JR東日本が、今後10年間の「Suica」の新機能構想を発表しました。 「ご当地Suica（仮称）」も計画 JR東日本は2024年12月10日、「Suica」の機能を順次進化させることで、従来の「移動のデバイス」を超えて「生活のデバイス」に変えていく構想を発表しました。 拡大画像 JR東日本は、自動改札機にSuicaをタッチせずに通過できる「ウォークスルー改札」の実現を目指す（画像：写真AC）。 これまで各Suicaの情報はカードや端末で管理されてきましたが、今後、センターサーバー化を進めます。これにより記憶容量が増え、Suicaでできることが大幅に増えます。 具体的には、例えばSuicaは少額決済を想定して2万円までしかチャージ（入金）できませんが、2026年秋頃には、モバイルSuicaアプリを大幅にリニューアルし、コード決済で2万円を超える買い物に対応。また、ユーザー間の送金やクーポン

AIの開発・運用が簡単に行えるようになるGoogleのプラットフォーム「Vertex AI」で、動画生成モデルの「Veo」と画像生成モデル「Imagen 3」のプライベートプレビュー版提供が始まりました。 Introducing Veo and Imagen 3 on Vertex AI | Google Cloud Blog https://cloud.google.com/blog/products/ai-machine-learning/introducing-veo-and-imagen-3-on-vertex-ai/ 「Veo」は、開発元のGoogle DeepMindが「これまでで最も高性能」と表現する動画生成モデルで、2024年5月に開催されたGoogle I/O 2024でお披露目されました。 自動で1080p・1分超の動画を生成できるAI「Veo」をGoogleが発表 -

待ち時間を解消しCXを高める 「コールセンターに電話をかけて、長時間待たされた経験がある人はきっと多いはず。生成AIを活用すれば、問い合わせへの返答までのタイムラグが短くなり、顧客体験価値（CX）が上がる。オペレーターにとってもやりがいを感じられるのではと考えた」 東京メトロのCX・マーケティング部長の川上幸一さんは、問い合わせへの生成AI活用の経緯をこう話す。 同社には年間、約25万件の問い合わせが寄せられる。このうち、15万件が電話、10万件がメール経由。オペレーターへの負担が大きい電話やメールでの問い合わせを減らすため、Webサイト上でチャットボットサービスも提供していたが、チャットボットを通じての問い合わせは、年間わずか1万2000件にとどまっていた。 「微妙につぼを外すマッサージ師のように、聞きたいこととは違うFAQを返してくる、あまりいけていないチャットボットでした」（川上さん

生成AI（人工知能）の活用が“第2章”に突入している。生成AIの技術の1つである大規模言語モデル（LLM）を利用したこれまでの対話型AI（AIチャットボット）は、ユーザーの質問に回答する「話し相手」に過ぎなかった。しかし今後の生成AIの主役は、ユーザーの指示から意図をくみ取り、仕事や日常生活におけるあらゆる作業や手続きを実行してくれる「AIエージェント」に変わりつつある。 AIエージェントは、ユーザーが自然言語で与えた指示をLLMが解釈し、適切な手段を選択して自律的に処理を実行する。従業員の出張を支援するAIエージェントを例に考えてみよう。 AIエージェントはユーザーと出張について対話しながら、裏でWeb検索やAPI（アプリケーション・プログラミング・インターフェース）などを使って、場所や予算といった希望に合ったフライトや宿泊先を探し出す。さらに予約サイトに接続し、フライトや宿泊先を実際に

日経クロストレンドは生成AIプロンプトのポータルサイト「教えてAI byGMO」と共同で、マーケティング向けの自作AIツールコンテスト「実践！ マーケティングAIプロンプト＆GPTs」を開催した。24年9月の募集期間に集まった69作品の中から、審査員が厳選した受賞21作品をここに発表する。いずれもマーケ業務に役立つ力作ぞろい。ぜひ自分にぴったりのAIツールを探し、活用してみてほしい。 「教えてAI byGMO」と共同で自作AIツールコンテストを開催した。入賞者を一気に発表する（写真／JK_kyoto/stock.adobe.com）※応募69作品を投稿いただいたクリエイターの皆様、どうもありがとうございました 生成AI（人工知能）やChatGPT（チャットGPT）といっても、どんな命令文（プロンプト）を使えばいいのか、そもそも何ができるのかが分からない――。そんな人に、まず試してほしい機能

