YT YouTube2Text

YouTube2Text → Transcripts → 【全編アーカイブ】AIカンファレンス「Bet AI Day」 | LayerXのリアルなAI知見を大公開！CTO, CPO, VPoEたちが語ります

【全編アーカイブ】AIカンファレンス「Bet AI Day」 | LayerXのリアルなAI知見を大公開！CTO, CPO, VPoEたちが語ります — Transcript

by LayerX 公式 · 6,374 words · 6,374 segments · language ja · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:03皆様、こんにちは。
0:06ベッドAIでようこそ。
0:09本日司会を務めます新た誠と申します。
0:16まずは初め自己紹介をさせてください。
0:21爆落事業部、爆落申請経費生産の開発を
0:26エンジニアリングマネージャーとして行っ
0:28ています。新田誠と申します。次お願いし
0:32ます。ありがとうございます。え、私事で
0:35はありますが、先月の7日に
0:38エンジニアリングマネージャー向けの本を
0:40出版いまして、エンジニアリング
0:43マネジメントの実践よりそうな本になって
0:46おりますので、よろしければ是非チェック
0:48していただければと思います。
0:52はい。え、同じく本日司会を務めさせて
0:55いただきます、レ部
0:58の中川と申します。え、私は、え、AI
1:01LLM事業部でAIはコースという
1:03プロダクトのSREをしております。はい
1:06、次行ってください。で、簡単な、ま、
1:09ちょっとディープな自己紹介をするとです
1:11ね、私自身は、あの、個人としてはもう
1:1310年以上テックブログを書いていまして
1:16、ま、読者登録数960、え、現時点の
1:19PV数があの数算で170万ぐらいって
1:22いうところで、ま、結構皆さんに読まれて
1:24いるブログを書きつつ、あの、元々野球の
1:27仕事をしていた時期とかもありまして、ま
1:29、今は、あの、昔はエンジニアリングと、
1:32ま、野球と組み合わせでデータ分析解析で
1:34最近は生成AIエージェントとかを作り
1:36ながらやろうとしてるみたいな
1:37ところの活動をしている、ま、そんな感じの
1:402
1:40人で今日は司会をやっていきますのでよろしくお願いします。
1:44よろしくお願いします。
1:48本日のセッションではスライドを使って皆様からの質問を随時受け付けたいと思っております。画面に出ている
1:57QRコードからQR
1:58コード読み取っていただいて質問をお寄せいただければと思います。
2:03またハッシュタグベッド
2:06AID
2:07で感想をポストしていただけると幸いです。皆さんで今日このベッド
2:14A
2:14デを盛り上げていきましょう。ちょっと待って。ちょっと待って。
2:24私か。
2:25あ、それでは開会のご挨拶をいたします。
2:29代表取締役CEO
2:31福島より開会のご挨拶をさせていただきます。
2:36はい、皆さん、あの、ただいまご紹介に預かりましたレア
2:39X
2:39代表の福島です。本日ですね、お忙しい中、ま、大変たくさんのですね、参加者オンラインも含めて、あの、事前登録で
2:462000
2:47名以上、あの、参加いただき誠にありがとうございます。で、私からちょっと簡単に開会の挨拶をさせていただきたいんですけど、これスライドがいけるかな?はい。
2:57あの、ベッドAIでですね、あの、ま、
3:00今日のテーマが、ま、withAIという
3:02ことで、ま、AIとどうやって共同、共業
3:04するか共同するかっていうのが、あの、
3:07大きなテーマなんですけど、ちょっと
3:08オープニングトークとして、ま、こういう
3:10提言をですね、あの、是非最初にしていき
3:12たいなと思いますと、AIをこう仕事の
3:15中心として捉えていこうというところです
3:18ね。で、ま、AI今すごくですね、あの、
3:21仕事を変化してってると思うんですけど、
3:23ま、仕事の中心とか、ま、意思決定とか、
3:26ま、ワークの中心に置いてくこういった
3:28ところ、ま、すごく大事かなと思いますと
3:30。で、2つ目がこのAIサービスとかAI
3:33アプリケーション。すごくいろんなものが
3:35出てるんですけど、是非ですね、今日参加
3:37してる皆さんにはこう作る側、AI
3:40サービスを作る、AIのオペレーションを
3:41作るって作る側に是非回っていただきたい
3:44なって思ってますと。で、3つ目がこの
3:47AIレーバーっていうのがあるんですけど
3:48、ま、AIを、ま、労働力として見立てて
3:51、ま、共同するパートナー、共業する労働
3:53力と見立てて、ま、このAIの労働力とし
3:56て、ま、活用してく、そういったものに
3:58アドレスしてくっていうところ、ま、この
4:003つが、ま、AIと共容業するっていう
4:02意味で、あの、私自身が考えてる、あの、
4:05重要なテーマで、是非皆さんもですね、
4:07今日いろんなセッションがありますので、
4:09ま、この中で是非いろんなヒントを掴ん
4:11だりとか、ま、自社でどうやって活用し
4:13てこうかみたいな悩んでいたり、
4:14チャレンジしてる方も多いと思いますので
4:16、あの、そこに対してですね、少しでもお
4:18役に立てればいいなと思ってます。
4:22で、最後に、ま、このベッドAIみたいな
4:24ところを、こうなぜこう開催するのかって
4:27いうところと思いみたいなところなんです
4:29けど、ま、とにかくあのAIにどんどん
4:32かけていく仲間が、ま、いろんなその会社
4:35っていう意味ではなくて、もうなんて言う
4:37んですか、オールJAャパンみたいな意味
4:38でですね、あの、会社を超えた仲間が
4:41たくさん欲しいなと僕は思っていて、で、
4:43すごい今危機感感じてますと。で、私元々
4:46大学時代からいわゆるこの機械学習AIと
4:48いう研究をしていて、で、この
4:51インターネットの業界で、ま、10、もう
4:533年かな、2012年にあの学生企業した
4:56んですが、そこはもう13年ずっとこの最
4:58前線で戦っていて、この負け続けてきまし
5:01た。悔しいですっていうのがなんかあるん
5:03ですね。で、今この、ま、例えばこのAI
5:06の前でいくと、ま、クラウドであったりと
5:08かそのモバイルみたいなあの大きな変化が
5:11あったと思うんですけど、皆さん海外の
5:12サービスばっか使ってませんかと。
5:15悔しくないですかと。で、AIって多分
5:18本当にこのソフト産業において多分ここを
5:21ひっくり返せる最後のチャンス
5:24なんですよ、おそらく。で、今じゃあどう
5:27いう状況かっていうと、もう基盤モデル
5:29みたいなレイヤーは、ま、とはいえ、もう
5:31海外になんて言うんですかね、もう取られ
5:32てしまっているという中で、とはいえこの
5:35AIのいいところて主戦上が多分基盤
5:37モデルじゃなくて、おそらくこのAI
5:38アプリケーションのレイヤー、AIの
5:40サービスを実際にこのAIどんどん賢く
5:43なっていくんですけど、そのAIに実際に
5:45どうやって仕事を教えるかとか、どうやっ
5:47てこの仕事に活用していくかっていう部分
5:48は多分すごくですね、あの、まだまだ見
5:51発展の領域でこれからチャンスがある領域
5:53でここが1番AIのマーケットとしても
5:56大きくなる領域かなと思っていますと。
5:59ここでですね、こう日本内車世界で使わ
6:01れるサービスを是非こう、ま、レ役者とし
6:04ても頑張ってきますし、皆さんもですね、
6:06いろんな会社やってなさると思うんです
6:08けど、この日本全体でですね、この、ま、
6:11レア者がという話じゃなくて、日本全体で
6:14このAIのサービス、AIのアプリケー
6:15ションていうのはどんどん出ていって、あ
6:17、日本すごいじゃんとなるような、あの、
6:21ま、ある人ですね、この13年間、あの、
6:23私、あの、インターネットの世界で負け
6:25続けてきたので、こ、AIの世界では何と
6:27か勝ちたいなと思って
6:28ますので、是非そういった仲間がですね、あの、今日増えるといいなという思いで開催させていただいております。はい。
6:341
6:34分めちゃくちゃ多分超えちゃってると思うんですけど、これ以上で、あの、私の挨拶をさせていただきます。本日ありがとうございます。はい。え、福島さん、ありがとうございました。それでは早速最初のセッションに移りたいと思います。
6:41[拍手]
6:49はい。最初のセッションは代表取締まり役
6:53CTO松本佑きより
6:56AI時代の経営とベッド
6:58AIビジョンです。
7:01それでは松本さんよろしくお願いします。はい、皆さんこんにちは。
7:06こんにちは。
7:07いやあ、すごい人数来ていらっしゃってますね。あの、オンラインの皆さんも今
7:122000
7:12人ぐらいですか来ていただいてるってことで非常に嬉しいです。はい。
7:16あの、今ご紹介に預かりましたレイヤX
7:19代表取締り役CTOの松本です。今日は、
7:22あの、先ほど福島からもあったように、ま
7:25、日本がこのAIでどうやって戦っていく
7:27んだというところ私たちのテーマであり
7:29ます。で、これが、ま、私たちが何を考え
7:32ているかお伝えすることで少しでも、ま、
7:35日本の色々な会社様のAI活用、AIの
7:38戦略のところに、ま、お役に立てばなと
7:40思いましてお話をさせていただこうと思っ
7:42ております。しましてAI時代の経営
7:46ベッドAIビジョンというところでお話を
7:48させてください。
7:51最初にあの自己紹介をさせていただきます
7:52。あの私先ほど福島があの12年ほどAA
7:56をやっていると申しましたが実は福島とは
7:59もう学生時代からですね一緒にずっと仕事
8:02をしておりまして、ま、グノシという会社
8:05含めて、ま、12年ほど一緒にAIの開発
8:08をしてまいりました。ま、大体最初はです
8:11ね、本当に古典的ないわゆる統計的な機械
8:14学習であの広告のモデルを作ったり、記事
8:18の推薦モデルを作ったり、ま、そこから、
8:20ま、どんどん大きい会社の改革とか、ま、
8:22様々なものを取り組んで、ま、今はレイヤ
8:25Xの中で事業の鑑渉としては、あの、
8:28FINンテック事業部、こちらはあの三井
8:31ブささんと一緒にアセットマネジメント
8:34事業、いわゆる個人の資産運用事業をあの
8:37、新しく作っております。で、もう1つが
8:40AI、LLM事業。こちらは大企業向けに
8:44エンタープライズでのあのLLMの活用の
8:47戦略を支える基盤を開発しております。ま
8:50、この辺の経験も踏まえて私が今このAI
8:54市場、LLM市場、この先のソフトウェア
8:56産業について、ま、どう考えているかと
8:58いうところをお話しさせてください。
9:02ま、今日のアジェンダこういった形になっ
9:03てるんですけども、まずは市場の背景の
9:06ところ。どういう今流れがあって、我々は
9:10何に面しているのか。そこからあの少し
9:14もう1つの背景我々は何をしたいのか。
9:16この2つのを掛け合わせた中でなんで
9:19ベッドAIということを言い出したのか。
9:21ま、そこからスタートして1つ1つ内側と
9:24外側でどういったことを取り組んでいるの
9:26かというところをお話しさせていただき
9:29ます。
9:31まず技術組織としての分岐点というところ
9:34でお話をさせていただきます。
9:38こちらのスライド、ちょうどこの1年分
9:41ぐらいのですね、私の頭の中に残っている
9:44色々なAI、LLMの新しいリリースの
9:48ところをあの並べています。ちょうど1年
9:50ぐらい前ですね、このラマ3.1、ま、今
9:53のオープンソースモデルのね、基礎はこの
9:54辺のモデルだと思うんですけども、ま、
9:56ここがスタートして、で、私の中で1番
10:00衝撃だったモデルがこの9月に出ている
10:03OpenAIオ1。まだ1年ないなんです
10:06よね。皆様おそらくお仕事の中でこの
10:10モデルを使わない日ってもうほぼないん
10:12じゃないかと私は思っているんですけども
10:14、ま、こういった水論モデルもまだ登場し
10:16て一切になっていないなのにもうすでにO
10:193とかO4、もしかすると、ま、今週来週
10:23であのGPT5が出るかもしれない。で、
10:27さらに、ま、オープンモデルでも、ま、
10:30ディープシークが出て、あの、こ、あの、
10:31オープンなモデルでこんなに性能出せるん
10:34だというところが見えてきたり、あとは今
10:37皆様がお仕事で使っているディープ
10:39リサーチ。これもまだ登場して5ヶ月、6
10:41ヶ月ってところ。さらにその上でもこの、
10:46ま、5月で、あの、5月から6月、7月の
10:49変化でいくとクロード4が出てから皆さん
10:52、あの、開発、もうほぼほぼクロード
10:54コードを使われているんじゃないかと思い
10:56ます。
10:57たった2
10:58ヶ月で世界が一変してまってると。他にもジェントの作り方に関して言えばヌース。これもリースされて数ヶ月なんですよね。
11:093
11:09月にマヌースがリースされてっ動いていくんだっけっていう、ま、
11:14UIの方について新しい
11:16ものを出してきたと思っています。
11:19あとその先の未来を見据えてというところ
11:22では5月にアルファエボルブ、これは
11:25Googleから登場したいわゆる研究
11:27開発において新しい理論とか新しい会と
11:31いうのを、ま、人間よりもより進んだ形で
11:35提示できるそんな研究開発最先端を
11:38切り開いてしまうようなモデルが初めて
11:40登場したと。実はアルファエボルブ以外に
11:43もNIAとかあのいくつかこういった
11:45スタートアップも登場しているところなの
11:48でこれからあの先端領域までLLMで
11:50変わろうとしているですしLLM自体の
11:53進化のポテンシャルも実はあのジェミニ
11:56ディフュージョンとかまいくつか拡散言語
11:59モデルが登場して新しい原理新しいこう
12:02処理の仕方というのを実現してしまって
12:04いるたった1年です。これがたった1年で
12:09こんなことが起きている。
12:11このスピードになんとか抗がってついて
12:14いこう。抗うじゃないですね。ま、ついて
12:16いこうと思いまして、我々自身はこんな
12:18ことをやってきました。ま、1番最初、ま
12:21、2022年、あの、11月末にチャat
12:24GPTが登場して、あの、最初はですね、
12:27あの、CTOがなんか狂ってるぞという
12:30感じでした。はい。私がですね、急にこれ
12:33は明らかに世の中が変わるアルゴリズムだ
12:36から、ちょっと明日からここにフルベット
12:38しますと勝手に言い出しまして、LLMに
12:42関する検証を1人で黙々と返し始めました
12:46。もう本当にあのそうですね、大体その日
12:50から睡眠時間を3時間ほど削ってひたすら
12:53研究するみたいな生活を4ヶ月ほど送り
12:56まして、で、その検証結果がですね、これ
12:59は明らかに事業になる。明らかに世界が
13:02変わるということで、2023年の3月末
13:05頃に、ま、レayXとしてエージェントを
13:07どう作っていくのかという戦略書を、ま、
13:10書きまして、ま、それもベースにしながら
13:12まず検証の組織LLMラボを設置しました
13:15。で、その、ま、半年ちょっとですね、
13:19経ってからこれを事業部化しまして、AI
13:21、LLM事業部を作り、で、そのまた半年
13:24後ほどでAIワークフォースという
13:26プロダクトをリリースしました。ま、この
13:28辺の詳細はまた各あの発表の中で語らえる
13:31と思いますので詳細は割愛しますがで、
13:34そこからまた、え、あの、ま、時間経って
13:37AI今日のテーマですね、AIにかけるぞ
13:40というのをこれはもう全社内以外全体に
13:43発表するということをして今日に至って
13:45いると。で、その中であの爆落AI
13:48エージェントのような話も今日は出てき
13:49ます。ま、こういうスピード感で物事に
13:53取り組んできまして、で、この戦略をやる
13:56中でやっぱり私の中で頭に残ってるキー
13:59ワードがあります。Spピードisュモー
14:01。これはあのパープレクシティのあの
14:04チーフビジネスオフィサーの方がポロっと
14:06なんかのカンファレンスで言ってたんです
14:08よね。サーかなで言っていたんですけども
14:11これだけ変化が激しい領域だとこの変化に
14:14ついていくことこそが競争優意性であると
14:17いう風に語られている。これはまさにその
14:19通りだと思っている。今我々がやっている
14:22授業というのは気づくと何か別なシステム
14:26にリプレイスされてる可能性が今出てい
14:28ます。サースはもしかするとただのデータ
14:31の箱になってしまうかもしれない。仕事を
14:33する主体がエージェントになってしまえば
14:35我々の仕事のスタイルも使うツールも一変
14:38してしまう。そうしたら気づいたらそう
14:41なってるんですよね。でも早くから動い
14:43てる人たちがそのリプレイス側にいるん
14:45です。このスピードどう作っていくか。ま
14:49、ここに今経営が問われているんだと思っ
14:51ています。
14:53この背景と、ま、あの、掛け合わせて、ま
14:55、この先のことを今考えていますよという
14:58のが今日のプレゼンテーションの手段に
15:00なります。ま、こういったことをやってき
15:02ましたよ。こういう、こういう背景があり
15:05ますねというのを皆さんにお伝えした
15:06ところで、少し脇道にそれ、じゃ、我々は
15:10どういうミッションで仕事をしているのか
15:12、ま、そこについてお話をさせてください
15:14。
15:17このグラフ非常に有名なグラフなので、
15:19あの、見たことある方もいると思うんです
15:21けども、これは日本の、ま、労働力不足に
15:25関して描いているグラフです。1番端っこ
15:28が2040年になっているんですが、労働
15:31力の不足11100万人と1100万人を
15:36どうやって賄うんだっていうのを、ま、
15:39ある意味ではこれは市場チャンスでもあり
15:40ます。この1100万人の労働力不足を
15:44埋めないと、ま、この国、この未来って
15:46辛いことになるよね。と、私はあの子供が
15:492人いるんですけども、ま、2040年に
15:51は、ま、成人してるぐらいかなんですけど
15:54も、ま、その時にとても暗い未来がやって
15:57くるっていうのはいちいちいち父親として
15:59耐えられない。ま、その時に何ができるの
16:02かなというのを考えると、ま、この
16:031100万人を、ま、外から人を連れて
16:06くるっていうのも当然あります。子供が
16:08もっと増えてほしい。そういうのもあり
16:10ます。でも時間的にもう猶予はありません
16:14。これを我々はデジタルでどうにかし
16:17たかったというので、我々のミッション、
16:19全ての経済活動をデジタル化するというの
16:22を掲げております。これはもう2018年
16:24の創業時から変わっておりません。人類の
16:28未来をより良くするためにテクノロジーに
16:30よって新たな生産性を生み出していく。ま
16:32、このミッションが我々にとって、あの、
16:35今目指すべき、ま、点となっていまして、
16:38ま、この山に対してどうやって登っていく
16:40んだというところがこれまで取り組んでき
16:42た事業それぞれに関わっています。
16:47ま、人工減少社会をどうにか対処しようと
16:49すれば、生産性を上げる側で対応するしか
16:52ない。先ほど実は福島があのAIレイ
16:56バーっていうキーワードを出しましたけど
16:57も、AIを労働力として使う。ま、これを
17:01人間から見ると、これは人間にとっては人
17:03の生産性を変えていくことだしで、実は
17:06AIが色々な動きをしていくことでお金の
17:09生産性も変わってくるかもしれない。
17:11データの生産性も変わってくるかもしれ
17:13ない。お金とデータというのは意外と眠っ
17:16ているんですよね。私があの仕事をする中
17:19でも、ま、フィンテック事業やっています
17:22。フィンテックの中では皆様の預金口座に
17:25お金がいっぱい眠っている。でもこのお金
17:28が働いてくれればもっと社会良くなるかも
17:30しれない。そしていろんな会社の中に
17:33データが眠っています。データを活用すれ
17:35ばもっとデータが働いてくれるかもしれ
17:38ない。ま、そういうことを、ま、考え
17:40ながら爆楽
17:43という3つの授業を通じて、ま、さらには
17:45この先第4、第5、ま、内しはもう第10
17:49なのか、ま、どんどん事業を作っていく
17:51ことでこの全ての経済活動をデジタル化
17:53するに向き合っていきたいと思っています
17:55。
17:57で、その中でLayerXech
17:59Valueというものを制定しました。
18:01これはですね、あの、皆様LayerXの
18:04Rシン版というものを、あの、拝見された
18:07ことある方、結構あの、興味持って
18:09いただくと皆さん読んでいただいてると
18:11思うんですけども、このレイヤXの、ま、
18:14羅シ版っていうのは会社全体を通じて、ま
18:17、こういう価値観で、こういう行動指針で
18:20仕事をしていこうねという約束ごとであり
18:22ます。で、これは全車なのでテックチーム
18:26、デベロッパーのチームとして大事にする
18:28ことというのはここ以外にいくつかあるよ
18:30ねということで、まだ言語化されてい
18:33なかったものがいくつかありました。で、
18:35これを4つのフレーズにまとめたのがこの
18:37レイヤXテックバリューになっています。
18:41ま、事業部問わずですね、我々の開発組織
18:43が大事にしているのはこの4つの項目だね
18:46ということを、ま、ğer権学々学の議論
18:48という類はですね、私の方でみんなの仕事
18:52色々なアウトプットそういったものを分析
18:54しながらこれが我々だというところを
18:57まとめたものになります。1つが
19:00ファースト。これはあのお客様ファースト
19:03でただアウトプットを出すではなくて
19:07アウトお客様に届く価値を作っていこう。
19:10ここに最優先でフォーカスするからこそ
19:13いいものが届くんだと。いいコ行動でも
19:16いいUIでもなくていい価値をちゃんと
19:19届ける。ま、これが我々にとってある、
19:21あの、あるべき姿だと。で、この
19:23アウトカムファーストを達成しようとする
19:25と、その次にスピードアシンシティ、使用
19:29も組織もシンプルにしていこう。ま、結局
19:32アウトカムがね、1番良くなるスピードが
19:34上がるのって、
19:36ま、結局作らない時が1番いいんですよ。
19:39最終的には物なんて作らない方がいい。
19:41もうなんかそれ以外で解決してる。じゃ
19:43この仕組みなくしちゃった方が効率化さ
19:45れるよねって。それぐらいのことだと思っ
19:47てるんですよね。ま、それぐらいこう
19:48シンプルさっていうのはスピードに効くし
19:51でその爆速で物事を進めていくことでより
19:53多くの価値がお客様に届くなので我々は
19:56物事をとにかくシンプルにしていこう。
19:58組織もシンプルに、プロダクトもシンプル
20:00にとにかく使い勝手と無駄を省いていく
20:04こと。ま、これによって
20:07いいアウトカムを作り続けていこう。ま、
20:09そこでスピードアシンシティ
20:12で、その次にアコラボレー。これはあの、
20:15ま、意思の力でことを前に進め食域を超え
20:17て橋渡しするとあるんですけども、要は
20:20ですね、いい仕事をしようとしたら考えて
20:24自分で意思決定するやつが重要であると。
20:28皆様お仕事する時に誰かに言われたから
20:31やる。ま、これってあんまりプロジェクト
20:33うまくいかないんですよね。そうじゃなく
20:35て自分で考えて自分で意思決定をしてくれ
20:37と。で、その考える時の幅も
20:41コラボレーションを前提にしてくれ。これ
20:42はもう少し踏み込んでご説明すると
20:47要はあなたの
20:49食域食籍これに閉じないで欲しいという
20:52メッセージです。
20:55私が何かのソフト専門のソフトウェア
20:57エンジニアだったとしても、
21:00何かアウトカムを届けようとすれば、
21:02例えばフロントエンドに閉じて物ができる
21:04わけじゃない。もう極論すれば営業
21:07プロセスまで食い込んで作り替えてしまっ
21:09た方がいいことがある。そういう食域を
21:12超えたコラボレーションを自分の意思で
21:15推進して欲しい。この今までにあげた
21:19カムファーストスピード
21:20simpliシティコラボレト
21:22。この3つはこれまでレイヤXのテック
21:26チームが長らく意識してきたものだと思っ
21:29ていますし、ま、採用の中でもこれが
21:31できるというところを重点的に見て、ま、
21:34採用チーム作りをしてまいりました。で、
21:374つ目はですね、願いも入っています。
21:41イノベングwithAI
21:43技術を楽しんで欲しい。で、その上で
21:46新しい価値を作り続けよう。で、特にこの
21:50withAIというのが大事でともすれば
21:53皆さん、あのAIを使う時にAIがやって
21:58しまう、AIにリプレイスされさせる、
22:00AIに任せてしまえ。いや、そうじゃない
22:03んですよと。我々はAIと共に一緒にお
22:06仕事をしながらより良い価値を作れる
22:08テックチームに進化していかなきゃいけ
22:10ないんだと。プログラミングの形がどうと
22:12か我々にとっては大事なことでもあるが
22:15それだけではないと。アウトカムを作る
22:18ためにどういう新しい価値技術作れるのか
22:22。ま、ここに我々はAIと共に向き合って
22:25いく、ま、それを楽しんでいこうじゃない
22:27かと。ま、そういう形をですね、私たち
22:30開発チームの、ま、今ある考え方目指そう
22:33としている姿というところを4つほど
22:35まとめた、ま、レイヤXテックチームとは
22:37どういうチームかというようなまとめに
22:40なっております。
22:43で、ここまで世界が今どう変化していて、
22:47LLMが世界をどれだけ加速していて、
22:50その上に我々というのはど、何者であるか
22:53というお話をさせていただきました。で、
22:56その上で今日主題になるAI、どう
22:59向き合っていくんだというお話になります
23:01。
23:03福島からもありましたけども、今全てAI
23:07ドリブルで変革する時が来ていると思って
23:10います。ま、そもそも、ま、実際のところ
23:13はLLMが来る前からそうだったのかも
23:15しれない。ま、ずっと10数年AIに
23:18向き合ってきましたが、
23:21全てのサービスがAIで新しい
23:23ケーパビリティを手にしている。ま、これ
23:25は実感として常にありました。
23:29で、その中で私たちこの4月にベッドAI
23:32を掲げました。実は、ま、創業が2018
23:35年、そこから1度もこの行動指針というの
23:38は変えたことがなかったんですよ。
23:40ミッションもですね。
23:42で、これが4月に初めて変更になりました
23:44。
23:47よくこうAIの取り組みって、ま、誰か
23:49一部のチームで先行して頑張っていこうよ
23:52とか、ま、このチームはAIドリブンに
23:54やっていくんだとか、あの人がやっていく
23:56んだとか、よくそうやってこう得意なやに
24:00任せて一旦検証しようみたいなことが起き
24:03やすいと思っているんですけども、
24:05ま、海の向こうを超えてみるともう
24:07シリコンバレーは頭のおかしいスピードで
24:09物を作っています。
24:12ま、そのチームと我々はゴしていかないと
24:15日本から
24:17世界に打っていけるソフトウェアというの
24:18は作れないと思っています。
24:22その中でも全員で向き合っていかなきゃ
24:24いけないからこそ我々のま、遺伝子に
24:27ちゃんとAIを組み込まなきゃいけない。
24:29全員がAIをやるんだと。1人1人がAI
24:33に取り組む。これは開発だけではない。
24:36営業もコーポレートも全ての人たちがAI
24:40にかけていく。ま、これが我々の行動指針
24:43であると。もはやこれは我々の評価基準で
24:45もあるし、我々にとっての、ま、根っこで
24:48あると。そういう覚悟を込めて今回元々
24:51ベッドテクノロジーと呼んでいたんです
24:53けども、ベッドテクノロジーからベッド
24:55AIに書き換えました。それぐらいAI
24:58っていうのは、ま、我々の、ま、DNAを
25:01書き換えるような出来事だったと思ってい
25:03ます。
25:06で、その中でですね、見ているものが
25:09こんな絵になっています。私たちが今最終
25:12的に目指している、ま、全ての経済活動の
25:15デジタル化、ま、全ての経済活動の
25:17デジタル化ってすごくファジーじゃない
25:19ですか?なんか本当にそんなんできるのと
25:21。いや、できるんですよと。実は水論
25:26モデルが出た辺りから私、あの実はLLM
25:29のその技術先端の研究開発は本当に私自ら
25:33ずっと研究開発手を入れてやっていました
25:35。ま、ご存知の方もいるかもしれないん
25:37ですが、2023年からずっと1人で作っ
25:41てきた、ま、色々な研究資料なんかもあり
25:43まして、ま、その中で本当にこの経済活動
25:47のデジタル化、全ての経済活動のデジタル
25:50化を実現できないだろうかということを
25:52ずっと考えてきて、今回LLMの力を見て
25:55、水論モデルの力を見て、で、その先に今
25:58やってきている、ま、例えば
25:59リンフォースメントファイントーニングと
26:01か色々なテクノロジーがですね、ま、登場
26:04している中で全の経済活動デジタル化の
26:07プロセスが見えてきたと。それがあのこれ
26:10は自動運転。この6段階のこの表っていう
26:13のは実は元々はあの自動運転車の自動運転
26:16ですのレベルを表す表になっています。
26:19レベル0ってま、要は何のアシストもない
26:21人間が全部ハンドル握ってる状態。レベル
26:241っていうのは例えば車だとQブレーキ
26:27踏んだ時にちゃんと止めてくれるとか、
26:28レーンチェンジしてくれるとか、ちょっと
26:30したワンポイントで自動化してくれる
26:32エンジン
26:33でレベル2になってくると高速道路ぐらい
26:36は手離してもなんか運転するよっていう
26:38世界。ここまでは人間がハンドルを握って
26:42ますよね。で、人間がメインでハンドルを
26:44動かして、で、その中でAIがアシストを
26:47する。で、この次にレベル3。
26:52人間じゃなくてAAがメインでハンドルを
26:55握る。で、ここだけ人間にお願いしますね
26:57。もうこの時点でだいぶあのシステム設計
27:01としては逆転してきます。人ではなくて
27:03AIが主体で運転を始める。で、レベル4
27:07に達すると異常時以外は全部やってくれる
27:09よと。ま、そういう自動運転が出来上がっ
27:12てレベル5っていうのは完全自動運転です
27:15。で、これがお仕事に置き換えてみると、
27:18この、ま、単純作業をやってくれるAI
27:21から、今爆落のこれまで作ってきたOCR
27:24というのはこのレベル1だと思っています
27:26。で、その上の今もう1歩先、もう少し
27:30長い複雑な業務を自動化する。これを今
27:32AIワークフォースでは既でに実現してお
27:34客様に提供しています。でもこの上がです
27:38ね、今見えつつある、ま、エージェントで
27:40見えつつある。で、この最終的なレベル4
27:435まで行くと、私は4でも十分だと思って
27:46いるんですが、この4のエンジンを
27:48どんどん増やしていくと、ま、結果として
27:50はほとんどの業務がデジタルに置き換え
27:52られるんじゃないか。ま、正確には人間と
27:55共に働くAIというのが出てきて、ま、
27:57これによって我々の業務全てが覆われて
28:00しまえば、もしかすると我々の業務全部
28:03デジタル化されるかもしれない。で、ここ
28:06に至るまでに必要なソフトウェア
28:08アーキテクチャーというのも少しずつ見え
28:10ています。
28:12ま、雑にね、こう並べてみているんですが
28:14、ま、鍵はデータとエージェンティック
28:16AIだという風に考えています。ま、1つ
28:19がまずはエージェンティックAI、ま、
28:22考えるAIが人とどう連携していくかも
28:26その場を作っていこうと。人間とAIが
28:29一緒にお仕事を進める。これはね、任せて
28:31いると実は育たないんですよ。ま、任せる
28:34んじゃなくて、私とエージェントが一緒に
28:37仕事をする。これによって人間とAIが共
28:41に働くことでそこに生まれる
28:43インタラクション。このインタラクション
28:45のデータはこれからエージェントがより
28:48広い仕事をすること。ま、この人とAIが
28:51働く時っていうのは人間はマネージャーで
28:53AIが部下です。ま、そういう姿になり
28:55ます。だ、人間がエージェントを部下とし
28:58て使う時のじゃこのお話をしていますよと
29:00。ま、ね、じゃあこれでいいですか?この
29:04アウトプットで正しいですか?こういうの
29:06をね、渡しますよね。で、この渡された
29:08ものを、いや、ちょっと違うよと。そう
29:10じゃないよ。ここはこういう風に変えて
29:11くれ。そういう取り組みをね、するわけ
29:14です。こういうインタラクションのデー
29:16タっていうのを人間とエージェントが
29:18うまくお仕事をすると溜まっていくよね。
29:21で、実はこのインタラクションは宝です。
29:24名文化されていない様々なお仕事の知識の
29:27方向です。で、これらをですね、学んで
29:30いくことでエージェント感を自動で橋渡し
29:33していって、より広い自動化をする。
29:35先ほどお話ししたレベル3、4の自動家に
29:38至るような学習につがると思っています。
29:41で、ここに加えてもう1つがドメイン特有
29:44のデータをどう活用していくか。この
29:46ドメイン特有のデータっていうのは仕事の
29:48方法と仕事の知識経験の2種類に分かれる
29:51と思っているんですが、どうやって仕事を
29:53回していくか、過去どういうことをやって
29:56きて何が肝だったのか。ま、こういう
29:59ワークフローとナレッジの2つをどう
30:02エージェントが使えるようにするか。
30:04うまくこれをエージェントに渡していけば
30:07その業務に対してエージェントは高制度に
30:09仕事ができるようになると。実はこの下の
30:11ラインはすでに車内車内というよりは
30:13プロダクトで実現していまして、AI
30:15ワークフォースでは、ま、こういった
30:16ドメイン特有のデータからその会社特有の
30:19お仕事を実現するということに取り組んで
30:21います。
30:23で、この2つ揃ってくると多様な業務を
30:25するエージェントが増えて、で、それを
30:27マネージするエージェントが、ま、
30:29オーケストトレーダーと私は呼んでいます
30:30が、も、その2つが登場して業務の完全
30:33自動運転というところに近づいていく、ま
30:35、そういう風なステップなんだと思ってい
30:36ます。で、これをプロダクトで追いかける
30:38というのが我々がやるべきこと。まさに
30:41このAIにかけていくというところの具体
30:43像だと思っています。
30:47で、その上で大事なこと、私がよく車内で
30:50話しているのはエージェントと1番気持ち
30:54よく働ける場所を作ろうと。今皆さん
30:57エージェントと仕事をする時に基本的には
31:00チャットとテキストですよね。それだけで
31:03本当にエージェントとうまく仕事できるの
31:05かと。人間はこんな身ブり手ぶりがある
31:08じゃないですか。私がこうやって指刺せば
31:10そこに何があるか目を向けてこの資格も
31:12あるわけです。でも我々エージェントと
31:17対話する時ってすごく狭いテキストって
31:19いうプロトコルでしかやり取りしていない
31:21。これをどうやって気持ちよく回せるよう
31:24にするのか。ま、私はエージェントから見
31:26た働きやすさとも言ったりします。
31:28エージェントがどうやったら一緒に働ける
31:30ようになるんだろう。ま、ここを
31:32プロダクトのUXとかその下の基盤であっ
31:35たり、ここで人とエージェントの
31:38コミュニケーションをどう作り上げていく
31:39のか、これが今我々のソフトウェア開発の
31:41上で、ま、重要なポイントになってくると
31:43思っています。
31:45我々が多様なエージェントをですね、雇っ
31:48てマネジメントする、気持ちよくお仕事を
31:51する。これがうまく出来上がると、ま、
31:53そこの上にいつか全ての経済活動を
31:57デジタル化する仕組みが誕生してくると
32:00思っています。
32:03その、その上で我々インパクトとしてこう
32:06いったものを目指していますよと。ま、私
32:09はあの、数字の話はあんまりしてもしょう
32:11がないなと思うので、あの、売上は
32:13ちょこっとだけ書いてるんですけども、ま
32:14、2030年に売上1000億を作りたい
32:17と。これは単なるインパクトの指標でしか
32:19ない。私が1番やりたいのは全てのお客様
32:23に、ま、数千種類、数万種類の
32:25エージェントが提供されていること。そこ
32:28でうまく働きが、働くことができている。
32:30なんでこんな数が必要なのって言うと、皆
32:33様が今日1つお仕事をしている中でも
32:36シンプルなお仕事の大量の組み合わせに
32:38なってるはずなんですよね。正直
32:41エージェントって、ま、間違えますし、
32:43まだまだ精度も足りない多様ないろんな
32:45道具を使って仕事をさせようとするとまだ
32:48ミスります。で、これは数年経っても
32:51まだまだ精度高い仕事を任せ
32:53るっていうのは難しいと思っているので
32:55必要なのはこのたくさんのエージェント、
32:57多様なエージェントを生み出していくこと
32:59。数千、数万作るってことはですね、
33:02考えること非常に多いですよ。ただ単に
33:05エンジニアがいっぱい作ってるだけだと月
33:07に1個作ってたら何年かかるんだよと。
33:10そうじゃないんだよね。もっとその
33:12パラダイムを乗り越えていかないと数万
33:14っていうのは生まれてこないし、ま、それ
33:16がみんなが使っていく世界にならないので
33:17、ま、そこに至るまず環境、作り上げる
33:21環境を考えていかなきゃいけない。これが
33:22今我々の面しているテクノロジー的な
33:25チャレンジです。
33:27で、これらができてくると人間と
33:29エージェントのインタラクションから
33:31さらに業務を、ま、入りから出まで私は
33:34エンドtoエンドと呼びますが、E2Eで
33:36この自動化を実現するAIエージェントが
33:38生まれるんじゃないかと。
33:41で、そうすると、ま、今社内としては、ま
33:43、とりあえず短期で雑に数字上げてみよう
33:46かっていうので、売上生産性倍にして関節
33:50部門のコスト半分にしようかみたいなこと
33:52もできるんじゃないの。ま、これはあの、
33:54福島がノートの方に書いているんですけど
33:56も、ま、こういった世界も、ま、当然
33:58ながらもっともっと高い数字でできると
34:00思っているんですが、ま、見えてくると
34:02思っています。ま、こういうインパクトを
34:04作っていきたい、ま、そういう風に考えて
34:06います。ま、ここまでの背景踏まえて、ま
34:09、我々の世界が今AIで非常にす、早い
34:14スピードで変化している。ま、それについ
34:16ていかなきゃいけない。で、我々は全ての
34:18経済活動をデジタル化するためにその変化
34:21に追従していきたい。で、そこを達成
34:24しようとすると、今お話ししてきたような
34:27業務の完全自動運転をいかに実現するか、
34:30数千、数万のエージェントが人と気持ち
34:32よく働ける環境を作る。こういう未来を今
34:36見据えてソフトウェアを作っていきたいと
34:38思っています。
34:41最後にですね、ま、少し今前車でベッドを
34:45掲げてから何をしてきたのか内側と外側の
34:48話をさせていただいて、ま、ここはあの
34:50経営されてる方も今日はご来場の方には
34:52多いので、ま、そこの参考になればという
34:54ことで思ってまいりました。実はですね、
34:57ま、AIの浸透、レイヤXでも、ま、
35:00なかなか最初うまくいってないなと思って
35:02います。
35:04いくつか壁がありまして、ま、1つが完成
35:07の壁。要はいつも通りにお仕事をしたいし
35:10、ま、いつも通りからはみ出るコストって
35:13いうのはがあるんですよね。今やってるお
35:15仕事の仕方からちょっと違うのやるの大変
35:17なんだよね。いや、そんな考える時間ない
35:18んですよと。おっしゃる通りです。
35:21セキュリティの壁。いや、どこに使って
35:24いいの?どう使っていいの?ちょっと怖い
35:26よね。もしくはなんか使ったら怒られそう
35:29みたいな。ま、そういうセキュリティの壁
35:30もあります。
35:33あとは使い方が分からない。難しい学習と
35:35理解の壁があります。
35:38こういった3つの壁があって、ま、
35:40ちょっと一部の尖った人たちが盛り上がる
35:43んですけど、全車に浸透しないということ
35:45。これはレイヤーXでも起きていました。
35:49で、この難しさにどう向き合っていこうか
35:52ということで、ま、私が頭にいつも止めて
35:54いたのがこの3つですね。やっぱり大事な
35:57のは私は強制したくない。強制をした瞬間
36:01に、ま、それってやらされてその瞬間
36:04盛り上がるんだけど学習しなかったりする
36:07。要はこの仕組み触っとけばいいん
36:09でしょっていうので、なんかメールを書く
36:12とこにコパイロットを使いました。以上
36:14みたいな感じになりがち。そうではなくて
36:17、やっぱり心の底からね、私はやっぱ楽し
36:19そう。やってみたいって思ってもらいたい
36:20。で、それが1番学びの厳選だと思うん
36:24ですよね。この楽しいをどうやって作ろう
36:27かで、そのために、ま、あの、みんなに
36:30まず自由を与えようと、誰でも安心して
36:33使えるようにうまい箱を作って、庭を作っ
36:36てあげることで、そこでみんなは自由に
36:38遊べますよ。手続きも少なくてすぐに遊べ
36:40ますよっていう体制を作りましょうと。
36:43ただ当然ただ自由だけを与えてしまうと、
36:46ま、それってなかなか業務に使えるものが
36:49アウトカムとして出てこなかったり、あと
36:51はそれが人に伝わってこなかったりする。
36:53ま、そうなので、ま、1つは
36:55リーダーシップですね。責任って書くと
36:56ちょっと押し付けがしいので
36:58リーダーシップです。AI活用で、ま、
37:01生まれてくるアウトカムを全体に届ける
37:03リーダーシップ。これをちゃんと任命する
37:05ことで、その上であとは楽しさですね。
37:08もうとにかく未来にワクワクして共に
37:10楽しみましょうと。で、面白いものが出て
37:12きたらみんなで称えましょう。ま、そう
37:15いう楽しさっていうところを意識しながら
37:17仕組みを作ってまいりました。ま、色々
37:20やってきたんですけども、ま、ちょっと
37:21今日ご紹介するのは、ま、前車施策として
37:23はこの辺かなと思っています。ま、1つが
37:26このAI放括予算。もう1つAIネリング
37:30で、最後があのこれは単なるワクワク話と
37:33してのAIオートメーションロボット。で
37:36、このAI放括予算というのはですね、
37:38ある時これは福島が行っていたのか、あの
37:42取島エの手島が行っていたのか忘れたん
37:44ですけども、人権費とAIってもうこれ
37:49一緒に見ちゃえば良くないみたいなことを
37:52言い出したんですよね。ま、非常に
37:53クレバーだなと思うんですけども。で、で
37:56、あればもっとこう人件費ってふわっと
37:59包括的に取ってるじゃないですかと。AI
38:02ももっと包括的に予算取ってしまって、ま
38:04、その範囲内で自由にやってもらおうよと
38:06いうことでAI放括予算というものを用意
38:09しました。これなんで包括っていうかと
38:12言いますとですね、この半年でも使う
38:15ツール変わっちゃってるんですよ。あの
38:19ね、クロードコードこの5月から急に使い
38:22始めましたよね。で、そうすると何か使う
38:24ものが減ってるわけですよね。
38:27ってことは入れ替えが必要なんだけど、
38:30毎回その予算の枠を考えていると間に合わ
38:32なくなっちゃうと。そうじゃなくて、もう
38:35サクサクやろうよということで、ある程度
38:38セキュリティチェック、ま、住んでいる
38:40ツールのリストをどんどん作っていって、
38:42もう一定の予算範囲内でもうすぐに試して
38:44くれと、もうそのチームのマネージャーの
38:46材料、さっきのリーダーシップという意味
38:49ではこの
38:52、ま、マネージャーの材料でやってくれと
38:54いうところを用意して、で、みんなが色々
38:57試し始めました。ま、代表的なところだと
39:00ですね、あの、NAとか、ま、デファイと
39:04かま、そういったものも試しながら、ま、
39:07色々なこうツールをみんなが自由に使って
39:11機動的に新しいものが出たらすぐこれ使っ
39:13ていいですか?あ、じゃあチェックし
39:15終わりましたよ。じゃあ予算はこれぐらい
39:17なんで使ってくれということを実現してき
39:19ました。ちなみにあの宣伝ですがこういう
39:22施策やる時は是非爆落カードご検討
39:25ください。これ、あの、予算付きのですね
39:27、個人カードが吐き出せますので、そう
39:29するとこういう予算の支払いの相性と非常
39:33にいいんですよね。是非皆さん使ってみて
39:36ください。で、この試作から本当に
39:39いろんな発信が出ています。営業チームが
39:42NA、NA使って自動化している事例で
39:45あったりとか、あの、スラックにいろんな
39:47ボットを登場させたり、もう本当に
39:48いろんなところで使われてますので、あの
39:50、その威力っていうのをこの数ヶ月間で
39:53非常に強く感じています。あとがAI
39:56ネイブリング。ま、1つが車内の業務
39:58プロセスをAIドリ分にしてしまおうと。
40:01ということで、ここはあのセールスポータ
40:03ルっていう、ま、営業向けの基盤ツールで
40:06あったりとか、それ以外にも、ま、様々な
40:09基盤を作っていこう。みんながAIを使い
40:10やすい環境を作っていこうという
40:12エンジニアリングチームを作っていきで、
40:14これはまだまだこれから拡大しようと思っ
40:16ています。コーポレート領域でも、ま、
40:18全ての領域にこのオプス、AIをベースに
40:21したオプスを作っていくエンジニアリング
40:22チームが必要になってくると思っています
40:24。で、もう1つがAIプラットフォーム
40:26エンジニアリング。これはみんながAIを
40:28使う時のパターンをちゃんと学べるように
40:30、もちろん基盤のソフトウェアを作るだけ
40:33じゃなくてパターンでもいいんです。ま、
40:36これを1番最初はAIワークフォースを
40:38作りながらで、最近では爆落の方でもこう
40:41いったAIのプラットフォームとは何ぞや
40:43というところの議論をして、ま、みんなが
40:45それに乗っかればエージェントが作れると
40:47いうところの取り組みを始めて、で、貯金
40:50ではですね、あの、みんながエージェント
40:52作れるようにというところのプロジェクト
40:54を開始しようとしています。で、最後が
40:58これは未来を見せていこうということで
41:01AIオートメーションラボン。これは正式
41:02な組織名ではなくて、あの色々なところで
41:05R&Dをやっているんですけども、その
41:06テーマをちょっと集めてみました。ま、1
41:09つが先ほどもちらっとキーワードを出した
41:11、あの、ま、要はファインチューニング、
41:13ま、教科学習系のファインチューニング
41:14だったりとか、あと今実はですね、成果が
41:171個出たところで言うとAI
41:18ワークフォースでプロンプトの自動生成を
41:20やっています。もうワークフロー作る時に
41:22、ま、最終的にはこのワークフローとか
41:24エージェント自体自分たちで作が作って
41:26くれたらいいんですけど、ま、この
41:28エージェントの生成をやってしまおう。ま
41:31、そのためにプロセスを分析するエンジン
41:33を作っていこう。ま、こういうことに
41:34チャレンジしてきまして、あの、今本当に
41:37先端でこの研究チームというのが蘇生され
41:40て動いております。多分今日も会場にあの
41:43渋いというのがいますけども、ま、彼が
41:45主導でこういったことを取り組んでいます
41:47。
41:49で、もう1個外部の変化はですね、今日は
41:51ここはサクサク送ってしまいますと言い
41:54ますのも、今日このプロダクトの外部の話
41:57、外向けの話というのは各
41:58エンジニアリングチームから発表があり
42:00ますんで、私の話はあのさっと流していき
42:03ます。ただ大事な根っこはもうLLM
42:06ドリブン、LLMネイティブな
42:08ソフトウェアに変えていかないと我々は
42:10いつかディスラプトされてしまうという
42:12ことだと思っています。この箱がね、
42:15ちょっとずつ大きくなっていますけど、要
42:17は第1世代の、ま、シンプルなデータの箱
42:19であったサースから、ま、AIで少し業務
42:22アシストができる、ま、そういうサース、
42:25AIサスが生まれる。でも今その先で全て
42:28の業務を奉がしる新しい世代のサースに
42:31なろうとしている。その時にポイントの
42:34サース作っていても飲み込まれちゃいます
42:36よね。ただのエージェントが叩く箱になっ
42:39てしまう。そんなサービスになってしまう
42:40。そうならないようにAIファーストな
42:43プロダクトを作っていく。ま、これは全て
42:45の授業で取り組んでいます。
42:48で、1つが爆落AIエージェント。実は
42:52車内ではちょうど動き始めているところな
42:54んですけども、もこのサービス多様なこう
42:57コンパウンドスタートアップと我々過去
43:00あの表現していましたけども、ま、多様な
43:02プロダクトの隙間を埋めて仕事を効率化し
43:05ていくそんなエージェントの仕組みを今
43:07作っています。もう1つがAI
43:10ワークフォース。こちらは大企業の多様な
43:13、しかもそれぞれ細かい業務プロセスを
43:18エージェントとして教えてあげて、で、
43:21それによっていろんな業務のデジタルをし
43:23ていこう。で、その基盤を作っています。
43:26基盤が入ることで1個目、2個目、3個目
43:28、4個目と進んでいくにつれて業務の効率
43:31化がどんどん加速していく。そうやって大
43:35企業のお仕事を全てデジタル化してしまう
43:38というプロジェクト。
43:40もう1つが我々がある種大企業というか
43:43思い産業の内側で、ま、金融入事業の中で
43:46我々のプロセスをデジタル化していこうと
43:48しています。ま、こういったですね、3つ
43:51の事業、これからあの様々な発表あるんで
43:53聞いてください。
43:56ということでですね、残り1分ほどになり
43:58ましたので、ま、最後に私からメッセージ
44:00になりますが、AIファーストになるため
44:03に大事なことは技術そのものを誰かが触っ
44:06ているということよりも組織の意思です。
44:09特にトップの意思だと思っています。AI
44:11をきちんと理解した上で何をしていけば
44:14いいんだと、どういう風な形に我々は
44:16変わっていくんだというその意思がないと
44:19どんなにやる気があるメンバーが揃ってい
44:20ても前に進めません。なのでこの
44:23エージェントをどう取り込んでいこう。
44:25こういったところに意思を持ってください
44:27。
44:28あとがですね、正直答えがわかんないん
44:31です。AIRコース作ってきたんですけど
44:33ぶっちゃけ結構ミスったなと思ってること
44:36いっぱいあります。ミスるんで失敗を恐れ
44:39てたらしょうがないともう小さく始めて
44:42大きく育てるの基本を忠実に守らないと
44:45いけない。
44:47で、あとはですね、実は会社の中には絶対
44:51エージェントをやりたいんだっていう変革
44:53の思いがある熱い奴らがたくさんいるはず
44:55。もうそういう人たちのエネルギーを
44:58ちゃんと言動力に変えてあげること。ま、
45:01これらを意識していければいいんじゃない
45:02かなと思っております。ということで、
45:05あの、私からちょうどお時間になりました
45:07ので、ま、ベッドAIビジョンという形で
45:10何を考えてきたのかお話をさせていただき
45:12ました。皆様、あの、今日の発表どんどん
45:15続いていきますので、是非楽しんで聞いて
45:17いただければと思っております。長い時間
45:20になりますが、本日はよろしくお願いし
45:21ます。発表はご成聴ありがとうございまし
45:23た。
45:31松本さん、ありがとうございました。早速
45:34ですが、え、スライド経由で、え、質問が
45:37来ておりますのでお答えいただければなと
45:40思っております。え、じゃあ1番上の質問
45:43から読み上げますね。SPEピードis
45:45ザニューモーストという言葉がありました
45:47が、AI時代の圧倒的な事業スピードと
45:51技術的負債の管理や組織の持続可能性と
45:54いった中長期的な視点をCTOとしてどの
45:57ようにバランスのかどうでしょうかね。
46:01いい質問ですね。あ、いいです。はい。
46:04このスピードイザニューモーにどう対応
46:06するかの1番シンプルな答えはですね、
46:08CTOが1番いんですよ。うん。
46:12いや、本当にそ、それ以上のコツはないと思っています。
46:16こんなに面白いテクノロジーがあるのになんか組織のことでもういっぱいですって言ってる
46:22CTO
46:22の皆さんもしいたらちょっと胸に手を当ててください。こんなおもろ白いものをなんで自分で触っていないんだと。私はあの車内で
46:311
46:31番詳しいという自付を持ってやっております。
46:34だからこそ何が必要かというところに自分
46:37なりの意思を持てる時にはこの持続可能性
46:41というところのバランスを少し壊さなきゃ
46:43いけない。そんな怖い意思決定もしなきゃ
46:45いけないからこそ私が1番知るということ
46:47にこだわっています。
46:50あ、ありがとうございます。そうですね、
46:52私もあの車内で松本さんと話していて触り
46:55ましたみたいなキーワードをいっぱい聞く
46:57のではい。このお話は結構納得感があると
47:00いうか事実みたいな感じではい。聞かせて
47:02もらいました。ありがとうございます。
47:03もう1つ質問に答えてもらえると
47:06ありがたいです。読み上げます。レay
47:09XechValuーueについて非常に
47:11納得感があるものの、それをメンバーが
47:13体験するには浸透には、え、数年単体で
47:16かかる理解です。
47:18あれ?
