Generative AI Japan
Generative AI Japan
産学連携で生成AIの普及・活用を図る一般社団法人Generative AI Japan（以下、Generative AI Japan）は、2024年3月27日に会員向けのキックオフイベントをオンライン開催しました。
本団体は、生成AI活用における教育やキャリア、協業、共創、ルール作り、提言を行い、日本全体の産業競争力を高めることを目指しています。
本格的な活動となる今回のキックオフイベントでは、活動の方向性に関する共有のほか、生成AIのユースケースや技術動向に関するパネルトークも実施します。その模様の一部をお勧めします。 【登壇者】＜パネルトーク ➀生成AIユースケース＞
白井恵里 理事
瀧澤与一
理事武譲二 理事
山田勝俊 理事
ファシリテーター：國吉啓介 理事
＜パネルトーク ②生成AI技術進展＞
大谷健 理事
小俣泰明 理事
寳野雄太 理事
ファシリテーター：漆原茂 理事
理事プロフィールはこちら
國吉啓介氏（以下、國吉）：本日はお集まりいただきまして、誠にありがとうございます。Generative AI Japanのキックオフ会を開催します。
本日ですが、4つのテーマでプロモーションを開始しました。まず、活動の方向性について、國吉よりお話を伺いました。続いて、パネルトークでは「ユースケース」と「テクノロジーの進展」の2つをテーマにお話します。最後に、今後の活動についてご説明します。
では、まず活動の方向性について共有します。
國吉：PwC コンサルティングのレポートによると、生成 AI がいろいろなビジネスに使えるのではなくという期待が高まっています。多様なツールを使うことで多くのことが得られ、サービスとしてより多くの顧客に提供しようとしたときに「本当に問題はないのか？」という不安も生じます。
國吉：生成AIの活用を進めていく中で、一社だけでは解決できない問題が数多くあると思われます。今後、さまざまな場面で生成AIの活用は必要不可欠になりますが、どのように活用すべきか考えなければいけません。その時、一緒に考えてくれる人がたくさんいれば、勇気も湧きアイデアも広がります。ぜひ、私たちと一緒に取り組みを推進していきたいと思い、2024年1月にGenerative AI Japanが発足しました。
皆さんとGenerative AI Japanの活動の中でアイデアを掛け算することで、新しいものが生まれていきます。また発表の機会も設けられたらと思いますので、ぜひよろしくお願いします。
また最近では、アンケートにご協力いただき誠にありがとうございます。生成AIを導入している会社は多いものの、使いこなしている方とそうでない方がいらっしゃいます。これからも進化していく技術に対し、どのようにサービス開発や、より発展的なものへと活用の幅を広げていくか、ユースケースを知りたいという声が集まっています。その他、ビジネス化への課題や利用が定着しない悩みなどもお受けしております。
コラボレーションを持たれている方も非常に多く、産学連携、実践的なガイドライン作成も非常に非常識かとご意見をいただいております。アワードの創設を希望する、こういったご意見を今後の活動に生かしていきたいと思っています。ぜひ、次のセッションもご期待いただければ。
國吉：ここからはパネルトークを渡してまいりましょう。最初のパネルトークでは、白井さん、瀧澤さん、則武さん、山田さんをお招きし、どのような形でAIを生成して社会実装していくべきか、「ユースケース」を共有します。
最初に皆さんが目を付けている「ユースケース・事例」についてお伺いしていきます。まずは白井さんから教えていただけますか。
白井恵里氏（以下、白井）：日々の業務に生成AIを使うことで、みんなが少しずつ楽になります。それが最も生成AIの力を発揮できる方法を選択することです。
ちょうど今朝、メンバーズデータアドベンチャーカンパニーから「全社員の約90％が生成AIを業務で活用！常駐サービスにおける顧客提供価値の向上を目指して」と題したリリースを配信しました。
データ活用を支援するメンバーズデータアドベンチャーカンパニーでは、全社員の90%がAIを生成し業務で活用しています。事例の数としては204件に上ります。
内容としては、コードの生成が最も多くなっています。弊社では業務でSQLのコードを書き込みますが、データベースから必要なデータを取り出したり、できあがったコードを生成したり、AIにレビューをしてもらったりすることで、コードを生成しています。
