re:Invent 2024: NextEraのGenerative AI活用 - エネルギー業界の未来
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2024 - Powering the future: NextEra Energy’s journey with generative AI (ENU309)
この動画では、AWSのエネルギー業界部門のディレクターJoseph SantamariaとNextEraのAI/InnovationシニアディレクターJose Medinaが、エネルギー業界におけるGenerative AIの活用について解説します。2050年までに50%の発電量増加が必要とされる中、NextEraは約18ヶ月前からGenerative AIの導入を開始し、現在では900人のテクニシャンが活用しています。Enterprise Data Programを基盤とし、再利用可能なコンポーネントとセルフサービスオプションを提供することで、組織全体でのAI活用を促進。Agents4Energyなどの独自の取り組みや、Small Language Model、Vision AI、音声技術など、次世代のAI活用についても言及しています。
※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連の書き起こし記事については、こちらのSpreadsheet に情報をまとめています。合わせてご確認ください！
本編
NextEraのGenerative AI活用：セッション概要と背景
こんにちは。本日は「未来を動かすパワー」についてのセッションにご参加いただき、ありがとうございます。NextEraの取り組みについて詳しくお話ししていきたいと思います。私はJoseph Santamariaと申しまして、AWSのエネルギー業界部門でSolution ArchitectureとCustomer Success Managementのディレクターを務めております。基本的に私のチームは、最大手のエネルギー企業のお客様と共に、AWS Cloudを活用してビジネスや技術の課題解決をサポートしています。本日は、NextEraのパートナーの方にもご参加いただいております。Jose、自己紹介をお願いできますでしょうか。
はい、Jose Medinaと申します。NextEraのAIとInnovationのシニアディレクターを務めております。本日は参加できることを大変嬉しく思います。私たちは、AWSやその他のパートナーと協力して革新的なソリューションを提供し、コミュニティやお客様の生活向上に貢献しています。本日はよろしくお願いいたします。
それでは、本日のアジェンダに入りたいと思います。2つのセクションに分かれています。まず私のパートでは、エネルギー業界におけるGenerative AIの重要性についてお話しします。次に、お客様のGenerative AIのスケーリングをどのようにサポートしているか、そしてエネルギー分野で注目すべきトレンドについて説明します。その後、Joseに引き継ぎ、彼らのGenerative AIスケーリングの取り組みについてご紹介いただきます。NextEraはGenerative AIの早期採用者の一つで、他社が実験段階で技術に疑問を持っていた時期に、彼らは非常に真剣にその可能性を見出していました。現在、彼らは電力会社の中でもGenerative AIの活用が最も進んでいる企業の一つです。Joseはまた、人的側面を忘れないためにカルチャーについても触れ、さらに彼らが取り組んでいる将来の展望についてもお話しいただきます。
エネルギー業界におけるGenerative AIの重要性と進化
では、なぜエネルギー業界でGenerative AIが重要なのでしょうか？エネルギー業界は現在、大きな変革期を迎えています。最も重要な点は、運輸部門の電化やデータセンターの需要増加によるエネルギー需要の拡大です。米国EIAの予測によると、2050年までに現在より50%多い発電量が必要になるとされています。そしてこの増加は、単に発電量を増やすだけでなく、持続可能で環境負荷の少ない方法で実現しなければなりません。さらに、レジリエンスと経済性も求められます。クリーンで手頃な価格、そして過去数十年と同様の信頼性を維持しながら、エネルギー源をスケールアップする方法を見つける必要があります。商品として見た場合、電気は最も信頼性の高いものの一つです。スーパーマーケットでは牛乳が品切れになることもありますが、照明や冷凍庫は常に稼働していることが当たり前になっています。
しかし実際のところ、これらの変化に対応するために必要な技術の多くは、まだ発明されていないか、必要とされるレベルまでスケールアップされていません。私たちが先ほど話したような課題に対応するためには、イノベーションを通じて新しいものを発明し、古い問題や、この移行期に生じる新しい問題を解決する新しい方法を見出す必要があります。
