生成AI（Generative AI）

「生成AI（Generative AI）」

データ活用やDX成功に必要な考え方を、各種キーワードの解説で理解できる用語解説集です。
今回は、現在注目されている技術であり、今後のビジネスでのITの活用に大きな影響があるとされる「生成AI」について考えてみましょう。

生成AIとは

生成AI（Generative AI）とは、与えられた訓練データからデータの特徴や構造を学習し、キーワードなどによる指示に基づいて、同様の特徴や構造を持つデータを生成することができる機械学習を活用したシステムのことです。
従来の機械学習の活用では、与えられたデータの判別や今後を予測するタスクなどでの活用が多かったのに対し、生成AIでは画像やテキスト、プログラムコードなどを指示に基づいて生成できることから、従来活用がなされていなかった用途や分野での機械学習の活用が進むことが期待されています。

人工知能のこれまでの現実と、従来的な「AI活用」の現実

生成AIの呼び名は、従来の「AI活用」とは担うタスクのタイプが異なることからつけられています。では、従来のAI活用（機械学習の活用）とはいったいどういうものでしょうか。理解の前提としてまず「従来のAI活用」について簡単に説明をします。

人工知能研究とは、基本的に人間のような知能を実現する取り組みではなかった

「AIとは何か」については専門家でも数多くの意見があり、人工知能には定まった言葉の定義はありません。AIをどう定義すべきかのみならず、そもそも知能とは何のことであるかなども難しい問題のままになっています。一方で「世間的には」素朴に、人工知能というくらいだから人間のような知能を実現する取り組み、具体的には鉄腕アトムのような知能を実現する取り組みである、と思われている方も多いかもしれません。

AI研究の最初期には、人間のような知能の実現が目指されたこともありました。しかし、すぐに実現は非常に難しいことが解ります。そのため、その後は多くの場合において、より現実的な目標での研究と開発が行われています。プログラムで指定した通りに計算して結果を返すようなこと以上のこと、より高度な処理や抽象的な処理をコンピュータに実現させるような諸々の取り組みのことを人工知能研究と呼ぶようになりました。

そのような経緯からも、当初の難しすぎた目標である「人間のような人工知能」のことは「汎用人工知能（AGI：Artificial General Intelligence）」と呼んで区別されることがあります。言い換えれば、多くの人工知能の研究はそういうものではなかったということです。世間の皆さんが「知能」と思えるようなものではなく、ちょっとした高度な「判断」程度のことを行えるものが、現実的には人工知能分野で研究開発されてきました。

機械学習

何らかの知的な処理を実現しようとしたのが人工知能一般の取り組みですが、その実現方式は様々にありました。例えば、論理的に定式化された問題を解く形のもの。チェスのようにルールが明確に決まっている問題を解くもの。与えられた多数の判断ルールによって判断を行うもの、多くのアプローチがありました。

その中でも昨今話題になることが多いのが、与えられた学習データから学習を行い、そこから一定程度の判断ができるようになる「機械学習」です。特に昨今、人工知能が話題になっているときに実質的に注目されているものはほとんど、機械学習の中でも脳の神経細胞の構造を模した方式である「ニューラルネットワーク」を用いた「機械学習」のことです。

ディープラーニング（深層学習）の登場により急速に活用が進む

機械学習は、ニューラルネットワークを用いた機械学習の一種である「ディープラーニング」（深層学習）の登場により急激に性能が向上して注目されるようになりました。それまで、機械学習は性能が十分に出ないことが多く、訓練データから学習をさせることも難しいことが多かったのですが、「画像に映っているものが何か判断するタスク」「人間の顔が画像のどこにあるか見つけるタスク」などの一部のタスクにおいて人間の判断能力に迫るような高い性能を発揮するようになり、実務での機械学習（ディープラーニング）の活用が急速に進むことになりました。

「生成AI」が、従来の「AI活用」と違うところ

従来において機械学習は「判別タスク」「異常検知タスク」「予測タスク」などのタスクで活用が進んできました。事前に訓練データを使って学習を行い、外部からデータを受け取って、そのデータに対して「判断」や「予測」を行うような能力です。

これに対して、機械学習のエンジンそのものが「新たなデータを生み出して外部に出力する」タスクを実現するものが「生成AI」です。なぜ名前に「生成」がついているかというと、「データ生成をする」ところが従来活用されてきた機械学習と違う特徴であるためです。

「生成AI」は「画像生成AI」としてまずは注目されるようになった

だだし、生成AIの考え方そのものが昨今発明されたわけではありません。コンテンツを生成する機械学習のアイディアや実装はずっと以前から存在しましたが、これまでは大きく話題になっていなかっただけでした。

