📚

NexTech Week2023秋 1日目

2023/11/09に公開

NexTech Week2023秋 1日目

デジタル人材EXPOをメインに、いつもお世話になっている方々へのご挨拶回りで来てます。
併催でメタバースEXPOがあったりVR EXPOがあったり…
また、隣の別イベントとしてIT Web Weekもあり、こちらは当日知ったのですが入場は同じチケットで行けたのでチラ見しています。

謝辞

メモ書きをそのまま公開しています。
公開するのがまずいと思われる文言などは若干いじっています。


⭐️デジタル人材育成推進への政府方針

DX人材はユーザー企業から推進する、というのが主題。

DXリテラシー標準

DSS(デジタルスキル標準)を活用する

  • 自社のDX人材を検討・定義
  • 社員のスキルを見える化
  • 育成計画(イオンの例)

経営層から末端まで全社員を対象とする
➡️学校教育にすべきでは?

  • Why
    • 社会・顧客・競争環境の変化
  • What
    • データを扱う
  • How

  • マインドスタンス

推進する人材

  • ビジネスアーキテクト
  • デザイナー
  • データサイエンティスト
  • ソフトウェアエンジニア
  • サイバーセキュリティ

細かい上に話が短いので後で資料を見る
資料はどこにある?

生成AIの活用

生成AIが人材育成にどう影響するか

  • 個人レベルでは世界2位、ただし企業レベルでは最下位
    • ➡️経営判断の遅さは大問題。
      • ➡️日本は意思決定が非常に遅いので、世界のシステムを輸入するだけで勝てるのでは?

生成AI利活用のスキル

  • 人材育成と技術変化(AI成長)のスピードは異なる
    • スキルとは関係なく、AI情報のキャッチアップ
  • 生成AIを適切に扱うスキル
    • アウトプットを評価するスキルー生成物の正しさを判別できる
  • 人材
    • マインドスタンス
    • プロンプトエンジニアリング、課題を言語化できる
    • 問い・仮説・検証

従来の研修スタイルは通用しない時代になっている
現行のエンジニアリングにも価値がなくなりつつある。。

環境

  • 「マナビDX・マナビDXクエスト」ポータル。助成金いっぱい
  • ITパスポートに生成AI問題が入ってくる
    • DXパスポート試験?

所感

遅れて到着したので前半が分からないものの「政府方針は検索すれば出てくるよ」が多かった
具体的になんと検索するのか、という話がほしい
自分が登壇する際に参考文献を入れるならスライドを公開した方が良さそう、と思ったのが学び。

⭐️AI国家戦略と活用展望➡️「AI戦略会議」から見る日本におけるAI活用の展望

人材育成についても触れられていた!
個人的な趣味で聞くつもりだったが活用できそうでよかった!

基本的な話

  • AI(人工知能)
    • 機械学習
      • ディープラーニング
        • 生成系

更に分類して

  • 生成AI
  • 基盤モデル
  • 大規模モデル

ディープラーニングの仕組み(ニューロン・線)の複雑さとか
12年から発足されており、18年で人間を超え、23年にChatGPTが普及

教師あり学習を考えた時、データの選別もAIがやってしまう(自己教師あり学習:トランスフォーマー)

自己教師あり学習

文章においては単語ごとに次の単語を予測するように学習していく。
文法や前後の会話の流れを理解する必要がある。
人間の脳(予測)に限りなく近い処理がなされている

大規模言語モデルのスケールで考えると、今までの機械学習のノウハウ(特に過学習)は通用しない可能性が出てきている。
➡️適宜汎化している?
人間世界で考えると、歌などはオーバーフィット(完全に覚える)をしているし、新しいものを生み出している。
➡️オーバーフィットは必ずしも悪ではない?

汎用LLMと専用モデルを用意して、汎用LLMで事前学習する?
スポーツを教える時も、いきなりサッカーをやらせるのではなく体を動かす遊びを教える事でLLMの対応能力を上げる。
汎用LLMは性能を上げれば上げるほど良いと言われるのはこの対応能力を上げるため。
➡️ChatGPTは汎用LLM、バックグラウンドに専門モデルがいると考えられる。
ユーザーは「コールセンター・オペレータ」という指示しかしていない。ChatGPTは事前にコールセンターやオペレータを学習している。

生成AIによる生産性のサポート・需要

  • 生産性の低い人ほど恩恵がある
  • 自分の仕事をChatGPTにやらせたい

政府方針と対応

例がなくAIに対して非常に速い

  • リスク対応
    • 著作権
    • 弁護士代行も可能(報酬を得る、事件性の有無、法律行為でない、弁護士の補助業務)
  • AIの利用
    • 生成AIが作ったものであるかどうかを判別させたい
      • ➡️これは日本においては辞めた方がいいと思う。AIを使わない方に進んでしまうため。AIをうまく活用するスキルとして評価すべき。
  • AIの開発力
    • ハードウェア面(GPU)に課題。半導体は捨ててはならない

