米OpenAIの12日間にわたる発表イベント「12 Days of OpenAI」が12月20日（現地時間）に完結した。本稿で12の発表を時系列にまとめておく。サム・アルトマンCEOが予告したように、大小とりまぜた発表だった。 1日目（12月5日） 推論AI「o1」と、月額200ドルの新プラン「ChatGPT Pro」の発表。o1は、従来のモデルよりも推論能力が大幅に向上し、複雑な問題を解決できるようになった。o1のシステムカードも発表され、安全性評価、レッドチーミングの知見、安全性の向上などが強調された。（関連記事） 2日目（12月6日） 「Reinforcement Fine-Tuning」（強化学習ファインチューニング研究）プログラムの発表。特定のタスク用に「oシリーズ」モデルを変更できるようにするモデルカスタマイズ方法だ。まずは複雑なタスクを持つ研究者、大学、企業からの応募を募集し

はじめに 2024年のAI界隈では「RAG」が一巡し、その可能性と限界が明確になってきました。最も顕著な点は「RAGは魔法の杖ではない」という認識の広がりではないでしょうか？ RAGは確かに、既存の文書やデータを活用したAIの応答精度向上に貢献してきました。しかし、単純な質問応答を超えた複雑なタスクの実行や、動的な状況への適応には限界があることも明らかになっています。この限界を超えるための次のステップとして注目を集めているのが「AIエージェント」です。 OpenAIのCEOであるサム・アルトマンが「次のブレークスルーはエージェントだ」と発言していたり Anthropic社員がこのようなスピーチをしたりしています。 AIエージェントとは AIエージェントは、特定のタスクや目的のために設計された自律的なAIシステムです。たとえば、会議の参加者の予定を自動で調整して最適な時間を設定するAIアシス

11月後半に開催されたMicrosoft Ignite 2024では、数々の新製品や新サービス、新技術が発表されました。今年の主要テーマは、Copilotおよび生成AI技術に関するもので、Microsoft 365 Copilotに関しても数多くの新機能や最新情報が公開されました。本稿では、発表されたもののうち、筆者が注目しているものをピックアップして紹介します。

生成AI（人工知能）の活用が“第2章”に突入している。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。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は、ユーザーの質問に回答する「話し相手」に過ぎなかった。 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予約する。AIエージェントから

こんにちは！年末記事の第二弾、AIエージェントに関するビジネス記事になります。 現状のエージェントはどうなっているのか、今後エージェントを始める方が参考になるように説明します。 第一弾の記事は既に公開されています。 Weekly AI Agent News!から見えたAIエージェントの現在地 - 襖からキリン 私が公開しているWeekly AI Agent News!や論文のリポジトリはこちらです。 speakerdeck.com github.com AIエージェントに取り組む人材とは？ 企業のAIエージェントの状況 現状の主力エージェント製品を解説 エージェントビルダー リサーチ、問い合わせ対応 データに基づく意思決定支援 様々なソースから資料作成 Agentic Process Automation これからのエージェントを考える 生成AIエージェントと業務ソフトウェアの結びつきが強

私たちは以前にもGPT-4o-miniをファインチューニングして運用しているというお話をシェアして大きな反響いただきました。 上の記事では、GPT-4oの出力を人手で修正（アノテーション）して、GPT-4-miniをファインチューニングする運用をご紹介していますが、蒸留はGPT-4oの出力をそのまま使用するのが大きな違いです。 また、今回の発表の肝は、この蒸留をOpenAIのDashboad上で簡単に行えるようになったことです。 ですが、他社さんでも実際に蒸留を使っているというお話はあまり聞ないので、蒸留の基本とModel Distillationの使い方をご紹介しつつ、使い所と注意点をシェアしたいと思います。 o1-previewとo1-miniが同時に発表されたことを見ても、今後も"高性能で高価なモデル"と"少し性能は劣るが安価なモデル"は（多少の時期の違いがあっても）セットでリリース