次に多いのは、知りたいことをまとめたレポートの作成です。それから、アイデアの生成や文書の作成などが続きます。この割合は、おそらく弊社のメンバーの業務特性によるものだから選択します。
生成AIは、日々の業務全般に活用できる可能性があります。パソコンを使っている際に、ブラウザでGoogleの対話型AI「Gemini」などでおき、「これを聞いたら答えてくれるかな」「社内報の挨拶文を書いてほしい」といったことを気軽に打ち込んでみる。採用できるものを与えられそうでない場合もありますが、試行錯誤を重ねた結果、90%の社員が生成AIを使っているような状況になっています。
國吉：ありがとうございます。90%はすごいですね。則武さんはいかがですか。
則武譲二氏（以下、則武）：私からは2つお話しします。一つは、ビジネスに定着させる鍵は、収益へのインパクトが大きい領域に生成AIを活用し、そこで生成AIの力を実感して成果を得ることだ。
私自身も、生成AIの活用が世界でどれくらい進んでいるのか学ぼうと、TCSの資料をリサーチしました。
左上にあるように、システムの要件は定義からコーディング、運用の保守まで、工数数十% 削減している事例があり、収益に大きな影響を与えています。
もう一つのCrushBankの例では、運用保守におけるIT チケットシステムでIT チケットの概要や要約を生成AIで表示したり、関連するドキュメントを参照したりできるようにしていました。さらに、手書きのメモからUIデザインを作成するなど、画面の設計にも効果的です。
TCS は、生成 AI のチューニングに危険な投資をしており、効果的な領域を見据えて極めて投資の重要性を強調しました。
國吉：ではお二人の話に加えて、技術的な側面についてはぜひ瀧澤さんからお話しいただけますか。
瀧澤と一氏（以下、瀧澤）：アマゾン ウェブ サービス（AWS）では、さまざまなお客様の声をいただいています。例えば、コーディングにおいて生成AIを活用すると、生産性が30%向上したというデータがあります。また、情報検索や質問回答、データ分析といった業務でも効果が見えてきています。
ユースケースとしては、既存の業務システムを生成AIの機能をいかに組み込むかが重要になってきていると思います。
単独で、臨床文書を自動的に作成する「AWS HealthScribe」をお勧めします。面白い機能の一つとして、患者と医師の会話を音声認識で文字に起こし、その内容から必要な要素を抽出して、電子カルテの元となるものをAIで生成することができるようになります。これによって、医師の電子カルテを作成する業務が短縮され、医師が患者とのコミュニケーションによりフォーカスが安く、患者体験を選択します。
ただ、業務での導入には、受信者の電子メールの内容が正しく評価され、どの会話によって受信者の電子メールが検証できるか機能も必要です。AWS では、それらを加味した上で AI を活用したサービスとして「AWS HealthScribe」を生成します。
世の中のいろいろなところで、自社データを使ってモデルを作成するのもいいですが、コストと技術力を高めることができます。比較的安価ではありますが、すでに学習済みのモデルに新たなデータを追加しモデル全体を再学習する「ファインチューニング」や、外部ソースから取得した情報を用いて生成AIモデルの精度を向上させる「RAG（Retrieval Augment Generation）」があります。RAG を使うと、自社データ適用、検索結果をもとに要約する部分だけを生成AIで処理するなどのやり方ができると思います。
最近では、このような実装が増えてきており、AWS を使ってそれを実現しているお客さまも出てきています。自社データに基づいて業務を効率化するようにしてくださいとなっています。
國吉：ありがとうございます。RAG が一つポイントになってということで、いろいろな取り組みをされている山田さんはいかがでしょうか。
山田勝俊氏（以下、山田）：弊社は、エンタープライズ向けAIプラットフォーム「FindFlow」を開発しています。私たちはLLMを直接操作しているわけではないので、GPT-4やGeminiなどの上に独自のAIを活用したアプリケーションを構築しています。