Generative AIは、この変革とイノベーションの重要な要素となっていきます。私たちは、お客様やNextEraがGenerative AIの導入を進化させている様子を見られることを大変嬉しく思っています。約18ヶ月前の初期段階を振り返ってみると、お客様は技術の実験を始めたばかりで、Proof of Conceptを構築し、主に学習と簡単なプロセスの解決に焦点を当てていました。汎用モデルを使用するだけで、自社のデータを活用事例に組み込むことはなく、また他のシステムとの連携もない状態でした。質問をして回答を得るだけの、独立したソリューションでした。これが当時、大多数のお客様の状況でした。しかし現在は第2段階に入り、企業全体でGenerative AIを拡張しています。数十年かけて蓄積してきたデータを活用し、強力な汎用モデルと組み合わせることで、これまで解決できなかった問題への対処や、より良い顧客体験の提供を目指しています。また、LLMをアクションや後続のプロセスと連携させ、エネルギーシステムとも接続し始めています。最終的な目標は、Generative AIによって強化された知的な自動化プロセス、さらにはGenerative AIによって完全に制御される自動化の実現です。オペレーターは、真に自律的なエネルギーシステムの動作を検証できるようになります。このような進化の中で、現在、大多数のお客様は第2段階にいます。第3段階まで到達しているお客様はまだいないと言えるでしょう。
AWSのGenerative AI Factory：構築と実装の方法論
各社の導入プロセスは異なりますが、お客様の間でいくつかの共通パターンが見られます。一部のお客様はまだ第1段階にいますが、約80%のお客様がGenerative AI導入の第2段階に入っています。
大手のお客様の多くは、バックオフィスからフロントオフィスの業務まで、企業全体で75から150のGenerative AIの活用事例を特定しています。彼らは、ビジネスケースの定量化とどの事例を優先すべきかの判断に苦心しています。また、RAGやChatbotなど、これらの活用事例に共通するパターンを認識しており、複数の事例で解決策を再利用できる場合は、一から作り直す必要がないようにしたいと考えています。
お客様は、ビジネス部門の権限を強化しながらも、承認されたサービスを使用してソリューションを構築することを確実にしたいと考えています。これらのモデルとのすべてのやり取りは、セキュリティとモデルの相互作用の両面で、確立されたガイドラインとガードレールに準拠する必要があります。また、これらのソリューションを構築するための人材が不足していることも認識しており、開発者がGenerative AIに関するスキル、知識、経験を身につけ、ソリューション構築を加速できるよう取り組んでいます。
NextEraを含む多くの先行採用企業は、現在ではAWSのクラウドサービスの一部となっている多くのプラットフォームコンポーネントを自社で構築する必要がありました。現在、彼らは、これらのプラットフォームコンポーネントの構築と保守を続けるべきか、それともAWSの標準クラウドソリューションを利用して、開発者を75から150のビジネスケースやユースケースの解決に集中させるべきかを検討しています。
そのため、AWSでは Professional Services グループと協力して、お客様が適切なユースケースを選択し、ビルダーがアプリケーションを迅速かつ安全に構築できるよう支援するフレームワークと方法論を構築しました。これはお客様のポートフォリオ全体をカバーする形で提供されています。経営層との会話では、HRのユースケース対応や適切なポリシーの策定、休暇管理、IT ヘルプデスク機能の改善などについて相談を受けますが、最近では重点が現場へとシフトしています。石油生産の改善、コスト削減、電力網の安定化、より迅速で正確な電力フローシミュレーションの実現などが求められています。
お客様は企業全体のエンドツーエンドをカバーしたいと考えています。リスク管理のためにバックオフィスから始めましたが、すぐにフロントオフィスへと視野を広げています。これらすべては、持続可能な成長を可能にする運用とガバナンスモデルによって包含されています。
Generative AIプラットフォームの構築：コンポーネントと機能
私たちが Gen AI Factory と呼ぶこのプラットフォームには、4つの階層があります。最上位層は「人とプロセス」です。多くの課題が技術よりも人とプロセスに関連していると言っても、驚かれる方はいないでしょう。これには、ビジネスケースの構築、トークンのコスト予測、モデルの応答や潜在的なハルシネーションの理解、精度の判断などが含まれます。信頼性の高いビジネスケースを構築するための適切な規律を持つことが非常に重要です。
お客様は、企業内での生成系AIの承認された使用に関するポリシーの作成など、コンプライアンスとガバナンスに多くの時間を費やしています。私たちは他のお客様のポリシーモデルや事例を提供することで、お客様が自社の環境に合わせてカスタマイズできるよう支援しています。法務チームとの協議にも相当な時間を費やしており、IBUには法務チームがあり、契約条件の確認、リスク管理の範囲、生成系AIの使用承認に関して、お客様の法務チームが安心して承認できるようサポートしています。
これは制御についても同様です。私たちは Amazon のガードレールに精通しており、モデルの許可された使用方法と動作を確実に把握できるようにしています。これには、どのような相互作用を望むのか、どの領域を避けたいのか、そしてアクセス制御の確立などが含まれます。
