【Oracle Cloud ウェビナー】AIエバンジェリストとコンサルが語るAI時代のデータマネジメントとデータプラットフォーム

Oracle Cloud ウェビナー日本オラクル株式会社 2024年12月4日 AIエバンジェリストとコンサルが語るAI時代のデータマネジメントとデータプラットフォーム

本日のトピック 1．AI活用に向けてのトレンドと抱えられている課題 2．AI活用のためのデータマネジメントとプラットフォーム 3．Oracleとしてのポイント、オファリング 2 Copyright © 2024, Oracle and/or
its affiliates 西井雄飛 AI エバンジェリスト日本オラクル株式会社事業戦略統括 AI推進室仲庭智美ソリューションプリンシパル日本オラクル株式会社コンサルティングサービス事業統括テクノロジーコンサルティング事業本部プロフェッショナルサービス本部第一デジタルインテグレーション部加藤祥平本部長日本オラクル株式会社コンサルティングサービス事業統括コンサルティングセールス事業本部テクノロジー・ソリューション営業本部

企業領域に於ける生成AI実用化課題企業データを中心とした課題 5 Copyright © 2024, Oracle and/or its affiliates
検索精度向上ハルシネーション低減データセキュリティデータガバナンス生成AI技術の企業領域での実用化に向けた3大課題データ前処理高度化検索ロジック高度化データ秘匿化データアクセス制御実装ユースケースアイデア創出ユースケース拡張・実現データ資産棚卸 AI時代に最適な統合PF構築

AIユースケースの考案と拡張サイクル事業部門と技術部門の役割分担 6 Copyright © 2024, Oracle and/or its affiliates
業務効率化全体最適化業務プロセス理解業務推進課題発掘アイデア創出ソリューション考案実現ユースケース拡張生成AI技術活用生成AI技術研究・検証統合プラットフォーム構築・運用技術者育成 RoI向上事業部門技術部門

AIユースケースの考案と拡張サイクル事業部門と技術部門の役割分担 7 Copyright © 2024, Oracle and/or its affiliates
業務効率化全体最適化業務プロセス理解業務推進課題発掘アイデア創出ソリューション考案実現ユースケース拡張生成AI技術活用生成AI技術研究・検証統合プラットフォーム構築・運用技術者育成 RoI向上事業部門技術部門ユースケース考案失敗例業務知識のない技術部門によるユースケースアイデアの創出技術知識のない技術部門によるソリューションの考案や選考単一ユースケースのみを実現する短期的なソリューション企画開発への没頭生成AI技術の利用を一方的に事業部門に押し付ける終わりなきPoC RoIの破綻価値のないユースケース AI技術民主化の失敗人を置き換える抜本的な業務改革としての生成AIの活用検討非現実性の追求自社データ資産の活用と運用ができる人材がいない中での生成AI実用化膨大な手戻り損失

Copyright © 2024, Oracle and/or its affiliates 8 生成AI技術は多種多様な業務効率化に貢献多種多様なユースケースの実現による累積型の業務効率効果で全社最適化を推進
ユースケース考案に向けて貴社の業務課題と対象となる業務プロセスをお聞かせください回答例) 営業部門の顧客提案資料の作成時間短縮プロセス生成AI技術活用案顧客現状の確認: 提案中の案件や提案対象者の確認 CRMに対するファンクションコーリング顧客の課題をヒアリング: 顧客インタビューやアンケートを実施し、具体的な課題を洗い出す。過去対応を根拠としたレコメンデーション自社ソリューションとのマッチング: 顧客の課題と自社の製品・サービスを紐づける。課題と製品説明文のベクトル検索製品・サービスの詳細: 製品・サービスの特徴、メリット、競合との差別化ポイントを具体的に説明する資料を付帯。顧客課題との関連性の高い詳細説明文を検索し拡張生成導入事例: 成功事例を紹検索し、資料に加える。過去事例に対するセマンティック検索社内レビュー: チームメンバーにレビューしてもらう。マルチモーダルAIエージェントへの壁打ち