企業レベルの対応方針

  • 弁護士会・法律相談BOT
  • 地域(ゴミ出し・多言語)

技術要件として、LangChain/【LlamaIndex】を使う方法が良い
オンボーディング時に資料の読み込みをさせて業務にあたらせるのと同じ考え方。
業務の引き継ぎを含めたオンボーディングをChatGPTにやらせている。

組織専用GPTの開発と、LLMを使ったDX・業務改善へ繋げていく。
➡️システム開発でいえば、多くの企業はホームページすら持っていない状態になっているといえる。

汎用LLMと専門LLMのどちらが優位(市場を取る)か

モデルのサイズを受けられるかどうかによる。
また、開発コストも嵩むので限定的になる。
医療・金融・製造業か。

人材育成

松尾研究所さんの取り組み紹介とか。経産省のマナビDXのお話

ChatGPT導入で終わらない!生産性を向上させるAI活用

前のセッションが押したので途中参加

GPT4の紹介メインっぽい。
midjournyとかAI議事録ツール(自社ツール:Logmeets)のデモ
ChatGPT導入コンサル

2021年9月以降のデータを学習させたい➡️プラグインを使おう

生成AIの近未来

  • テキストを入れたら画像や音声、動画などを作る
  • 画像をいれて動画を作る、解説をテキストでさせる
  • ドキュメント
    • スライド
  • システム
    • メール
    • Slack

悩み相談Botサービスも出まくる
社員間のメンタルマネジメントはAIがやる時代に?
➡️AIにコーチングさせる、カウンセリングもアリか。

AIの導入戦略を考える

  • 4W1Hを明確化しよう
    • 使い手に依存すると勿体無い。
    • スモールスタート
    • AIの基礎技術の進化に、人間の活用(ツール)が追いつかない
  • サービスのタイプを考える
    • プリミティブチャット: プロンプトエンジニアリングが必須。
      • ChatGPT: 3.5と4の違いが大きすぎる。エンタープライズ版入れる?
      • AIラッパー
    • ツール内統合: Sales forceとか。cogniteとか。今の時点でも多いね
    • 個別用途
      • 失敗しやすい
    • 基幹サービス
      • 非推奨。成果物の正確性を誰も担保できなくなる

どうやって付き合っていくか

  • 既存パッケージ契約: 大多数
  • 自社向け開発: IT企業
  • 生成AI開発: 大手

システム開発の歴史をそのまま踏襲しそうだ

所感

「知のカンブリア爆発記」という言葉はインパクトあるな
本書かせたり表紙描かせたりプレゼンつくらせたり?
プロンプト自体もChatGPTに書かせるというのが普通に使われている。
ChatGPT自体の可能性の幅が広いので突拍子もないことをやらせてみるのも面白いかもしれない。
しまいには、パソコン作業はとりあえずChatGPTにやらせる(いわゆるロックマンエグゼ的な)という時代になりそう。

これを踏まえて、AIをどうやって使うかを考えるビジネスが次の話になりそう。
既存業務の置き換えは当然として、今まで人ができなかった分野の新規参入もありそう。

個人をシステム化できないか?

いわゆる電脳の擬似版。
脳を缶にホルマリン漬け?にして電気データにする、というマッドなゲームはあったが、そんな事をしなくてもプライベートログを日常的に取っていけばなりすましができるのでは?

日本におけるAI活用の道

よく考えたら開始時間前から席に着いていたのは初めて?➡️前セッションも時間前着だったよ。歓迎ムードな感じではない
特別公演だからか。

登壇者は内閣府と関連。
間違いなく国内の最先端の話になる。
➡️LT会だった。

政府の検討体制や取組

  • 期待すること
    • 労働力不足
    • 生産性向上
  • 懸念事項
    • 犯罪リスク
    • 個人情報の取り扱い
    • 著作権

広島AIプロセスで利用促進を図る。
「人間中心のAI原則」に基づくAI事業者のガイドラインが策定される。

AIは従来のシステムエンジニアリングと異なる

計算資源は大企業に寡占され、多数のスタートアップに提供されている
➡️海外を視野にしたいが協業が難しい環境にあるため、これを解消していきたい。
他国ではAI専門のチームとデータセンターを用意している。

これはAI開発の案内か。

海外と日本

米GAFAM(GOFAMA):OpenAIが加入
中BAT: Baido,Alibaba, Tencent
日本は名前が出てない

デジタルツインとは?