誰がどのようなアクセス権を持つべきかについて、どのようなコントロールを設けたいでしょうか？私たちは、リスク管理テンプレートを提供しています。これにより、顧客向けか非顧客向けかに関わらず、何が問題になり得るかを検討する際に、優れたリスク管理とリスクフレームワークの方法論を活用できます。これによって、ユースケースを通じて優先順位付けを理解することができます。そして、特に顧客がスケールし始めると重要になってくるのがレジリエンシーです。フェーズ1の実験段階では、コストやレジリエンシー、レイテンシーといった要素はそれほど気にしません。しかし、本番環境に移行してスケールし始めると、これらの要素が最重要課題となってきます。そのため、レジリエントな方法でプラットフォームを構築し始める必要があります。
このような基盤を反復的に整備した後、開発者が適切な方法で、かつ迅速にソリューションを開発できるようにする方法を検討し始めます。私たちは顧客と協力して、パイプライン、データ接続方法、Party RockやCanvas Studioを使用した開発環境やサンドボックス環境の構築に関するパターンを提供し、特定していきます。そして、セキュアなCI/CDパイプラインを通じて本番環境まで展開できるようサポートします。多くの顧客から、実験やサンドボックス作業のための環境が欲しいという要望を聞きますが、適切なリスク管理と制御を維持しながら、どのようにデータと接続を保つべきかが分からないという声をよく耳にします。
顧客がこれらのパターンを見て構築を始めると、企業全体で繰り返し現れるパターンに気付き始めます - どのようなChatbotを導入するか、コードをどのように生成するか、最高水準の推奨事項を確実に得るためにCode Assistantをどのライブラリに向けるべきかなどです。私たちは、マルチステージやブランチングワークフローなど、お客様が目にするワークフローを確認し、Factoryの一部として、これらのパターンを保存し、効率的かつアジャイルな方法で再利用できるリポジトリライブラリを作成します。
もう一つの重要な例は、Prompt開発です。これらのアプリケーションから価値を引き出す上でPromptが重要であることは誰もが知っていますが、多くの顧客はPrompt管理の初期段階にあります。課題は、あるPromptが他のPromptより優れているかどうかを判断することです。その多くが定性的な指標に依存しているためです。現在、顧客はPromptを比較したり、あるモデルから別のモデルに移行したりする際に、実際の指標やデータをあまり持っていません。私たちは、Promptバージョニング、モデル評価、Promptフロー、そして様々な方法を通じて、使用しているPromptがユースケースに対して最大の価値を生み出していることを確信できるようなソリューションを提供しています。
ソリューションを構築する際には、その基盤となるプラットフォーム層があります。ここでは、Responsible AIサービスを通じて一貫したガードレールを設け、すべてのインタラクションが一貫した制御セットを通過するようにしてリスクを最小限に抑えます。これにより、制限されたトピックを強制し、コンテンツをフィルタリングします - 例えば、公共サービスでは、顧客とのやり取りにおいてPII（個人情報データ）をフィルタリングし、編集することが非常に重要です。スケールする段階になると、可観測性とモニタリングが重要になってきます - コストを監視し、誰がどのサービスをどれだけ効率的に使用しているかを追跡したいと考えるようになります。先ほど議論した指標に戻りますが、プラットフォームが期待通りに機能していることを確認するために、ログを取って追跡を始めたいと考えるようになります。
このプラットフォームを構築し、まとめ上げていく中で、私たちは以下のようなコンポーネントを提供しています。先ほど説明した Generative AI ガバナンス - 誰が何にアクセスできるかの管理、アクセス制御リストの適用、誰が Generative AI パターンにアクセスできるかの決定、そしてプラットフォームのアクセシビリティとコントロールの管理などです。 Amazon Bedrock の多くのプリミティブ上に構築されているということは、誰も驚かないでしょう。この数週間で、そして今日も昨日も、Bedrock で多くの追加プリミティブやサービスを発表してきましたが、実は過去数年間にわたって、数十のプリミティブや追加サービス、機能をリリースしてきました。特筆すべきものとしては、RAG 用の Knowledge Base、後ほど説明する Agents、セキュリティとガバナンスを実施する上で重要なコンポーネントである Guardrails、そしてリポジトリからデータを簡単に消費・抽出したい場合の Amazon Q などがあります。カスタムモデルのインポートなど - 独自のモデルを構築している場合については後ほど説明しますが、これらのモデルも Bedrock に保存してモデルライブラリの一部として利用できます。その他のセキュリティやプライバシーサービスもあります。
NextEraのGenerative AI journey：戦略と実装