ユースケース拡張性を担保する統合型のプラットフォームが必要アプリケーションシステムの近代化 9 Copyright © 2024, Oracle and/or its affiliates
ユースケースアプリケーション目的別データデータソース目的別システム A 目的別システム B 目的別システム C 目的別システム D 目的別システム E ・・・ユースケース NLUI マルチエージェントマルチモジュール統合検索プラットフォームデータ加工・前処理エンタープライズアプリケーションデータソース生成AI時代のシステム

AI Agents OCI Generative AI Agents Service Copyright © 2024,
Oracle and/or its affiliates 11 AI Agentsにより、大規模言語モデル(LLM)を活用した、自然言語によるリアルタイムの企業知識の問い合わが可能になります。さらに、情報の取得だけではなく、それに応じたアクションを起こすことまで可能になります。知識ベース検索インデックスチケット営業、マーケティング、財務、サポート LLM 会話コンテキスト言語サービスアクションユーザーリレーショナル・データベース Agent 汎用エージェントが参照するデータをドメイン特化する事で個別ユースケース対応に最適な専門エージェントを効率的に構築する事が可能

AI時代に最適なインフラ基盤としてのオラクルデータベースコールセンター業務支援例 13 Copyright © 2024, Oracle and/or its affiliates
顧客専門オペレーターエージェント FAQ文書テキストチャンクベクトルデータグラフ {json} メタデータ検索キーワード検索グラフ探索ベクトル検索属性絞り込み画像テキスト要約顧客データ自然言語・ JSONなど宣言言語リレーショナルクエリデータソースデータ前処理検索/データ要求対応プロンプト変換構文解析窓口オペレーターエージェント自然言語専門オペレーターエージェント専門オペレーターエージェント自然言語 Oracle Autonomous Database (Oracle Database 23ai) API API検索 (ファンクションコーリング) データアクセス制御ベクトルデータ OCI Agents Service OCI Generative AI Serviceをはじめとした言語モデルサービス

AI時代に最適なインフラ基盤としてのオラクルデータベース人々が新たな方法でデータを理解し、本質を見極め、無限の可能性を解き放てるプラットフォーム 14 Copyright © 2024, Oracle and/or its affiliates
顧客専門オペレーターエージェント FAQ文書テキストチャンクベクトルデータグラフ {json} メタデータ検索キーワード検索グラフ探索ベクトル検索属性絞り込み画像テキスト要約顧客データ自然言語・ JSONなど宣言言語リレーショナルクエリデータソースデータ前処理検索/データ要求対応プロンプト変換構文解析窓口オペレーターエージェント自然言語専門オペレーターエージェント専門オペレーターエージェント自然言語 Oracle Autonomous Database (Oracle Database 23ai) API API検索 (ファンクションコーリング) データアクセス制御ベクトルデータ OCI Agents Service OCI Generative AI Serviceをはじめとした言語モデルサービスデータ領域課題解決の為の統合検索プラットフォーム (リトリーバルプラットフォーム) 要件 1. JSON・リレーショナル・グラフ・ベクトルなど多種多様なデータ形式を取り扱える事 2. AIエージェントからの自然言語によるデータ要求に応えられる事 3. 柔軟なデータ前処理を始めとしたデータエンジニアリングが実施できる事 4. データ運用 (ACID管理・データアクセス管理など) を効率的・包括的に実装できる事 5. 継続的なユースケース拡張に対しパフォーマンススケーラービリティを担保できる事 6. マルチクラウドを前提とした非ロックイン思考である事生成AIによるデータ利活用は千差万別であるが故に万能なパッケージソリューションは存在しない。データ領域課題の解決には「データエンジニア」が持つ可能性を最大限に引き出すプラットフォームが必要不可欠となる