OpenAIが2024年2月より研究プレビューを行っていた動画生成AI「Sora」の新たなバージョンとして「Sora Turbo」を開発し、正式にリリースしました。ChatGPTのPlusおよびProプランに加入することで利用可能となります。 Sora is here | OpenAI https://openai.com/index/sora-is-here/ Sora–12 Days of OpenAI: Day 3 - YouTube 2024年2月にプレビュー版が登場した際の様子は下記記事の通り。プレビュー版の時点で生成される動画の品質はかなりのものでしたが、生成される動画の安全性が確保できないことなどから一般ユーザーにはリリースされていませんでした。 テキストから物理法則をシミュレートしながら動画を生成するAI「Sora」をOpenAIが発表 - GIGAZINE OpenAIは

東京都は12月5日、AIによる行政サービス変革の実現に向けた「東京都AI戦略会議」の第1回を実施した。座長は東京大学の松尾豊教授で、東京都のAIアドバイザーに就任した安野貴博さんや、AIスタートアップSakana AIの伊藤錬COOなどが委員として参加。都の生成AIプラットフォームに対し、松尾座長が「めちゃくちゃいい。全体アーキテクチャをこれほど考えたものは見たことがない」と評する場面もあった。2025年夏ごろをめどにAI戦略を策定して公表する予定。 会議冒頭、宮坂学副知事が「スマート東京構想を進めているが、動きがものすごいAIについては別枠で、地方自治体やこの東京に取り入れることができるのかという問題意識でこのような場を作らせていただいた」と挨拶。今後、公務員の人数も減少していくことが見込まれる中、BPR（ビジネスプロセス・リエンジニアリング）やDXによる効率化が必要として、AIに期待を

米Google傘下のGoogle DeepMindは12月4日（現地時間）、生成AIベースの高精度天気予測モデル「GenCast」を発表した。最大15日先までの日々の天気と台風などの気象現象の両方を、「従来の最先端システムよりも正確に予測できる」としている。 GenGastは気象軌跡を表す50以上の予測で構成される「アンサンブルモデル」で、従来の単一の推定値を提供する決定論的モデルとは対照的だとDeepMindは説明する。また、複雑なデータの確率分布をモデル化し、新しいサンプルを生成できる生成的な機械学習手法である「拡散モデル」でもある。 例えば、台風の進路予測でも優れた性能を示すという。例として、2019年に日本に上陸した台風19号の予測性能を紹介した。下の画像では、上陸7日前はまだ不確実性が高い状態だが、上陸が近づくにつれて正確な進路予測が可能になることを示している。 DeepMind

こんにちは、株式会社松尾研究所シニアデータサイエンティストの浮田です。本記事は、松尾研究所 Advent Calendar 2024の記事です。 私は今年、業務周辺のビジネス書や技術書を読むのに時間を割くよう心がけてきました。これはビジネススキルにしろ技術にしろ、業務ドリブンに都度調べるだけでは習得できるスキルに限界があり、しっかりと本を読んで体系的に学ぶことも大事だと思っているためです。そこで今回は、私が今年の松尾研究所で業務をする中で、何かしら業務の役に立ったことがある本を紹介したいと思います。 この記事では、まず私の松尾研究所での業務内容について簡単に記した後に、「仕事の進め方」「チームマネジメント」「クライアントワーク」「機械学習」「エンジニアリング」の5カテゴリに分けて紹介していこうと思います。 私の業務について 松尾研究所では、1) 様々な企業様とのAIの共同開発、2) 社内プ

ついに、米Amazon.com（アマゾン・ドット・コム）の次世代物流施設が米国で動き出した。AI（人工知能）と多数のロボットを利用して在庫管理や配送を抜本的に見直す「第二の物流革命」だ。ロボットは施設当たり数万台。AIを駆使し、配送コストを従来の物流施設と比較して25％低減する。米ルイジアナ州の拠点を皮切りに、世界中の物流施設で次世代システムを採用する計画だ。 「これは商品保管システムのベースを『棚』から『カゴ』へ移行させる新しい技術だ」。アマゾンの電子商取引（EC）部門でCEO（最高経営責任者）を務めるダグ・ヘリントン氏は、2024年10月9日に米テネシー州で開いた記者発表会で、次世代システムをこう位置付けた。「棚」と「カゴ」とは何を意味するのか。それをひもときながら、アマゾンの次世代システムを動画や写真で解説しよう。

近年は生命分子の構造と相互作用を予測するAIモデル「AlphaFold 3」がリリースされたり、「ChatGPTのおかげで論文を読む手間が99％減った」と研究者が報告したりするなど、科学研究におけるAIの活用はますます重要なものになっています。新たに、ワシントン大学とアレン人工知能研究所の研究チームが、科学文献の調査に特化したAIモデル「OpenScholar」をリリースしました。 Ai2 OpenScholar https://openscholar.allen.ai/ Ai2 OpenScholar: Scientific literature synthesis with retrieval-augmented language models | Ai2 https://allenai.org/blog/openscholar OpenScholar: The open-source