お客様とどのように進めていくのか？通常、私たちはこのように始めます - ちなみに、この方法論は必ずしも私たちと一緒に実施する必要はありません。喜んで共有させていただきます。「社内で実施したい、強力なチームがいるけど、Joseph の話は興味深い」とおっしゃる場合 - 使えますか？という質問には、もちろんイエスです。パートナーと協力していて、それを参考やフレームワークとして使いたい場合も、もちろんです。喜んで共有させていただきます。ですから、決して私たちと一緒にやる必要はありません。質問については、このセッションの性質上、正式な質疑応答の時間は設けていませんが、後ほど残って対応させていただきます。
通常、私たちは数週間の Align and Assessment フェーズから始めて、お客様の現状を確認します。すでにうまくいっていることがあれば、それをやり直す必要はありません - 残りの部分を統合し、うまくいっているものを包含していきます。お客様が達成したいことに多くの時間を費やし、特に優先したい Use Case が何かに焦点を当てます。次の Mobilize フェーズでは、単にプラットフォームを構築するだけでなく、Use Case の構築と同時に行います。お客様からのフィードバックは「プラットフォームだけでなく、構築を支援してほしい、Use Case を有効にしながら一緒にプラットフォームを構築しよう」というものでした。
そこで、5つの Use Case を選びます。チームのトレーニングを始め、認定資格の取得を支援し、学習ニーズの評価を行います。コントロールライブラリ、パターンリポジトリ、モデル選択やプロンプト最適化のためのツールキットなど、機能の構築に時間を費やしますが、これらの Use Case を構築しながら行うことで、実践的な経験を積むことができ、最終的には完全に独立して自力でスケールアップできるようになります。そして最終的には、Generative AI を通じて私たちが目指すビジネスや顧客への価値を提供できるようスピードアップしていきます。
注目すべきパターンをいくつかご紹介します。1つ目は、Agentic Workflowsです。これは当社の取締役会メンバーで著名な科学者であるDr. Andrew Ngの言葉からの引用ですが、彼は次世代モデル以上に、Agentic Workflowsが今年、より大きな価値と進歩をもたらすと考えています。ご存知の通り、Agentには周囲からデータを取得し、文脈を理解し、一連のステップを組み合わせて相互作用する能力があります。単に質問に答えるだけでなく、洞察を得て、それらの洞察をAgentを通じて活動やワークフローに組み込むことができるようになりました。
こちらは比較的シンプルですが、非常に強力な例です。比較的単純なAgentでも、ビジネスを大きく変革することができます。つまり、大規模なリソース投資は必要ないということです。この場合、私たちの業界は物理的な資産が非常に多いため、設備の保守と監視が重要です。ここにいらっしゃるお客様は皆、すでにIoTからのデータストリームを持ち、資産を監視して異常を検知していることと思います。重要なのは、異常を検知した後の対応です。通常、今日では誰かがその異常を評価し、点検する必要があります。何かする必要がある場合は、ディスパッチャーが派遣可能な訓練された技術者を見つける必要があります。部品が必要な場合は、それを調達する必要があります。
これらはすべて、Agentic Workflowで組み合わせることができます。そういったパターンを選び出すのは難しくありません。そのためにGenerative AIは必要ありません。しかし、Generative AIを使えば、トリアージを始めることができ、故障している機器メーカーのPDF、サポートやメンテナンスのマニュアル、直近のメンテナンス履歴、必要な部品などを確認し、推奨部品のリストを作成し始めることができます。派遣可能な人を探し始め、Agentまたは一連のAgentで、「何かが検知された」という状態から、人が計画を確認して承認し、部品が注文され、人員が派遣され、ダウンタイムの通知が送信されるまでの行動計画を作成することができます - これらすべてが比較的単純なAgentで実現できます。
今年8月、HoustonでのAWS Energy Symposiumにおいて、私たちはAgents4Energyを発表しました。私たちは一部のお客様と社内で協力して、エネルギー業界のお客様向けにAgentic Workflowの構築を加速するためのAgentライブラリを開発してきました。
Agents for Energyは、基本的にエネルギー向けAgentの事前構築されたライブラリです。メンテナンス、生産、規制、貯留層の4つのAgentを構築しました。私たちが持っているのは、基本的にサンプルデータを含むコンテナ、つまりナレッジベースですが、そこに簡単にデータを投入することができます。Agentは、その後、内部データを活用して、実行するように設計されたタスクを実行することができます。例えば、貯留層Agentは、探鉱井や生産井の貯留層からのデータを見て、自然言語処理クエリをOSDUプラットフォームへのAPIで使用することができます。Agentを通じてOSDUデータを取得でき、また貯留層を活用しようとする際の坑井計画や坑井最適化のための推奨事項を作成するように設計されています。