ユースケースアイデア創出ユースケース拡張・実現 • 企業・組織内のどこに、どんなデータがあるか分からず、ユースケース創出が困難 • データソース、ユースケース、利用ユーザの拡大にも対応できる、拡張性の高いシステムが必要
データセキュリティデータガバナンス • 個人情報や機密情報などを判別し、アクセスコントロールしないといけない • データ活用の利便性を保ちつつ、外部へのデータ漏洩を防がないといけない検索精度向上ハルシネーション低減 • データの不揃いや不整合のため、検索精度が上がらない • データソースのデータ種類が多く、現在のプラットフォームでは吸収できないためデータ量が少ない生成AI実用化の課題 Copyright © 2024, Oracle and/or its affiliates 16 データマネジメントデータプラットフォームが必要大量・多種のデータをセキュアに扱うデータの収集、整理、活用を管理するデータを中心とした課題

AI活用のためのデータマネジメントのミニマムスタート DMBOK(Data Management Body of Knowledge:データマネジメント知識体系ガイド)はデータマネジメントを実践する上で非常に役立ちますが、AI時代での取り組みにおいて、以下のような課題があります。 • DMBOKではデータマネジメントの全領域を網羅的にカバーしており、一
気にやりきるのは非常に時間がかかる。取り組み方を工夫しないと、ゴールまで辿り着けなかったり、完成する時に組織の実情としては古いものが出来ている可能性がある。 • 現行のDMBOK2の初版は2017年であり、AIやCloud技術といった、最新のテクノロジーを踏まえていない内容もある。そのまま取り組むと、時代遅れの内容になる可能性がある。 →必要なものの取捨選択や、一部の内容についてAIなどの新しいデータ活用の形にあわせたアレンジをして実施する必要がある。 18 Copyright © 2024, Oracle and/or its affiliates DMBOKをAI時代にあわせてアレンジして活用するデータマネジメント知識領域を表したDAMAホイール図

AI活用のためのデータマネジメントのミニマムスタート 19 Copyright © 2024, Oracle and/or its affiliates AIをはじめとしたデータ活用に最低限必要な内容かつ、
最新テクノロジーを踏まえた内容で実施取組領域実施内容 1.データ資産企業のデータ資産をハイレベルで棚卸および整理 2.データ活用ユースケース AIを始めとしたデータ活用や分析の要件を整理 3.データアーキテクチャデータ収集と蓄積、利用に関する一連の仕組みの設計データの一元化を実現するとともに、データ利用の自由度を高めるために整備 4.データ品質データ利用要件を踏まえたデータ品質の定義整理されたデータ資産に対する品質の評価 5.データモデリングとデザインデータ活用・データ分析要件を実現するためのデータモデリングを実施 6.データセキュリティデータセキュリティ要件の整理と実現方式を定義 DMBOKのベストプラクティスを活用しつつ、項目の取捨選択をして効率的に進めつつ、AI活用に必要な内容にアレンジする

1.データ資産 • データマネジメントの第１歩として、企業・組織内の「データの地図」であるデータ鳥瞰図を作ることを推奨 ➢ 組織軸×業務領域、バリューチェーン× システムなどの形式で、企業・組織内のデータを一覧化する。 ➢
組織や業務をまたいだデータを組み合わせてシナジーを得る事が目的の一つ。 ➢ データの整備状況を可視化し、データ活用の実現可否や、データ整備の優先順位を明らかにする • フォーマットはあるものの、企業・組織の状況や、まとめた一覧の活用方向性によって、カスタマイズする必要がある 20 Copyright © 2024, Oracle and/or its affiliates 企業のデータ資産をハイレベルで整理した「データ鳥瞰図」の作成

