AIをどのように業務ぎょうむ活用かつようするかは、これまでも様々さまざまな形かたちで議論ぎろんされてきた。既すでにデータ分析ぶんせき系けいAIを活用かつようし、成果せいかを挙あげている企業きぎょうも少すくなくない。しかし2022年ねん末まつに対話たいわ型がた生成せいせいAIサービスであるChatGPTが登場とうじょうしたことで、AI活用かつようの主戦しゅせん場じょうは大おおきく変化へんかした。既すでに現在げんざいでは生成せいせいAIは単たんなるブームを超こえ、企業きぎょう・団体だんたいの人手ひとで不足ふそく解消かいしょうや競合きょうごう他社たしゃに打うち勝かつためのビジネス競争きょうそう力りょくの向上こうじょうに寄与きよするものだと認識にんしきされ、「生成せいせいAI活用かつようを避さけて通とおることはできない」という論調ろんちょうが主流しゅりゅうになりつつあるようだ。

既すでに生成せいせいAI活用かつように着手ちゃくしゅした企業きぎょうも増ふえている。クラウド経由けいゆの生成せいせいAIサービスを活用かつようすれば、まずはPoC（概念がいねん実証じっしょう）を始はじめる、といったことへのハードルもかなり低ひくくなった。米べいIDCが全ぜん世界せかいの890人にんを対象たいしょうに2023年ねん9月がつに実施じっしした「企業きぎょう向むけGenerative AIガイド」によると、77％以上いじょうの組織そしきが生成せいせいAIに投資とうしまたは活用かつようを模索もさく中ちゅうと答こたえている。

上記じょうき調査ちょうさで「今後こんご18カ月かげつで生成せいせいAIが最もっとも大おおきな影響えいきょうを与あたえる可能かのう性せいがあるビジネス分野ぶんや」を聞きくと、第だい1位いが「ソフトウェア開発かいはつと設計せっけい」だった。生成せいせいAIは人間にんげんの自然しぜん言語げんごとコンピュータ言語げんごの橋渡はしわたしができるため能力のうりょくを発揮はっきしやすい。

しかし現在げんざいの生成せいせいAI活用かつようは、まだほんの入口いりくちに立たった段階だんかいに過すぎない。既すでに「生成せいせいAIを使つかっている」という企業きぎょうや組織そしきも、そのほとんどは実験じっけん的てきなPoCでの活用かつようにとどまっている状況じょうきょうだ。今後こんごは図ず1に示しめすように、明確めいかくな計画けいかくにもとづく利用りようへとシフトし、実際じっさいのオペレーションへの適用てきよう、より戦略せんりゃく的てきな活用かつよう、そしてビジネスモデルやプロセスなどの変革へんかくへと進展しんてんしていくことになるだろう。

それでは今後こんご、本格ほんかく的てきな生成せいせいAIプロジェクトを進すすめ成功せいこうさせていくには、何なにを意識いしきすべきなのか。まず注目ちゅうもくすべき重要じゅうようなポイントが、大おおきく3つある。

ここでまず、生成せいせいAIプロジェクトのライフサイクルを俯瞰ふかんしておきたい。おそらくほとんどの生成せいせいAIプロジェクトは、図ず2のように進すすんでいくはずだ。

ここで注目ちゅうもくしたいのが、最初さいしょの段階だんかいでユースケースを選択せんたくし、生成せいせいAI活用かつようの「スコープ」を決きめる必要ひつようがあるという点てんだ。「まずは成功せいこうしやすい簡単かんたんなユースケースからスタートし、同おなじ生成せいせいAIを活用かつようして段階だんかい的てきにユースケースを拡大かくだいしていけばいいのではないか」と考かんがえる企業きぎょうも多おおいのではないか。しかし現実げんじつはそうではない。実じつは生成せいせいAIのアーキテクチャには複数ふくすうのバリエーションがあり、ユースケースの特性とくせいに応おうじて使つかい分わける必要ひつようがあるからだ。

それでは実際じっさいに、どのようなユースケースが考かんがえられるのか。

まず一般いっぱん的てきな業務ぎょうむでの汎用はんよう的てきな活用かつようでは、自然しぜん言語げんご検索けんさくやコンテンツ作成さくせい、ドキュメント作成さくせいなどが考かんがえやすいだろう。例たとえば自然しぜん言語げんご検索けんさくで使用しようした場合ばあいには、利用りよう者しゃが曖昧あいまいな指示しじを行おこなった場合ばあいでも、ヒット率りつの高たかい検索けんさくを行おこなうことが容易よういになる。生成せいせいAIを使つかったチャット機能きのうをフロントエンドにし、人間にんげんの自然しぜん言語げんごによる検索けんさく指示しじから関係かんけい性せいの高たかい検索けんさくキーワードを抽出ちゅうしゅつした上うえで、実際じっさいの検索けんさくを実行じっこうできるからだ。

