メルマガ登録
-
テーマから探す
-
技術から探す
-
業界・事例から探す
-
関連トレンドから探す
テーマから探す
技術から探す
業界・事例から探す
関連トレンドから探す
生成AIは、深層学習などを使って人間が生み出すようなテキストや画像、音楽、動画を自動生成できる技術です。生成AIの特徴としては、大量のデータからパターンを学習し、その知識をもとに新しいコンテンツを生み出せる点です。既存データの複製ではなく、学習結果を踏まえて新規に生成します。この特性により、多様なコンテンツ生成が可能です。
クリエイティブ分野に限らず、ニュース記事の作成、ゲーム内世界の設計、広告制作など実務での活用が進んでおり、人間の創造性を支え、広げることで、ビジネスやアートに新しい可能性をもたらすことが期待されています。
本記事では、生成AIの基本概念・仕組み・可能性と課題を解説します。
※以下の動画では、生成AIの意味と概要を「1分」で解説しています。記事を読む時間がない方は動画をご覧ください。
生成AI（Generative AI／ジェネレーティブAI）とは、学習したデータをもとにテキストや画像などの新しいコンテンツを生み出すAIのことです。いまではChatGPT（文章生成）やDALL-E（画像生成）をはじめ、多様な生成AIがビジネスや日常に浸透しつつあります。
【関連記事】
DX（デジタルトランスフォーメーション）とは？その意味や今なぜ求められているか、わかりやすく解説
「AI」と「生成AI」の違いを端的にいえば、「新しいコンテンツを生み出せるかどうか」です。
従来のAIは学習済みデータの中から最適な答えを選んで返すものでした。一方、生成AIはゼロから新しいアイデアやコンテンツを生み出せる点が大きな違いです。
従来型のAIが「既存データを参照して答えを返す」のに対し、生成AIは学習した知識を組み合わせて、新しい表現やアイデアを生み出します。つまり、AIが学習した知識を再構成し、人間に新しい答えを届けてくれる仕組みといえます。
これまで0から1を生み出す作業は人間にしかできないものでしたが、生成AIの登場によってアイデア創出さえもAIに任せられるようになり、より創造性の高い作業も自動化できるようになりました。
いまでは企業の現場でも、生成AIを日常業務に取り入れる動きが広がっています。
【関連記事】
生成AI・LLMをビジネス適用するための検討ポイントおよびユースケース
また、AI（人工知能）は、人間が行う知的な作業をプログラムで代替するための技術を指します。つまりAIは大きな総称であり、生成AIはその中の一つのカテゴリーです。
加えて、機械学習はAIを進化させるための学習手法を指します。AIは機械学習を通じて新しい知識を取り込み、より複雑な処理が可能になります。
【関連記事】
AI導入＝DXではない？DXにおけるAI活用ポイントと成功事例
「AIの定義がよく分からない」という方は、まず概要を整理しておくと理解がスムーズです。以下の記事ではAIについて分かりやすく解説しているので、あわせてご覧ください。
【関連記事】
入社1年目が教わる「はじめての人工知能」 第1回：人工知能（AI）とはなにか
入社1年目が教わる「はじめての人工知能」 第2回：人工知能（AI）の歴史
入社1年目が教わる「はじめての人工知能」 第3回：トップ企業にみる人工知能（AI）活用の取り組み
入社1年目が教わる「はじめての人工知能」 第4回：人工知能（AI）をめぐる国の政策動向とAIに取り組む意義
生成AIの中核を支えているのは『ディープラーニング（深層学習）』と呼ばれる技術です。膨大なデータからパターンを学び取り、その知見を組み合わせることで、従来にはなかった新しいコンテンツを生み出せるようになりました。
これまでの機械学習では『教師あり学習』が主流でした。人間があらかじめ正解データを与え、その答えをもとにAIが予測するという仕組みです。一方、ディープラーニングの登場により、AIはより複雑な学習を自律的に行えるようになりました。その結果、人間が細かく指示を与えなくても、新しいコンテンツを創り出すことが可能になったのです。これが生成AI誕生の経緯です。
【関連記事】
機械学習とは？3つの学習手法と知っておきたい活用事例
補足ですが、特定のタスクに特化したAIは『弱いAI』と呼ばれ、一方で人間の知性と同等かそれ以上の汎用的な知的能力・自己意識を持つAIは『強いAI』と呼ばれます。現在の生成AIは特定の分野に特化した『弱いAI』に位置づけられます。しかし進化のスピードは著しく、将来的には『強いAI』へと近づいていく可能性があります。
強いAIの代表格である「AGI（汎用人工知能）」と呼ばれる人工知能についてもトレンドになりつつあるので、以下の記事も参考にしながらAGIの概念についてもあわせて押さえておくとよいでしょう。現時点でAGIはまだ実現していませんが、2045年頃には『シンギュラリティ（技術的特異点）』が訪れ、AIが社会に予測不能な影響を及ぼすという仮説もあります。
【関連記事】
AGI(汎用人工知能)とは？AIやChatGPTとの関係性・社会的課題
2045年問題とは？シンギュラリティの意味や仕事への影響を解説
生成AIには、テキスト生成や画像生成、動画生成、音声生成などさまざまな種類があります。それぞれの性質に適した活用方法を選択することで、これまで人間の手で行っていた作業を大幅に効率化したり、思いつかなかったアイデアを形にしたりすることが可能になります。
ここでは、生成AIが消費者や企業にもたらす価値を解説します。
テキスト生成AIは、フォームに入力した「プロンプト*」と呼ばれる文章を送信すると、自動的にテキストが生成されるAIのことです。OpenAIが開発した「ChatGPT」やGoogleが開発した「Bard」が該当します。
【関連記事】
LLM(大規模言語モデル)とは？生成AIとの違いや活用事例・課題
テキスト生成AIを活用すると、長文の要約やキャッチコピーのアイデア創出、プログラミングのコード生成などさまざまな作業を自動化できます。
*プロンプトについて：ChatGPTなどを始めとするLLMには通常の会話のように指示を出すことができます。そのような自然言語による指示を「プロンプト」と呼び、LLMをより上手に使うための”良い”プロンプトの書き方が、世界中で日々報告されています。そのようなプロンプトの構成の仕方は「プロンプトエンジニアリング」と呼ばれています。
【技術者向け関連記事】
プロンプトエンジニアリングの基本と応用
画像生成AIは、テキストで指示するだけで、イメージに近いオリジナルの画像を生成できるAIです。世界的に利用されている画像生成AIとしては、「Stable Diffusion」や「Midjourney」、「DALL·E 」などが有名です。