47:20はい。え、評価を始めどのような施策を
47:23実行しているのでしょうか?特に
47:25ファンクション組織を超えて影響するメタ
47:27認知を持って仮説思考の習得は結構難しい
47:31と思っています。
47:32という質問が来ていますが、どうでしょうかね?
47:36これ、あの、ま、江の本という、ま、うちのあの爆落事業部の
47:40CPO
47:41のキーワードでベクトルが打ち向きかどうかみたいなキーワードがよく出ます。あの、
47:471
47:47番こう最時に気をつけてるんですね。採用時にこのベクトル要は私はこのテクノロジーを学びたいんです。こういう人間成長したいんです。大事なことなんですけど、それを優先にされる方を採用しないようにしているんですね。
48:01あの、要はお客様に何を届けたいか、そこ
48:03が全ての起点だと思っています。あの、
48:05valリューもアウトカンファーストが
48:071番上に来てる理由というのはお客様を
48:09起点にエンジニアが学習していくからこそ
48:12あの文化が生まれるんだと思っていて、
48:15あの、我々のチーム、ま、お客様の相談
48:17動画を見るっていうのは当然ながら、ま、
48:19場合によってはですね、お客様と実際に
48:22一緒に会話しながらお仕事をするという
48:24こともやっています。ちょうど今司会をし
48:26ている中川も今一緒のプロジェクトでお客
48:28様と話しながら仕事をする。ま、そうやっ
48:31て新しいものを学んでいくからこそ、あの
48:33、お客様の視点を学ぶからこそ、この色々
48:37なvalリューっていうのがですね、まず
48:38骨みにして理解できると、あ、確かにこれ
48:40は早くシンプルな仕様でやらなきゃ、こう
48:43いう風に届けなきゃ色々な実感っていうの
48:45が経験値で溜まっていくので、も、こう
48:47いうのってなんか言葉だけで出来上がる
48:50わけじゃないんですよね。言葉じゃなくて
48:52行動で経験で学ぶ必要があるので、ま、
48:55そういう意味ではお客様の近いところで
48:56エンジニアが動く、デザイナーが動く、
48:59PDMが動くというのが大切だと思ってい
49:00ます。あ、はい。ありがとうございます。
49:03そうですね、ちょっと私のエピソードまで
49:04触れていただきましたが、はい、実際あの
49:07結構お客様に会話しながら進めたりとかし
49:09ているのではい、そんな感じでやっており
49:11ますというところで、はい、え、たくさん
49:14ご質問いただいていますが、時間の都合上
49:16こちらで、あの、以上とさせていただけれ
49:18ばなと思っております。たくさんのご質問
49:20ありがとうございました。この後10分間
49:22の休憩に入ります14時から次の
49:25セッションに移りたいと思います。
49:27ハッシュタグベッAIDAで感想をお待ち
49:29しておりますので、え、是非呟いて
49:31ください。またアンケートもスライド表示
49:33のQRから是非回答をお願いできればと
49:35思います。
50:32[音楽]
51:03[音楽]
51:10[音楽]
51:20来
51:20[音楽]
52:12[音楽]
52:34[音楽]
52:54[音楽]
53:29[音楽]
53:35[音楽]
53:46[音楽]
55:24[音楽]
55:55[音楽]
56:02[音楽]
56:12[音楽]
56:20[音楽]
56:35[音楽]
57:19[音楽]
57:50[音楽]
58:21[音楽]
58:27[音楽]
58:38[音楽]
58:46[音楽]
59:01[音楽]
59:44[音楽]
1:00:03お待たせいたしました。続いての
1:00:06セッションは爆落事業CTO中川義より
1:00:12爆楽落によるコーポレート業務の自動運転
1:00:15になります。よろしくお願いします。
1:00:22よろしくお願いします。はい。え、皆さんこんにちは。え、レア
1:00:26X
1:00:26の中川です。本日は爆落によるコーポレート業務の自動運転というテーマでお話しさせていただきます。爆落がどのように
1:00:37AI
1:00:37の未来を捉え、プロダクトや技術活用をさせているかを伝えできればと思います。
1:00:45改めて自己紹介をさせていただきます。私
1:00:48中川と申します。株式会社AUカにて国内
1:00:52最大のマッチングアプリのバックエンド
1:00:54開発やインフラエンジニアとして従事して
1:00:56おりました。その後フリーランスとして
1:00:59動画ストリーミングのアプリだったり金融
1:01:01サービス三岳連携の機械学習プロジェクト
1:01:03などに参加しておりました。
1:01:06株式会社レayXには2020年入社し、
1:01:10爆落全身のプロダクトとなる立ち上げから
1:01:13開発行ってきました。
1:01:17その後プロダクトのテックリード、組織
1:01:19オーダの技術開発組織エネビングチームを
1:01:22経て2024年1月より原職になっており
1:01:25ます。
1:01:31え、皆さんもそうかと思思いますが、最近
1:01:34は日々エージェンティックコーディングを
1:01:35探求しております。毎日毎日こう状況が
1:01:39変わる中で私たちは車内外で
1:01:41エージェンティックコーディングの、え、
1:01:42実践を進めるコミュニティも、え、携わっ
1:01:45ています。ちょうどこのAIXの誤解スで
1:01:49AIコーディングミートアップと題して、
1:01:50え、コミュニティのミートアップなどを
1:01:51開催しております。ミートアップでは多く
1:01:55の方をも招いて現場での実践長をシェアし
1:01:58ています。実際に手を、え、手を動かして
1:02:02いるエンジニアからの、え、思考錯空港
1:02:04から得られる地見は、あの、私としても
1:02:06毎回とても刺激になっています。
1:02:13これより発表に釣りますが、本日はこちら
1:02:16の流れでお話ししていきます。まず最初に
1:02:19爆落が目指すビジョン。その上でサースの
1:02:22進化と変化についてそして業務の自動運転
1:02:26という考え方、ルーチを自動するという、
1:02:29え、イメージを持っていただければかなと
1:02:30思います。最後にエージェントの構成要素
1:02:34エンジニアリングについても、え、述べて
1:02:36いきます。
1:02:39まずは私たちが何を目指しているのかに
1:02:41ついてお話しします。
1:02:44爆落はバックオフスから全車の生産性を
1:02:47高めるというものをミッションに掲げて
1:02:51ビジョンとして働くを楽に楽をもっと想像
1:02:54的にというものを掲げています。その実現
1:02:58のためにも、え、圧倒的に使いやすい
1:03:00プロダクトというvalリューにこだわっ
1:03:01て開発を進めています。
1:03:07企業引の前段を整えることで経理部門や
1:03:10管理部門が全車と滑らかにつがる。電源の
1:03:13統一、再建眠の異元化など経営スピードに
1:03:16も聞いてきます。
1:03:19従業員と権利や管理者の方、各々が、え、
1:03:22それぞれが、え、爆落な体験になるように
1:03:24、え、目指しています。
1:03:29こうした業務の基盤を支えるために爆楽で
1:03:32は2020年21年以降、え、爆落正請
1:03:35正規消期取り電子帳簿保申請カード正規所
1:03:41発行そして最近では近など様々な領域に
1:03:45対するプロダクトを展開しています。
1:03:51単位ツールではなくこのように8つの
1:03:53プロダクトからバック業務全体をカバーし
1:03:56ているのが特徴です。
1:04:02元々手術管理と呼ばれるDSMと呼ばれる
1:04:05手術管理の強みを持っていた爆ラですが
1:04:08近年では人的資源管理HRVの領域にもえ
1:04:12進出しています。
1:04:16当初グロースに上場してる企業の5者に1
1:04:18社が爆落を導入。
1:04:21またスタートアップから成長器まで幅広く
1:04:24活用をいただいております。
1:04:27爆楽落は現在1万5000車の企業に導入
1:04:30され、また継続率はサービス継続利用率は
1:04:3399%を保っております。
1:04:38またサースでだけではなく直近ではBPO
1:04:42と呼ばれる業務代行にも取り組んでいき
1:04:43ます。
1:04:45ビジネスプロセスアウトソーシングの形を
1:04:47取りのコーポレート業務を爆落がAIを
1:04:50活用しながら行うというものです。
1:04:53サースからユーザーは依頼ではなく結果を
1:04:56結果のみを受けております。この構造の
1:04:59変化が爆落な体験を生みます。
1:05:02お客様としてはAIや、AIだったり個別
1:05:05のシステムを扱う必要というものを最低限
1:05:07にし、より多くの人が想像的な仕事に
1:05:10取り組める
1:05:12そのような世界を目指していきます。
1:05:17第1弾といたしましては爆落事業代行が
1:05:20今年7月より、え、提供開始となりました
1:05:23。
1:05:25紙でもメールでもウェブサイトの
1:05:26ダウンロードでもZIPやパスワード付き
1:05:28など形式に関わらず請求書を受きできると
1:05:31いうものになっています。
1:05:34お客様の方で請求所の受け取り、
1:05:37ダウンロード、スキャンだったり、あとは
1:05:39AIを支る原本保管まで
1:05:43その全てを爆落が対応します。
1:05:48もしこのような請求書の授業業務、お困り
1:05:51の方だったり興味のある方がいましたら
1:05:53是非お問い合わせください。
1:05:59私たちが届けたいのは業務を楽にすること
1:06:02だけではありません。その先でより多くの
1:06:05人が想像的な仕事により集中できる世界の
1:06:08実現を爆落を通して目指していきます。
1:06:15ここからはサースのこれまでとこれからに
1:06:17ついてです。特にサースが提供する価値の
1:06:20変化という点に注目していきます。
1:06:25まず身近な方も多いと思いますが、
1:06:27ソフトウェア開発現金馬の変化を振り返っ
1:06:29てみましょう。
1:06:312021年にGitッハブコパイロット
1:06:33がチャットGPTよりも先行する形で
1:06:36テクニカルプレビューとして登場しました
1:06:37。
1:06:39コード保管部分にはGPT3景のコードX
1:06:42がエンジンとして用いました。
1:06:46その1年半後に汎用化されて広く業務利用
1:06:49可能な形でチャATGPTが2022年
1:06:5211月にリリースされました。
1:06:55その後ソフトウェアの現場ではカーソルに
1:06:58代表されるコード保管の体験やAI向けの
1:07:00ルール設定を広く提供し、それが開発の
1:07:03現場に急速にまた広く広まっていきました
1:07:07。
1:07:09そして2024年末、また2025年に
1:07:12かけては人間の補助としての行動生成では
1:07:16なくエージェントとして自立的な
1:07:18コーディングを行うように進化してきまし
1:07:19た。
1:07:21生成AIによるコーディング支援から今や
1:07:24行動各AIが一般的になりつつあります。
1:07:30こうしたものの背景には生成AIAI
1:07:33カテゴリーの中で最も資金が集まっている
1:07:35のがAIコーディングの分野というものが
1:07:36あということがあります。
1:07:41なぜならデジタルでデジタル長で完結する
1:07:43業務が多くユーザーが特にエンジニアには
1:07:47止めす文化がある。間違いやバグだったり
1:07:50もしくは利用者側でコントロールして使う
1:07:52ということが可能なためです。
1:07:543つ目はソフトウェアエンジニア自体の
1:07:56給与が高騰している点。4つ目はAI
1:07:59プールの開発者自身が使うプールの
1:08:01ソフトウェア開発ドメインのエキスパード
1:08:02であという点もあります。
1:08:07コードは自分で書くものからAIに
1:08:09欠かせるものへ。
1:08:13人間がスクラッチで行動を書くという時代
1:08:15はもう終わりを迎え、少なくとも
1:08:18コーディングというものは全く別の仕事に
1:08:19なりました。
1:08:22チャットオリエンテッドプログラミング
1:08:25チャット形式でAIと反復的なやり取りを
1:08:27行いコードの完成を目指すプログラミング
1:08:29。これはスティーブイエギがチャット
1:08:32オリエンティプログラミングと名付けてい
1:08:33ますが、これまでの仕事の方法とは全く
1:08:35変わったものになっています。
1:08:38ただしこれがエンジニア不要になるという
1:08:40話ではありません。少なくとも現行ツール
1:08:43延長延長戦上でソフトウェアエンジニアを
1:08:46完全に置き換えるということにはなってい
1:08:47ません。またそこには大きな隔手当たりを
1:08:50個人的には感じています。VUSAIでは
1:08:54なくウAIとしてソフトウェアエンジニグ
1:08:56の世界は変化してきました。
1:09:00コーディングエージェントのレアを見てき
1:09:01ましたが人と同じように働くAIには4つ
1:09:04の特性があります。
1:09:06スケーリングしていくこと、AIによる
1:09:08柔軟性、また機械的な動作もシステムとし
1:09:12てさ、え、定められた手順を行うことも
1:09:15できます。またガバナンスとしては人が
1:09:18開催するというよりもよりシステムへの
1:09:20異常が可能となります。
1:09:24この変化の中で、え、サースとしては
1:09:26大きなキルを迎えています。
1:09:30そもそもサウスのボ行は
1:09:31コンピューティングリソースの調達や
1:09:33アプリケーションの開発保守を不要にし
1:09:35業務システムの導入消壁を下げました。
1:09:38今後はデジタルな労働力の活用へと移って
1:09:41いきます。
1:09:43従来のサスがソフトウェアシステムの提供
1:09:46が種目的でしたがここからはタスクを
1:09:48終わらせることそのものが価値になって
1:09:50いきます。サースの評価軸も担うタスクへ
1:09:54の成果報酬へと変わる可能性があります。
1:09:58爆落としてはここでバックグラウンドの
1:10:00タスクを実行バックグラウンドタスクの
1:10:02実行になりコーポト業務の自動運転を行っ
1:10:05ていきたいと考えています。
1:10:11爆落が今後も提供していく本質的な価値は
1:10:133つあり、業務のメンタルモデルを提供
1:10:16すること。ユーザーが自分の業務全体像を
1:10:19直感的に理解できる体験をデザインする
1:10:21こと。2つ目が正しいビジネスロジックを
1:10:25提供すること。法令や会社の規定、車内
1:10:28ルールに沿った厳密なチェックと処理を
1:10:30担保すること。そして3つ目がLLMか
1:10:34LLMから見たタスク実行基盤となること
1:10:36です。ここでAIを労働力としてタスクを
1:10:40遂行していきます。
1:10:43エージェントが実際に業務を動かす実行
1:10:45ツールとその基盤を提供することが爆落で
1:10:47は求められています。
1:10:51サスの次の進化としてこの3つを価値とし
1:10:53てAIが業務を行いコーポ業務の自動運転
1:10:56について自動運転を進めていきます。
1:11:02ここまで、え、爆落が培ちってきた
1:11:04AICRだ、申請レビュー、
1:11:07パーソナライズなどの技術はAI
1:11:09エージェントのAIエージェントの時代で
1:11:11も構成要素として生かされていきます。
1:11:16ここからはコーポット業務の自動運転の
1:11:18より具体的な話に移っていきます。
1:11:23これは自動車の自動運転にえ、業務の自動
1:11:25運転をロック段階でレベル分けした図に
1:11:28なっています。
1:11:30将来的にはより自立的自立性が高いサ、
1:11:33自立性を持ったサービスを提供していく
1:11:35ことを目指していってます。
1:11:39コーポ業務には非常に多くの繰り返し発生
1:11:42するルーチンと例外が多く含まれています
1:11:45。だからこそAIは繰り返しの業務、
1:11:49そして人は判断を担う。このような分担が
1:11:53重要になってきます。
1:11:56ユーザーにとってのメンタルモデルと
1:11:58エージェントによる実行との接続が求め
1:12:00られていきます。
1:12:06ここで簡単なデモでイメージをしてみよう
1:12:09と思います。
1:12:11ここでは過去の臨を元にした申請をまず人
1:12:14とAIが共同で行い実行以降は次回以降は
1:12:18AIエンジンの自立性に任せるというデモ
1:12:20です。
1:12:23まずは人間がドライバーとなってハンドル
1:12:25を握ります。
1:12:31リに出したい処理をAIに渡します。
1:12:35AIが処理の解析を行い、過去の申請から
1:12:38類似したものを探してくれます。
1:12:52見つけてみろもらった中から元にしたい
1:12:55同様処理のリをユーザーが選びファイル
1:12:57テンプしてリンの下書きを作成してもらい
1:13:00ます。
1:13:04この一連の流れ、
1:13:07この人間の一連の流れを流賃としてAI
1:13:10エージトにメモリさせます。
1:13:15意度作ったリは次回、え、もちろん確認
1:13:17可能になっています。
1:13:20次回以降はドライバーハンドルをAI
1:13:22エージェントに渡します。同じような
1:13:24ファイルを使った処理をルーチンとして
1:13:26AIエージェントが自動で処理していき
1:13:28ます。
1:13:30先ほどと同じように書類を読み取り、
1:13:33解析し、類似した書類を探し、それを参考
1:13:36にして新しい書類を作ってくれます。
1:13:421度人と行ったフローに習い、今回に
1:13:45合わせた処理を自動でエージェントが実行
1:13:47してくれるという形になっています。
1:13:57これでルーチン業務がAIエンジェントに
1:13:59自動化されました。
1:14:07エージェントには多くのデザインパターン
1:14:08がありますが、このデモの実装はシングル
1:14:11プラシングルパスパス、え、シングルパス
1:14:14プランジェネレーターという設計を参考に
1:14:16しています。これはタスク外時点で業務
1:14:19フローをプランニングしていき、一連の
1:14:21手順として構成実行していくという
1:14:23パターンになっています。
1:14:28ここからはデモでイメージしていただいた
1:14:30エージェントの構成要素にフォーカスして
1:14:32いきます。特にツールとメモリーについて
1:14:35です。
1:14:38アンソルビックのブログでは一貫して最も
1:14:41成功する実装では複雑なフレームワークで
1:14:44はなくシンプルで構成可能なパターンが
1:14:47エージェントに利用されているとしてい
1:14:49ます。
1:14:51右下の図が最もシンプルなパターンとなっ
1:14:53ています。LMの周辺にリドリバリア
1:14:56ツールズメモリを配置してそれらでモデル
1:14:59の能力を拡張します。これらが拡張LMと
1:15:02してのシンプルなシステム構成要素となっ
1:15:05ています。
1:15:09そしてエージェントの基本構造はこの拡張
1:15:12LLMを元にしますがすごく単純なものに
1:15:15なっています。
1:15:17アンソルピックは同じブログで
1:15:19エージェントはコードのタスクを処理でき
1:15:21ますが、その実装は大抵単純です。多くの
1:15:24場合ループ内で周辺環境からの
1:15:26フィードバックをもにツールを利用する
1:15:29LMに過ぎませんと定義しています。
1:15:33エージェントは各拡張LMがループ内で
1:15:35環境からのフィードバックを得て必要な
1:15:38通料を呼び出すものシンプルで構成可能に
1:15:43構成可能なパターンで作られたものが
1:15:44エージェントでただしそれでも強力な
1:15:47振る舞いが可能になります。
1:15:51実世界でこの原則を私が初めて認知したの
1:15:54はクロードコードがまだGAリリース前の
1:15:56頃に頃の2024年2025年の4月に
1:16:00総数グラフによって書かれたブログから
1:16:02です。
1:16:03このブログではミニマムなコーディング
1:16:05エージェントをたえ400号に満たない5
1:16:08の行動と実装することを紹介したものに
1:16:10なっています。
1:16:12この中でLINというメインルーチの中は
1:16:1540秒ほどのフループで構成されており、
1:16:17その中でユーザーとの対話、通話のあ、
1:16:20ツールの実行、水論、LMのAPIを
1:16:23呼び出すという風実装されています。
1:16:31実装は素朴で素直なもの、しかしツール
1:16:33実装とその強調でパワフルなCLI型の
1:16:36エージェントを実装しています。
1:16:42ここからはさらに詳細なエージェントの
1:16:44構成単位を見ていきたいと思います。1つ
1:16:46目はMCPでも馴染みがあると思いますが
1:16:49、ツレについてです。
1:16:53思考を行う思考としてユーザーとの対話を
1:16:56担当するモデルに対しプールは具体的な
1:16:58処理を行うものになっています。これを
1:17:01分けることで思考モデル側と環境側の識別
1:17:05をすることができエージェントの開発運用
1:17:07の見通しが立ちます。
1:17:11ツールを作ることでのメリットはツール
1:17:13単位でのテストを開発がしやすくなる。
1:17:16トレサビリティを高めることができる。
1:17:19またコンテキストの消費コンテキスト
1:17:21ウィンドの消費を小さくすることができ
1:17:23ます。
1:17:25また認可ここの部分は誤りが認められず
1:17:29決定的な動きのみが求められる部分になっ
1:17:31ています。
1:17:38そしてエージェントが現実的な運用に
1:17:41落とし込む鍵となってくるのがこのツール
1:17:43がもツールが解く問題が問題にあります。
1:17:48問題をどのにするかは広くソフトウェアで
1:17:51語られてきたことです。大きな問題を
1:17:54小さな問題に分割していき、その全てがを
1:17:56解決することで最終的に問題全体の問題を
1:18:00解決する
1:18:02、え、解決する分割統治法ではより小さく
1:18:05した問題として問題を解いていきます。え
1:18:09、部活庁法を用いたものであると、
1:18:12クイックソートとして知られる
1:18:13アルゴリズムは問題を小さく分解して解き
1:18:16、それをさらに最期的に実行して全体の
1:18:18問題を解いています。
1:18:20またUNの哲学では1つのことを行い、
1:18:24またそれをうまくやるプログラムを書く
1:18:26こと、そしてその標準の入出力、
1:18:28テキストreームを扱うプログラムを書い
1:18:30て書いて強調させるっていうことを述べて
1:18:33います。
1:18:35LLMのモデルに委ねずに解くべき問題を
1:18:38開発者を見つけてツールで処理すること、
1:18:41そして1つのことをうまく行うプログラム
1:18:43を設計し、それをつぐ構成がエージェント
1:18:45にも必要です。
1:18:49またツールは単なるAPI関数ではなく
1:18:51複合的な要素を待つモジュールということ
1:18:53モジュールとしても見れます。ビジネス
1:18:57ロジックを持ち認が必要です。またその
1:19:01実行の流度実行結果に対して何が起きたか
1:19:06トレサビリティの教会なども必要
1:19:08トレサビリティとして終えることも必要
1:19:10またどこまでの教会がこのプツールなのか
1:19:12ということも求められます。
1:19:15これらを考えた席のあるモジュールとして
1:19:18設計する必要があります。
1:19:22そして次にメモリーについてです。ここで
1:19:26のメモリはエージェント向けのものを指し
1:19:28ています。単にユーザーとのチャットログ
1:19:30ではなくプロファイルやユーザー、え、
1:19:32ツールの実行履歴、え、実行履歴も含む
1:19:35広いスコープを対象としたストレージに
1:19:37なっています。
1:19:39エージェントの文脈理解に欠かせない
1:19:41コンテキストエンジングの傾めになってい
1:19:43ます。
1:19:44メモリを持たないエージェントは毎回
1:19:46ユーザーとは初対面、そして解く問題は
1:19:49毎回遭遇する初めての問題になってしまい
1:19:51ます。メモリを持つエージェントはメモリ
1:19:54からもコンテキストを補足し、ユーザー
1:19:56からの最小限の手助けで問題を解くことが
1:19:59できます。
1:20:02先ほどのネモでは過去のこのメモリで過去
1:20:05人が行ったタスクの自動化を覚えていき
1:20:07ました。
1:20:09人の辿どった思考や方法を模法するところ
1:20:12から始める人にアテンドしながら成功失敗
1:20:15を貯めて進化するアプローチを取ってい
1:20:17ます。
1:20:18成功はプレイブックとして利用され、失敗
1:20:21は次回の回避や自己修正の糧になります。
1:20:26まだこの自己修繕的なアクションの活用と
1:20:28いうものにはそれほどうまくいっていませ
1:20:29ん。
1:20:32またメモリをどのように保存し多速実行の
1:20:36際のコンテストにするかも開発者の設計
1:20:38次第です。
1:20:40メモリ活用するには、え、過去の、え、
1:20:43ヒストリアであるメモリをどのように今回
1:20:46のコンテキストで利用するかには大きく3
1:20:47つの戦略があります。1つ目は中間
1:20:50ステップを取り除きコンテキストに追加
1:20:52する方法です。これは導かれた過程の性格
1:20:56性を書く可能性があります。2つ目の
1:20:59アプローチはメモリ情報を圧縮して
1:21:01サマリーを作り、コンテクストに追加する
1:21:03という方法です。ここにはコンパクション
1:21:06についての試験だったり実験が求められ
1:21:08ます。
1:21:10また私のヒュリスティックなところ観点
1:21:12でいくとコーディングエージェント、特に
1:21:13クロードコードなどでもこが有効に感じる
1:21:16ことが少ないためあまり取っている
1:21:18アプローチではありません。
1:21:21そして最後に3つ目が外部記憶に保存され
1:21:23た情報を現在のコンテキストから参照可能
1:21:26にすることです。
1:21:282つ目の案で紹介したコンパクションなど
1:21:31情報の加工が不要になり
1:21:33イミュータビリティを担保できます。
1:21:35ただし、追加で外部記憶から取得する
1:21:37プログラム、もしくはそれを行う水論が
1:21:40必要になってきます。
1:21:47最後になりますが、この
1:21:50エージェント活用学習を通したまとめに
1:21:52ついてです。
1:21:55ここまでの開発から学んだことは
1:21:59まとめるとエージェントとは思行し、行動
1:22:01するフォタプログラミングであるという
1:22:03ことです。
1:22:06まず人間の思考をトレースするところから
1:22:08始める。愚直な実装から始める。
1:22:11StartwithSTRATfor
1:22:13imp
1:22:15ツールもシンプルな問題を解くところから
1:22:16始めること。そして最後に3つ目はLLM
1:22:21のモデルがより暗価に強化になる一方で
1:22:24それがメモリアツール実行環境からの
1:22:27フィードバックの必要性に取って変わる
1:22:28ことはないということです。
1:22:31特に3つ目はモデル活用したエージェント
1:22:33を作る開発者が取り組むべきことです。
1:22:40最後になりますが、エージェントは思行し
1:22:42、自立的に動いていきます。しかしそれが
1:22:45万能というわけではなく、ソフトウェアと
1:22:47しての制御は引き続き求められます。
1:22:51LMの周辺でのエンジアリング領域を新た
1:22:53で新たに広げるものに対しこれまで通りの
1:22:56ソフトやエンジニングのメンタルモデルを
1:22:57作って理解して作っていながら理解すると
1:23:02いう重要性が非常に高いと考えています。
1:23:10以上で私からの発表はさせていただきます
1:23:13。ご成聴ありがとうございました。
1:23:16[拍手]
1:23:23はい、中川さん、ありがとうございました
1:23:25。え、早速ですが、え、スライドにいくつ
1:23:30かご質問が来ているので是非お答え
1:23:32いただければなと思います。では1番上の
1:23:34質問から行きます。業務の自動運転レベル
1:23:38という分け方は非常に分かりやすかった
1:23:40です。一方で自動車と違い実際の業務には
1:23:45法律や車内規定だけではなく名文化されて
1:23:48いない暗黙のルールや人間関係も影響し
1:23:51ます。こうした曖昧なコンテキストを
1:23:55エージェントは将来どのように乗り越いて
1:23:57いくとお考えでしょうか?こちらいかが
1:23:59でしょうか?はい、ここについては短期ま
1:24:03そうですねを区切って考えていくと短期的
1:24:06にはやはり人間が確認に入る必要があるの
1:24:08かなという風に思います。
1:24:10え、全てのルールを、あ、使用、え、自然言語で記述するというのはソフトエアの開発でも無理だと思っていて、ま、ここはやはり人間があの確認がする必要があるのかなという風に思います。そうです。将来的にどのように乗り越えていく。
1:24:18[音楽]
1:24:24うん。
1:24:25そうですね。
1:24:26空気を読むということまではできない。あ、空気を読むというところの範囲中はどこまでなのかというすごく親援なもになるかなと思うんですが、ま、ここにはやはり最後の人間の判断っていうのが欠かせないのかなっていう風に思います。
1:24:39あ、はい。ありがとうございます。お答え
1:24:41いただきありがとうございます。ではもう
1:24:431つ質問にお答えいただければなと思い
1:24:45ます。
1:24:47ちょっと待ってくださいね。えっと
1:24:51、じゃあこちらで
1:24:55ん、ちょっとちょっと待ってくださいね。
1:24:57えっと、
1:25:03じゃあこの1番上の質問でいきましょうか
1:25:04ね。はい。え、サーの本質的価値が正しい
1:25:09ビジネスロジックの提供やタスク実行基盤
1:25:13に再義されるというお話は興味深かかった
1:25:15です。これは将来的にサーの有列はUIの
1:25:18使いやすさよりもいかにエージェントが
1:25:20安全かつ確実に行える使えるツールAPI
1:25:24をそれているかで決まるということ
1:25:26でしょうか。こちらいかがでしょうか?