また「生成せいせい」という言葉ことばが示しめすように、プロンプトによってコンテンツやドキュメントを生成せいせいすることも、生成せいせいAIの得意とくい領域りょういきである。例たとえばコンテンツ生成せいせいで活用かつようした場合ばあいには、生成せいせいAIに複数ふくすうの候補こうほを生成せいせいさせた上うえで、その中なかから人間にんげんが最適さいてきなものを選択せんたくすることで、コンテンツ制作せいさくの効率こうりつを飛躍ひやく的てきに高たかめることができる。またドキュメント内容ないようの要約ようやく、といった使つかい方かたも定番ていばんなユースケースの1つだ。

このような汎用はんよう的てきな活用かつようができる一方いっぽうで、特定とくてい業務ぎょうむの支援しえんを行おこなうことも可能かのうだ。例たとえばマーケティングの一環いっかんとして、商品しょうひん画像がぞうやキャッチコピーの組くみ合あわせアイデアを複数ふくすう出ださせるといったことはその1つ。また専門せんもん性せいの高たかいドキュメントの中なかから、人間にんげんが注目ちゅうもくすべきポイントを見みつけ出だすといった使つかい方かたも考かんがえられる。例たとえば契約けいやく書しょの中なかから、自社じしゃが不利ふりになりそうな文言もんごんをハイライトし、それを修正しゅうせいする場合ばあいの候補こうほを列挙れっきょする、といった使つかい方かたなどが考かんがえられる。

そして最もっともインパクトが大おおきいユースケースが、冒頭ぼうとうの調査ちょうさ結果けっかでも触ふれているように、設計せっけい・データ生成せいせい・コード生成せいせいであろう。生成せいせいAIであれば、人間にんげんにとって分わかりやすい抽象ちゅうしょう的てきなコメントを記述きじゅつするだけで、それを実行じっこうするコードを生成せいせいできる。これとは逆ぎゃくに、既すでに記述きじゅつ済ずみのコードからコメントを生成せいせいし、人間にんげんによる解読かいどくを助たすける、といった使つかい方かたも可能かのうだ。さらに、データ同士どうしの関連かんれん性せいを可視かし化かするためのデータベースの設計せっけい図ずであるER図ずや、データベースのデータ定義ていぎ言語げんご（DDL）ファイルを出力しゅつりょくする、といった使つかい方かたも既すでに行おこなわれている。

このような潜在せんざい的てきなユースケースを、企業きぎょう内ないの組織そしき別べつに列挙れっきょしたのが図ず3だ。生成せいせいAIの活用かつようと一いち口くちにいっても、これだけ多岐たきにわたるユースケースが考かんがえられ、それぞれに最適さいてきなLLM（大だい規模きぼ言語げんごモデル）が存在そんざいするのである。

実際じっさいに、ゼロから生成せいせいAIを活用かつようした業務ぎょうむシステムを開発かいはつすることになった場合ばあいには、最初さいしょの段階だんかいは次つぎのようなステップを踏ふむことになるだろう。

もちろんほとんどの企業きぎょうでは、基本きほんとなるLLMの選択せんたく・開発かいはつからではなく、事前じぜん学習がくしゅう済ずみモデルからスタートし、カスタマイズモデルを構築こうちくすることになるはずだ。しかしLLMのモデルの選択せんたくを間違まちがえてしまえば、その後ごのプロジェクトは頓挫とんざする可能かのう性せいが高たかい。学習がくしゅう済ずみモデルを採用さいようする際さいでも、どのようなLLMのモデルをベースにしているのかを、きちんと確認かくにんした上うえで意思いし決定けっていすべきだろう。

第だい2に重要じゅうようなポイントとなるのが、データの収おさむ取と・蓄積ちくせき・管理かんりを適切てきせつに行おこなうことである。優すぐれたアルゴリズムやユースケースに適てきしたLLMを採用さいようしていても、学習がくしゅうすべきデータが不十分ふじゅうぶんでは、望のぞむ結果けっかを得えることはできない。

生成せいせいAIで使用しようするデータに関かんしては、大おおきく3つのポイントに留意りゅういする必要ひつようがある。1つ目めは「データ量りょう」である。少すくないデータ量りょうでは十分じゅうぶんなトレーニング（学習がくしゅう）を行おこなうことはできないからだ。