最初に「生成AI」が世間的に話題になったのは、2021年に存在が公表され、2022年に一般に利用可能になった、画像を生成する生成AIである「DALL·E」がきっかけではないかと思います。その後、2022年に画像生成AIをオープンソースで公開して誰にでも利用可能にしてしまった「Stable Diffusion」も大きな話題になりました。

欲しい画像の内容をテキストデータ（プロンプトと呼ばれる）で記述して入力として与えると、その指示に沿った画像が生成されて出力として得られることは、利用体感的に大きな驚きがあり、そのことから生成AIが大きく話題になり始めます。

「ChatGPT」で「生成AI」は大きくブームになる

さらに2022年11月、「DALL·E」を開発したOpenAIが新たに公開した「ChatGPT」が生成AIブームを決定的にします。ChatGPTでは同じくテキストで生成AIに対する依頼内容（プロンプト）を入力し、それに対してテキストデータやソースコードを生成して応答する能力がありました。

こちらも利用者の要望をテキストデータ（プロンプト）として入力することで、それに応じたテキストデータの出力を得られる仕組みであり、画像生成AIと動作自体には似たところがありました。

しかし、ユーザの入力の履歴を踏まえた上でテキストデータを生成して応答することもあり、ChatGPTは利用感として「コンピュータと自然言語で対話できる」「自然言語で指示したらコンピュータが欲しい結果を返してくれる」「作ってほしいプログラムを自然言語で指示したらソースコードが生成されてしまう」ような「かつてない利用体験」が実現されていたために、空前の話題になります。

生成AIの活用が、ビジネスにもたらしうるインパクト

生成AIが世間で大きく話題になったのは、利用体感が衝撃的なところがあり、使っただけで驚きがあったことが大きな要因です。多くの人が直観的に凄いと思い、大きな変化が起こるのではないかと思った一方で、具体的に何に使えてどういう変化が起こるかまで自明であったわけではありません。

今後、具体的にビジネスの実務でどのように活用して成果を出せるものかについては、まだまだ手探りの状態でもあります。
※このような状況での各社の取り組みを支援するため、弊社でも「生成AI導入支援サービス」を提供しております。

生成AIは、従来活用されてきた機械学習とは違うタイプのタスクをこなすことができるので、従来とは異なる領域で人間が担ってきたタスクを置き換えることや補助することが期待されます。すでに活用が進められてきた判別タスクや予測タスクなどに加えて、画像やテキストの生成能力を活用して、コンテンツを作り出す作業や、ドキュメントの作成作業やプログラミングの作業の一部代替や補助作業についても、機械学習で担えるようになることが期待されています。

従来のAI（機械学習）の活用と「違うところ」と「同じところ」

画像やテキストを生み出す能力は、人だけが担えることであると思われてきた「創造性が必要なように思えるタスク」でした。人間の創造性をITでも実現できたように見える動作をすることから、生成AIの活用は従来の「人とITの関係性」を変えうる可能性があります。またこのことから、生成AIの登場は破壊的な変化であるとみなされています。

一方で、与えられた訓練データを通じて入力と出力の関係を学習し、その学習に基づいて動作して出力を行っている点では、従来の機械学習の活用とは変わらないところもあります。また、既に実務での利用が進められている判別タスクでは、人間を代替する能力を発揮していることもあります。

例えば、機械学習での文字の識別能力では長らく人間に及ばなかったものが、今では人間よりも高い識別能力が実現されていることもあります。ディープラーニング（深層学習）登場以降に進んでいる変化の、その範囲が広がったものであるともみなせます。

また、人が自然言語でコンピュータと対話するような利用感の変化も、生成AIがもたらした破壊的な変化でしょう。従来ほとんどの場合、機械学習の活用のみならずITの活用の多くにおいて、プログラミングが必要になるか、そうでなくても専用のソフトウェアの使い方を理解してようやく何かができるものでした。自然言語で伝えれば動作をする特徴は、従来のIT利活用の前提を覆す可能性があります。

この変化は、自然言語がプログラミング言語になったと比喩されることもあります。ただし、生成AIから望んだ結果を得るためには、入力するテキスト（プロンプト）に独自の工夫や配慮が必要になることがあります。これは結局プログラミングのような独自の利用スキルが必要になっているとみなすこともできますし、通常のプログラミングで指示を行った方が十分に使いこなせるということになる可能性もあります。

生成AIの活用にあたって検討すべきこと

生成AIを業務で活用できないかどうか、検討をするときにどのようなことを考慮すべきでしょうか。

何を入力に何を生成できたなら、自分たちのビジネスにとって有用か

生成AIと聞くと、画像を生成するものやチャット形式のものなど、どうしても今話題になっている具体的な実装をイメージしてしまいがちですが、生成AIそのものは、何らかの入力を受け取って、それに応じて出力を生成するもので、もっと多様な可能性のあるものです。