1:25:30そうですね。え、先ほどの例でもあった
1:25:32ように、まだまだ人間が、え、人間のなん
1:25:36でしょうね。確認を通さずにあのサービス
1:25:39を利用するということが難しい半疇では
1:25:41AI、あ、UIの使いやすさっていうもの
1:25:42が捨てられることはないかなという風に
1:25:44考えています。またエージェントが完全に
1:25:50そうです。え、ま、今、そして校舎の方の
1:25:55プツールっていうものを揃えているかで
1:25:56決まるっていうところでと、もちろんプ
1:25:57ツールの、え、利用できるプツプツールっ
1:25:59ていうものを、揃えていくっていうことも
1:26:01大事だと思うんですけど、それだけで問題
1:26:03が解決でくるかというとそうではないかな
1:26:05という風に思っています。ま、今回のあの
1:26:07セッションでも話したメモリーだったりと
1:26:09か、ま、もしくは
1:26:11えっと、ま、今回あげなリトリーバルだっ
1:26:14たりとか、ま、より高範囲なものを、え、
1:26:16揃れていかないとツールのみが整っている
1:26:19状態でエージェントが安全に仕事、あの、
1:26:21動け、動けるというわけではないかなと
1:26:23いう風に思っています。
1:26:26はい、ありがとうございます。はい、いく
1:26:29つかまたご質問は来ていると思いますが、
1:26:31あの、時間の都合上でこちらで終わりにさ
1:26:33せていただければなと思います。はい。
1:26:36はい、え、タスクさんのご質問ありがとう
1:26:38ございました。え、以上を持ちまして、え
1:26:41、こちらの、え、セッションを終了とさせ
1:26:43ていただきます。引き続きハッシュ
1:26:45タグベッAIDAで感想をお待ちしており
1:26:47ます。アンケートにつきましてもスライド
1:26:50表示のQRコードから回答をお願いいたし
1:26:52ます。
1:26:55はい、では
1:26:58次のセッション行っていいすかね。はい、
1:27:01では次のセッションに行きたいと思います
1:27:03。次のセッションはフィンテック事業部
1:27:05VPOE
1:27:06高橋健太郎。金融サービスにおける高速な価値提供と
1:27:12AI
1:27:12の役割です。それでは高橋さんよろしくお願いします。
1:27:16よろしくお願いします。高橋と申します。え、レア
1:27:19XのFININtech事業部でVPOE
1:27:21を務めております。で、僕のセッションで
1:27:23は金融と不動産というですね、比較的伝統
1:27:27的な領域において、ま、どのようにAIを
1:27:30使いこなして価値のサイクルを高速化して
1:27:33いるかという、どちらかというと実践的な
1:27:35、ま、ツールの使い方みたいなお話をさせ
1:27:38ていただければなと思っております。皆様
1:27:40本日はよろしくお願いいたします。
1:27:43[拍手]
1:27:47まず簡単に自己紹介をさせていただきます
1:27:49と、先ほど申し上げました通り、高橋
1:27:52健太郎と申します。元々のバックエンドが
1:27:54ですね、あの、バックグラウンドがバック
1:27:56エンドのエンジニアとして10数年キ、
1:27:58あの、勤務をしておりまして、え、
1:28:002016年より株式会社Aレカという
1:28:03ところで、えっと、マッチングアプリの
1:28:04ペアーズの開発の責任者ですとか、え、
1:28:07新規立ち上げってところを担当しており
1:28:09ました。で、2022年にレayXに参角
1:28:13してからはですね、三井ささんとの
1:28:15合弁会社において、ま、これから紹介
1:28:17さし上げますオルタナという個人向け投資
1:28:20プラットフォームの立ち上げというところ
1:28:22を0から、え、させていただいて、今
1:28:24ちょうど運用して2年といった形になり
1:28:27ます。合わせて、え、昨年からはVPOと
1:28:30してFINECHECH事業部全体の
1:28:32エンジニアの組織っていうところを干渉さ
1:28:34せていただいているという形になります。
1:28:38まず、え、自分からはこの6つの
1:28:41アジェンダでお話をさせていただこうかな
1:28:43と思っているんですけれども、えっと、
1:28:45finテック事業部だけがですね、レay
1:28:47Xにおいて2つ特殊な点があります。で、
1:28:511つ目は唯一の2Cサービスを運用して
1:28:54いるというところです。で、2つ目は、
1:28:57あの、先ほど申し上げた通り、三井物産
1:28:59さんとのジョイントベンチャーに出航して
1:29:01勤務をするという形を取っておりまして、
1:29:04えっと、他の登壇者は全てレayXの中で
1:29:07お仕事をしているんですけれども、我々
1:29:09fintech事業部は様々な、え、
1:29:11バックグラウンドのカルチャーを持って
1:29:12いる方々と競業しつつ、え、仕事をして
1:29:15いるという形になります。なので、えっと
1:29:18、最初にまずfinンtech事業部い手
1:29:21は、あの、ジョイントベンチャーについて
1:29:22ご紹介させていただければなと思います。
1:29:27はい。え、レayXfintech事業部
1:29:30はレayXの中でどのような立付けなのか
1:29:32というとですね、レアXのミッション、
1:29:34全ての経済活動をデジタル化するという
1:29:37ものにおいてお金の非というところを、え
1:29:41、解消するというポジションになっており
1:29:43ます。で、提供している事業としましては
1:29:46、個人向けの資産運用サービスとそれに
1:29:49伴うですね、車内オペレーションの効率化
1:29:51のプロダクトというところを、え、提供し
1:29:53ているというチームになります。大体事業
1:29:56部全体で、え、出航している人数が30名
1:29:59、会社全体が80名といったような、え、
1:30:02事業部になっております。で、出航先の
1:30:05会社が三井物散デジタルアセット
1:30:07マネジメントという、こう、アセット
1:30:09マネジメントとついてる通り、え、資産
1:30:11運用をする会社になっております。そちら
1:30:14のミッションが眠られる銭に
1:30:16アクティベートせようとこちらに書いて
1:30:17あるものになっているんですけれども、ま
1:30:19、デジタルの力をもに資産運用の様々な負
1:30:22を解決するというのが我々、え、MDMの
1:30:26ゴールとなっているんですけれども、あの
1:30:28皆様方の中にも例えば不動産を購入する
1:30:31ですとか、ま、何かのこう行政手続きを
1:30:34行った時に紙とハコでですね、手続きをさ
1:30:37れる方って非常にまだまだ多いんじゃない
1:30:39かなと思っています。で、実際これは我々
1:30:42が事業を運営する上でもですね、不動産を
1:30:45買ったりするとこところのプロセスでは
1:30:47まだまだそのようなものがあのあるんです
1:30:49けれども、ま、そのような資産運用業界の
1:30:52ものを、え、デジタルの力でより良くして
1:30:55いこうというのはいうような、え、仕事の
1:30:58仕方をしているっていう会社になります。
1:31:01はい。え、三菱さんデジタルアサ
1:31:03マネジメントちょっと長いのでMDMと
1:31:05申し上げますが、MDMはどんな会社なん
1:31:07ですかっていうところで言うと、え、三さ
1:31:10レayX他大手金融機関などからですね、
1:31:13それぞれ、え、出航者を出している
1:31:15ジョイントベンチャーになります。で、
1:31:17レイアXの立ち位置としてはソフトウェア
1:31:19開発のプロフェッショナルとして、え、
1:31:21DX推薦であるとかプロダクトの開発で
1:31:24あるとか、え、一般的な何と言うんですか
1:31:27ね、開発っていうものを対当しているかな
1:31:29と思ってます。で、他の会社さんと
1:31:32ちょっと変わっているかなと思うところが
1:31:33、やっぱりこの不動産を仕入れてですね、
1:31:36ファンドに蘇生して販売するっていうよう
1:31:39な仕事をしている関係上で、不動産を買う
1:31:41チームもあれば、え、ファンドを蘇生する
1:31:44チームもある、例えばコンプライアンスで
1:31:47広告のチェックをするチームもあるだとか
1:31:49ですね、結構いろんな方が出航している
1:31:51ような、え、会社になっています。先ほど
1:31:54も申し上げたんですけれども、大体780
1:31:56人ぐらいの、え、会社で、え、資産運用の
1:31:58サービスを立てているという形です。で、
1:32:02我々のビジネスモデル2つありまして、1
1:32:04つが、え、オルタナ事業と呼ばれるもの
1:32:07です。で、オルタナ事業というものに関し
1:32:09ては、え、個人向けの投資家さんに、ま、
1:32:12証券を販売させていただいて、え、証券の
1:32:14販売手数料でお金をいただくといったよう
1:32:17なビジネスモデルです。で、もう1つは
1:32:20アセットマネージメント事業になるんです
1:32:22けれども、ま、我々が今ここにいるような
1:32:24ビルをですね、え、実際こう管理している
1:32:27会社さんていうのがありまして、ま、
1:32:29そちらの元締めみたいな事業になるんです
1:32:31けれども、ビルを運用することによって
1:32:34収益を上げてそちらの一部を、え、
1:32:36フィードしていただくといったような、え
1:32:38、事業になっております。で、えっと、
1:32:42こっからはプロダクトのお話で、えっと、
1:32:43大きくグループが2つあります。で、僕が
1:32:462Cと呼んだのが証券プロダクトのオルタ
1:32:49ナっていうものになっているんですけれど
1:32:51も、こちらは一般的な証券会社のような
1:32:53システムとあまり変わらず、え、
1:32:55インターネットの上からあの商品をお
1:32:58申し込みいただいて、え、受け渡しさせて
1:33:01いただいて基中の配当などを、え、基中の
1:33:05開示などを受け取れるといったサイトに
1:33:07なります。で、もう1つがDXプロダクト
1:33:10軍になるんですけれども、こちらのSDX
1:33:13とダムというものはですね、え、SDXの
1:33:15方は、あの、ファンドの蘇生における契約
1:33:18書の作業みたいなものを全てこれまで人間
1:33:22がやっていたものをLLMの力を使って
1:33:26効率化するというものになります。で、
1:33:29デジタルアセットマネジメントダムの方に
1:33:31つきましては、例えば賃貸マンションを
1:33:34借りる時にここの賃貸から出ていく人が
1:33:36いるだったりとかですね、そのような
1:33:38データの管理をするプラットフォームに
1:33:40なっています。ただ、え、我々今先ほど
1:33:44紹介した3つのプロダクトを展開している
1:33:46んですけれども、最初からうまくいってた
1:33:48わけではなくてですね、MDMの設列が
1:33:512020年だったんですけれども、最初に
1:33:54提供していた法人投資家様向けの、え、不
1:33:58動産の販売サービスは残念ながらクローズ
1:34:01さ、あの、してしまっています。で、
1:34:042022年僕がちょうどあの入社した頃な
1:34:06んですけれども、そこからえっとオルタナ
1:34:09個人向けの投資サービスと、え、ダムと
1:34:11いうものを開発を始めまして、えっと、
1:34:142012年にSDXの開発が始まっている
1:34:17という形になります。
1:34:20はい。え、じゃあそのオルタナっていう
1:34:22ものはどういうものなんですかという
1:34:24ところをお話しさせていただくと、えっと
1:34:26、右側にある不動産っていうものを、ま、
1:34:28不動産のバイヤーみたいな方が
1:34:30いらっしゃってですね、えっと、まず我々
1:34:32の自社で購入をします。で、そ、購入され
1:34:35た不動産を、ま、皆さん投資して
1:34:38いただけるような形のファンドに加工をし
1:34:40て、え、皆さんに販売をして基中配当男を
1:34:44お返しするというサービスになっています
1:34:46。とはいえそんなサービスって世の中に
1:34:49たくさんあるんじゃないのっていうのは
1:34:51結構その通りかなと思っているんです
1:34:53けれども、我々の、え、独自性だったりと
1:34:55か強みって何なんですかというところで
1:34:58言うと、これまでって証券会社、運用会社
1:35:01、仲回それぞれごとに手数料をですね、
1:35:03取っている関係上を皆さんにお返しする
1:35:06利回りみたいなものは比較的、え、コスト
1:35:09が乗っかってきているものになっています
1:35:11。で、我々LDMは物件の取得から証券の
1:35:15販売まで全て中で完結しているので、
1:35:18そちらのコストが比較的安く抑えられてい
1:35:21るっていうところと、え、先ほど用いた
1:35:23あの説明のようなDXAI化によって効率
1:35:26化っていうものを実現しています。で、
1:35:30過去取り扱っている商品にはですね、三重
1:35:32県鈴鹿の、え、イオタウンであるとか都内
1:35:36のマンションだったりとか、ま、そこです
1:35:38ね、あの、塩止めのホテルであるとかを
1:35:41一口10万円から販売させていただいて
1:35:43るっていうような実績があるような
1:35:45サービスになっております。
1:35:49ではここからはあの伝統的な金融事業の
1:35:52児童化っていうところを目指していた時に
1:35:54ま、どのような実際壁を感じて、え、我々
1:35:58エンジニアが取り組みをあの挫折したり
1:36:01ですね、成功したりしてきたかっていう話
1:36:03をさせていただこうかなと思っております
1:36:05。
1:36:07で、我々の会社領域で言うと不動産
1:36:11ファンド、アセットマネジメント、証券
1:36:13プロダクトといったですね、えっと、非常
1:36:15にたくさん要素が詰まっている会社で
1:36:17ございます。で、領域は書き出させて
1:36:20いただいたんですけれども、ま、不動産の
1:36:22取得、ファンド性、ファンドアセット
1:36:24マネジメント、証券販売とかあるんです
1:36:26けど、ま、各々の領域に対して各々のプロ
1:36:30が専門性を生かして協業しているっていう
1:36:33形に、え、せざるを得ないといった事業に
1:36:36なっております。それゆえに、えっと、
1:36:38エンジニアから見た時の様々な課題って
1:36:41いうものが消出してきたというのがこの
1:36:44AI自動化においてあったんですけれども
1:36:47と言語化すると滝にわる業務領域がまず
1:36:51存在していることとですね、えっと、領域
1:36:54特急の深い知識というものが必要になり
1:36:56ます。例えばエンジニアがもう何もなく
1:36:59都市空険で不動産を売買するってことは
1:37:02基本的に不可能ですし、え、ライセンス
1:37:04だったりとか資格みたいなものも必要に
1:37:06なってきます。
1:37:08また金融事業であるためミスが起きた時の
1:37:11深刻差が大きいんですね。例えばこう何か
1:37:14のミスを起こしてしまって報告をした時に
1:37:17、ま、下手したらライセンスが停止されて
1:37:19しまうなんてこともあるかなと思っており
1:37:21ます。その上で、えっと、今述べたような
1:37:25領域に対してプロダクトを作成して改善
1:37:28活動を行っていこうということを決めたと
1:37:30しても、じゃあ何作ったらいいんだっけ
1:37:32だったりとか、どんな仕事が実際に大変
1:37:34だったんだっけってところがエンジニア
1:37:36から見た時に分かりづらいというと言った
1:37:38問題があります。また金融不動産に関わら
1:37:43ず全ての領域に人が長らく担当してきた
1:37:45業務というところが存在していてですね、
1:37:47例えば契約書の作成構成だったりとか広告
1:37:51物の審査みたいなものも人間がやっている
1:37:53というのが業界の現状かなと思っています
1:37:56。それゆえにエンジニアから見た時に具体
1:37:59的に開発を行って何の改善が可能なのか
1:38:02一見理解が難しい。ま、ドメイン知識が深
1:38:05いってところですね。難しく効率化を行う
1:38:08ためには業務に対しての理解が必要だって
1:38:10いうことが最近分かってきたっていう
1:38:12ところがあります。
1:38:15はい。で、ここからは全車的な取り組みと
1:38:17エンジニアリングにおける取り組みを紹介
1:38:19させていただこうかなと思うんですけれど
1:38:21も、まず2024年までは、ま、言い方は
1:38:25難しいんですけれども、エンジニアを中心
1:38:27に、ま、これらのツールをちょっと触って
1:38:29みるだったりとか、ま、個人ベースで
1:38:31取り組むっていうのが、え、取り組みの
1:38:34メインでした。え、2025年からはです
1:38:37ね、先ほど松本も言ってたように、えっと
1:38:39、我々M2MMのですね、包括的損額を
1:38:42設定してですね、全車的なAI活用を重要
1:38:45KPIとしてセットしています。で、全社
1:38:48員がツール申請の権利を持っていて、全車
1:38:50的に活用して積極的にツールの開配って
1:38:53いうものを行っています。この中だと最近
1:38:56はV0とかを使い始めたんですが、
1:38:58ちょっと我々の、え、用途には合わなかっ
1:39:00たので、V0は一旦なしでっていう形にし
1:39:03たりとかしてますかね。はい。で、ここ
1:39:06からは開発組織の変化というところで
1:39:09エンジェリング組織について話させて
1:39:11いただきます。で、えっと、
1:39:13レフィンtech事業部の開発文化につい
1:39:16てまずお話をさせていただきたいんです
1:39:18けれども、えっと、レayXはですね、
1:39:20爆速開発と呼ばれている、あの、レイヤX
1:39:24流開発留儀みたいなものがあるんです
1:39:26けれども、えっと、そちらを色濃く
1:39:28引き継いでおりまして、我々も爆速開発で
1:39:31課題を解決するということを、え、
1:39:33エンジアリング組織の、え、ミッションに
1:39:36しております。で、要素は3つありまして
1:39:39、無駄なものは使、作らない。我々はシー
1:39:42サービスを作っているので、あの、分析と
1:39:45かをした時に、ま、地味に使われてるけど
1:39:47本当に意味あるんですか?みたいなものを
1:39:49ね、ですね、生み出しがちなんですよね。
1:39:52やっぱりエンジニアリングの側面から見る
1:39:54と、ま、使われないコードがそこに動いて
1:39:56いるということ自体はソースコードベース
1:39:58の左にもつがりますし、長期的な問題に
1:40:01発展する可能性もあります。なので、えっ
1:40:03と、無駄なものは作らないってところを、
1:40:05え、意識しているというところと、
1:40:08アウトプットよりもアウトカム、これは、
1:40:10あの、先ほどのレアXテックビジョンと
1:40:12近いところかなと思ってるんですけれども
1:40:14、えっと、何かを作りましたっていうこと
1:40:17ではなくですね、それがお客さんに使って
1:40:19もらって意味あったんだっけ?みたいな
1:40:21ことをちゃんと家庭で話すっていうことを
1:40:23意識をしています。で、最後に使用は
1:40:27シンプルに保つ、ま、エンジニアの皆さん
1:40:29だったら当たり前かなとは思うんです
1:40:31けれども、1つの試作を開発する時にA、
1:40:34B、Cっていう目的があって、これはこう
1:40:36いうことで解決できますみたいな話をさ
1:40:38れるよりですね、え、Aの仕様はこの
1:40:40ソリューションで解決しようといったよう
1:40:42な一対1なソリューションで物事を解決
1:40:45する、開発をするということを意識してい
1:40:47ます。
1:40:49で、えっと、僕が個人の意見なんです
1:40:52けれども、AIというものは貸ち的を拘速
1:40:54化するツールの1つかなと考えておりまし
1:40:57て、実際に開発組織に起きた変化という
1:41:00ものをここからは紹介いたします。で、4
1:41:03つの変化があったなということを思って
1:41:05おりまして、プロダクトマネジメント、
1:41:07エンジニアリング、品質保障、データ抽出
1:41:09分析というところに分けて語らさせて
1:41:12いただきます。
1:41:14で、プロダクトマネジメントにおいては
1:41:16先ほどあのご説明させていただいた通り
1:41:19金融ドメインというものがですね、ま、
1:41:21法令だったりとか、え、法律みたいなもの
1:41:25に、ま、基本的に裏打ちされている領域
1:41:28でして、えっと、法令の調査使用の
1:41:30レビューコストっていうところが非常に
1:41:32高かったですというところが課題として
1:41:34あります。例えば何か景品を配る時に景品
1:41:38不容法だったりとかですね、あの、投資し
1:41:41てらっしゃる方だったら分かると思うん
1:41:42ですけど、3ヶ月に1回書面が届くのも、
1:41:45あの、あるかなと思っていて、そういうと
1:41:47ころって何を書くかって全て決まってるん
1:41:49ですよね。で、それが法律の中に入って
1:41:51たりとかしてですね、一部こうそのような
1:41:54調査がうまい人があのいて、その人が作る
1:41:58分には問題ないんですけれども、一般的な
1:42:00スキルセットの、え、PDMだったりか
1:42:03エンジニアがそのような仕様を作っていく
1:42:05のが非常にコストが高いというような状況
1:42:07になってました。また一部の有識者が作成
1:42:11した信用のレビューってものが、ま、
1:42:13エンジニアPDMでは難しいよねという
1:42:15ところがありまして、最終的に外部専門家
1:42:18税理士弁護士へのレビューは行うんです
1:42:20けれども、リードタイムはできちゃうよね
1:42:22というような課題がありました。で、そこ
1:42:25で、え、ツールの進化と共に最近試してる
1:42:27こととしては、ま、ディープリサーチを
1:42:29初めとするツルの進化っていうところで、
1:42:32あの、これまで有識者がですね、法律の
1:42:34原文を読んで解釈していたようなところを
1:42:37調査になったなと思っています。これは
1:42:40主に仕様を作る時もそうですし、え、
1:42:43レビューアーがレビューをする時もそうな
1:42:44んですけれども、えっとこのような
1:42:46観点出しみたいなもの非常にLLM得意な
1:42:49ので、これを参考にみんなで会話をすると
1:42:52いったようなことがプロダクト
1:42:54マネジメントでは起き始めています。
1:42:57ではエンジニアリングです。
1:43:00エンジニアリング皆さんエンジニアリング
1:43:02エンジニアの方が多いと思うんで分かるか
1:43:04なと思うんですけどコーディングって
1:43:06めっちゃ早くなってるじゃないですかと
1:43:07いうことを思ってますと。で、
1:43:09コーディングについては、ま、デビンだっ
1:43:11たりとか、カーソルだったりとか、
1:43:12クロードコードだったりとかで、ま、効率
1:43:14化できてると思うんですよ。なので、えっ
1:43:16と、コードが生産される速度っていうもの
1:43:18は高速化されてると思うんですけれども、
1:43:21ま、問題が顕在化する速さも早くなったか
1:43:23なということが思ってます。で、え、
1:43:27バイブコーディングあるあるなんだと思う
1:43:29んですけど、ま、バイブコーディングで
1:43:31何かを作った時にいや、人間だったらこう
1:43:34書かないよねっていう話とか、意外とこう
1:43:36イニシャライズが漏れてるよねみたいな話
1:43:38とか、ま、ありがちかなと思ってます。ま
1:43:40、品質の問題ですね。で、コードレビュー
1:43:44に関してもこうプロンプトが悪くてその
1:43:46ままコードレビューを出された時にこれが
1:43:48本当に意図を持って書かれたものなのか
1:43:50そうじゃないのかレビューアから判断が
1:43:52難しいといったような問題も起きていて、
1:43:54ま、自分もデプロイの承認者ではあるん
1:43:56ですけれども、コミュニケーション消って
1:43:58いるなということを思ってます。で、技術
1:44:01的負債に関しては、あの、レビューが回っ
1:44:03てればっていうところもあるとは思うん
1:44:05ですけど、ま、これ入れていいかなって
1:44:08いうようなコードレビューの質があの
1:44:10ばらけていた時にですね、非常に負債に
1:44:13なりがちな状況になっているかなと思って
1:44:15おりまして、これらをまとめてやっぱり
1:44:17ソフトウェアエンジニアリングの重要性
1:44:19みたいなものは年々向上していくのじゃ
1:44:21ないかなと思ってます。また正しい設計の
1:44:24重要性データだったりとか
1:44:26アーキテクチャーといったレベルにおいて
1:44:28、ま、ソースコードがあの誰が書いたかは
1:44:31除いて正しいものが書かれているかが
1:44:34とても大事になってきているんじゃないか
1:44:36なと個人的には思っています。で、
1:44:39レビューに関してはこのようなバックだっ
1:44:41たりとかグレプタイルという最近試して
1:44:43いるんですけどツールを入れてるんです
1:44:45けど、ま、人間はよりデータだったりとか
1:44:47設計みたいなものをですね、重視した
1:44:49レビュー体制ってところに変更していって
1:44:52います。
1:44:54はい。えっと、コーディングが終わったら
1:44:57じゃあどうしますかというところで言うと
1:44:58、ま、ステージング環境なのでテストをし
1:45:00てリリースをしていくかなと思ってるん
1:45:03ですけれども、ここもドメインが深いので
1:45:05ブラックボックステストをしていたんです
1:45:07けれども、影響範囲漏れたりとか要件が
1:45:09ちょっと違って確認漏れが発生するって
1:45:12いうことが起きてました。で、要件の調査
1:45:15にドメイン知識が必要なので、ブラック
1:45:17ボックスセストをしようとした時に要件
1:45:19漏れが発生して品質散歩が困難になって
1:45:21るっていうような現状があったりとか、
1:45:23テストケースの作成が全て人間任せなので
1:45:26テストケースの漏れ、レビューの漏れが
1:45:28あるという問題があります。またテストの
1:45:31観点出しなども使用書に依存してるので
1:45:33上流のアウトプット品質に、えっと、
1:45:36テストの品質が依存する、QAの品質が
1:45:38依存するといった問題も来ておりました。
1:45:41で、最近試していることについては
1:45:44プロリコ作成した時にデビンプラス
1:45:46カーソルで影響範囲調査させてですね、
1:45:49テストケース作ってくださいというと観点
1:45:51座市アでは結構やってくれるんですよね。
1:45:53で、この観点を見て既存のテストケースが
1:45:56あるのであればそちらをレビューする、
1:45:58ないのであれば観点を追加するといった
1:46:00ような取り組みを進めています。
1:46:04で、え、エンジニアの皆さんであれば、
1:46:06あの、1回はエンジニアじゃない皆さん
1:46:10からこのデータ見たいんですよねっていう
1:46:12ようなオーダーって受け取ったことがある
1:46:14んじゃないかなと思ってます。で、
1:46:16マーケティングだったりとかのデータ分析
1:46:18みたいなもので、ADホックにクエを書か
1:46:20なければいけない業務っていうのは
1:46:21まだまだあるかなと思ってまして、ま、
1:46:24そんな時に自分が最近試してるのは、ま、
1:46:26コデックスなどのようなソースコードを
1:46:28読み込んでいるツール利用した自然言語で
1:46:30の分析以来の自動化っていうところはまだ
1:46:32チャンスがあるんじゃないかなと思ってい
1:46:34ます。で、えっと、完全に自己需要化する
1:46:37ためには、あの、お渡ししなければいけ
1:46:39ない部分もあるかなと思うんですけど、ま
1:46:41、非エンジニア向けにERなどの準備は
1:46:44必要なんですけど、隙間さえ理解できれば
1:46:46抽出は減らせるようになるかなという
1:46:48ところでテスト中です。
1:46:51はい、最後にエンジニアリングのところで
1:46:53最後なんですけれども、ま、プロダクトの
1:46:55触手の役割みたいなものをあえてちゃんと
1:46:57問い直される、え、フェーズが来るかなと
1:47:00思ってますと。で、触死の役割っていう
1:47:02ところが色々最低されてきて、より蒸流の
1:47:05何を作るかとどう売るかっていうところの
1:47:08重要性というのがこれから上がっていくん
1:47:10じゃないかなと思ってます。開発だったり
1:47:13とか品質保障みたいなところに関しては
1:47:15効率化がより進むと思ってまして、え、
1:47:17ただ何を作るかっていうのは人間が
1:47:20プランニングをして、え、AIに渡して
1:47:22いかなければいけないところなので、ま、
1:47:24そこが大事な時代はいずれ来るかなと思っ
1:47:26てますと。で、作られるプロダクトの量
1:47:28自体も増えていくかなと思っていて、
1:47:30こちらの効率化も簡単な、あの、課題には
1:47:33なるかなと思ってるんですけど、ま、
1:47:35いずれ品質保障領域とかはですね、ま、
1:47:37プライトMCP含めてツールとかで効率化
1:47:40される未来っていうものは予想をできるか
1:47:42なと思って最近仕事をしてますという形
1:47:46です。
1:47:48はい。AIの振動により上流工程がより
1:47:51大事な時代になってくるかなというのが
1:47:53自分のもう1つの意見になります。じゃ、
1:47:56最後に、え、業務の自動化というところで
1:47:59ですね、これまではエンジニアリングの、
1:48:01え、効率家のお話をさせていただきました
1:48:03が、え、非エンジニアリング組織での効率
1:48:07化のお話をさせていただきたいなと思って
1:48:09おります。
1:48:14先ほど紹介したファンド蘇生においては、
1:48:17こちらのSDXというプロダクトを改、
1:48:19あの、利用して、え、契約書の、え、作成
1:48:24業務、確認業務を効立化しています。で、
1:48:28契約書ってですね、あの上位の契約書、会
1:48:30の契約書といった概念がありまして、えっ
1:48:33と、そちらのあの整合性、論理整合性を
1:48:36保つような機能を持っているプロダクトな
1:48:38んですけれども、これまではWord
1:48:40ファイルを人間が目検でずっとチェックし
1:48:42ていたものを、えっと、ワードアードイン
1:48:44で、え、動作するチェッカーみたいなもの
1:48:47を用意したのがこちらです。
1:48:51で、1つのファンドを作るのに約10週、
1:48:5510種類程度の主要契約書、それぞれ数十
1:48:59ページあるようなものを人間が作成してい
1:49:01たんですけれども、まあ1つでも間違っ
1:49:04てるとまた訂正をしてあの象庁に提出する
1:49:07みたいな形になるので、それぞれの成功性
1:49:10を保ちながら修正する人力作業っていう
1:49:12ところがこれまでファンド蘇生においては
1:49:15非常に時間がかかっていた部分でした。
1:49:17こちらをLLMのAPIを叩くような
1:49:20Wordを作ることによって、え、支援し
1:49:22ているとのがSDFプロダクトになります
1:49:24。もう1つ、えっと、広告審査と呼ばれる
1:49:28ですね、金融領域において、ま、例えば
1:49:31絶対儲かるみたいなことは広告では言え
1:49:33ないので、えっと、この広告が
1:49:35レギュレーション通りなのかどうかという
1:49:37チェックする業務があるんですけれども、
1:49:39そちらの審査業務のアシスタントという
1:49:41ものをAIで作成しています。広告表現と
1:49:45いったものが、えっと、そちらの広告表現
1:49:48に用るレギュレーションなの中なのかって
1:49:51いうところを判定するような、え、ツール
1:49:53を作っています。で、こっからはちょっと
1:49:56デモなんですけども、こちらの先ほど紹介
1:49:59したワードインの契約書レビューみたいな
1:50:01もののデモをお見せします。
1:50:06これは上位の契約書と会の契約書を
1:50:09読み込ませてですね、え、ちょっと見
1:50:11づらいかなと思うんですけれども、えっと
1:50:13、黄色の部分がチェックオッケーかみたい
1:50:15なものを右ペインに出しています。で、
1:50:18そのリペインの中で、えっと、これらが
1:50:21あの大丈夫ですかっていうところを人間が
1:50:23確認してですね、えと、そちらのボタンを
1:50:27押すんですけど、
1:50:31押すと、えっと、領域が出てくるのと修正
1:50:34をそのまましてくれるといったような
1:50:37プロダクトになっています。
1:50:43はい。もう1つは広告審査の自動化なん
1:50:46ですけれども、金融における広告基準を
1:50:49満たしているかをURLを投げ込むと
1:50:52プレイライトMCPで、え、取りに行って
1:50:54ですねと広告ガイドラインに接触している
1:50:57かを、え、判定してくれるという形です。
1:51:00例としては今NGのものを例として参考に
1:51:03させていただいてるんですけど、この
1:51:05テキストが中のメッセージと、え、検証
1:51:08結果どこが食い違ってますよっていうよう
1:51:11なところを、え、出してくれるような
1:51:13ツールを作っています。
1:51:16最後に、え、アセットマネジメントと呼ば
1:51:19れるんですね、ここのあの物件を買ってき
1:51:21たりですとか、ま、売買するっていう
1:51:23ところのチームでも、え、AIをつく活用
1:51:26してまして、えっと、投資判断例えばこの
1:51:30物件を買うべきかどうかっていう判断に、
1:51:33えっと、LLMを利用してます。その有価
1:51:37証券報告書みたいなものを食べさ、
1:51:39あのチャAT
1:51:41GPTに食べさせて分析してて依頼をして
1:51:43ですね、出てきたのが右なんですけれども
1:51:46、例えば、え、物件名、客室数だったりと
1:51:49か、えっと、会業がいつかどこから引いて
1:51:52きてるかみたいなものを、あの、整形して
1:51:55表示してもらうことによって、えっと、
1:51:57このデータをもに、え、このホテルに投資
1:52:00をするかみたいなことを実際に非
1:52:03エンジニアのチームでもしているというの
1:52:05が最近の、え、状態です。これもですね、
1:52:08エンジニアもサポートには入っているん
1:52:10ですけども、どちらかというとこういう
1:52:12ことをやってみたいみたいなアイデア
1:52:14みたいなのを出したいいた上でエンジニア
1:52:16がサポートするという形になっています。
1:52:21カスタマーサポート領域ですね。えっと、
1:52:23CCサービスを行っている都合上、ま、不
1:52:26特定多数の投資家さんから問い合わせが
1:52:28入ってくるってことは結構あります。で、
1:52:31また我々が提供してる商品がですね、不
1:52:33動産の証券化商品であるということも
1:52:36相まって、ま、一般的なこう回答では返せ
1:52:38ないていうようなことも多いです。ですが
1:52:41、えっと、AIのあのエージェントを使っ
1:52:45てですね、問い合わせの回答分案を
1:52:47ちょっと作らせてみましょうというところ
1:52:49テストパイロットしたところ、金融特有の
1:52:52複雑な問い合わせの応答時間を25%削減
1:52:55することができました。で、AIがですね
1:52:58、えっと、目ロみ書と呼ばれる、ま、あの
1:53:01、証券を公開するために必要な書類を含め
1:53:05て、え、横断検索してドラフトを作って
1:53:07くれるってところの、え、ところまでは
1:53:10POCが完了してるっていう感じですかね
1:53:12。で、その結果を見てオペレーターがあの
1:53:16文章を改造してレビューにかけて皆さんの
1:53:20、え、問い合わせに回答しているっていう
1:53:21形に今変更しています。で、えっと、
1:53:27エンジニア以外のところのAI活用推進
1:53:29っていうのは僕の頭の中ではですね、
1:53:32アイデアの量っていうのが非常に大切かな
1:53:35と思っています。なんでかって言うと、
1:53:38やっぱりここ研ぎ済ませて1つの業務を
1:53:40改造すると効率化ができるというよりも、
1:53:43ま、いろんなあのアイデアの中から優れた
1:53:45ものが生き残るっていうようなまだ状態か
1:53:48なと思っていて、これはツールもそうです
1:53:50し、適用の方法もそうかなと思っています
1:53:53。
1:53:56はい、終わりにというところで、え、
1:53:58まとめさせていただくんですけれども、え
1:54:00、高速な価値提供のためにAI時代に重要
1:54:03なこと僕は3つあると思ってまして、1つ
1:54:06は、え、AIの技術の振動でプロダクト
1:54:08開発はより上流が重要になってくるかなと
1:54:11思っているということです。2つ目は、
1:54:14えっと、活用領域を増やすためにですね、
1:54:16通路を利用しやすい環境を準備して、それ
1:54:19を、え、チームに提供するということを
1:54:22心がけています。最後に、え、先ほど
1:54:26申し上げたことにはなりますが、AI
1:54:28ツール活用はアイデアの量、ま、発想の量
1:54:30が大事かなと思っていまして、その発想を
1:54:33制限しないそのような組織作りってものを
1:54:36意識してできればいいかなと思っており
1:54:38ます。
1:54:40はい、自分の発表は以上になります。
1:54:42ありがとうございました。
1:54:52ありがとうございました。それでは早速
1:54:55質疑応答に入っていきます。まずは
1:55:00そうですね、え、金融のような規制の
1:55:04厳しい業界でAI活用を始めたいと考えて
1:55:07いる企業に対してまず何から始めるべき
1:55:10か最初の一歩としてアドバイスをお願いし
1:55:12ますとのことです。ありがとうございます
1:55:14。
1:55:15[音楽]
1:55:17そうですね。やっぱりAIって怖いものっ
1:55:19て考えてる、まだまだエンジニアじゃない
1:55:22社員の方々って、えっと、我々の会社の中
1:55:25にもいますなんですけど、ま、こういう風
1:55:28に使ったらいいですよだったりとかですね
1:55:29、あの、一歩歩み寄んだよっていうところ
1:55:32を翻訳してああげるってのは自分の中では
1:55:35意識をしていることです。はい、
1:55:38ありがとうございます。
1:55:39関連してそうですね、あの人癖の高い情報もあのたくさん扱われてると思うんですけど、その中でこう
1:55:48AI
1:55:48利用のガイドラインとか進め方の相案みたいなものがあったら聞きたいですというのが来ています。
1:55:53あ、そうですね。えっと、我々も具体的にどういう素案にしているかっていうのは学習させないということを意識していて、我々の業務知識をあの
1:56:02AI
1:56:02にして学中はさせないモードで使用しています。
1:56:06なんですが、えっと、そちらに関してはシステムセキュリティといったところでガイドライン作りを先に、え、有識者でやった上で導入しているっていうのが現実でしょうか。はい、
1:56:17ありがとうございます。では少し行を変えて
1:56:21AI
1:56:21によって開発野営が効率化され、何を作るかという上流工程がより重要になるというお話が印象的でした。
1:56:29この変化に対応するため
1:56:30fintech事業部のプロダクトマネージャーやエアエンジニアには今後どのようなスキルセットやマインドセットの変化を求めていきますかと。
1:56:38はい、ありがとうございます。そうですね、えっとまずエンジニアの方からお答えをするとえっと自分も昔
1:56:45DNA
1:56:45だったりとか比較的大きい会社に努めたことがありまして、えっと会社が大きくなるとやっぱり文業っていうものが進んでくると思います。
1:56:54例えば自分はバックエンドエンジニアなの
1:56:56で、えっと、正確な行動を書いて、え、
1:56:59フロントエンドエンジニアに引き渡すこと
1:57:01が大切ですよねといった役割の違いって
1:57:03いうものが出てくるかなと思うんです
1:57:05けれども、えっと、意識しなければいけ
1:57:08ないこととしては、やっぱりどういうもの
1:57:10を作ったらお客さんが喜んでもらえるの
1:57:12かっていうことに関して、ま、チームだっ
1:57:14たりとか個人できちんと考えて
1:57:16コミュニケーションをするということに
1:57:17尽きるのかなと思っています。
1:57:20で、こちらは変化というよりも元々あの我々はそのような、え、採用の基準で採用しているんですけれども、よりその変化が強まってくるかなといったような、え、認識をしています。
1:57:33ありがとうございます。スライドの中にもソフトウェエンジニアの力がより求められていくという風に書かれてましたけど、まさにそういうところっていうことですかね。
1:57:42はい。
1:57:43はい。ありがとうございます。ではもう少しだけ行きますね。
1:57:50え、車内で
1:57:52AI
1:57:53活用のアイデアを練ったり吸い上げたりするために行っていることを伺たいですと。
1:57:59はい、ありがとうございます。え、具体的にはですね、あの車内寺ラ小屋みたいなものを開いてその
1:58:05AI
1:58:06の使い方をレクチャーするみたいな時間を固定で撮ってたりとかですね。えっと、月
1:58:101でアンケートをしてます。
1:58:12実際業務の中でAIを使いましたかみたい
1:58:15なところをアンケートさせていただいてい
1:58:17て、えっと、それをマネージャー人で確認
1:58:19をしてですね、ま、ちょっとここの傾向
1:58:21良くないねみたいな話だったらそこの
1:58:23メンバーとお話をして具体的にえっと
1:58:26ファーストステップで成果を作るところ
1:58:28まで伴するといったようなことを進めて
1:58:30ます。なるほど。
1:58:32やり方によってはちょっとこうなんで使わないんだみたいになってしまいませんか?