例えば2023年9月にOpenAIが開発した画像生成AI「DALL·E 3」では、テキストでプロンプト（テキストによる指示）を送ると自動で画像を生成します。以下の画像は「生成AIを象徴する横長の画像を制作してください」と指示して生成された画像です。
動画生成AIは、テキストで指示したイメージに近い動画を生成するAIです。動画生成AIはAIの中でも開発の難易度が高いといわれていますが、2023年3月にはアメリカのRunway社から「Gen-2」と呼ばれる動画生成AIが登場しており、クオリティの高い動画を生成できるようになっています。
現時点では数秒ほどの短い動画を生成することができる程度にとどまっていますが、技術が進歩すれば、さらに長尺の動画も生成できるようになると考えられます。将来的には、簡単なプロモーションビデオの作成などにも活用できる可能性があります。
音声生成AIは、音声入力やテキスト入力によって新たな音声を生成するAIです。たとえば、ある一人の声を大量に学習させると、その人の声質と全く同じ声で、さまざまな文章を自由に話す音声を生成することが可能になります。
音声生成AIを活用することで、本人の声を収録せずに任意のナレーションを読み上げたり、アバターに手軽に音声を付加したりできます。
生成AIに使われる代表的なモデルには、GPT、VAE、GAN、Diffusion Modelなどがあります。それぞれ仕組みや得意分野が異なり、用途に応じて使い分けられています。
テキスト生成AIなどの自然言語処理にはGPTが活用されています。画像生成では、VAEが複雑な特徴を持つデータ表現に適しており、高解像度な画像生成にはGANやDiffusion Modelがよく使われています。
ここでは、代表的な生成モデルについて解説します。
GPTは、アメリカのOpenAIが開発した自然言語処理モデルです。2025年8月時点で『GPT-5』まで登場しており、従来を大きく上回る言語処理能力を備えています。代表的な活用例が、同社の『ChatGPT』です。GPTを使うことで、人間が書いたかのように自然な文章を生み出せます。
生成AIには、事実でない内容をもっともらしく答えてしまう『ハルシネーション』という課題があります。しかしGPT-5ではその発生が大きく抑えられ、精度も向上しました。近年ではMicrosoft社の検索エンジン『bing』と提携し、検索エンジン上でGPTを融合したAIを使用することもできるようになっています。
VAE（Variational Auto-Encoder）は画像生成AIに採用されている生成モデルの一つです。「変分オートエンコーダー」というディープラーニング技術が活用されています。AIに与えた学習用データの特徴を抽出し、そのデータの性質を持った新たな画像を生成できる点が特徴です。
たとえば、あるイラストレーターの作品を大量に学習させると、VAEはそのイラストレーターの作品の絵柄を持った新たなイラストを生成できるようになります。著作権侵害の懸念や問題はありますが、利便性の高いモデルです。
GAN（Generative Adversarial Networks）も画像生成AIに活用される生成モデルですが、VAEとは画像を生成する際の流れが異なります。GANは「Generator（生成器）」と「Discriminator（識別器）」の2種類のネットワーク構造を競わせることで、より高度な画像を生成する仕組みです。
ランダムに生成された画像であるGeneratorは、学習用の正しい画像であるDiscriminatorに近づこうとして精度を高めていきます。何度も繰り返しGeneratorとDiscriminatorを比較することで、解像度の高い画像を生成します。
Diffusion Model（拡散モデル）は、GANの次世代手法とも呼ばれ、画像生成で高い性能を発揮します。
学習用の画像に追加したノイズを徐々に取り除き、もとになる画像を復元することで画像生成のプロセスを学習していきます。ノイズを取り除いて元の画像に近づける作業を何度も繰り返すことで、精度の高い画像を生み出せます。例えば『DALL-E 3』をはじめ、多くの画像生成サービスでDiffusion Modelが使われています。
生成AIに用いられるその他の代表的なモデルには、主に以下のものがあります。
生成AIを活用したサービス例や技術は、次のとおりさまざまに存在します。これらの詳細を紹介します。
| ChatGPT | テキスト生成に強みを持つ対話型AI |
| Gemini | Google提供のマルチモーダルAI |
| Claude | Anthropic開発の安全性重視のAI |
| Grok | X（旧Twitter）連携に特化した生成AI |
| SGE | Google検索に生成AIを組み込んだ機能 |
| Stable Diffusion | オープンソースの画像生成モデル |
| Midjourney | 芸術性の高い画像生成に定評 |
| Adobe Firefly | 商用利用可能な画像生成AI |
| Canva AI | デザイン制作を支援する生成AI機能 |
| Runway Gen-4 | 動画生成に強いAIツール |
| Kaiber | 静止画から動画を作れるAI |
| GliaCloud | テキストから自動で動画を生成 |
| Amazon Polly | 音声合成に特化したサービス |
| VALL-E | Microsoft開発の音声生成モデル |
ChatGPTとは、OpenAIが開発したテキスト生成AIです。同社が開発した自然言語処理モデルの『GPTシリーズ』が組み込まれており、2025年8月現在は『GPT-5』が活用されています。
テキストボックスに任意の質問（プロンプト）を入力して送信すると、ChatGPTが最適な回答を考案し、自動的に返信してくれるという仕組みです。日本語にも対応しています。
GPT-5の言語処理精度は非常に高く、博士号レベルの専門家チームがポケットの中にいると形容されるほどです。
また、ChatGPTは「特定の領域やタスクに特化させる」こともできます。例えば、ネットには載っていない非公開情報である社内文書は、通常のChatGPTでは知り得ない情報になりますが、『ファインチューニング』と呼ばれる技術を用いることで、社内文書に対するデータが蓄積されたChatGPTを生み出すことができます。
詳細は以下の記事で書かれています。
【関連記事】
ChatGPTに共通テスト解かせてみた
ChatGPTとは？使い方・始め方・仕組み・最新の活用事例を一挙ご紹介！ | DOORS DX
社内文書に特化したChatGPT ファインチューニング実践編
【参考】
ChatGPT
GeminiはGoogleとDeepMindが共同開発したマルチモーダルAIです。テキスト、画像、音声、動画といった複数のデータを横断的に扱える点が特長です。学習の初期段階からマルチモーダル対応している点が、従来モデルとの大きな違いです。
