「AI」タグアーカイブ

ソウムAI

投稿日時: 投稿者:

「なにかイイネタないかなぁ」と思って、このコラムを執筆するアイデアを、半分くらい眠くなりながら、あれこれ思いめぐらせているうち、ボンヤリと浮かんだビジネスについて、今月はぼんやり書いてみたいと思います。

そのアイデアを端的に申し上げれば、「企業の総務部の業務を AIエージェントにほとんど担わせることができるサービス」というビジネスができないかな、というものです。ちなみに、このコラムのタイトルはいま流行りの ”サカナAI” にあやかって名付けてみましたが、事業内容は全然マネしてはいません。

ここから先の文章には「AIエージェント」という言葉がたくさん登場しますが、ここでは「得意技をそれぞれ持つ複数の生成 AI が、チームになったもの」くらいに解釈していただければ十分です。もし AIエージェントの詳細にご興味があれば、お手持ちの Copilot（生成 AI）に聞いてみてください。

総務の仕事といえば、総務の担当者でもない限り、あまり具体的に想像したことがある方は少ないかもしれません。実は、かなり多岐にわたります。それもそのはずで、総務が担う仕事とは「社内の業務部門がやらない仕事すべて」だからです。入社時のガイダンスや研修、社内の各種手続きの案内や手配、社外（主に役所関係）向けの定型的な手続き、社員向けの問合せ対応、税務社会保険など定期的な手続きの案内や取り纏め、定期健康診断の調整や取り纏め、社内行事の手配や調整、社内の規則や規程類の文書管理、オフィス内の備品管理、オフィス環境の整理整頓の管理、福利厚生への対応、等々。総務の担当者でさえ、自部門の業務をすべて分かっているわけではないこともあります。

それほどに頭も使うし気も遣う、会社の縁の下の力持ちとしての業務であるにもかかわらず、陰に隠れた存在ゆえに「総務担当者募集」と人材を募ってもなかなか人は集まらないのが実情ではないでしょうか。

そうした広範で複雑化しやすい業務を、基本的に電子化し、電子化できたタスクについて、AIエージェントが主体になって業務を担うことができるのではないか、というのがアイデアの肝です。総務の業務に特化した LLM（大規模言語モデル）を独自に開発し、依頼を受けた顧客企業に持ち込んで、個社の事情や環境に合わせて半年から 1 年程度かけながらファインチューニング等を施します。環境構築の結果、精度が十分上がり、AIエージェントが業務をほぼ代替可能になったところで、運用サポート契約に移行し、顧客企業に適宜支援を提供しながら継続利用していただきます。

ソウムAI は、社員や外部業者とのインタフェースを担うスーパーバイザーのエージェントと、個別のタスク分野を分解しそれぞれを専門的に担うスタッフエージェントを組合せ、エージェント同士が連係してタスクを処理し対応を行う仕組みです。

結果的に、顧客企業の社員は、総務に頼っていたほとんどのカウンター越しの用事を、専用の AIエージェントを通じて済ませることができるようになります。また、業務委託されている事業者も、総務部への連絡や報告など簡単なやり取りは AIエージェントに行って完了できます。

業種によっては特殊なタスクがありえるかもしれませんが、およそ総務の業務は共通性が高く、個別のタスクにかかるプロセスや情報フォーマットが業種を問わず固定的・反復的なものが多いです。LLM をベースとした生成AI の得意分野でカバー可能な業務領域と見込まれます。それでいて、総務がカバーする業務範囲は先に申しあげたとおり「社内の業務部門がやらない業務」で、かなり広範にわたります。

また総務には、法改正が発生した際の対応や、会社に関わるリスク情報の把握と対応、といった任務も重要です。そうした情報を収集し認知する仕事や、その対応策を検討する業務も、AIエージェントが支援できるでしょう。ソウムAI のサポートサービスとして、LLM や専門情報 DB（RAG と呼ばれます）を定常的にアップデートして提供すれば、その価値をもって月額料金制でサービス提供する理由が生まれます。

多くの事務処理を AIエージェントが自律的にこなすことができれば、人間の担当者は、業務環境整備に向けてよりクリエイティブな役割に専念できるでしょう。そしてそこでも、環境構築や企画立案へのアイデア創出に、AIエージェントが助言や情報を提供することができます。環境整備に関する内外の情報やトレンドを集約し助言提供することに特化したスタッフエージェントを追加提供すれば、実現できると見込まれます。