企業のデータ資産をハイレベルで整理した「データ鳥瞰図」の作成バリューチェーンベースのデータ鳥瞰図 ✓ お客様への価値を届ける価値連鎖に焦点 ✓ サイロ化ではなく、組織横断の視点 ✓ 企業内だけではなく、企業外にも目を向ける
組織×業務領域のマトリックス ✓ 組織（事業部門etc）とデータ領域のマトリックス ✓ データオーナーも目処がついてくる ✓ 網羅的に洗い出すことで優先順位もつけやすい業務ドメインの整理 ✓ 現行システムに捉われず、業務ドメインのエンティティに焦点 ✓ 網羅的に洗い出すことで優先順位もつけやすい 1.データ資産 Copyright © 2024, Oracle and/or its affiliates 21

2.データ活用ユースケース AIを始めとしたデータ活用や分析の要件を整理する。データ資産整理とあわせて実施する事で、データ活用要件の現実可能性や、データ整備の優先順位が明確になる。 • データ活用要件は、フレームワークなどを活用し効率的に整理する。 ➢ データ活用要件の優先順位づけにMoSCoWリストを活用する事が多い。
• 分析要件のとりまとめとしては、分析対象(何を)、分析軸 (どんな切り口、どんな粒度で見るか)を中心に整理する。 22 Copyright © 2024, Oracle and/or its affiliates AIや分析などデータ活用の要件を取りまとめるデータ活用の要件取りまとめ例

4.データ品質 23 Copyright © 2024, Oracle and/or its affiliates データ利用者の要件を踏まえ、データの利用者の期待に応えるデータの品質を評価・確保する
適時性完全性整合性一貫性一意性妥当性正確性有効性必要な時に速やかにデータが利用できる度合いデータの要素が揃っている度合い意味・値が一貫している度合いデータ重複のない度合いデータが適切である度合い実体を正しく表している度合い属性が有効範囲（型、桁）に定まっている度合い評価確保データ品質評価・確保の視点

6.データセキュリティ 24 Copyright © 2024, Oracle and/or its affiliates データに対して適切な認証と権限付与を行い、アクセスを制御し監査を行う
• 入退室管理 • 設備/危機管理 • 施錠等 • ファイアウォール • 暗号化 • 不正侵入検知等 • アプリケーション監視 • ウィルス対策 • 認証/認可等 • アクセス制御 • 暗号化 • 監査 • 認証/認可等データベース層アプリケーション層ネットワーク層物理層手段 • 外部的要因 • 悪意によるもの • 破壊・改ざんなど • 環境によるもの • 災害などリスク対象 • 内部的要因 • 故意によるもの • 不正持出など • 過失によるもの • 誤操作など

6.データセキュリティ 25 Copyright © 2024, Oracle and/or its affiliates Oracle
DBのセキュリティ機能により、AI活用でのセキュリティ課題が解決できる Oracle Database 暗号化アクセス制御監査ユーザーやセッション情報に基づいて表のアクセスを列・行レベルで制限 DB管理者の無制限のアクセスを強制的に禁止、厳格な職務分掌を実現 Database Vault 認証強化外部認証基盤による認証強化トークン・ベース認証 DF11233 U*1 $5Ha1qui %H1 HSKQ112 A14 FASqw34 £$1 アプリケーションへの影響がない透過的な暗号化 Transparent Data Encryption 機密データをマスキングしセキュアなテストデータを作成 Data Masking and Subsetting データベースのアクセスログを漏れなく詳細に記録 Unified Audit アクセスログの分析を自動化し不正なアクセスの検知・アラート Audit Vault and Database Firewall Centrally Managed Users Virtual Private Database Data Redaction Label Security SQL Firewall OCI Logging Analytics OCI Data Safe クラウド・サービス

データパイプライン AI時代の統合データプラットフォーム Copyright © 2024, Oracle and/or its affiliates 27
UI ユーザーオーケストレーター生成モデル非構造データ構造データコネクター構造テーブル JSON Graph Vector データ変換埋込モデルクエリデータロード加工用データチャンクなど自然言語・画像・チャートなど自然言語・画像・チャートなど拡張生成・構文解析など自然言語・SQL・JSON・Graphなど結果セットシステムプロンプトインターネット事前学習データセットエンタープライズ・アプリケーション HTTP API