工場の例で言うと、人間の作業で負担が大きいものをロボットが行う。
人間と同じ仕事をロボットで行うことができるよう、リアルとデジタルを連携する

ここでも自己教師学習という言葉が!これからのトレンドだろうか。

WisdomX, Wekda, Disaana/D-summ, Micsus, Socda

NICTが取り組んでいる事業の紹介。細かいのは検索で。
自前でAI作ってます、という話。ノウハウも共有されているのでLLM勉強会も要チェック。
野良生成AIを作る人も出てくる!

科学分野におけるLLMや生成AIの話については、事例紹介の話だったがそもそも仕組み名度が何ぞや?というところなので書けることがない。
キーワードはマルチモーダルと、「自動で賢くなるAI」

所感

スライドに半角カタカナを入れてるのが妙に引っかかる。

セッションの話ではないんですが、この辺りでブースも気になっているので時間をかけてゆっくり回りたいところ。
一応、カンファレンスブースが15時で〆なので以降3時間はブースを回る余裕があるか。
実世界とデジタル世界がうまくつながればなんちゃって異世界も作れるか。

⭐️データドリブン経営を支える人材育成

これも特別公演?さっきも聞いた(メモ)ので全部に言ってるんだろうなぁ。

  • 「顧客エンゲージメントを高める」という言葉がよく出るので「顧客をファンにする」と意訳したい。
  • 「データを活用する」という言葉を「データドリブンな」と意訳したい。

問いのデザイン:DXとデータ活用の関係とは?

20年前と今を比較してみるとわかりやすい。

  • 本を買う
    • 本屋に行く
    • kindle

今はkindleの方が普及している。
本屋は困ってしまうので問題解決を考えたい➡️DXで新しい価値を生み出す
➡️ユーザーはスマホ

  • DXのレイヤー
    • 業務: 効率化←顧客エンゲージメントの定量的な状況把握
    • 企業: 価値提供←顧客体験価値の高度化
    • 業界: 取引改善←データを用いた問いと意見交換(マネジメントの変化)

無意識にデータ使ってますよ(天気予報から傘や服を選ぶとか)
天気予報の場合、データ収集から分析は自動化(ネットとかテレビとか)されている。

問い

「儲けを知り、顧客に関心を持ち、社外の事象を自分化し、業務プロセスを見直す(顧客エンゲージメントの向上)」

5段階で考える。以下単元のキーポイントなので振り返られるようにしたい。

  1. 最適解を知る: 利益を最大化したい
  2. 将来を予測する: 割引したら来客は増えるか?
    1. 因果関係を定量的に把握する: 価格を下げて来店を促せるか?
    1. 事象関係を定量的に把握する: 来店頻度と割引率の相関
    2. 過去や現状を定量的に把握する: 平均来店頻度

問いを起点にデータを見る(体験)

データサイエンティストと営業マネージャーを兼務してるのすごい!

普段データを活用している(天気予報)のに、ビジネスでは活用してないのなんで?

営業の例: 「売り上げが下がっている」

  • テレアポだ!
    • 効果があるのか分からないままやってしまう
  • 市場分析します!
    • 意思決定に合ったデータではない

フレームワークを使って現状や意思決定を可視化する(KPIツリー)➡️資料欲しい

問題はテレアポではなく、提案率だった事がわかったケース。

  • 気合いで提案しよう!
    • 原因は何か見つけよう
      • 顧客のニーズ?
      • 提案のタイミング?リソース不足?(提案書作成など)
      • 営業マンの自信がない?

昨年度とのヒアリング項目を数値化すると減ってしまっている。
提案書作成に時間がかかってしまっている。

➡️ヒアリング項目を網羅できるようにする
➡️ロールプレイングをする

まとめ

問いの主語を会社視点・顧客視点で考えるとアプローチが変わる。

  • 原因を追求
  • 課題を見直す
  • 解像度を上げる

では、データ視点で考えるようにしていくと?
データのどこを見るのか、比較するのかを問いかける
(上司がテレアポ、部下が提案だとすれ違っている上記の例の場合とか)

原則として、正しいかどうかを判別する事はできないので提案ベースでの対話という意識を促す。
「商材への理解」「新人の対応」「要望をまとめられない」➡️提案書のテンプレートを作ったり新人教育を促す。要望をまとめられないなら上司にも入ってもらうなど対策を打てる。

所感

非常にわかりやすい説明!
聴講者が考える時間がないと眠くなるだけだった事を改めて感じた。

私が知る限り、データドリブンを理解するのに最も分かりやすい手法だったので活かしていきたい。
ほとんど全員がデータドリブンできてる。

Discussion