このときに、例えばオフィス家具製造企業などと提携して情報を連携し、彼らのマーケティングに貢献できる仕組みを整えれば、事業として別のビジネス領域への拡大にもつなげられるかもしれません。

どんな会社にも総務部は存在し、たとえ社員数名程度の小企業であっても総務関係の仕事は存在します。マーケットは極めて汎用性が高く、日本国内だけでも 100 万社のオーダーと見込まれ、業種は問いません。いまのところ、マーケティング、営業、商品・サービス企画、コンタクトセンター、といった業務領域については、生成AI によるサービスの活用を促すプレイヤーは数多く確認できますが、「総務」と言っているプレイヤーは、個人的には寡聞にして知りません。

先行者利益で学習の蓄積を進め、他の事業者から目を付けられる前に学習データとノウハウの蓄積に成功できれば、顧客を先行的に獲得して確保し、参入障壁も築きやすくなるかもしれません。AI をビジネスにするならば、AI モデルの精度と洗練度は最大の競争力の源泉です。いちど顧客化できれば乗換は発生しにくいサービスと思われ、その意味では先行して顧客を獲得できれば、それだけ学習データの面でも差をつけられ、より競争力が増強されると見込まれます。

書いているうちに、目が覚めてきました。このままできるかどうかはさておき、筋はそれほど悪くはないように思いますが、だれかが本当に実現してくれたら愉しいですね。

AI と家電と桜の開花予想

投稿日時: 投稿者:

AI を自社のビジネスや業務プロセスに取り込む試みを進める企業は、個人的な肌感覚としては増加の一途をたどっています。AI について統計調査をすると、認知度は高くても導入済みはあまり多くないという結果が出ているようですが、想像するに、リテラシーの高低によりかなり二極化が進んでいるのではないでしょうか。

積極的に AI を使い倒そうとしているのは概ね大手企業で、相当な数の事例がすでに出てきています。世間に公表するような事例ですから、どれも秀逸な内容で、それならウチもやりたいとインスパイアされる経営者も多いかもしれません。

以前から申し上げているように、IT は「試す」のが大変重要です。新しいものが出てきたらなるべく早く情報を捕まえ、まず「試す」。そのうえで、使えそうかどうか判断し、さらに「試す」を続けて、徐々にモノにしていく。そういう組織的態度の会社は、だいたい IT をうまく使いこなせる会社になっていきます。

ただし、「IT → 家電と同じ」と（無自覚に）勘違いしている会社は、特に AI に対しては注意が必要です。確実に頓挫します。

なぜかといえば、これもまた以前から申し上げている話ですが、家電と違って IT というのは導入すれば「運用」が発生するからです。家電は買ってきて備え付ければあとは使うだけですが、IT は違います。買ってきて導入したら、それを人間が運用し保守しなければ、当初に目論んでいたような機能を果たし続けないのです。これは、IT を自分たちに適した形でカスタマイズして使いたいと思えば思うほど、そうなります。

AI は、その最たる例といっても過言ではありません。その主な要因は、AI が「データを基に動作している」ことにあります。

AI が機能するエンジンとなっているのは、最近のケースで多いのは、機械学習によって形成された推論モデルです。機械学習は、何らかの過去のデータをインプットにして行われます。裏を返せば、データがなければ機械学習はできず、モデルは形成されず、AI は活用できないのです。

このとき問題は、糧にしているのが「過去のデータ」であることです。過去は過去であり、現在や未来とは異なる可能性が大いにあります。しかし、私たちが AI に求める成果は「いまからどうなるか」、つまり推論です。過去のデータに基づいた判断によっておよそ現在や未来を見通せるなら問題ありませんが、現在や未来ではもはや状況が変わってしまうとすれば、AI による推論は役に立ちません。

例えば、春は桜の季節ですが、桜の開花予想に「600℃の法則」というものがあるそうです。これは、2月1日以降の毎日の最高気温を積算し、その合計が約600℃に達すると桜が開花するという経験則（いわば、学習されたモデル）です。しかし近年、気温の変動が過去と変わってきてしまっていることから、この法則が外れやすくなっているといいます。これもまた、過去のデータでは現在が予測しづらくなることがあるという、ひとつのケースといえるでしょう。

