デジタルマーケティングのための Web サイト構築、映像制作を生業とする会社にいるので、生成 AI の活用は必須マターである。
昨年(2023年)末、僕が目を通した以下の本を候補に、読書会・勉強会を企画した。
- 保科学世(アクセンチュア)『生成AI時代の超仕事術大全』
- 生成AIの仕事への活用、そのために必要なスキル、生成AIによる業界変化の未来を描く。包括的。ボリューム大(コンサルっぽい)
- 小沢健祐(オザケン)『生成AI 導入の教科書』
- 生成AIを実際に導入する際の戦略・実践のポイントを描く。バランスよい構成。簡潔で実践的(現場のプロジェクトリーダーならでは)。生成AIの現状とビジネスの変革、プロンプトエンジニアリング術、導入済企業へのインタビューなど。
- 有園雄一『マイクロソフト Copilot の衝撃 生成AI時代のマーケティング』
- 生成AIのマーケティング応用、Copilot の紹介。内容が限定的。
- 小林雅一『生成AI 「ChatGPT」を支える技術はどのようにビジネスを変え、人間の創造性を揺るがすのか』
- 生成AIの技術と可能性について骨太に描く。より深く生成AIの歴史・技術を理解したいビジネスパーソン向け。
- 馬渕邦美『ジェネレーティブAIの衝撃』
- 項目の概説を羅列してある印象。パナソニックコネクトなどへのインタビューに特徴。
- 池田朋弘『事例で学ぶ ChatGPT 最強の仕事術』
- 文書作成・調査・企画立案・IT・営業マーケティング・外国語など状況別に有用なプロンプトの与え方を紹介。
知識レベルを合わせるという目的においては、1と2がよさそう。特に 2がコンサイスによくまとまっており、読書会向け。3はマーケティング限定、すぐに読める。4はいい本だが副読本という位置づけ。より深く理解したい人向け。5は参考程度。6 は実践的。読書会の後の実践編で活用できそう。
そう考え、2. 小沢健祐(オザケン)『生成AI 導入の教科書』の内容を Powerpoint にまとめて、読書会を実施した。より深く知りたい人は 4. を読んでもらい、すぐに実践してもらう人には 6. が参考になる。
以下は、資料を箇条書きに変換したもの。これも生成 AI を利用して行い、手で修正を入れた。
小澤健祐『生成 AI 導入の教科書』
- 著者:AI 専門メディア(https://ainow.ai/)編集長、ディップ(株)でAI活用Pj推進
- Chapter 1 AI は「作る時代」から「使う時代」へ ━ 生成AIとは
- Chapter 2 「今までの DX は絆創膏」 ━ つぎはぎの DX と生成AI
- Chapter 3 生成 AI によるビジネスモデルの変革
- Chapter 4 生成 AI を社内で活用するために理解しておくべきこと
- Chapter 5 「業務理解が第一歩」生成 AI の導入ステップ
- Chapter 6 生成 AI の既存システムとの連携パターン
- Chapter 7 生成 AI を活用するプロンプトエンジニアリング術
- Chapter 8 これからの生成 AI をめぐる動向
- Chapter 9 企業における AI 導入のベストプラクティス
各章の終わりに、ポイントがまとめてある
Chapter 1 AI は「作る時代」から「使う時代」へ ━ 生成AIとは
- ChatGPT をはじめとする生成 AI の可能性
- チャットというシンプルな会話形式で高度な AI をエンドユーザに提供
- リスク・課題
- ハルシネーション、バイアス、プライバシー、透明性・説明可能性、法規制、知的財産権
- 大規模言語モデル(LLM=Large Language Model)
- AIを「作る」ことの大変さ
- 企画、データ収集、前処理、モデル選択・構築、PoC、実装、保守
- AIを「使う」時代
- 大規模な汎用モデル + 個別チューニング