AI時代の統合データプラットフォーム Copyright © 2024, Oracle and/or its affiliates 28 UI
ユーザーオーケストレーター生成モデル非構造データ構造データコネクター構造テーブル JSON Graph Vector データ変換埋込モデルクエリデータロード加工用データチャンクなど自然言語・画像・チャートなど自然言語・画像・チャートなど拡張生成・構文解析など自然言語・SQL・JSON・Graphなど結果セットシステムプロンプトインターネット事前学習データセットエンタープライズ・アプリケーション HTTP API Oracle Database 23ai 自然言語理解 SELECT AI データアクセス形式とデータストレージ形式の分離 JSON Relational Duality View SELECT AI SQL/PGQ ありとあらゆるデータ形式のサポート Converged Database ありとあらゆるデータソースとの連携 Autonomous Data Studio Heterogenous Connector リアルタイムデータ前処理 PL/SQL Package ExaData Technologies GPU Offload 多種多様な埋込モデルサポート ONNX PL/SQL Package 検索精度向上施作 SQL Converged Database Annotation セキュリティとコンプライアンス Virtual Private Database Security Label Real Application Security データ運用コストパフォーマンス Autonomous Database SQL Developer AI Assist Synthetic Data Generation 柔軟なデータPF展開オプション MultiCloud

AI活用に向けてのポイント 29 Copyright © 2024, Oracle and/or its affiliates 現場を見てきたコンサルとして
• AI活用のユースケースを明確にすることが大事 • スモールスタート→効果測定→評価→拡大の流れが組織に浸透しやすく、実際に使われるシステムとなりやすい • スモールスタートで始めながらもデータソース/ ユースケース/利用ユーザの拡大にも対応できる拡張性の高い仕組みを設計する必要がある Point 1 Point 2 第一段階第二段階第四段階第三段階第五段階 • データセキュリティを含め、データのことは出来るだけデータベース層に任せることで、課題解決への費用対効果が高くなる

Point 1 改めてデータ管理ついてはデータベース層に任せる Copyright © 2024, Oracle and/or its affiliates
31

企業内データをAIにセキュアに解放し、生成AIで活用する手段を容易に 32 Copyright © 2024, Oracle and/or its affiliates シンプルかつ、セキュアでスケーラブルな、マルチモーダルデータプラットフォーム
ユースケースアプリケーション目的別データデータソース目的別システム A データアクセス(GET/PUT) データ管理 API データソースユーザ体験 UI アプリケーション / サービスビジネスロジック

ユースケースアプリケーション目的別データデータソース目的別システム A 目的別システム B 目的別システム C 目的別システム D 目的別システム E ユーザ体験 UI アプリケーション / サービスビジネスロジックデータアクセス(GET/PUT) データ管理 API データソースアクセス制御 ACID制御データ前処理パフォーマンス、スケーラビリティ

ユースケースアプリケーション目的別データデータソース目的別システム A 目的別システム B 目的別システム C 目的別システム D 目的別システム E ユーザ体験 UI アプリケーション / サービスビジネスロジックデータアクセス(GET/PUT) データ管理 API データベースアクセス制御 ACID制御データ前処理パフォーマンス、スケーラビリティ

・・・ユースケース NLUI マルチエージェントマルチモジュール統合検索プラットフォームデータ加工・前処理エンタープライズアプリケーションデータソース生成AI時代のシステムユーザ体験 UI アプリケーション / サービスビジネスロジックデータアクセス(GET/PUT) データ管理 API データベースアクセス制御 ACID制御データ前処理パフォーマンス、スケーラビリティ

