ジェネレーティブAI（生成AI）の代表格、ChatGPTは公開から3カ月ほどで、「MBA最終試験の解答がB（合格レベル）評価を獲得」「米司法試験の解答が上位10％のスコアを獲得」「日本の医師国家試験に合格」したほどの実力を持つ。あまりのスピードの速さに「生成AIスキルが陳腐化するのでは」と憂慮する声もある。では陳腐化しない生成AIスキルとは何か？ 本稿ではアクセンチュア 執行役員 AIセンター長 保科 学世氏が提唱する2018年から現在も古びない「AIとの8つの融合スキル」を紹介する。「人間がAIを補完するスキル」「AIに人間の力を拡張させるスキル」「人間とAIのハイブリッド活動」に分けてそのポイントを確認しよう。

スウェーデンのウメオ大学のエリック・ストルターマン教授が2004年に初めて「DX（デジタルトランスフォーメーション）」を提唱して、はや20年。多くの日本企業がIT・デジタルを軸にした変革を重要課題と捉え、さまざまな施策に取り組んでいる。ただ、志高くDXに注力したものの、頓挫してしまうケースもここ最近は目立つようになってきた。 なぜDXは停滞してしまうのか。国内で活躍するプロCIO（最高情報責任者）・CDO（最高デジタル責任者）への取材を基に、DX推進のノウハウを学ぶ。 これまでの記事で触れた「強いIT部門を取り戻す」こと、「現場主導で変革を進める」ことに続き、DXを推進する上で欠かせない3つめのテーマとして見えてきたのが「マインドの変革」だ。 プロCIOは効果的なデジタル施策を実行するためにも、IT部門や会社全体の風土改革に力を注いでいる。大企業病的で旧態依然とした社風、縦割りで硬直化した

スウェーデンのウメオ大学のエリック・ストルターマン教授が2004年に初めて「DX（デジタルトランスフォーメーション）」を提唱して、はや20年。多くの日本企業がIT・デジタルを軸にした変革を重要課題と捉え、さまざまな施策に取り組んでいる。ただ、志高くDXに注力したものの、頓挫してしまうケースもここ最近は目立つようになってきた。 なぜDXは停滞してしまうのか。国内で活躍するプロCIO（最高情報責任者）・CDO（最高デジタル責任者）への取材を基に、DX推進のノウハウを学ぶ。 前回の記事で触れた「強いIT部門を取り戻す」ことに続き、DXを推進する上で欠かせない2つめのテーマとして見えてきたのが「現場主導」だ。DXというと一見、ITの担い手であるIT・デジタル部門が主役と思われがちだが、「それは違う」とプロCIOらは異口同音に答える。 「変革の主役は事業部門であることを意識しなければならない。IT部

スウェーデンのウメオ大学のエリック・ストルターマン教授が2004年に初めて「デジタルトランスフォーメーション（DX）」を提唱して、はや20年。多くの日本企業がIT・デジタルを軸にした変革を重要課題と捉え、さまざまな施策に取り組んでいる。ただ、志高くDXに注力したものの、頓挫してしまうケースもここ最近は目立つようになってきた。 なぜDXは停滞してしまうのか。国内で活躍するプロCIO（最高情報責任者）への取材を基に、DX推進のノウハウを学ぶ。 日経クロステックが今回、事業会社で活躍するプロCIO10人を徹底取材したところ、DXを推進する上で欠かせないテーマの1つとして見えてきたのが「強いIT部門を取り戻す」ことだ。 「社員は優秀なのに、能力を生かし切れていない」「仕事の進め方が受け身になっている」「ベンダーに依存することが当たり前になっている」――。プロCIOは日本企業の現状の課題をこう吐露す

はじめに 新規事業部 生成AIチーム 山本です。 ChatGPT（OpenAI API）をはじめとしたAIの言語モデル（Large Language Model：以下、LLM）を使用して、チャットボットを構築するケースが増えています。通常、LLMが学習したときのデータに含まれている内容以外に関する質問には回答ができません。そのため、例えば社内システムに関するチャットボットを作成しようとしても、素のLLMでは質問に対してわからないという回答や異なる知識に基づいた回答が（当然ながら）得られてしまいます。 この問題を解決する方法として、Retrieval Augmented Generation（以下、RAG）という手法がよく使用されます。RAGでは、ユーザからの質問に回答するために必要そうな内容が書かれた文章を検索し、その文章をLLMへの入力（プロンプト）に付け加えて渡すことで、ユーザが欲しい

もう全部OpenAIでいいんじゃないかな はじめに 月間技術革新です。 ということで、昨日OpenAIから発表された新しい動画生成AI「Sora」が非常に話題となっていますね。 圧倒的な一貫性の保持と1分間に及ぶ長時間動画が生成可能という事で、現状の動画生成技術を圧倒的に凌駕する性能を持っているようです。 在野エンジニアの小手先テクニックなど一笑に付すような圧倒的性能を Soraの凄さは色んなエンジニアやインフルエンサーがたくさん語っているのでそちらを見てもらうとして、この記事ではSoraを構成する各技術について簡単に解説していければと思います。 Soraの技術構成 論文が公開されているわけではないですが、OpenAIが要素技術の解説ページを公開してくれているため、そのページを参考にしていきます。 原文を見たい方はこちらからどうぞ 全体構成 Soraは以下の技術要素で構成されているとのこと