- 生成 AI でも「解決する課題は何か」が重要
*補足
- Transformer の自己注意機構 … ある単語と他の単語との関係性を計算、文脈の中での単語の意味付けをベクトル化
- Pre-trained (学習)… 文章の穴埋め問題を大量に解かせることで、予測能力を学習
- Udemy 講座
Chapter 2 「今までのDXは絆創膏」 ━ つぎはぎの DX と生成AI
- 汎用AI ⇔ 特化型AI、 従来のAI(識別AI、分析AI)そして 生成AI
- LLM による生成 AI= (汎用性の高い)自然言語処理に特化した AI
- 言語:認知(思考) & コミュニケーション の根本 → それが AI で扱えるようになった
- 自然言語理解・生成文章の品質、多様なアプリケーション、プログラミング応用
- DX:データとデジタル技術で企業変革して、競争優位を生み出す
- デジタイゼーション:非構造化データを構造化
- デジタライゼーション:構造化データから新たな知識や洞察を得る
- 絆創膏だった DX(局所最適)
- 技術中心、ツール目的、現場感、組織文化、専門スキル不足
- 根本治療の DX(全体最適、会社の基盤)
- 生成AI が「ハブ」、各ツールと連携
- 統合I/F、データ連携、自動化・最適化
Chapter 3 生成 AI によるビジネスモデルの変革
- 生成 AI は1次情報を分析してまとめるのが得意
- 2次情報を扱う人間の役割・重要性が変わる
- (例)SNS、Web上コミュニケーション(chat)の自動化
- (例)パーソナライズ(メッセージ、キュレーション)
- 1次情報の収集力、2次情報生成の AI マネジメント力が鍵
- 1次情報を持つ企業 と 生成 AI プラットフォーマー との連携
- LLM をハブとした生成AI・各種アプリケーション連携
- 業界特化の「バーティカルモデル」に生成 AI は期待される
- 建設業界標準仕様LLM
Chapter 4 生成 AI を社内で活用するために理解しておくべきこと
- 優先するのは現場の経験(Employee Experience)
- LLM による生成 AI= あらゆる業務に対応する学習能力を持つ
- 現場の課題、そして解決策を AI に提供する必要がある → 現場の担当者も AI 活用の場に参加し、ともに考え、動く
- 汎用 AI(全体最適)
- ChatGPT で「要約」「報告書作成」「メール返信」などの業務効率化
- 特化型 AI(部分最適)
- ChatGPT に複雑な現場のルール・業務フローをプロンプトで伝えるのは難しい
- 既存システムと AI との連携が必要
- データをセキュアに扱わなければならない → API によるシステムの連携、大量のプロンプトを与えなくても生成 AI に情報を渡せる
- 「社内政治」で部署間の連携・協力体制確立が必須
Chapter 5 「業務理解が第一歩」生成 AI の導入ステップ
- 「生成AIを使う」プロジェクトの組成:
- ドメイン知識を持つエキスパート:プロンプトの質を担保する
- 現場を巻き込むプロジェクトマネジャー
- 集中型 よりも ハブ&スポーク型:現場でのプロンプトエンジニアリング、緊密な連携が必要
- 現場のヒアリング
- 負荷の高い業務は何か、優先度の高い課題の特定、それを解決するプロンプトの準備
- インタビュー、ワークショップ、プロセスマッピング(可視化)、データ分析、プロジェクトへのフィードバック
- 生成 AI を中心にしたシステム全体像の設計:API による自社ツール・データ連携が重要
- どのサービスで生成AIを活用するか … Copilot、プラグイン・APIの活用
- サービス同士の連携をどうするか … 既存ツール・データベースとの連携
- 各部署のシステム構築の必要性:特化型AIによる効率化 … 特定の部署・業務
- システムの目的と範囲:どのような機能?どのような価値?