ビジネスユースケースマルチ AIエージェントマルチ AIモデルマルチモーダルデータプラットフォームマルチデータソース 7623 Single Source of Truth マルチモーダルデータプラットフォーム • 一つのデータベース上で、マルチモーダルデータをセキュアに管理し、システムの複雑化、高コスト化を抑止しつつ、“Single Source of Truth” を実現 • Hybrid-RAG など、RAGに必要なベクトル検索精度向上を、高パフォーマンスに実現 • エンタープライズAIに求められる、高可用性、スケーラビリティー、堅牢なセキュリティを実現

マルチモーダルAI=マルチユースケースに最適なコンバージドデータベース様々な種類のデータとワークロードをシングル・データ・プラットフォームで 37 Copyright © 2024, Oracle and/or its affiliates
Relational Vector Geospatial Cube Graph Documents Relationalでの複合ワークロード, JSON, Cube, Graph, Spatial, Text, Event, Blockchainなどに対応データの種類が異なっても1つのクエリーで処理、複数のDBを使い分ける必要がなく、システム運用・セキュリティ等の標準化が可能 Key-Value {JSON} Blockchain

マルチクラウドでの仮想化インターフェースマルチクラウドでのデータレイクや各種データソースとの統合ダイレクト・クエリ・アクセスデータレイクのファイル形式 Azure Repos コード・レポジトリ
AWS Codecommit Github データ統合ソース通知データ共有 AI OCI Data Catalog Amazon Glue データ・カタログセキュアなオブジェクト・ストア・アクセス AI Analyticsツールアプリケーション Autonomous Databaseにアクセスするとマルチクラウドの様々な種類のデータにまとめてアクセスできる Copyright © 2024, Oracle and/or its affiliates. 38

アプリケーション開発者が機能に集中できる開発インフラストラクチャー 39 Copyright © 2024, Oracle and/or its affiliates 生成されたアプリケーションの堅牢
性・拡張性・セキュリティを担保する自律型インフラストラクチャー Virtual Private Database Label Security Real Application Security Normalized Relational Tables データアクセスコントロール Value-based Concurrency Rules モジュール・エージェントモジュール・エージェントモジュール・エージェントエンタープライズ・アプリケーションデータアクセス形式データストレージ形式 JSON Relational Duality View データの一貫性データの機密性データの進化 JSON 宣言型スキーマ (生成し易さ) Annotation

40 Copyright © 2023, Oracle and/or its affiliates データベース戦略の比較統合され(コンバージド)、
オープンなSQLデータベースで稼働開発者とIT部門はイノベーションに注力代わりに単一用途で独自の複数のデータベース開発者とIT部門はインテグレーションに注力トランザクション用DB JSON専用 DB 分析専用 DB 機械学習分析専用 DB ブロックチェーン分析専用 DB ドキュメント専用DB {JSON}

オラクルロードマップ提案フレームワーク 42 Copyright © 2024, Oracle and/or its affiliates お客様毎の生成AI実用化ロードマップのご提案
Ent.AIの民主化ユースケース考案投資対効果仮説検証投資判断実装と実用化生成AI情報収集・調査言語モデル単体展開汎用RAGパイロット展開ユーザーフィードバック収集 RAG効果立証 LoB業務課題収集データCoE・データソース棚卸 LoBへの Ent.AIの効果実証ユースケースデマンドの可視化マルチ・ユースケースを想定したパイロットユースケース選定統合UI/エージェント PF要件定義統合データPF要件定義統合プラットフォーム検証投資対効果測定と拡張計画考案 Ent.AI実用化に向けた中期計画素案作成本番システム設計本番システム実装ユースケース拡大 Ent.AIの定着化による DX実現予算編成中期経営計画策定ユースケースソリューションリスト化ユースケースソリューション考案

