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

想起率の高さと売り上げは密接に結びついている。では、競合に圧倒的な第一想起ブランドが存在する場合、2位以下の企業はどうすればよいのだろうか。トライバルメディアハウス 代表取締役社長の池田紀行氏は、特定のセグメントで想起されるブランドを目指すべきだと説く。本記事では業界2位以下のブランドが、想起されるにはどうしたらよいか解説する。 業界2位以下の企業がトップ企業と戦うためには、特定のニーズで想起されることが必要になる（画像／Studios／stock.adobe.com）

2025年度入社の新卒社員の内定式も終わり、多くの企業では人事部を中心に新人社員の受け入れ態勢を整えていることだろう。全社員共通のスキルはもちろん、マーケターに必須の専門スキルをどのように新人に教育していくかは多くの企業にとって悩みの種だ。日経クロストレンドは、24年春に行われた博報堂の新卒社員の新人研修に潜入取材。全貌を明らかにする。 「私たちの班は、課題となったブランドを『いつでもどこでも溶け込める究極の『サブキャラ』」と位置付けました」 2024年5月15日、入社間もない新卒の新入社員が、緊張した面持ちでプレゼンテーションを始める。社則では服装は自由だが、プレゼンの代表者はこの日に備えたスーツ姿だ。 その眼前に座るのは、講師役の先輩社員、博報堂ミライの事業室ビジネスデザインディレクターの伊勢壮太氏。時折、プレゼン内容に愛想よく大きく相づちを打ちながらも、視線は鋭い。 「プレゼン終盤に

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

近年、生成AIを活用する企業事例が数多く登場しているが、その中でも1歩先を進んでいるのが、大手日用品メーカーの花王と広告代理店の博報堂だ。両社に共通するのは「合成データ」と呼ばれるデータを活用して新しいビジネスを生み出している点にある。そもそも合成データとは何か、花王、博報堂は合成データで、どのようなビジネスを考えているのか。本記事では、国内では数少ない「合成データ」の事例を詳しく解説する。 「合成データ」とは？ 近年、生成AI活用の広がりとともに注目されはじめているのが「合成データ（Synthetic Data）」だ。合成データとは、実際に存在するデータにそっくり似せて“人工的に作り出されたデータ”のことだ。 この合成データは「生成AI」のアプローチに非常に似ており、この応用例と考えることもできる。生成AIは、学習したデータを基に“実在しないデータ”を新たに生み出すアプローチであり、この

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。

こちらはエムスリー Advent Calendar 2024 7日目の記事です。 前日は大垣さんのアニメキャラらしさ姓名判断師AIを作る ~字画に注目したモデリング~でした。とても面白いのでそちらもどうぞご覧ください。 はじめに こんにちは。AI・機械学習チームの氏家（@mowmow1259）です。 今回のテーマはリモートワークです。 最近オフィス回帰の流れがあるとはいえ、リモートワークを導入する企業はコロナ禍以前と比べて確実に増えてきています。 エムスリーでも2021年からリモート勤務がベースとなっており、さらに最近では関西と九州にもサテライトオフィスができるなど、全国各地からリモートワークで開発を進めています。 www.m3tech.blog リモートワークは通勤時間がない、家事育児などプライベートな時間と仕事を両立しやすいといったメリットがある一方で、生産性を落としてしまったり、メン

カテゴリーエントリーポイント（CEPs）とは、ブランドの想起につながるきっかけのことだ。第2回では、「CEPsを日々の業務で活用する」をテーマに、簡単な調査からCEPsごとの需要を構造的かつ定量的に把握する診断法を紹介する。具体的なデータを基に、ターゲット層におけるCEPsの理解を深め、マーケティング戦略に役立てることを目指す。 第2回では、「カテゴリーエントリーポイントの日々の業務で活用する」をテーマに、簡単な調査からCEPsごとの需要を構造的に把握する方法を紹介する 「カテゴリーエントリーポイント（CEPs）」とは、ブランドの想起につながる可能性がある“きっかけ”のことを指す。 例えば、外食チェーンの場合は、「朝食」「昼食」「夕食」「間食」「夜食」といった時間や、「ゆっくり1人でコーヒーが飲みたい」「子供と一緒に楽しみたい」「友人との会話を楽しみたい」といったきっかけが、「マクドナルド