- ユーザインタフェース
- 応答生成ロジック … 文脈を考慮して生成AIの応答を調整
- モデルの統合と実装 … API によるシステム統合、性能・応答時間を考慮した最適化
- ユーザフィードバック収集とシステムの改善
- セキュリティとプライバシー
- 生成 AI の導入環境の構築
- 最も重要なのは、生成 AI を活用するスキルの教育
- ソフトスキルの強化 … 人間と同様、AI とコラボする
- コミュニケーション、問題解決、クリティカルシンキング、創造性、柔軟性
- データプライバシーと倫理的な使用
- 生成 AI に提供するデータの匿名化
- 学習データのバイアスを評価
- 著作権への理解
- 特定部署でのテストの実施
Chapter 6 生成 AI の既存システムとの連携パターン
- パターン1:独自に LLM を開発
- パターン2:生成 AI 開発企業のサービスを活用
- ChatGPT、MS Copilot を活用 … 高度なプロンプトエンジニアリングが必要
- メリット … 専門知識・技術の低減、時間とコスト節約、最新技術、スケーラビリティ
- デメリット … カスタマイズの制限、長期コスト、依存性、プライバシーとセキュリティ、透明性
- パターン3:API 経由で生成 AI を利用する
- ソフト開発技術者が必要、だがシステム統合・連携が可能
- メリット/デメリット … パターン2と共通
- パターン4:生成 AI が組み込まれたサービス活用
- 例:企業向けのプロンプト共有サービス、各種プラグイン
- パターン5:ノーコード・ローコードでアプリケーションを作成する (2023/12月情報)
- 例:GPTs、Copilot Studio
- 自然言語で Chat アプリを作成する:ソフト開発技術者不要
Chapter 7 生成 AI を活用するプロンプトエンジニアリング術
- プロンプトエンジニアリング … LLM に入力する命令文の開発・最適化
- 指示(具体的なタスク)、背景、入力データ、データの出力形式
- プロンプトエンジニアリングのテクニック
- Zero-shot
- Few-shot:事例やデモを提供して、それを応答の条件付けとする
- Chain-of-Thought (CoT):連鎖的な思考をさせる
- Zero-shot CoT:「ステップバイステップで答えて」
- Self-Consistency:Few-shot と CoT の組み合わせ
- 知識生成プロンプティング:生成AI の知識と人間の知識のズレを調整
- プロンプトに事実や定義を含める
- プロンプトに関連するキーワードを含める
- プロンプトに文脈や背景情報を含める
- 生成 AI の文章生成の型
- 0→1:文章生成
- 1→10:文章拡張
- 10→1:要約
- 1→1:文章変換:翻訳、文章修正
- 生成 AI の活用術
- 具体的なキーワードを使う … 曖昧性・比喩・慣用表現は AI は苦手⇔プログラミングは得意
- 項目に分けて指示する … # でマークアップ
- ステップを明示してあげる
- 生成 AI で重要性が増すソフトスキル
- 「仕組み化力」 → 業務を作業に分解 → 人に任せる作業、AIにやらせる作業、自分がやる作業
- 生成 AI をマネジメントする能力
Chapter 8 これからの生成 AI をめぐる動向
- マルチモーダル化
- Code Interpreter:自然言語から Python を実行、ファイルベース
- GPTs、Copilot Studio:自然言語で独自の Chat アプリを作成
- さまざまなサービスと生成 AI が連携
- AI アラインメント
- AI の行動や意思決定が人間の価値観や目的と一致するように調整する
- HAI(Human-AI Interacition)
- 人間の心理・社会側面・倫理・法律などの視点を取り入れ、AI をより人間にとって使いやすく
Chapter 9 企業における AI 導入のベストプラクティス
- Microsoft:
- Azure Open AI Services
- 日本企業と欧米との違い
- 小さな AI モデル
- 日清食品:
- Nissin AI-chat powered by GPT-4 を1ケ月で公開
- ベネッセ:AI チャット
- 次世代コンタクトセンター、自由研究お助けAI
- 次世代Webサイトプロジェクト with メンバーズ、ビービット
- Webサイト制作・運用における生成AI活用
- 体験を作る、誰の何のためのものか、差別化(自社独自)、プロンプト、入出力調整
- ディップ
- 社員全員の作るプロンプトを有識者が審査、200種類以上のプロンプトデータベース
- SHIFT AI
- 日本企業の遅れ:成功事例・ノウハウの共有が少ない
- 広告クリエイティブの品質判断、コピーライティング、デザイン制作
- カスタマーサポート、内部業務の効率化
- ABEJA:130億の LLM
- STORIA 法律事務所
- 生成AI活用普及協会:AIの社会実装
- 従業員の基本リテラシーやモラル
- 教育プログラム