わかりやすい例として、企業のQ&Aシステムがあります。ChatGPTの登場によって多くの競争上の取り組みが、データパイプラインに対する精度や質の面で課題を感じました。そこで、独自のAIを使ってデータを学習させ、人間が曖昧な回答をしてしまうとしても、正確な回答ができるようにしています。これによってプロセス改善に接続、電話での確認作業などを行うことができます。
FindFlowを使ったQ&Aシステムは、すでに企業様に展開しています。
山田：今後は、FindFlow をエデュケーションにも活用していきたいと考えています。問題の自動生成や回答、カスタマイズされたレコメンデーションなどは、全て生成AI で実現可能だ所有権。特に BtoB の教育会社との相性が非常にいいです。
それが可能です、R&D 企業では、退職者によって知識が失われる問題があります。FindFlow の情報を入力しておけば、いつでもどこでも必要な情報にアクセスすることができます。
カスタマーサポートの分野でも、生成AI全体の精度を上げるという要望が増えています。FindFlowをベースに実証実験を進めており、様々な事例が出てきています。
國吉：生成AIが生み出す社会変化の見立てについて、一言ずつ皆さんからいただけますでしょうか。
山田：生成AIを除いて、2016年からAI業界に参加してきた中で、生成AIによって従来のAIではApple Breakthroughがあったと思います。しかし、皆さんの意見もあったように、人間がやるべきことは何かという点について再提起されると思います。同時に、生成AIを更新しないと遅れてしまうことは確かです。
その代わり、日本のようにDXが後進国と言われている国がAIを生成すれば、劇的な変化が起こると思います。
ユーザーの意見になりますが、人間性とは何かを再認識できる重要な時期があります。
國吉：ありがとうございます。では、続いて白井さんはいかがでしょうか。
白井：生成AIのビジネスインパクトを生み出すには、どこに使うかと、どのようなデータが異なるかが異なります。AIに理解されやすく、独自のデータを持つことが、ビジネスインパクトに直結します。
DXは、人間がAIに合わせて業務を再設計することを可能にします。AIに理解しやすいデータを生成するように業務を進めていきます。その中で、人間に残るのは夢やビジョンを書き、責任を持つこと、AIを生成する出力の質を判断する洞察力です。業務はAIに従ってつつ、方向性を決定し責任を持つことが人間の役割になるでしょう。
國吉：瀧澤さんは、いかがでしょうか。
瀧澤：未来は明るい所有権です。Generative AI Japanのような団体で情報交換や議論が活発になることで、業務変革のニーズがなくなり、どんどん進展していくと思います。
では、AIの責任について話しています。変革があまりにも長くて問題や障害が起きる可能性があるため、未然に防ぐ必要があります。日本は産業変革において、ブレーキとアクセルのバランスが取れています。このバランスを保ちつつ、無駄にしています。
社会の中でのルールを作ることで、明るい方向性が見えてくると思います。これにより、安心して生成AIを使ったアプリケーションを開発したり、業務での活用が進んだりすると思うので、ぜひ知りたいです。
吉：ありがとうございます。
昨年、日経ビジネスと弊社が共同で調査を行いましたが、DXを4つの段階に分けて消費者のどの位置にいるのか尋ねました。多くの大手企業のオペレーションの一部でDXを使い、全体への広がりやビジネス価値の向上までは聞いていません。
生成AIはこの壁を突破する鍵の一つになると思います。例えばプラント業界では設計や図面作成などの課題があり、これを乗り越えることで大きなインパクトが期待できます。生成AIのパワーのいずれかで新たなビジネスを作る選択肢も広がります。
DX だけでは踊っている感はありますが、英国は本当に昔からタイミングが来ています。自分自身も取り組まなければならないと感じつつ、期待もしているところです。
國吉：皆さま、ありがとうございました。ぜひ勉強会で具体的に今日のお話ができればと思います。
漆原茂氏（以下、漆原）：ここからはテクノロジートークです。本日のセッションでは、大谷さん、寶野さん、小俣さんとお話しできればと思います。お三方とお話しできること、非常にワクワクしています。
では、まずは「生成AI技術をどうビジネス価値創造に繋げるか？」についてお話ししたいと思います。特に、ユースケースがどのような分野から生まれるのか、ご意見をお伺いしたいと思います。大谷さん、いかがでしょうか？
大谷：まず、ROIが出るか出ないかという点では、世界的に見て出る傾向があります。1ドル投資すると3.5倍のリターンがあるのが特徴です。どのユースケースを狙って回収するのかを選択します。
日本の企業を買収してきた中で、この数字に当てはめると、決してそうではない。そこで重要になるのが、ユースケースです。
多くの方が要約や Q&A などを取りやすいところから始めていますが、最初の入り口を間違えると二度と使わない事態になってしまいます。 そのため小さな成功体験を積むことになっています。
ただこれらのユースケースはリターンが少なく、ROIの観点では弱めです。価値を高めていくためには、もっと違うことをやるべきだと。
例えばデータ分析ツールにAI を取り入れると、データサイエンティストしか仕事をしない人は一般にはよりできるようになり、バリューが優先されます。ただしパーソナライゼーションにはRAGのようなテクノロジーが必要で、複雑であることをお勧めします。
例えばEコマースでパーソナライゼーションを活用すると、売上に直結するユーザー体験の向上や離反防止につながり、高い価値が生まれます。完全自立型のコールセンターができれば、リターンは3.5倍を超えるでしょう。ユースケースによって、リターンには幅があるものを見つけることができます。
ユースケースを選定する際の考え方として、縦軸を複雑にし、横軸を価値とした4象限に分類してください。企業が持つ多くのユースケースをこの4象限にプロットしていってください。
性も価値も低いyouth caseは、徹底的に取り組むという選択肢があり、ROI を目指すべきであり、性も価値も高い「goldenyou case」に注目すべきです。このgoldenyou caseは片手以内、ではない1、2になるかもしれません。
goldenyoucaseが見つかれば、実装もうまくいくでしょう。すぐには受け入れられませんが、何かをやっていく中でそうなるはずです。
さらに、難しいけれどやるべきことが出てくると思います。やるかやらないかは経営判断次第です。競合との優位性を保つために5年後、10年後を見据えた判断が求められます。
ではなく、リターンが少ないのが難しいことは避けるべきです。このフレームワークを参考にすれば、AIの取り組みを生成し、外部に公開せずに教えることができます。
漆原：これからLLMや生成AIをご利用になる会員の方にとって参考になる情報をありがとうございます。続いて小俣さん、いかがですか。
小俣：生成AIを会社で深く活用し、ビジネス価値を創造するためには「技術選定」「各社規定」「導入支援」の3つのポイントが特徴です。
「技術選定」は、Microsoft、Googleなどさまざまな企業が提供する技術の中から選定する形になります。
「各社規定」は特に重要で、例えば保険業界の会社へのコンサルティングにおいて、生成AIで作成したパワーポイントやプレゼンテーション動画をお客様に提供することの良し悪しが会社として判断できないことで、プロジェクトが進まないケースがあります。
そこでGenerative AI Japanのような組織が、日本でAIをお客様に割り当てのは決定よ、と伝えられるガイドラインができたと密かに思っています。もちろん、これは本気で取り組むと大変な作業です。コンサルティング会社などが大きな投資を行い、ガイドラインを作成していく必要があります。
本来は私たち自身に率先して関わりたいところですが、まずは各企業で社内向けのレギュレーションを定め、GPTやGeminiなどの生成AIをどのように使用していくのか、お客様に提案する際にはどのような規定に基づくのかを明確にします。
最後の「導入支援」はガイドラインを作成し、生成AIを導入するためのサポートを提供します。生成AIにはガイドラインがないため、非常に困難です。我々のようなコンサルティング開発ができる会社が他社の導入支援に入り、伴走して活用できる体制を整える必要があります。
これらの 3 つのポイントが、AI を活用したビジネス価値創造には不可欠となっています。
漆原：まさにおっしゃるとおり、ガイドラインは大切ですね。ぜひGenerative AI Japanに基づいて、みんなで各社向けのガイドライン作成にも貢献していただければと思います。ぜひ一緒にやりましょう。続いて寳野さん、いかがですか。
寳野：活用支援も重要というお話がありましたが、ビジネス側の人も期待値設定しなければ、生成AIの導入は失敗しやすいと感じています。生成AIはドラえもんではありません。何を期待してよくて、何を期待してはいけないのかを理解した上で生成AIを導入することが非常に異なります。