2つ目めは「適切てきせつなデータ」であること。これは、目的もくてきとするユースケースを達成たっせいするために必要ひつような情報じょうほうが含ふくまれていることを意味いみする。当然とうぜんのことだが、法律ほうりつ関係かんけいのユースケースで使用しようしたい場合ばあいに、プログラム開発かいはつ関連かんれんのデータを用意よういしても意味いみがない。適用てきよう分野ぶんやに関連かんれんするデータを、できるだけ幅広はばひろく集あつめる必要ひつようがある。

そして3つ目めが「データの質しつ」である。これに関かんしても既すでに多おおく指摘してきされているが、バイアスのかかったデータからは、バイアスのかかった結果けっかしか得えられない。これは、倫理りんり上じょうの問題もんだいやコンプライアンスにかかわるユースケースでは、特とくに留意りゅういする必要ひつようがある。またこのような問題もんだいにかかわらないユースケースでも、特定とくていの事象じしょうばかり集中しゅうちゅうして学習がくしゅうさせた場合ばあいには、生成せいせいAIが出だす結果けっかもその事象じしょうに引ひきずられやすくなるので注意ちゅういが必要ひつようだ。

データマネジメントの方法ほうほうも、従来じゅうらいの企業きぎょうシステムで行おこなっているものとは大おおきく異ことなってくる。「単たんに多様たようなデータを収集しゅうしゅう・蓄積ちくせきし、それをデータマートなどに切きり出だして分析ぶんせきする」というアプローチでは、生成せいせいAI活用かつようにはあまり適てきさない。生成せいせいAIにどのようなデータを学習がくしゅうさせるのか、プロンプトエンジニアリングではどのデータを適用てきようするのかということを戦略せんりゃく的てきに考かんがえ、「質しつの高たかいデータ」を準備じゅんびしなければならない。

そしてもう1つ重要じゅうようになるのが、「生成せいせいAI基盤きばんをどのように構築こうちくするか」という点てんだ。

現在げんざいでは「既すでに生成せいせいAIを活用かつようしている」という企業きぎょうや組織そしきの多おおくが、クラウドで提供ていきょうされているSaaS型がたの生成せいせいAIを利用りようしている。実験じっけん段階だんかいではそれでも構かまわないが、顧客こきゃくデータや業務ぎょうむ上じょうの機微きびデータを生成せいせいAIで活用かつようする場合ばあいには、クラウドにデータを置おきたくないケースも多おおくなる。また、大量たいりょうのデータを生成せいせいAIに使用しようする場合ばあい、生成せいせいAIの演算えんざんを行おこなう場所ばしょに大量たいりょうのデータを移動いどうさせるコストにも配慮はいりょする必要ひつようがあるだろう。将来しょうらい的てきには、パブリッククラウドで提供ていきょうされている生成せいせいAIサービスに加くわえて、オンプレミスまたはプライベートクラウドにも生成せいせいAI基盤きばんを構築こうちくする、という形態けいたいが一般いっぱん的てきになっていくだろう。

その際さいに注意ちゅういすべきなのが、生成せいせいAIのワークロードがどのような特性とくせいを持もっているか、ということである。LLMのモデルをベースにした生成せいせいAIは、いくつかの特性とくせいを持もっている。

まずは「コンピューティング集中しゅうちゅう型がた（Compute-Intensive）」であること。つまり計算けいさん処理しょりを集中しゅうちゅう的てきに行おこなう傾向けいこうが強つよい。特とくに、新あたらしいコンテンツのトレーニングを行おこなう場合ばあいには、膨大ぼうだいな処理しょり能力のうりょくを必要ひつようとする。LLMは並列へいれつ処理しょりによってパフォーマンスを高たかめられるという特性とくせいがあるため、GPUなどの活用かつようが効果こうか的てきだ。

次つぎに「大量たいりょうのメモリーが必要ひつよう」だという点てんだ。生成せいせいAIモデルには、モデルパラメーターと中間なかま表現ひょうげんを保存ほぞんするために、大量たいりょうのメモリーが必要ひつようになる。特とくにLLMの場合ばあいには多おおくのレイヤーと、数すう億おく～数すう百ひゃく億おくものパラメーターが必要ひつようになる場合ばあいがあるため、十分じゅうぶんなGPUメモリーを用意よういすることが重要じゅうようになる。

最後さいごに「大量たいりょうのデータを使用しようする」こと。前述ぜんじゅつのように生成せいせいAIのトレーニングでは、データの量りょうと質しつがモデルの精度せいどに大おおきな影響えいきょうを与あたえる可能かのう性せいがある。このようなデータセットを効率こうりつよく使つかうには、ストレージの性能せいのうも重要じゅうようになる。

このほかにも生成せいせいAI基盤きばんで留意りゅういすべきポイントは複数ふくすうあるが、少すくなくともこれらの特性とくせいには十分じゅうぶんに配慮はいりょした上うえで、基盤きばんシステムを構成こうせいすべきだ。