私たちは、データをコンテナや一連のコンテナに投入し、それをワークフローに組み込めるAgentを持つことができるコンポーネントを開発しています。多くのお客様から関心をいただいており、Amazon Bedrockで提供される様々なモデルの中から、これらのアクションを実行するために最適なものを自由に選択していただけます。また、完全なトレーサビリティも確保されています。実際に、下階のAWS Industries Pavilionには、これらのAgentのデモが展示されていますので、ぜひご覧ください。
もう一つ、急速な進化が見られる分野は、お客様がGenerative AIのユースケースを強化するためにデータをどのように活用しているかという点です。最初はシンプルなプロンプトエンジニアリングから始まりましたが、現在では多くのお客様がRAGやナレッジベースを使いこなしています。最近では、ディスティレーションなどのテクニックを使ってモデルのFine-tuningや継続的なトレーニングを容易にしているお客様も出てきています。地下の地震探査に関する基盤モデルを構築している企業が数社あり、これまでの地下探査の履歴を分析し、地球物理学者や地質科学者による地下特性の把握や石油の早期発見をサポートするためにモデルをトレーニングしています。
ヨーロッパのあるお客様は、サステナビリティに特化した基盤モデルを構築しており、スコープ1、2、3の排出量に関して、自社や他社の気候変動・サステナビリティ目標達成のための提言を行えるエキスパートシステムを目指しています。また、別のお客様は水素生産やCO2回収のための新しい材料やメカニズムを探索しています。このように、業界がより先進的で革新的なユースケースを実現するためにこれらのモデルを活用し始めているのが分かります。私たちがリリースしたサービスを使えば、トレーニングを通じて、Fine-tuningのコスト削減や継続的な事前学習、さらにはモデルをゼロから構築することも可能です。
もう一つ注目すべき点は、Multimodal AIです。この分野で私たちは多くの発表を行ってきました。6秒間の動画処理機能について、お客様から多くのフィードバックをいただいています。私たちの業界は非常に物理的な要素が強く、設備状態を確認するための点検用ドローンによる映像なども扱います。以前、私が電力会社で働いていた時、地下のガスパイプラインの図面の中には100年近く前のものもありました。それらの図面はデジタル化されてGISシステムに保存されており、図面自体は取り出せましたが、パラメータはネットワークモデルに組み込まれていませんでした。現在では、解釈能力の高いこれらのモデルを使用することで、それが可能になっています。
Multimodal AIは、MMLU（Massive Multidimensional Multidisciplinary Multimodal Understanding）のような最も認められているベンチマークで見ると、芸術、人文科学、科学技術に関する約1万問の大学院レベルの問題に対して、楽譜からグラフ、写真、画像、音声まで30種類以上のデータ表現を扱い、70%の精度を達成しています。このレベルに達したことで、これらのモデルを本格的に活用し、画像、音声、動画のMultimodalに依存したユースケースを構築できる段階に来ているのです。
私たちの業界には、そのようなユースケースが数多くあります。それでは、NextEraでの今後の取り組みについて、Joseに話をしてもらいましょう。ありがとう、Joseph。ありがとうございます。みなさん、こんにちは。
NextEraのAIアシスタント：実用例と技術的アプローチ
ある問題についてお話しします - 仕事に向かう途中、ダッシュボードにチェックエンジンライトが点灯しているのを見て、会議に遅刻しそうになっています。車を止めてボンネットを開け、エンジンを見てみましたが、どう対処していいかわかりません。ここで想像してみてください。信頼できるメカニックのアシスタントがいて、その状況全体を一緒に確認しながら、問題を解決してくれるとしたら。そうすれば、仕事に向かうことができます。もちろん、ほとんどの人にはそんな頼れるアシスタントはいませんが、いたらいいのにと思うことはよくありますよね。チェックエンジンライトを見たことがある人はどれくらいいますか？ああ、そうですね。私だけじゃないようですね。
では、この状況が地上100フィートの高さだったらどうでしょう。風力タービンの頂上にいて、やっかいなFaultコードが出ています。これは様々な意味を持つ可能性があります。特定のFaultコードが出る理由は多岐にわたります。チェックエンジンライトのように、どうトラブルシューティングしていいかわからないものもあります。そこでNextEraでは、非常に有能なAIアシスタントを構築しました。この取り組みは2023年初頭に始まり、現在AWSで利用可能な再利用可能なコンポーネントの多くがまだ存在していない時期でした。初期の段階では、多くの機能を自分たちで組み合わせる必要がありました。現在では900人のテクニシャンがこのツールを使用しており、大きな恩恵を受けています。複雑なFaultコードのトラブルシューティングを素早く行い、大きな効率化を実現しています。