そんな変異が往々にして発生するので、AI をビジネスに組み込んで使いたいのなら、機械学習による推論モデルを継続的にアップデートし続けなくてはならないわけです。データは、ほんの些細なことで変容します。例えば、Webサイトのデザインを更新しただけで、利用者の使い方が変わり、利用傾向は変化します。そのログデータを使ってモデルを作っていたとしたら、サイト更新の前後で挙動が予測できなくなる可能性があります。

また、過去のデータを学習しているので、過去にはなかったことが発生すると、当然推論はできません。極端な話で説明すれば、例えばある年の3月に開店したチョコレート店が、店の購買履歴を使って AI で販売予測モデルを作ったとしたら、2月のバレンタインデー前に売れ行きが急に上昇することをおそらく予測できません。人間からすれば当たり前のことでも、この店の場合は「過去にないこと」なので AI には予測不可能です。

さらに言えば、データは大抵、人間が入力しています。人間が入力を間違えたデータを、知らないうちに AI が学習するとなれば、間違った推論をするモデルが出来上がることになります。それに気づかずに予測を信じてしまう、ということも想定できるわけです。

ですから、AI を導入したなら、その瞬間から「運用」が始まり「保守」しなければなりません。新しいデータを次々と投入してモデルを更新し、最新を保つとともに、出力は常にモニターして、おかしな挙動があればすぐに対応し、場合によっては AI の利用を停止して人間による業務に切り戻すことまで考えておく必要があるのです。そうしなければ、AI が吐き出す間違った予測を信じて間違った判断や対応をし、結果としてビジネスに損失を与えることになります。

こうして見ていけば、「IT → 家電と同じ」と考えることがいかに危険極まりないか、ご理解いただけるのではと思うのですが、いかがでしょうか。

面倒だと思いますか？そう思うのなら、AI には手を出さないのが身のためです。そのような面倒や手間を超えたところに存在する目的を持っている企業が、AI の活用に成功するのです。そうした目的もなく流行りの IT に手を出す企業は、かけた投資に見合う効果がほとんど見えずそのうち取り組む意味を見失って頓挫するか、他人がつくった AI モデルに手持ちのデータを食べつくされて気づいたときには自分には何も残っていない、などということになるでしょう。

もしかすると大手企業にも勘違い企業がいるかもしれませんが、そういう企業はこれから頓挫していくはずです。大々的にアピールされている「秀逸な事例」を妄信せずに、その後はどうなったかまでよく観察してみましょう。

AI ブームはリアルかバブルか、先を見る

投稿日時: 投稿者:

1月末、株式市場で大幅に値を下げる事態が起こりました。日経平均は一時 1000 円以上値を下げ、ダウ平均も一時 500 ドル以上下がりました。いわゆる「DeepSeek ショック」と呼ばれる事態ですが、きっかけは中国の AI スタートアップ企業が公開した LLM（大規模言語モデル）です。その性能が ChatGPT を開発する OpenAI の最新モデルにも匹敵するとされながら圧倒的な低コストで開発されたと知れ渡り、膨大な投資を続ける AI 関連企業の株価が大幅に下落した、ということでした。

背景にあるのは、「スケーリング則」と呼ばれる、AI 開発の世界で信じられている経験則です。AI モデルを開発するにあたって、モデルの性能は、学習に利用する「データの量」「計算量」「モデルのパラメーター数」の3つが大きくなればなるほど向上する、という法則です。この法則に従う格好で、資金力のあるビッグテック企業を中心に数十兆円にもなる大規模な設備投資を行い、これら3要素をふんだんに扱える能力を高め、性能の高いモデルを生み出して我が物にする、という競争を続けています。かの DeepSeek はこの経験則を完全に覆すようなものを世間に出してきた、ということから、株価の大幅下落につながりました。

しかし直後から、DeepSeek のモデル開発に疑念の声が挙がり始め、その性能や品質にも各方面から問題の指摘が相次ぎ、スケーリング則の信頼が覆されたわけではないという認識が広がりました。どういう認識が正しいのかは、わたし個人はよくわかりませんが、いまのところ騒動は沈静化しているように思われます。

ただ、このような動揺がある意味で容易に広がってしまうあたり、現在起こっている AI の開発競争は一種のバブルの要素をはらんでいるというリスクを、頭の片隅には置いておいたほうがよいのかもしれません。AI に欠かせないことになっている GPU の製造の事実上一社独占、資金力にものを言わせる巨大企業による AI モデル開発の寡占、モデル開発に伴う超大規模な投資競争、等々。いびつな構造は数々思いつくわけで、バブルのニオイがしないのかと言われれば、そうなのかもしれません。