生成AIの現状について面白いデータがあるので、紹介したいと思います。マッキンゼーが公開したレポートによると、ファッション業界において生成AIは全く使っていない30%後半から40%程度いるところで、使っている人の多くは「たまに使う」と「ケースバイケース」を実験的に利用しているという状況です。実際にビジネス価値につながる情報を提供した上で業務に組み込んでいる人はわずか4%に留まっています。
これは、ほとんどの人が生成AIの活用方法を把握していないということを示していると思います。ビジネス価値につながる方法を見出すためには、生成AIの精度に対する値コントロールが非常に重要です。ビジネス部門とエンジニア部門が協力して、期待値設定を行い、ユースケースごとに許容できる誤差の範囲を検討する必要があります。
生成AIの可能性はチャットで通知されます。例えばデジタル広告のクリエイティブに生成AIを使ってどういったバナーを作成したか、どういった効果があったのかなど、意味ベースで検索できるようにし、再利用できるようにするといった取り組みもあります。生成AIの幅広い可能性に目を向けることが活用の第一歩だと捉えています。
漆原：生成AIが生み出す社会変化の見立てについてもみなさんの見解を聞いてみたいです。大谷さんからお願いします。
大谷：時間軸が変わったことを意識していただければと思います。生成AIを使う必要があり、今まで感じたことのないようなスピード感で変化が起こることをぜひお伝えしたいです。
携帯電話やインターネット、SNS の約 1 億人に達成するまでの数から十数年と、年単位の時間かかりましたが、生成 AI を代表する ChatGPT はたった 2 カ月で 1 億人を達成しました。このスピード感を前提に、AI をベースにした変革を進めていきます。
日本企業の皆さまがこのスピード感についていけるように、私たちもGenerative AI Japanを通じてご支援をお願いいたします。ぜひ一緒にスピード感を持っていただければと思います。
小俣：生成AIが絶対にやってくれないことは、決断・判断・行動です。裏を返せば、人間が究極できることは、これなんです。
社会変化を見据えると、決断した人、判断した人、行動した人の価値が非常に高くなります。他の人に任せてしまうと、生成AIに取って代わられる可能性があります。よりこの格差が広がります。このあたりをより意識しながら生活していくと、社会変化に対応できるような、自分の価値が生まれるのです。
寳野：日本にとって非常に刺激的な時期だ。その理由は、日本語がハイコンテキストで同義語が多い言語を使用しているため。このような言語は他にあまりない理由。また日本ではこれまでシステムへの投資が停滞し、デジタル化が進んでいます。非構造化データが非常に多いためです。
このような中で、ハイコンテキストな言語を処理できる技術が登場しました。これにより、一気にデジタル化が進むことが期待できます。日本は遅れていると言われていますが、私は遅れていると思っておらず、ここから最高の成果を出せるようにしましょう。生成AIはインパクトのある技術です。ぜひ皆さんと一緒に話し合いましょう。
漆原：ありがとうございます！これからは動画や音声などまで生成AI活用が進んでいきます。変化の早い最新技術もGenerative AI Japanの中で積極的に共有し、価値の高い使い方をみんなで考えていきましょう。
國吉：最後に今後の活動について私からご紹介します。活動テーマはこちらに示したとおり3つの柱で進めてまいります。
まずは「研究会とLab」についてです。オンラインでユースケース・技術動向研究会を4月から一回、開催します。運営メンバーと登壇者も募集中です。会員の皆さまと共にGenerative AI Japanの共創事例を作っていきたいと思います。
次は「イベント・共創推進」です。4月と12月ごろに会員サミットを開催し変化するかもしれません。12月に向けてアワードの設立も検討しながら企画を進めていきます。
最後に「連携と提言活動」についてです。さまざまな団体と連携しながら、AI技術、UIUXや社会実装の変化についても学んでいく機会を設ける必要があります。さらにそれらの知見を政策提言につなげるべく、委員会などの形で提言活動を行うことも検討しています。
みんなで楽しみながら、新しい楽しみにつなげていきたいと思います。
白したであっという間でしたね。本日はどうもありがとうございました。
一覧へ戻る