私たちはこの機能を様々な場所に展開しました。その一つがService Planner機能です。Service Plannerは、電力会社にとって非常に重要な機能です。電柱や配線について、非常に耐久性の高いグリッドを設計することを確実にします。Floridaは観光や家族での生活、旅行に最適な場所で、多くの人々がFlorida Power and Lightの顧客になるためにFloridaに移住してきます。そのため、非常に耐久性の高いシステムを設計する必要があり、それは非常に複雑です。エンジニアリング要件や規制要件を含む多くの要求があり、期限も設定されています。現在、Service Plannerには、1日の計画を立て、要求内容を理解し、複雑なエンジニアリング資料を取り出し、顧客の要求に応えるプロセスを支援するアシスタントがあります。
NextEraでは、私がここでその物語を少しお話しさせていただきます。NextEraには2つの素晴らしい企業があります。NextEra Energy Resourcesは、風力と太陽光による再生可能エネルギーの世界最大の発電事業者で、41の州とカナダで事業を展開しています。また、約590万人の顧客を持つ米国最大の電力会社の一つであるFlorida Power and Lightも、素晴らしい実績を誇っています。
現在がターニングポイントとなっている理由は、まさにエネルギー分野が転換期を迎えているからです。皆さんもご存じの通りです。これまでは電力需要が横ばいで、再生可能エネルギーの成長は石炭や従来型技術の廃止に連動し、個々の顧客ニーズに応じた単発的なソリューションが主流でした。しかし今後7年間で、再生可能エネルギーは3倍という驚異的な成長を遂げると予測されています。これは再生可能エネルギーが最もクリーンで安価なリソースだからです。つまり、経済の脱炭素化への移行に向けて様々なソリューションを展開する必要がある中で、AIがその変革を調整する重要な役割を担うことになります。
NextEraが約18-19ヶ月前にどのようなアプローチを取ったのか、そしてその経験が皆さんのトランジションやGenerative AI導入の journey においてどのように役立つかについてお話ししましょう。
私たちは早い段階で、意思決定の指針となるいくつかの原則を確立しようと試みました。なぜ原則を考え、それらを中心に団結することが重要なのでしょうか？それは、より迅速な意思決定を可能にし、企業の変革や脱炭素化、再生可能エネルギーの拡大という課題に取り組む上で、本当に重要な要素に焦点を当てることができるからです。重要な原則の1つが、Human-Centered Designでした。人間を尊重し、実際に使いたいと思える製品やサービスを提供することが非常に重要です。私たちは皆、これまでに数多くのアプリやソフトウェアを使用してきて、本当に使いやすいものと、そうでないものの違いを理解していると思います。給料を賭けてもいいですが、成功しているものは必ずHuman-Centered Designを採用し、人間が開発に関与して、責任を持って価値を提供できるよう設計されているはずです。
トップダウンの優先順位付けは非常に重要で、本当に成果を出せる重要な取り組みに焦点を当てることが必要です。19-20ヶ月前、私たち全員に何が起こったかというと、誰もがこのテクノロジーに飛びつきたがりました。一方で、変化を恐れて様子見をする人々もいました。しかしNextEraは文化として変化を受け入れ、新しいことに挑戦することに前向きです。私たちは、安全な利用を促進し、会社全体で様々なユースケースを展開できる環境と再利用可能なコンポーネントを構築する必要があることを認識しました。
ボトムアップの民主化を実現し、Generative AIを活用した変革の方法について、人々の理解を深めることが非常に重要です。このボトムアップの取り組みの素晴らしい点は、組織自体がGenerative AIの活用方法を教えてくれることです。私たちは皆、Generative AIがビジネスや顧客にどのように役立つかについて、それぞれの先入観を持っています。しかし、従業員や顧客がこのテクノロジーを活用して明確な価値を生み出そうとする際に生まれる素晴らしいストーリーには、いつも驚かされます。初期の段階では多くのPOCや「Hello World」的なプロトタイプがありました。しかし、成果の出ないPOCには誰もが疲れてしまいます。だからこそ、価値の高いユースケースをトップダウンで優先順位付けし、成果を出せる取り組みに焦点を当て、それを測定することで、経営陣や資金提供者からの信頼を維持することが重要なのです。
さて、本題に入りましょう。これからは技術的な話をしていきます。再利用可能なパターンについてお話しし、最後に企業文化についても触れたいと思います。なぜなら、私たちがこの journey でより先を行けている理由、そしてこれからも先頭を走り続けられると考える理由の重要な要素だからです。 まず最初に、皆さんもご存知の通り - 基調講演でも何人もの方が言及されていましたが - データは Generative AI の、そして AI 全般の燃料です。皆さんのデータを持っていない AI は、幻覚を見たり、でたらめを言ったりして、あまり役に立たず、むしろ大きなフラストレーションの原因となってしまいます。NextEra が早い段階で取り組んだことの1つが、Enterprise Data Program への大規模な投資でした。この Enterprise Data Program は、AWS 上に構築された一連のツール群で、風力タービンやソーラーフリートから得られる何十万ものタグやデータポイント、財務データ、人事データなど、あらゆるデータセットを活用し、それらを統合しています。