ビッグテック企業が挙って開発している AI モデルは LLM ですが、おカネをかけている開発している企業の多くは、現状ではクローズドなモデルを開発しています。つまり、技術を独占して公開しない方針ということです。それとは異なり、オープンソースで LLM を開発している企業もあり、それが米メタや、今回話題になった DeepSeek など中国系の企業です。DeepSeek も、メタが開発した LLM を利用したとされています。

もし今後、オープンソース系の LLM のほうが性能やコスト面でクローズドなモデルを凌駕し、モデルのスタンダードになるのだとしたら、AI モデルはコモディティ化し、誰でもローコストで利用できるものになるかもしれません。または、GPU 以外の選択肢が現れることでインフラコストが下がり、学習コストは議論にならなくなるかもしれません。

LLM に関しては、AI 研究の権威として著名なヤン・ルカン氏は、LLM をこのまま進化させたとしても性能は頭打ちになるだろうと予言しているようです。端的にその主張をまとめれば、次のような内容です。LLM は「言語」に基づいてモデルを生成しているが、人間世界では非言語で処理している情報も多い。現実の世界の一部しか言語は表現できないので、言語にしか基づかないモデルにはおのずと限界がある、と。他にも、言語というものは実は曖昧で厳密さに欠ける、少なくとも数学が持つような意味の厳密さはない、だから思考能力の向上には限界がある、という指摘もあります。

そうなると、いまのところ信じられているスケーリング則は、やはり将来のどこかで、再び疑念を持たれる事態が待っているのかもしれません。

仮にスケーリング則の信頼がこのまま揺らがないとしても、モデル開発への巨額な投資を前提とする AI 開発企業が、このままビジネスを続けていけるのかどうかわかりません。そうした企業で現在までに、健全な黒字経営で成長できている企業はあるのでしょうか。巨額の赤字をほぼ外部企業の出資で賄っている企業、出資金が不足して徐々に首が回らなくなり始めている企業、等々の話はたびたび聞くようになってきています。

単に AI を利用するだけの立場なら、あまり気にせず高みの見物を決め込んでおいても問題はなさそうです。もし、自前で LLM を開発して世間の先端を行こうとしているか、そういう会社に設備を提供すべくインフラ投資に勤しもうとしているか、そんな会社なら少々立ち止まって先を読んでみるのも必要かもしれません。

単なる利用者に徹するとしても、少なくとも、利用する LLM や AI モデルを簡単に入れ替えられるようにしておくことは、利便性の面だけでなくリスクヘッジの意味でも大事でしょう。案外、考えて使っていないといつの間にかベンダーロックインされているということは、よくあります。

そして当然ながら、自社のデータ、または、意識すれば自社所有のデータにできるような情報、を簡単にサービス事業者に明け渡さない、預けないことです。データがロックされるか失われて、気づいたときにはもう取り戻せない、取り消せない、という事態になるリスクは、外部サービスを利用するなら常に想定しておいた方が身のためです。なにぶん残念なことに、銀行の貸金庫に保管している大事な資産も、気づいたらなくなっているような世の中です。

技術戦略を考えないビジネスのミライ

投稿日時: 投稿者:

AI（人工知能）が適用されるビジネス領域は、拡大の一途です。ChatGPT が衝撃を与えて以降、クラウドでのサービス展開も含めて、一気に応用領域が広がった感があります。また、その適用の範囲は、現場作業の置き換えや支援から、事業のコアとしての実装まで、あらゆる領域にわたります。

企業が本格的に AI を取り込んで業務に適用しているケースは、大企業ではほとんど行きわたっていると思われますが、中小レベルでは温度差があるでしょう。それでもこれだけ世間で話題になっているのですから、個人的にであれば遊び程度でも、対話型AIを触った経験がある方も多いのではないでしょうか。

企業が AI を活用しようとするなら、その取り込みかたについては十分に戦略的であるべきだと、わたしは思います。大手企業であっても安易な採用のしかたが散見されると思って見ています。

特に経営者がきちんと考えを及ぼすべき論点は、「使おうとしている AI が事業の根幹に影響を及ぼす可能性があるのかどうか」です。ChatGPT に情報を調べてもらう、知識を教えてもらう、資料をまとめてもらう、図や絵を書いてもらう、程度のことであれば、現場の好きなようにやらせてもそれほど問題はないでしょう。ただし、ビジネスの価値提供に大きく影響を与えるような使い方をしようとするなら、安易な方向に流れていかないように、経営が環境を構築することが必要です。

例えば、AI が適用される有力な領域に、翻訳があります。OpenAI など有力なテック企業が開発する大規模言語モデル（LLM）を基にすれば、あらゆる言語への翻訳がかなりの精度で実現できることが実証されています。これを用いて、様々な出版物に適応できるように AI モデルを改良し、価値を生み出そうとするスタートアップ企業も出てきています。

マンガの翻訳などはその一例で、マンガを多言語に翻訳するエンジンを開発するスタートアップ企業が複数出てきています。現状では、マンガやアニメには独特の言い回しが多く、翻訳には物語の背景に対する理解も必要で、単に LLM を使うだけでは精度が出ないと言われています。しかし、そうした背景、言い回し、ニュアンスなどを、マンガやアニメに最適になるように学習させれば、精度が確実に上がっていきます。要は、時間と労力の問題です。それに取組もうとするテック企業に、出版社が出資をして、翻訳を委託する動きがあるようです。

ご存じのとおり、日本のアニメやマンガは、海外で人気を博しています。今後ビジネスとして大きく伸びる可能性を秘めているでしょう。それに対して、翻訳の工程における精度を格段に向上させ、また格段に処理時間を短縮させて、海外市場に素早くコンテンツを展開できる可能性を、AI は持ち合わせています。きわめて有力な競争力のリソースになり得るテクノロジーです。

では、そうした競争力の源泉のタマゴと言えるリソースを、自前で持たなかったらどうなるか、出資する出版社の経営者は考えを及ぼしているのでしょうか。「ウチはITの会社ではないし、専門技術を持った集団がもう存在しているのだから彼らに任せるのが早い」などと考えて、易きに流れていないでしょうか。

今後、日本の人口が減少すること、つまり国内のマンガやアニメのファンは減少することは、すでに分かっていることです。一方で、海外では今でも人口が増えている国や地域が少なからずあります。海外でマンガやアニメの人気が順調に拡大していった場合、売上構成は海外が主、国内が従、になる可能性は十分想定されます。そのとき、多言語翻訳はビジネスの展開において、価値提供に不可欠なピースになるはずです。自前でやらないということは、事業に不可欠な要素を社外の別の会社に依存する、ということになります。

一方、AI 翻訳企業の立場で見れば、出版社にとって自分の会社が、事業存続のためになくてはならない存在になります。そうなった時点で翻訳の機能を果たすのみならず、海外への物理的な展開や配信まで機能的役割を果たせるようにビジネスを作り上げられていれば、アニメ・マンガ業界のプラットフォーマーになれる可能性も見えてくるでしょう。

そうした将来シナリオを今の時点で想像できているのなら、出版社の社長は、自前でAI モデルを育てないと「ビジネスの肝」を他社に押さえられてしまうという危機感にとらわれないとおかしいと思うのですが、いかがでしょうか。

AI は、データを食べて成長し、力をつけます。そのデータはどこから来るのかといえば、企業が自前で持つ情報から来るのです。その情報がビジネスの根幹をなす源泉であるほど、それを食べて成長した AI モデルがビジネスの根幹をなす存在になるのは自明です。AI モデルが成長して脅威を示すようになってから、そのデータはウチのデータなのだから返してくれ、使用料払ってくれ、と主張したところで、もう消化してしまったデータを取り戻すことはできません。そして、一度成長してしまえば、その能力は岩盤のごとく強固な存在になります。長年かけて強化してきた AI モデルに対して、随分後になってから自前で追いつこうと思っても、追いつけないでしょう。

AI を事業に活用しようとするなら、どのような用途に使おうとするのか、それは手間をかけて自分で育てなくてもいいのか、経営者が主体的に戦略を設計し、会社の方針として指示を出していく必要があります。そして、事業成長に AI が有力だとなれば、長期戦と捉えて AI モデルを自分たちで地道に育てていく環境を整えていく覚悟も必要です。

戦略もシナリオも考えずに易きに流れれば、上記の出版社のように、気づいたら外部のテック企業がいないと生きられない会社に成り下がるかもしれません。テクノロジーというのは、「ウチは技術の会社でないから関係ない」では済まない、もはやそういう存在なのです。