2025年3月には最新版バージョンのGemini 2.5 Proがリリースされました。高度な推論能力を持つ『思考モデル（Thinking Model）』として設計され、複雑な問題に正確で高いパフォーマンスを持つ解決策を提示できるようになりました。
2.5 Proではマルチモーダル処理も進化し、テキストや動画、音楽などを組み合わせて処理できます。例えば、動画の内容を理解し、その動画に基づいたインタラクティブな学習アプリを作成するといったタスクも実行可能です。
【関連記事】
Google の新たな生成AIモデル Gemini を技術的観点で解説
【参考】
Gemini
ClaudeはAnthropicが開発した対話型AIで、長文の理解や要約、分析に強みがあります。契約書や論文の処理など、業務での利用に適しており、APIを通じて社内ツールやアプリに組み込むことも可能です。情報の取り扱いに配慮されているため、安心して活用できます。
最新版のClaude 3（※2025年版）では推論能力が向上し、複雑な文章やマルチタスクにも対応可能です。例えば、長文契約書の要点を整理したり、顧客問い合わせを分類して対応の補助を行ったりできます。テキスト構造の理解力も強化され、より自然で精度の高い出力が得られます。
【参考】
Claude
GrokはxAIが開発した対話型生成AIで、X（旧Twitter）のデータを活かした応答が得意です。SNSの話題やトレンドを反映した、フレンドリーで読みやすい会話が特徴です。エンタメ性の高い会話やトレンド分析にも向いています。
最新版のGrok 2（※2025年版）では応答精度と情報更新速度が向上し、最新の話題やイベント情報を踏まえた会話が可能です。例えば、SNSのトレンドを即座に反映したキャンペーン案の作成や、マーケティング向けレポートの自動生成などに活用できます。
【参考】
Grok
2023年5月、Googleによる新しい検索機能「SGE（Search Generative Experience）」が発表され、現在では海外国内ともにGoogle検索上でSGEが試験的に運用されています。
SGEは「生成AIによる検索体験」で、Googleで検索されたキーワードの検索意図に沿った回答をGoogleが自動で生成する機能です。従来では、検索のヒントになりそうな情報がまとめられたウェブサイトを検索者が発見し、自ら情報を取得しに向かわなければなりませんでしたが、SGEはその「情報の取捨選択による負担」を解消することになります。
Stable Diffusionは、Stability AIが開発したテキストから画像を生成するAIモデルです。オープンソースで提供されており、個人でも自由に利用・改変でき、ローカル環境での実行も可能です。
商用利用にも対応しており、アーティストやクリエイターが自分の制作フローに組み込みやすく、AIアートの標準的なプラットフォームとして広く活用されています。
最新版では生成速度と画質が向上しており、細かな表現やスタイルの指定にも対応可能です。例えば、テキストで指示したイメージをもとに、独自のアート作品や広告素材を作成することができます。
【参考】
Stable Diffusion
Midjourneyは、現在の生成AIブームの火付け役ともいえる画像生成AIです。音声通話アプリの「Discord」と連携して使用でき、指示したプロンプトに応じて自動的に画像を生成することができます。
日本では2022年にブームが到来し、まだ登場したばかりだった画像生成AIの利便性を広く知らしめるきっかけとなりました。Midjourneyを開発したのはデビット・ホルツ氏が立ち上げた研究チームであり、DALL·E 3と並んで画像生成AIの先駆けともいえるサービスです。
【参考】
Midjourney
ノンコードで直感的に制作できるオンライングラフィックデザインツール「Canva AI」では、生成AIを活用した拡張機能が次々とリリースされています。
といった機能が実装されており、利用者があまり手を動かさずともクリエイティブやコンテンツを制作できるようになっています。
活用方法の一例として、筆者も時折Canva AIを利用することがありますが、一からの制作が難しい場合は「生成AIによるアウトプットを叩きとしながらインスピレーションを養ってみる」というような活用を試しています。
【参考】
生成AI – Canva
数多くのクリエイティブツールを提供しているAdobeでは、生成AIを活用した画像生成サービス「Firefly」をリリースしました。
AIによる画像生成サービスは他にも複数存在しますが、一般的な画像生成AIは「データの学習元が曖昧」であることがしばしば問題視されています。そのため、例えば著作権問題に抵触する恐れのある画像が生成されるリスクがあります。
しかしFireflyで使用されるクリエイティブは、Adobeのストックフォトである「Adobe Stock」から抽出しているため安全にサービスを利用できます。
【参考】
Adobe Firefly
Runway Gen-4は、テキストや画像から動画を生成したり、既存動画を編集したりできる動画生成AIです。映画制作や広告、SNSコンテンツ作成など幅広い用途で活用されています。
最新モデルのGen-4では機能がさらに拡張され、クリエイターやマーケターが手軽に高品質な動画を作れるため、映像業界でも導入が進んでいます。
【参考】
Runway Gen-4
Kaiberは、音楽やビジュアルと組み合わせた動画生成に強みを持つ生成AIツールです。
音楽と同期したビジュアルコンテンツの生成に特に強みを持つため、ミュージックビデオや映像制作プラットフォームで、音楽に合わせたアート映像や動画を生成します。
また、音楽サービスでのビジュアライザーとしても活用されています。サブスクリプションで提供されており、個人アーティストから商用のプロジェクトまで幅広く対応しています。
【参考】
Kaiber
GliaCloudは、テキストコンテンツをもとに動画を自動で作れるAIプラットフォームです。
ニュース記事やブログ、プレスリリースなどの内容を分析し、関連する映像素材やBGM、ナレーションを組み合わせて、手軽に高品質な動画を作成できます。
動画制作の専門知識がなくても直感的に操作できるため、ニュースやマーケティングの現場で幅広く活用されています。
【参考】
GliaCloud
AWSが提供する、テキストを自然な音声に変換できるAIサービスです。より人間らしい発音とイントネーションを実現し、発音や速度、音量などを細かく調整でき、多言語でさまざまな音声スタイルに対応できます。
ニュースの読み上げや、オーディオブック制作、eラーニング、カスタマーサポートなど、幅広い場面で活用されています。
【参考】
Amazon Polly
VALL-Eは、Microsoftが開発した音声生成AIで、数秒の音声サンプルから同様の声質で高品質なテキスト読み上げを生成できます。
従来の音声合成技術とは異なり、感情やイントネーションを自然に再現し、まるで本人の声を聞いているかのようなリアルな音声を生成します。
ナレーションやバーチャルアシスタントなどでの活用が期待されています。現在は声のなりすましリスクを防ぐため、一般公開は限定的ですが、将来的には声を失った人の音声復元や、多言語での同一話者の音声生成などへの応用が期待されています。
【参考】
VALL-E
テキスト生成・画像生成・動画生成・音声生成を担う生成AIの活用例は次のとおりです。
アイデア次第でさまざまな応用が可能な生成AI。業務効率化やクリエイティブ業務のサポートなど多様な業務に活かせます。
※生成AIやLLMの本格的なビジネス導入・適用を考えている方は、以下の記事もあわせて参考にするとより専門的な理解を深められます。
【関連記事】
生成AI・LLMをビジネス適用するための検討ポイントおよびユースケース
弊社ブレインパッドでは、生成AIやLLMに関する研究プロジェクトが立ち上げられ、そこでChatGPT APIを応用した開発がいくつか行われています。その中の一つに「社内データについて質問すると回答してくれるSlack BotおよびWebアプリケーション」があり、生成AIをビジネス活用した事例として紹介させてください。
例えば調べものをしたいときに社内データへアクセスしようとする場合、データ量が多ければ多いほど、調べたい情報へのアクセスが難しくなりますよね。そこで「調べたいこと」を質問すると、必要な情報を自動で洗い出し・アウトプットされる仕組みを生成AIで開発しました。
【関連記事】
ChatGPT APIで社内データについて回答するSlack BotとWebアプリを作った
このようにブレインパッドのPlatinum Data Blogでは、LLM研究プロジェクトの活動の一環として、生成AIの技術やビジネス実装に関するブログ記事の執筆を積極的に行っています。生成AI・LLMを用いたより専門的な技術や開発に関する情報にキャッチアップできますので、よろしければご覧ください。
【関連記事】
生成AI カテゴリーの記事一覧 – Platinum Data Blog by BrainPad
テキスト生成AIを活用すると、文章の要約が可能です。要約したい文章を入力して「この文章を要約してください」と指示するだけで、長文の要点をくみ取ってコンパクトな文章にまとめてもらえるので、会議資料の作成時などに重宝します。
また、Webサイトに掲載されているニュース記事などの要約を依頼して要点を押さえるなど、情報収集に活用できる側面もあります。ただし、出力された情報が誤っていないかどうかは慎重に検証することが大切です。
テキスト生成AIは、新たなアイデアを求めているときにも役立ちます。商品やサービスのキャッチコピーが思い浮かばないときに「○○の商品につけるキャッチコピーのアイデアが欲しい」と指示するだけで、軽く手直しすれば使えるようなキャッチコピーの候補をいくつか提示してくれます。
これまでは自分で考えなければならなかったアイデアも、文章生成によって簡単に生成できるため、クリエイティブな業務にかかる時間を短縮できます。
画像生成AIを使うと、Webサイト用の背景素材を作成することもできます。Webサイトのイメージに近い内容をテキストで指示すると、すぐに使える背景素材を生み出せます。
2023年6月時点では、多くの画像生成AIにおいて、著作権を侵害していない画像であれば自由に自身のコンテンツに使用することが可能です。背景素材を作成する時間を短縮して、コンテンツの内容を充実させるために活用すると良いでしょう。
同じ要領で、SNS用のオリジナルアイコンなども生成できます。
テキスト生成AIのChatGPTなどでは、プログラミングのコード生成やデバッグを行うことも可能です。コードを新たに生成する際は、生成したいコードの内容をできるだけ詳細に指示すると、コピー＆ペーストするだけですぐに使用できる精度のコードが創出されます。
また、記述済みのコードが動作しないときは、「このコードの間違っている部分を教えてほしい」と指示するだけでコードの誤っている部分を指摘してくれるため、デバッグにも役立ちます。
文字起こしAIに会議の内容を録音した音声データを入力すると、音声データの内容を自動的にテキスト化することができます。これまでは音声データを聞き返しながら手動で文字起こしを行っていた作業を自動化できるため、議事録作成などの手間がかかる作業の効率化につながります。
会議が頻繁に開催される職場など、テキスト化しなければならない音声を大量に扱っている現場において特に重宝するでしょう。
生成AIはさまざまな業界で活用されています。本章では、製造業、金融・保険業、教育、医療、行政・自治体における具体的な活用例を紹介します。
製造業では、生成AIがさまざまな場面で活用されています。例えば、以下の場面で効果を発揮します。
サプライチェーンの最適化
生成AIに市場データや過去の販売実績を学習させ、将来需要をシナリオ別に予測することで、過剰な在庫や欠品を防ぐことができます。輸送経路や仕入れ先の選定でも、リスクやコストを考慮した最適化プランをAIが提示し、サプライチェーン全体の柔軟性や効率性を高めます。
メンテナンス
予知保全の進化により、設備の寿命を延ばすことができます。機械の稼働音や振動データを解析し、故障の兆候を検知します。そのデータをもとに、どの部品がいつ故障する可能性が高いかを示すレポートを自動生成できます。
トラブルシューティング
過去の障害データやマニュアルをもとに、生成AIがオペレーター向けに最適な対応手順をわかりやすく提示できます。さらに、熟練技術者の知見をAIが補完することで、技術継承や人材不足への対応も期待されています。
金融・保険分野でも生成AIの活用機会は数多く存在します。特に不正検知やリスクマネジメントの強化は重要で、金融商品取引法などの法令やガイドラインを細かく確認する必要があります。
しかし、これらの作業は時間と手間がかかり、属人化しやすいという課題がありました。
そこで生成AIを活用することで、契約書や商品資料などのテキストを読み込ませると、関連する法令やガイドラインと照合し、問題点を自動で指摘することが可能となりました。
また、カスタマーセンターでは、生成AIを用いて商品や契約関連の手続き書類を検索可能にし、大量のドキュメントから適切な情報を瞬時に見つけ出せます。顧客への回答品質を高め、満足度向上にもつながります。
教育や医療分野では、人材不足の解決と質の向上を両立させる手段として生成AIの活用が広まっています。
少子高齢化や人材不足の影響で、特に地方を中心に医師不足が社会問題となっています。生成AIによって医療従事者の業務を補助し、質の高い医療を提供できることが期待されています。問診内容の要約やカルテ、紹介状など各種文書の下書きを生成することで、事務負担を大幅に削減できます。
同様に教育機関でも先生の不足は深刻です。生成AIは教育コンテンツを自動生成し、学習機会の拡充に役立ちます。個々の生徒の理解度に応じた問題や解説の作成、授業計画の立案支援も行えます。
自治体でも生成AIの導入が加速しています。公務員や担当者の人手不足が深刻であり、業務効率化が喫緊の課題であるからです。生成AIを導入することで、文書作成や窓口対応、申請処理の自動化など業務効率を高め、住民サービスの質向上につなげられます。
例えば、テキスト生成AIが行政文書や報告書のフォーマットを作成し、職員は必要な部分を仕上げるだけで、大幅な時間短縮が可能です。
また、住民からの問い合わせにも、自然言語の入力や解析を活用することで、チャットや電話で対応できる範囲が広がっています。
生成AIが企業にどのくらい導入されているか、またどのような導入のされ方をしているかを調査をもとに解説します。
インクルージョン・ジャパンが上場企業184社・2,724名に実施した、「生成AIの活用状況」に関するアンケートの結果を見てみると、約80％は「利用を推進している」スタンスであることが分かりました。
生成AIがリスクなく適切に利用されるよう、生成AI利用に関するルールが設けられている企業もあるようですが、全体的に「生成AIの活用に関しては前向き」であると言えるでしょう。
【関連記事】
生成AIで変わる働き方を議論する「Work Wonders Conference」SESSION2：上場企業184社に聞いた「生成AI活用のリアル」
同じ調査で、具体的に生成AIを誰がどのような用途で利用しているのか、個人にアンケートした結果をまとめた表が以下にあります。
企業内で生成AI導入を積極的に進めているのは、IT・情報システム、経営企画、研究開発部門などの部署でした。
一方で個人で生成AIを積極的に利用していたのは、経営企画部門の担当者が多く、部門として主導してはいないものの、個人では積極的に使用している職種には、人事、広報・コミュニケーション、財務・経理、マーケティング、総務が含まれます。
生成AIの企業推奨用途には、「メールや文章などのトーンの変更・修正」「記事やメール文の作成」「議事録の要約」「業務マニュアルの作成」「文書の翻訳」「FAQの作成」などの入力の変換に関する用途が多くありました。
一方で、個人に対して同様の質問をしたところ、会社が推奨している業務ではないが個人が積極的に使用しているものとして、「画像内容の抽出」「画像ルールの適合チェック」「広告画像の生成」「履歴書のスクリーニング」「人事面談の分析」「セキュリティ関連の客先資料チェック」「申し込みや注文のチェック」「管理者向けの例外事例の検索」「取引先の優先順位付け」などでした。
企業が推奨している用途と、個人が積極的に使用している用途として一致したものには、「問い合わせのチャットボット」「議事録などの論点抽出」「競合調査」「法律調査」があり、これらの用途は今後需要が大きく拡大する可能性があると考えられます。
【関連記事】
生成AIで変わる働き方を議論する「Work Wonders Conference」SESSION2：上場企業184社に聞いた「生成AI活用のリアル」
生成AIに関する概要をここまで解説しましたが、ここからは生成AIをビジネスに取り入れた実際の活用事例について紹介します。
まずは日本国内における生成AI活用事例から見ていきましょう。
製品や従業員の満足度調査では、選択式と自由記述のアンケートが定番です。選択式の回答は傾向を数値化できる一方、自由記述の回答は全体像の理解が非常に厄介です。東京電力エナジーパートナー株式会社様は、人財戦略・育成推進室が組織診断アンケートの自由記述欄の解析に苦労していました。
こういった大変なプロセスを、LLMを通じて業務効率を飛躍的に向上させるべく取り組み続けています。当事例の詳細は以下の記事からご覧いただけます。
【関連記事】
ChatGPTで記述式アンケート解析がゼロコストに｜LLMを経営効果に変えた！東京電力エナジーパートナーの生成AI活用事例
ECでの購買体験はこれまで「検索」と「レコメンド」でしたが、生成AIの登場で大きな転換を迎えています。EC上でお馴染みの機能となったレコメンドですが、販売事業者からは「なぜこの商品がレコメンドされるのかわからない」、消費者からは「検索してもなかなか見つからない」と双方でレコメンドへの仕組みへの不満が生まれていました。
この課題を解決するために開発されたブレインパッドの対話型レコメンド『Rtoaster GenAI』は生成AIを組み合わせ、曖昧な検索ワードへの対応や商品提示の際の「気の利いたコメント」を生成します。自然な接客体験をEC上で実現できると高く評価されています。
またマルチモーダルAIを活用し、商品マスタや画像、行動ログなどを統合解析することで、状況や文脈に沿った説明を生成し、最適な提案も可能としました。
【関連記事】
「検索」から「対話」へ 老舗『Rtoaster』が描く、生成AI時代の“出会うUX”
コンビニチェーンのセブン-イレブン・ジャパンでは、生成AIの社内活用を進め、大規模言語モデル（LLM）を使い分けて生成基盤を全社員に展開する取り組みをしています。「LLMは常に進化しており、1つに限定せず適切な評価で使い分けることが重要である」という考えから、業務や用途に合わせて社員自らモデルを使い分けられるようにしています。
商品開発のアイデア出し、市場トレンドの提案、商品の販売検証に活用されています。従来は、各店舗から集まる売上や在庫のデータ、商品情報データなどを一元管理するデータ基盤から、SQLなどの専門知識がある一部の社員だけがデータ活用できるという課題がありました。
一般社員でもデータ活用しやすいよう個別業務に特化したアプリ開発を進めました。このチャットアプリで、ある商品の過去の販売実績を自然言語で質問すると、回答を生成するために必要な情報をLLMが判断します。データ基盤などから適切なデータベースを選んでSQLを実行、データ抽出して回答を出力して得られます。
2020年から3度にわたって「DX銘柄」に選定される等、データ活用推進を高く評価されている、りそなホールディングス。生成AI、LLM活用に関してもいち早く取り組みを開始し、すでに独自の活用法を見出しつつあります。
2023年8月に、ブレインパッドとともに共同研究プロジェクトを開始。さまざまなディスカッションを経て、1段階目では必要な準備物と役割分担整理や取り組み方針の決定、またLLMテーマの決定を行いました。
2段階目を本格的な取り組み開始とし、りそなホールディングスのデータサイエンティストが、LLMを活用して業務適用を検討できる人材にアップデートできるよう、ブレインパッドとともに取り組みを進めています。
【関連記事】
銀行業務での適応領域を探索。りそな×ブレインパッドのLLM共同研究プロジェクトで見えてきた世界観とは？
転職サイトを運営するビズリーチでは、生成AIで求人を自動作成できる機能を実装しました。即戦力人材の複雑な要件を、イメージを入力することで言語化する機能や、企業の公式サイトから企業理念や事業内容などの固有情報を反映した求人を自動で作成できる機能です。
近年の環境変化で高い専門性を持つ即戦力人材のニーズが高まっています。採用成功のためには、求人の役割を明確にして必要なスキルや経験を示し、企業独自の魅力を表現することが欠かせません。
このような採用には人事部門だけでなく、人材を募集する部門が直接採用に関わることも増え、採用に関するスキルを持たない担当者でも求人作成を求められハードルが高い課題がありました。
そこで、生成AIによって求人作成を開発し、専門性の高い職種の求人でも最短30秒で提案できます。求人作成にかかる時間と労力を削減し、求職者にも響く魅力的な求人作成が可能となりました。
電機メーカーのパナソニックホールディングスでは、機器設計にAIを活用しています。従来の設計は人間の経験と勘に頼っていましたが、AIが膨大な設計空間を短時間で探索し最適な構造を導き出します。
AIはゼロベースで設計した構造や評価値など膨大なデータを生成します。その設計過程で生成されたデータに対して統計的な解析をして、どのエリアが重要であるかヒートマップ化します。これにより、設計者がAIの思考の重要ポイントを理解しやすくスムーズな開発が可能となりました。また、10%以上の出力向上や材料コストの30%削減を達成し、具体的な成果が出ています。
今後は回路基板など他の分野への応用も検討され、対話形式入力で設計を提案する仕組みも開発中とのことです。
ここからは、生成AIがビジネスに活用された海外事例を紹介します。活用が進む海外の活用事例を知ることで、自社ビジネスへの応用イメージも膨らむようになると思います。
クレジットカード会社のアメリカン・エキスプレスは生成AIを積極的に業務へ導入し、従業員満足度の向上に役立てています。社内IT支援に使用されている従来型のチャットボットでは回答が曖昧で、多くのリンクを提示して羅列するのみで、利用者からは不満を募らせるケースが多くありました。
このチャットボットに生成AIを導入し、従業員からの問い合わせに即座に回答。自己解決を促します。その結果、人による対応を必要としない解決率が40%近くも向上したということです。
インターネット通販のAmazonでは、AIエージェント技術を活用して、顧客の購買体験を拡張する機能を導入しています。
「Buy for Me」という新機能は、Amazonで探していた商品が見つからなくても、他ブランドサイトから購入できるようになりました。AIエージェントは顧客の指示に基づいて、安全に第三者サイトで安全に決済までを完了します。
Amazonサイトにない商品でも顧客のニーズに応えることで、何でも揃う場所というブランドイメージを強化します。顧客は複数サイトを訪問する手間を省け、Amazonストアの操作感のまま外部ストアの商品もシームレスに購入可能で、選択肢と利便性が広がります。
英国の金融機関であるBarclaysは、生成AIを導入し、顧客体験の向上と業務効率化を推進しています。AIチャットボットによるAIアシスタントを導入し、従業員が顧客サポートをする際に必要な情報を瞬時に得られるようにしました。これにより顧客体験の向上につながっています。
また社内業務でも文書作成やデータ分析など日常的な業務を生成AIが支援することで業務効率化を実現しました。AIを単なるツールとしてでなく、人間の能力を拡張する強力なパートナーとして位置付けています。
生成AIは広く認知されてきました。ビジネスでもさまざまな活用が期待され、すでに多くの企業で実践されていることを事例を挙げて紹介しました。
コストや時間削減だけでなく、競争力の向上や新しい価値創出にも直結し、企業に多くのメリットをもたらします。以下に主なメリットをまとめました。
生成AIは業務の生産性を上げ、効率化します。これまで人が時間をかけていた文章作成、メール返信、議事録の作成などのルーチン業務の作業時間を減らせます。
人が時間をかけていた業務を、生成AIによって短い時間で完了できるため、業務時間を削減し、本来時間をかけるべき業務に集中できるようになります。
画像・音楽・動画など多様なコンテンツを生成できるため、クリエイティブ業務の支援や自動化に有効です。
例えば、商品や広告キャンペーンの複数パターンを短時間で用意するといった商品開発やマーケティング戦略などの場面で活用できます。クリエイティブ業務のスピードが大幅に上がり、従来は時間やコストの制約で難しかった多様なアイデア検証やA/Bテストも容易になります。
生成AIは新しいアイデアの創出を支援します。大量の学習データを組み合わせ、人間では思いつかない視点からのアイデアを提案できるからです。これにより、イノベーションの促進につながります。
また、過去の事例や異なる業界知識を横断的に取り込み、新しいビジネスモデルの着想の手助けにも貢献します。既存の発想の枠を超えたアイデア創出は、競合との差別化や新市場開拓につながり、長期的な競争力強化となるでしょう。
生成AIの現状の課題や危険性として、事実の真偽性や著作権問題、情報漏洩、サイバー攻撃への悪用などが考えられます。生成AIは便利なツールですが、危険性に注意して使用しなければ、思わぬトラブルに見舞われる可能性もあります。
法的懸念やガバナンス面の観点で見たとき、生成AIの利便性の裏には課題や危険性も多く存在するのです。
そこでここからは、現在考えられる生成AIの4つの課題や危険性について解説します。
※実際に弊社ブレインパッドでは、生成AIを安全かつ効果的に活用できるよう、社内ガイドライン策定におけるプロセスやポイントを押さえています。社内で誤った使い方をしてしまわぬよう、以下の記事も参考にしていただけると幸いです。
【関連記事】
生成AI・LLMの社内活用におけるガイドライン策定のプロセスとポイント
生成AIを活用して出力された情報は、必ずしも正しいとは限らないため、事実の真偽性を慎重に必ず確かめることが大切です。
特に、最近ではビジネスに活用される機会も増えてきているChatGPTの無料版では、2021年9月までの情報を学習しており、最新の情報が反映されていないため、近年の情報やリアルタイム性の高い情報を回答することができません。
真偽性を確かめずに出力された情報をそのまま使用すると、自身の信頼性を大きく損なうおそれもあるため、十分な注意が必要です。
画像生成AIや音声生成AIにおいては、著作権問題に発展する懸念もあります。
たとえば、画像生成AIなら、有名イラストレーターの作品をAIに多数学習させることで、イラストレーターの絵柄とそっくりなイラストを生成できてしまうのです。結果的に学習元となったイラストレーターの著作権を侵害するおそれがあるだけでなく、イラストレーターの知らないところで自身の作品であるかのようなイラストが拡散されてしまい、風評被害を受ける可能性もあります。
入力する情報によっては、情報漏洩やセキュリティ上の懸念もあります。
たとえば、テキスト生成AIのChatGPTに社員の個人情報を入力すると、ChatGPTは入力された情報をデータベースに記録します。その後、他のユーザーがChatGPTに質問した際に、何らかのタイミングで記録された個人情報が表示されてしまう可能性があるのです。
また、自社の会議用資料を作成する目的でChatGPTに文章の要約を指示すると、その文章の内容が記憶され、他のユーザーへの回答として表示されてしまうおそれもあります。
テキスト生成AIは、新たな文章を自動的に生成することに長けています。その性質を悪用して、フィッシングメールの文面を生成したり、サイバー攻撃用のプログラムのコードを生成したりする目的で使われる可能性もあります。
2023年6月時点、生成しようとしている文面やコードが悪意を持ったものであるかどうかは、生成AI自身が判断できません。そのため、利用者側の意識次第でサイバー攻撃へ悪用されてしまい、サイバー攻撃の激化につながることも考えられます。
生成AIは、人の業務を支援する業務効率化、業務刷新化のほかにも、そもそも人自体を代替する可能性も大いにあります。例えば、とある企業では大量のログデータをChatGPTに学習させ、もう一人の経営者を作り経営戦略を立案させているというケースもあります。
生成AI活用がどんどん進むと人の代替、つまり「経営者はいらない」「現場社員をリストラする」といった議論も増えてきそうです。人の価値、能力をどう発揮すべきかをより考える必要があります。
補足として、生成AIができないこと・苦手なこともご紹介します。以下に挙げた項目は、生成AIで制御することはできません。
人間のように、感情の理解や解釈・表現に関する能力はありません。学習したデータからパターンを見いだし、そこから感情を「予測」できる可能性はあるかもしれませんが、人間独特の感情を抱くようなことはありません。
生成AIはオリジナルコンテンツを生成できますが、人間のような創造性や直感を持ち合わせていません。あくまでこちらのプロンプト通りに動く人工知能であり、「指示せずともその場に置かれた状況に対して臨機応変なアウトプットを返してくれる」ようなことはありません。
ただし、こちらも最近では「東京都同情塔」（新潮12月号）で芥川賞を受賞した作家・九段理江さんが執筆活動の一部で、生成AIを活用していると話したことが注目されました。
苦手と思われた当領域でも生成AIがどんどん活用されてきており、今後の動向に注目です。
生成AIには感情に関する能力がないので、同様に「倫理的判断」「道徳的判断」も不可能です。倫理や道徳が伴うタスクの処理・意思決定を生成AIが担うことは難しいと言えます。
生成AI台頭により、「失われる仕事」「誕生される仕事」が徐々にすみ分けされる展開が予想されます。そんな現代を生き抜くためのビジネスマンが身に付けるべきスキルや、AIに淘汰されない人材育成・事業変革を実現するための企業のあり方についてまとめます。
参考：生成AIに淘汰されない人材スキルと組織のあり方を経済産業省が解説
AIが稼働することで、モノを形にするための技術は今後も著しく発達していくことでしょう。そうすると、AIを用いる人間に求められるのは「クリエイティビティ（創造性や発想力）」となります。
このクリエイティビティをさらに掘り下げると、言語化の能力や対話力、分析する力、問いを立てる力、仮説を立て、検証する力と表現できます。生成AIによるビジネス変革が進むにつれて、業務の自動化が進み、人間に求められる役割や仕事のやり方が徐々に移ろい、今後は人間にしかできない・より創造性の高い役割が増えていくと言われています。
AI活用を事業や経営に取り入れるには、すなわちAI活用による変化を受け入れる組織の文化醸成が必要条件であると言えます。変化が起こりにくい組織ほど、「新しい習慣を取り入れることに抵抗を抱く」体質から抜け出せず、結果的に先端技術へのキャッチアップに手間取ってしまうことになります。
すなわち「失敗を許容する文化」が、今後は求められることになります。生成AIの活用もDXも、試行錯誤なくては実現することはできません。失敗は当然として受け入れ、それを糧（かて）に成長しようという理念が今後は重要になるでしょう。
LLM、および生成AIに関する技術革新は日々進んでおり、それを取り巻く社会情勢もめまぐるしく変化しています。
これらの技術の社会実装に向けた取り組みや企業への支援を強化するため、ブレインパッドではLLM/生成AIに関する技術調査プロジェクトが進行しており、最新トレンドの継続的なキャッチアップを行っています。
ここではプロジェクトの勉強会から、ビジネスに関わりの深いLLM・生成AI最新トピックを取り上げ、AI活用の現場に携わるコンサルタントが解説した連載記事をご紹介します。
ブレインパッドでは、生成AIやLLMに関する研究プロジェクトが立ち上げられ、データサイエンティストやエンジニアが定期的に技術動向や研究内容を発信しています。DX推進のパートナーとしてブレインパッドが継続してお客様に価値を提供していくためには、生成AIやLLMの知見を着実に獲得し、社会実装に向けた検証ができる体制を整えることが必要であると判断し、本プロジェクトが立ち上がる運びとなりました。活動内容は以下の通りです。
【関連記事】
LLM/Generative AIに関する研究プロジェクトを立ち上げます
ここで紹介している記事は、主に生成AIやLLMを応用しながらプロダクト開発・サービス提供に寄与する技術者向けに作られています。ビジネス領域だけでなく、技術領域における情報がまとめられているので、あわせて参考にしてみてください。
生成AIやLLMに関する技術動向をまとめた情報を、ここではご紹介しています。
生成AIやLLMの技術を実際に用い、検証結果や応用結果についてまとめた記事が以下になります。
生成AIをビジネスに応用しようとする動きはかなり増えてきています。一方で、生成AIのビジネス活用にはドメイン（特定の業界や分野）に特化した生成AI・LLMの開発が不可欠です。
例えば生成AIを用いたカスタマーチャットボットや法律文書自動生成には、それぞれの専門領域を学習した生成AIを生み出さなければならないでしょう。
また、ドメインに特化したLLMの運用に先立って信頼性の評価も極めて重要です。そのためには専門用語理解、タスク遂行能力、倫理的観点などを正確に測定できる独自の評価フレームワークの構築が求められます。
ところが、昨今の生成AI技術の進化の速さもあり、評価フレームワーク構築について議論が追い付けていないのが現状です。正確な評価の欠如は、AIによる提案や意思決定補助が人間のニーズや倫理基準と乖離し、重大なインシデントを引き起こすリスクとなります。したがって
などについて、あらかじめ知っておく必要があるでしょう。
ChatGPTのように一般ユーザーが利用できるLLMサービスの基盤モデルは、法律や医療などのドメインに特化していないため、専門知識を要するタスクには対応できません。そのためビジネス活用においては、特定ドメインに特化したLLMが必要となります。
特定ドメインに特化したLLMを実現する手法はいくつかあり、かつドメイン特化したLLMの成功には複数のKPIを基にした多面的な評価が欠かせません。
詳しくは以下の記事で語られています。
生成AI（特にLLM）をビジネス活用するうえでカギとなるドメイン特化の必要性と課題、評価アプローチの概要については前述した通りです。ビジネス活用を成功させるための課題のひとつとして、さまざまなKPIを基準とした多面的評価の難しさを挙げました。
生成AIのビジネス活用を成功させるためには、さまざまな観点から評価し、LLMの信頼性の担保に努めなくてはいけません。信頼性の欠如は、AIによる提案や意思決定補助が人間のニーズや倫理基準の乖離を生み、重大なインシデントを引き起こすリスクとなります。
では実際に、ビジネス活用を見据えたLLMの評価を行う際に、この「信頼性」はどのような観点で評価できるかというと、
の8つです。
※参考：Sun et al. (2024)
以下の記事では、複数の研究により徐々に評価方法が整備されつつある観点と、現時点で議論が不足している観点に分け、それぞれビジネス視点での重要性やリスクを深ぼり、具体例や関連研究と併せて詳しくご紹介しています。
LLMによる自動評価技術 (LLM-as-a-judge) の研究が進み、LLMがビジネス活用される流れがより強くなってきています。
【関連記事】
生成AIによる自動評価（LLM-as-a-Judge）のメリットと最新手法をご紹介
LLMをはじめとする生成AIの技術が急速に進む一方で、ハッキングの技術もより巧妙になってきており、そのリスクは顕在化してきています。
言い方を変えれば、LLMの普及によりセキュリティを突破するハードルが下がってきていると言えるでしょう。
ハッキングはプロンプトおよび学習データの漏洩、悪意ある行動の生成、有害情報生成、トークンの無駄な消費、サービス拒否など広い範囲に拡大しています。LLMのビジネス活用においては、想定される多用かつ巧妙なハッキング手法とその目的を可能な限り把握し、未然に阻止する姿勢が大切です。
以下の記事では、リスクが高いとされているプロンプトベースのハッキング手法について具体例や対策と併せて詳しくご紹介します。
また、生成AIのビジネス活用を検討するうえで、「何から始めればいいかわからない」という方は多いと思います。
生成AIをビジネス活用に落とし込むまでの流れはいくつかあると思いますが、ここでは、データサイエンスの専門家集団として生成AIの技術探求のみならず、実用化に向けた壁を突破するために必要な知見を蓄積してきたブレインパッドが、2023年8月に提供を開始した「生成AI／LLMスタータープラン」に沿って、説明していきます。
本プランではビジネス活用の流れを以下のように設定しています。
スタータープランは、「まず簡易に試したい」というお客様のニーズに応えるリーズナブルかつスピーディな環境構築プランです。約1か月間で生成AIの利用環境を構築し、チャット画面を用いた簡易機能を実際に操作することが可能です。
生成AIのビジネス活用を考慮する場合、まずは生成AIの活用イメージを膨らませることが重要です。
また、生成AI／LLM活用の勘所をつかんでいただいた方は、アドバンスプランを通して
といった、生成AIの本格的なビジネス活用施策を具体化する「ロードマップ策定」、もしくは施策を実行に移す「本格システム実装」いずれかのサービスを利用いただけます。
生成AIは利便性の高いツールですが、注意深く利用しなければ、著作権に抵触したり、情報漏洩につながるトラブルを起こしたりする可能性があります。そこで、生成AIを使用する際に「やって良いこと」と「やってはいけないこと」の一例を下記にまとめました。
【関連記事】
生成AI・LLMの社内活用におけるガイドライン策定のプロセスとポイント
基本的に、著作権に抵触しないオリジナルのコンテンツを生み出す行為であれば問題ありません。一方で、イラストレーターのイラストを無断で学習させて似た絵柄の作品を生成するような行為は、著作権に抵触するため注意が必要です。
また、個人情報が含まれる情報を送信したり、悪意のあるコードや文章を生成したりする行為も避けましょう。
加えて、AI使用禁止を明記しているWebサイトに生成AIを使用すると、最悪の場合は訴訟問題に発展するおそれもあるため、クロール先の規定には十分に注意しましょう。
生成AIは、従来のAIとは異なり、自ら学習を重ねて新たなコンテンツを生成できる点が特徴的です。この性質を利用することで、これまでには難しかった「0から1を生み出す」作業が可能になります。
生成AIには、テキスト生成AIや画像生成AI、音声生成AIなど、さまざまな種類があります。ビジネスシーンに活用することで業務効率化を図ったり、クリエイティブな作業をサポートしてくれたりと、多くのメリットがあります。
生成AIは便利なツールではありますが、まだ登場して月日が経過していない技術であることから、事実の真偽性や著作権問題、セキュリティ上の懸念、サイバー攻撃への悪用など、懸念事項も数多く抱えています。「やって良いこと」と「やってはいけないこと」を正しく把握し、安全に利用しましょう。
あなたにオススメの記事
2023.12.01
生成AI（ジェネレーティブAI）とは？ChatGPTとの違いや仕組み・種類・活用事例
2023.09.21
DX（デジタルトランスフォーメーション）とは？今さら聞けない意味・定義を分かりやすく解説【2024年最新】
2023.11.24
【現役社員が解説】データサイエンティストとは？仕事内容やAI・DX時代に必要なスキル
2023.09.08
DX事例26選：6つの業界別に紹介～有名企業はどんなDXをやっている？～【2024年最新版】
2023.08.23
LLM(大規模言語モデル)とは？生成AIとの違いや活用事例・課題
2024.03.22
生成AIの評価指標・ベンチマークとそれらに関連する問題点や限界を解説