このように全てのデータを統合し、一貫性のあるリポジトリにまとめることで、新たな AI ユースケースを追加する際の限界コストを下げることができます。一般的なデータサイエンティストや ML エンジニア、ソフトウェア開発者と話をすると、データの整理に苦労する時間が少なくなり、新しいプロトタイプの作成や概念の実験にすぐに取り掛かれるようになります。この基礎的な整備作業は必要不可欠です。確かに最も刺激的な作業ではありませんが、将来的に多くのユースケースを実現するために極めて重要なのです。
では、左から右へと説明していきましょう。左側には、データソースがあります。先ほど言及した EDP は、私たちにとって重要なデータソースの1つです。また、私たちの環境では、ユーザーが独自のソースを持ち込むことも可能で、特定の外部ソースを利用したい場合もサポートできます。取り込み層では、ご覧の通り、AWS のサービスを組み合わせて、接続、エンベディング、チャンキング、インデックス作成を処理しています。グラフデータベースやグラフ処理が有効なユースケースでは、それにも対応できる機能を備えています。
処理されたデータは、長期保存が必要な場合や、参照整合性を確保するためにデータを参照する必要がある場合は、Amazon S3 に保存されます。そして、そのナレッジを更新できる一連のデータハブがあり、最後の消費層では、異なる抽象化レベルと LLM の互換性を持たせて、これらのナレッジベースと対話できるようになっています。これは見覚えのある構成だと思います。現在 AWS で発表され利用可能になっているサービスの多くが似たような形になっていますが、20ヶ月前には何もなかったことを覚えておいてください。多くのものを一から構築する必要があり、私たちは傍観者として待つような組織ではありませんでした。テクノロジーの可能性を見出し、ユースケースを素早く実現したいと考えていたのです。
このアーキテクチャがいかに素早く価値を生み出すかについて説明しましょう。私たちは早い段階で、このようなコンポーネントベースのアプローチで構築すれば、多くの異なるユースケースが可能になることに気づきました。例えば、法務部門が法的文書に基づいたチャットボットやアシスタントを作りたい場合を考えてみましょう。問題ありません。このアーキテクチャの特定の要素は、ユースケースに応じて有効化または無効化され、コードの重複や書き直しを最小限に抑えることができます。
これは非常に重要なポイントです。なぜなら、私たちは何百ものユースケースに対応し、可能な限りセルフサービス化を進めていく必要があるからです。これにより、本当にカスタマイズが必要なものを開発する際には、限られたリソースである優秀なData ScientistやML Engineer、Software Engineerを、本当に価値の高い複雑なタスクに集中させることができます。一方で、比較的シンプルなChatbotのユースケースであれば、ユーザー自身で対応できるようにしたいのです。これは皆さんにとっても身近な課題ではないでしょうか。組織のあらゆる部門から何百もの要望やアイデアが寄せられる中で、実際に大きなインパクトをもたらすのはそのうちの10%程度かもしれません。残りの90%が価値がないという意味ではありません。むしろ、まだ初期段階にあり、それらのニーズにも対応できる方法を用意する必要があるということです。
NextEraのAI文化と将来展望：イノベーションへの取り組み
そのため、組織の他のメンバーもGenerative AIの革新に参加できるようにすることが重要です。ここで重要になってくるのが、再利用可能なコンポーネントとセルフサービスオプションの提供です。誰も取り残さないようにしながら、よりカスタマイズされた複雑なソリューションのために、限られたリソースのバランスを取る必要があるのです。
これは私たちにとって大きな成功を収めています。社内のあるグループは、自分たちのアシスタントに名前をつけているほどです。社内には面白いエピソードがたくさんありますが、皆がAIに本当に慣れてきています。19-20ヶ月前は、かなりの躊躇がありました。AIによって自分たちの生活や仕事がどう変わるのか心配する人もいました。しかし、基盤となる民主化レイヤー、つまりChatbotを通じてGenerative AIと自然に対話し、自分たちのデータを持ち込み、NextEraで安全に実験できる環境を導入したことで、オープンな文化、アイデアを共有する文化が生まれました。そこから、本当に変革的なアイデアを見出し、優先順位をつけることができるようになったのです。
カルチャーについて多く話してきました。 ここで、私たちがより迅速に進めることができた要因の一つとして、カルチャーについてさらに掘り下げてみたいと思います。 これは私たちのドローン、FPL Air Oneの写真です。私たちは、FAA以外では米国初の商用固定翼ドローン運航者となりました。これは私たちにとって象徴的な意味を持っています。Florida Power Lightでは、年間を通じて素晴らしい天候に恵まれていますが、時にはハリケーンに見舞われることもあります。そのため、迅速に対応し、フロリダの生活を通常の状態に戻すことが非常に重要です。