AIクローン技術を開発する株式会社オルツは、同社の「CloneM&A」を用いて、株式会社リロクリエイトのM&Aを支援したことを発表した。AIによるクローンマッチング技術を活用して実現したM&A成約は、世界初の事例となる（※）。 （※2024年11月12日現在、オルツ調べ。生成AI、LLMを活用したクローンマッチング技術による、実際のM&A成約事例） 「CloneM&A」は、売手企業のAIクローンを生成し、データベース内に存在する数千の買手企業クローンと仮想面談させることで、最適なマッチング候補先を探索するAIマッチングシステム。オルツのクローン生成技術により、企業が保有する音声データや事業資料などあらゆるデータから学習し、従来の属人的なキーワードマッチングを超える高いマッチング精度を実現している。 リログループは新規事業創出のためのM&Aを検討する中、オルツの「CloneM&A」が導き出す

製造現場では、材料や商品の運搬のために、キャニスター缶、ガスボンベ、IBCコンテナ、SUSドラムなどのリターナブル容器が使用されている。 企業によっては、容器保有数が5万点を超えたり、容器使用による1日の出荷数が1000点を超えたりする場合もある。 これらは、工場から出荷後、物流拠点や顧客の拠点へと複雑に動き回るため、移動履歴や在庫管理が難しい資材だ。 リターナブル容器の例 本来は、リターナブル容器に入った商品が目的地へ到着し、内容物が消費された後、容器は発送元へ返却されるが、管理方法は企業や拠点ごとにさまざまで、滞留や紛失することもある。 さらに、管理のしにくさから、リターナブル容器が紛失しても、いつ・どこで無くなったのか追跡や確認ができないという問題もある。 こうした中、株式会社サトーは、RFID対応の入出荷在庫管理システム「IritoDe（イリトデ）」シリーズの新パッケージとして、「

サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。

鉄道事業（安全の取り組み） 鉄道事業（安全の取り組み）トップ JR西日本グループ鉄道安全考動計画2027概要 安全管理体制 安全管理体制に対しての第三者評価 福知山線列車事故後の安全性向上に関する取り組み 安全の取り組みの紹介 事故などの発生状況 お客様にご迷惑をおかけする事象への対策 お客様・沿線の皆様との連携 鉄道を支える人たち～社員紹介～ 鉄道安全報告書 踏切事故防止 安全研究所 鉄道事業（快適にご利用いただく取り組み） 鉄道事業（快適にご利用いただく取り組み）トップ CS向上の取り組み 技術開発の取り組み プロジェクト工事 JR WEST LABO 創造事業（物販飲食・不動産・SC・ホテルなど） 創造事業（物販飲食・不動産・SC・ホテルなど）トップ 物販飲食事業 ショッピング ホテル 住まい くらし 企業・IR・採用・法人向け情報 企業・IR・採用・法人向け情報トップ 企業理念・安

米Amazon.com（アマゾン・ドット・コム）は米国時間2024年12月3日、独自開発の基盤モデル「Amazon Nova」を発表した。マルチモーダルモデルを含む6種類を発表し、一気に5種類をAmazon Web Services（AWS）の米国東部リージョンで一般公開した。米OpenAI（オープンAI）や米Google（グーグル）などが競うAIモデルの最高性能競争に名乗りを上げた格好だ。 アンディ・ジャシーCEO（最高経営責任者）が、子会社の米Amazon Web Services（アマゾン・ウェブ・サービス）が米ネバダ州ラスベガスで開いた年次イベント「AWS re:Invent 2024」の基調講演に登壇して発表した。 Amazon Novaのモデルファミリーは「Micro」「Lite」「Pro」「Premier」「Canvas」「Reel」の6種類。いずれもAWSの生成AIサービス

前回の記事でMicrosoft Formsというツールを使いスマートフォン上でアンケートを取り、「ネット・プロモーター・スコア」（NPS）のための回答を取得する方法を解説した。今回はそのデータをExcelと生成AI「Copilot」を使い、効率よく分析するための手法を示す。書籍『マイクロソフト「Copilot」の衝撃　生成AI時代のマーケティング』（日経BP）の共著者である赤井誠氏が解説する。 前回に引き続き、アンケート調査を例題にして、米Microsoft（マイクロソフト）の生成AI「Copilot（コパイロット）」の活用法を見ていく。 作成したアンケートに対して、回答が集まったとしよう。このデータをCopilotとExcel（エクセル）を使って分析していく。 「Copilot in Excel」を正式リリース ご存じのように、企業で広く使用されているExcelは、スプレッドシートの作成