身の回りのAIエージェント 実は、私たちの身の回りには、すでにAIエージェントの先駆けとなる存在が数多く存在します。例えば… 「Hey Siri、今日の天気は？」 「Alexa、リビングの電気つけて」 …といった具合に、スマートフォンやスマートスピーカーに話しかけた経験がある方も多いと思います。これらも一種のAIエージェントに該当すると言えます。 そして今、ChatGPTのような生成AIの登場により、AIエージェントは大きな進化を遂げようとしています。 具体的な例を見ていきましょう。 「週末のピクニックの準備を手伝って」という依頼に対して 天気予報を確認し、最適な時間帯を提案 行き先の混雑状況を調査し、ベストなスポットを推薦 持っていくと良い持ち物リストを作成 前日には準備すべき事項を自動でリマインド また、「今日は暑くなりそうだから快適に過ごせるようにして」という指示に対して 気温予測を

導入は簡単でも回答精度を出すことが難しいのが生成AI（人工知能）技術の「RAG（検索拡張生成）」である。第2回ではRAG導入前に企業が陥りがちな落とし穴である「高すぎる期待を放置する」と「十分なデータの前処理をしない」について解説する。 RAGの導入自体は簡単だ。エクサウィザーズの福田政史執行役員AIプラットフォーム事業統括部exaBaseプロフェッショナルサービス部部長は「一見、RAGは簡単そうに見える。実際に仕組みはシンプル」と語る。しかし、RAGの導入効果を出すのに苦労している企業は多い。RAGには陥りやすい落とし穴があるためだ。 落とし穴は主に3つ。（1）高すぎる期待を放置する、（2）十分なデータの前処理をしない、（3）導入後に継続的な改善をしない――である。第2回では（1）と（2）の落とし穴を解説していく。 まず、1つ目の落とし穴である「高すぎる期待を放置する」について説明しよう

生成AIは2022年以降、急速に進化し金融業界での活用が進んでいますが、ガートナーのレポートによれば「過度の期待期」を超え、「幻滅期」に差し掛かっています。実際には、推論強化を含む新技術が登場し、生成AIは意思決定を支援するツールとしても進化している最中です。さらに、スマートフォンなどエッジデバイスでの活用が加速しており、金融サービスのパーソナライズが期待されていますが、現状にどのように向き合えばいいのでしょうか。金融DXをけん引してきた筆者が解説します。

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

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

現在、大規模言語モデル(LLM)に代表される生成AIがシステム開発の領域において注目を浴びており、システム開発プロセス全体の効率化から、特定の業務における自動化まで、その応用範囲は広がり続けている。本レポートでは、生成AIを用いたシステム開発についての現状を整理し、生成AIによって今後のシステム開発がどのように変化していくか考察したものである。 第1章では、生成AIがシステム開発において具体的にどのような場面(ユースケース)で活用できるかを述べ、ユースケースに対応した具体的な生成AIサービスとして、汎用的な生成AI(OpenAI社のChatGPTやGoogle社のGeminiなど)やエンジニアアシスタント型の生成AI(GitHub Copilot, Cursorなど)を紹介している。 第2章では、ITベンダやSIerでの事例を中心に、各企業におけるシステム開発領域での生成AI活用の動向につ

大規模言語モデル（Large Language Model、LLM）をパソコンなどのローカル環境で動かす「ローカルLLM」が急速に広まっている。課金不要であり、情報漏洩やプライバシー問題も気にする必要がない。注目のローカルLLMの利用法を紹介する。 LLMには、パラメータ数を増やせば増やすほど性能が向上する「スケーリング則」があると考えられています。この法則の有効性が認められたことで、LLMのパラメータ数は、従来の深層学習モデル（ディープニューラルネットワークモデル）と比較して、大幅に増加することになりました。これは、モデルのサイズが巨大化していることを意味します。しかし、モデルが巨大だと、大量のVRAMを持つ高性能なコンピュータかクラウド環境でしかLLMを運用できません。 そこで、モデルの“軽量化”が重要になってきます。軽量化することで、パソコンやスマートフォンでLLMを動かせるようにな