このドローンは、一貫したフライトを行い、データを収集・分析し、被害を評価して、適切なリソースを投入して復旧を図ることを可能にします。これにより、影響を可能な限り最小限に抑えることができます。 これもまた、ステークホルダーやお客様に可能な限りの価値を提供するために新しいことに挑戦するNextEraのカルチャーを象徴しています。私たちは数年間、いくつかの基盤となる分野に注力してきました。このような取り組みの一環として、AIの広範な実験、トレーニング、活用を行ってきました。これには初期の言語モデルも含まれます。私たちはGPT 1.0、2.0を実験し、独自の言語モデルもトレーニングしていました。当時は大規模だと思っていましたが、実際にはそれほど大規模ではありませんでしたが、何年も前から独自のトレーニングを実験していたのです。
私たちはこの瞬間を予測しようとしていました。2022年と2023年は少し慌ただしい時期でした。先ほど申し上げたように、Enterprise Data Platformでデータを統合することに多大な投資を行ってきました。これは非常に重要なことです。なぜなら、組織に新しいAIのユースケースを追加するたびにかかるコストを削減できるからです。これは、企業でAIをより簡単に活用するために必要な基盤なのです。 そして、私たちは一貫してAIとデータイノベーションの文化への投資を続けています。毎年サミットを開催し、従業員が集まってウィジェットや技術、自慢の成果を競い合い、披露しています。今年は、AIソリューションに加えて、ロボティクスやドローンの展示も数多くありました。
文化として、私たちはこのような実験的な取り組みを推奨しており、安全な環境を作ることで、安全な方法での実験を奨励しています。 また、スタートアップを招き入れるイノベーション・エコシステムにも多大な投資を行っています。この写真は35 Mulesという組織のものです。スタートアップを支援する組織としては変わった名前ですが、約100年前のFlorida Power & Lightの始まりを振り返ると、当時は35頭のラバが氷やその他の商品を運んでいたことに由来しています。これは非常に成功しているプログラムで、アーリーステージのスタートアップが自分たちのアイデアを提案し、資金を獲得し、NextEraとFlorida Power & Lightの専門家とパートナーを組んで、メンタリングを受けながら事業を成功に導いています。
さて、次に私たちが期待していること、そして皆さんにも期待していただきたいことについてお話しします。このカンファレンスに参加されている皆さんは、おそらくすでに期待されていることでしょう。私たちは4つのことに特に期待を寄せています。まず、Agenticパターンについて。Josephが多く語っていたように、私たちも全面的に同意します。Foundation Modelを活用してプロセスを変革する上で、これが次の大きなブレイクスルーになると考えています。プロセス変革から逃れることはできません。これによって、テクノロジーがより身近なものになるでしょう。
しかし、組織的・文化的な基盤作りはまだ必要です。Agenticパターンを受け入れるために、プロセス、部門、視点を変革することへの人々の理解と支持を得ることは軽視できません。これは変革における重要な要素です。
Small Language Modelは、さまざまな場面で普及し、役立つようになるでしょう。カスタマーサービス、財務、HR、さらには評価のレイヤーとしても、非常に具体的な実装が次の大きなトレンドとなり、私たちはすでにかなりの実験を始めています。Vision AIも非常に期待できます。現場での作業において、ウェアラブルデバイス上でVision AIと言語モデルを組み合わせることで、技術者の安全性が向上します。実質的にハンズフリーでの作業が可能になり、本社のスタッフが現場の技術者の視界を共有しながら、AIや本社の技術者と自然にやり取りできるようになります。
これは本当に革新的な変化をもたらすものになるでしょう。Large Language Modelは、既存の技術全般に対しても大きな相乗効果をもたらします。Vision AIも同様に、私たちにとって真に革新的な技術になると考えています。そして最後に重要なのが音声、特にスピーチからスピーチへの変換です。これは新しいUIだと考えています。この技術は、私たちとマシンとの、そして人と人との関わり方を変革するでしょう。私たちは既に、次に何が来るのか、そして Voice AI を活用してどのようにビジネスプロセスを変革できるのかを予測するため、スピーチからスピーチへの変換の実験を始めています。
以上で終わりとなりますが、お時間をいただきありがとうございました。ホストを務めていただいた Joseph にも感謝申し上げます。この内容が皆様にとって有意義なものであったことを願っています。ご質問がございましたら、お答えさせていただきますので、このままお残りください。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion