[LayerX主催セミナー参加メモ] 生成AIでビジネスはこう変わる

開会の挨拶

花村直親氏
- 論文を書いて学位を取得

生成AIでビジネスはこう変わる

今井翔太氏
- 著書「生成AIで世界はこう変わる」

生成AIでホワイトカラー業務はこう変わる

生成AIとは何か？

• 人間が行うような新たなアイデアを創出する技術
• Transformer: もともとGoogleが開発した翻訳に特化したAIの仕組み
• GPT: 穴埋め問題を大量に学習させたモデル

AIの性能向上の前提

1. スケーリング則
   • データ、計算量、パラメータ数を増やせば、Transformerベースのモデルはベキ上に性能が向上する
2. 能力創発
   • モデルの規模がある閾値を超えると、突然、計算や言語能力を獲得する

現在できること

• 研究の自動化
• ChatGPT o1により「学習済みモデルを長時間考えさせることで性能が向上する」というパラダイムが推論時スケーリング則として明らかに
• AIエージェントの発展

数年後の展望

• ホワイトカラー業務はほぼAIが超越
• 肉体労働も相当な部分が自動化
• 自動研究がさらに発展

生成AIのビジネスへの影響

• 生成AI以降の労働市場
  • 高学歴で高賃金の職業ほどAIに代替される
  • クリエイティブ業務は「人間が作業すること」に価値を見出す傾向
• Github Copilotの影響
  • コーディング時間を半分に削減

ビジネスへの具体的影響

• 大半の生成AIアプリケーションはRAG（Retrieval Augmented Generation）で構成
• 使用例:
  • Copilot: コーディング支援
  • カスタマーサービス: AIが仕事を奪う可能性も

UIやシステム設計の重要性

AIの高機能化が進む中、UIやシステム設計が重要。単にチャット画面を見せられても、ユーザーはAIをどう使ったらよいかに迷う。何でもできすぎて、何をしたらよいかがわからない。つまり、AIを一般ユーザー層に普及させるにはアプリケーションとしてのUIの設計が肝要になる。Google検索に慣れすぎているユーザーにとっては、プロンプトを書くことは単なる負担でしかない。UIやシステム設計により、用途が限定されていることが大事で、それが知的負担の軽減につながる。成功するプロダクトはその設計（UI/UXの考慮）ができている。LayerXのプロダクトはそこができている。

生成AIの未来

• 実世界は「人間のために」作られているため、AIが代替するには不便さが残る。AIが扱いやすいように実世界をデザインしていくことが必要に。
• アクティブなAIやオンデバイスのAIの発展

三井物産が推進する生成AI活用の成功の法則と課題

1. 生成AI活用成功の秘訣

• 海外企業の調査レポートの自動処理や知的資本のアーカイブ化の事例

2. 導入過程で直面する課題

• 社員の知識レベルの向上とタイムリーな活用方法の提供
• 生成AI導入が業務効率を上げるだけでなく、正のスパイラルを生む

後続企業への提言

• 技術の進歩は想像以上に早い
• 生成AI導入を考え続けるリーダーシップが重要

AIって本当に必要？

• Bakurakuの例: ファイルアップロードと申請・承認をAIがサポート
• 将来、自身の分身AIを作るために、記事を書き溜めて教師データにする可能性

生成AI活用におけるリスク管理

• 計画的偶発性: チャンスよりもリスクにフォーカスすることで、話が通りやすい
• 社内ルールへの理解を深める

DXのための生成AI活用とは？

• AIが単純な繰り返し業務を肩代わりする
• AI Powered Business Processの実現
  • 資料を読む（AI）→考える（人）→整理する（AI）→共有する（AI）→情報を活用（人）

計画的偶発性理論

• パートナーシップの拡大が次につながる可能性を生む

 - AI