【考察】なぜ人事・組織マネジメント領域では、「謎施策」が蔓延してしまうのか？　~「模倣的同型化」「取引コスト理論」「山月記シンドローム」などの理論から考えてみる~ Ch1：流行に乗っているのか、乗らされているのか？「なぜ、MVV刷新、エンゲージメントサーベイの導入などの空中戦施策ばかりに着手するのか？」 「なぜ、担当者すら効果に確信を持てていないまま進めるのだろうか？」 「多様性推進は、権利ばかりを主張する社員を生み出し、組織の停滞を生み出していないだろうか？」 上記は一例に過ぎませんが、人事・組織領域において、「右に倣え」の如く、なぜ他社施策の表面模倣が発生しやすいのだろう？と考えてきました。 「右に倣え」が悪い訳ではありませんが、「本当に自社に必要なのか？」の問いもなく、「とりあえずMVVを策定すれば、会社は変わる」「とりあえずエンゲージメントサーベイを導入し、まずは見える化から始めよ

生成AIは「意味」を理解しているのか？「ノリ」で喋れるLLMに、決定的に欠けているものとは 2024年12月3日 京都大学大学院情報学研究科教授／立命館大学総合科学技術研究機構　客員教授 谷口 忠大 1978年生まれ。京都大学工学研究科博士課程修了、博士（工学）。専門は人工知能、創発システム、認知発達ロボティクス、コミュニケーションの場のメカニズムデザイン。全国に広まる書評ゲーム「ビブリオバトル」の考案者でもある。 著書に『コミュニケーションするロボットは創れるか―記号創発システムへの構成論的アプローチ』（NTT出版,2010）、『記号創発ロボティクス 知能のメカニズム入門』（講談社,2014）、『心を知るための人工知能 認知科学としての記号創発ロボティクス』（共立出版,2020）、『ビブリオバトル 本を知り人を知る書評ゲーム』（文藝春秋,2013）、共編著書に『コミュニケーション場のメカ

はじめに Insight EdgeのLLM Engineerの藤村です。 昨今、企業のDX推進に伴い、社内に蓄積された大量の画像データや文書の効率的な活用が求められています。弊社では、実務でLLMを活用する際、画像や表形式、複雑な図を含むドキュメントの理解が大きな課題となっています。この課題は多くの企業でも同様に直面していると考えられ、その解決は業務効率化において重要な意味を持ちます。 例えば： PowerPointの表やグラフの内容理解 手書きのホワイトボード写真からの情報抽出 複雑な組織図の階層関係の把握 スキャンした文書の図表部分の解釈 これらの課題に対して、以下の2点を検証しました： 最新のマルチモーダルLLMでどこまで対応できるのか GPT-4oのファインチューニングによってどの程度改善できるのか 目次 はじめに 目次 マルチモーダル大規模言語モデルとは 1. 主要マルチモーダル

AIはパートナーになったと実感このnoteを書こうと思ったきっかけは、数週間前にv0というAIツールを利用し、私がAIを始めて「パートナー」だと実感したことでした。 v0とは、Vercel社が開発したAI駆動のUI生成ツールで、テキストプロンプトを入力するだけでWebサイトやアプリのUIデザインとコードを自動生成できます。本当に簡単で、誰でも使えます。 私は仕事柄、ChatGPTやClaude、PerplexityやDeepL、その他多くのAIツールを日常的に使っていますが、何かを調べるとか知るとか、正解を探すという感覚で利用している気がします。 ですが、v0の「AIと対話しながら」UI/UXを作っていく感覚は、デザイナーと一緒にプロダクトを作っていくような感覚に近いと感じました。 今は、UIだけではなく、バックエンド開発までサポートしており、生成したアプリケーションをすぐにデプロイして公

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

こんにちは。テニスしすぎて日焼けがすごいSsk1029Takashiです。 私は普段、生成AIを活用したRAGソリューションの開発をしているのですが、RAGでは特に検索部分の調整が重要になります。 今回はその検索の中で出てくるリランクに焦点を当てて、ベクトル検索と比較してどのような特徴があるのかというところを、検証を交えて解説していきます。 概要 RAGの検索部分では、よくベクトル検索が利用されます。 理由としては、入力が基本的に質問形式になりキーワードで入力されることが多い通常の検索よりも適している、などいくつか考えられます。 ただし、実際にRAGを試してみるとわかりますが、RAGシステムではベクトル検索だけでは検索精度の面で苦労することも多いです。 そこで解決方法の一つとして考えられているのが、ベクトル検索とリランクとの併用になります。 今回は、なぜRAGはベクトル検索だけだと苦労が多

Microsoft 365 Copilotがリリースされてから、間もなく1年がたとうとしています。この間に多くの企業で「導入を検討している」、または「すでに導入済みである」という声を聞くようになりました。その性能もリリース当初と比較して大きくアップデートされており、対応するMicrosoft 365内のサービスやアプリも確実に増えています。また、筆者が所属する会社でも、すでに3割を超える社員がMicrosoft 365 Copilotを日々利用しており、さまざまなユーザーのさまざまな使い方を見てきました。そこで今回は、筆者自身や周りのユーザーがどのようにMicrosoft 365 Copilotを活用しているのか、具体的な例をいくつか紹介したいと思います。

システム構成図、ER図、フローチャートなどを描くときに無料で使える作図ツールやドローイングツールまとめ。2024 システムを開発する際には、インフラを構築するためのシステム構成図やアプリケーションの仕様を検討するためのさまざまなUML関連のダイアグラム、フローチャートやデータベース設計におけるER図など、さまざまな作図をする場面があります。 これらの作図作業を支援してくれるツールは多数存在しますが、ここでは無料で使えるツール、あるいは無料プランが利用できる有料サービスなどをまとめました。 draw.io 無料で利用できるドローイングツールの代表的な存在がdraw.ioでしょう。ユーザー登録すら不要ですぐに使い始めることができて、作図したデータはGoogle DriveやOneDrive、Dropbox、GitHubやGitLab、ローカルデイバイスなどに保存できます。 GitHubにサーバ

この連載について AIやデータ分析の分野では、毎日のように新しい技術やサービスが登場している。その中にはビジネスに役立つものも、根底をひっくり返すほどのものも存在する。本連載では、ITサービス企業・日本TCSの「AIラボ」で所長を務める三澤瑠花氏が、データ分析や生成AIの分野で注目されている最新論文や企業発表をビジネス視点から紹介する。 大規模言語モデル（LLM）の進化が加速する中、その文化的な理解力と適応能力が新たな課題として浮上しています。最新の研究結果が、多言語LLMの文化的バイアスと、ローカルな知識・文化の理解における限界を明らかにしました。日本企業のグローバル展開とAI活用戦略に大きな影響を与える可能性のある、注目すべき知見をお伝えします。 ペンシルベニア大学の研究では、感情表現に焦点を当て、LLMが異なる文化間での感情の経験や表現の違いを適切に反映できているかを検証しました。そ

多くの企業は「DXは重要だから社員全員で取り組むべきだ」と考えている。しかし現場社員の意識やスキルにはばらつきがあり、全社へのDX浸透は難しい。実際には、現場の業務とDXを接続する結節点になれる人材の育成が不可欠だ。 多くの企業がDX（デジタルトランスフォーメーション）に苦心している。「新しいシステムを導入したが、以前と何も変わっていない…」と嘆く企業は少なくない。筆者は組織人事コンサルティングを専門とする会社に所属しているが、最近は「DXを推進できる組織づくり」というニーズを持つ企業から相談を受けるケースが増えている。 様々な企業の相談を受けるなかで、DXには大きく3つの「誤解」が潜んでいることが明らかになってきた。同時に、人や組織の問題に向き合うことなくDXは推進できないということを実感している。 3つの誤解の中から今回は「DXは重要だから社員全員で取り組むべき」という誤解を解説してい

私は2桁年ほど漫画やイラストに携わって細々と生活しているクリエイターの端くれだが、正直言ってこの1ヶ月の絵描き界隈の道化っぷりにはひたすら「呆れ返る」以外の感想が持てない。 ──────────── 「11/15にX(元Twitter)の規約が変わる、私達はAI学習に否応無しに同意させられる事になる」 そんなポストが大バズリしたのがつい先月。 実際には、Xのプライバシーポリシーには元々「投稿者のポストをXのAIトレーニングに利用する事に同意する」旨が2023年9月時点で既に記載されている。そもそも日本の法において、学習そのものを拒否する権利は最初から無い。 しかし、その自明であったルールが「聡明な」反AIさんによって「新発見」され、反AIさん達は空が落ちてくるかのように大騒ぎ。 そもそも深層学習の構造を考えると、億単位の画像を学習している基盤モデルに自分の作品が数十枚食われた程度で、個人の