近年、OpenAIのGPT-4やGoogleのGemini、MetaのLLaMAをはじめとする大規模言語モデル（Large Language Model：LLM）の能力が大幅に向上し、自然言語処理において優れた結果を収めています[1][2][3]。これらのLLMは、膨大な量のテキストデータで学習されており、さまざまな自然言語処理タスクにおいて、タスクに固有なデータを用いてモデルをファインチューニングすることなく、より正確で自然なテキスト生成や、複雑な質問への回答が可能となっています。 LLM-jp-eval[4]およびMT-bench-jp[5]を用いた日本語LLMの評価結果。Nejumi LLMリーダーボード Neoより取得。 大規模言語モデルは近年急速な進歩を遂げていますが、これらの進歩にもかかわらず、裏付けのない情報や矛盾した内容を生成する点においては依然として課題があります。たとえ

第1回は、さまざまなタスクをこなす万能型ジェネレーティブAIツール「ChatGPT」の性能の鍵を握る「トークン長（GPTが文脈を意識できる過去の単語数）」やGPTの歴史的経緯について解説しました。第2回はGPTを支える自然言語処理 の分野で使用される深層学習モデル「Transformer」とその根幹となる「Attention機構（そのタスクにおいてどの単語の重要度が高く、注目すべきか決める仕組み）」についてです。TransformerとAttention機構の仕組みを定性的に把握し、それを踏まえてGPTの能力と可能性について考察したいと思います。テクノロジー領域に明るくない人でもわかる記事を目指します。

DX（デジタルトランスフォーメーション）により、注目が高まる「データドリブン経営」。経営層から現場まで全社員がデータを活用して業務を進めるよう、社内の体制や文化を築く取り組みだ。 多くの企業がデータドリブン経営の推進を経営目標に掲げる一方で、ガートナージャパンの調査によると、全社的なデータ活用について「十分に効果が出ている」と感じる企業は数％しかない。 データドリブン経営に取り組む企業は、どうして効果を十分に感じられない「残念」な状況に陥ってしまうのか。データドリブン経営を支援するコンサルティング会社や、データ基盤・活用のツールベンダー、そしてデータドリブン経営に取り組む企業への取材を基に、その原因と対策を探る。 前回はデータドリブン経営に向けた準備について取り上げたが、今回はデータドリブン経営に着手して数年たった企業が陥りがちな残念ポイントを取り上げる。データドリブン経営を継続し、成果を

生成AIでDXは進化する？ 先進AI企業「4社」のホンネ、活用の失敗事例と現実解とは 2022年11月にChatGPTが公開されて以来、生成AIが注目されている。生成AIサービスを業務の中で使用するだけでなく、自社サービスの機能にも生成AIの活用を考える企業も増えてきた。しかし、生成AIを活用するには前提知識や慣れも必要となり、業務に生かし切れていない企業も多い。生成AIサービス活用の現状や、生成AIをDX活用する際のポイント、今後の企業における生成AIの活用について、ベイカレント・コンサルティング チーフエキスパートの小峰弘雅氏、Spiral.AI 代表取締役 CEOの佐々木雄一氏、エクサウィザーズ 常務取締役の大植択真氏、Algomatic 代表取締役CEOの大野峻典氏、ノンフィクションライターの酒井真弓氏（モデレーター）が語った。

はじめに 最近プロジェクトマネジメント関連の仕事をする機会が増え、(駆け出しですが)要件定義や設計関連の業務もするようになったので、私の経験を基に要件定義の具体的なプロセスや考え方について、まとめていきます。 この記事の対象者 要件定義の基本や思考プロセスを学びたい人 エンジニアからプロジェクトマネジメントをやりたい人 ビジネスサイドとエンジニアサイドのコミニュケーション能力を向上させたい人 具体的な事例を通して要件定義を学びたい人 前提 紹介する内容はあくまで一例であり、プロジェクトやチームの状況に応じて調整が必要 あくまで自分(駆け出しPM)の経験に基づいた内容を言語化しています プロジェクト規模は10名〜20名のWebアプリ開発を想定しています システム開発の全体像 一般的なシステム開発のプロジェクトは下記のフェーズで進んでいきます。 ※ コンサルの領域だと要件定義の前に企画構想とい

