新規事業創出における生成AI活用とデータ整備方法―「次世代ビジネスを牽引するテクノロジー最前線」

松尾：御社が提供するデータと生成AIを活用した事業創造支援ソリューションは、企業がビジネストランスフォーメーションを進めるうえで大きなヒントになると考えています。このビジネスで起業しようとお考えになった背景を教えていただけますか。

ストックマーク株式会社　
林 達氏

松尾：御社が展開されているソリューションを支える技術とは、どのようなものなのでしょうか。

林氏：我々の技術は、データ、LLM（大規模言語モデル）、UX（ユーザーエクスペリエンス）の3層構造です。データレイヤーでは、ビジネスで主に使われているテキスト、つまり自然言語処理の領域にフォーカスしています。そのテキストデータはさらにオープンデータと、企業などに蓄積されているクローズドデータに分類されます。我々は、まずオープンデータから解析を開始し、7年にわたり世界中のビジネス情報を収集しました。今では、少しずつ企業内のクローズドデータも収集し始めています。こうして積み上げてきたデータの優位性により、ビジネスに特化したLLMを開発することができました。

UXは、ChatGPT^＊で言えばChat（チャット）に当たる部分のことです。GPTに当たるLLMはOpenAI社以外にも多くの企業が手掛けていますが、数多あるなかでChatGPTが爆発的に広まったのは、チャットというUXが使いやすかったからだと言われています。我々も、データ、LLM、UXの三位一体でお客様に価値を届けています。

松尾：AIへの注目度が高まるなか、企業もAIをどのように活用してビジネストランスフォーメーションを行うのか、悩んでいるのではないかと思います。

福島：クライアントからは、AIやデジタル技術の領域でそもそも何から手を付けたらいいのかというご相談をよくいただきます。たとえば、中期経営計画に「今後3年でデジタル技術を活用して変革する」と書いてあるとします。それを実現するためには、まず同業他社の施策状況、その施策に使われている技術、そしてどのようなトランスフォーメーションをもたらしているか、という情報が必要となります。そうした情報をニュースなどから取得し、自社の立場に当てはめた際の有益性を検討して、自社の施策に反映します。

しかしながら、計画立案時に自社のありたい姿を描かなければいけない。それを描くには、世の中にある技術、あるいは今後現れる技術を知る必要があります。まずは情報を収集すること。そのうえで、オープンデータとクローズドデータを組み合わせながら、自社がどの情報を優先的に扱い、どう活用するのかを一つひとつ見ていく。昨今、そのような対応が求められる相談が増えています。

松尾：ファイナンスアドバイザリーの観点からもAI関連の相談は多いかと思いますが、現場で受ける印象はどうでしょうか。

^＊ChatGPTは、OpenAI OpCo, LLCの登録商標です。

株式会社 KPMG FAS
岡本 准

松尾：あるPOSメーカーの方から、バーコードに依拠しないPOSシステムが増加しているという話を聞きました。商品を認識する画像認識技術の精度向上が理由のひとつだそうですが、コンピュータの画像処理負荷が高まり、処理速度に課題があるようです。そのため、画像認識精度を落とし、最終的な判断は人に任せているようです。

AIに対する理解が深まるにつれ、目的に応じたAIの最適な実装が求められてくると思います。たとえば、一定以上の精度が担保できれば、あとは人に判断させるなど、すべてAIで処理するのではなく、目的に応じて残す機能と捨てる機能を適切に判断し、エッジコンピューティング・エッジAIの優位性を引き出すことが重要になってくると思います。

岡本：なるほど。私が考えているシンギュラリティーのポイントは、AIが意識を持つかどうかです。今では、人間の意識をコンピュータに移行させるというような研究もあります。その可能性についてどう思われますか。

林氏：神経科学や心理統計学の観点で人間の意識や意思決定は、多くの場合何らかのバイアスに左右されていると言われています。自分は選択していると思っているが、実は選択していないという説があります。つまり、自己選択感を持っているだけであり、その文脈からすると、もしAIが自己選択感を持つようになれば、その時がシンギュラリティーなのかもしれません。

岡本：もし、AIが意識を持つようになった時、人間には何が残ると思いますか？

林氏：残るのは身体、身体性でしょうか。今、AIが持っている機能は、人間で言えば目や口、耳に相当するものです。工場で活用されているAIは運動機能も持っていますが、まだ弱いので。ただ、それもいずれは追い付くと思いますね。

松尾：データおよびAIを活用するにあたり、リスクマネジメントの観点から注意すべきポイントには、どんなものがあるでしょうか。

KPMGコンサルティング株式会社　
関 克彦

関：構造化段階でのデータ処理により対応するということですね。また、分析を手掛ける対象が世の中のオープンデータから、一企業、グループのクローズドデータにわたるなかで、クローズドデータ内においての生成AIは、オープンデータのAIと比べるとなかなか想定する結果を出さないと思います。御社が進めるオープンデータの取組みと、企業がそれぞれで進めているクローズドデータの生成AIの取組み、この2つはどのように結びついていくと思いますか？

林氏：LLMでいうと、基盤モデルは義務教育が終わったくらいの段階です。人間なら、日本語、英語、ビジネスなどの基礎知識を身に着けたという状態です。しかし、それだけではビジネスでは通用しません。そこで、新人研修で必要な知識を学ぶように、企業に必要なデータを追加する。そうすれば、その企業に特化したアウトプットを生成できるようになります。

追加するデータはどんどん少なくなってきていますから、企業ごとにLLMを作るメリットは徐々に出てきていると思います。たとえば、化学業界では業界横断でコーパス（自然言語の文章を大量に収集して構造化したデータベース）を作るような動きも見られます。

関：最終的には、オープンデータもクローズドデータも、一定の処理がなされたうえでつながりあって、大きなコーパスに蓄積された世界になっていくというイメージでしょうか。

林氏：そうですね。日本では、経済産業省主導で、日本国内の基盤モデル開発支援プログラムが立ち上がりました。Generative AI Accelerator Challengeの略で、「GENIAC」プロジェクトと呼ばれています。実は、GENIAC経由である研究機関のデータを使えることになりました。今後は少しずつ公開されていくのではないかと思っています。

松尾：アウトプットの精度を高めるにはインプットデータが重要になるわけですが、データ整備の重要性はより高まっていきそうですね。

林氏：はい。お客様の相談のなかには、アルゴリズムではなく、データ整備が課題であるようなケースもあります。この課題は10年前からあまり変わっていません。ですから生成AIの登場とは関係なく、引き続きデータ整備は課題であるという認識です。

KPMGコンサルティング株式会社　
福島 豊亮

株式会社 KPMGアドバイザリーライトハウス
松尾 英胤

PDF資料は会員限定コンテンツからダウンロードしていただけます。

競合他社の方は、登録をご遠慮させていただいております。