オラクルロードマップ提案フレームワーク 43 Copyright © 2024, Oracle and/or its affiliates お客様毎の生成AI実用化ロードマップのご提案
Ent.AIの民主化ユースケース考案投資対効果仮説検証投資判断実装と実用化生成AI情報収集・調査言語モデル単体展開汎用RAGパイロット展開ユーザーフィードバック収集 RAG効果立証 LoB業務課題収集データCoE・データソース棚卸 LoBへの Ent.AIの効果実証ユースケースデマンドの可視化マルチ・ユースケースを想定したパイロットユースケース選定統合UI/エージェント PF要件定義統合データPF要件定義統合プラットフォーム検証投資対効果測定と拡張計画考案 Ent.AI実用化に向けた中期計画素案作成本番システム設計、拡充本番システム実装、拡充ユースケース拡大 Ent.AIの定着化による DX実現予算編成中期経営計画策定ユースケースソリューションリスト化ユースケースソリューション考案データマネジメントデータプラットフォームユースケース

Enterprise AI 実用化に向けたロードマップ案 44 Copyright © 2024, Oracle and/or its
affiliates ユースケース考察 →ユースケースデマンドの可視化投資対効果仮説検証 →Ent.AI 実用化に向けた中期計画素案作成 Ent.AI の民主化 →LoBへのEnt.AIの効果実証 2024年 2025年 2026年下期上期下期実装と実用化 →Ent.AIの定着化によるDX実現生成AI情報収集・調査言語モデル単体展開汎用RAGパイロット展開ユーザフィードバック収集RAG効果立証 LoB業務課題収集データソース棚卸ユースケースソリューション考察ユースケースソリューションリスト化統合U/Iエージェント PF要件定義統合プラットフォーム検証統合データPF要件定義マルチ・ユースケース想定パイロットユースケース選定本番システム設計、実装拡充ユースケース拡大 26年予算 25年予算上期 24年下期予算相談下期上期 27年予算 25年下期予算相談投資対効果測定と拡張計画考察統合データPF概念アーキテクチャ統合データ PF POC 現状分析とゴール設定体制構築と人材配置ガイドライン,標準策定パイロットプロジェクト実施全社展開と継続的改善データマネジメントデータプラットフォームユースケースデータガバナンス

Enterprise AI 実用化に向けたロードマップ案 45 Copyright © 2024, Oracle and/or its
affiliates ユースケース考察 →ユースケースデマンドの可視化投資対効果仮説検証 →Ent.AI 実用化に向けた中期計画素案作成 Ent.AI の民主化 →LoBへのEnt.AIの効果実証 2024年 2025年 2026年下期上期下期実装と実用化 →Ent.AIの定着化によるDX実現生成AI情報収集・調査言語モデル単体展開汎用RAGパイロット展開ユーザフィードバック収集RAG効果立証 LoB業務課題収集データソース棚卸ユースケースソリューション考察ユースケースソリューションリスト化統合U/Iエージェント PF要件定義統合プラットフォーム検証統合データPF要件定義マルチ・ユースケース想定パイロットユースケース選定本番システム設計、実装拡充ユースケース拡大 26年予算 25年予算上期 24年下期予算相談下期上期 27年予算 25年下期予算相談投資対効果測定と拡張計画考察統合データPF概念アーキテクチャ統合データ PF POC 現状分析とゴール設定体制構築と人材配置ガイドライン,標準策定パイロットプロジェクト実施全社展開と継続的改善データマネジメントデータプラットフォームユースケースデータガバナンスデータマネジメント 1st step データプラットフォーム Small Start データプラットフォーム要件拡充データガバナンス立ち上げデータガバナンス展開、継続改善支援ユースケース考察、仮説検証 ↓ マルチ・ユースケース化

データマネジメントとデータプラットフォームの関係性とアプローチ小さく始めて大きく育てる、互いにフィードバックしてブラッシュアップを続ける 46 Copyright © 2024, Oracle and/or its affiliates
データマネジメント領域、データ、機能を随時更新ユースケース、データプラットフォーム初期PoC ユースケースや構想した内容の一部をクラウドサービスで実装ユースケース、PoCで解像度が上がったテーマもとに逐次ブラッシュアップ 1. データ資産 2. データ活用ユースケース 3. データアーキテクチャ 4. データ品質 6. データセキュリティ ex) データ統合 ex) データガバナンス … 5. データモデリングとデザインデータマネジメント対象領域他のDM領域も順次着手