松尾研究室が2023年9~10月に東京大学サマースクールで開催した LLM 大規模言語モデル講座のコンテンツを無償公開しています。 本講座は約2,000名の受講者が参加し、全7回の講義を実施しました。 最終課題としてGPUを使ったコンペティションでは約800名が参加し熱戦を繰り広げました。 現在、講義のスライドのみ公開しております。 ダウンロードは利用規約を確認の上、下記からダウンロードをお願いいたします。 最終更新: 2024年2月10日 問題・フィードバック報告フォームはこちら 第1回：Overview of Language Models LLMの概要、今後の各回の講義の概要、および日本のLLM開発状況について 第2回：Prompting and Augmented Language Model 事前学習済みLLMを追加学習せずに活用する技術（プロンプティング、⽂脈内学習、Augme

Google DeepMindから次世代のマルチモーダル生成AI「Gemini」が発表されました。「GPT-4を圧倒」や「人間の専門家を超えた」などの華々しい評価が発表され、驚くようなデモ動画も公開されました。 断片的な情報が飛び交う中、しっかりと技術レポートを読み解いてみます。 どんな生成AIモデル？ 定量的な評価は？ 具体例は？ Gemini - Technical Report はじめに革新的な技術が登場したとき、技術レポートや論文をしっかりと読むことが、急がば回れの近道です。華々しいデモ動画や断片的な二次情報の記事を読んでも、表層的な情報に踊らされて、技術の真の姿を読み解くことはできません。 Geminiに関しては、オープンソースではなく論文もありませんが、技術レポートが公開されています。しかし、60ページの大作であり、英語で書かれているため、多くの人が読むのをためらうでしょう。

1. はじめに RAGとは? RAG (Retrieval Augmented Generative)は文章検索で関連文章を抽出してLLMにプロンプトとして渡す手法で、検索拡張生成ともいいます。 情報を外部のベクトルデータベースに保存しておき、ユーザーの質問あった際に、質問に関係しそうな文書データを検索して、その参考情報(Context)を追加したデータをもとにLLMが回答を生成する仕組みとなっています。 https://zenn.dev/pipon_tech_blog/articles/92ab7ee5abdc06 RAGはLLMに参考情報として文書データを渡すため、データの品質が悪い場合やそもそも情報がない場合には適切な回答が得られません。 精度が下がるにことに加えて、事実に基づかない情報を生成する幻覚(Hallucination)と呼ばれる現象を起こす可能性があります。 このため、R

AGIラボは、最高のAI情報をお届けするためのマガジン・コミュニティです。GPTsを筆頭にClaude 3やSoraなど注目のAIについても詳しく解説、今日から使えるAI活用情報を一番わかりやすくお伝えします。他に限定コミュニティへのアクセス、限定イベントへの参加権が含まれます。

本記事は、2023年夏季インターンシッププログラムで勤務された上原祐輝さんによる寄稿です。 背景 商品の購入数予測は重要 近年、小売業界ではDXが進み、多くのビジネスプロセスが効率化されています。その中で、特に購入数予測は企業の競争力を左右する重要な要素となっています。購入数予測とは、過去のデータやトレンドを元に、将来の商品の購入数や需要を予測することを指します。正確な購入数予測は、在庫の無駄を削減し、商品の売り切れリスクを減少させるだけでなく、適切な価格設定を可能にし、利益の最大化に寄与します。 PFNにおいても購入数予測に取り組んでいますが、これまでのモデルでは商品間の需要の食い合いを捉えられていませんでした。そこで、本インターンシップでは需要の食い合いを考慮した商品の購入数予測モデルの開発に取り組みました。 既存モデルの問題点 購入数の予測において、最も基本的なアプローチの一つが各店

Tech BASE Okinawa 2023 2023/09/23(土) https://codebase.connpass.com/event/285901/ https://techbaseokinawa.com/

「今や私達の生活に欠かせない生成AIだが」そんな書き出しを来年あたりはしているのではないだろうか。AIのスマホアプリに音声認識がついておしゃべりができたり、その進化の速度はめざましい。 私は計算ができなかったりウソをしれっとつく今のAIの至らぬところが好きだ。でもすぐに更新されて忘れてしまうのだろう。せめて思い出にでもできたらいいなと思う。 おふくろの味、大学の学食の味、味には思い出がある。AIにレシピを聞いてせめて味としておぼえておこう。

「”100年後の世界を良くする会社”を増やす」をミッションに掲げるコンサルティング会社 リブ・コンサルティングが、「自社プロダクトがキャズムを超えるためのGPT活用方法」をテーマとしたイベントを開催。今回は、同社シニアコンサルタントの島孝行氏が登壇したセッション「GPTがもたらす影響」の模様をお届けします。ChatGPTの登場で起きた市場環境の変遷や、日本市場におけるGPT活用企業のカオスマップなどが紹介されました。 ChatGPTの登場で起きた市場環境の変遷 司会者：さっそく、弊社リブ・コンサルティングの島から、第2章「GPTがもたらす影響」についてお話ができればと思います。それでは島さん、よろしくお願いします。 島孝行氏（以下、島）：よろしくお願いいたします。私からはGPTの市場環境や、ベンチャー企業さんがどういったかたちでGPTをサービスに使っていけばいいかについて簡潔にお伝えさせて