例えば、動画を生成するものや、音楽を生成するものが既に存在します。自社にとって、自動生成がなされるとありがたいデータは様々なはずです。入力側についてもテキストデータに限られません。すでに画像も入力として受け付ける生成AIがありますし、それ以外のデータが入力にできないわけではありません。

どういう入出力の生成AIが自社のビジネスを変えうるか考えてみてください。例えば鉢植えにしたい植物の写真を入力すると、その植物にぴったりな植木鉢を3Dプリントできる図面と製造パラメータを出力するものだって生成AIです。

[考慮すべきポイント]

何を入力し、何が生成できると、自分たちのビジネスにとってインパクトがあるか

生成AIのトレーニングが必要になることがある

すでに数多くの優れた生成AIが世界中で開発されリリースされるようになりつつあります。しかしながら、それらは汎用のエンジンであり自分たちにとって必要な能力を備えているとは限りません。

自分たちに必要な能力を持った生成AIを用意するために、ゼロから生成AIをトレーニングすることや、既存の生成AIに追加のトレーニングを行って調整を行う必要が生じることがあります。そのためには、必要な学習を行うための訓練データが必要になります。

そのためには当然データが必要になります。自分たちにとって必要な生成AIを用意するために必要なデータを確保し、利用できる状態で保存し、そのデータを使って必要に応じて学習を行える仕組みを整備することが望まれます。他社と違う性能のエンジンを用意することができればビジネス上も差別化を行いやすくなります。

[考慮すべきポイント]

既に提供されている生成AIでも出来ることで、自分たちに必要なことが実現できるか
自分たちに必要な生成AIのトレーニングに必要なデータは何か
そのデータを確保し、保存しておくこと
そのデータを使って、必要に応じて生成AIを訓練することができること

生成AIを自社のITシステムのどこに組み込むか

現在多い生成AIの使われ方は、人がテキスト（プロンプト）をタイプして利用する活用方法ではないかと思います。しかし、入力から出力を生成するエンジンですから、もっと多様な利用形態が考えられますし、当然に自動処理の一部での活用も考えられます。

自社ビジネスでのデータの流れを考えて、ビジネスのどの部分において、どのような入力を用いて生成AIを活用できるかを考えてみてください。また、その取り組みでビジネス的な成果がでるのかどうかも含めて、どこでどのように活用すべきか、試行錯誤を経ないといけない場合もあるはずです。

[考慮すべきポイント]

自社ビジネスでのIT活用のどの部分で生成AIが活用できそうか
あるいはビジネス自体の試行錯誤とも組み合わせて、どこで生成AIを活用すれば成果がでるのか、試行錯誤を行えるIT環境が整えられそうか

生成AIの人との対話能力をどこで活用するか

生成AIには、人が自然言語を用いてITを利用できるようにする、新しいユーザインタフェースとしての特徴があります。プログラミングをするスキルが無い人でもITと直接対話して活用することを可能にするだけでなく、ユーザサポートでの利用など自然言語による利用感をUIとして提供することが可能になります。

自社ビジネスでの業務の流れやITでの処理の全体を考えてみて、そのようなユーザインタフェースがあると有用な個所について考えてみてください。人による関与が望まれる部分や、あるいは人の作業を生成AIがアシストすると効果が高い部分がどこかにあるはずです。

[考慮すべきポイント]

自社ビジネスでのIT活用において、自然言語によるUIを組み込むと大きな効果があるところはどこか
生成AIが人をアシストして効果があるところはないか、プログラミングスキルがなくても利用できれば変化が起こるところはないか、システムの利用者に自然言語によるUIの方が好評だと考えられる部分はないか

生成AIを外部と連携させてうまく活用する「つなぐ」技術

生成AIのチャットを使ってみて、確かに凄いとは思ったけれどもどう活用したらいいのかわからない、そういう状態の人も多いと思います。生成AIとはおおよそどういうものであるか、そしてどのように活用しうるものか、少しでもイメージが伝わっていれば幸いです。

しかしながら次に問題になると思うのは、活用の可能性は解ったけれども「自分たちでそんなことができるのか」ではないかと思います。確かに、社内に生成AIが解る能力が十分なエンジニアがいて本格的にプログラミングをしてシステム開発をしなければ、活用ができないのではないか？と思われたかもしれません。

幸いにして、生成AIのエンジンと、組織内にある多種多様なITシステムやデータを柔軟に組み合わせての活用を「GUIだけ」で効率的に開発できる手段が存在します。「EAI」や「ETL」、「iPaaS」と呼ばれる、「DataSpider」や「HULFT Square」などの「つなぐ」技術です。

