技術トレンド

05/06/2024

3 minutes

ChatGPT-4oは何がすごい？アップデート内容をわかりやすく解説

5月13日にOpenAIは、ChatGPTの最新モデルであるGPT-4o（ジーピーティーフォーオムニ）を公開しました。GPT-4oでは、新機能が追加されただけでなく、性能も強化されました。マルチモーダル対応や応答速度の向上、多言語対応能力の強化など、大幅にアップデートされています。本記事では、GPT-4oの概要や具体的なアップデート内容、そしてビジネスシーンでの新たな活用方法について詳しく解説します。  ChatGPT最新モデルのGPT-4oとは？ 最新モデル「GPT-4o（ジーピーティーフォーオムニ）」は、米OpenAI社によってリリースされた最新のAIチャットボットモデルです。  ChatGPTは、もともとは生成AI搭載のテキストベースのチャットボットとして開発されました。ところが、1つ前の「GPT-4」モデルでは、画像の読み込みや説明、画像の生成機能が追加されました。そして、今回の最新モデル「GPT-4o」では、なんと音声入力機能の追加が予定されています。  つまり、ChatGPTの最初のモデルでは、テキストで質問をしたらテキストで回答が出力される「テキスト→テキスト」から始まりましたが、それが「GPT-4o」では、「画像→文章」や「文章→画像」、「音声→文章」、「音声→画像」と、複数の形式のデータを同時に処理できるマルチモーダルなAIモデルへと進化しています。  これにより、これまで以上に幅広く、複雑で高度なタスクをAIが処理できるようになり、あらゆる分野において一層効率化が進むことが期待されます。  ChatGPT-4oのアップデート内容 返答スピードの向上 まず「GPT-4o」は、従来のモデルよりもさらに返答速度が向上しました。音声入力に限っては、最短で232ミリ秒、平均では320ミリ秒と人間同士の会話スピードと変わらず、スムーズなやりとりが実現されます。  英語以外の言語能力が向上 ChatGPTは、英語ベースのデータでトレーニングされているため、従来のモデルでは、どうしても英語以外の出力精度が高いとは言えませんでした。ところが、「GPT-4o」では、英語以外の言語、それも特に日本語における返答精度が大幅に向上しました。これは、「GPT-4o」モデルの訓練に英語以外の他言語データでも訓練されたからです。これにより、日本語を始めた非英語言語の理解および返答の精度が向上し、従来モデルの出力内容の違和感（ChatGPTらしさ）が軽減されました。  Google DriveやOneDriveからファイルがアップロード可能に！ こちらは、有料ユーザー限定の新機能ですが、ユーザーはChatGPTをGoogle DriveやMicrosoft OneDriveと連携することで、保存されているファイルをアップロードできるようになりました。  従来のモデルでも、ファイルのアップロード機能や画像入力、資料のコピペによってドキュメントや表、グラフに関する質問やタスクをChatGPTに依頼することできました。一見すると大した機能ではないようにも思えますが、OneDriveやGoogle Driveから”直接”アップロードしたり、テキストや音声で”直接”ファイルやグラフを作成・修正したり、複雑なデータ分析ができたりするため、作業効率と精度が劇的に向上します。  音声による入力が可能に！（今後数週間でα版としてリリースされる予定） 音声入力は今回のアップデート内容の中でも最も注目すべき新機能と言えます。ユーザーは、これまでテキストベースでChatGPTとやり取りをしていましたが、GPT-4oモデルでは、有料ユーザー限定で音声によるやり取りが可能になりました。  OpenAI公式によると、音声モードは今後数週間でα版がリリースされる予定とのことです。  ChatGPTが音声を認識、処理することができるようになることで、多言語による会話や、議事録作成の完全自動化、文字起こしなど、今後対応できるタスクの幅が広がることは間違いないでしょう。  ChatGPT-4oの料金は？ ここでは、高性能マルチモーダルチャットボットChatGPT-4oの気になる料金をご紹介します。  ChatGPT-4oは、なんと有料版「Plus」ユーザーだけでなく、「無料」ユーザーにも提供されています！ただし、使用できる機能やチャットできる回数に制限があります。  無料版では、質問できる回数が5時間ごとに10回となっています。有料版だと、3時間ごとに80回と質問できる回数が大幅に増加します。  また、無料版では、GPTs、画像生成機能、音声入力機能、One DriveおよびGoogle Driveとの連携機能が提供されていません。そのため、これらの機能を利用したい方は有料版「Plus」ユーザーへのアップデート（1か月あたり20米ドル ）をお勧めします。  無料版と有料版の違いに関して以下の表にまとめましたので、そちらをご参照ください。 ChatGPT-4oのビジネスにおける新たな活用法 ChatGPTの従来のモデルでは、主に情報収集やブログ記事やSNS投稿などのコンテンツ生成、翻訳、画像生成が主な用途でした。ここでは、GPT-4oの新機能により、新たにビジネスで実現できるようになることをご紹介します。 会議の議事録作成の効率化・自動化 GPT-4oの音声入力機能により、会議の議事録作成が大幅に効率化することができます。GPT-4oを使えば、会議の音声を自動で文字起こしし、要点をまとめたレポートを生成できます。これにより、議事録作成の手間が省けるだけでなく、会議の内容を正確に記録することができるでしょう。  電話応対業務の効率化・自動化 GPT-4oの音声入力機能により、 電話応対業務の効率化も可能です。顧客からの問い合わせ内容を音声で入力し、GPT-4oに適切な回答を生成させることで、オペレーターの負担を軽減できます。さらに、音声認識と翻訳機能を組み合わせれば、多言語での問い合わせにも柔軟に対応できるようになります。 海外における売上機会の増加 これまで、日本企業が海外に製品やソリューションを提供したい場合、「言語」という障壁がありました。ところが、今回のGPT-4oに追加された音声入力・認識機能により、ほぼ同時通訳が可能となったため、母国語（日本語）を通じて外国企業に対してアプローチすることができるようになりました。これは、日本企業の海外進出および海外売り上げ増加に寄与するでしょう。  複雑なデータの処理 OneDriveやGoogle Driveとの接続により、複雑なファイルの処理が容易になりました。例えば、Excelの複数シートにわたるデータや、PDFの詳細な内容をそのまま解析できるようになります。これにより、データの一貫性を保ちつつ、複雑なデータセットを迅速かつ正確に処理できます。データの抽出、クレンジング、統合がシームレスに行えるため、プロジェクトの効率と精度が向上します。  グラフや表の作成および編集 OneDriveやGoogle Driveに保存されたデータを直接参照し、グラフや表を作成、編集することが可能になりました。これにより、データを手動で転記する必要がなくなり、プロンプトを通じてリアルタイムでのデータ更新や修正が簡単に行えます。ビジュアルなデータ分析が迅速に行え、プレゼンテーションやレポート作成の時間が大幅に短縮されます。 まとめ 今回の記事では、OpenAIの最新モデル「GPT-4o」の概要やアップデート内容、ビジネスにおける新たな活用方法についてご紹介しました。特に、音声入力機能が追加されたことにより、より一層生成AIの活用が促進され、業務効率が向上していくことでしょう。  本記事を通して、ビジネスにおける生成AIの導入や利活用に可能性を感じた方も多いのではないでしょうか。株式会社リッケイは、べトナムTop10のICT企業であり、1600名以上のITエンジニアが在籍しています。また、AIに特化した関連子会社も有しており、ChatGPTと連携したロボットや生成AIを活用した人事向け履歴書分析ツールなどを開発しています。生成AIの活用や導入に関するご相談はお気軽にお問い合わせください。  

09/05/2024

3 minutes

デジタルツインとは？メリットやメタバースとの違いを解説

デジタルツインとは、実世界の物体やシステムを仮想空間上で「双子のように」正確に複製したデジタルモデルです。近年、製造業や都市計画、ヘルスケアなど幅広い分野で応用されており、効率向上、問題の早期発見、予測メンテナンス、コスト削減などの効果が期待されています。本記事では、デジタルツインのメリットやメタバースとの違い、各分野における活用事例などをご紹介します。  デジタルツインとは？ デジタルツインとは、実世界の物体やシステムをデジタル上で、まるで「双子（Twin）」のように正確に複製したデジタルモデルのことです。  デジタルツインは、物理的な対象物の性能を効率よくシミュレーションをしたり、IoT機器やAIを用いて問題の事前予測および迅速な特定をしたりするのに役立ちます。  現在は、主に製造業や都市計画、ヘルスケアなどの分野で応用されており、 Fortune Business Insightsによると、世界のデジタルツイン市場規模は、2024年から2032年において年間平均成長率39.8％で成長し、177億3,000万ドルから2,593億2,000万ドルに達すると予測されており、急速に成長している分野です。  デジタルツインとメタバースの違い メタバースとは？ メタバースとは、インターネット上に存在する仮想現実の世界のことで、ユーザーは主にアバターを通じて活動します。ユーザーは、メタバース上でゲーム、会話、会議、ショッピングなど多岐にわたる体験が可能で、それらの体験はあくまでデジタル上で完結します。 メタバースとデジタルツインの違い メタバースとデジタルツインはどちらも仮想世界の技術ですが、目的と機能に明確な違いがあります。メタバースは、ユーザーがアバターを通じて様々なインタラクティブな体験を楽しむための拡張現実のプラットフォームです。これに対し、デジタルツインは、実際の物体やシステムをデジタル上で正確に模倣し、そのデータを分析したり、シミュレーションをしたり、問題を事前に予測したり特定したりすることを目的とした技術です。メタバースは主に社会的・娯楽的な用途に使われるのに対して、デジタルツインは産業や研究での応用が中心という点で大きく異なります デジタルツインを活用するメリット 実世界の物体を低コストで拡張できる デジタルツインを導入することのメリットとして、低コストと高い拡張性があげられます。例えば、大規模な工場を全て物理的に建設しようとしたら、多くのコストと時間がかかります。また、工場が完成してから想定外の設計ミスが判明した場合、立て直しのコストと時間がかかります。 一方で、工場の一部を物理的に建設した後に、そのデジタルツインを構築し、工場の残りの部分もデジタル上で拡張し、入念にシミュレーションした後に、物理的な工場の残りの部分を増設することができれば、コストと時間を節約することができます。  市場投入までの期間を短縮できる デジタルツインは、設計・製造プロセスに革命をもたらし、新商品の開発から市場投入までの期間を短縮します。通常、新製品を開発したい場合、「物理的な試作品を製作し、テストし、フィードバックを設計に反映し、次の試作品を製作する」というプロセスを繰り返します。  一方で、デジタルツインを活用することで、物理的な試作品と全く同じものをデジタル上で構築することができます。デジタル上であれば、「テスト・フィードバック・改善」のプロセスを高速化することができるため、試作品を製作する回数を減らすことができ、結果として新製品を従来よりも早く市場に投入することが可能になります。  予知保全と迅速な問題特定 デジタルツインは、IoT機器を通じて、物理的な資産から継続的にデータを収集し、予測分析と機械学習を適用することで、潜在的な障害や故障を予測し、タイムリーに管理者に知らせることができます。これにより、潜在的な問題がエスカレートする前に特定して対処し、ダウンタイムを最小限に抑えることができます。 各業界におけるデジタルツイン活用方法 製造業 製造業はデジタルツインと最も相性が良い業界の一つです。物理的な工場を実際に建設することは、多くの時間とコストがかかります。一方で、小さな工場を建設した後に、デジタルツインを用いることで、デジタル上で工場を拡張したり、シミュレーションしたりすることが可能です。また、製品開発においても、パートナーとデジタル上の設備を用いることで、設計、テスト工程を効率化し、リードタイムを短縮することができ、コストも同時に削減することができます。  さらに、IoT機器によるリアルタイムデータ収集により、企業は問題を事前に予測したり、故障がおきた際に、迅速に問題を特定したりすることができ、ダウンタイムを最小限に抑えることが可能になります。  ヘルスケア ヘルスケアでは、詳細な解剖学的・生理学的データとバイタルサインを統合することで、患者の人体をデジタル上に複製することが可能です。これは、リアルタイムの健康モニタリングと患者ごとに最適化された個別化医療を実現します。  また、人体のデジタルツインを構築することで、実際の患者に実施する前に、リスクの高い手術や医療療法、薬剤の投与をデジタル上でシミュレーションすることができます、これにより、手術や治療の安全性を事前に確認し、医療事故を減らすことができるだけなく、患者の手術や治療への心配や不安を軽減することにもつながります。  石油・ガス、エネルギー 石油・ガス産業におけるデジタルツインの応用は、掘削プロセスや運用の最適化、故障予測を効率的に行うために活用されています。これにより、生産性の向上、コスト削減、環境負荷の軽減が可能となります。また、リアルタイムでの資産管理や緊急時の対応が強化され、より安全で持続可能な運用が実現されます。  エネルギー産業においては、デジタルツインを導入することで、再生可能エネルギーの配置やパフォーマンスの最大化、電力グリッドの管理、エネルギー貯蔵と配分の改善を実現します。さらに、エネルギー消費分析や安全プロトコルの強化にも貢献し、持続可能な解決策を提供します。  まとめ 本記事では、実世界の物体やシステムを仮想空間上で正確に複製することによるさまざまなメリットをご紹介しました。効率的に製品開発、シミュレーションを進めることができ、リードタイムを短縮することができるだけでなく、開発コストを削減したり、予知保全や迅速な問題特定を可能にしたりします。  現在、デジタルツインは製造業、ヘルスケア、エネルギー、都市計画などの分野で活用が進んでいます。今後は IoT、クラウド、AI、5G、AR・VRなどの技術の進展により、さらに多岐にわたる分野での応用が期待されます。  「デジタルツインについてもっと詳しく知りたい」、「デジタルツインを導入したいがITリソースが足りていない、開発コストを削減したい」などのニーズをお持ちの企業様はリッケイにお任せください。日本における豊富な開発実績および1500名以上のITリソースをもって、お客様のIT課題を解決します。お気軽にお問い合わせください。  

04/04/2024

3 minutes

【最新版】企業のAI活用事例5選 

ChatGPTの台頭により、企業におけるAI・生成AIの活用および投資が顕著に加速しています。そして、AIを導入した企業は、業務効率化やコスト削減、安全性の向上、ユーザー体験の向上などの恩恵を享受し始めています。本記事では、さまざまな業界における注目の最新AI活用事例を5つご紹介します。  AIを活用した森林調査 – 日立システムズ 日立システムズは、ドローンとAI解析ソフトウエアを駆使することで、森林調査の効率化に成功しています。従来、人の手による森林調査は19日もの日数を要していましたが、ドローンおよびAI技術の活用により、作業期間を4日程と8割短縮しました。  具体的には、ドローンでの写真測量とLiDAR測量により収集したデータをAIが解析し、樹種の識別や樹木の体積を推定します。同社は、宮城県牡鹿郡女川町の町有林での実証実験を実施したところ、森林内の樹種構成が以前とは異なることが明らかになり、それまでスギだと思われていた場所にヒノキやアカマツ、広葉樹が混在していることが判明しました。  この結果は、森林経営計画の見直しや詳細化に大いに貢献するだけでなく、森林調査の労力やコストを大幅に削減しながら、安全かつ迅速に行うことを可能にします。  森林の分析結果 （出所：日立システムズ） AIを活用した創薬 – シンセティックゲシュタルト シンセティックゲシュタルトは、AI創薬に取り組むスタートアップです。同社は大規模な化合物データベースを活用し、新薬開発に必要な低分子化合物を発見するためのAIモデルを開発しています。  具体的には、ウクライナのビルディングブロック化合物・スクリーニング用化合物・統合創薬サービスの世界的プロバイダーであるEnamine社が持つ化合物データベースを利用し、従来の方法と比較して20倍以上のデータ量でAIモデルを学習させることで、その性能を大幅に高めることに成功しました。  彼らのアプローチは、競合他社が主に利用している2次元のグラフ構造情報だけではなく、化合物の3次元構造データも考慮に入れることで、予測精度を向上させています。  初期段階では約4000万種類の化合物を学習に用いていましたが、将来的には約10億種類の化合物を選んで学習させる計画です。これにより、新薬候補となる化合物の発見可能性が高まります。  SyntheticGestaltは、新薬につながる化合物の発見に向けたAIモデルを手掛ける。（出所：SyntheticGestalt） 生成AIを活用した肌診断アプリ – ロレアル 世界最大級の化粧品会社であるロレアルは、「ビューティーテック」の分野でリーダーになることを掲げています。同社は、美容業界におけるAI活用の先駆者であり、世界最大のテクノロジー見本市「CES 2024」で生成AIとメタバース技術への投資を進めていることを明らかにしました。  同社は、これまでに蓄積した10ペタバイトの美容データを基に、生成AIを活用した美容アドバイスツール「BeautyGenius」を開発しました。BeautyGeniusの開発には、10種類以上の大規模言語モデルと15万点以上の画像データが活用されており、 ユーザーの肌の状態や美容に関する悩みを解決するための個別化されたアドバイスを提供することができます。  例えば、長時間のフライトで乾燥した肌にはアイクリームの使用を提案し、写真を通じた肌診断で具体的なスキンケアアドバイスも行います。また、特別な日のメークアップの相談にも応じ、メークの完成イメージや推奨化粧品を提案する能力を持っています。  このように、ロレアルは、美容とデジタルを融合し、新たな顧客体験を実現することで競争力を高めています。  ロレアル研究・技術担当副最高経営責任者のバーバラ・ラヴェルノス。(出所：Getty Images） 生成AIを活用したショッピング – ウォルマート 世界最大の小売企業として知られるウォルマートは、ラスベガスで開催されたCESカンファレンスで、ユーザーが欲しい商品を素早く検索し、頻繁に注文する商品の再注文プロセスを自動化する2つの生成AI搭載ツールを発表しました。  生成AI検索ツールは、マイクロソフトのAIモデルとウォルマートの買い物客データを組み合わせることで開発され、買い物客がブランド名や品目ではなく特定のユースケースを使用して商品を検索できるようにします。  例えば、友人複数人とフットボールの試合観戦をするために買い出しをするとき、これまではコーラ、ポテトチップス、タオル、ユニフォームなど商品名を個別で検索する必要がありました。一方で、ウォルマートが発表した検索ツールでは、「友人とフットボールの試合観戦」と入力することで、試合観戦に必要な厳選された商品リストを受け取ることができるようになりました。  同社は、カンファレンスの中で、「Walmart InHome Replenishment」と呼ばれる別のAIツールを開発中であると発表しました。このツールは、サブスクリプションベースのInHome配達サービスを利用する買い物客が、よく注文する商品をオンラインショッピングカートに素早く補充できるようにサポートします。  このように、ウォルマートは、ショッピングツールにAIを導入することで、ユーザーのショッピングに要する時間を削減することで、ユーザー体験を向上しています。  ウォルマート、Microsoftとの連携で生成AI活用 (出所：ledge.ai） AIを活用した踏切滞留監視システム – 南海電気鉄道 南海電気鉄道株式会社は、2024年3月11日に、AIを用いた踏切異常検知システムの導入試験を開始すると発表しました。このシステムは、踏切内に滞留している「人」を検知することで、安全・安定輸送の維持及び踏切の安全性向上を目指します。  南海電気鉄道株式会社がAIを用いた踏切異常検知システムの導入試験を始める背景には、踏切事故を未然に防ぐことによる安全対策の必要性があります。踏切は線路と道路が交差する場所であり、人が渡りきれずに列車と接触する危険性があります。  踏切事故が発生すると、列車の運休や遅延が発生し、他の多くの利用者にも影響を及ぼします。2022年度における列車の運休や遅延（30分以上）の件数を見ると、踏切事故が約30%（11件/36件）を占めており、これは大きな割合です。  今回試験導入を開始する新たな踏切異常検知システムは、遮断棒が下りた後に、AIによる画像処理によって人の滞留を検知すると、特殊信号発光機を動作させて運転士に迅速に異常を知らせます。   さらに、既に設置されている監視カメラを使用するため、容易かつ安価に導入できる点が特徴です。南海電気鉄道株式会社は、導入試験の結果を踏まえ、2024年度以降の本格導入を目指しています。  （出所：南海電気鉄道株式会社） まとめ 本記事では、様々な業界における最新のAI活用動向をご紹介しました。企業は、AIおよび生成AIを導入することで、従来のプロセスを効率化したり、安全性を向上させたり、ユーザー体験を向上させたりしています。AIの活用方法は企業によってさまざまであり、今後も次から次へと新たな活用法が生まれてくることでしょう。このAI時代において競争力を維持し、高めていくためにも、企業は既存のビジネスにどのようにAIを適用できるかを検討する必要があります。   株式会社リッケイは、1,000件以上のプロジェクトを通じ、日本のお客様からの信頼を積み重ねるオフショア開発企業です。グループ全体で1500名以上のエンジニアを擁し、 AIに特化した関連会社Rikkei AIも有しており、多数のAI/生成AI開発実績があります。日本の企業様向けにAIコンサルティングからAI開発、AI導入支援まで提供可能です。「AIをビジネスプロセスにどのように取り入れることができるのか相談したい」など、お気軽にお問い合わせください。 

25/03/2024

3 minutes

Sales Cloudとは？セールスフォースのSFAツールをわかりやすく解説

総合コンサルティングファームTSUIDEが実施した「SFA・CRM導入実態に関する調査（2022年）」によると、調査対象者14000人のうち「SFA・CRMツールを導入している」と回答したのはたったの9.1％で、90%以上が未導入という結果でした。  このことからも、日本企業における営業のDXが遅れていることがわかります。本記事では、SFA・CRMを導入している企業の半数が利用しているSalesforce社の「Sales Cloud」の概要や主な機能、導入するメリット、導入する際の注意点をわかりやすく解説します。  目次 Sales Cloudとは？ Salesforce Sales Cloudとは、営業チームが顧客データを一元管理し、営業プロセスを効率化するためのSFA（営業管理システム）です。  Sales Cloudでは、顧客に関するあらゆる情報（資料ダウンロード履歴や問い合わせ内容、商談履歴など）に従業員全員がアクセスすることができるため、マーケティング部などの他部門と連携して見込み度の高い顧客から優先的にアプローチしていくなど、効率的な営業活動を実現します。  つまり、Sales Cloudを導入することで、「営業活動が属人化している」「営業の進捗状況が把握できていない」「顧客管理ができていない」「部門間の連携が上手くいっていない」などの営業課題を解決することができるのです。  Sales Cloudの主な機能 顧客管理機能 Sales Cloudでは、顧客の会社名や役職、連絡先などの基本情報から商談内容、問い合わせ内容、趣味、社内での立場、Web上の行動（資料ダウンロード、セミナー参加、Webサイト閲覧など）提案内容（見積りなど）、メモなどあらゆる情報を一か所で管理するCRM機能が提供されています。これらの情報には、他部門もアクセスすることができるため、効果的なマーケティング施策や迅速なカスタマーサポートを可能にします。  スコアリング機能 Sales Cloudのスコアリング機能は、見込み客の行動（資料ダウンロード、セミナー参加、Webサイト閲覧など）やプロファイル情報に基づいてスコアを割り当て、その購買意欲や営業チャンスの可能性を数値化します。このスコアリングにより、営業チームは高いポテンシャルを持つ見込み客を優先的に識別し、効率的なフォローアップやカスタマイズされたコミュニケーションを行うことができます。結果として、リードの質の向上と営業プロセスの最適化が実現します。  商談管理機能 Sales Cloudの商談管理機能を活用すると、各案件の取引額や見込み度、進捗、競合相手、訪問日、訪問回数といった商談に関する多様な情報を一元的に管理できます。数量や価格などの商品情報の管理もできるため、自動見積もり機能により顧客データを即座に取り込み、迅速に見積書を作成できます。商談の成果（受注・発注）を含む詳細情報を登録することで、営業活動の質向上とチーム・メンバーごとの成績分析も可能になります。  売上予測機能 Sales Cloudの売上予測機能では、営業メンバー別やチーム全体の売上を予測できます。過去のデータと現在の商談進捗を分析し、将来の売上を予測します。この機能により、営業チームはリアルタイムで売上目標に対する進捗状況を把握し、必要に応じて戦略を細かく調整できます。また、管理者はチームのパフォーマンスを監視し、売上目標達成のための具体的な行動計画を立案することが可能になります。  レポート・ダッシュボード機能 Sales Cloudのレポート・ダッシュボード機能では、営業活動や顧客データから得られたインサイトを可視化することができます。レポートでは、営業成績、商談の進捗、顧客エンゲージメントなど、分析する対象をカスタマイズし、表・サマリー・マトリックスのいずれかの形式を選択し表示することができます。ダッシュボードは、レポートをもとに円グラフ・メーター・散布図などの形式で可視化することができます。  業務の自動化 Sales Cloudには特定の営業プロセスをユーザーが事前に定義したルールに基づいて自動化する「フロー」という機能があります。例えば、新しく獲得したリードを、特定の基準（地域、業界、リードの評価など）に基づいて、適切な営業担当者に自動的に割り当てたり、商談が特定のステージに進んだ際に、自動的にフォローアップのリマインダーを設定したり、顧客に次のステップの説明を含むメールを自動送信したりすることができます。  承認プロセスの自動化 Sales Cloudには、商談、割引申請、契約などの承認が必要な項目に対して、自動でワークフローを管理する承認プロセス機能があります。この機能を使用することで、特定の条件に基づいて承認要求を自動的に適切な担当者へルーティングし、そのプロセスの進捗を追跡できます。  例えば、ある商談が設定した金額以上である場合に自動的に上司の承認が必要になるプロセスを設定できます。上司が承認または拒否することで、商談は進行またはフィードバックが行われます。この機能により、承認プロセスの効率化、透明性向上、意思決定のスピードと精度が向上します。  モバイルアプリ Sales Cloudは、モバイルアプリケーションが提供されており、ユーザーは外出先でもデスクトップ版と同じように顧客情報の確認や更新、商談の管理、タスクやイベントのスケジューリングなどが可能です。また、レポートやダッシュボード機能により営業データをリアルタイムに分析することもできます。  Sales Cloudを導入するメリット 営業活動の効率化 Sales Cloudを導入することで、Web上の行動（HP上のページ閲覧や資料ダウンロード、セミナーへの参加など）などから見込み度の高い顧客群に絞ってアプローチしたり、各案件、営業メンバーごとの進捗を可視化したりすることができるため、組織単位で営業活動を管理、把握できるようになります。これにより、営業活動のボトルネックを瞬時に突き止め、解決することが可能になり、企業の売上を向上させることができます。  営業ノウハウ共有と教育コスト削減 営業部でSales Cloudを長期的に運用することで、営業活動のすべての履歴をクラウド上に蓄積していくことができます。これにより、過去のケースや優秀な営業メンバーの対応履歴などのリアルなデータからノウハウを効率よく学ぶことができるため、外部講師による教育コストなどを削減することができます。  他部門とのスムーズな連携 Sales Cloudに蓄積されたデータは、全部門の従業員がアクセスすることができ、これにより部門間のスムーズな連携を実現できます。例えば、マーケティング部が顧客の業種や企業規模、興味を持っている自社製品、見込み度などの情報にアクセスすることで、顧客にカスタマイズしたコンテンツを作成し、メルマガを配信するなどといったことも可能になるでしょう。また、カスタマーサクセス部であっても、営業部と顧客の過去のやりとりを把握できていれば、社内確認に時間を取られることなく迅速にカスタマーサポートを提供することができます。  導入する際の注意点 自社にカスタマイズしなければならない Sales Cloudは非常に柔軟性が高く、多くの機能を提供していますが、その全てがすぐに貴社の特定のニーズに合致するわけではありません。効果的に活用するためには、貴社の営業プロセス、顧客管理方法、レポートニーズに合わせて、システムをカスタマイズする必要があります。  […]

08/02/2024

3 minutes

Salesforce Service Cloud導入でカスタマーサービスを効率化

近年、サブスクリプションモデルの移行により、これまで以上にカスタマーサポート業務の重要性が上がっています。本記事では、カスタマーサポート業務のよくある課題を紹介したうえで、カスタマーサポート業務を効率化する1つの手段としてSalesforceの「Service Cloud」をご紹介します。  目次 カスタマーサポート業務が重要視される理由 近年、企業は、商品やサービスの提供方法を売り切りモデルからサブスクリプションモデルへとシフトしています。サブスクリプションモデルでは、既存顧客をにいかに満足させ、長期的な関係を築いていけるかが肝であり、それが企業の収益にも直結します。 一貫した高品質なサポートを提供できることがビジネスの成功には欠かせず、そのような背景からカスタマーサポート業務が重要視されるようになりました。  カスタマーサポートのよくある課題 その反面、カスタマーサポート業務がいかに重要であるかを理解していても、人手不足や効率化を図ることができず、顧客体験を損ねてしまい、顧客離れに繋がっている企業も多くあります。ここでは、カスタマーサポート業務のよくある課題を具体的に見ていきます。 ①カスタマーサポート業務が属人化されている 業務の属人化はあらゆる部署であげられる課題です。カスタマーサポート業務においては、特定の顧客を担当するスタッフだけがその顧客情報を把握してしまっている状況が想定されます。 その結果、そのスタッフが不在であったり退職したりした時に、他のスタッフに顧客対応履歴や過去の問い合わせ内容、ニーズが共有されないことが原因で一貫性のあるサポートを提供できず、顧客満足度が低下してしまうというケースがあります。  ②複数チャネルに対応しなければならない インターネットの発達により、カスタマーサポートチームは、電話、メール、ソーシャルメディア、問い合わせフォームなど、あらゆるコミュニケーションチャネルからの問い合わせに対応しなければなりません。 チャネルが増えると、各チャネルの情報を共有したり管理したりする必要があり、複雑で労力もかかります。複雑性が高いがゆえに、顧客への対応が遅れたり、見落としたりしたことによって顧客満足度が低下してしまうケースも考えられます。  ③顧客が欲しい情報にたどり着けない 顧客が自社のサービスや商品を利用する中で、わからない点やトラブルにあった際に、サービスのFAQページなどが充実していないと、サポートチームへ問い合わせすることになります。 FAQが不十分であると、サポートチームは限りあるリソースを基本的な問い合わせなどにも割かなければならなくなってしまいます。その結果、顧客の問い合わせ処理時間が増え、他のサポート業務の品質が落ちてしまうことが懸念されます。  ④顧客対応データが活用されていない 顧客サポートをする中で得たフィードバックやその過程は、より良いサービスを提供するための重要なデータです。しかし、これらのデータを収集・分析し、整理し、共有できる状態にする必要があります。 一方で、専門知識が不足していたり、適切なツールを活用したりできなければ、これらの作業は大変労力がかかります。そのことから、データの収集や活用になかなか取り掛かれていない企業もあるのが現状です。  Service Cloudとは Service Cloudは、米セールスフォース社が提供するカスタマーサポート業務を効率化し、顧客満足度を向上させるためのプラットフォームです。  Service Cloudは、顧客の問い合わせ内容や過去の対応履歴を一元的に管理する機能や多チャネル対応機能、データ分析機能、ノウハウ共有機能、自動化機能、モバイル対応など、サポート業務を効率化し、顧客にパーソナライズされたサービスを提供するための機能が豊富に提供されています。 また、Salesforceは柔軟にツールのカスタマイズができるため、必要な機能を事業用途や目的に応じて追加・拡張することで、業務に適したアプリケーションをスピーディーに構築・活用できます。  【関連記事】 Salesforce Service Cloudとは？特徴や機能、Sales Cloud との違いなどを解説  Service Cloudの導入でカスタマーサポートはどう変わるのか ここでは、Service Cloudが上述した課題をなぜどのように解決できるのかを解説します。  ①顧客情報の一元管理 業務の属人化は、Salesforce Service Cloudの、各部署が抱えている顧客に関する情報を一元的に管理し、全スタッフがアクセスできるようにする「Customer 360」機能によって解決することができます。 これにより、担当者が不在でも他のスタッフがスムーズに対応し、顧客体験の一貫性を保つことができます。 さらに、個々の顧客に関する全情報が共有されるため、一人のスタッフに依存することなく、常に高品質で一貫したサービスを提供することが可能になります。  ②多チャネルへの対応 Salesforce Service Cloudの「オムニチャネル」機能を利用することで、多チャネルからの問い合わせに効率よく対応することが可能になります。 この機能により、電話、メール、ソーシャルメディア、チャットなど、様々なコミュニケーションチャネルからの問い合わせを一元管理し、適切なサポートスタッフに自動的に割り当てることが可能です。 これにより、各チャネル間で情報が共有され、複数のチャネルをまたがる顧客の問い合わせに迅速かつ効果的に対応でき、顧客満足度の向上につなげることができます。  ③顧客が自立して疑問を解決 Salesforce Service Cloudの「セルフサービスポータル」 機能を活用することで、顧客が自身の問題に関連する情報やソリューションを検索し、解決することができます。 […]

30/11/2023

3 minutes

企業がAIを導入するメリットとは？知っておくべきリスクも紹介

ChatGPTの登場を皮切りに、世界中の企業で業界・職種問わずAI（人工知能）の活用が進んでいます。 AI（人工知能）の導入は、ビジネスプロセスの効率化、コスト削減など、企業に多くのメリットをもたらす一方で、使い方によってはリスクも孕んでいます。そこで、本記事では、企業がAI（人工知能）を導入するメリットやリスクとその対策についてわかりやすく解説します。 1. AI（人工知能）とは？ 厳密には、明確なAIの定義は存在しませんが、 本記事では、AI（人工知能）とは、「ものごとを人間のように捉え、思考し、特定の処理をするようにトレーニングされたシステム」と定義します。 例えば、人間は、過去にりんごを見たことがあれば、目の前の赤くて丸くて少し光沢がある果物をがりんごと判断できるでしょう。同じように、りんごに関する膨大なデータを与え、ある物体をりんごであるのかを判断できるようにトレーニングされたシステムをAIと呼びます。 これは、多種多様なAIの一例にすぎませんが、AIとは何か、少しイメージできたのではないでしょうか。 AIの定義や関連用語、できることなど、詳細に知りたい方は以下の記事をご参照ください。 【関連記事】AI（人工知能）とは？定義、知っておくべき用語、できること 2. AI（人工知能）を導入するメリット 人手不足の解消＆若手の効率的な育成 日本商工会議所が2022年に実施した調査では、中小企業の64.9％が「人手不足である」と回答しました。AIやRPAを導入することは、人間が行っていた定型業務を自動化・代替でき、日本の深刻な人手不足の解消につながります。 また、AIの導入は若手を一日でも早く一人前に育て上げるのにも役立ちます。社内規則やベテラン社員のノウハウをAIチャットボットに学習させれば、いつでも若手の疑問点を解決し、独り立ちをサポートしてくれます。 ビジネスプロセス効率化＆売上向上 AIの導入は、企業のあらゆる業務プロセスを効率化し、売上の向上に貢献します。例えば、カスタマーサービス部門にAIチャットボットを導入することで、人間に代わって、顧客の疑問やクレームに24時間365日自動対応してくれます。これにより、カスタマーサービス担当者の負担が減らせるだけでなく、顧客満足度向上によって売上機会の増加にもつながります。 安全性の向上 自動車業界や製造業、医療業界などの特定の業界において、AIを導入することで人的なエラーの低減および安全性の向上が期待できます。実際に、自動車業界では、AIを活用した自動運転の方が人間による運転より事故率が低いことがデータから明らかになっています。GM（ゼネラルモーターズ）傘下のCruiseの調査によると、自動運転は、人間のドライバーと比較すると、事故件数は65%減、けがを伴う事故に限っては74％減であり、高い安全性が確認されています。 ビッグデータ解析および活用 企業は、市場動向や顧客の個人情報、購買履歴、売上、在庫、従業員のパフォーマンスなど、日々多くの情報を収集・蓄積しています。それらのビッグデータは活用してこそ意味があります。膨大なデータをAIによって分析することで、近い将来における市場のトレンドや顧客の趣向パターンを推測できます。これらの傾向に基づいて戦略を立てれば、社内リソースを有効活用できるだけでなく、ユーザーにカスタマイズされたサービスの提供が可能になります。 AI（人工知能）を導入するデメリットとリスク 導入・維持コストの発生 AIの導入は、中長期的な視点で見れば、コスト削減・業務効率化・生産性向上・競争力強化など、企業に多くのメリットをもたらします。一方で、AIをビジネスに取り込むことは多額なコストが発生することを認識しておかなければなりません。社内でAIシステムの開発・運用・維持する場合、AIに詳しい人材を採用しなければならないでしょう。外部に委託する場合も当然コストが発生します。 AIシステムの導入を検討しているかつ社内にAIに詳しい人材が在籍していない場合、オフショア企業に委託することで開発・運用・維持コストを抑えることができるでしょう。 オフショア開発会社を選定する際のポイントを知りたい方は以下の記事をご参照ください。 【関連記事】失敗しないオフショア開発会社の選び方｜開発パートナー選定のステップや比較ポイントを解説  機密情報漏洩のおそれ 企業がAIを導入・活用する場合、個人情報や機密情報の漏洩と隣り合わせであることを認識しなければなりません。日本ディープラーニング協会は、ChatGPTや画像生成AIなどのAIサービスの利用に関するガイドラインを公開し、その中で秘匿性の高い情報は入力は避けるよう呼びかけています。このことから、ユーザーによって入力されたデータがAIの学習材料に利用されている可能性があり、企業の重要な情報の漏洩につながりかねないことが背景にあると推測できます。 機密情報の漏洩への対策として、AIサービスを使用する際に従うべきポリシーの策定および安全な使用方法についての社内トレーニング、従業員のサービスへのアクセス権の管理などが考えられます。 事故などの責任の所在が不明確 AIが搭載されている自動運転車やロボット、ドローンが事故や損害を起こした場合、誰の責任になるのでしょうか。この場合、そのAIの所有者または製造者が責任を負うことになります。ただし、実際には、その事故や損害の責任がAIの所有者にあるのか製造者にあるのか判断するのが難しいケースが多いです。 AIの所有者が責任を負う場合（不法行為責任）、「所有者による損害行為に故意または過失があったこと」「損害が発生したこと」「損害行為と損害に因果関係があったこと」の3点が認められなければなりません。 また、AIの製造者が責任を負う場合（製造物責任）「製造物に欠陥があったこと」「他人に損害を与えたこと」「製造物の欠陥と損害に因果関係があったこと」の3点が認められなければなりません。 この課題に対して企業は、「信頼できる開発パートナーとAIシステムの安全性を徹底的に確保すること」「AIシステムの意思決定プロセスを透明にし、問題発生時に追跡可能にすること」「AIシステムを継続的に監視すること」などの対策を講じる必要があるでしょう。 AIバイアスによる知的活動の衰退 最後に、すでに多くのAIユーザーに起こっているが、認識されづらいリスクをご紹介します。上述したように、AIは企業活動において多くのメリットをもたらします。ただし、特に生成AIを活用する際に、知らず知らずのうちにAIの出力内容がすべて正しいかのように信じてしまい、批判的に物事を見る能力が衰退してしまうリスクがあります。 本来であれば、客観的かつ網羅的な回答を出力してくれることが望ましいですが、AIシステムのトレーニングに使用されているビッグデータには、特定の人間が主観的に選んだものが含まれる場合があります。AIがトレーニングされる時点でバイアスがかかってしまえば、当然出力される内容にもバイアスがかかってしまいます。 AIの導入・活用を検討している企業は、まずこのリスクを認識したうえで、ユーザーとなる従業員には、バイアスがかかっている可能性を説明し、批判的視点を持ちつつ、AIはあくまで人間の補助的な位置づけであることを伝えると良いでしょう。 まとめ 本記事では、企業がAIを導入することで得られるメリットおよびデメリット・リスクについて具体的にご紹介しました。AIを導入することは、人手不足の解消や効率的な若手の育成、ビジネスプロセスの効率化、顧客満足度の向上が期待できる反面、導入・維持コストの発生や機密情報の漏洩、バイアスがかかってしまうなどのデメリット・リスクにも気を付けなければなりません。企業は、このメリットとデメリットを考慮し、AI導入の要否を判断すると良いでしょう。 コストを抑えてAIシステムを開発したいとお考えの企業様は、株式会社リッケイをご検討ください。当社は、ベトナムオフショア企業であり、国内に東京・大阪・名古屋・福岡に拠点を有し、280名のスタッフが在籍しております。AI関連エンジニア数は50名以上在籍しており、日本語による円滑なコミュニケーションが可能です。ビジネスニーズにカスタマイズされたAI開発にご興味のある企業様は、お気軽にお問い合わせください。 当社のAI関連事例はこちら

27/11/2023

3 minutes

【超入門】AI（人工知能）とは？定義、知っておくべき用語、できること

ChatGPTをはじめ、この1年ほどでAI（人工知能）は私たちにとって身近な存在となりました。質問したことに対して、こちらの意図を汲み取ってそれらしい返答を出力してくれたり、数秒のうちにプロのデザイナーが作成したような画像や動画を出力してくれたり、表や関数の作成をしてくれたり、その用途は多様です。 このように、非常に便利なAI（人工知能）ですが、そもそもAIとは何でしょうか。本記事では、AIを理解するためにその定義や知っておくAI基本用語、AIにできることをわかりやすくご紹介します。 1. AI（人工知能）とは？ AI（人工知能）の定義 AIという単語は、「Artificial Intelligence」の略であり、日本では一般的に「人工知能」と訳されます。 AIとは、「人間のようにものごとを認識および思考し、処理をするコンピュータシステム」と本記事では定義します。 例えば、私たち人間が以下の画像を見たとき、過去の経験をもとにこれが「りんご」であると一瞬のうちに判断できます。 AIとは、このように物体を認識して、過去のデータから思考し、何かを判断したり処理したりできるようにトレーニングされたシステムのことを指します。 ※ただし、AIの定義は研究者によって異なり、そもそも「知能」という単語の定義が明確ではないため、「人工知能」の明確な定義が存在しないというのが現状です。 2. 知っておくべきAI用語 ここでは、AIを理解する上で知っておくべき関連用語をご紹介します。 機械学習（ML：Machine Learning） 機械学習とは、特定の対象物や用途に関する大量の学習データから、特徴やパターンを学習し、それに基づいて未知の対象物を自動で処理するシステムのことを指します。機械学習は、人間が対象物に関する正解と不正解のデータセットを与える「教師あり学習」ととにかく対象物のデータを与えてAIに自律的に特徴を学習させる「教師なし学習」に分けられます。 例えば、犬を判断できるAIを開発する場合、教師あり学習では、犬の画像に「正解」ラベルをつけて猫（不正解）や鳥（不正解）の画像とセットで与えて学習させます。一方で、教師なし学習では、ひたすら犬の画像を与えて、AIに犬の特徴（耳が立っている、伸びた鼻と口など）を自律的に学習させます。 深層学習（DL：Deep Learning） 深層学習とは、人間の脳の仕組みを再現した「ニューラルネットワーク」を用いた、より高度な機械学習の1つの手法です。ニューラルネットワークは、「入力層」「隠れ層」「出力層」の3つから構成されており、隠れ層を多層にすることで、より複雑な事象の学習や処理が可能になります。 従来の機械学習で犬と猫を判別できるようなAIを開発しようとした場合、犬と猫のどの特徴（毛の色、耳の形や大きさ、鼻・口の長さ、顔の比率など）に着目して学習すべきかを人間が教える必要がありました。一方で、深層学習では、さまざまな要素を同時に学習できるため、「何に着目して学習すればよいのか」ということを自ら判断できるわけです。 自然言語処理（NLP：Natural Language Processing） 自然言語処理（NLP）とは、人間の言葉（テキストや音声）を分析、抽出、理解し、処理する技術のことです。身近にある自然言語処理（NLP）が使用されている例として、多言語翻訳サービスの「Google翻訳」やスマートアシスタントである「Siri」や「Alexa」などが挙げられます。 生成AI（GenerativeAI） 生成AI（GenerativeAI：ジェネレーティブAI）とは、学習したデータをもとに、独自のコンテンツを生成・創造できるAIのことです。生成AIによって生成されるコンテンツとして、テキスト、音声、画像、動画、音楽などがあります。 生成AIが従来のAIと異なる点は、従来のAIが構造化データ（整理されたデータ）により学習し、特定の処理の自動化しかできなかったのに対し、生成AIは構造化されていないデータを学習し、全く新しいコンテンツが創造できる点にあります。 生成AIは、既にビジネスでも導入されており、ブログ記事やメールの作成、パッケージデザインの提案、カスタマーサービスの自動化など用途はさまざまです。生成AIは今最も注目されている技術であり、今後その活用は拡大の一途をたどると予想されます。 大規模言語モデル（LLM） 大規模言語モデル（LLM）とは、数十億語といった膨大な量のテキストデータによりトレーニングされた自然言語処理モデルのことです。大規模言語モデルは、ChatGPTなどのチャットボットには欠かせない技術であり、テキストの分類や要約、生成、翻訳、質疑応答、感情分析など多岐にわたるタスクを実行します。大規模言語モデルにより、チャットボットなどで出力されたテキストは人間が作成したものと相違ないレベルまで向上しました。 マルチモーダルAI マルチモーダルAIは、ある対象物を複数の異なる入力データ（テキスト、音声、画像、ビデオなど）を関連付けて認識し、処理することができる高度なAIのことです。例えば、感情分析にマルチモーダルAIを応用することで、言葉の内容だけでなく、話し方や表情も同時に分析することができ、より正確な感情を分析できます。 3. AI（人工知能）にできること 画像認識 画像認識は、画像内の人物や物体を認識するAI技術です。画像認識技術はさまざまな業界で、さまざまな用途に利用されています。例えば、ソーシャルメディアでの自動タグ付けや監視カメラの映像から特定人物の検出、MRIなどの医療画像から病変を検出などに役立っています。 言語解析 言語解析は、人間の言葉を理解し、文の構造や意味を分析するAI技術です。言語解析技術を活用することで、感情分析、自動翻訳、音声認識などが行えます。身近なサービスとしてGoogle 翻訳や、Amazon Alexa、AppleのSiriなどがあります。 需要予測 AIは、過去の膨大なデータと機械学習により、将来のある時点の需要を予測することが可能です。例えば、小売業界で在庫管理にAIを導入することで、顧客の購買傾向や季節的な需要の変動を学習し、過剰在庫や在庫不足を防ぐことが可能です。 機械制御 AIは、人間の代わりに機械やシステムの状態を監視し、必要に応じて自動的に調整を行うことができます。この技術は、製造ラインの自動化、自動運転車の運転制御システムなどに応用されています。 レコメンド AIは、ユーザーの行動や好みに基づいて、パーソナライズされた商品やサービスを推薦することができます。例えば、NetflixやTik Tokでは視聴履歴に基づいて映画やショートビデオのレコメンドが行われ、Amazonのショッピングサイトでは購買履歴や閲覧データから関連商品がレコメンドされます。 まとめ 本記事では、AI（人工知能）の定義や知っておくべきAI用語、AIにできることなどの基本情報をご紹介しました。本記事を通して、普段使用しているAIツールのベースとなっている技術について知っていただけたのではないでしょうか。 AIは一過性のトレンドではなく、私たちの私生活、仕事に大きな影響・変化を与えるイノベーションです。株式会社リッケイは、AIに特化した関連会社Rikkei AIを有し、日本の企業様向けにAI開発、導入支援を提供しております。AIをビジネスプロセスにどのように取り入れることができるのか詳しく知りたい企業様は、お気軽にお問い合わせください。 当社のAI関連事例はこちら

11/09/2021

3 minutes

機械学習におけるデータの重要性 – AI競争で勝つには、良質かつ膨大な学習データが必要

現在、AI（人工知能）は健康、農業、金融、交通などの分野で利用され、その進歩を加速させています。しかし、ある特定の地区や地域を超えてAIを発展させるためには、良質かつ膨大なデータソースが必要です。データの利用促進はは、AIによる分析精度を向上させるための鍵であり、製品やサービスはパターン認識やインサイト生成からより高度な予測技術へと移行し、ひいてはより良い意思決定を実現します。 日本企業がこのAI競争に参加して、最新の技術トレンドを捉えてリードするためには、巨大なデータウェアハウスを構築する必要があります。例えば、FPT、Viettel、VinAI、VNGといったベトナムを代表するテクノロジー企業は、将来のトレンドにアプローチするために、データウェアハウスを構築しています。私たちリッケイソフトもまたベトナムのテクノロジーリーダーの一員として、『Speech to Text』製品用の巨大な音声データウェアハウスを構築し、AI開発競争に参加しています。AI開発におけるデータの役割を多角的に理解していただくために、株式会社Rikkei AI 副社長 グエン・ミン・タン氏にインタビューしました。 AIは1950年代に考案されました。今日までの60年を超えるAI研究の歴史の中で、3回のブームがあったと言われています。第2次ブームまでは「ルールベース」と呼ばれる、人間が予めルールや知識を用意して、それらに基いて機械が判断するシステムが中心でした。 現在は第3次ブームを迎え、機械が自らデータから知識を得る技術「機械学習」が中心となっています。特に、機械学習技術の先端領域である「深層学習（ディープラーニング）」がAI技術の中の鍵となっています。この深層学習の進歩によって、より多くの人が高度な技術にアクセスできるようになった結果、AIが広く認知され、実際に使われるようになりました。 さて、データについてのお話ですが、データは石油ではなく、21世紀の新たなブラックゴールドの源泉であると主張する意見が多くありました。AI製品はさまざまな要素技術の融合であり、データは不可欠な構成要素の一つです。統計によると、80％のAI製品の開発時間は、データ関連の処理に費やされています。AIの育成は、子供の教育に似ています。正しいデータを使って学習させれば、AIはうまく学習することができます。反対に、間違ったデータで教えれば、間違った学習をしてしまいます。不正確なタイミングで異質なデータが使われると、AIは混乱してしまいます。多くのAI向けデータを適切に活用して学習すれば、AIはより賢くなり、より正確に認識できるようになります。 GoogleやMicrosoftなどの大手テクノロジー企業や、自動運転車の開発に取り組むトヨタ、テスラ、ヒュンダイなどの自動車メーカーが、競争で優位に立つためにAI向けデータに多額の投資をしていることは間違いありません。例えば、Googleの音声認識エンジンの学習には、何十万時間の音声データが使われています。同様に、テスラは数百万枚の実写写真を使って自動運転車の学習を行っています。 データラベリングに特化した企業も、AIのトレンドに追随しています。また、より迅速で正確なAIデータラベリング技術も開発されています。その結果、これらのビジネスのスタートアップ企業の多くがユニコーン企業へと成長しています。 ご存知のとおり、リッケイソフトの『Speech To Text』とそのコアテクノロジーは、国会やいくつかの省庁、機関、その他の政府機関に導入されているAI音声認識ソリューションです。AI音声認識技術には幅広い用途がありますが、ベトナムでそれを活用している企業はごくわずかです。Viettel、FPT、VNG、VinGroupなどの大手企業はいずれも重要なプレーヤーです。 では、なぜこのAI競争に参加する企業がまだそれほど少ないのでしょうか。それは、施設や設備インフラ、AI開発者などのリソースに加えて、この技術を活用には大量の音声データが必要になるためです。この音声データを収集し、分類するには多額の投資が必要になります。 したがって、すべての企業が経済的なリスクを許容できるわけではありません。特に、AI技術の習得や製品のアウトプットの実現可能性が不確かな場合にはそうです。 正確なデータ収集と品質管理の難しさ、そしてAIデータのラベル付けにかかるコストは、世界中のどこにおいてもデータを作成する上で最も悩ましい課題と言えます。 リッケイソフトでは、『Speech-To-Text』を開発する時、現実にマッチした音声データソースの発見、内容の多様性、地理的条件、年齢、性別などに苦労しました。一人ひとりの聞き取りや理解能力が異なる場合、データのラベル付けは難しいかもしれません。 特にこの地域の人々は、他の人が話している音声を聞き取り、適切に捉えることが難しいと感じています。 リッケイソフトは、内部データラベリングと新しいサービス開発のニーズを満たすために、プロフェッショナル用のデータラベリングツール『Rikano』を研究開発しました。Rikanoは、世界中の他の多くのラベリングツールの利用法や特徴を参考にして作られました。 Rikanoによって、最も多いデータタイプである画像、音声、テキストなどデータのラベルを付けを容易する同時に、ユーザーが各プロジェクト参加者の進捗状況や作業品質、生産性、作業履歴なども簡単に管理できるようになりました。その結果、Rikanoはリッケイソフトのデータラベリングサービスの開発戦略において重要な役割を果たしています。 企業は、AIがもたらす可能性のあるメリットをより深く理解し、AIへの関心を高めています。その結果、ビジネスの活動に関連するすべてのデータが復元され、AI構築によるオペレーションの最適化を支援することになります。 もう一つのAIのトレンドがAIデータのラベリングを防ぐためのアルゴリズムを作成することです。これは感情的な要素や人間的な要因によってコントロールされる可能性が高い労働集約的な作業です。ただし、これは将来の課題です。