常検知やクラスタリング
生成AIによるチャットbot生成など
これらを組み合わせて活用する事がポイント。そしてAIを主体にするのではなく、組織戦略やガバナンス、組織基盤なども要検討
PoCで挫折する理由や経緯
PoCで作成した生成AIの信頼性ギャップを克服できるか？
RAGをやろう
テストセットを準備し、アセスメントを実施する。その上でガードレール（結果が悪いもの）を解決するアプローチをする
ガードレール設計とは、AIに回答して欲しくない結果に対して不適切な回答を防ぎたい。
- ユーザークエリからプロンプトガードを入れる
- レスポンスからレスポンスガードを入れる
これがガードレール（この辺りの考え方はシステム開発のIn/Outと同じ）
所感
RAG開発の話かな？
RAG自体の精度を高めるための予測AI活用を検討されている印象
回答の制御ができるサービスと理解。これはいいんじゃないか？
↑ただ、誰でも思いつきそうではある。設定項目を作ってないだけで。
かつ、予測モデルもやってくれる。
日立システムズ社が代理店
検証からNEXTステージへ(JSOL社)
導入を検討したが、業務に利活用できないケースを解決する
- 試行・GPTsを使ってみる。思った以上に精度が出ないという悩み
- 自社保有データとの組み合わせ（RAG）やモデル選択による最適化。いまここ
- ファインチューニング
RAGとは
社内情報にアクセスして問い合わせに最適化した情報を収集し、ユーザーに返す
通常のGPTsは最適化した情報がないので精度が劣っているという課題がある
RAGを使う場合は、自社データの構造化や最新化（古いやり方が残り続けている場合は削除する）が必要
よく扱われているのはセキュリティやコンフィデンシャル情報の扱いで、質問者の権限を考慮して結果を変える必要がある。
ファインチューニングとは
回答の一貫性がない、出典が不明である場合に検討する。
事前学習済みのAI（たとえばChatGPT）を特定の業務に最適化する。
RAGはデータを参照させるための環境、ファインチューニングはデータを覚えさせる
問い合わせの内容もセットでAIに学習させる方法が有効
- ヘルプデスク
- 医療など専門分野
所感
改めてRAGとファインチューニングの違いが分からなくなった
データの量が多くなって精度を上げようとする反面、結局過学習を避けられないわけで
で、結局RAGは何でファインチューニングが何か、というのを現場目線での知見が得られなかったのが残念。
要は、AI利活用のコンサル事業？
AI時代における新事業の作り方（キャンプファイヤー社）
まとめ
人間の人間らしさをAIが理解・対応するのは本当の意味では難しい
氏のミッション
- インターネットの本質は「居場所を作り、誰しもが声を上げられる」ものと捉え、この世界を作る
- インターネットはあらゆるものを民主化した
AI時代に代替されないもの
人間ならではの価値の再定義・人間としての傷つき（心の領域）を活かした事業創造
仏の悩み解決BOT（AIこころのカウンセラーにしたかった）から「国を超えても悩みは同じ」という事に気づく
↑競合がマイクロソフトの「りんな」だったようにも思う
人生の悩みをAIに壁打ちする
→AIの進化に人間も適用しようとしている。AIに相談する人間がいる
傷つき
成長・共感・個性を育む要素。感情・心理的に痛みを感じる
個人的なものこそ普遍的である
傷つくことで
- 主観性
- 文脈依存
- 身体性
- 成長
に変化が生じる。
AIに複雑な感情体験、価値観や文化的背景、「消去不能な過去」として傷を解釈できるか？
データ的に削除できてしまうという「弱み」
傷を「希望の源」と考える
事業創出と戦略
普遍的価値の発見、共感的つながりの創出にある
↑イメージが湧かない、具体例聞きたいね。
儲かりそう、面白そう（やりたい！）という話はあるが、「自分が」やらないものを決めていく（＝自分がやることで意義があるもの）
感情的価値の提供や、コミュニティ（＝共同体）構築をAIに担えないなら、ここに注力していく
会社としての共同体という概念をタイミーを通じて社会が否定しつつある。「居場所」の価値が高まっていく
↑コミュニティとは、一つの社会集団である。（会社と同列にみなすぐらいが妥当）
所感