企業領域に於ける生成AI実用化課題 48 Copyright © 2024, Oracle and/or its affiliates 企業データを中心とした課題
検索精度向上ハルシネーション低減データセキュリティデータガバナンス生成AI技術の企業領域での実用化に向けた3大課題データ前処理高度化検索ロジック高度化データ秘匿化データアクセス制御実装ユースケースアイデア創出ユースケース拡張・実現データ資産棚卸 AI時代に最適な統合PF構築

ユースケースアイデア創出ユースケース拡張・実現 • 企業・組織内のどこに、どんなデータがあるか分からず、ユースケース創出が困難 • データソース、ユースケース、利用ユーザの拡大にも対応できる、拡張性の高いシステムが必要
データセキュリティデータガバナンス • 個人情報や機密情報などを判別し、アクセスコントロールしないといけない • データ活用の利便性を保ちつつ、外部へのデータ漏洩を防がないといけない検索精度向上ハルシネーション低減 • データの不揃いや不整合のため、検索精度が上がらない • データソースのデータ種類が多く、現在のプラットフォームでは吸収できないためデータ量が少ない生成AI実用化の課題 Copyright © 2024, Oracle and/or its affiliates 49 データマネジメントデータプラットフォームが必要大量・多種のデータをセキュアに扱うデータの収集、整理、活用を管理するデータを中心とした課題

ビジネスユースケースマルチ AIエージェントマルチ AIモデルマルチモーダルデータプラットフォームマルチデータソース 7623 Single Source of Truth マルチモーダルデータプラットフォーム • 一つのデータベース上で、マルチモーダルデータをセキュアに管理し、システムの複雑化、高コスト化を抑止しつつ、“Single Source of Truth” を実現 • Hybrid-RAG など、RAGに必要なベクトル検索精度向上を、高パフォーマンスに実現 • エンタープライズAIに求められる、高可用性、スケーラビリティー、堅牢なセキュリティを実現

データマネジメントとデータプラットフォームの関係性とアプローチ 51 Copyright © 2024, Oracle and/or its affiliates 小さく始めて大きく育てる、互いにフィードバックしてブラッシュアップを続ける
データマネジメント領域、データ、機能を随時更新ユースケース、データプラットフォーム初期PoC ユースケースや構想した内容の一部をクラウドサービスで実装ユースケース、PoCで解像度が上がったテーマもとに逐次ブラッシュアップ 1. データ資産 2. データ活用ユースケース 3. データアーキテクチャ 4. データ品質 6. データセキュリティ ex) データ統合 ex) データガバナンス … 5. データモデリングとデザインデータマネジメント対象領域他のDM領域も順次着手

Q&A 52 Copyright © 2024, Oracle and/or its affiliates |
Oracle - Confidential # 質問回答 1 本日のご案内は、既存のAIシステムで利用するDBをOracle23aiに統合しませんか？というメッセージで良いのでしょうか？その場合、具体例を教えていただけないでしょうか。ご質問ありがとうございます。はい、ご認識の通り、AIシステムで利用するDBを統合も視野におきながら、 Oracle Dabase 23ai、Autonomous Databaseを活用していきませんか、というメッセージになります。ただし、既存システムだけではなく、新規システムも対象となります。具体例としては、投影資料スライド#13あたりにございます、「コールセンター業務支援例」スライドの「Oracle Database 23ai」と記載された帯部分でございます。ご確認のほど宜しくお願い致します。

【Oracle Cloud ウェビナー】AIエバンジェリストとコンサルが語るAI時代のデータマ...

【Oracle Cloud ウェビナー】AIエバンジェリストとコンサルが語るAI時代のデータマネジメントとデータプラットフォーム

More Decks by oracle4engineer

Other Decks in Technology

Featured

Transcript