1:58:35[笑い]
1:58:37いや、そうなんですけど、ま、そこはやっぱりコミュニケーションって大事だなというか、ま、人間がソフトウェアエンジニアリングをすることの意味っていうの
1:58:441
1:58:44つはそこにもあるかなとは思っていて、あの、やっぱりこうね、昔あったようなすごい体力が悪いけどテクニカルな人みたいなのはやっぱり通されていくのかなとちょっと思ってまして。
1:58:55なるほど。ソフトスキルもより重要になってくると。
1:58:58そうですね。個人的にはそう思います。はい。
1:59:00はい。
1:59:01ありがとうございました。以上で質疑を終了にしたいと思います。改めて高橋さんに拍手お願いします。
1:59:06ありがとうございました。
1:59:14続きまして、
1:59:16AILLM事業CPO小林より、
1:59:21LLMをツールからプラットフォームへ
1:59:24AIワークフォースの戦略と題し話
1:59:28いただきます。お願いします。
1:59:31はい。え、皆さんこんにちは。えっと、
1:59:35ちょっと3連続っていうところで、えっと
1:59:37、皆さんもちょっと聞いていてお疲れな
1:59:38ところかなと思うんですけれども、えっと
1:59:41最後、最後というかこの後休憩になるので
1:59:44、えっと、ご視聴いただければと思って
1:59:45おります。オンラインの皆さんもよろしく
1:59:47お願いします。え、今ですね、えっと、ご
1:59:49紹介に預かりました、えっと、今、えっと
1:59:51、AILム事業部の、えっと、事業部の
1:59:53CPOを担当しております小林と申します
1:59:55。今日はですね、えっと、LLMをツール
1:59:57からプラットフォームへっていうところで
1:59:59、えっと、我々がどういう取り組みをして
2:00:00いるのかとか、その辺りをですね、えっと
2:00:02、お話をさせていただければと思っており
2:00:04ます。では早速進めていければと思うん
2:00:07ですけれども、
2:00:09はい、えっと、まず簡単に、えっと、実己
2:00:10紹介なんですけれども、えっと、私はです
2:00:12ね、今年の1月に、えっと、正式2Xに上
2:00:15しまして、えっと、LLM事業部で、AI
2:00:18LLM事業部で、えっと、プロダクトの
2:00:20開発に関わっております。で、それまでは
2:00:23ですね、えっと、約14年間ほど、えっと
2:00:24、株式会社DNAというところで働いて
2:00:27まして、えっと、元々ソフトエンジニアと
2:00:29して開発をやっていて、途中から、えっと
2:00:31、EMをやったりとか、ま、新規事業
2:00:33立ち上げをやったりとか、あとはですね、
2:00:34えっと、宿泊役員とかCTOとかですね、
2:00:37そういったことをやらせていただいており
2:00:38ました。はい。そういったこう技術
2:00:41バックグラウンドを持ちながらですね、
2:00:42えっと、今、えっと、新しいAL事業部で
2:00:45、え、AIのプロダクトを作ったりとかし
2:00:47ております。で、今日この辺りのお話を
2:00:49できればと思うんですけれども、えっと、
2:00:52この大きくこの3点ですね、お話をできれ
2:00:54ばなと思ってます。で、今日1番冒頭です
2:00:57ね、えっと、松本の方から、えっと、日本
2:00:59の社会課題的な話も少しあったかと思うん
2:01:01ですけれども、ま、そこもちょっと簡単に
2:01:03触れさせていただきながら、我々がどんな
2:01:05プロダクトを作ろうとしているのか、
2:01:07えっと、そこの戦略的な部分だったりとか
2:01:08、そういったところをですね、えっと、お
2:01:10話しできればと思ってます。で、本気で
2:01:13ちょっとこれ話し始めるとですね、全然僕
2:01:15の持ち時間の30分とかそれぐらいで
2:01:16収まらない感じなので、えっと、本当に
2:01:18今日は、えっと、1部分になると思うん
2:01:20ですけれども、えっと、お聞きいただけれ
2:01:22ばなと思います。
2:01:24はい。で、まず、あの、日本の社会課題
2:01:27っていうところについてなんですけれども
2:01:29、えっと、まずですね、えっと、ここを見
2:01:30ていただければと思うんですけども、皆
2:01:33さんお仕事されている中で本当にこう、
2:01:35いろんな仕事があると思うんですよね。で
2:01:37、その中で、えっと、本当にこう人の手で
2:01:39やってる部分もあれば、1部分システムを
2:01:41使っているってところがあると思います。
2:01:43で、これを今その例えばDXっていう文脈
2:01:45で、ま、いろんな業務をカバーしていこ
2:01:47うっていうところで、えっと、各取り組ま
2:01:49れていたりとか、ま、そこにですね、えっ
2:01:51と、当てはめるようなソリューションを
2:01:52作って、えっと、いろんな会社さんに提供
2:01:54するってことをやられているような、えっ
2:01:56と、そういった差を探すサスですねの会社
2:01:58とかもどんどん増えてきているんじゃない
2:01:59のかなっていう風に思います。はい。ただ
2:02:02ですね、それでも、えっと、本当に1部分
2:02:04、えっと、カバーしてるにと留まって
2:02:05るっていうのを持ってます。
2:02:07で、今後ですね、その人口が減少していく
2:02:09中でその労働力っていうところが、えっと
2:02:11、減っていてですね、今まで、えっと、人
2:02:13の手でカバーなんとかカバーしていきた
2:02:15部分がですがね、ですけれども、えっと、
2:02:17ここが、えっと、カバーできない状況が、
2:02:19えっと、近い将来来るってのが、えっと、
2:02:21よく言われてる話です。で、ただ、あの、
2:02:23普段皆さんお仕事されてる中でここをこう
2:02:25実態権持ちながらですね、えっと、仕事さ
2:02:27れてる方って少ないのかなっていう風に
2:02:29思うんですけれども、ま、これが今の日本
2:02:31の社会における、えっと、実情だっていう
2:02:33風に思っています。で、例えばこれですね
2:02:36、2050年にですね、ま、1500万人
2:02:38ぐらい、えっと、労働力、労働人口が減っ
2:02:40ていった時に、えっと、今まで人の手で
2:02:42カバーできていたところがカバーできなく
2:02:44なってくると。じゃ、これどういう風に
2:02:46カバーしますかね?で、多くの場合は、
2:02:49えっと、人がさらに働く時間を増やしたり
2:02:52とか、やることを減らすみたいな形で
2:02:54カバーするってのが、えっと、なんとか
2:02:56カバーできる方法の1つなのかなっていう
2:02:57風に思います。ただその労働力、そ、それ
2:03:00こそ今働き方改革みたいな形で、えっと、
2:03:02働く時間を制限するとかですね、そういっ
2:03:04た話が、えっと、言われてる中でですね、
2:03:07こう残業を増やすだったりとか、人の仕事
2:03:09を増やすっていうので逆行する、えっと、
2:03:11流れになってるかなっていう風に思います
2:03:12。
2:03:14で、そこをですね、解決していくのが
2:03:15まさにDXだったりとか、そのAIを活用
2:03:18するデジタル化の、えっと、流れな、え、
2:03:20だと思っています。
2:03:23で、いろんな会社がですね、そこに、えっ
2:03:25と、フォーカスしてですね、いろんな
2:03:26プロダクトを作っていく。で、今までの
2:03:28流れでよりこう業務を自動化していくだっ
2:03:30たりとか、えっと、ま、ペーパーになって
2:03:32いるものをどんどんデジタル化していく
2:03:33だったりとかですね、そういったことを、
2:03:35えっと、取り組まれてると思うんです
2:03:36けれども、えっと、それでもやっぱりです
2:03:38ね、ここにあるようにですね、えっと、
2:03:40多くの、えっと、仕事という中の、えっと
2:03:42、1部分の面、本当に1部分の点でしか
2:03:45ですね、えっと、補えないなので、これで
2:03:48は、えっと、1500万人労働人口が減っ
2:03:50ていくって中を、えっと、カバーすること
2:03:52はなかなか難しいんだが実情じゃないか
2:03:54なっていう風に、えっと、思っています。
2:03:57ここをですね、えっと、我々は、えっと、
2:03:59今作ってるプロダクトで、えっと、カバー
2:04:01していきたいと思っていて、ま、それが、
2:04:03えっと、コンセプトにあるのが、えっと、
2:04:04今我々が開発を進めているAワークホース
2:04:06というプロダクトになります。
2:04:10で、普段ですね、えっと、皆さん、あの、
2:04:11お仕事されている中でLLMってほぼ毎日
2:04:14使われてるんじゃないのかなっていう風に
2:04:16思います。で、えっと、ちょっと本当だっ
2:04:17たらここで巨種とかってやってみたいん
2:04:19ですけども、えっと、ま、僕も本当に毎日
2:04:21、えっと、日々使ってます。ま、使わない
2:04:23日はないですよね。で、使い方も普通に
2:04:25チャATGPTを使うこともあれば、V0
2:04:27的なものを使うこともあれば、ま、本当に
2:04:29いろんな通路をですね、用途に分けて使っ
2:04:31ていくってことをやっています。
2:04:34で、チャATトGPTとかジェミニとか
2:04:36クロードとかですね、本当にこう進化が
2:04:38激しくてですね、もう3ヶ月ごとに新しい
2:04:40機能が出てくるとか、制度が上がってくる
2:04:42とかですね、こういう形でこう、えっと、
2:04:44生産性を上げていくってところはすごく、
2:04:46えっと、皆さん実感されてるんじゃないの
2:04:48かなっていう風には思うんですけれども、
2:04:50ただこの先ほどお見せした、えっと、人が
2:04:52今まで賄なっていたところ、えっと、
2:04:54いかにLLのツールが便利になったとして
2:04:56もですね、カバーするのは本当に1部分に
2:04:59なります。そうするとですね、どんだけご
2:05:01進化してもですね、1部分の業務しか
2:05:03カバーできないので結局、えっと、人口
2:05:05減少によって労働人口が減ってくる部分を
2:05:08、えっと、補うことはなかなか難しいん
2:05:10じゃないのかなっていうのが現状だという
2:05:11風に思っています。
2:05:15はい。まさに補える、補れると思いますか
2:05:17ね、皆さん。これなんかなかなかちょっと
2:05:18個人的な正直機難しいんじゃないのかなっ
2:05:20ていう風に思っています。で、ここをです
2:05:22ね、カバーしていくための取り組みという
2:05:24か、えっと、我々がそこをコンセプト、
2:05:26えっと、ターゲットにして見据えてるのが
2:05:28、えっと、エアワクホスっていう
2:05:29プロダクトになります。
2:05:32はい。ま、知的単純作業っていう風に言っ
2:05:34てるんですけども、えっと、多くの
2:05:36ビジネスシーンではですね、えっと、
2:05:37ドキュメントを使って、えっと、いろんな
2:05:39仕事を進めてる形になると思います。ま、
2:05:41例えばここにあるその必要なファイルを
2:05:43探すとかですね。えっと、例えば例毎月の
2:05:46その経入理処理だったりとか、契約の処理
2:05:48だったりとか、あとはその、ま、自分が
2:05:50やられている仕事をですね、他の人に
2:05:52どんどん引き継いでいくだったりとか、ま
2:05:54、そういうところをですね、やっていく
2:05:55仕事としてはすごく重要なんですけれども
2:05:58、えっとなんか重要だけれども
2:06:00クリエイティビティがあるかって言われる
2:06:02と、そういうではない仕事ってのも結構
2:06:03あると思うんですよね。で、例えばです
2:06:06けども、本当に、えっと、大きな会社とか
2:06:07歴史の長い会社になってくると
2:06:09ドキュメントの数が大量になってきて、
2:06:11目的のファイルを見つけるとかもですね、
2:06:13それも相当難しくなってくるってのが、ま
2:06:15、現状かなっていう風に思っています。
2:06:18はい。で、かつ、ま、ここに書いてある
2:06:20通りですね、この作業、えっと、仕事とし
2:06:22てはすごく重要なんですけれども、なんか
2:06:24それをこう手早くやったとしてもですね、
2:06:26何かしらこう新しい何かを生み出してる
2:06:29わけでもなく、えっと、ま、それ以上に
2:06:31それを早くやった方といて何かしらこう
2:06:33成果に大きく繋がるかっていうと、そうで
2:06:35もない業務が、えっと、数多く、えっと、
2:06:37世の中にはあるかなと思っております。
2:06:41そこにですね、えっと、LLMの登場に
2:06:43よって大きく変化が訪れよう、ま、まさに
2:06:46訪れてるなっていう風なところですね。
2:06:48このLLMのですね、非構造な、えっと、
2:06:50データ、えっと、をですね、構造化するっ
2:06:52ていう技術ですね。えっと、例えばその
2:06:54契約書だったりとかそういった
2:06:56ドキュメント、これって全然構造化されて
2:06:58ないんですよね。それをですね、LLMを
2:06:59通すことによって、えっと、構造化してい
2:07:02くってことが、ま、できります。で、
2:07:04例えばその契約書を、ま、皆さんも普段見
2:07:06られたりとか、ま、ご自身で作ることも
2:07:07あったりとかするかもしれないんです
2:07:09けれども、ま、契約書って文章がバーって
2:07:11こう書いてあると思うんですね。上から順
2:07:12に。で、その中で第1章何とかとか、第2
2:07:15章何とかみたいな形で、ま、目的の、えっ
2:07:17と、条文というか文章は書かれてると思う
2:07:19んですけれども、それを人間は見て分かる
2:07:21と思うんですけれども、えっと、それを
2:07:23こう仕組み、えっと、ソフトウェアで何か
2:07:25をしようと思った時に、えっと、そこは
2:07:27ソフトウェアって分からないんですよね。
2:07:28なぜかと言うと、コンテキストもないし、
2:07:30えっと、どういう風な構造であるかって
2:07:31いう、えっと、知識も持ってないので、
2:07:33えっと、そういう処理することができない
2:07:35んですけれども、ここはですね、LLMが
2:07:37登場したことによって、えっと、ある程度
2:07:39簡単にできるようになってるのが、えっと
2:07:40、今だと思ってます。なので、こういった
2:07:43LMも使いながらですね、えっと、えっと
2:07:45、非構造な、えっと、文書構造等をですね
2:07:47、えっと、解析して、えっと、構造データ
2:07:49に変えていくってことが、ま、簡単にでき
2:07:51ます。で、ちなみに高続化データっという
2:07:53のは一般的に言われるですね、あの、
2:07:54データベースに入ってるような、えっと、
2:07:56なんて言うんですかね、スキーマが決まっ
2:07:58ていて、えっと、この、えっと、この
2:08:00カラムにはこういう値が入ってるみたいな
2:08:02、そういった、えっと、データをイメージ
2:08:03、イメージするっていう風に思って
2:08:05いただければと思います。
2:08:08はい。で、さらにですね、えっと、技術的
2:08:10な観点っていうところで、えっと、皆さん
2:08:12普段あのチャATトGPTとかそういうの
2:08:14を使われていて、ま、プロンプト色々と
2:08:16書かれてると思うんですけれども、その中
2:08:17でですね、えっと、1つのプロンプトで、
2:08:20えっと、複雑の、複雑な複数の指示を
2:08:22与えると、ま、ハルシネーションを起こし
2:08:24たりとか精度が下がるみたいなところが
2:08:26あると思います。なので、えっと、その
2:08:28LLMの特性とかを、えっと、イメージし
2:08:30ながらですね、そのLLMにの気持ちに
2:08:32なって考えるみたいな、こう人間が今まで
2:08:34こうソフトウェアを考える時にあまりそう
2:08:35いうのなかったと思うんですけど、LLM
2:08:37の気持ちになってプロンプを考えるとこう
2:08:39なるだろうみたいなことを、えっと、考え
2:08:40ていくとですね、指置をしっかりと細かく
2:08:43、えっと、してあげると。なんで都度の
2:08:45そのインプットがある中でLLMにこう
2:08:47いうことやろせようってなった時に、
2:08:48えっと人間だったら複雑な指示を、えっと
2:08:50、作業をですね、1つの思考でできるかも
2:08:52しれないんですけども、LLレそういう
2:08:54ところができないので、1つ1つですね、
2:08:56分解して、えっと、させてあげる必要が
2:08:58ありますと。で、こういう風にですね、
2:09:00使ってあげた方が実はLLMは、えっと、
2:09:03制度上げられるっていう、ま、ちょっと
2:09:04テクニック的な部分でもあるんですけども
2:09:05、そういう特性をするのがすごく、えっと
2:09:07、重要だなっていう風に思っています。
2:09:11はい。ここでですね、あの、早速、あの、
2:09:13エアワークホースの特徴的なところのお話
2:09:15ができればと思います。はい。エアワーク
2:09:19ホースはですね、えっと、企業と共に成長
2:09:21するAIプラットフォームっていうところ
2:09:23を名打っています。で、実際なんか、
2:09:25えっと、いろんなそのAIとか、えっと、
2:09:26皆さんも触れられていたりとか、もしか
2:09:28すると皆さんも、えっと、ジビシャルで
2:09:30AIのプロダクトを作るってところを
2:09:31ミッションにされてる方もいらっしゃると
2:09:33思うんですけども、なんか作っておしまい
2:09:35ではなくてですね、AIの場合は作って
2:09:37それを使ってチューニングしたりとか、
2:09:39えっと、リバイスっていうか、ま、その
2:09:40なんか、え、なんかそのAIとか
2:09:42エージェントとかにですね、こう指示を
2:09:43与えていきながら成長させていくって
2:09:45ところがすごく重要になると思ってます。
2:09:48なので、あの、我々はですね、えっと、
2:09:49プロダク、我々の作っているプロダクトも
2:09:51作って提供しておしまいではなくですね、
2:09:53作って提供して使っていただき、その中で
2:09:56のフィードバックをサイクロ回しながら
2:09:58制度を上げていくっていうところと、そこ
2:10:00のユースケースを、えっと、クリアして
2:10:02いく中で、えっと、お客様自体に、えっと
2:10:04、じゃあこういうケースも使いたいという
2:10:06可能性を感じていただいて、で、そこから
2:10:08新しいユースケースを発掘し、それを元に
2:10:10ですね、我々もそれに合わせながらですね
2:10:12、えっと、技術開発だったりとか機能開発
2:10:14ってことをやっていくってことが、えっと
2:10:16、このエア枠ホースの、ええっと、
2:10:17取り組みになってます。なので、我々が、
2:10:20えっと、もちろん技術的な進化だったりと
2:10:22かプロダクトを進化させていくってことを
2:10:23やるんですけども、えっと、お客様に使っ
2:10:25ていただいて、それを、えっと、使い
2:10:27ながら、えっと、それをですね、学びに
2:10:29生かしながらですね、えっと、プロダクト
2:10:30もどんどん成長させるってことをやってい
2:10:32ます。
2:10:35はい。これもあの松本のえっとスライドで
2:10:37出てたと思うんですけれどもなのでそう
2:10:39いったえっと成長するえっと仕組みにして
2:10:43いくためにはですねプラットフォーム的な
2:10:45思考だったりとか発想仕組みっていうのが
2:10:47すごく重要になってきます。なのでここの
2:10:49例であげてるのはですね、例えばAワク
2:10:51ホースというプラットフォームを導入して
2:10:53いただいた時にですね、一般的な、えっと
2:10:55、サースであれば例えばホーム部門の、
2:10:58えっと、一部の業務だけ使いますとかって
2:11:00いう形になると思うんですけども、えっと
2:11:01、我々のプロダクトはですね、そういった
2:11:03こう特定の部門とか業務にですね、えっと
2:11:05、囚わられることなく、えっと、複数の、
2:11:07えっと、部門でいろんな業務で使って
2:11:09いただけるってのはこれは表現してる形に
2:11:11なります。はい。なので、えっと、まさに
2:11:14このプラットフォームですね、
2:11:15プラットフォーム思考でかつですね、
2:11:17例えばここで書いてると思うんですけれど
2:11:18も、えっと、書いてないかな?例えばその
2:11:22臨、えっと、別に特定の部門だけでやる
2:11:24わけじゃなくて、臨上げるのってどの部門
2:11:26でも上げたりとかすると思うんですよね。
2:11:28なので、まずどこかの部門で倫を簡単に
2:11:31作るための仕組みを提供し、それでうまく
2:11:33いったらですね、違う部門に横展開して
2:11:35いく。そうすると企業全体の臨を上げ
2:11:37るっていうプロセスがですね、改善されて
2:11:39いくってことが、ま、できるようになり
2:11:40ます。それ以外にもその契約書のやり取り
2:11:43、これもですね、部門ごとにえっとやっ
2:11:45てると思うんですけれども、ま、特定の
2:11:47部門でその契約書のやり取りを、えっと、
2:11:49効率化するるっていうこう仕組みを作って
2:11:51ですね、それを、えっと、うまくいったら
2:11:53違う部門に横展開していく、そういった
2:11:54ことも、えっと、可能になっていきます。
2:11:57はい。なので使えば使うほど、えっと、
2:12:00その、えっと、ケースが、えっと、制度が
2:12:02高く効率よく、えっと、提供する、使って
2:12:05いただくってことができるし、それをです
2:12:07ね、えっと、いろんなその部門、1つの
2:12:08会社の中のいろんな部門でも使って
2:12:10いただくですね。ま、そういったことが、
2:12:12えっと、できるのが特徴的かなっていう風
2:12:14に思います。
2:12:17はい。なので、えっと、エアコースはです
2:12:19ね、ま、ドキュメントを中心とした検索
2:12:21だったりとか管理だったりとか作ってい
2:12:22くってところもですね、えっと、
2:12:24フォーカスした、えっと、汎用的なAI
2:12:26プラットフォームになっています。
2:12:29で、その中でですね、その、今ご説明した
2:12:32エア枠なんかなんとなく便利かなっていう
2:12:34風に思っていただけたかもしれないんです
2:12:35けども、じゃそれを支える技術的なところ
2:12:37も、えっと、お話ししたいなと思ってるん
2:12:39ですけども、その中心的な存在がこのAI
2:12:42ワークフローというものになります。はい
2:12:45。こんな感じでですね、えっと、AI
2:12:47ワークフォース上で、えっと、AI
2:12:49ワークフローを、え、作るビルダーがあっ
2:12:50てですね、お客様の業務要件に合わせて
2:12:53この、えっと、コンポーネントを
2:12:54組み合わせてですね、えっと、業務を処理
2:12:56に落とし込んでいくってことをやります。
2:12:59で、先ほどですね、と、LLMの特性で1
2:13:01つの、えっと、プロンプトで何でもかんで
2:13:03もやらそうとするんではなくて、えっと、
2:13:05濃度を分けて、えっと、プロンプトを分け
2:13:07て、えっと、処理をした方が、えっと、
2:13:09制度が上がるってお話をしたと思うんです
2:13:10けども、ま、そういったことがですね、
2:13:12ここで実現できる形です。例えばその契約
2:13:15書なんか取り扱うってなった時にまずは
2:13:17えっと何条から何条まであるんだっけって
2:13:19いうのを例えば抽出するだったりとか
2:13:21えっとその中でじゃ何条のどの部分を抽出
2:13:23するとかですねこうえっと処理をしたい
2:13:26構造に分けてですねえっとLLMに指示を
2:13:28出していったりとかあとこの中でその
2:13:30コード実行っていうこともできるので
2:13:32えっとPythonのスクcriript
2:13:33を書いてLLMが処理した結果をですね
2:13:35プログラミング的なアプローチでえっと
2:13:37処理をするってこともえっとできるように
2:13:39なってます。はい。で、こういった形で、
2:13:42えっと、汎用的な、えっと、処理をですね
2:13:44、かけるような形になってるので、ま、
2:13:46いろんなそのお客様の業務に適用でき
2:13:47るっていうのが特徴の1つになります。
2:13:51はい。で、これはです、まさにそのGUI
2:13:52で、えっと、なんかそのエンジニアがです
2:13:54ね、バリバリコーディングするっていう
2:13:55よりも、あの、GUIで、えっと、ああ
2:13:57いったものを作ることができるので、えっ
2:13:59と、ま、比較的簡単にですね、業務を、
2:14:02えっと、化かするってことができるように
2:14:03なります。で、えっと、このカ、えっと、
2:14:06ワークフローを使ってお客様の業務を
2:14:08どんどんどんどん、えっと、便利にしてい
2:14:09くってことを、ま、やっていくのが、まず
2:14:101つの、えっと、強力なプロチになってい
2:14:12ます。
2:14:14はい。これが、ま、エアク放送を構成する
2:14:16、えっと、中的な、えっと、存在ですね。
2:14:21はい。で、こういったこうLLMの力を
2:14:23使ってですね、ワークフローを組んで処理
2:14:25をしていくってのはもちろん、えっと、
2:14:27重度高くですね、やっていくことができる
2:14:29んですけれども、さらにLLMの力って
2:14:31まだまだそのものではないというところで
2:14:33、我々が、えっと、今提供している機能の
2:14:35、えっと、ま、他いろんな機能があるん
2:14:37ですけど、その特徴的なものの1つとして
2:14:38、えっと、AIマスキングっていうものを
2:14:40提供しています。で、ちょっと画面の
2:14:43キャプチャーだけになるんですけども、
2:14:44例えば皆さんが、えっと、所属されてる
2:14:47会社は、ま、本当にバラバラな感じだと
2:14:49思うんですけども、例えばその金融系のお
2:14:51客様だったりとか、えっと、扱ってる情報
2:14:53にキ備情報がある、例えば個人情報がある
2:14:55とかですね、そういった時にですね、えっ
2:14:57と、そのドキュメントを他の人にも見せ
2:14:59たいんだけれども、個人情報をめっちゃ
2:15:01載ってるからそのまま見せられないてなっ
2:15:03たら黒塗りマスキングをするんですよね。
2:15:05で、このマスキングの作業って
2:15:07めちゃくちゃ大変なんですよ。で、それ
2:15:09こそなんかドキュメント1枚のなんか名前
2:15:11を消すだけだったらすぐできるかもしれ
2:15:13ないんですけど、例えば契約書、先ほどの
2:15:15あの、えっと、前の登壇でなんかなんだ、
2:15:181契約書がなんか十部ぐらいあります
2:15:20みたいな、その契約書を、えっと、
2:15:22マスキングするってもう多分人間が得る
2:15:24作業じゃなくなってきてるんですよね。で
2:15:26、実際な我々の、えっと、今このシステム
2:15:29を提供してるお客様も、えっと、そういっ
2:15:31たこうキ々な情報をマスキングした状態で
2:15:33ナレッチシェアをしたいっていうような
2:15:35ケースもあったりとかします。その時に
2:15:37ですね、えっと、やっぱLLMがですね、
2:15:38強いパワーを発揮してくれて、え、簡単に
2:15:41、えっと、マスキングをするってことが
2:15:42できるようになります。なんでLLMの
2:15:44文脈を読む力だったりとか、個人情報は
2:15:46これだとか、企業情報はこれだとか、
2:15:49例えば画像ですね、会社のロゴがこれです
2:15:51だったりとか、そういったところを判断
2:15:52することができるので、ま、それをですね
2:15:54、えっと、ルールベース、LLMに判断さ
2:15:57せた結果、テキストであればこういう
2:15:59ルールで、えっと、変換しますだったりと
2:16:00か、画像であればこういう風な違う画像に
2:16:02変換しますだったりとかですね。ま、そう
2:16:04いったことを、えっと、やらせることが
2:16:06できます。さらにですね、やっぱり言うて
2:16:08もAIとかLLMって100%の精度で、
2:16:11えっと、処理することができないので、
2:16:13じゃあそれをこう人間がですね、最後は
2:16:14やっぱりカバーしてあげる必要があるん
2:16:16ですね。なので、えっと、今これちょっと
2:16:18表示してないんですけども、実際にこう
2:16:19AIがマスキングしたものを、えっと、
2:16:21えっと、実際にその原本とマスキングされ
2:16:23たものを比較したりとか、さらにですね、
2:16:25えっと、どういうものをテキストを
2:16:27マスキングしているのかだったりとか、
2:16:28えっと、画像でマスキング漏れしてるもの
2:16:30がないのかとかですね、そういったものを
2:16:31ですね、表示してあげて人間がAIができ
2:16:34なかった部分をカバーするってことを、
2:16:36えっと、簡単にできるようにしています。
2:16:39なのでなんとなくイメージしていただけれ
2:16:40ばと思うんですけども、例えば1、えっと
2:16:42資料にですね、50ページあって
2:16:44めちゃくちゃなんか、えっと、文字数も
2:16:46あったりとかするそういったものをですね
2:16:47、人間がマスキングするとすごい時間
2:16:49かかると思うんですけども、AIが基本的
2:16:51に処理をしてくれて、あとはレビューで、
2:16:53えっと、例えば90%マスキングされてる
2:16:56としますと。で、残り10%をちょっと
2:16:57確認しながらやっていくってのって全然
2:16:59こう作業効率は変わってくると思うんです
2:17:01よね。そういったこう、えっと、便利な
2:17:03機能とかもですね、AWSに実装して、
2:17:05えっと、今デリバリーをしていたりとかも
2:17:07します。
2:17:10はい。さらにこのAIワークホースっての
2:17:11は、え、じゃ、AIワークフローってのは
2:17:13めちゃくちゃ便利な、えっと、強力な
2:17:15ツールではあるんですけども、さらにそれ
2:17:16をエージェンティックな体験でよりこう
2:17:19UXをよくしていく、よりケースにカバー
2:17:21していくってことを今我々は取り組もうと
2:17:23していて、その取り組みがですね、えっと
2:17:25、エージンテックワークフローというもの
2:17:26になります。
2:17:29はい。なんで、ま、A枠フォローは強力な
2:17:30武器なんだが、さらにそれを、えっと、
2:17:32カバーレッジを上げていくだったりとか、
2:17:34USケースをカバーしていくってところが
2:17:35、えっと、目的のプロダクトになります。
2:17:39はい。で、このエージェンティックワーク
2:17:41を通してですね、えっと、先ほどからその
2:17:43業務の完全自動運転みたいな話があったと
2:17:45思うんですけども、まずエアクホースで
2:17:46目指してるのは、えっと、文書処理業務に
2:17:49おける完全自動運転ってところをまずでき
2:17:51ないかなっていうの思ってます。で、
2:17:53やっぱり人間がやってる業務ってその
2:17:54幅広くてですね、えっと、なかなかその
2:17:56それを、えっと、完全自動運転に持ってい
2:17:58くってのはすごく難しかったりとかするん
2:17:59ですけども、文書処理業務ってのはまさに
2:18:02LLMの登場によって多くのケースを
2:18:04カバーできるようになってきたなっていう
2:18:05風に思ってます。なのでそこにしっかりと
2:18:07したプロダクトを載せてかつUXの良い、
2:18:10えっと、インターフェースだったりとか
2:18:11ですね、そういったものを提供したりとか
2:18:12、人間がやっていることをですね、
2:18:14どんどんエージェントに覚えさせて、それ
2:18:16をこう再現性持ってできるようにしていき
2:18:18、人間が本当に少しの時間でチェックすれ
2:18:20ば済むような、ま、そういったこう世界を
2:18:22、えっと、イメージしている形になります
2:18:24。
2:18:26はい。なので、えっと、さらにこの
2:18:28エージンティックワークフロ、えっと、
2:18:29エージェンティックワークフローっていう
2:18:30のはですね、えっと、AIワークフロー、
2:18:32先ほどご紹介したAIワークフローとAI
2:18:34エージェントの良いところをこう、なんか
2:18:37合わせた仕組みみたいな形でイメージ
2:18:38いただけると良いかなと。で、ちょっと
2:18:41それをですね、アーキテクチャー的な
2:18:42ところをこうご説明しながら、えっと、
2:18:44簡易のアーキテクチャーなんですけど、
2:18:45えっと、ご説明しながら、えっと、お話し
2:18:47た方がイメージができると思うので、その
2:18:48辺りの話に行きたいなと思います。
2:18:52まずですね、えっと、実際にこう仕事を
2:18:53する時にですね、ワークルームっていうの
2:18:55を我々は定義をしています。ま、働く場所
2:18:57ですね。はい。で、ここにですね、えっと
2:18:59、AIエージェントと、えっと、実際に
2:19:01その先ほど定義したようなワークフローが
2:19:03あるって感じです。で、このワークフロー
2:19:06の中には先ほどあの、えっと、
2:19:08キャプチャーでこういろんなノードがある
2:19:09みたいなやつを見せたと思うんですけれど
2:19:10も、実際にそのワークフローの中に
2:19:12いろんなそのタスクですね、えっと、この
2:19:141つの仕事をする中でこういうタスクが
2:19:16ありますよねっていうのを定義していき
2:19:17ます。
2:19:19で、そのタスクの中にはいろんなその
2:19:21オペレーションが、えっと、あると思うん
2:19:22ですよね。例えば、ま、コopペとかも
2:19:23そうだと思うんですけど、人間も何かしら
2:19:25タスクやる時に何かしらのアクションする
2:19:27と思うんですけど、ま、その
2:19:28オペレーションだっていう風に、えっと、
2:19:29イメージいただければといいかなと。で、
2:19:32さらにそのオペレーションの中にですね、
2:19:33ちっちゃいエージェントもいてですね、
2:19:35その、えっと、オペレーションを、えっと
2:19:37、ちっちゃいエージェントによって簡単に
2:19:38こう自動化するだったりとか、簡単にこう
2:19:40人間がコピペもなんか反復的にやってる
2:19:43ところはもうエージェントに任せよう
2:19:45みたいなところでやれるようになってい
2:19:46たりとかもします。
2:19:49そして皆さんもお仕事される時に何もない
2:19:51ツールも何もない中で仕事をするわけじゃ
2:19:53なくて、何かしらツールを使ってお仕事さ
2:19:55れると思うんですけども、ここに便利な
2:19:57ツールボックスとして、えっと、ツールが
2:19:58ある形になります。で、こういう
2:20:01ワークルームの中にそういったワーク
2:20:03フローを定義するんですけれども、さらに
2:20:04ですね、そのワークフローを、えっと、別
2:20:06に1個、1個だけではなくてですね、えっ
2:20:08と、N個全然用意ができると。なんで、
2:20:11えっと、こういう仕事をする時に、え、
2:20:12大体定形的にこういう風な仕事をするよ
2:20:15ねってのはそれぞれのワークフローでこう
2:20:16定義をしていくってようなイメージです。
2:20:19で、これでこう準備が整ったわけなんです
2:20:21けれども、えっと、ここにですね、えっと
2:20:23、皆さんユーザーがですね、エージェント
2:20:24に対して、ま、今はそのチャットの
2:20:26インターフェースになってくるんですけど
2:20:27も、チャットのインターフェースでこう
2:20:28いうことやりたい、こういうことやって
2:20:29くださいみたいな指示を投げるとですね、
2:20:31エージェントはそれを解釈し、じゃあ、
2:20:33えっと、まずは、えっと、ワークフロー1
2:20:35を実行しましょうって形で実行し、で、
2:20:37そこでこうぐるぐるぐるぐるワークフロー
2:20:39を実行するわけですね。で、その実行結果
2:20:41をユーザーに、えっと、フィードバックと
2:20:43して戻します。で、ユーザーはこの結果が
2:20:45良ければそのままじゃあ次の、えっと、
2:20:47作業してくださいっていう指示を出すん
2:20:49ですけれども、えっとユーザーちゃう違、
2:20:51エージェントがワークフローを実行し、
2:20:53その結果に対してさらに追加の作業をした
2:20:55いってなった時は、さらにここでユーザー
2:20:57がエージェントに対して追加の指示を行っ
2:20:59たりとか、ここ間違ってますっていうよう
2:21:00な指示を行う。で、さらにそれを元に
2:21:02ワークフロー1を実行し直すってことが、
2:21:04ま、できるようになります。
2:21:06で、ワークフロ1が無事完了しました。で
2:21:09、それはそのコンテキストを持って次の
2:21:11仕事をするってところでさらにユーザーが
2:21:12ですね、じゃ次はこれをやってくださいっ
2:21:14ていう形で言うとエージェントが分かり
2:21:16ましたっていう形でですね、ワークフロー
2:21:17へのこう実行すると。で、そういう風に、
2:21:20えっと人間がエージェントと対話をし
2:21:22ながらエージェントが実際のその作業の
2:21:24えっと実タスク的な部分を、えっと、
2:21:26ワークフローとして実行していき、その
2:21:28結果を持ちながら、引き回しながらですね
2:21:30、えっと、次のワークフローを実行してい
2:21:31くってことが、ま、実行、えっと、実現
2:21:33できるような、えっと、そういった、えっ
2:21:34と、アーキテクチャーになってます。で、
2:21:37今ですね、なぜ我々はこの
2:21:38エージェンティックアーク保護の
2:21:39アプローチでやってるかってとこなんです
2:21:40けど、やっぱりこの今のAIエージェン
2:21:42トってまだまだ不確実性が高いで、
2:21:44まだまだその技術的に追いついてない部分
2:21:46があるので、なんか、えっと、やらせよう
2:21:48としても精度が低かったりとかですね、
2:21:50えっと、人間が業務で使っていくには精度
2:21:52が足りないっていうケースがやっぱり
2:21:53多かったりとかすると思います。なので、
2:21:56えっと、ワークフローっていうある程度
2:21:57固定的に、えっと、なんて言うんですか、
2:21:59業務が固められる部分はそこは一定制度が
2:22:02担保できるので、そこはそこで定義をした
2:22:04上で人間がよりエージェントと
2:22:05コミュニケーションしながら、えっと、
2:22:07そのタスクをワークフローベースで
2:22:09どんどんどんどん実行していくというのを
2:22:11今まずアプローチとしてやっている形です
2:22:13。で、今後ですね、その技術がどんどん
2:22:15進化してくる中で、えっと、もっとこの
2:22:18ワークフローのところがですね、えっと、
2:22:19簡単なものであれば、えっと、自動で生成
2:22:21するだったりとか、えっと、もっとこんな
2:22:23ワークフローを定義しなくてもですね、
2:22:25エージェントが自立的にというか、ある
2:22:26程度勝手にやってくれる、えっと、領域も
2:22:28どんどん増えてくると思ってるんですけど
2:22:29も、それはその技術の進化に合わせて実装
2:22:32していけばいいかなていう風に思ってるの
2:22:33で、えっと、こういった概念でより精度
2:22:35高くですね、皆さんの、えっと、ユーザー
2:22:37の業務をですね、便利にしていくってこと
2:22:40をやっていこうという風に考えてます。
2:22:43はい。で、そろそろなんです。で、ちなみ
2:22:45にこれ、あの、今我々が作ってる
2:22:46エージェンテクワクロのちょっとデモ的な
2:22:48、えっと、キャプチャーなんですけど、ま
2:22:49、左側にチャットのUIがあって、で、
2:22:51例えばその資料を検索したいってなった時
2:22:54に、えっと、エージェントにですね、こう
2:22:55いった、こう、資料を探してるんです
2:22:56みたいな、例えばこういうグラフのある
2:22:58資料を探してますってなると、ま、
2:22:59エージェントが探してきて、こういった
2:23:01タイル上で結果を出して、で、ユーザーが
2:23:03それを選択して、じゃあこの選択した資料
2:23:06を使って、えっと、新しいスライド作って
2:23:08みたいな感じの指示を出してとか、ま、
2:23:10そういったこう、えっと、
2:23:11エージェンティックにですね、業務を
2:23:12どんどん進めていく。で、これがなければ
2:23:14普通、えっと、自分が、えっと、こういう
2:23:16AIエージェントがなければですね、なん
2:23:18かストレージの中を検索してあれかな、
2:23:20これかなってファイルを開いて、で、目的
2:23:22のスライドを見つけてですね、あ、これこ
2:23:24れってやってコピーペして置いてとか、
2:23:25そういうのを延々と繰り返す感じになると
2:23:27思うんですけども、エージェントが登場し
2:23:28たことによってそういったことをですね、
2:23:30えっと、人間がやってることを、えっと、
2:23:31ショートカットしてくれるっていう、ま、
2:23:33そんな、えっと、便利なところもあるかな
2:23:34と思います。これはですね、まだまだ一例
2:23:37なので、もっといろんなケースを広げて
2:23:39いきながらですね、ドキュメントワークに
2:23:40おける、えっと、いろんなその業務の効立
2:23:42化だったりとか、えっと、より
2:23:43クリエイティブなところに人間が時間を
2:23:45避けるようなそういったものをですね、
2:23:46提供していければなていう風に思ってい
2:23:48ます。
2:23:51はい。で、残りちょっと時間、えっと、
2:23:53わずかなんですけれども、えっと、
2:23:54ホリゾンタルなプラットフォームを目指す
2:23:56理由で、今までその、ま、ツールって言う
2:23:58ても点ですよね。で、なので、えっと、
2:24:00もっと幅広く、えっと、カバーしていか
2:24:01ないと人間の、えっと、人口現象に合わせ
2:24:04た労働力を補っていくってことできない
2:24:06ですよねって。で、なので我々はその汎用
2:24:08的なホリゾンタルなプラットフォームを
2:24:09目指してますって話をしたんですけど、
2:24:11もうちょっと、えっと、補足していければ
2:24:12と思うんですけれども、AIにおける最
2:24:15重要項目っておそらく皆さんパッと
2:24:16イメージできると思うんですけど、やっぱ
2:24:18データなんですよね。データをどういう風
2:24:20に集めるかっていうのがすごく重要なって
2:24:21いう風に思ってます。で、我々ですね、
2:24:24その1つ1つのユースケースからもちろん
2:24:25登っていってはいるんですけれども、その
2:24:27ユースケースってどんどん繋がりが作って
2:24:29いけるるっていうの持ってます。で、その
2:24:31繋がりをどんどん作っていくとどんどん面
2:24:33になってきて、で、かつそのデータの
2:24:34繋がりがあることによって様々なケースに
2:24:37より、えっと、チャレンジをしていくこと
2:24:38ができるっていう風に思ってます。なので
2:24:40これをやるにはやっぱりそのホリゾンタル
2:24:42なプラットフォームである必要があって、
2:24:44えっと、バーティカルなプラットフォーム
2:24:45であればその横の広がりってば作ることが
2:24:47できないんですよね。で、かつ現場の人が
2:24:50もちろん便利になっていくってのはすごく
2:24:51重要なんですけれども、なんか経営目線で
2:24:53考えた時にいかにこのシステムを入れる
2:24:55ことによって企業価値を上げられるかで
2:24:57かつその企業価値って何かっていうと売上
2:24:59を上げられるかとかですね。そういった
2:25:00ところにやっぱり視点が移るんですけれど
2:25:02も、やっぱりそのためには単なる業務効率
2:25:04化生産性を上げるだけではなくてですね、
2:25:06そこから生まれるデータをもになんとか
2:25:08新しい事業をどう作れるかとかですね、
2:25:10そういったところの、えっと、発想も持ち
2:25:12ながらですね、やれるとデータをさらに、
2:25:14えっと、生かすことができるっていう風の
2:25:15持っているので、なので、えっと、我々は
2:25:17そのアプローチも、えっと、イメージし
2:25:18ながらですね、えっと、ホリゾンタルな
2:25:20プラットフォームを、えっと、取り組んで
2:25:21いる形です。
2:25:23はい。ま、とはいえやっぱり現場で便利に
2:25:26使われないと、あの、入っていたとしても
2:25:28チャンスちゃうので、えっと、しっかりと
2:25:30現場で使われるために現場のUSケースを
2:25:32しっかりと理解した上でデリバリーをして
2:25:33いくというところはすごく、えっと、重要
2:25:35だと思ってます。はい。ま、なんでその
2:25:37ために個別ニュースケースをしっかりと
2:25:39やっていきましょうっていうところを我々
2:25:40はやっています。ただ、えっと、我々です
2:25:42ね、プラットフォーム事業、えっと、
2:25:44サースというか、えっと、プロダクトを
2:25:46プラットフォームとして提供するってこと
2:25:47やってるので、えっと、自宅の開発をやっ
2:25:49てるわけでありません。なのでお客様の
2:25:50ユースケースを聞きながら、じゃあこう
2:25:52いうドメインのこういう業務であれば汎用
2:25:54的にこういう風なやり方ができるだろうっ
2:25:56ていうところを目指しながら、えっと、
2:25:57やっております。
2:26:00で、さらにですね、ちょっと最後の1つ、
2:26:01えっと、皆さんお仕事する時に、えっと、
2:26:03いろんな人にこう指示を出すと思うんです
2:26:04よね。え、Aさんこれやってください。B
2:26:06さんこれやってください。で、それでA
2:26:07さん、Bさんがそれぞれ仕事が終わったら
2:26:09、えっと、戻ってきて、えっと、それを
2:26:11レビューして追加の指示っていうことやる
2:26:12と思うんですけど、まさに先ほどご紹介し
2:26:14た、えっと、エージェンティックワーク
2:26:16フローが人間が、人間とユーザーがですね
2:26:18、コミュニケーションするってところが、
2:26:19えっと、そういう動きになってるかなって
2:26:20いう風に思います。なので、待たなくて
2:26:22いいんですよ。エージェントに指示したら
2:26:23、あとは仕事してくれて、で、結果をこう
2:26:25フィードバックしてくれて、それに対して
2:26:26指示をすればいいだけなので、で、こう
2:26:28いう人間の働き方、この分散非同機的に働
2:26:30くってのがまさにエージェントの時代でき
2:26:32るっていう風に思っているので、ま、そう
2:26:33いったところを目指していきたいなと思っ
2:26:35てます。それエアエージェントでっていう
2:26:37とこですね。はい。なのでそういったこと
2:26:39を踏まえながらですね、幅広くいろんな
2:26:41業務に適用していきながら、ま、日本の、
2:26:43えっと、課題解決に取り組んでいければな
2:26:45と思っております。はい。これ繰り返した
2:26:48ので、で、そのためにはそのやっぱり技術
2:26:50検証、新しい技術をプロアクティブにやっ
2:26:51ていく必要があると思ってるので、ま、R
2:26:53&Dにも、えっと、積極的に取り組みたい
2:26:55なというのに思ってますので、この辺りも
2:26:56、えっと、様々な取り組みできたらですね
2:26:58、皆さんに教育していきたいなと思って
2:27:00おります。はい。ということで、ベッド
2:27:03AIっていうところですね、えっと、皆
2:27:04さんもAI色々と活用されてると思うん
2:27:06ですけども、我々も頑張って活用してるの
2:27:07で、是非情報交換含めてやらせて
2:27:09いただければと思います。じゃ、本日は
2:27:11ありがとうございました。
2:27:12[拍手]
2:27:18はい、小林さんありがとうございました。
2:27:21え、そうですね、スライドに結構質問が来
2:27:25ておりますので、いくつかピックアップし
2:27:28てご紹介したいと思いますので、お答え
2:27:30いただければと思います。
2:27:32まずは簡単なところから行きますね。
2:27:35AI
2:27:36はコースは非常に汎用性が高いプラットフォームだと感じました。多くの業界や業務がある中で最初にターゲットとして導入を進めているのはどのような業務領域でしょうか?