引きこもっていて、これだけの経歴はバケモノ。連続起業家とは？と思っていたけど納得どころかぶっとんだ
この講義は「過去の記憶」をAIが持てるのか？というものという位置付けか。
傷の概念を「データとして過去の記憶を過学習した」人間と捉えると、それっぽい挙動をAIにさせられそうではある
事業創出の話は共感しかない。やりたくない≒やらないものが明確化してきた
スライドは文字文字しているのと、話も抽象的だが、こういった経験をしてきた方が考えて発話しているものであるので、その意味を汲み取りたい。本稿ではなるべく現地にいない方に伝わるようにまとめたり意訳したが、私のフィルターを通してしまったのでぜひ現地で聴いてほしいと思った。
ちょい聞きセミナー
本題ではなかった、というと言い訳だが、心に残ったことのメモ書き
支払いに関わる全ての業務を一歩前へ（マネーフォワード社）
使った瞬間に経費申請を完了させたい
DXとは「やらなくてもいい作業をしなくても業務が回るようにする」こと
業務をデジタルに置き換えるだけのDXではなく、デジタル化したからこそ業務効率化が促進される状態が望ましい
領収書データ取得を自動化できる（経費生産作業自体をしない）、これはすごい。領収書を発行する必要がないのは嬉しい
→確定申告にも使えないか？
所感
- 概論の話が主。具体的に何をする、という話がほとんどないのが残念
- 特に使用感が知りたかったが、ブースに行けということか
- オペレーターがデータ入力を代行している、という実情がある。AIに入力させるのは精度面で難しいようだ。
- そもそも、画像解析AIは文字に弱いという課題が解消できないため、それはそう感
AIが加速するDX〜デジタルで実現する変革の絵姿〜
薬を作るのに10年かかり、当たるかどうかも分からないものを出す
当たれば1000億、10年で、と考えるとかなり分の悪い投資か
日本では効率化（PRA的使いやすさ）を、欧米ではイノベーション（意思決定）のために使おうとしている
そのため、生成AIをパートナーと定義する。体制としても定義（後述）
バイタルデータと化合物の適正や結果予測とか。やや業界特有の内容に偏っているため参考にならないが、そういう世界があるんだな、と。
データの利活用の方針を決めるのも難しい（作るのは楽、捨てたり制御する方が困難。
生成AIガイドライン
AIは早く使ってなんぼ、法の確率を待っていたら遅すぎるぐらい
人材育成（プロンプトエンジニアリング、トレンドレクチャー）
RAG的な使い方をしようとしているっぽい
経営陣もAIを理解しているのは大きい
AI・映像データが導く企業課題解決の道筋(KDDI社)
技術的な話より、KDDI社が何をやろうとしているのかが知りたくて入ったので、断片的にメモだけ残す
（資料の内容が濃いので間に合わなかった）
AIを活用する理由
- 労働人数は減ってる
- 労働時間も減ってる
人力で解決するより、AIを入れて効率化を促進すべき
↑とはいえ、AIを入れても仕事の量は増えるだけだと思われるが？
クライアントごとにカスタマイズ（ファインチューニング）したAIを提供する
↑IT革命からAI革命に移行するからには、こういう戦略が出てくるよね
エッジAI（監視カメラ）のソリューション。大規模拠点向け。AWS系にも似たようなのあるけど、サーバーが国内拠点というのが大きいか
ビルメン（コワーキングスペース）とか無人販売系に強そうだ。カメラを見るだけで警備員の巡回相当にセキュリティを担保できる
モビリティAIにも絡んでくる
当然と言えば当然だが、映像技術については全く触れられなかった。キモの部分なのでコンフィデンシャルなのだろう。
紹介があったサービスとしてはSaasかな？
イベント所感
カンファレンスルームが満員になってもサテライトブースで部屋を拡充するというやり方は席数対策として良い取り組み！
急遽対応が必要になった場合はこのアプローチを検討するようにしよう
写真撮ってもらえるサービスは嬉しいね！
↑この時に知ったが就活・転職目的で来ている人もいるっぽい雰囲気。偏見だが、マイナビイベントだからか？
この時に撮ってもらった写真のデータ（URL）を電池切れにより紛失する、というやらかしをやったため、せっかく撮ってもらったのに活用できず悔しい…！