ソフトウェア工学における大規模言語モデルの現状を調査：LLMの適用と成果 9月11日、ソフトウェア工学（SE）における大規模言語モデル（LLM）に関する包括的な調査が公開された。本調査は、SE分野におけるLLMの活用に焦点を当てており、コード生成やテスト、要件エンジニアリングなど、多岐にわたるタスクの自動化におけるLLMの役割を体系的に整理し、LLMがSEの各種業務にどのように適用され、どのような成果を上げているかを明らかにしている。 本調査の成果物はGitHubリポジトリで公開されており、今後も継続的に更新される予定である。ただ、実際のドキュメントは非常にボリュームがあるため、以下にChatGPTを使って要点をまとめたものを紹介する。 LLMのSE業務への適用とその成果 LLMは、ソフトウェア開発の各フェーズで大きな成果を上げており、以下のように様々なタスクに適用されている。 1. 要件

現在、多くの企業が生成AI活用に取り組んでおり、その効果に期待が集まっている。現状を見ると、その用途のほとんどが「生産性向上やコスト削減」を目的とした、既存業務のサポート役としての活用に留まる状況だ。しかし本来、生成AIはコスト削減以上の成果をもたらす実力を備えており、企業の競争力の源泉にもなり得る存在だ。本記事では、あらゆる企業の取り組みから一歩先に進んだ「企業の実力を底上げさせるための生成AI活用」の手順・ポイントを解説する。 2022年末のChatGPTの登場以降、生成AIの活用が全世界で急速に広がり、現在ではほとんどの企業が何らかの形で生成AIを活用している状況がある。実際に、IBMが全世界のCEOを対象に実施したアンケート調査によると、調査対象企業の7割以上が生成AI活用に取り組んでいるという結果が出ている。 また、そのうち47％は「生成AIのPoC段階」、残り26％は「すでにコ

大手クラウド事業者がベクトルデータベース（DB）サービスを続々と投入している。既存のデータベースサービスに機能を組み込む例、検索サービスとして提供する例など様々だ。自社の業務に適したサービスはどれかを探る。 2024年8月2日、米Google（グーグル）はデータベースサービス「Cloud Spanner」にベクトル検索の機能を追加したと発表、7月には米Amazon Web Services（アマゾン・ウェブ・サービス、AWS）が「Amazon MemoryDB」に加えたベクトル検索機能の一般提供を開始した。同年6月には米Salesforce（セールスフォース）が「Data Cloudベクトルデータベース」の一般提供を始めると発表するなど、ベクトルDB関連サービスが相次ぎ登場している。 大手クラウド事業者からベクトルDB関連サービスが投入される背景にあるのが生成AIの企業導入だ。業務などに適

G-gen の堂原と又吉です。当記事では、Amazon Web Services（AWS）、Microsoft Azure、Google Cloud（旧称 GCP）が提供するフルマネージドな RAG サービスの比較を行います。 はじめに 当記事について RAG とは 3社比較 前提条件 機能比較 料金シミュレーション 想定シナリオ AWS Azure Google Cloud 総評 AWS Azure Google Cloud 詳細の解説 Knowledge bases for Amazon Bedrock（AWS）の詳細 構成図 プロダクト一覧 Knowledge bases for Amazon Bedrock Amazon S3 Amazon OpenSearch Service できること 検索 対応データソース 料金 概要 基盤モデル利用料金 ベクトルデータベース料金 Azure

スライド概要 実務においてRAG（Retrieval-Augumented Generation）をたっぷり経験したhoxo-mの学びと現場のノウハウをまとめた

デジタルスキル標準 ビジネスパーソンがDXに関するリテラシーを身につけ変革により行動できるようになるための「DXリテラシー標準（DSS-L）」と、DXを推進する人材の役割や習得すべきスキルなどを定義した「DX推進スキル標準（DSS-P）」を紹介しています。