2:27:47はい。えっとですね、今実際にえっと対応させていただいてるお客様のケースでいいとナシェア系がえっとまずファーストでやっております。
2:27:56で、えっと、やっぱりそのなんて言うん
2:27:57ですかね、先ほど言った通りですね、
2:27:59なかなかドキュメントを探すって
2:28:01めちゃくちゃ大変なんですよね。で、そこ
2:28:03をナレーチ、えっと、ナレーシェアって
2:28:04いう形でやるのと、やっぱりその共有する
2:28:06ドキュメントのそのマスキングの話もあり
2:28:07ましたけれども、そういったところに
2:28:09ALLMとかの力を使って、今まででき
2:28:11なかった位置をどういう風にシェアする
2:28:12かっていうところを解決するのを、えっと
2:28:14、やっています。で、それ以外にも、あの
2:28:16、並行して色々と進んでいるんですけども
2:28:18、なんか今パッと思いついたのがそこか
2:28:20なっていう感じですね。はい、ありがとう
2:28:22ございます。では、これはちょっとこの今
2:28:26の質問に関連して、え、1個あるので是非
2:28:29あのお話ししていただければなと思います
2:28:31が読み上げます。AIコースの発想は
2:28:34素晴らしいと思いつつ、その
2:28:36プラットフォームを使った実装や実行は
2:28:38契約したに依存すると考えています。顧客
2:28:42がエコシステムを来る活用するには
2:28:45プラットフォームやれがあれば自立が
2:28:47できるとは思えないのですが、導入に向け
2:28:50ては絆創園など行っているのでしょうか?
2:28:53はい。えっと、まさに、えっと、この質問
2:28:55していただいた方は実際にこう導入する
2:28:57ところの難しさっていうところを、えっと
2:28:58、なんか理解されてるというか、えっと、
2:29:00認識されてるんだなと思ったんですけれど
2:29:02も、えっと、実際ですね、えっと、その
2:29:03通りです。で、実際デリバリーしていく時
2:29:05にですね、えっと、プロダクトを提供して
2:29:07おしまいだとですね、なかなか難しいとな
2:29:09ので、えっと、我々が、えっと、我々の
2:29:11チームの中にコンサルメンバーがいるので
2:29:12、実際にそのお客様の業務要件だったりと
2:29:14か、えっと、そういったところをこう
2:29:16しっかりと、えっと、ま、サクセスという
2:29:17かさせていくっていうところも、えっと、
2:29:19重要だと思っていて、結構伴いたりとかし
2:29:22ます。
2:29:23で、ただそれだけだとやっぱりスケールしきれない部分が出てくるので、ま、そこを、えっと、仕組み化していくだとか、えっと、そういったところを並行してですね、えっと、取り組んでいるって形です。
2:29:32はい。ありがとうございます。あの、私小林さんと同じ事業部なので、この話
2:29:371
2:29:38つちょっともうちょっとコミットした話をお伺いしたいなと思ってまして、あの、最近
2:29:42FDE
2:29:43っていうポジションの話もあると思うので、是非その話も簡単にご紹介いただければなと思いますが、いかがですか?
2:29:48はい。はい。なんかナイスなふりですね。
2:29:50ありがとうございます。
2:29:51はい。で、実際ですね、えっと、我々の
2:29:53プロダクトをそのまま使っていただくって
2:29:54ので、えっと、便利になるケースもあると
2:29:56思うんですけども、そのお客様独自の個別
2:29:58の強い要件とかってのもやっぱあると思う
2:30:00んですよね。で、かつ現状まだエアワーク
2:30:02ホースが、手が届き切れてない部分って
2:30:05いうところもあると思っていて、そこは
2:30:07ですね、えっと、まさにFDという、えっ
2:30:08と、エンジニアが実際にそのお客様の
2:30:10最前線に立って実際のニーズだったりとか
2:30:13課題を聞いてですね、そこに対する
2:30:15ソフトウェアを作るっていうところも含め
2:30:16て、えっと、やってデリバリをしていくっ
2:30:18ていうアプローチもまさにやっています。
2:30:20で、最近あのFDE
2:30:21の、えっと、募集とかも始めたりとかしてるんですけれども、そういう風にこう最前線エンジニアみたいな形で、えっと、ヒリヒリしながらやる役割もあります。
2:30:29ありがとうございます。ま、ちなみに私、あの、自己紹介で
2:30:32SREという話もしたんですが、SRE
2:30:34も同じような形で、FDE
2:30:35とは違う領域なんですが、最前線に立って頑張ってるので、本当に、ま、このポジションとかは結構熱いところではありますといったところです。では最後にもう
2:30:431
2:30:43つだけクイックにお答えいただければなと思います。これを最後の質問にしたいと思います。
2:30:49AIワークコースはGUIでワークフロー
2:30:51を作るということですが、抽象化すると
2:30:53ディフィのようになるかと思いました。
2:30:55これでは競合として考えていますか?競合
2:30:58優意性を聞したいです。競合ではない場合
2:31:00AIワークホースの独自性を知りたいです
2:31:02。世界を視野に得たサービス視点でお聞き
2:31:05できれば嬉しいです。いかがでしょうか?
2:31:07はい、ありがとうございます。
2:31:08まさにファイト
2:31:09比較されてされることが多かってですね、えっと、いろんな全然違う観点があるんですけど、ちょっと時間の関係でそんなにお話しできないんですけど、僕の
2:31:181
2:31:18個の重要なイってのはやっぱり先ほど話したデータだと思ってます。で、どういう風にこう蓄積していくのかっていうのとセットで、えっと、考えていく必要があると思っていて、ま、簡単に言うとなんかちょっとイメージ違うかもしれないですけど、データ基盤とちゃんとフローがしっかりと、えっと、揃っている
2:31:32プラットフォームだっていう風に思ってただけると良いのかなと思ってます。
2:31:35はい。
2:31:37ちょっと簡単な答えになっちゃうんですけど、そんな感じです。
2:31:40はい、小林さん、ありがとうございます。たくさんご質問いますが、時間の都合上こちらで、え、終了とさせていただきます。たくさんのご質問ありがとうございました。以上でセッションを終了いたします。この後は、え、
2:31:5330分、え、16
2:31:54時まで、え、休憩に入ります。引き続きハッシュタグベッド
2:31:58AIDで感想を待ちしております。
2:32:00またアンケートもスライド表示のQR
2:32:03コードからぜ非ぜひ、え、していただける
2:32:05とありがたいです。
2:32:14[音楽]
2:32:29[音楽]
2:32:59[音楽]
2:33:31[音楽]
2:33:38[音楽]
2:34:11[音楽]
2:34:40[音楽]
2:34:55[音楽]
2:35:24[音楽]
2:36:04[音楽]
2:36:14[音楽]
2:36:22[音楽]
2:36:37[音楽]
2:37:05[音楽]
2:37:21[音楽]
2:37:51[音楽]
2:38:30[音楽]
2:38:40[音楽]
2:38:48[音楽]
2:39:03[音楽]
2:39:31[音楽]
2:39:47[音楽]
2:40:16[音楽]
2:40:56[音楽]
2:41:06[音楽]
2:41:14[音楽]
2:41:29[音楽]
2:41:57[音楽]
2:42:13[音楽]
2:42:42[音楽]
2:43:15[音楽]
2:43:22[音楽]
2:43:30[音楽]
2:43:45[音楽]
2:44:13[音楽]
2:44:28[音楽]
2:44:54ສ
2:45:00[音楽]
2:45:37[音楽]
2:45:48[音楽]
2:45:56[音楽]
2:46:11[音楽]
2:46:39[音楽]
2:46:54[音楽]
2:47:24[音楽]
2:48:03[音楽]
2:48:14[音楽]
2:48:22[音楽]
2:48:37[音楽]
2:49:05[音楽]
2:49:20[音楽]
2:49:50[音楽]
2:50:29[音楽]
2:50:40[音楽]
2:50:43ب
2:50:48[音楽]
2:51:03[音楽]
2:51:31[音楽]
2:52:13[音楽]
2:52:49[音楽]
2:52:55[音楽]
2:53:06[音楽]
2:53:13[音楽]
2:53:29[音楽]
2:53:57[音楽]
2:54:19[音楽]
2:54:44[音楽]
2:55:21[音楽]
2:55:32[音楽]
2:55:54[音楽]
2:56:23[音楽]
2:57:05[音楽]
2:57:41[音楽]
2:57:47[音楽]
2:57:58[音楽]
2:58:20[音楽]
2:58:49[音楽]
2:59:31[音楽]
2:59:53お待たせいたしました。それでは
2:59:56セッションを再開いたします。
2:59:59続きまして執行役員CISO星北斗により
3:00:04ベッドベッドAIアクセラレーティング
3:00:08アウAIジャーニーです。よろしくお願い
3:00:11します。はい、よろしくお願いします。皆
3:00:14様こんにちは。どうもどうも。ありがとう
3:00:17ございます。ですね、ベッドベッドAI、
3:00:20え、アクセラレーティングAIジャーニー
3:00:21というタイトルでですね、ちょっとベッド
3:00:23ベッドって書くと、あの、ベタベタみたい
3:00:25な感じになりますけども、あの、ベッド
3:00:26ベッドでございますんで、よろしくお願い
3:00:27します。え、星です。よろしくお願いし
3:00:29ます。え、まず初めにですね、自己紹介を
3:00:31させてください。え、星北オクトと申し
3:00:33まして、え、レクスではですね、執行役員
3:00:35、CISOと、え、コーポレート
3:00:37エンジニング、いわゆる情報システム部門
3:00:39の、えっと、マネージャーですね。あと、
3:00:41え、爆落事業という事業が上げますけれど
3:00:43も、え、そちらのSREチームの
3:00:44マネージャーを務めております。で、試合
3:00:47っていうのは、ま、ちょっと聞き慣れない
3:00:48ところもあるかもしんないですけど、あの
3:00:50、チーフ4インフォメーション
3:00:51セキュリティか、もしくはあの、チーフ
3:00:53いい感じにするオフィサーの役と、え、
3:00:55覚えてもらえればなという感じです。で、
3:00:57えっと、元々私、あの、クックパッドと
3:00:58いう会社で、え、キャリアを始めまして、
3:01:00えっと、セキュリティですとか、ま、
3:01:01SREとか、ま、あとコーポレート
3:01:03エンジニアリングといったような領域を
3:01:04ずっとやってました。で、えっと、
3:01:06イギリス出行を経てですね、2023年に
3:01:08、え、CTOとCISOをやってまして、
3:01:11で、レアにはですね、その後2024年の
3:01:131月に入社をしました。え、そこから、え
3:01:15、早いもんで、えっと、もう、え、1年と
3:01:187ヶ月ぐらいですかねになっております。
3:01:20今日はよろしくお願いします。で、えっと
3:01:23、ま、どういうことやってるかっていうと
3:01:24お話をざっくり話すとですね、あの、
3:01:26プロダクトとか会社を横で支えるってよう
3:01:28な仕事をしてます。で、例えば、えっと、
3:01:31爆落事業部は、あの、各プロダクトごとに
3:01:33チーム蘇生をしてるので、ま、あの、
3:01:35エンジニアは、えっと、基本的に自分が
3:01:36担当するプロダクト、え、で、ま、要は心
3:01:40のプロダクトに、ま、フォーカスして開発
3:01:41を進めることになります。で、その中でも
3:01:44例えば機械学習に関するチームとかあと
3:01:46我々のようなSREとか、えっと、
3:01:47プラットフォームのようなチームに関して
3:01:49はプロダクト横断で、ま、物事を進めると
3:01:52いうような形態を取ってます。で、前社で
3:01:54見ると、ま、今その爆落事業とAILLM
3:01:57事業、あとはフィンテック事業、これまで
3:01:58の、えっと、セッションの中でもお話まし
3:02:00たけれども、3領域ありまして、え、
3:02:02コーポレート機能はですね、それらを横で
3:02:04支えるような形を取ってます。で、ま、
3:02:07フィンテックルに関しては、えっと、会社
3:02:08が分れているので別に組織を持っていも
3:02:10するんですけれども、えっと、
3:02:12コーポレーターエンジニング質はいわゆる
3:02:13この横の組織の中にも、え、横の組織とし
3:02:16て、ま、入っていまして、ま、メンバーが
3:02:18使うラップトップですとか、ま、あとこの
3:02:20会場で皆さんお使えるのWi-Fi
3:02:21ネットワークであったりだとか、ま、機材
3:02:23とか、ま、他にも車内システムとか、えっ
3:02:25と、ま、システムのデータ連携みたいな
3:02:26部分ですね。あと今日のトピックでもある
3:02:28全車でのAI活用を支えるというような
3:02:30ことも合わせてやってるというような感じ
3:02:32です。あの、コーポレートエンジニグ室
3:02:34って結構長いので、あの、車内だとですね
3:02:36、あの、いつも、え、公ペン質という名前
3:02:38で呼んでたりします。はい。あの、
3:02:40パソコンができて偉いということです。
3:02:42ちょっと若干伝わんなかったかな?はい。
3:02:44え、先に行きますね。え、で、
3:02:45セキュリティに関しては、えっと、
3:02:46プロダクトと組織とガバランスを、え、
3:02:48含めて1つのチームで担当してるという
3:02:50とこでございます。え、さて皆様、え、要
3:02:54はまさに大AI時代でございます。え、
3:02:57毎日毎週ですね、あのたのこのように、え
3:02:59、新しいサービスが発表されて、え、
3:03:01モデルに立ってもですね、今日はOPAI
3:03:02、え、明日はアントロピック、え、明後日
3:03:04はなんじゃらホいというようなところで
3:03:06ですね、あの、今日会場にいらっしゃる皆
3:03:08さんもあと、あの、え、モニターの前で
3:03:11配信をご覧の皆さんもですね、あの、この
3:03:13波をどう乗りましていこうかと考えられて
3:03:15いるところかなと思いますし、ま、皆さん
3:03:17だけではなくて、皆さんの所属される会社
3:03:20とか、えっと、組織に置かれましても、ま
3:03:22、こういうワードを、え、言われることが
3:03:23あるんじゃないでしょうか。え、曰、え、
3:03:26AIを利活用せよと、もういろんなところ
3:03:29言われすぎてですね、あの、もはや人類
3:03:30共通の夢と言っても過言で、あ、過言です
3:03:32ね、え、過言なんですが、えっと、ないか
3:03:34もしれないし、もう耳たこだともう言わん
3:03:37といてくれという方もいらっしゃると、え
3:03:38、思います。で、この言葉自体はそれこそ
3:03:41昔からずっと言われてきたものだと思うん
3:03:42ですけども、この意味がチャットGPTの
3:03:45前後で、ま、大きく変わってきたなという
3:03:46風に思ってます。ま、どういうところかて
3:03:48いうと、そのディープラーニングに代表さ
3:03:50れるような、いわゆるその機械学習っての
3:03:51がめちゃくちゃでかいムーブメントになっ
3:03:53たのが、ま、2010年代かなという風に
3:03:55思ってまして、ま、それがもはや懐かしい
3:03:57と言えちゃうようなレベルかなという風に
3:03:58思うんですけども、やっぱりその時って
3:04:00その利用も含めて機械学習チームみたいな
3:04:02形で専門家が扱うものだったと思うんです
3:04:04ね。で、えっと、ま、AIがどう動く
3:04:07かっていう部分は専門家が設計をしてで、
3:04:09利用者はその、え、結果を受け取るという
3:04:11ような形でした。で、ま、チャATGPT
3:04:13以降ですねに関してだと、ま、やっぱり
3:04:16AIがどう動くかっていうところがその
3:04:18プロンプトっていう形である意味その反さ
3:04:20れてて、ま、誰でも扱えるようになって
3:04:22ですね、あの結果としてはその文字とか
3:04:24画像といった形でそのインプットから何か
3:04:26が生成されるツールっていうのが
3:04:28めちゃくちゃ増えてます。今も増えてます
3:04:29。で、結果としてそのAIの利用を、利用
3:04:33対象になる人ですねが大幅に広がったと
3:04:35いう風に思ってます。自分で何かをうんと
3:04:37、ま、指示をして、え、何らかの結果を
3:04:39得るというところまでをやりきる人が増え
3:04:41てきたというとこになってます。で、結果
3:04:43としてですね、あの、やっぱり企業での
3:04:45利用の幅もすごく大きく広がったなという
3:04:47風に思ってます。あの、特定の分野に精通
3:04:49してなくてもやっぱり組み込める
3:04:50インターフェースであって、かつですね、
3:04:52モデルの自社運用も実質的にかなり難しく
3:04:55なりました。今ここでローカルLLM全部
3:04:58がっつり運用してますっていう会社さん
3:04:59どれぐらいいるかなっていう感じなんです
3:05:01けど、多分、あ、いた。ありがとうござい
3:05:02ます。っていうぐらいの多分割合なのかな
3:05:05と思っててはい。でですね、実質的に
3:05:07かなり難しくなってきてコストもやっぱり
3:05:09一定かかるというようなところもありまし
3:05:11て、学習とか運用のコストというところも
3:05:13やっぱり外に転下されるになってきたと。
3:05:15で、ま、技術者がいない組織であっても
3:05:16ですね、使えるツールが、え、先ほども
3:05:18申し上げた通りですね、たのこのように
3:05:19毎日増えて、え、きているところですんで
3:05:21、ま、今やあのAI利活用を目標とか組織
3:05:24のミッションに、え、置いていない会社と
3:05:27か組織を探す方が結構難しくなってきてる
3:05:29んじゃないかなという風に思ってます。で
3:05:31、えっと、その上でですね、今日はそんな
3:05:35AI利活用の、あと世界におけるですね、
3:05:37ある1つの会社、えっと、我々の会社の
3:05:39ケースを、え、お伝えできればなという風
3:05:41に思ってます。で、我々レックス、えっと
3:05:43、プロダクトとプロダクトを支える領域の
3:05:45両方でAIを積極的に活用してます。え、
3:05:48プロダクトではですね、例えば爆落におい
3:05:50てはAICRという機能があるんですけど
3:05:52も、ま、その機能を初めとして、え、
3:05:54サースの機能、爆落AIとして、ま、色々
3:05:56なサービスを提供してますし、直近だと、
3:05:59えっと、爆落AIエージェントというよう
3:06:00なものもですね、発表させていただきまし
3:06:02た。で、AIワークフォースは前の発表に
3:06:04もありましたけれども、プロトのコアに
3:06:06AIを据えた、ま、AI利活用を支える
3:06:08プラットフォームです。はい。で、また
3:06:10ですね、えっと、そこだけではなくて、え
3:06:12、プロダクトを支えるための、え、作って
3:06:15いく、支えていく領域での活用も進んで
3:06:17ます。え、みんな大好き、え、クロード
3:06:19コードをはめとした、ま、開発を支える
3:06:21ものであったりだとか、あとプロダクト
3:06:22マネージメントとか、え、セールス、
3:06:24サポート、オペレーションみたいな
3:06:25ビジネス領域、ま、他にもコーポレート
3:06:27領域でも、えっと、かなり活用が進んでき
3:06:29ているというような状態です。とはいえ
3:06:31ですね、我々もストレートにここまで、え
3:06:34、来たわけではありません。え、2023
3:06:36年からですね、えっと、2023年もっと
3:06:39前かなぐらいから、えっと、積極的な推進
3:06:41が始まったんですけれども、え、行動指針
3:06:43、我々の考え方のOSも、え、
3:06:45アップデートするぞというところに至った
3:06:47のは今年2025年です。で、AIへの、
3:06:50え、取り組みやりきるぞという経営レベル
3:06:52の、ま、強い意思を根手に持って、えっと
3:06:54、進めてきています。
3:06:57ではですね、えっと、実際にどういう形で
3:07:00利活用を前車で進めてきたのかというよう
3:07:02な話を、え、していきたいと思ってます。
3:07:04で、いい活用意にあたってはですね、ま、
3:07:05いろんな課題が出てきます。で、ちょっと
3:07:07やっぱり環境を整えてみてもなかなか利用
3:07:10が進まなかったりとか、やっぱりトレンド
3:07:12がどんどん変わっていくので、何に
3:07:13乗っかったらいいのか分からなかったりと
3:07:14か、ま、コストマネジメントを崩壊したり
3:07:16とか、ま、セキュリティで困ったりとか、
3:07:18ま、色々あると思ってます。ここに
3:07:19いらっしゃる方、え、配信見られてる方も
3:07:21ですね、同じような悩みを持たれてる方
3:07:23いっぱいいらっしゃると思うんですけれど
3:07:24も、私もそうでした。はい。で、もちろん
3:07:27そのCISOという役割もあとあるんです
3:07:30けども、普通にそのITシステムとして見
3:07:32てみても、やっぱり1番最初に気になるの
3:07:33はセキュリティの、え、部分なんじゃない
3:07:35かなという風に思います。
3:07:38というのも、あの、組織における情報
3:07:40セキュリティの問題ってそのどう
3:07:42コントロールするかというか、ま、つまり
3:07:43大体のことはそのコントロールができ
3:07:45るって前提に、ま、その暗黙的に立ってる
3:07:48ことが多いなという風に思うんですよね。
3:07:50なんですが、えっと、いわゆるそのAI
3:07:51サービスとかその最近出てくるサービスっ
3:07:53て、あの、どんなプロトだってのはですね
3:07:55、あの、正直コントロール、あの、できる
3:07:58ようなものでは全然なかったりするあの、
3:08:01ものが数多く出てきてるんじゃないかなと
3:08:03いう風に思ってます。ま、どういうことか
3:08:04と言うと、少なくとも今においては、あの
3:08:07、どんな実装をしてもですね、あの、ご
3:08:09自身でそのLLMを使うアプリケーション
3:08:11とかを実装されてる方も多くいらっしゃる
3:08:13と思うんですけど、実装してみると、ま、
3:08:15結局最終的にはモデルプロバイダーにその
3:08:17コンテキストをひ分で渡さなきゃいけない
3:08:19んですよね。はい。みたいなことが起き
3:08:21たりとか、そのオンレイからそのクラウド
3:08:23のシフトみたいな変化だったらユーザー
3:08:24サイドで暗号化したデータをそのまま渡
3:08:26すって言ったようなGA手段も、えっと、
3:08:28一定あると思うんですけれども、今のその
3:08:30AIを、えっと、ま、いわゆるそのAIの
3:08:32そのAPIを使うみたいなケースだと、
3:08:35やっぱりその一得した文章をそのまま
3:08:36LLM目に渡すような研究もあるんです
3:08:38けれども、あと実際今使われているものの
3:08:41多くは、えっと、基本的には人間同様に
3:08:43ひ分で全てを明かさなきゃいけないような
3:08:45状況になってきてると思ってます。そして
3:08:47ですね、何より状況の変化が
3:08:49はっちゃめちゃに今早いので、あの、
3:08:51ちょっと時間をかけて、あの、最高の管理
3:08:54方法をですね、思いついても、えっと、
3:08:55その管理通管理方法自体に、あの、時代が
3:08:59追いついちゃうとか、あるいは、えっと、
3:09:02そもそも流行りのツールが変わっちゃって
3:09:03、そのツールを前提として管理が成り立た
3:09:05なくなるとかっていうことも全然あると
3:09:07思ってます。皆さん今年の頭にどういう
3:09:09ツールを使ってて、で、同じ分野で今
3:09:12流行ってるツールって何ですか?ちょっと
3:09:14思い浮かべてみると多分結構変わってき
3:09:16てるんじゃないかなという風に思うんです
3:09:17よね。はい。で、あの、ま、このスピード
3:09:20感っていうところはおそらく変わらずに
3:09:22むしろ上がると思ってます。で、ま、こう
3:09:24いった形でその解決できる問題と解決でき
3:09:27なできなさそうな問題っていうところを
3:09:29考えた時にですね、その、もちろん
3:09:30セキュリティリスクってのはあと常に考え
3:09:32なきゃいけないんですけれども、同時に
3:09:34その我々スタートアップとしてあの進化に
3:09:37追従ないことによるその経営の経営への
3:09:39リスクっていうところに、えっと、ま、
3:09:41かなりあの、こう、ま、そこにかなり時間
3:09:44を使って考える、え、ようになりました。
3:09:46ま、それこそそのクラウドシフトの時にも
3:09:48うんと変化はあったと思うんですけども、
3:09:49それよりもコントロールできないしかつ
3:09:52あの結構クリティカルになり得うる速さだ
3:09:54なという風に思っています。今ではですね
3:09:56、なのであの多くの会社でCISO自身が
3:09:59これについて考えなければいけない時代に
3:10:00なったなという風に考えてます。ま、あの
3:10:02本来あるべき姿でもあると思うんですけど
3:10:04も、まあ大変な時代だなというところです
3:10:06。というわけで、最初のうちですね、私も
3:10:08いろんなことをできる限りコントロール
3:10:10しようと、え、頑張って考えたんです
3:10:13けれども、ちょっとめっちゃまあまあ怒ら
3:10:14れそうな気もするんですけど、あの、いい
3:10:16意味でですね、諦められるを探すことにし
3:10:18たというのが、あとそのAI時代を受けて
3:10:21のそのマインドの、えっと、1つの変化
3:10:23だったのかなという風に思っています。
3:10:25っていうのは、あ、やっぱり全部
3:10:26コントロールすることはできないし、その
3:10:28コントロールできると思い込んじゃうこと
3:10:30こそがそのセキュリティの視点からもです
3:10:32ね、結構危険なことだなという風に思うん
3:10:34ですよね。で、一方で、あ、ごめんなさい
3:10:37。一方でじゃ、えっと、会社として、えっ
3:10:38と、掲げる、ま、ベッドAIにベッドをし
3:10:41たいと、え、思いました。で、ま、当然
3:10:43リスクはあるんだけれども、そこにかけた
3:10:45上でリスクの度合をコントロールしようと
3:10:48いうところが根本的な発想として、ま、
3:10:50そこを根本して、あの、動いていこうと
3:10:53いう風に、あの、ま、心を固めたという
3:10:55ような感じですね。もたついてることが
3:10:57我々のようなスタートアップにとっては
3:10:58やっぱり最大のリスクであると思っている
3:11:00ので、そのリスクをやっぱりよりその
3:11:03うんとな、なんて言うのかな、ま、その
3:11:04リスクを軽くしつつかつうんと
3:11:07セキュリティのリスクもできるだけ軽くは
3:11:08するんだけども一定需要するというような
3:11:10形が取れないかなというところで模索をし
3:11:12てるのが今というところです。で、一方で
3:11:14ですね、我々がどれだけAIにベット
3:11:17しようがですね、あのお客様のデータで
3:11:19あったりだとか、あとはその大事なものを
3:11:21全部をそのベッドするチップにするわけに
3:11:23いかないんですよね。あの、開示の世界
3:11:25じゃないんで、なんか全額けだみたいな
3:11:27感じにはなかなかいかないと。で、なので
3:11:30その絶対にまずい場所に関しては一定その
3:11:32ストリクトなを定めて、え、ここに関して
3:11:35は、えっと、環境がしっかりしてたりだと
3:11:37か、規約でちゃんとし、えっと、縛られて
3:11:39いるであったりだとか、あとはうんと、ま
3:11:40、コーディングも含めた形でちゃんと使わ
3:11:42れるようなAPIというところをあんと
3:11:44制御されたアカウントの中で使うという
3:11:46ような形で、え、ポリシーを作ったりして
3:11:48います。それ以外の部分に関しては一定の
3:11:50ラインを設けて許容するというような形に
3:11:52してます。で、平たく言えばですね、あの
3:11:54、何かあっても我々が泣けば済む部分、
3:11:57諦めがつく場所、かけていいものっていう
3:11:58のを、えっと、決めて、ま、それを情報の
3:12:00管理ルールの中で示しつつ、え、我々の中
3:12:03でもですね、判断のセンスを磨きながら、
3:12:05え、微妙なラインは直接ジャッジすると
3:12:07いうようなことをやっているという感じ
3:12:08です。ま、こうした形でですね、取れる
3:12:10リスクを、ま、ちゃんと取れるようにする
3:12:11というところをセキュリティとか、え、
3:12:13公邊ペンシの、え、責務にしてますという
3:12:15ところです。さてですね、えっと
3:12:17セキュリティに関する腹を決めたところで
3:12:19、え、実際にベッドエアを加速するために
3:12:21どういうことをしてきているのかという
3:12:23ところについてお話をさせていただきます
3:12:25。AI活用だと言ってですね、あの環境、
3:12:28え、プラットフォームを作ってみたけど
3:12:29みんな使ってくれないっていう経験をされ
3:12:31た方も割と多いんじゃないかなという風に
3:12:33思います。え、我々はですね、正直1番
3:12:36最初の頃はそれに近い状態になったことも
3:12:38ありましたっていうのもAI活用ってあの
3:12:41正直その補助だったりとかその業務
3:12:43プロセスの置き換えをしなきゃいけないの
3:12:44でそれをやるためのエネルギーを練出し
3:12:47なきゃいけないですよね。結構それも変化
3:12:48のためのエネルギーが必要だと思ってます
3:12:50。で、それに加えてどっから始めればいい
3:12:52んだとか、そもそも優勝だけど予算どこに
3:12:54あんのとか、ま、やっぱりなんとか申請と
3:12:56かどうせいっぱい必要なんでしょうとか、
3:12:57なんかいろんな壁があります。エネルギー
3:12:59を削ってくる壁がいっぱいあるので、ここ
3:13:01を薄くするというところに投資をして
3:13:03取り組んできました。
3:13:05で、ま、割とインパクトあったなという
3:13:07施策をいくつか紹介するとですね、1つは
3:13:09、あの、すぐ使えるやつ、つまりあの、
3:13:11入り口に入りやすくした、え、施策があり
3:13:13ます。で、我々最初はチャatGPT
3:13:15チームを全車展開してたんですけど、なん
3:13:17かあの、コスト像もあるし、全員が使っ
3:13:19てるわけでもないしというところで、なん
3:13:20か別なものに乗り換えようかなという
3:13:22ところで乗り換えを考えてました。で、
3:13:24最初はあのOSSのクライエントとかを
3:13:26使ってAPI経由で、えっと、ま、全部使
3:13:28うっていうのものも考えてたんですけど、
3:13:30ちょうどそのGoogle
3:13:31Workスペaceについてるあのジェニ
3:13:32がですね、えっと、進化してきていたので
3:13:34、ま、まずそちらをえっと、ま、表示に
3:13:36するかというような形で始めました。で、
3:13:38そこに関して、えっと、ま、ジェミニ初め
3:13:40の一歩みたいな形でですね、あの、入門の
3:13:42コンテンツを用意してあげると。で、あの
3:13:44、現場の中でもやっぱりフロントランナー
3:13:45的な人たちが行っています。あの、自分で
3:13:47興味を持って少しでも使ってくれてる人
3:13:49達ってのはいるので、そういった方たちを
3:13:51捕まえて、え、ヒアリングをしたりとかし
3:13:53ながらですね、あの、こういう形で使うと
3:13:55、こういうあなたたちに関係のある問題が
3:13:57解決するよというようなコンテンツを作り
3:13:59ました。で、今の時代そのそれこそ成愛に
3:14:02聞いたりとか検索したりとかで他人の情報
3:14:04っていっぱい手に入ると思うんですけど、
3:14:06やっぱり1番聞くのってそれって自分に何
3:14:08の関係があるのっていう部分だと思うん
3:14:10ですよね。で、じゃないとやっぱり自分に
3:14:12できるかもみたいな実感が分かないと思っ
3:14:14てます。そういう意味でその自社で
3:14:15コンテンツを用意していくで、それをその
3:14:17入り口に置いておくってのは結構あの正解
3:14:20なんじゃないかなという風に思ってますと
3:14:21いう感じです。で、結果として、ま、週に
3:14:23N回、えっと、何回だったっけな。えっと
3:14:25、ま、たくさん使うユーザーを、えっと、
3:14:27ま、ヘビーユーザーという形で計測したり
3:14:29とかしてるんですけど、大体今、えっと、
3:14:311.5倍以上に2倍近くかなに伸びてい
3:14:34ますというところです。で、次に始めたの
3:14:37はすぐ使えるものを増やすと、え、作り
3:14:39やすい、あの、自由に作れる
3:14:41プラットフォームの展開というところが
3:14:42ありました。で、あの、自分たちの課題を
3:14:44自分たちで解ける手段を増やしてあげると
3:14:46いうところもやっぱりもう1つそのみんな
3:14:48が、えと、AI自分たちの手で使えるよう
3:14:50にする、実感を持って使えるようにするっ
3:14:52てアプローチとしてすごく大事なことだと
3:14:54思ってます。ただ適当なクラウドサービス
3:14:56をですね、使うとするとやっぱり外部通信
3:14:58とかも含めて結構あの問題が起きやすいな
3:15:01という風に思ってました。なので、ま、皆
3:15:03さんもご存知の通りですね、AIを使う
3:15:05ためのプロダクトすごい勢いでいっぱい出
3:15:07てきてるんですけど、ディフィとかNA
3:15:09みたいなあのソースが公開されてて、
3:15:11えっと、セルフホストが可能なプラット
3:15:12フォームっていうのを自社の環境に展開し
3:15:14て使ってます。これはあのグローバルで
3:15:16使われてて進化にも乗りやすいですし、
3:15:19あとですね、あの我々のえっとAWS環境
3:15:21に閉じて、えっと運用ができるので外部
3:15:23送信みたいなリスクについても判断がし
3:15:25やすいと。で、かつですね、モデルの利用
3:15:26もあとAPIに集約できるので、ま、
3:15:28コストの面でもセキュリティの面でも色々
3:15:30コントロールがしやすいなという風に思っ
3:15:32てます。で、我々SSOの基盤を持ってる
3:15:34ので、えっと、それを使う認証のプロキシ
3:15:36を全体に置いて、え、ま、全ての、えっと
3:15:39、ま、口を保護していますというとこです
3:15:40。ま、こうすることでまず使われるという
3:15:42ような状況を作って、ま、その上で投資
3:15:44判断ができる状態を作ってきました。あの
3:15:47、とかをご存知の方も多いと思うんです
3:15:49けども、NAはそのAI版と思って
3:15:51いただけると良いかなと思います。こちら
3:15:53が結構車内全体で見るとですね、かなりの
3:15:55ユーザーに使われてまして、ま、その大半
3:15:57がかつ、えっと、エンジニアではない社員
3:15:58の、え、アカウントだったりします。で、
3:16:01ノンAPIとかその連携に関しては
3:16:02エンジニアがサポートしてたりするんです
3:16:04けども、えっと、ディフィとかも、えっと
3:16:05、ラグを、ま、使うようなケースで多く
3:16:07使われてまして、こちらがかなり再内でも
3:16:09、えっと、広がっているというような
3:16:10ところです。
3:16:12で、えっと、ま、こういう
3:16:13プラットフォームを用意すると、ま、あり
3:16:14がちな罠でですね、やっぱり場を用意する
3:16:16だけはまず広がらないので、ま、意図を
3:16:18持って広げてに行くとなので、例えば
3:16:20コーポでチームごとに1人ずつですね、手
3:16:23を動かして知識を広げるリーダーを選んで
3:16:25、ま、そこに対してワークショップを開催
3:16:27したいとかもしてます。はい。という
3:16:29ところですね、あの、コーポレーば
3:16:30いろんな課題があるんですけど、その業務
3:16:31課題っていうところがどんどん当事者に
3:16:33よって自分たちの手で解決しつつあると
3:16:36いうところがあるかなと思います。で、
3:16:39えっと、入り口のところでいろんな人が
3:16:40使い始める状態はできたんですけど、今度
3:16:42は別な問題、え、トレンドが変わりまくる
3:16:44問題どうしようというところです。え、
3:16:46チャATGPTとかJただけだったらいい
3:16:48んですけど、特定分野にフォーカスした
3:16:50ものもいっぱい出てきます。で、ま、その
3:16:52中でもですね、個人プランしかないとか、
3:16:53組織で入れないとあんまり意味がないとか
3:16:55、いろんなこともあるし、ま、例えば車内
3:16:57でAI担当みたいな人が全部追いかけて
3:16:59なんか管理訪問を考えてどうにかするって
3:17:01いうのはかなり限界があると思うんですよ
3:17:02ね。なのでみんなが、えっと、分散してで
3:17:05もちゃんと、えっと、一定のマネージをし
3:17:07つつちゃんと、えっと、ま、その個々の
3:17:09AIサービスを試して使い倒せるような
3:17:11環境を作るために、えっと、ま、投資を、
3:17:15えっと、することにしましたというところ
3:17:16です。ま、会社で投資するあの意思決定を
3:17:18ベッドAという形で示したので、ま、
3:17:20ちゃんと意思をまとめてやってるようにし
3:17:21たというのが、え、オープニングでですね
3:17:24、松本も言ってたので、あの、結構あの、
3:17:26ネタが被ぶってめっちゃ焦ってるんです
3:17:27けど、えっと、AIトライアル予算という
3:17:29やつを作りました。あの、我々公ペン質で
3:17:31放課的な予算を確保して、ま、申請ベース
3:17:34で個人に払いすようにし、えっと、
3:17:35払い出すようにしてると。で、ま、利用
3:17:37条件は、あの、2つでチームで合意してて
3:17:40、車内で、えっと、ちゃんと
3:17:41フィードバックをするという2つを守れば
3:17:43、え、使えるようにしてます。それ以上は
3:17:44セキュリティの確認だけはするんですけど
3:17:46、細かい調整をしなくても使い始められる
3:17:48ようにしたりしてます。で、え、ここまで
3:17:50、え、被ぶってですね、えっと、結構焦っ
3:17:52てるんですけども、AIサービスの
3:17:54ほとんどってクレカレ支払うじゃないです
3:17:55か。で、そこであの、爆落ビジネスカー
3:17:57ドってやつを使ってもらうと、えっと、
3:17:59個人単位にあの、バージャルカードを
3:18:00シュッと払いしてシュッとして払って、
3:18:02さらに、あの、爆落資産とやつをお使い
3:18:04いただくとですね、あの、さらに、あの、
3:18:05申請いただいた決済に秒で、え、紐付け
3:18:08られるというような形になってるので、
3:18:09あの、大変便利ですので、是非ご検討
3:18:11いただければと思います。ま、これで実際
3:18:12あの管理側からも、えっと、全車で、えっ
3:18:14と、どれぐらいの人がどれぐらい使ってる
3:18:16かっていう点で結構めっちゃ集計化し
3:18:18やすかったりとかするので、あの、
3:18:19シンプルにバックオフィスの業務を楽に
3:18:21するという点でもお勧めできます。あの、
3:18:23サービスまだお金払ってたっけとかね、
3:18:25そういうのがすぐにそこ置きたりとかする
3:18:26ので、結構便利ですというとこです。で、
3:18:28次に気になるのがやっぱりセキュリティだ
3:18:30と思ってます。使うために何をしないと
3:18:31いけないのとか、規約とかどうするのとか
3:18:33、ま、みんなが支える体制をどうやって
3:18:35作っていくかっていう部分ですね。で、
3:18:37さっきも少しお話ししたんですけど、我々
3:18:39がベッドしようと何だろうとお客様に迷惑
3:18:41かけるわけにはいかないわけです。その
3:18:43ために保護のためのラインを引いてます。
3:18:44ま、新規サービスを使うのに、あの、
3:18:46いわゆるその申請をもらって、え、その
3:18:48内容を確認したりとかするんですけど、
3:18:49そもそも規約のチェックポイントを公開し
3:18:51て、あの、セルフサービスで、えっと、
3:18:53セルフチェックできるようにしたりもして
3:18:54います。え、特に論点になりやすいのは
3:18:56例えば所材値とか利用とか学習とか、また
3:18:59外部認証とか、ま、そういったものが出て
3:19:01くるのかなという風に思うんですけど、
3:19:02そういう必要最低限なところはレビューを
3:19:04してもらって、で、その上でですね、えっ
3:19:06と、その上で扱う情報をベースに、え、
3:19:08セキュリティチームでどうするかっていう
3:19:09ところを判断をですね、できるだけ、えっ
3:19:11と、早くできるような状態っていうのを
3:19:12作ってますという感じです。判断軸超
3:19:15ざっくり言うと、我々がそのコントロール
3:19:17できる範囲っていうところがどこで
3:19:18コントロールできない部分、ま、
3:19:20ぶっちゃけつまり、え、何も起こらない
3:19:22ことを祈らざるを得ない部分ですね。が、
3:19:25え、どこかというところを明確にしながら
3:19:27、えっと、ま、これは使うべきか、ま、
3:19:29それともやめて別な形で解決すべきかと
3:19:31いうところを決めたりしてますというとこ
3:19:32です。ま、あんまりその01のそのなんて
3:19:34言うかな、2択にならない印象かなという
3:19:36風に思うので、ま、これは数こなしていく
3:19:38しかないのかなという風に思ってます。で
3:19:40、その上で、えっと、大外的なとかに関し
3:19:43ても最、えと、最適化をしてます。例えば
3:19:45そのここにいる皆さん、あの、配信見てる
3:19:47皆さんも含めたなんですけど、あの、今
3:19:48すぐ、えっと、全員、あの、できれば当社
3:19:50にご応募いただきたいなという風に思っ
3:19:52てるんですけど、分かります。ごめん
3:19:53なさい。えっとこれだけですね、あのAI
3:19:54、AI言ってるとあの採用での広報者情報
3:19:57とかもやっぱりどういう風に扱われるか気
3:19:58になると思うんですよね。で、ここについ
3:20:01ても、えっと、採用という形で明確にして
3:20:04まして、あの、補助には掴んだけど、最後
3:20:06は絶対に人が決めるよとか、絶対に超え
3:20:08ないラインっていうのを定めて公開したり
3:20:10しています。で、実際その業務の効率化に
3:20:12おいても、あとここを花軸にすることも
3:20:15ありますし、ま、その行動指針の1つとし
3:20:17て我々得という単語を掲げてるんですけど
3:20:19も、こういうセンシティブな部分はまさに
3:20:21特が飛ばれる部分かなという風に思ってい
3:20:23ます。で、他にセキュリティで困る部分、
3:20:25あの、認証情報の管理困ってる方も、あの
3:20:27、結構いらっしゃるんじゃないかなと思い
3:20:28ます。これに関してはあんまり会なくて
3:20:30我々も困ってます。結構数が増えてきてる
3:20:32と。で、ま、大前提お客様の情報とかは、
3:20:34あの、ローカル環境とか前車ページとか
3:20:36ですね、簡単にアクセスできる環境からは
3:20:38、えと、隔離されてるんですけど、ま、
3:20:39ノーションとかのAPIに関しては、
3:20:41えっと、公邊ペン士とかSREチームが
3:20:42スコープを結構細かく管理して発行したり
3:20:45してます。やっぱりこの辺が、えと、数が
3:20:47増えてきたりとかですね、あの、ま、実際
3:20:50どうやって管理すんだっけみたいな部分
3:20:51っていうところがだんだん反雑になってき
3:20:53たりとかもしてるので、この辺いい
3:20:54アイデアが、え、お持ちの方がいてですね
3:20:56、是非、あの、この後教えてくださいと
3:20:58いうとこでございます。最後にですね、
3:21:00あの、セキュリティに限らないんですけど
3:21:02、めっちゃ重要な文化としてやっぱり気軽
3:21:03に引ける相談の体制があるなという風に
3:21:05思ってます。X結構オープンにやっていく
3:21:07ことを大事にする会社でして、あの、
3:21:10いろんな人に聞き合うことができる環境を
3:21:12作ってます。例えばそのセキュリティ委員
3:21:13会のチャンネルに来たらサービスの安全性
3:21:15とか情報の扱い方について相談できると
3:21:17いうような状態にしてますし、公邊ペンシ
3:21:19とかSRUはキーの発行とか使い方の、え
3:21:21、話もできます。で、えっと、車内にAI
3:21:24活用に関するチャンネルとかもめっちゃ
3:21:25いっぱいあってですね。で、そこでみんな
3:21:27がその、こういうことしたいんだけどどう
3:21:28しようみたいなことを気軽に聞けるように
3:21:30なってます。で、ま、そこに対して周りで
3:21:32取り組んでる人とか、あの、プロトを担当
3:21:34してるエンジニアとかっていうのが割っと
3:21:35出てきながらですね、必要だったら車内
3:21:37システムとかにも機能実装したりとかし
3:21:39ながら、え、やっていってるというとこ
3:21:40です。で、さらに、え、自衛のシェアが
3:21:43ですね、めっちゃ活発です。で、シェアし
3:21:45た反応、え、シェアした内容に反応を
3:21:46くれる人もすごく多いので、ある
3:21:48プロダクトでやった事例が他のプロダクト
3:21:50にもどんどん広がって、他の事業部に
3:21:51みたいなところも、え、かなり増えてます
3:21:53。ま、いろんな仕組みを設計する部分も
3:21:55あるんですけど、何よりこの気軽にシェア
3:21:57するとか、え、気軽に聞くとか、え、助け
3:21:59るっていうAI関係ない文化っていう
3:22:01ところが、あの、ベッドAIの、えっと、
3:22:03ま、進捗新捗をですね、あれ意味支えて
3:22:05いるとも思ってます。で、え、やってる
3:22:08ところをですね、いくつか紹介したところ
3:22:09で、じゃ、実際これでどういう事例がある
3:22:11のかというところについてもお話をします
3:22:13。え、最初から結構パンチあるんですけど
3:22:15、人事部門がですね、自分で手を動かして
3:22:17、ま、ガスだったりだとか行動を書いて、
3:22:19ま、収労証明書、あの、保育園とか申請
3:22:21する時に使われてですね。はい。あれを
3:22:23じゃ、えっと、半自動で申請してスラック
3:22:24で返してくれるみたいなものを書いたりし
3:22:26てます。もちろんそのAPI使うところと
3:22:28か、あの使い方間違えると事故るところも
3:22:30あるんでエンジニアがもちろんサポートは
3:22:32するんですけど、やっぱりドメインに1番
3:22:33詳しい現場部門で手を動かして物を作れる
3:22:35ようになってきてるというところが1つの
3:22:37変化で他にもですね、相談の左配、え、
3:22:40爆落に興味持っていただいたお客様と、
3:22:42あの、お話するのを我々の中で誰にする
3:22:44かっていう部分を、あの、お客様の興味と
3:22:47か、あとは、えっと、ご紹介する
3:22:48プロダクトとかですね、あと他の相談の
3:22:50状況、例えば4時間ぶっ通し相談みたいな
3:22:52、え、鬼の状況にならないように、え、
3:22:54いい感じに調整してスケジュールを作ると
3:22:56いうのをNATNを使って、えっと、作っ
3:22:58ていたりもします。これも現場で直接作っ
3:23:00てまして、月で数十時間ぐらい、えっと、
3:23:02効率化されたという風に聞いてます。それ
3:23:05以外にもですね、めっちゃいっぱい事例が
3:23:07あります。アイデアの壁打ちとかすごく
3:23:09よくあると思うんですけど、他にもあの、
3:23:11カーソルから、えっと、ノションを使って
3:23:12、えっと、相談とか業務フローズを、えっ
3:23:14と、整理するのをですね、自動化するのを
3:23:16営業チームの中でやってたりですとか、
3:23:18あとAIエージェントをいろんなチームで
3:23:19作っていたりとか、ま、あとは新規取引先
3:23:21とかのチェックを半事動化したりといった
3:23:23ようなものですね。ま、そういったものが
3:23:24色々あります。本当にたくさんあるんで、
3:23:26レxのノートとかあと昨日までやってた
3:23:28ランチタイムのLTでもご紹介してるので
3:23:30是非あの見てみてください。で、えっと
3:23:32一気に喋ってきたんですけど、最後にあの
3:23:34それっぽいことをもうちょっとだけ言って
3:23:35終わりにします。え、我々ですね、あの
3:23:37ベッドAIという強い意思を持って、え、
3:23:39取り組みを加速するためにいろんなことを
3:23:41やってきます。で、試合層としてはその
3:23:43ために全てをコントロールするでき
3:23:45るっていう考え方から、えと、1回離れる
3:23:47必要があるなという風に思いました。で、
3:23:49ま、これはそもそもそのビ法AIの世界で
3:23:52さえも難しくて、元々当たり前なんです
3:23:54けど、ちゃんとリスクをコントロールし
3:23:55ましょうと。で、把握して軽減したり
3:23:57できるようにするために何ができるかを
3:24:00考えるということをやってきました。ま、
3:24:02そのために必要な、えっと、考え方、
3:24:04例えば外部ツールどう評価するとか、ま、
3:24:06何が1番大事とかそういうものも、えっと
3:24:07、積極的に広めていっています。で、こう
3:24:10いう考え方をベースにして
3:24:11プラットフォームとか自由な発想に投資を
3:24:13するというのを意図を持ってやっています
3:24:15。え、ま、ただですね、あの、ご紹介した
3:24:17ように場を作るだけだと多分うまくいか
3:24:19ないなという風に思ってまして、で、それ
3:24:21をサポートしたりとか広げたりするあの
3:24:23活動がめっちゃ大事です。スラックの
3:24:25リアクションでもいいし、レアXだと月に
3:24:271回表彰する制度があったりとかして、ま
3:24:29、そういう場で盛り上げたりもしてます。
3:24:30その盛り上げをですね、うまく使い切る
3:24:32ためにさらにそっから何を作ろうとなった
3:24:35時にですね、気軽に入らせる文化を育てる
3:24:37というところがめちゃくちゃ大事です。
3:24:38初心者すぎて不安みたいなあのことがない
3:24:41ようにですね、みんなで適切なお切が
3:24:43できる文化作りというところに投資をして
3:24:45いってるのが、あの、すごくいいんじゃ
3:24:47ないかなという風に思っています。さて、
3:24:49長くなりましたが、え、今日ここでご紹介
3:24:51した以外のこともいろんなことがあります
3:24:52。我々の事例が100%正解とは全然思っ
3:24:55てなくてですね、むしろ組織にあった会と
3:24:57か、えっと、皆さんのチームに適した会が
3:24:59絶対あると思います。で、あのAIの世界
3:25:01でですね、みんながそれを使えるように
3:25:02する、特に安全に使えるようにするって
3:25:04いう部分には、まだまだ多くの課題とか、
3:25:06えっと、進化が、えっと、あってですね、
3:25:07今日話したことも1年後にはめっちゃ古く
3:25:09なってる可能性全然あると思ってます。な
3:25:12んですが、やっぱり新しいトピクに悩め
3:25:13るってすごく贅沢なことだとも思うんです
3:25:15よね。はい。で、ま、そんなこんなでです
3:25:18ね、あの、悩みはつきないんですけど、お
3:25:20互い楽しんでやっていきましょうという
3:25:21ところで発表、え、終わらせていただき
3:25:23ます。どうもありがとうございました。
3:25:30星さん、発表ありがとうございました。はい。え、くつかスライドでご質問が来ておりますので
3:25:39お答えいただければと思います。
3:25:41はい。これどっちみ?こ
3:25:42はい。それでは早速最初の質問からいきます。最後に仕組みより文化が最も強く作用しているというお話がありましたがレイヤ
3:25:52X
3:25:52さんのようなオープンな相談文化は一隻地由には作れないと思います。
3:25:58これからAI
3:25:59活用を全車で推進したいと考えている企業がレイヤ
3:26:02X
3:26:02の文化から学べるとしたら何が最も重要な最初の
3:26:051
3:26:05歩になるでしょうか?ああ、これはそうすね。車内で、車内で起きてるその相談ごとかにとにかく広く首を突っ込みまくるでそれがなんか外から見えるようにするっていうのが結構いいんじゃないかなという風に思います。
3:26:23あの、要はなんて言うかな、こういうこと
3:26:26とかなんか僕とかなんかいろんな人が答え
3:26:28ていいんだっていうその環境、環境作り、
3:26:31ま、雰囲気作りですよねみたいな雰囲気が
3:26:34多分結構大事なところかなという風に思っ
3:26:36てて、で、そこがま、正直僕が入ってきた
3:26:39時点にすでにレアスにはその文化がかなり
3:26:41あったと思うんですけど、やっぱりそう
3:26:44いうその誰が、誰が何言ても許されると
3:26:46ちょっと違いますけど、その発言しやすい
3:26:48と状態を作るにはやっぱりその先人切って
3:26:52どんどん話していったりとかなんかこそこ
3:26:54雑な話を放り込んだりとかなんかそういう
3:26:56人があのいるのがやっぱり1番いいんじゃ
3:26:58ないかなっていう風に思うんですよね。
3:27:00なんで最初の一歩はあの多分皆さんがあの
3:27:03いろんなチャンネルにえっと没してえの
3:27:06発言をうまい感じに読みながらえっと適切
3:27:08にえっとこう適切じゃなくてもいいんです
3:27:10けどえっ込みまくるというのがいいんじゃ
3:27:12ないかなという風に思いました。はい
3:27:14はい。そうですね。私まだ入社して1年
3:27:19経ってないんですけど、最初の頃にここん
3:27:21だろうみたいなとこで悩んだりとかすると
3:27:23大体星さんがスラックのそれにコメントし
3:27:25てくれるっていうところではい。確かに
3:27:28そういうところの文化は本当に素晴らしい
3:27:29なと思いながら私も日々やっています。て
3:27:32いうところではい、ありがとうございます
3:27:34。それでは次の質問に行きたいと思います
3:27:36。はい。データを絶対にまずい場所か情報
3:27:40と我々だけが泣く場所かソースコードに
3:27:42分けるという考え方は非常に明解です。
3:27:45しかし実際にはその中間に位置するようなキ々な車内情報、人事評価、未の経営情報なども存在すると思います。こうしたデータはどのように分類しリスクを判断されているのでしょうか?こちらかがでしょうか?
3:27:57はい、いい質問ですね。えっと、今上げていただいてるそのキ々な車内情報、えっと、人事評価とか未の、えっと、ま、経営の情報に関しては基本的には、えっと、顧客情報にかなり近いような、えっと、立場、あ、立場というかなんて言うんですかね。えっと、位置付けにしています。はい。
3:28:15あの、シンプルに言うとそんな感じです。
3:28:17なんですが、あの、お客情報とその同じ
3:28:19ようにいわゆるこう、例えばみんなが勝手
3:28:21にそのAIツールで何か、えっと、したり
3:28:24できないっていうような状態というよりは
3:28:26ですね、あの、それぞれのあんと情報を
3:28:28やっぱりその活用することがあんと大事な
3:28:32情報でもあるかなという風には思っている
3:28:34ので、うんとそれらにそのなんて言うかな
3:28:36、導入しようとしてるツールとかっていう
3:28:38ところは使い方も含めて、あと、ま、
3:28:40レビューをしながら、あとこれは、ま、
3:28:42こういう使い方だったらいいんじゃない
3:28:44みたいな、あと話とか、ま、こういう
3:28:45データを入れるんだったら大丈夫なんじゃ
3:28:47ないか。こういうデータをこの2に入れる
3:28:48んだったら大丈夫なんじゃないかなみたい
3:28:50な形で、えっと、それぞれリスク判断をし
3:28:52てるというようなところです。お客様の
3:28:54情報に関しては基本的にはむしろあと特定
3:28:56のそのAIサービスよりはあのいわゆる
3:28:59モデルプロバイダーにえっと何か入れたり
3:29:01とかっていうケースが将来的にはおゆかな
3:29:03という風に思っていてま、そういった
3:29:05ベースで基本的には判断してくのかなと
3:29:07いう風に思ってます。はい。はい。ご回答
3:29:10ありがとうございます。はい。
3:29:12まだまだご質問たくさん来ていてお答えしたいところですが、お時間の都合上こちらで終了とさせていただければと思っております。たくさんのご質問誠にありがとうございました。
3:29:21ありがとうございました。
3:29:22以上でセッション終了です。はい、それではこの流れで次のセッションに参りたいと思います。大丈夫ですかね?はい。
3:29:23[拍手]
3:29:36次のセッションはプリンシパルナムラスグる人に寄り添う
3:29:40AI
3:29:40エージェントとアーキテクチャーです。それでは名村さんよろしくお願いします。
3:29:49こんにちは。え、レイヤ
3:29:51X
3:29:51でプリンシパルをしている村と申します。じゃ、今日は人に寄り添うエアエージェントとアーキテクチャーというタイトルでお話をさせていただきます。
3:30:02で、私なんですけれども、え、ずっと
3:30:04ソフトウェアエンジニアをやっておりまし
3:30:06た。レイアXに入っては、え、約3年今
3:30:10おりまして、ずっとあの、車内の
3:30:12イネイブルメントっていう形で、あの、
3:30:14生産性の向上とか、ま、直近で言うとその
3:30:17LLMを使った営業支援とかそういった
3:30:19ところやったんですけど、えっと、ここ
3:30:21最近はAIエージェントそのものの開発を
3:30:24するようになってきているので、今日は
3:30:26その経験も踏まえて、あの、話ができれば
3:30:29と思います。
3:30:32え、今日のアジェンダなんですけども、え
3:30:34、まず、えっと、なぜ人に寄り添うAI
3:30:37エージェントっていうところを、ま、この
3:30:38タイトルを選んだかっていうところをお
3:30:40話しして、その後AIエージェントについ
3:30:42て様々な技術とかその状況を整理して話し
3:30:46ていきます。で、最終的に、ま、技術的な
3:30:48要素を少し交えながらこれからのことを
3:30:51考えていけたらなと思ってます。
3:30:54で、人に寄り添うエージェントっていう
3:30:56タイトルなんですけど、え、なぜこういう
3:30:58タイトルにしたのかというと、え、実際
3:31:01AIエージェントがあの世の中にたくさん
3:31:03出てきて、で、ま、開発する環境も整って
3:31:06きたので、これからおそらく無数の
3:31:08エージェントがいろんな会社から出てきて
3:31:10、こうAIエージェント時代っていう風に
3:31:13言われることが、ま、かなり予測されるか
3:31:16なという風に思ってます。で、AI人と
3:31:20実際使ってみるとすごく大事なところの
3:31:22部分として、ま、やろうとしてるタスクの
3:31:25本質をちゃんとエージェントが理解をして
3:31:27で、自分が思ってる通りに分身して動いて
3:31:30くれるっていうところが非常に重要だなと
3:31:33思ったので、ま、人に寄り添うっていうか
3:31:35、ま、自分自身に寄り添ってくれる
3:31:37エージェントを作ることがすごく大事だな
3:31:39と、え、個人的には思っています。
3:31:43で、まずちょっとAIエージェントが出て
3:31:45きて皆さんのこうへ、こういう行動がどの
3:31:47ように変化したかでおそらくエンジニアの
3:31:49方多いと思うんですけども、クラウド
3:31:51コード最近出てきて、ま、使ってない人は
3:31:53いないんじゃないかぐらいもうみんな使っ
3:31:55てますって聞くと言うんですけど、で、
3:31:58これによってこうみんなのマインドがどう
3:31:59変わったのかっていうところを簡単に整理
3:32:02してます。で、まず、あの、最初の作業の
3:32:05手順として、えっと、自分で書き始めるん
3:32:08じゃなくて、まずエージェントに
3:32:09とりあえずお願いしようって形で、
3:32:11エージェントにまず書かせて何が起きての
3:32:14かなを見てる方も結構増えてんじゃないか
3:32:16なと思います。あとはその共通
3:32:18ライブラリーを頑張って整理しようって
3:32:20いう風に概念からいやそんなことより実装
3:32:22ガイドラインとかコーディング規約とかを
3:32:24ちゃんと作ってAI書いてくれるんだから
3:32:27それでいいじゃんっていう風な感じであの
3:32:29共通部分をこう頑張って実装するよりま
3:32:32ガイドラインとかを整理する方が大事
3:32:34みたいな考え方に変わっていったりあとは
3:32:37そのバグの修正をしながら別のところで
3:32:39デザインの修正をしたりっていうそういう
3:32:41なんかタスクの並列化がエージェントに
3:32:42よって行われるようになったりとまAIの
3:32:45ためにじゃ環境整備しましょうみたいな、
3:32:48そういう風な、あの、いろんな例えば
3:32:49ガイドライン用意したり、あの、
3:32:51コーディング規約もAIが分かりやすい
3:32:53ように書いたりとかっていうのみんなやら
3:32:54れてると思うんですけど、こういった形で
3:32:56こうエンジニアリングが今まで行動書くっ
3:32:59ていうのが主体だったところからこう
3:33:01だいぶ変わってきたなという風に感じて
3:33:03ます。で、この変化はおそらく今
3:33:06エンジニアリングの業界で起きてるんです
3:33:08けど、かなり他の業界にもかなり増えて
3:33:10いくだろうっていうところで、クラウド
3:33:12コードがこうもたらしたこういった変化、
3:33:14大きな変化は他の業界でも同じく起きるの
3:33:17で、あの、ま、このクラウドコードって
3:33:20いうところが起こした変化っていうのは
3:33:22すごく大事なんじゃないかなと思ってこれ
3:33:23を起点にちょっと今日は話をまとめてます
3:33:26。
3:33:28で、まずあのAIエージェントとAI
3:33:29アシスタントの違い、あの、よく言われ
3:33:32てるんですけど、簡単に書いてます。で、
3:33:35AIエージェントなんですけど、今までは
3:33:37なんかこうチャATGPTみたいな
3:33:39いわゆるAIアシスタントですね。こ何か
3:33:41聞いたら答えてくれるみたいなそういった
3:33:43ものがえっと今までは主だったんです
3:33:46けれども今AIエージェントっていう時代
3:33:49になってもっとより的に動いてくれるよう
3:33:51になってでかつそのクラウドコードとかを
3:33:55使ってて分かるんですけどそんなに言わ
3:33:57なくても結構やってくれるみたいな今まで
3:33:59はこうチャットGPとは色々こう整えて
3:34:01色々プロンプトに入れてやっと答えを出し
3:34:04てたんですけどなんかそんなに言わなくて
3:34:06も結構思った通りに動いてくれるぞみたい
3:34:08なところとかあとは自立的に意思決定して
3:34:11例えばタスク計画を立てて実行していって
3:34:15で、しかも失敗したらちょっと失敗に対し
3:34:17て修正を加えてさらに動くみたいなそう
3:34:20いったこう自立的な意思決定をして自分で
3:34:23進めていくってことがかなり大きくなる。
3:34:25今まではま、そんな意思決定そんなし
3:34:26なかったのでユーザーの意思決定を支援
3:34:28するこうサポーターだったんですけどそう
3:34:31いったものがちょっと自動くようになった
3:34:33と。で、かつそういったことで、こう複雑
3:34:35なタスクを計画して進めるってことが
3:34:37できるようになったっていうのが、ま、
3:34:39大きな違いかなと思ってます。
3:34:42なので、ま、AIエージェントの能力を
3:34:44改めてこう整理して話すと、1番重要なの
3:34:47は自立的に死決定をして動くっていう
3:34:49ところがすごく大事。あとは、ま、複雑な
3:34:52タスクを計画を立てて実行できるように
3:34:54なった。で、それから、え、与えられた
3:34:57ツールとか使い方を自分で理解して計画の
3:35:01中に組み込むことができるようになった。
3:35:03あの、もう1つはLLMが持ってるそ、
3:35:06そもそもの学習した知識を大きく活用でき
3:35:09るっていうところもあります。
3:35:12で、この4つの機能から、ま、でもこの4
3:35:16つがあるだけだと単純に人に寄添う
3:35:19エージェントは作れないので、じゃ優秀な
3:35:21AIエージェントって一体どういう能力を
3:35:23持ってるんだなっていうのを考えた時に、
3:35:27え、こ、ま、こういったちょっと6つ
3:35:29ぐらいの要素を自分の中で出してきたん
3:35:31ですけど、まず空気を読んでくれるみたい
3:35:33な。で、クラウドコードを使ってると結構
3:35:36空気読んでくれるなみたいな。自分がこう
3:35:38したいって言うとそのコンテキストを
3:35:40ちゃんと理解してあのあとじゃこういう
3:35:42ことしたいんですよねって結構空気読んで
3:35:44くれるのでそんなにいっぱい情報与えなく
3:35:47てもあのちゃんと動いてくれるみたいな
3:35:50ところむしろ空気を読めなかった時に自分
3:35:52が悪かったなと思うぐらいちゃんと読んで
3:35:54くれるのでそういうところは結構
3:35:56エージェンとって大事だなと思ってます。
3:35:59あと情報検索能力ですね。クラウドコード
3:36:01そんなに難しいあの機能を持ってないん
3:36:04ですけど、ちゃんとこうソースコード
3:36:05引っ張ってきて参照したりとかするので、
3:36:07この検索能力とすごく大事だなと思って
3:36:11ます。え、それからあの、あの最小の
3:36:13ヒューマインザループというか、ちょっと
3:36:15入力を与えると最終的に行動出力するとこ
3:36:18まで、ま、結構頑張ってくれるとほとんど
3:36:20自分がやらなくても、あの、ま、結果が得
3:36:23られるっていったところはあります。あと
3:36:27は、え、トライアエラーを自分で勝手に
3:36:29やってくれるとか、あと多様な知識を持っ
3:36:32てるので、例えばどんな言語でも対応
3:36:36できるみたいな、ラストで書いて欲しいっ
3:36:38て言ったらラストで書いてくれますし、
3:36:39PYONで書いて欲しいって言ったら
3:36:40PYONで書いてくれる。これ多様な知識
3:36:42をちゃんと持っているってところもすごく
3:36:44強みだなと思ってます。え、それから、ま
3:36:47、正しいアクションをちゃんと起こそうと
3:36:49するっていうところもあります。自分が
3:36:50やろうとしてることに対してあ、そうじゃ
3:36:53ないんだよねって思うことをやったり、
3:36:55いやここはそうじゃないんだよなって思う
3:36:57ことは、ま、あるはあるんですけれども、
3:36:58結構高い制度で、あ、そうそう。これを
3:37:01やって欲しかったっていうその正しい
3:37:03アクションにたどり着くっていうところが
3:37:04あって、で、AIエージェントは結構
3:37:07考える時間が長いので最終的にこう違う
3:37:11アウトプットが出てきたら、いや、そう
3:37:12じゃないんだけどなってなって結構残念な
3:37:15気持ちになっちゃう。それがなんか2秒3
3:37:17秒で帰ってくるといいんですけど、こう
3:37:1956分かかってこういうアウトプットが出
3:37:21てきたらちょっと違うんだろうってなると
3:37:23エアエージェントに対してこうお前分かっ
3:37:25てないなて思っちゃうのでま、こうお前
3:37:28分かってんなって思ってもらうためには
3:37:30最終的に正しいアウトプットが出てくるっ
3:37:32ていうのはすごく大事だなと思います。
3:37:36なので、こういった、こう、エージェン、
3:37:38ま、エージェント裏側はLLMなので、ま
3:37:40、こういったエージェントを作っていくに
3:37:42あたって、ま、結局のところ現時点の状況
3:37:45をちゃんと理解して、で、適切な
3:37:47アクションを起こすことができるっていう
3:37:49エージェントを作ってく必要があるという
3:37:51風に考えてます。
3:37:54なので、ま、こういった優秀なエリア
3:37:56エージェントを作る必要な要素を整理して
3:37:58いくと、え、まず空気を読む力に必要な
3:38:01ものが何なのかっていうと、えっと、
3:38:03コンテキストをまずちゃんと理解すること
3:38:06で、それから役割をできるだけ小さく持た
3:38:09せるっていうのも大事だなと思います。
3:38:13役割が非常に大きいと、そのなかなかこう
3:38:16正しいアクションにたどり着けなくって
3:38:17空気を読むって言ってもこういろんな状況
3:38:19が考えるので例えば私はコーディングを
3:38:22任せられているのかそれとも使用の策定を
3:38:25任せられているのか分からないっていう
3:38:27状況になるとこう空気を読むって言っても
3:38:29なかなか読めないのでもあなたは何をする
3:38:31ものだっていうところはある程度こう曲証
3:38:34化しておく方がより空気を読んでくれる。
3:38:37あと、ま、過去の行動履歴とかを、ま、
3:38:39活用することでより空気を読む力が強く
3:38:42なる感じです。で、情報検索能力なんです
3:38:46けど、ま、最近で言うとそのラグをあっ
3:38:48たりと検索エンジンがあったりすると思う
3:38:50んですけど、エージェントって結構自立的
3:38:53に動けるので、あの、ラグみたいなものが
3:38:56なくても普通にあの、クラウドコードが
3:38:58やってるようなグレップとかそういった
3:38:59ものでも結構情報取ってこれ
3:39:01るっていうのあるので、ま、そういった
3:39:03ところをツールのところは色々あるんです
3:39:05けれども、情報検索能力は裏側にこう
3:39:07シンプルなものでもいいので用意しておく
3:39:09必要があるなという感じです。で、最初
3:39:12のヒューマインザループを実現するために
3:39:14は結構手順書作ったりとか情報収集通路を
3:39:17持っていろんな情報をこう自分で引っ張っ
3:39:19てこれるようにするっていうところが
3:39:20すごく大事で、ま、さっきの情報検索能力
3:39:23にもあるんですけど、いろんな情報をこう
3:39:25持ってこれる力みたいなのをAI
3:39:27エージェントにこう持たせる必要があると
3:39:29。
3:39:31で、トライアンエラーのところなんです
3:39:33けど、ま、トライアンエラーをする時に、
3:39:36あの、例えばエージェントが動いてく過程
3:39:38で何らかのこうAPI呼びましたみたいな
3:39:40。で、そんなエラー、エラーエラーエラー
3:39:42帰ってきたエラーがエラーコードだけで
3:39:44すってなるとさすがにAIでも何のエラー
3:39:46なのか分からないので、こうAIと
3:39:48取り巻くシステムは正しいエラーを返すっ
3:39:51ていうのがすごく大事なので、ま、例えば
3:39:54API呼ぶにしてもちゃんとAPIの
3:39:57エラーに何らかのこう詳しいエラー情報が
3:40:00載ってるっていうのはすごく大事。ま、
3:40:02あとそれに伴う手順書とか過去の行動履歴
3:40:04、ま、こういうの昔失敗したんだけどこう
3:40:07やって復旧したから今回もこれで復旧
3:40:09できるだろうみたいな、そういう
3:40:11コンテキストを与えるのが大事だなと思っ
3:40:13てます。で、多様な知識に関しては、元々
3:40:17LLMが学習している非常に大きな知識が
3:40:20あるので、ま、ここに大きく依存する
3:40:22ところはあるんですけれども、ま、これ
3:40:24からやろうとしてるエージェントのこう
3:40:26役割にを担う部分に関しては、例えば手順
3:40:29書をちゃんと作るとか、マニュアルやガラ
3:40:32、ガイドラインを整理するっていった
3:40:33ところもすごく大事だなと思ってます。
3:40:36あとは、ま、先ほどあった情報アクセスの
3:40:38ためのツールなどを使って、えっと、
3:40:40いろんな情報にアクセスするっていうのも
3:40:42必要だなと思ってます。
3:40:46で、最終的に正しいアクションを起こして
3:40:48もらうためにっていうところなんです
3:40:50けれども、こちらも同じように結局
3:40:53マニュアルやガイドラインみたいなもの
3:40:55ちゃんと整理してそれを与え
3:40:57るっていうことは大事ですし、ま、手順書
3:40:59をちゃんと作るっていうところも大事で、
3:41:02あと、ま、分かりやすいツールコールって
3:41:04書いてんですけど、こうツールコールって
3:41:06何でも、ま、作って呼べるし、実際あの
3:41:08スキーマとして複雑な構造を持ったりも
3:41:11できるんですけど、ま、大体間違えたり
3:41:13するので、あの、ツールコールをできる
3:41:16だけシンプルにしや、あの、仕上げてお
3:41:18くっていうのはエージェントにおいて
3:41:19かなり重要な要素で、ま、ツールコールが
3:41:22分かりやすくてかつそのパラメーターも
3:41:25エージェントがこう推測しやすいみたいな
3:41:27、ま、エージェントってにとって分かり
3:41:30やすいって考えた時に、ま、人間が見た時
3:41:32に、ま、人間でも大体分かるよねってもの
3:41:34はAIエージェントも大体分かるので、ま
3:41:36、そういう観点で全然考えていいし、人間
3:41:39が見た時にこのパラメーター何なのか
3:41:41ちょっとよくわかんないねって思ったら
3:41:43AIエージェントも、まは何なのかよく
3:41:45わからないので、ま、そういった観点で
3:41:47あの整理していけるといいのかなと、え、
3:41:50考えています。
3:41:52で、これまでの話でこう色々コンテキスト
3:41:55の話をいくつかさせていただいたんです
3:41:57けど、えっとこっからちょっと
3:41:59コンテキストの話をしていきます。
3:42:03で、コンテキストっていうのは、ま、あの
3:42:05、コンテキストウィンドウとかあるので皆
3:42:07さんもご存知だと思うんですけど、ま、
3:42:09文脈というかAIエージェントが持つべき
3:42:11その情報のことを、ま、コンテキストと
3:42:14言ってLLMのコールをするのに、ま、
3:42:17コンテキストっていうところに全ての情報
3:42:19を詰めて、あの、渡すことで次の結果、次
3:42:23のメッセージを受け取ることができるん
3:42:24ですけど、このコンテキストがすごく大事
3:42:28だなという風にはAIエージェントにおい
3:42:30ては、え、強く思っていて、ま、最近だと
3:42:32あの、コンテキストエンジニアリングとか
3:42:34が大事だよねって、プロンプと
3:42:36エンジニアリングじゃないんだよねって
3:42:37いうのを言われるようになっているので、
3:42:39ま、そこもその通りだなという風には思っ
3:42:42てます。でもこのコンテキストが結局の
3:42:44ところ全てなので、ま、AIエージェント
3:42:47を作っていう過程ではこのコンテキストを
3:42:48いかに組み上げていくかっていうところに
3:42:50フォーカスをするんだろうなっていう風に
3:42:53最近は思っています。で、コンテキストは
3:42:56制約があります。サイズ上限がまずあり
3:42:58ます。で、例えばなんか20万トークンと
3:43:02かそういうあの制限があっ、ま、そもそも
3:43:06のハードリミットですかねがあったり、ま
3:43:08、とはいえそのハードリミットギリギリ
3:43:10まで使ってあの本当に詰めつめにすると逆
3:43:13にコンテキストが多す多すぎて
3:43:15エージェントが混乱するみたいなところも
3:43:18あります。で、もう1つは自系列と共に
3:43:21情報が増えていくので、エージェントは
3:43:23割とこう対話的に実行していって、ツール
3:43:27例えばタスクを計画立てて順番に実行して
3:43:29いくので、順番に実行していく過程で
3:43:32いろんなこうコンテスト情報が増えていく
3:43:34ので、ま、自系列と共に情報が増え
3:43:37るっていう特性も持っています。
3:43:41で、このコンテキストはこう自分たちで
3:43:44組んで中に何を入れるか考えていくんです
3:43:47けど、できるだけ抑える必要があるので、
3:43:50こういろんな情報を入れたくなるんです
3:43:52けど、も量を小さくしていく、ま、極力
3:43:56エッセンシャルな本質的なものにしていく
3:43:59必要があるっていうのが、ま、1つの
3:44:01コンテキストエンジニの1つの目的だとは
3:44:03思うんですけど、あの、LLM上の
3:44:06セッション上の会話履歴が入っていたり
3:44:08ですとか、あとは過去の報行動履歴みたい
3:44:11なものを持ってきたり、ま、今回の手順書
3:44:15とかマニュアルとかガイドラインとか参照
3:44:17すべきドキュメントみたいなものの、えっ
3:44:19と、ま、一部を入れたり、全部を入れたり
3:44:22とかで、あとシステムプロンプトは元々の
3:44:24その指示、指示が入ってるシステム
3:44:26プロンプトとか、あとツールコールを途中
3:44:29でした場合はその結果とか入力と結果両方
3:44:31入ってくるんですけど、ま、それら全てを
3:44:34こう詰め込んで1つのコンテキストにこう
3:44:36組み上げていくんですけど、ま、この送量
3:44:38が小さい方がやっぱりよくちゃんと判断し
3:44:41て動くので、何でもかんでもここに全部
3:44:44詰めてるとやっぱりあんまりいい
3:44:46エージェントにはならないっていう風に
3:44:48思ってます。
3:44:50で、そのコンテキストの質を上げるために
3:44:53じゃどういうことをしなきゃいけないのか
3:44:54で言うと、ちょっと前のセッションの話も
3:44:56一部出てました。まず意思決定に不要な
3:44:58情報を削ると。だから知らなくていい情報
3:45:01が結構入ってくる。例えばツールコールの
3:45:03結果とかに余計な情報が入ってたりとか、
3:45:06あとその過去の会話において例えば
3:45:08ファイルをアップロードしたんだけど、
3:45:09このファイルの内容はいらないとかそう
3:45:12いうものがあった時に、あの、そういった
3:45:14ものをどんどん削っていって、最終的に
3:45:17必要な情報を削るっていうのがあります。
3:45:19あ、単純にその外から外部から持ってきた
3:45:21情報でも必要ない部分があれば削っていく
3:45:24みたいなところ。あと情報を圧縮するって
3:45:28いうあのもあるんですけど、これは複数の
3:45:30情報をまとめて、あの、例えば要約をする
3:45:34などして情報をこうどんどん圧縮してい
3:45:36くっていうところも1つのテクニックとし
3:45:38てあるかなと思います。あとスコープを
3:45:41決めて移動するはこの後の話にも出るん
3:45:43ですけど、ある程度このエージェントが
3:45:45できる範囲のスコープを決めてしまって、
3:45:48で、このエージェントがやらなくてもいい
3:45:50タスクのあのスコープがもしあるのであれ
3:45:53ば、それはそのスコープの情報をまとめて
3:45:56他のエージェントに任せるってことも
3:45:58できるので、ま、スコープスコープを決め
3:46:01て移常することで1つのエージェントが
3:46:03担うLLMのそのコンテキストを圧縮して
3:46:07いくというか少なくしていくっていう手段
3:46:09があるかなと思います。
3:46:12で、こっからちょっとそのコンテキストの
3:46:14最適化に必要な技術要素をこう並べていく
3:46:17んですけど、まず重要なのはエージェント
3:46:20メモリー。メモリーって最近よく言われ
3:46:22てるのでエージェントが持つべき記憶領域
3:46:24なんですけど、ま、コンテストに入れる
3:46:27情報はこのエージェントメモリーっていう
3:46:30ところから結構引っ張ってくることが多い
3:46:32ですけど、じゃメモリーにはどういう情報
3:46:34を入れるべき、入れておくべきなのか、
3:46:36あのメモリーからこう抽出して持ってくる
3:46:38ので過去の会話とかそういったユーザーの
3:46:42例えば情報、あなたはどういう名前で、
3:46:45何歳でどういう組織に所属してとか、あと
3:46:48こうツールコール実行した時にどういう
3:46:50入力をしてどういう結果を得られたのか
3:46:53みたいなところとかが色々入ってます。ま
3:46:55、他にもこういろんなものが入ってていい
3:46:57んですけど。で、結構そのエージェント
3:47:00メモリーに物を入れる時にこうどうやって
3:47:03取り出すかっていうのが大事なんですけど
3:47:05、その取り出し方とか取り出すこ、
3:47:09取り出す時の方法を考えた時に結構
3:47:11いろんなスコープを持ってることが多いの
3:47:13で、ま、このスコープを意識してメモリー
3:47:15にこう保存領域を持ってあげるのが良いな
3:47:18と最近考えています。例えば時間軸で言う
3:47:21と、ま、直近でやってること、1週間前に
3:47:25やってること、1ヶ月前にやってることと
3:47:27か、ま、もっと前にやってることとかを
3:47:31ちゃんとその自系列ごとに記憶したり、
3:47:34あとはそのユーザーの観点で言うと、こう
3:47:37所属組織での情報とか、もしくはその自分
3:47:40の役職に関わる情報とか、そういう、こう
3:47:43、スコープでの情報があったり、こう、
3:47:45いろんな次元で例えば自分が所属する組織
3:47:48もこう自系列で変わるので、そんな他次元
3:47:50の情報になってくるので、ま、そういった
3:47:53こう次元でこういろんなものがあってそう
3:47:55いう軸をごとに情報を持っている。その軸
3:47:58を持つことでエージェントがそのメモリー
3:48:00にこう情報引っ張ってくる時に、あ、今回
3:48:02はこういうケースでこういう場合だから
3:48:05こういう風に持ってこようという選択が
3:48:06取れるようになるので、ま、こういった形
3:48:09でこう多想的に他次元でスコープを持って
3:48:11こうメモリーが管理する必要があるなと
3:48:13いう風に思ってます。
3:48:16で、ま、どういった情報抽出が必要なのか
3:48:19で言っと、ま、セマンティッククリトリー
3:48:20バルっていうか、その類似情報を抽出する
3:48:22能力ですとか、あと、ま、記憶領域自体、
3:48:26こういろんなものを記憶してるんですけど
3:48:27、その記憶領域のこの情報って本当に大事
3:48:31なのとか、大事じゃないのっていう情報を
3:48:34持たせることで、ま、持ってくる情報の質
3:48:36を上げていくとか、あと、ま、情報の圧縮
3:48:39ですね。これは、ま、自系率とかで言うと
3:48:41、その、例えばここ1ヶ月で起きた情報
3:48:43みたいなのを全部並べると大変なので、ま
3:48:45、1ヶ月の起きた情報をある程度こう圧縮
3:48:47して保存しておくとか、ま、あとに配慮し
3:48:51た形でこう情報も必要なので、こう
3:48:53メモリーで引っ張ってくる時に自分の
3:48:56ユーザー情報は自分が取れるんだけど、
3:48:59他人がそれ見れちゃうと良くないので、ま
3:49:01、そういったところでこう、ま、スコープ
3:49:03とかを定義した時に自分の組織以外の人が
3:49:05見れるか見れないかと、そういったところ
3:49:07も結構大事になってくる。
3:49:10で、このコンテキトっていうのは基本
3:49:12エージェントメモリーからこう色々情報を
3:49:15こう引っ張ってきてこう構成をする部分が
3:49:18大きいので、ま、ここをなんか色々考えて
3:49:21メモリーコンテクトにどういう情報を
3:49:23入れるべきなのかっていうのを考えた上で
3:49:25メモリーにどういう情報を入れてどうやっ
3:49:27て引っ張ってくるかを考えられるといいの
3:49:29かなという風に思ってます。
3:49:32で、検索アプローチの1個の例なんです
3:49:35けども、あの、例えばラグとか検索
3:49:38インデックスとか用意するのもありなん
3:49:39ですけど、ま、結構こういう形文章が
3:49:43めちゃくちゃ多くなかったり情報が多く
3:49:44ない場合は割とそのようやくした情報を
3:49:47解消化して上の方の情報から順番にこう
3:49:51あのエージェントが引っ張ってくるって
3:49:53いう方法も結構有効に働くので、例えば
3:49:56ドキュメントAのカテゴリーのサマリーを
3:49:58見て、あ、このドキュメントAの
3:50:00カテゴリーに情報がありそうだなって言っ
3:50:01てどんどんこう中にさ、掘っていくみたい
3:50:03な、そういう検索アプローチもLLMは
3:50:06取れるので、ま、こういった形で情報を
3:50:08探し出すい、出しやすいようにしていく
3:50:11アプローチができるなと思ってます。
3:50:15で、エージェントメモリーに必要な
3:50:16ストレージエンジンなんですけど、ま、
3:50:17こういったことを実現していこうとすると
3:50:19やっぱベクトルデータベースは何らか必要
3:50:21になってくるなと。さっきの回層
3:50:23アプローチとか必要ないんですけど、まあ
3:50:25なんか類事文章を持ってくる簡単な方法と
3:50:27してはベクトルデータベースが有効ですし
3:50:29、あとは、ま、全分検索とか
3:50:31リレーショナルデータベースとかも必要に
3:50:33なってくるという感じです。
3:50:37で、えっと、コンテキストを整理していく
3:50:39過程でさっきその、ま、移常して任せ
3:50:41るっていうのがあったと思うんですけど、
3:50:43ま、どんなにコンテキストを頑張って整理
3:50:46してメモリを整理してこう情報を引っ張っ
3:50:48てくるってやっても結構複雑なタスクに
3:50:50なるとコンテキストがやっぱ入りきらな
3:50:53いっていうケースは多くあります。で、
3:50:55そういうケースでマルチエージェントの
3:50:57アプアプローチを取ってあのコンテキスト
3:51:00を分割していくっていうところも結構有効
3:51:02だなという風に考えてます。で、マルチ
3:51:06エージェントにすると、ま、よくあるのは
3:51:08リーダーエージェントっていうところで、
3:51:10リーダーエージェントがユーザーのタスク
3:51:12の指示を受けて、そのサブエージェントに
3:51:14対してその指示を出して実際結果を受けて
3:51:17そのタスクを進めていくっていうことが
3:51:19できるんですけど、ま、そうなると
3:51:21コンテキストが結構変わってくる。
3:51:23リダイージェントはタスクの指示と
3:51:25ユーザー情報とか過去の会話とかを持っ
3:51:27てるんだけど、サブエージェントにこう
3:51:30結構重いコンテキストのこうナッジとかを
3:51:32全部任せてしまうことで、ま、ナレッジの
3:51:35情報をリーダーエージェントが持ってなく
3:51:36てもタスクを進められるっていう状態を
3:51:39作って、ま、重いコンテキスをどんどん
3:51:41サブエージェントに分散していくことで
3:51:43タスクを構成していくみたいなのが、あの
3:51:46、できていくなと思います。なので、あの
3:51:48、ま、リーダーエージェントがサブ
3:51:49エージェント呼んで、サブエージェントが
3:51:50また他のサブエージェント呼んでっていう
3:51:52形で、どんどんこう複雑なタスクは
3:51:55コンテキストを分散して、あの、処理する
3:51:57ことで、あの、タスクのథをすることが
3:52:00できるっていう風になってます。で、こう
3:52:02シェアドメモリーっていう形で
3:52:04エージェント同士でこうメモリーを共流
3:52:06できる空間を作ることで、あの、
3:52:08コンテキストに乗らない情報とかをシェア
3:52:10することができるので、ま、ここも結構
3:52:12重要だったりはします。例えばAPI4で
3:52:14得られた一覧の分全部取ってくるんだけど
3:52:18、それは実際にはコンテストを載せなくて
3:52:20もいいよねっていう。ま、あるサブ
3:52:21エージェントは全部載せるんだけど、ある
3:52:23サブエージェントは最初の1個だけでいい
3:52:25よねとかっていうケースもあるので、それ
3:52:27ではシェアードメモリーの領域を持って
3:52:28おくとこのマルチエージェントのあの
3:52:31やり取りが非常に楽になるかなと思います
3:52:34。で、エージェント感のやり取りなんです
3:52:37けど、ま、いろんなアプローチがあります
3:52:38。こは、ま、A2Aみたいな形で言われ
3:52:41たり、MCPとか、あとツールコール普通
3:52:43にやりますみたいなケースで、あの、個人
3:52:47的に、個人的な観点で言うとAはまだ
3:52:49ちょっと早いかなっていうあのところは
3:52:52感じています。で、MCPは非常に採用
3:52:55事例が多くて、あの、非常にいいし、これ
3:52:57作、これでやっとけば便利だなと思うのは
3:52:59、あの、ツールコールの定義が呼び、呼ぶ
3:53:03側じゃなくて、その受ける側にあ
3:53:05るっていうところはMCPの特徴だと思う
3:53:07ので、あの、エンドポイント、エンド
3:53:09ポイントさえ指定すれば使えるみたいな、
3:53:11そういう便利な仕組みにはなるんですけど
3:53:12、ただそのMCPは分離してしまうので、
3:53:17あの、MCPを使うと、例えばシェアード
3:53:19メモリーみたいな領域を使う時にちゃんと
3:53:21共有ストレージを使はアクセスが必要とか
3:53:24、あの、同じロジックを共有できないとか
3:53:27、そういう課題はあったりして、ま、なん
3:53:29か最初はツールコールでシンプルに進める
3:53:32とツールコールだと同じプロセス内で完結
3:53:34するので、ま、色々共有できるものもあっ
3:53:36て便利かなという風には思って、で、
3:53:39MCPはよりちょっとこうデリケッドされ
3:53:41た環境で動くのかなという風に思ってます
3:53:45。
3:53:46はい。で、こっからちょっと1人により
3:53:49そうエージェント実現差のAマチ
3:53:50エージェントっていう形で、ま、リーダー
3:53:53エージェントはできるだけユーザーに近い
3:53:55コンテキスト情報を使って目的を理解して
3:53:58計画を組み立てるので、ここが1番人に
3:54:00寄り添うエージェントになって、で、サブ
3:54:02エージェントはそれぞれのタスクに特化し
3:54:04たあのコンテキストを持って動くっていう
3:54:07形で動くことで、あの、いろんなタスクが
3:54:11この自分のやりたいことから離れていか
3:54:13ないようにリーダーエージェントがうまく
3:54:15コントロールしてくれるので、ま、こうし
3:54:16たことマルチエージェントの仕組みが作っ
3:54:19ていけるかなと思います。はい。で、AI
3:54:22エージェントが1人寄り添ぐために大事な
3:54:24ことって言うと、えっと、まずAI
3:54:28エージェントフレンドリーな情報を
3:54:29ちゃんと整理しましょうみたい。例えば
3:54:31理解しやすい、探しやすいっていう情報を
3:54:33車内でちゃんと整理していく必要があるな
3:54:35と。結局、ま、人間が分かりにくいものは
3:54:38AIエージェントも分かりにくいので、ま
3:54:40、そういったところを観点に、ま、AI
3:54:42エージェントに食わせるんだったらどう
3:54:44いう情報がいいんだろうっていうの
3:54:45ちゃんと理解して、理解しやすくて探し
3:54:48やすい情報のナッジを社内で整理するのと
3:54:50、あと曖昧なタスクとか人の知識や経験、
3:54:54あの人じゃなきゃできないんだねってやつ
3:54:55をできるだけ排除して手順書作って誰でも
3:54:58できるようにしとくとか。あと、あ、もう
3:55:001つ、ま、結構大事だなと思うの。エア
3:55:02エジェントに親しむ文化っていうのを作っ
3:55:04ていく人があって、エアエージェントて
3:55:05結構間違えるのでシステム間違えると
3:55:08みんな怒ったりするんですけど、ま、怒ら
3:55:10なくていいような文化を作るというか、ま
3:55:12、名前をちゃんとつけたり、アイコンつけ
3:55:15たり、あとはその、ま、ちゃんと人格にし
3:55:17てあげるとか、あとその性格をつけるとか
3:55:20でAIと面白くて、こうこういう風な、ま
3:55:22、大阪弁で話してくれとかちょっとなんか
3:55:26あの元気で元気でみんなを応援するような
3:55:30人になってくれっていうとちゃんとそう
3:55:32いう風に発言してくれるので、ま、そう
3:55:33いった性格付けをしてエージェントを作る
3:55:35のも結構大事だなという風には思ってます
3:55:38。なので、ま、まずはみんなで人に
3:55:41寄り添うエージェントを作るためにはまず
3:55:43みんながAIエージェントに寄り添って
3:55:45いく必要があるので、まずそこから進めて
3:55:48いきましょうという話でした。はい、以上
3:55:51です。ありがとうございました。
3:55:57[拍手]
3:56:01ありがとうございました。たくさん質問が
3:56:04届いていますので、いくつかピックアップ
3:56:06して読み上げていきたいと思います。え、
3:56:09まずですね、LLMが書いたコードについ
3:56:12てどのように判断をしていますか?コード
3:56:16レベルでの抽象化やいわゆる綺麗いさで
3:56:19納得がいかないというものをどのように
3:56:22どの程度書き直すことがありますかという
3:56:24質問が来ています。
3:56:26あとは別の質問での自分なりの美学をどのように
3:56:30ALLM
3:56:31に伝えていますかというのもありました。はい。これはコードレーベルで書き直すことはあんまりないかもしれないですね。
3:56:46その、あ、僕の書き方かもしれないんです
3:56:48けど、結構そのベースの実装をある程度
3:56:53作って、じゃあこれで作ってみたいな感じ
3:56:55でやると大体くれるので、最初の一方を
3:56:59書いてることは多いかもしれないですね。
3:57:02そのベース
3:57:04として
3:57:05なるほどの先に作っていうのはやることが
3:57:10多いかもしれないですね。
3:57:11でもなんかよくわかんない時はとりあえずか、作ってって言うといい感じに作ってくれるんで、あの、それをそのまま使うことも多いんですけど、デザインとかはちゃんと指示しないとなんでしょうね。結構あの、なんでしょうね。グラデーションバリバリ使ってきたりとかするんで、そういうのはなんか自分でちゃんと指示しますけど。
3:57:34なるほど。ありがとうございます。え、では次に行きましょう。
3:57:40本日お話しいた技術要素、エージェントメモリー、マルチエージェントなどの中で村さんが個人的に最も可能性を感じているワクワクする技術要素はどれですかと。
3:57:53えっと、エージェントメモリーは、ま、
3:57:55どちらかというと制約に対する
3:57:59解決なんですけど、マルチエージェントは
3:58:02むしろ可能性を広げるアーキテクチャーな
3:58:05のかなという風に思っていて、ま、マルチ
3:58:08エジェント本当にエージェントいっぱい
3:58:09ってよりはLLMコールのそのマルチ
3:58:14コールなんでしょうね。APIかみたいな
3:58:16ので全然マルチエージェントっぽくなるん
3:58:18ですけどなのでその
3:58:21LLM同士がやり取りしたりマルチ
3:58:23エジェンエージェント同士がやり取りをし
3:58:25てこう解決していく世界は結構あこに頭
3:58:29よく動いてくれるんだってなったりこう
3:58:32自分の想定以上の結果をもたらしてくれる
3:58:35ことが結構あるのでこの領域はかなり可能
3:58:38性があるなっていうのと、ま、各者がそう
3:58:42いうエージェントの口を持ち始める
3:58:45と、そのエージェント同士がやり取りをし始めるんで、こう世の中ちょっと変わってくのかなっていう可能性を感じていて、そのどうやってそのいろんなエージェントがやり取りするのかな、これからっていうのは気になってます。
3:59:00まさに今その第
3:59:021
3:59:02歩となるプロダクトを作ってる途中だったりしますもんね。
3:59:06さん自身が
3:59:07そう、
3:59:08あの、お披めを楽しみにお待ちくださいというところで、え、お時間になりましたので以上でセッション終了としたいと思います。
3:59:14ありがとうございました。
3:59:15ありがとうございます。これより
3:59:20[拍手]
3:59:2230分間の休憩をいただきます。再開は
3:59:2517時半、5
3:59:26時半の予定ですので、え、それまでにはお席に戻るようにお願いいたします。ハッシュタグ
3:59:32AID
3:59:33をつけてどんどんポストをしてください。一緒にベッド
3:59:37AID最後まで盛り上げていきましょう。
3:59:39アンケートもQRコードからご回答
3:59:41いただけますので、セッション全編を通じ
3:59:44てのアンケートどうぞご回答ください。
4:00:36[音楽]
4:01:12[音楽]
4:01:18[音楽]
4:01:29[音楽]
4:02:20[音楽]
4:02:42[音楽]
4:03:02[音楽]
4:03:38[音楽]
4:03:44[音楽]
4:03:55[音楽]
4:04:46[音楽]
4:05:08[音楽]
4:05:28[音楽]
4:06:03[音楽]
4:06:10[音楽]
4:06:21[音楽]
4:07:12[音楽]
4:07:34[音楽]
4:07:58[音楽]
4:08:29[音楽]
4:08:36[音楽]
4:09:38[音楽]
4:10:00[音楽]
4:10:20[音楽]
4:10:55[音楽]
4:11:02[音楽]
4:11:13[音楽]
4:12:04[音楽]
4:12:26[音楽]
4:12:50[音楽]
4:13:21[音楽]
4:13:28[音楽]
4:13:38[音楽]
4:14:30[音楽]
4:14:52[音楽]
4:15:12[音楽]
4:15:47[音楽]
4:15:54[音楽]
4:16:04[音楽]
4:16:56[音楽]
4:17:18[音楽]
4:17:38[音楽]
4:18:13[音楽]
4:18:20[音楽]
4:18:30[音楽]
4:19:22[音楽]
4:19:44[音楽]
4:20:04[音楽]
4:20:39[音楽]
4:20:44[音楽]
4:20:56[音楽]
4:21:48[音楽]
4:22:09[音楽]
4:22:29[音楽]
4:23:05[音楽]
4:23:11[音楽]
4:23:22[音楽]
4:24:14[音楽]
4:24:35[音楽]
4:24:55[音楽]
4:25:31[音楽]
4:25:37[音楽]
4:25:48[音楽]
4:25:56[音楽]
4:26:39[音楽]
4:27:01[音楽]
4:27:21[音楽]
4:28:03[音楽]
4:28:14[音楽]
4:29:05[音楽]
4:29:27[音楽]
4:29:51それでは本日最後のセッションになります
4:29:54。爆楽落事業AI
4:29:55機械学習部部長松村也や、
4:29:58AI機械学習部テックリードし越直、精成
4:30:02AI時代におけるAI
4:30:04機械学習技術を用いたプロダクト開発の進化と進化です。それでは松村さんよろしくお願いします。
4:30:10よろしくお願いします。最後のあ、ありがとうございます。
4:30:17最後のセッションとなりましたが、皆さん
4:30:19お元気ですか?もう中川にはもう半日以上
4:30:23お付き合いいただいているかと思いまして
4:30:25本当にありがとうございます。私は結構
4:30:27疲れております。で、そん中ちょっと45
4:30:30分という長めなセッションなんですが、
4:30:31最後までお付き合いいただけると嬉しい
4:30:33です。え、生成AI時代におけるAI機械
4:30:36学習技術を用いたプロダクト開発の進化と
4:30:40進化と題しましてお話ししていきます。
4:30:46で、簡単に自己紹介ですけども、改めて、
4:30:49え、松村優と申します。爆落事業部にAI
4:30:53機械学習部の部長を務めております。学生
4:30:56時代は京都大学にて情報検索や情報推薦の
4:31:00研究に従事しており、そこでAIや機械
4:31:03学習といった技術と出会いました。
4:31:0618年に新卒でオテットリー株式会社へ
4:31:09入社し、推薦システム開発チームを
4:31:11立ち上げに携わった後、え、テックリード
4:31:14やプロダクトマネージャー、
4:31:15エンジアリングマネージャーと検任した後
4:31:17にAI領域の技術に就任しました。
4:31:21その後2022年9月にレアX入社しまし
4:31:25て爆落を横断したAI学習技術を使った
4:31:29プロダクト開発に携わっております。その
4:31:32他大学にて非常講師としてAIの社会実に
4:31:35関する講義を行ったり、AI関連の書籍を
4:31:38執筆したりと、ま、10年ほどAI領域に
4:31:41おいて、え、活動しております機械学習
4:31:43エンジアでございます。
4:31:47初めに我々の目指す業務の完全児童運転と
4:31:51その実現に向けた課題についてご紹介
4:31:54いたします。
4:31:57本日何度も聞いているキーワードとなるか
4:31:59と思いますが、レアXあるいは爆落は業務
4:32:03の完全自動運転を目指しております。
4:32:07例えばご自身が出張する際のことを
4:32:09思い出してください。私もちょうど昨日
4:32:12までAI系の学科に参加するために、え、
4:32:15京都まで出張していました。
4:32:17最新の研究同向キャッチアップしたり、
4:32:20渾新会や企業ブースにて様々な方と交流し
4:32:23て非常に有意義な時間を過ごすことができ
4:32:25ました。一方でそのような出張本来の目的
4:32:30を達成するためには、え、出張を実施する
4:32:34ために必要な事前の出張申請や車内規定に
4:32:38沿った交通手段や泊施設の手配あるいは
4:32:42事後の経費制算など正直めどくさい車内
4:32:45業務をこなすく必要があります。このよう
4:32:49な人間がやりたいわけではないがやらない
4:32:53といけないといったような業務をAIで
4:32:55代替しようというのが業務の完全自動運転
4:32:58の分かりやすい例の1つです。
4:33:02例えば出張が決まると皆さんご自身の予定
4:33:04管理のためにカレンダーに出張予定を入れ
4:33:06たりはすると思います。そうするとあとは
4:33:10もう勝手に爆楽のAIエージェントが
4:33:13先ほど述べたような出張に伴うめどくさい
4:33:16業務ムっていうのを終わらしてくれると
4:33:18いうような世界が見えていると思いますし
4:33:20、実際我々はそれに向けて開発を進めて
4:33:22おります。
4:33:28もちろんいきなり全ての業務が完全に自動
4:33:30化されるわけではありません。こちらも
4:33:33本日何度か現れておりますが、え、自動車
4:33:35の自動運転について国土交通省等が発表し
4:33:38ているレベル分けなどを参考に業務の自動
4:33:42運転についてその程度0から5の6段階で
4:33:46レベル分けしたものになります。
4:33:49例えばレベル5ですとあらゆる状況化に
4:33:52おいて例外処理まで含めてAIが業務を
4:33:55代替してくれるといういわゆる業務の完全
4:33:58自動運転の状態を指します。
4:34:02車内規定で定められていないケースでも
4:34:05AIが合理的に意思決定して業務も遂行し
4:34:08てくれたり、あるいは好点で飛行機が結構
4:34:12してしまったような際でもAIが大体手段
4:34:15を手配してくれるといったようなイメージ
4:34:17です。
4:34:19もちろん我々も最終的にはそのような高い
4:34:21レベルを目指しているんですけども、まず
4:34:23はレベル3と定義している限られた条件化
4:34:27において単純な業務においては人間でなく
4:34:31システムが主体となって自動で、え、業務
4:34:35を完了させることができるという状態を
4:34:37目指していますし、これはもう目の前に来
4:34:39ていると感じております。
4:34:44一方で業務の完全自動児童運転に向けては
4:34:47大きな壁があると考えております。私たち
4:34:51爆落はいわゆるサースとして提供しており
4:34:53、累計では1万5000車を超えるお客様
4:34:56にご利用いただいてきております。
4:34:59その性質上多くの企業が共通して持つ発生
4:35:04頻度の高いケースを満たす、いわゆる汎用
4:35:07的な機能を開発して提供するというのが
4:35:10一般的なサスの動きで、我々も基本的に
4:35:13これに習って、え、これまで来ております
4:35:15。逆に言うと会社ごとに多様な個別性が
4:35:20高く発生頻度の低いケースを満たすための
4:35:24機能は開発リソースやシステム的な制約
4:35:28などの理由でなかなか開発することが
4:35:30難しいです。
4:35:32その結果システムに合わせる形でお客様の
4:35:36業務を変更いただいたり、あるいは
4:35:38システム内外における運用でカバーして
4:35:41いただくしかないというのが現状であり、
4:35:43これが業務の完全自動運転に向けて1つの
4:35:46壁となっていると考えております。
4:35:53そのような壁を乗り越える鍵となるのが
4:35:56LLMやAIエージェントと言った技術
4:35:58です。
4:36:00その高い自立性や知性が現在は人間が自ら
4:36:05判断し実施している多様なケースを自動化
4:36:09できる可能性を秘めていると考えており
4:36:11ます。
4:36:13エージェントの詳細については本日の発表
4:36:15でもいくつかありましたので割愛いたし
4:36:17ますが、AIエージェントがごとの車内
4:36:21規定を参照しつつ、爆落のドメインに
4:36:24目指した様々なツールや爆落外のサービス
4:36:27をも利用しつつ、爆落の機能としては提供
4:36:30していないような業務を遂行するというの
4:36:33が現実身を帯びてきていると考えており
4:36:36ます。
4:36:41そのようなAIエージェントがその高い
4:36:44自立性や知性を存分に発揮できる環境、
4:36:47プラットフォームを開発することで主要な
4:36:50ケースの隙間を埋めていくことができると
4:36:53考えています。
4:36:55これまでは諦めていたようなごとの業務
4:36:58フローをAIエージェントが代わりに受視
4:37:01するパーソナライゼーションされた業務の
4:37:04自動運転が実現できるのです。
4:37:11このパーソナライゼーションされた業務の
4:37:14自動運転をどう実現するのかをエンジェア
4:37:17として日々考えて実践しており、その一部
4:37:20を本日はご紹介できればと思っております
4:37:22。
4:37:27で、そのようなパーソナライゼーションさ
4:37:29れた業務の自動運転の爆落における実例を
4:37:32いくつかご紹介いたします。
4:37:371つ目の例は爆落のAI機能の、え、顔で
4:37:41あるAIOCR機能が進化し
4:37:43たパーソナライズド
4:37:45AICRです。こちらは昨年末にリリース
4:37:48いたしました。
4:37:50請求書や領収書といった調から金額や日付
4:37:55、支払い先などの項目を中止するACER
4:37:59機能の開発にはこれまでも機械学習中系統
4:38:02のチームとしても非常に力を入れてまいり
4:38:04ましたし、お客様にも大変ご公表いたいて
4:38:07いる機能です。そこからさらに深い課題を
4:38:10解くためにパーソナライゼーションされた
4:38:13業務の自動化体験を提供するためにパワー
4:38:15アップしたものとなります。
4:38:18相談の通り、お客様ごとの運用に応じた
4:38:22金額や日付などの項目を自動で読み取って
4:38:25くれるAI機能です。つまり同じ請求書や
4:38:29領収書を爆楽にアップロードしたとしても
4:38:31、お客様会社によって異なる値が自動で
4:38:35埋め取られるっていうようなものになって
4:38:36おります。
4:38:41お客様ごとの運用に応じた値というのは
4:38:43例えばホテルの領収書想像していただき
4:38:45たいんですけども一口に日付と言っても
4:38:49例えばチェックイン日とか
4:38:50チェックアウト日あるいは予約日や決済日
4:38:53などなど様々なものが記載されております
4:38:55。
4:38:57一方で例えば宿泊時の経費生産に際して
4:39:01どの日付を使うかというのは実は会社の
4:39:04運用によって様々でチェックアウト日を
4:39:07使う運用のところもあれば決済日を使うっ
4:39:09ていうような会社もあります。そのため
4:39:13従来の特定の日付や金額しか読み取れない
4:39:16AICR機能、ま、具体的に言うとある
4:39:19調して1つの日付や金額を正解として学習
4:39:24した機械学習モデルを使っていたような
4:39:27従来のAICR機能ではどうしても全ての
4:39:30お客様を業務の自動化をすることができ
4:39:33ませんでした。そこで生まれたのがこの
4:39:36パーソナイizドAIOCRです。
4:39:40この機能を実現するために裏側では最新の
4:39:43LLMや従来の機械学習モデルを複数
4:39:46うまく組み合わせているのですが、その
4:39:48詳細一部は後半のパートでご紹介いたし
4:39:50ます。
4:39:54次に紹介するのは先月リリースしたばかり
4:39:57の爆楽では初のAIエージェント機能で
4:39:59あるAI申請レビューです。
4:40:06AI申請レビューではAIがお客様ごとの
4:40:10車内規定や過去の申請データからその会社
4:40:14で守るべき申請のルールを学習します。
4:40:18そしてそのルールに基づいて従業員の方が
4:40:21作成している申請内容をリアルタイムで
4:40:25レビューし、フィードバックを返すことで
4:40:28正しい申請を作ることをサポートして
4:40:30くれる。あるいは今まで代わりにチェック
4:40:33していたような上司や経入の方の仕事を
4:40:35代替するようなAIエージェント機能です
4:40:37。
4:40:38これによって皆様も経験したことがあるか
4:40:40と思いますが、ま、誤った申請をして
4:40:43しまって差し戻されたり、ま、その後修正
4:40:45したりといった、ま、そういったような
4:40:46業務がなくなることを期待している機能
4:40:49です。
4:40:51少しだけ内部に触れておくと、え、この
4:40:53車内規定だけではなくて、過去の申請
4:40:55データも活用することでレビュールールを
4:40:58学習しているっていうのがポイントとなり
4:40:59ます。というのも、ま、理想としては車内
4:41:03規定に全ての必要事項が必要な情報が記さ
4:41:06れていて、AIはもちろん人間もそれを
4:41:10見れば完璧な申請業務が行えるというよう
4:41:12な状態が、ま、理想かと思うんですけども
4:41:14、ま、残念ながら人間ってそんなに
4:41:16ドキュメント作るのうまくないし管理する
4:41:18のもうまくなかったりしますので、え、ま
4:41:21、なかなかそのドキュメントだけでは完結
4:41:22しないという現状があります。という
4:41:25ところで、え、ドキュメント、そうですね
4:41:27、読むだけでは曖昧で判断できないことが
4:41:29あったりだとか、あるいはもう
4:41:31ドキュメントにそもそも書かれていなくて
4:41:33、ま、暗黙のルールがあったりとか、ま、
4:41:35そういったのが現実で、そん中で、え、
4:41:37どうしてるかと言いますと、過去の申請
4:41:40データっていうのを参考にすることで
4:41:42ドキュメントだけでは分からないような
4:41:44情報を補っております。実際皆さんもなん
4:41:48か車内申請する際って、ま、車内
4:41:50ドキュメントを参考に0から申請を
4:41:52作り上げたりするわけではないと思ってい
4:41:54て、過去の同じような申請を参考にしたり
4:41:56、あるいは申請の仕方を同僚に聞かれた時
4:41:59にはなんか1から説明するわけじゃなくて
4:42:01、こんな感じでやっといてって、ま、昔の
4:42:04やつを渡したり、ま、そういったような
4:42:05ことが、え、経験ある方も多いんじゃない
4:42:07かと思いますけど、そのイメージですね。
4:42:11で、この辺の技術の取り組みも
4:42:12めちゃくちゃ色々と面白いんですけども、
4:42:14ま、まだ検証中の部分大きいですので、
4:42:17ここに関してはまた別の機会で共有できれ
4:42:19ばなと思っております。
4:42:23で、そのようなAI申請レビューなんです
4:42:26けども、結局何ができるねんってところで
4:42:28いくつか実際でもお見せできたらなと思っ
4:42:30ております。とおそらくリリース後に実際
4:42:34の画面を外に見せるのは初めてかつ、これ
4:42:36昨日の夜僕の手元で収録したんで多分最新
4:42:39の状態ですと。で、1つ目のユースケース
4:42:43では、え、セキュリティ等の観点でカフェ
4:42:46で打ち合わせするなっていうカフェでの
4:42:48打ち合わせが原則禁止されていて、
4:42:50もちろん経算申請もできないっていうよう
4:42:52な運用において、ま、申請時点でそれを
4:42:54検知してアラーをしてくれたり、あるいは
4:42:57、ま、申請を姿勢でその申請者に啓蒙した
4:42:59いっていう、そういうモチベーションの
4:43:01ものですね。
4:43:03で、ちょっとちっちゃいから後頭では、え
4:43:05、補足するんですけども、え、これは領収
4:43:09書アップロードしていて、タリーズ、ま、
4:43:10いわゆるカフェですねの領収書
4:43:12アップロードして、で、ややおし機能が
4:43:14日付金額等々をいつも通り入れてくれるん
4:43:17ですけど、打ち訳け、ま、形成の種類とし
4:43:20て会議費っていうのを入れるとAI君は
4:43:22チェックしてくれて、ま、このように、え
4:43:24、カフェの領収書はダメなんだよって言っ
4:43:26て怒ってくれる、ま、そんなイメージです
4:43:28ね。
4:43:30で、このようにあのアップロードされた
4:43:32画像データ、いわゆる非構造データって
4:43:34いうのを対象として、ま、この会は
4:43:37カテゴリー分類をした上で申請内を
4:43:39チェックしてくれる。ま、こういったこと
4:43:41ができたりします。
4:43:45で、動画の読み子、あ、で、次のユス
4:43:49ケースはタクシー利用時の経算申請につい
4:43:52てのものです。で、
4:43:56始まるかな。
4:43:58で、これもさっきと同じようにタクシーの
4:44:00領収書アップロードしているんですけども
4:44:03、で、さっきと同じように、えっと、金額
4:44:06等々埋められてタクシーの形成産ですよっ
4:44:08てすると、今これ怒られたのが乗車経路と
4:44:11乗車利を入れてねえっていう風に怒られて
4:44:13いるんですよね。で、ここで今、えっと、
4:44:16書いているのが自宅から東銀座オフ室まで
4:44:18結構ちょっと私を想定したみたい入力をし
4:44:20てるんですけど、で、乗車経路を入れたん
4:44:23ですけど、乗車理由書いてませんよと。
4:44:24って時に、え、上車理由抜けてるよって
4:44:27いうちゃんと具体的な上車理由回転起こっ
4:44:29てくれる、そういうイメージですね。で、
4:44:32これ現状ではタクシーのその乗車経路とか
4:44:35乗車理由を入力するための専用の機能
4:44:37ホームが存在していないので、今の例の
4:44:40ように、ま、内容メモランといういわゆる
4:44:42自由ですねに、え、そういった追加の情報
4:44:45っていうのを記載してもらうっていうの
4:44:47運用しています。ただ、ま、いわゆる
4:44:49バリデーションもリクワードなんか入力さ
4:44:52れてるかどうかのチェックぐらいしかでき
4:44:54ないので、ま、さっきのケースで言うと、
4:44:56え、乗車経路だけ書くとそういった
4:44:58バリデーションを通過してしまって、ま、
4:45:00申請して後で差し戻されるみたいなのが
4:45:02世の中でたくさん起こっておりますと。
4:45:04っていうとこにおいて、ま、このように
4:45:06AI申請レビューでは非データ、ま、
4:45:09テキストですねに対するこれは裏では情報
4:45:11注意をうまいことをしてくれているんです
4:45:13けどもを行うことで、え、今回のケースの
4:45:16ように自由休も
4:45:19必要な情報、この会社の運用として必要な
4:45:21情報がきちんと入力されてるんだっけって
4:45:24のをチェックすることができます。
4:45:29で、次に
4:45:31結構推しのでもなんですけども、タクシー
4:45:34今さっき乗車理由がありませんって怒られ
4:45:35て終わったんですけど、その続きですと。
4:45:37で、乗車理由を入力するんですけど、乗車
4:45:39理由って何でもいいわけじゃないんですよ
4:45:41ね。で、基本的には、え、業務上必要だと
4:45:44判断されるような時しか経算としては認め
4:45:47られないはずで、ま、その基準も会社に
4:45:49よって様々かと思います。そのような会社
4:45:53ごとの基準に合わせた妥当性の判断と呼ん
4:45:55でいますが、妥当性の判断までAI申請
4:45:58レビューはできてしまいます。
4:46:01これもちっちゃいんですが、ま、さっきの
4:46:02続きですと。で、あ、乗車理由を書き忘れ
4:46:05てたってことで書くんですけども、これ
4:46:08ちっちゃいんですけど、ま、通勤のため
4:46:09って書いてるんですよね。で、通勤のため
4:46:11って、ま、確かに理由なんですけど、
4:46:13あんまり具体性なくてこれだけで通ると
4:46:15思えないみたいなものを書くと今これ怒ら
4:46:16れているんですよね。具体的な情報がない
4:46:19し一般的な話なのでこれ多分通らないす
4:46:21よって怒られていてこれを持って人間は
4:46:24あかにこれじゃあ不十分だよねっていう風
4:46:26に気づいて今これ入力しているのがえっと
4:46:29完全今日の話AIDで登壇する必要がある
4:46:32からオ室に行く必要があるんだけど電車
4:46:35止まっちゃってましたみたいなことを書く
4:46:37と
4:46:39通ってくれるはずで通ってこれでま申請
4:46:42実際できるとでこれま実際デモしている
4:46:46わけなんですが別に裏側で、ルールベース
4:46:48でこういったものの入力を期待してる
4:46:50みたいな行動を実装してるわけではなくて
4:46:52、本当に簡単に過去のいくつかの例と、ま
4:46:55、こういったレビューをしてく
4:46:56れっていうのをAIに伝えているだけで
4:46:58こういったものができるという機能になっ
4:47:00ておりますと。
4:47:02で、電話は以上なんですけども、AI申請
4:47:04レビューでは、え、ここでは紹介しきれ
4:47:06ないぐらいたくさんのユースケースに、ま
4:47:07、裏側としてほとんど追加の開発なしで
4:47:10対応することができるAI
4:47:11プラットフォームですと。で、AI申請
4:47:14レビューを初めとしてこれからどんどん
4:47:16登場する爆落のAIエージェントは従来の
4:47:19サスでは拾いきれなかった様々なUS
4:47:21ケースにも、え、答えられる形に進化する
4:47:23ことで業務の完全自動運転を目指しており
4:47:26ます。これもしうちでも使いたいって方が
4:47:28いたら後で渾新会で是非話しかけて
4:47:30ください。
4:47:34で、えっと、業務の完全自動運転向きで
4:47:36エージェンティックワークフローっていう
4:47:38概念が鍵となりますという話で、え、前半
4:47:40終えるんですけども、
4:47:44え、
4:47:47なぜ、え、重要かというところで言うと、
4:47:49ま、LLMやAIエージェントがいかに
4:47:51賢いと言えとも、まだアレールタスクを
4:47:53丸投げで解決してくれるほどのものでは
4:47:55ありません。今日の発表でも何回か出てき
4:47:58たかなと思います。例えば爆落で扱って
4:48:00いる請求書内の明細から明細表から複数の
4:48:05仕訳を作成するっていうのタスクを例に
4:48:06上げると、ま、請求書だけ渡して仕訳け
4:48:09切ってってポンと渡してもなかなかうまく
4:48:11いかなかったりするんですね。っていう
4:48:13場合は例えばまず表を抽出して次にそっ
4:48:17から主権使用する特定の業を注意してって
4:48:19いう風に一定のリドで、え、タスクを分解
4:48:22してあげる方がうまくいくことが多いです
4:48:23。このようにLLM、AIエージェントで
4:48:27ポンではなくてシンプルな課題軍に、え、
4:48:31事前に分解してあげることがポイントに
4:48:32なるかと思います。触る人には座るかと
4:48:36思いますが、ディープでポンっていう
4:48:37フレーズがね、昔流行ったのが懐かしい
4:48:39ですね。
4:48:41で、そこで書きとなるが、え、自立性と
4:48:43決定性を兼ね揃えたエージェンティック
4:48:45ワークフローだと考えていて、
4:48:47エージェンティックワークフローにおいて
4:48:48はAIエージェントの自立性を生かしつつ
4:48:50も取り組むタスクが事前定義された決定的
4:48:54なAIワークフローやAI、OCR機能等
4:48:57ドメイン特化した高性能の通路をAI
4:48:59エージェントが事在に活用して時には人間
4:49:02とも強調しつつ助けに取り組むことができ
4:49:04ます。
4:49:06エージェンティックワークウロの仕組みに
4:49:07よって例えばよくある交通費の形成資産
4:49:10申請の手順はAIワークロードして事前
4:49:13定義しておいて成功確率を上げることが
4:49:15でき一方で例外的な申請の場合はAIが
4:49:18自律的に考えた上で必要に応じて人間に
4:49:21確認を求めたりだとかAをしる等々の通路
4:49:24を使ったり外部リソースにアクセスする
4:49:27ことで、え、タスクをこなしていくって
4:49:29いう体験が実現できるはずです。実際
4:49:32先ほど紹介したAI申請レビューもこの
4:49:34思想に基づいて開発を行っています。
4:49:39ただ、えっと、エージェンティック
4:49:40ワークロー、もちろん夢のような、え、
4:49:42機能ではなく、いろんな難しさがあって、
4:49:44例えばAIワークフローとして取り組む
4:49:47タスク軍を事前決定的に定義できたとして
4:49:50も、それぞれのタスクは成功するかどう
4:49:52かっていうのはまた別の話です。ま、そこ
4:49:54で重要になるのは当たり前かもしれません
4:49:56が、それぞれのタスク内で使われるツール
4:49:58の性能です。例えば先ほどの例の一部なん
4:50:02ですけども、請求書から主役を作成するっ
4:50:05ていうタスクを3つ分解した時に1つ1つ
4:50:08のタスクが9割っていう比較的高い制度で
4:50:11成功するとしても3つがつなると最終的な
4:50:13制度は73%まで落ちてしまいますと。ゆ
4:50:17にこの1つ1つ1つのツールを性能高く
4:50:20作ることは、ま、非常に重要であってかつ
4:50:23ま、そのドメインならで、あのビジネス
4:50:25ロジックや工夫を取り組みるっていう意味
4:50:27でもエンジニアの腕の見せどころだと考え
4:50:29ております。
4:50:32というとこで後半のパートではこの重要な
4:50:34ツール軍、特にAIや機械学習技術を活用
4:50:37したツール開発について実例と共に機械
4:50:41学習領域のテックリードである島越紹介さ
4:50:43せていただきます。
4:50:57[音楽]
4:51:04ではここから松村に変わって島越の方から
4:51:06お話をします。簡単に自己紹介させて
4:51:09いただきますと、私は松村と同じ爆落事業
4:51:12部のAI機会学習部というところでテック
4:51:14リードをしております。レアXには
4:51:172023年4月に入社し、AIOCRなど
4:51:20の機械学習機能開発全般を担当しており
4:51:23ます。また趣味でかるという機会学習
4:51:26コンペラットフォームにも参角しており、
4:51:28最高位のグランドマスターという証拠を
4:51:30持っています。
4:51:33先ほど松村の方から話があったように、私
4:51:36からはエージェンティックワークフローに
4:51:38おけるツールをどのように選定していけば
4:51:40いいかというお話をします。少し技術的な
4:51:43話も多くなるのですがお付き合いください
4:51:46。
4:51:48まずツールという名前を聞くと一般的には
4:51:51単純なAPI操作や関数呼び出しを皆さん
4:51:54イメージするかもしれません。しかし我々
4:51:57が考えるエージェンティックワークフロー
4:51:58におけるツールというのはそれらだけでは
4:52:01なく機械学習モデルや事前に課題を分解し
4:52:04た決定的なAIワークフローはまた人間に
4:52:07よる介入なども全てツールとして捉え
4:52:09られるのではないかなという風に考えてい
4:52:11ます。これらを村さんの発表であったよう
4:52:14なリーダーエージェントが1つ1つ
4:52:16呼び出していくことによって業務の自動
4:52:18運転というものが実現実現できると我々は
4:52:21考えております。
4:52:25その上で多種多様な選択肢が今言ったよう
4:52:28にあったんですけど、それぞれのタスクに
4:52:30対してどのようなツールを選択するかが
4:52:33エンジニアの腕の見せどだと我々は考えて
4:52:35います。例えばここに書いてあるように、
4:52:38ま、前半でも紹介があったんですけど、
4:52:40請求書から仕訳を作成したいといった
4:52:42タスクを分解していくと、ま、まず文字を
4:52:45検出し、検出しないとダメですよね。表を
4:52:47検出しないとダめですよね。みたいな
4:52:49タスクに分解されていきます。この中で1
4:52:52つピックアップして仕訳に使用する業を
4:52:54じゃあ抽出しましょうというものを
4:52:56ピックアップしてみるとこのタスクを特に
4:52:58はどのようなツールを使えばいいと思い
4:53:00ますか?単純に人間にやってもらうという
4:53:04手段もありますし、LLMのAPIで予測
4:53:06するという手段もあると思います。
4:53:10本日はこのツールの技術の中でも特にAI
4:53:14を用いた手段を取る時にどうすればいいか
4:53:16という話を紹介いたします。
4:53:20まず1個確実に言えることとしては、
4:53:22とりあえずフロンティアの生成AIを使え
4:53:25ばいいというわけではないと我々は考えて
4:53:27います。ではどのようにすればいいの
4:53:30でしょうか?
4:53:32そのためにもまず識別モデルと生成モデル
4:53:35の違いについて説明します。少し専門的な
4:53:39用語になるのですが、識別モデルというの
4:53:41は条件付き確率を学習し、生成モデルは
4:53:45同時確率というものを学習します。簡単に
4:53:48説明すると、識別モデルはXという特徴を
4:53:51観測した時にYに近づくように学習する
4:53:55ような学習をするのですが、LLMなどは
4:53:58こういう文脈だから次にYが来そうだなと
4:54:00いった分布を学習するといった学習の違い
4:54:03があります。そのような学習の違いにより
4:54:06出力の分布や入力方法にも違いが生じます
4:54:09。例えば識別モデルの場合はクラス分類で
4:54:13あればクラス数などの固定次元であったり
4:54:16、自系列予測やランキングのようなタスク
4:54:19においてはスカラーチになったりします。
4:54:22また解きたいラベルを予測するために必要
4:54:24な関連情報を追加で与えようとする際には
4:54:27、ま、それと関連した情報っていうものを
4:54:30加工した上で、ま、特徴量としてXとして
4:54:32加えてあげでそれ専用に学習するという
4:54:35ような流れを取ることになります。一方で
4:54:39LLMなどの生成モデルは一般的に文脈を
4:54:42考慮した上で下変のテキストっていうもの
4:54:44を蓄時的に出力します。そのため出力空間
4:54:49が5位移サイズみたいな高次元になるので
4:54:52一般的に計算効率が悪くなります。また
4:54:55解きたいタスクの関連情報というものを
4:54:58追加で与えたいという場合は村さんの発表
4:55:01などでもありましたがコンテキストを
4:55:03いかに与えるかというところで、ま、
4:55:05すでに学習された分布上でなんとか
4:55:08コンテストでやりくりするということに
4:55:10なります。このような違いを考慮した上で
4:55:14どちらのモデルを使うべきかということを
4:55:16考えることが重要だと考えています。
4:55:20また最近ではOSSのスモールランゲッジ
4:55:23モデル、いわゆる10ビリオン以下の
4:55:25サイズのモデルLLMへの注目が高まって
4:55:28いまして、ま、これらの選択肢というのも
4:55:31深夜に入れる必要があると我々は考えてい
4:55:33ます。例えば制度の観点で言うと、ま、
4:55:37先ほど紹介あったエージェンティック
4:55:38ワークフローっていうものを構築する際に
4:55:40、ま、タスクを分解していくと多くの場合
4:55:43は構造化データ抽に落ち着くと言われて
4:55:45おり、ま、それに対して大体1万件から
4:55:4810万件ぐらいのデータサイズでSLMを
4:55:51自己学習すれば十分な制度が出るよと論文
4:55:54で報告されていたりします。また運用面で
4:55:58の扱いやすさとしてもいくつか利点があり
4:56:00まして、例えば自分たちでモデルを運用
4:56:03することで定期的な学習が可能になり、
4:56:06新しいフォーマットであったり要件も
4:56:09素早く適用することが可能になります。
4:56:13他にもLLMAPIの運用を続けると
4:56:16プロンプトが複雑になったりコンテキスト
4:56:18がコンテキストが避大化してコンテキスト
4:56:20に乗りきらなくなってしまったりといった
4:56:22問題がありますが自前で学習する場合には
4:56:26パラメーターとしてメモリを保持するため
4:56:28そのような運用から逃れられるという
4:56:30メリットもあります。
4:56:33これらの違いをより理解するために爆落の
4:56:36実で検証をしてみました。ここでは前半
4:56:39紹介になったパーソナライズドAICRの
4:56:43まず色々なラベルを抽出する候補抽出性の
4:56:47タスクを一部観略したものをもにま、
4:56:50ロバータといった従来からある識別モデル
4:56:53であったりクエといったOSSのモデル
4:56:57GPT4.1cloudといったAPIで
4:56:59提供されてる生成モデルなどで構造化
4:57:02データ抽中数タスクでどのような違いが
4:57:04出るかというものを紹介します。
4:57:08例えば出力空間の違いなんですけれども、
4:57:12識別モデルの場合は事前に定義された
4:57:14支払い金額といったラベル分類を文字列に
4:57:17対して行っていきます。そのため事前定義
4:57:21したラベル以外の出力をしたり元の文字列
4:57:23を改変するといったハルシネーションは
4:57:25発生しません。ただ事前定義したものは
4:57:29以外は出力できないといった欠点もあり
4:57:32ます。一方で生成モデルの場合は5位の中
4:57:36からユーザーが求めるフォーマットに従っ
4:57:38てこのような税形式で文字列を出力します
4:57:42。なのでユーザーが求めれば、ま、その
4:57:45コンテキストに従ってあらゆるラベルを
4:57:47抽出できるという強みがあるんですけれど
4:57:50も、そもそも正しいJソonフォーマット
4:57:52で出力できていなかったり、元の文字列が
4:57:55改変されてしまったり、文字列のどの部分
4:57:58から抜き出したのかといったことが分から
4:58:00ず、多少アンコントローラブルな部分が
4:58:03増えてきます。
4:58:05また計算効率の部分に関しては一般的に
4:58:09モデルサイズや、ま、先ほどお話しした
4:58:11出力の方式の違いなどからも式別モデルの
4:58:14方が効率が良くなります。生成モデルの
4:58:18出力効率もライブラリーなどが最近は充実
4:58:20してきており、徐々に効率が良くなってき
4:58:22てはいるんですけれども、効率という意味
4:58:25に関しては式別モデルの方がまだまだ効率
4:58:28がいいです。
4:58:31実際に先ほどのタスクで検証してみた
4:58:34ところ、ま、縦軸がちょっとログの
4:58:36スケールになってて見にくい部分があるん
4:58:38ですけれども、ロバータの0.4という
4:58:40ものが中央地で生成モデルより100倍
4:58:43ほど高速になるというような検証結果に
4:58:45なりました。
4:58:47また事後学習したクだったり生成モデル
4:58:51APIだったりっていうところの0天Cに
4:58:53大差はないんですけれども軽量なAPI
4:58:56例えばGPT4.1なノやminiって
4:58:58いうところを見てみていただくと
4:59:01先ほどのJonソンの例のような期待して
4:59:04いるフォーマットっていうものを1度で
4:59:05出力できずリトライの影響で割とちょっと
4:59:08不安定な挙動をするっていうものを観測し
4:59:10たりしました。
4:59:13一方で制度の面ではどうかと言うと、検査
4:59:16でありますが、ま、全体としては事後学習
4:59:19した区園の4Bモデルが1番精度が高いと
4:59:21いう結果になりました。これは先ほどの
4:59:23論文の例と実でも同様なの結果が得られた
4:59:27得られました。とはいえ0.C見ると
4:59:30100倍ほどの差があるので0.C要件と
4:59:33制度の要件などから、ま、識別モデルを
4:59:35使った方が、ま、ユーザーの体験としても
4:59:38いいし、バランスもいいのではないかなっ
4:59:40ていう風に思いますと。一方で実務とかだ
4:59:43と私もコストの観点からよくGPT4.1
4:59:47miniとかを使ったりするんですけど、
4:59:49そういったモデルがロバーターのような
4:59:51手法よりも取り先、取引先名といった項目
4:59:54で20ポイントほど正解率で劣るという
4:59:56ような結果が得られました。これは取引
5:00:00先名とは特有のドメインだったりの知識が
5:00:03必要のため0ショットへはなかなか難しい
5:00:05のかなと考えていたりします。一方で金額
5:00:09や日付といった一般的な項目については
5:00:11精度が高いモデルもあるので、使うところ
5:00:14次第ではLLMのAPIも有にはなりそう
5:00:16というような検証結果になりました。
5:00:21またOSSのスモールランゲッジモデルの
5:00:23事己学習結果についても面白い結果が得
5:00:26られました。
5:00:28ここではクの他にラマ系列のモデルについ
5:00:31ても検証したんですけれども、自後学習
5:00:33する前は適切なフォーマットを全く出力
5:00:36できなかったんですけれども、たった
5:00:3723000サンプルほどで8時間学習する
5:00:40だけで適切なフォーマットをほぼ完璧に
5:00:42出力できるようになり、制度も前日のよう
5:00:45に高い制度を達成することができました。
5:00:50次にどのように関連情報を加えるかによる
5:00:53違いというものを検証するために
5:00:55パーソナライズやの先ほどは候補抽出部分
5:00:58だったんですけどその後のランキング部分
5:01:00のタスクで検証を行いました。
5:01:04この場合パーソナライドAIOCRは識別
5:01:07モデルを内部では使っているんですけども
5:01:08、識別モデルで特徴エンジニアリングを
5:01:11行い、一方生成モデルの場合はAPIを
5:01:14用いて過去の入力値とテキストペアを与え
5:01:17てインコンテキストララーニングを行う形
5:01:19で検証を行いました。
5:01:22この場合は爆落のユーザーが最終的に選択
5:01:25した3つのラベルを1番を推薦できてるか
5:01:29というところの正解率を評価します。
5:01:34このようなタスクの場合にも出力空間の
5:01:36違いがあります。識別モデルの場合は各方
5:01:40に対して何かしらの最適化指標で
5:01:42ランキングスコアを付与するという形に
5:01:44なるので一定スコアの理論的な解釈性も
5:01:47ありますしとの紐付けなども特に意識せず
5:01:51行うことができます。一方で生成モデルの
5:01:54場合は与えられたコンテキストによって
5:01:57内部的に何かしらの基準で並び替えられた
5:01:59ものが出力されます。なのでそれをどの
5:02:02程度信頼していいのかみたいな理論的な
5:02:04保証がありません。
5:02:07さらに生成されるのは文字列になるので
5:02:11追加でIDへのマッピングが必要になっ
5:02:13たりしますと。なのでマスターデータなど
5:02:15と多数用いる場合には構成が割と複雑に
5:02:18なるなというような特徴があります。
5:02:23この今回のようなタスクの場合の関連情報
5:02:27の取り扱い方の違いですと。
5:02:30識別モデルの場合は学習したいに対して
5:02:34関連する情報にその統計処理などをして
5:02:37加工したものをモデルに入力するので一般
5:02:40的に小メモリに関連情報を組み込めます。
5:02:43ですので長期の情報も取り組みやすかっ
5:02:46たりこの特徴に対して比例して欲しいなと
5:02:48いった数値情報の特徴を扱いやすくなり
5:02:50ます。しかし訓練レンジに利用した特徴
5:02:54のみでしか予測ができないためある程度
5:02:56汎用的な用途に限られるといった制限が
5:02:59あります。
5:03:01一方で生成モデルはどのように扱うかと
5:03:03言うと、プロンプトの一部に自然言語で
5:03:06組み込むため、一般的に水論個数が少し
5:03:09高くなります。
5:03:11このような方式のため式別モデルのように
5:03:14この特徴に対して比例して欲しいなみたい
5:03:16な挙動を意図的にするのが難しい部分が
5:03:19あるのですが、絶対に固定のコンテキスト
5:03:22を出ないといけないということがないため
5:03:25、同的にコンテキストを切り替えることが
5:03:27できるというメリットもあります。
5:03:32このような特徴の違いがある場合に式別
5:03:35モデルと生成モデルでも制度の比較を行い
5:03:37ました。今回の検証だと単純に過去の選択
5:03:41結果を入れるだけのコンテキスト
5:03:43エンジニアリングでは一貫して我々の提供
5:03:45しているパーソナライズドAICRの方が
5:03:48精度が高い結果になりました。我々の場合
5:03:52、過去データを構造化して保持しているの
5:03:54で、特徴量エンジニアリングの方が追加で
5:03:57様々な統計処理をして特徴を多数与え
5:04:00やすいという扱いやすさみたいな部分も
5:04:03制度向上に起与したのではないかなという
5:04:05風に考えております。
5:04:09ここまで見ると生成モデルのAPIは制度
5:04:12も出ないし遅いし使えので使えないのでは
5:04:15ないかとなるのかもしれませんが、生成
5:04:17モデルのAPIが優れてる部分も多くあり
5:04:20ます。例えばリーダーエージェントのよう
5:04:23にタスクプランニングを行うようなタスク
5:04:25の場合は今回検証していないようなO3の
5:04:29水論モデルが有効に働くことがあります。
5:04:33また構造化データ抽中のようなタスクでも
5:04:36データがない場合にモデルを作れないと
5:04:38いう機械学習の弱点をカバーできることが
5:04:40できます。そのような場合にまず生成
5:04:45モデルAPIを用いてプロトタイプを作る
5:04:48ことでお客様の反応を見て早期に
5:04:51プロダクトへの導入判断を行うことができ
5:04:53ます。
5:04:55また同的な入力や柔軟なフォーマットで
5:04:57タスクをこなすことができるので申請理由
5:05:00や申請理由といった自由入力欄に対しての
5:05:04レビュー機能であったり、一部のお客様で
5:05:07しか必要とされない項目の抽出などで威力
5:05:10を発揮します。
5:05:13ではこれらを踏まえて我々はAI機械学習
5:05:17プロダクトをどのように作っていくべき
5:05:19でしょうか?
5:05:21やはり生成モデルAPIのコールド
5:05:24スタートの状態からAI機能を作れると
5:05:27いう部分はプロダクトを作る上ではとても
5:05:29魅力的な部分がありますし、開発の速度も
5:05:32とても早くなります。なのでまずデータが
5:05:35ないところに関しては生成モデルのAPI
5:05:38でMVPやプロトタイプを作成し、最速で
5:05:42動くものを作ることが重要になると考えて
5:05:44ます。その上で紹介したような使いにくさ
5:05:48であったりに直面しながら別の手法に
5:05:50切り替えたり呼ばれる頻度や反復性データ
5:05:54の蓄積といったタスクの性質やフェーズの
5:05:57変化に従って識別モデルやOSSの生成
5:06:00モデルの学習を行うことで制度改善や
5:06:03コスト削減0天改善を狙っていこうと考え
5:06:06ています。
5:06:08そのため最初に作った段階で後々学習
5:06:12できるデータを貯めるということも重要に
5:06:14なると思っています。
5:06:16もちろん元からデータがあるのであれば
5:06:18最初から識別モデルを作るのも1つだと
5:06:21思っています。
5:06:24ではちょっと抽象的な話をしていたんです
5:06:26けど、ここからは実際に爆落において開発
5:06:28した事例でどのように意思決定してAI
5:06:31機械学習プロダクトを開発してきたかに
5:06:33ついて紹介します。まずは
5:06:37パーソナイizedAIOCRの事例です
5:06:39。
5:06:41パーソナイズドAIOCRの開発処期は
5:06:44まずデータとしては最終的にユーザーが
5:06:46入力した値しかデータが存在しないという
5:06:49課題がありました。
5:06:51ここで欲しいのは右で書いてあるような、
5:06:54ま、単純な日付ではなく、どのような日付
5:06:56なのかという意味まで含めたラベルが
5:06:58欲しかったのですが、アノテーションの
5:07:00データが貯める、溜まるのを待つと時間が
5:07:02かかりますし、追加でこういうラベルも
5:07:04アノテーションしたいんだよなという要件
5:07:07が発生した場合に手戻りのコストが発生し
5:07:10てしまうという課題がありました。
5:07:13そのような場合に単純にLLMのAPIに
5:07:16書き換えてしまうと大幅に0点cが悪化し
5:07:19てしまいますし、リクエスト数も多いため
5:07:22コストもかかってしまうという問題が発生
5:07:24してしまいます。そのためフロンティア
5:07:27生成モデルのAPIを用いて疑似的に
5:07:29アノテーションを行ったデータで開発を
5:07:31まず行うことでモデル開発アノテーション
5:07:34定義修正の開発のイテレーションを拘速に
5:07:37し早期にリリースを行うことができました
5:07:39。
5:07:41次にAI申請レビューの事例です。AI
5:07:45申請レビューの場合はモデルに入力される
5:07:47のが内容メモランに記入される自由技術の
5:07:50自然言語や添付ファイルの非構造化データ
5:07:53などルールによって同的に変わるものです
5:07:55。また要件として機能として時間がかかっ
5:08:00てしまうとレビューが終わる前に申請を
5:08:02出しちゃうよね。だったりと体験が悪く
5:08:04なってしまうので、ま、リアル体制、
5:08:06リアルタイム性の要件だったりレビュー
5:08:09結果がNGの場合には理由を自然言語で
5:08:11フィードバックできるようにしたいといっ
5:08:13た要件がありました。さらに申請ルールが
5:08:17お客さんによって多種多様なのでスケール
5:08:19できるようにしなければいけないといった
5:08:21課題もありました。
5:08:24そのような際にやはりルールの多様性から
5:08:27単一のモデルを汎用的に学習するというの
5:08:29は困難なので幅広いケースをカバーでき
5:08:33フィードバックを自然言語で返すことが
5:08:35できるLLMAPIを用いました。今回の
5:08:38場合は先ほど検証したレートは異なり内容
5:08:41メモランに記述できる文字数は限られて
5:08:44いるのでリアルタイム性も問題ありません
5:08:46でした。少し工夫している点としては頻度
5:08:49高く利用されるようなルールは
5:08:51エージェンティックにするのではなく、
5:08:53固定のAIワークフローで一定決定的な
5:08:55動作にすることで高性度化を狙っています
5:08:58。この場合も後々のためにより自立的に
5:09:01差し戻しデータなどから学習適用できる
5:09:04ようにデータを蓄積するといったことも
5:09:05意識しております。
5:09:08最後に先ほどから何度か例に出している
5:09:10請求書から表を抽出し仕訳を作成するAI
5:09:13明彩仕訳という開発中の機能について紹介
5:09:16します。この機能の場合も全く新しい機能
5:09:20であるため表のどのような内容に対して
5:09:22どういう仕訳が切られていたとかという業
5:09:25のデータが存在しないため事前検証が
5:09:28難しいという課題がありました。また表の
5:09:31構造もカラム名や表組が請求書によって
5:09:35同的に変化するため構造化して識別モデル
5:09:38で解くというのも難しく他にも100行の
5:09:41仕訳を切るといったことを考えるとどの
5:09:43部分を参考に仕訳を切られたのかが分から
5:09:46ないとユーザーとしても認知負荷が高く
5:09:48なりますと。さらに生成モデルを単純に
5:09:51用いると表の数がずれてしまったりと
5:09:54ユーザー化するとユーザーからすると元の
5:09:56請求書との対応関係が取れなくなって
5:09:59しまい逆に負担になってしまうというよう
5:10:01な間違い方をしてしまうというような課題
5:10:02もありました。
5:10:05そこでどのように開発を進めたかというと
5:10:07、まずLLMのAPIでプロトタイプを
5:10:09作成し、ユーザーヒアリングや壁打ちを
5:10:11行いました。そこでどこで間違えると負荷
5:10:14になりそうか、どういうUIだったら許容
5:10:17できるかというものを調査しました。
5:10:20その上で表の抽出部分はユーザーの
5:10:22レビュー観点でも重要なので式別モデルを
5:10:25使うようにしユーザー的に絶対に間違って
5:10:29欲しくないなという部分は予測した上で
5:10:31ユーザーに最終的に選択してもらうという
5:10:34フォールバックの形式を取ることにしまし
5:10:36た。
5:10:37また業のデータから仕訳を作成する部分は
5:10:41LLMのAPIを用いて開発したんですが
5:10:43、0天Cやコストなどの観点、また識別
5:10:46モデルの方が精度が高くだろうなるだろう
5:10:49なみたいな裸感であったり、行数を
5:10:51間違えるなどのハレーションもなくなるの
5:10:53で、後々式別モデルに切り替えれるように
5:10:55業員でどういうデータからどういう仕訳を
5:10:58最終的にユーザーが入力したかというよう
5:11:00なデータを蓄積するようにしました。この
5:11:04ようにして徐々に複雑な処理を行うツー
5:11:06ルっていうものを我々は作成していって
5:11:08おります。まとめに入らせていただきます
5:11:11。最後になりますが、我々はユーザーに
5:11:15向き合いながらAI、エージェンティック
5:11:17ワークフローから呼ばれる制度の高い
5:11:19ツールを揃えていくことで業務の完全自動
5:11:21運転を実現していきます。そのために今回
5:11:24話したことであったり、ナ村さんの話に
5:11:26あったようなエージェントシステムが今後
5:11:27重要になってくると考えております。ご
5:11:30成聴ありがとうございました。
5:11:32[拍手]
5:11:39ありがとうございました。
5:11:42それでは質疑応答に入っていきましょう。
5:11:46そうですね、申請レビュー、AI申請
5:11:49レビューについての質問です。かなり多く
5:11:52のAIの呼び出しがあるように思えました
5:11:54。AI
5:11:55サービスを使うとコストがかなりかかると思いますが、それを抑えるために実施している試作があれば伺いたいですと。関連して費用体効果をどのように図っているかというところも質問がありました。合わせてご回答お願いします。
5:12:11私からお話します。ありがとうございます。そうですね。
5:12:14一般的なコスト対策はしておりまして、
5:12:17無駄なコンテキストを入れないであったり
5:12:19だとか、ある程度リーズナブルなモデルを
5:12:20使う等々はやっておりますと。ただ一方で
5:12:24申請レビューに関しても結構初期段階なの
5:12:26で、ある意味コストそこまで気にせずに
5:12:29できるだけより良い体験を届けることが
5:12:31重要かと思っておりますので、あんまり
5:12:34正直考えきってないですし、そこまで深く
5:12:36考えなくても、ま、大丈夫だよねっていう
5:12:38コスト範囲で収まっているのが今ですね。
5:12:42で、その上で費用体効果で言いますと、え
5:12:45、費用は、ま、そのような形なんですけど
5:12:47、効果で言うと、ま、実際今、えっと、
5:12:49オプションで提供したりもしてるので、
5:12:50その辺に反応してるかなというところです
5:12:52と。で、我々の提供してる申請レビューっ
5:12:54て、え、発表内でもちょろっとお話したん
5:12:57ですけども、実際今まで申請の内容を確認
5:13:00してたような、ま、上長であったりだか、
5:13:02経理の方の仕事をなくしていくっていう、
5:13:04今までそこにかかってた人件費がなくなっ
5:13:06ていくという性質を持っていたりするので
5:13:08、ま、そういう意味でも、え、実際のその
5:13:10収益性というか、え、
5:13:14コス、え、費用体コスト効果っていうのは
5:13:16大きいと考えていて、そこに向けて実装し
5:13:19ております。はい。ありがとうございます
5:13:23。では次は島さんに聞きたいと思います。
5:13:30先ほど生成モデルと識別モデルの使い分け
5:13:32のお話がありましたが、生成モデルで
5:13:35ひとまず対応したものを識別モデルに移行
5:13:38するその判定の仕方、どこにジャッジの
5:13:41ラインがあるのかというところとどのよう
5:13:43なプロセスでジャッジしているのかという
5:13:46質問が来ています。
5:13:47あとは似たものでシステムに組み込んだ
5:13:51LM
5:13:51の機能をこのタイミングで剥がした方がいいというそのタイミングってどのように決めていますかという質問がありました。
5:13:59はい。
5:14:02はい。
5:14:04あ、書いてる。あ、はい。ありがとうございます。そうですね。
5:14:07その生成モデルをどのように式別モデルに
5:14:11変えていくかという点に関してはそれが
5:14:13どれぐらい呼ばれてるかっていう部分で
5:14:15あったりとかお客さんの体験的にやっぱり
5:14:18このぐらいの0点かかってるのは体験とし
5:14:20て良くないよねったりとかそのコストで
5:14:23あったり体験面でもっと良くできるので
5:14:26あれば書いていこうみたいな意思決定をし
5:14:28ていこうと思っています。
5:14:30で、逆に頻度低い部分とかであれば、そこまでコストが、ま、逆に日致な部分とかであればコストとかはあまり気にせず生成の
5:14:38API
5:14:39をそのまま使うといった選択肢も考えれるかなという風に思っております。
5:14:43ありがとうございます。まさに業務の隙間を
5:14:45AI
5:14:46エージェントで埋めていくというあの初期から話されていたことをそのままなぞってお話いただいたかなと思います。ありがとうございました。以上でこちらのセッション終了となります。ありがとうございました。
5:15:01[拍手]
5:15:07はい。入ってない。
5:15:10いや、ラたさん、あれ
5:15:12入ってないよ。
5:15:12お疲れ様でした。
5:15:16では入れてる間に
5:15:18ハッシュタグAIDA
5:15:20で是非感想を呟いてください。セッションが終わりましたのでアンケートの方も是非ご回答よろしくお願いいたします。
5:15:31いや、結構長かったですけど、全てのセッション終わりましたね。
5:15:35あっという間でしたね。あの、最初はこうね、すごく長いかなと思って見構まえていましたけど、
5:15:41そうですね、
5:15:42どのお話も切り口が
5:15:44AI
5:15:44という形で今日通話していましたけど、すごくいろんな切り口でお話をしてもらったので、あの、皆さんのこう、明日からのお仕事に少しでも役立つ部分があれば幸いでございます。
5:15:58はい。
5:15:58そしてですね、ちょっと今日の数字的なお話もちょっと合わせてこの場でさせてもらいますと、なんと今日のこの
5:16:04はい。
5:16:04ベッドUIで
5:16:06同時接続、YouTubeライブですね。
5:16:08YouTubeライブの同時接続が
5:16:10700人超え、700
5:16:11名超えで、のび視聴ももうすぐ
5:16:143000
5:16:15円という数字だ。そうです。はい、ありがとうございます。ありがとうございます。そ、あの、
5:16:20オフラインにもこうしてたくさんの方が来ていただいて大変感謝しております。ありがとうございます。
5:16:24100
5:16:25名を超えるゲストの方に来ていただいております。
5:16:27ありがとうございます。
5:16:31はい、じゃあそれでは最後にあのお
5:16:332
5:16:33人に総括をいただきますか。はい、代表取締まり役
5:16:38CTO松本、代表取締まり役
5:16:41CEO
5:16:41福島から総括としてクロージングトークをお届けしたいと思います。皆様もうしばらくお付き合いください。
5:16:49はい、皆様お疲れ様です。オンラインで視聴の皆様もありがとうございます。
5:16:56いや、結構いろんなカテゴリーでお話をさせていただいたんですけど、どうでした?福島さん、なんか今日のセッション面白かったですか?面白かった。悲しい。
5:17:01[音楽]
5:17:06僕もちょっとあの一部ちょっと仕事で抜けてたんですけど、あの実は上であの
5:17:10YouTube
5:17:10で配信を聞いてまして、全部面白いなっていうのと、あと特にあの金融系の取り組みのところであの実は僕も知らない取り組み。あ、もうこれももはやとして売れるじゃんみたいなものが内性化されててはい。びっくりしました。
5:17:26意外とね、ところでろんなものが進んでます。
5:17:28ちょっと最後なんで、あの、せっかくなんで今日のテーマベッド
5:17:32AIデーじゃないですか?
5:17:33はい。
5:17:33福島さんの中で、あの、私からはこうベッド
5:17:36AI
5:17:36になんで振り切ったって話をさせていただいたんですけど、ちょっと
5:17:39CEOの視点でなんでベッドAI
5:17:41やろうってなったのか、ちょっとお伺いしてもいいですか?
5:17:44そうですね、まず、えっと、ま、今年の
5:17:484月かなにすごくベッドAI
5:17:50って振り切っていて、実は同じタイミングで僕も毎週、ま、金曜日なんかフリーな時間を使っていて、シクデって言って、ま、考える時間っていうのを作ってたんですけど、
5:18:004月にこうAIに変えてう1中AIを
5:18:04触るっていうに買いました。
5:18:05で、これが、ま、何の危機感かみたいな
5:18:07ところでいくと、ま、実際は、ま、
5:18:102020年の末ですかね、チャットGPT
5:18:12出てきて、で、僕はやっぱ衝撃受けたのは
5:18:15、ま、去年の、ま、いわゆるこう水論
5:18:16モデルであったりとか、ま、そこでもう
5:18:19明らかに世界が変わったなっていうところ
5:18:21と、ま、いわゆるそのコンピューター
5:18:23ユースみたいな実なんて言うんですか、
5:18:25APIが繋がってないケースでも、ま、
5:18:28いわゆるこのAIがいろんなこうサービス
5:18:30を操作できてしまうみたいな、ま、実際
5:18:32ちょっとコンピューターユまだ問題が多い
5:18:33んですけど、ま、そういった部分であっ
5:18:35たりとか、ま、最直近だといわゆるこの
5:18:37AIのなんて言うんですかね、自己、自己
5:18:39改善的な学習みたいな部分もなんかすごく
5:18:42進んでいて、いよいよこうAI後半戦に
5:18:46入り始めたなとで、アプリケーションの
5:18:48時代に入ったなっていうところをすごく
5:18:50感じたっていうのと、あとやっぱクロード
5:18:52コードすかね、触って、これはそのAIの
5:18:55時代なんて言うんですかね、僕自身も
5:18:57すごくAIの研究をしていたんですけども
5:18:59、触ってないと分からんっていうところで
5:19:02、で、みんなにやっぱこの触って欲しいな
5:19:04と触ってこのワクワクとかこの変化って
5:19:07いうのを感じて欲しいなっていうところが
5:19:09まさにこのベッドAI、ベッドAIにも
5:19:11繋がってるんですけど、このベッドAIに
5:19:13も切り替えてで、ま、個人的にもすごく
5:19:16嬉しいのは、ま、エンジニアは結構
5:19:18やっぱりですね、あのAI出てきてから、
5:19:20ま、すごく感度高く触っていたんですけど
5:19:22、結構ビジネス職であったりとか、その
5:19:25いわゆるこのコーポレーのチームから自立
5:19:28的に、あ、こういう自動化しましたよとか
5:19:31、こういうもうなんて言うんですか、
5:19:32ワークローとかもうなんならこうバイ
5:19:34コーディングしてなんか車内アプリ作っ
5:19:36ちゃいましたみたいな例とかも出てきてい
5:19:38て、昨日ちょうどあのセイルスのメンバー
5:19:40がそれで表彰されてたんですけど、もう
5:19:42車内の全員がほぼ使ってるの見積もりアプ
5:19:44リっていうのをあのエンジニア経験0の
5:19:48ただこうセール線はめちゃくちゃドメイン
5:19:50知識を持っているあのメンバーがですね、
5:19:52もういわゆるこの見積もりアプリってのを
5:19:54作ったんですけど、ま、そういうのが出て
5:19:56きて、ま、このまず3回ですけど、ま、
5:19:58すごいやっぱりAIにさらに振り、ま、
5:20:01だいぶ振り切ってたつもりなんですけど、
5:20:02さらに振り切ってよかったなっっていうの
5:20:04が、ま、背景と、ま、仕様として見えてる
5:20:06絵っていうところですかね。あ、で、AI
5:20:08ってやっぱりエンジニアだけが変わるとか
5:20:10プロダクトが変わるって言ればその組織
5:20:12変革とか組織全体がやっぱりこうAIを
5:20:15中心に動いてくていうのと何よりみんなが
5:20:17ワクワクして触るっていうことがすごく
5:20:19大事だなとこ3ヶ月で感じてます。すい
5:20:22ません。めちゃくちゃ長く喋っちゃった。
5:20:23いや、でもここまで5サを出してくれた
5:20:25ことに本当に感謝していて、ま、これが
5:20:27あったおかげで今、ま、今日のこの日も
5:20:29迎えられたのかなと思ってます。
5:20:31ちなみに今の福島さんから見てプロダクト開発とか、ま、プロダクトとかはい。
5:20:36あとは組織、
5:20:38あとは、ま、開発プロセスとか、ま、それぞれなんか
5:20:40AIの取り組み
5:20:42何点ぐらいですか?
5:20:43はい。
5:20:43これちょっと後で松本さんにも事前に実は点数の打ち合わせしてなくてで、まず全体で行くと、ま、本当はそう、みんな頑張ってるんで、
5:20:52100点って言いたいんですけど、ま、
5:20:5370点。やっぱりそこはなんか意識として
5:20:56はやっぱりそのシリコンバレーの、ま、
5:20:57トップのAIの会社であったりとか彼らの
5:21:00スピード感とか考えるともっとやれること
5:21:03あるなとすごいすごくやれてるんですけど
5:21:05、ま、そういう意味で全体としては70点
5:21:07でプロダクト、ま、あの、そ、えっと、ま
5:21:10、開発組織の順でいくと、ま、プロダクト
5:21:13がうーん、ま、ちょっと語弊なく言いたい
5:21:18んですけど、ま、50点ぐらい、ま、でき
5:21:20てる部分もあるし、まだまだこのAIの
5:21:23可能性とか、ま、我々がこう理想としてる
5:21:25ような、ま、レベル5の、ま、業務の指導
5:21:28運転みたいなところまで行くには、
5:21:29まだまだ半場でああるっていう意味で、ま
5:21:31、50点で開発は、まあ70から80点で
5:21:37組織で行くと、ま、50点が直近のこの
5:21:40ベッドAIで、ま、70点になったなって
5:21:42いう感覚ですね。なんかすごい
5:21:44気持ち悪いぐらい点数想像
5:21:47ちなみに松本さんの点数はあ、同じで
5:21:50507070ぐらいだったんですよね。
5:21:52やっぱりまだプロダクって意味ではなんか頭の中に思い描いてるものが結構先まで、ま、今日お話しさせていただいた通り、ま、今生成の先に完全自動運転っていうものを見ろうとすると、まだこことこことここのパーツが必要だっていうのが具体的に見えてる中で、
5:22:09まだ本当に基礎の基礎みたいな状態にいるなとみんな思っているので、ま、ここを全部やり切って
5:22:15100点なんだとしたら本当に道半ば
5:22:1750点ぐらいや49
5:22:19点なのかちょっとこうまだ合格点じゃないなて思ってう
5:22:22て、ま、これ聞いていただいてる皆さんにね、ちょっとお手伝って欲しいなとは思っているところだったりします。
5:22:29で、あの、ここまで、ま、いろんな取り組みの話をしてきて、今日もベッド
5:22:30[音楽]
5:22:33AI
5:22:33でろんな発表させていただいたんですけど、福島さん、来年の
5:22:37ベッドAI
5:22:37でもしやるとしたら、ま、多分やりますね。
5:22:40はい。やりましょう。
5:22:41やりましょう。
5:22:42なんかな、どうなってたですか?どういう話をできてる会社であってほしいですか?
5:22:46そうですね。ま、最初にあの、松本から
5:22:49あった、ま、テックビジョンですとか、ま
5:22:51、いろんなそのセッションの中でも結構
5:22:53当社として大事にしてるそのアウトカム
5:22:55みたいな話で、ここのお話が皆さんに
5:22:59リアルな形でこのアウトカムを出すために
5:23:02こういう技術的苦労があったよとか、こう
5:23:04いう組織の苦労があったよみたいな話をし
5:23:06たいなと思っていて、ただその出発点とし
5:23:08ては、あ、僕らの出したこのAIの
5:23:10サービスによってユーザーがこれぐらい楽
5:23:13になったとか、仕事がこれぐらいなくなっ
5:23:15てるとか、ま、車
5:23:16の生産性でもですけど、これぐらい変わったみたいなそのアウトカムの話とそこに対する技術的な工夫みたいな話がもっともっとできるとあの嬉しいなと思ってますね。
5:23:28来年の今頃にはあの全プロダクトエージェンティックワークフローが当たり前になっていてエージェントがちょっとずつ増え始めてるみたいなところには至れてると思っています。
5:23:39ま、ただあのもしかしたら今週
5:23:41GPT5が出るじゃないですか。
5:23:43出てきた時になんかプロダクトの考え方が変わるとかはあるかもしれないんで、
5:23:47可能ならもっと加速したいなとは思っていますね。もう本当にワクワクしてるんで、あの、私もあの、新しい技術見つけるたびに福島さんにね、ひたすらこれ触ってよつって思っていくんですけど、ちょっとこれからもおもろいネタをいっぱい持っていきます。
5:24:00で、最後に、ま、せっかく、ま、こんだけあの、聞いていただいてる方たちいるので、ちょっと会場に向けて福島さんからも一言、
5:24:072言いや、
5:24:08はい。
5:24:09全然10分喋っても大丈夫ですけど。
5:24:11はい。じゃあ10分。
5:24:13いやいやだめです。あの、
5:24:1523分でお願いします。23
5:24:16分で。
5:24:16はい。
5:24:17じゃあそうですね。ちなみにこの中であの
5:24:212
5:24:21ヶ月ぐらい前かな?ザセカンドハーフって記事読んだ方どれぐらいますか?あんまりいない。あの、僕なんかその記事を書いた人、あの、あのリアクって分かりますかね?あのリアクトですね。
5:24:35LMのリアクトの論文を書いた人が、ま、
5:24:38そのギッハブのとこに記事でポストしてい
5:24:40たAIはセカンドハーフに入ったと後半戦
5:24:43に入ったっていう話で、ま、今まではその
5:24:46モデルの進化によってこうやれることが
5:24:48ガーっと広がってったんですけど、今後半
5:24:51戦であってその後半戦に大事なのは
5:24:53アプリケーションであると。で、
5:24:54アプリケーションの、ま、金め、ま、これ
5:24:56は、ま、評価といわゆるそのなんて言うん
5:25:00ですかね、このAIにどうやってその
5:25:01コンテキストを教えていくかみたいな、
5:25:03そういう勝負に入ったよね。で、これって
5:25:06僕元々あの機械学習あのずっと見ていて
5:25:09人生で何回か衝撃を受けたことがあるん
5:25:11ですけど、ま、LLFの前は、ま、厳密に
5:25:13LLFもあのニューラルネットなんであの
5:25:16一緒なんですけどリプラーニングが出てき
5:25:18てアルファ5が出てきてα50が出てきて
5:25:23α0が出てきた。これそれぞれ解説するα
5:25:265っていうのは初めて人間のトッププロに
5:25:30あのAIが買った。ただしその学習家とは
5:25:34人間のデータをめちゃくちゃ学習してまし
5:25:35た。で、アルファ5、あ、あのアルァって
5:25:39いうのは人間の寄付のデータなしに自己
5:25:41学習だけで勝ちました。で、アル0は何の
5:25:45ゲなんか全てのボードゲームに何のデータ
5:25:48もなんて言うんですか、何のその事前な
5:25:50このデータもなく自己対戦だけで全ての
5:25:52ゲームを攻略したっていうこの間わずか2
5:25:56年
5:25:58でこれがま、GTB5なのか6なのか
5:26:01わかんないですけどこれ結構僕送るんじゃ
5:26:03ないかなと思っていてどこまあある
5:26:06XDAYが来た瞬間にそのAI
5:26:08アプリケーションによってまかなりの範囲
5:26:11の業務の自動化が起こると、で、そういう
5:26:14時に、ま、これなんか怖い話と思うか、
5:26:16ワクワクする話かと思うと、ワクワクする
5:26:18話だと思って聞いて欲しいんですけど、今
5:26:20そういう時代に置かれていて、多分皆さん
5:26:22の会社とか皆さんがやってるような
5:26:25ビジネス、プロダクトの中でも多分今まで
5:26:28の既存のプレイヤーとか既存のサービスに
5:26:30できなかった恐ろしいゲームチェンジが
5:26:32このセカンドハーフでどこかで絶対に
5:26:34起こることが確定していて、なんかそれを
5:26:36みんなで起こしたいなと。
5:26:38来年もしかしたらもうそういう話が出てきてるかもしんないですし、ま、
5:26:42僕の感覚的にはあと最速で
5:26:4523年、遅くとも5年以内には、ま、その
5:26:47Xデが来るんじゃないかなと思ってるので、その日を楽しみにですね、その日に向かって、あの、みんなで準備して
5:26:54AIできればいいなと思っておりますと。
5:26:57そうですね、あの、本当にXDAYが来る
5:26:59のかは分からない。いつ来るかは分から
5:27:01ないですけど、ま、少なくとも、ま、今日
5:27:03我々も、あの、色々なノーハウ皆様にこう
5:27:06公開させていただいて、あの、ま、この国
5:27:09、ま、小さいんで、少なくともこの国の中
5:27:11だけでも、ま、ある程度こうノーハウは
5:27:13共有させていただきながら、ま、今日ここ
5:27:16に参加いただいてる皆様と、ま、一緒に
5:27:18ビルドしていけれたら、ま、嬉しいなと
5:27:20思っております。ま、このね、中で、ま、
5:27:23どんどん我々も発信していきますし、是非
5:27:26皆様からも、ま、今日刺激を受けたもし
5:27:28方々いらっしゃいましたらどんどん発信し
5:27:30て欲しいなと思っております。で、一緒に
5:27:32あの勉強会なんかもよくやってるんで、ま
5:27:34、交流とかもさせていただきながらもっと
5:27:36もっとコミュニティで前に進めていける、
5:27:38ま、そんな会社になりたいなと思っており
5:27:41ますので、是非今日のコンテンツが皆様の
5:27:44何か参考になれば、この先皆様の
5:27:46プロダクトがよりこうLLMベースにAI
5:27:48にベットしていくようなものになって
5:27:50いければ、ま、本日あの聞いていただいた
5:27:53皆様にそういったものがお返しできてれば
5:27:54幸いだなと思っております。
5:27:57ということで、あの、ちょうどお時間になりますので、あの、本日皆様ご参加いただきましてありがとうございました。
5:28:02ありがとうございました。
5:28:12ありがとうございました。
5:28:14と代表2
5:28:15名が触れるかなと思ったら触れなかったことをここでお伝えしますと、身内の話で教縮ではあるんですが、本日
5:28:238月1日がですね、レアX
5:28:25の創立記念日でございまして
5:28:28のなんと7周年ということで
5:28:30そうありがとうございます。ありがとうございます。
5:28:32ありがとうございます。
5:28:32今日この記念すべき日を皆さんと迎えられること本当に嬉しく思っております。ありがとうございます。
5:28:39ありがとうございます。はい。
5:28:40そして、えっと、配信の方々に向けては本日の配信は以上となります。アンケート、あの、及び、ま、あの、その他も々については、あの、アンケートか、アンケートについては、あの
5:28:50QR
5:28:50コードから読み取っていただいて是非回答していただけると、ま、先ほどのあの代表
5:28:552
5:28:55人の話で待った通り、来年もやるかもしれないので、是非あのもっといい感じにベッド
5:28:59A
5:29:00するためにもご協力いただければありがたいです。ハッシュタグ
5:29:04AID
5:29:05をつけての投稿も引き続きお待ちしています。
5:29:08皆さんの声が来年以降の私たちのやるかやらんかみたいなところも含めてあの励みになっていきますので是非ご回答の方よろしくお願いいたします。
5:29:18よろしくお願いします。
5:29:19それでは以上でベッド
5:29:22AI
5:29:22でオンライン配信を終了いたします。ありがとうございました。
5:29:25ありがとうございました。
5:29:26[拍手]
5:29:32おドポ

About this transcript

This page contains the full transcript of 【全編アーカイブ】AIカンファレンス「Bet AI Day」 | LayerXのリアルなAI知見を大公開！CTO, CPO, VPoEたちが語ります by LayerX 公式, generated from the public captions YouTube serves with the video. The transcript has 6,374 words across 6,374 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.