GUIだけで利用できる

通常のプログラミングのようにコードを書く必要がありません。GUI上でアイコンを配置し設定をすることで、多種多様なシステムやデータとの連携処理を実現できます。

「GUIで開発できる」ことは長所でもある

GUIだけでのノーコード開発は、本格的なプログラミングに対して簡易で妥協的な印象を受けるかもしれません。しかしながら、GUIだけで開発できれば「業務の現場の担当者が自分たち自身で主体的に生成AIの活用に取り組む」ことが可能になります。

ビジネスのことを一番良くわかっているのは現場の担当者です。彼ら自身によって、データ活用や生成AIの活用、部門間を超えた連携処理の作りこみなど、必要なことをどんどん作りこめるのは、何かあるたびにエンジニアに説明してお願いしないと開発できない状況より、優れているところがあります。

本格的処理を実装できる

「GUIだけで開発できる」ことを謳っている製品は沢山ありますが、そういう製品に簡易で悪い印象を持っている人もおられるかもしれません。

確かに、「簡単に作れるが簡易なことしかできない」「本格的処理を実行しようとしたら処理できずに落ちてしまった」「業務を支えられるだけの高い信頼性や安定稼働能力がなくて大変なことになってしまった」ようなことは起こりがちです。

「DataSpider」や「HULFT Square」は、簡単に使うこともできますが本格的プログラミングと同等のレベルの処理の作りこみもできます。内部的にJavaに変換されて実行されるなど本格的プログラミングと同様の高い処理能力があり、長年にわたって企業ITを支えてきた実績もあります。「GUIだけ」の良さと、プロフェッショナルユースとしての実績と本格的能力の両方を兼ね備えています。

データ活用を成功させる「データ基盤」として必要なこと

多種多様なデータソースへの接続能力はもちろん必要になりますし、実業務をしっかり支えるためには大量のデータを処理できる高い処理能力も必要になります。その一方で、現場主導での柔軟かつ迅速な試行錯誤がどうしても重要になることもあります。

一般的には、高い性能や高度な処理の実現を求めると本格的なプログラミングや利用が難しいツールとなりがちで、現場での使いやすさを求めると利用しやすいが処理能力が低く簡易な処理しかできないツールになりがちです。

さらに加えて多種多様なデータソース、特にメインフレームなど昔からあるITシステムや現場のExcelなどモダンではないデータソースへの高度なアクセス能力、クラウドなど最新のITへのアクセス能力も併せて持っている必要があることも望まれます。

この条件のいずれかを満たすだけなら多くの手段があるでしょうが、データ活用をうまく進めるためにはすべての条件を満たす必要があります。しかし、現場でも十分に使えるが、プロフェッショナルツールとして高い性能や信頼性を兼ね備えている、そんなデータ連携の実現手段となると多くはありません。

iPaaSなので自社運用不要

DataSpiderなら自社管理下のシステムでしっかりと運用できます。クラウドサービス（iPaaS）のHULFT Squareなら、このような「つなぐ」技術そのもの自体もクラウドサービスとして自社運用不要で利用でき、自社での導入やシステム運用の手間がなく利用できます。

関係するキーワード（さらに理解するために）

EAI
- システム間をデータ連携して「つなぐ」考え方で、様々なデータやシステムを自在につなぐ手段です。IT利活用をうまく進める考え方として、クラウド時代になるずっと前から、活躍してきた考え方です。
ETL
- 昨今盛んに取り組まれているデータ活用の取り組みでは、データの分析作業そのものではなく、オンプレミスからクラウドまで、あちこちに散在するデータを集めてくる作業や前処理が実作業の大半を占めます。そのような処理を効率的に実現する手段です。
iPaaS
- 様々なクラウドを外部のシステムやデータと、GUI上での操作だけで「つなぐ」クラウドサービスのことをiPaaSと呼びます。

「つなぐ」取り組みに興味を持たれましたら

興味を持たれましたら、ITシステムやビジネスの問題を「つなぐ」考え方で解消する製品を実際に試してみてください。

「つなぐ」ツールの決定版、データ連携ソフトウェア「DataSpider」

当社で開発販売しているデータ連携ツール「DataSpider」は、長年の実績がある「つなぐ」ツールです。

通常のプログラミングのようにコードを書くこと無くGUIだけ（ノーコード）で開発できるので、ビジネスについて良く理解し、自社のサイロ化の具体的な課題についても把握できる業務の現場が自ら活用に取り組めることも特徴です。

簡易な連携できるツールは世の中に多くありますが、GUIだけでプログラマではなくても十分に使える使いやすさをもちつつ、「高い開発生産性」「業務の基盤（プロフェッショナルユース）を担えるだけの本格的な性能」を備えています。IT利活用の成功を妨げている「バラバラになったシステムやデータをつなぐ」問題をスムーズに解決することができます。

無料体験版や、無償で実際使ってみることができるオンラインセミナーも開催しておりますので、ぜひ一度お試しいただけますと幸いです。

無料製品紹介セミナーはこちら