Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
数年先の金融DX/AI活用
Search
abenben
March 25, 2023
Technology
2
540
数年先の金融DX/AI活用
2023.3.25(Sat)に開催する「【FDUA×Lupinus】金融業界におけるDX/AI活用~金融AI成功パターン出版記念」で発表した資料です。
abenben
March 25, 2023
Tweet
Share
More Decks by abenben
See All by abenben
GX推進による好循環な地域金融
abenben
0
27
Web3概略:手早く把握
abenben
2
1.3k
Web3とNFTの教科書
abenben
1
380
各種生成AIについて
abenben
3
1.6k
金融とAI
abenben
1
300
PythonによるWeb3開発
abenben
1
260
【超入門】対談前に知っておこう! 新時代の常識「Web3」のきほん
abenben
1
160
NFTを覚えて視野を広げよう!
abenben
1
760
進化し続けるPython事情、こっちも使えるか考えてみよう!
abenben
0
200
Other Decks in Technology
See All in Technology
Autonomous Database Serverless 技術詳細 / adb-s_technical_detail_jp
oracle4engineer
PRO
17
45k
JavaにおけるNull非許容性
skrb
2
2.7k
Oracle Database Technology Night #87-1 : Exadata Database Service on Exascale Infrastructure(ExaDB-XS)サービス詳細
oracle4engineer
PRO
1
210
Change Managerを活用して本番環境へのセキュアなGUIアクセスを統制する / Control Secure GUI Access to the Production Environment with Change Manager
yuj1osm
0
110
サバイバルモード下でのエンジニアリングマネジメント
konifar
16
4.7k
エンジニア主導の企画立案を可能にする組織とは?
recruitengineers
PRO
1
280
マルチアカウント環境における組織ポリシーについて まとめてみる
nrinetcom
PRO
2
100
Ruby on Railsで持続可能な開発を行うために取り組んでいること
am1157154
3
160
フォーイット_エンジニア向け会社紹介資料_Forit_Company_Profile.pdf
forit_tech
1
1.7k
エンジニアリング価値を黒字化する バリューベース戦略を用いた 技術戦略策定の道のり
kzkmaeda
7
3.2k
Amazon Aurora のバージョンアップ手法について
smt7174
2
180
AWSではじめる Web APIテスト実践ガイド / A practical guide to testing Web APIs on AWS
yokawasa
8
760
Featured
See All Featured
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
10
520
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
6
580
Imperfection Machines: The Place of Print at Facebook
scottboms
267
13k
For a Future-Friendly Web
brad_frost
176
9.6k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
45
9.4k
Speed Design
sergeychernyshev
27
810
Dealing with People You Can't Stand - Big Design 2015
cassininazir
366
25k
Designing Experiences People Love
moore
140
23k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
40
2k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
100
18k
Being A Developer After 40
akosma
89
590k
KATA
mclloyd
29
14k
Transcript
ઌͷۚ༥%9"*׆༻ *OTUJUVUJPOGPSB(MPCBM4PDJFUZגࣜձࣾ ্੮ݚڀһ Ѩ෦Ұ '%6"ʷ-VQJOVT ۚ༥ۀքʹ͓͚Δ%9"*׆༻ʙۚ༥"*ޭύλʔϯग़൛ه೦ 4BU
݄ʹࡳຈ͔Β౦ژʹҠॅɻ ݱࡏڭҭˍ)3اۀͰϒϩοΫνΣʔϯΛ׆༻ͨ͠ 8FCϓϩδΣΫτͷςοΫϦʔυΛ୲ɻ ւಓʢখʣੜ·ΕͰɺࡀͱࡀͷ່ɺࡀͷଙ ͕͍Δɻझຯཱྀߦͱਆࣾ८Γɻ 1ZUIPOػցֶशɺϒϩοΫνΣʔϯɺΫϥυɺۚ ༥ɺιϑτΣΞ։ൃʹؔ͢Δ*5ίϛϡχςΟͷελο ϑʢओʹίϯςϯπاը୲ʣɺઌٕज़ɺϏδωε ৫վֵͷΠϕϯτاըɺࣥචͳͲͷݸਓ׆ಈΛߦ͏ɻ ίϛϡχςΟӡӦελοϑ
4UBSU1ZUIPO$MVCɺϑΟϯςοΫཆίϛϡχςΟ΄͔ଟ मɺࣥචɺ༁ɺࠪಡ ɾ4QBSLʹΑΔ࣮ફσʔλղੳ ʕେنσʔλͷͨΊͷػցֶशࣄྫू ɾϚϯΨͱਤղͰεοΩϦΘ͔Δ ϓϩάϥϛϯάͷ͘͠Έ ɾ࣮ફ ۚ༥σʔλαΠΤϯε ӅΕͨߏΛ͋ͿΓग़ͭ͢ͷΞϓϩʔν ɾςετۦಈ1ZUIPO ɾ͋ͨΒ͍͠1ZUIPOʹΑΔσʔλੳͷڭՊॻ ɾΈΜͳͷϒϩοΫνΣʔϯ ɾϑΟϯςοΫΤϯδχΞཆಡຊ ɾ1ZUIPOεΩϧΞοϓڭՊॻ ɾ"GUFS("'"ࢄԽ͢Δੈքͷະདྷਤ ɾ࣮ફγφϦΦɾϓϥϯχϯά ɾۚ༥"*ޭύλʔϯ Ѩ෦ Ұ ʢ͋ΜΜʣ *OTUJUVUJPOGPSB(MPCBM4PDJFUZגࣜձࣾ ্੮ݚڀһ Profile
0/("&4)*ʢ8FCɾ%"0ʣ
ग़൛͓ΊͰͱ͏͍͟͝·͢ʂ
ۚ༥ޭ"*ύλʔϯ
ۚ༥σʔλαΠΤϯεˍΤϯδχΞ ❏ ۚ༥ͱٕज़ͷجૅΛ֓؍ ❏ "*Ϗοάσʔλ*P5 ❏ νϟοτϘοτ ❏ "1*ΤίγεςϜ ❏
ΫϥυωΠςΟϒ ❏ ,:$ ❏ ηΩϡϦςΟ ❏ ΠϯλϥΫγϣϯσβΠϯʢ6*69ʣ ❏ ϑΟϯςοΫαʔϏεͷະདྷ ❏ ͍Ζ͍ΖͳใΛ׆༻ͨ͠גࣜӡ༻ ❏ اۀؒωοτϫʔΫͱใͷ ❏ ڥŋࣾձŋΨόφϯεධՁͷͨΊͷ ςΩετϚΠχϯά ❏ ܾࢉ৴ͷ ςΩετϚΠχϯάʹΑΔاۀධՁ ❏ ϚΫϩܦࡁੳͷ͍· ❏ ߴසใ͔ΒಡΉऔҾߦಈ ❏ ۚ༥ʹ͓͚Δσʔλ׆༻ͷকདྷ
"*ͷ • ػցֶश .BDIJOF-FBSOJOH • ࣗવݴޠॲཧ /BUVSBM-BOHVBHF1SPDFTTJOH • ίϯϐϡʔλʔϏδϣϯ $PNQVUFS7JTJPO
• Իೝࣝ 4QFFDI3FDPHOJUJPO • ϩϘςΟΫε 3PCPUJDT • ҙࢥܾఆ %FDJTJPO.BLJOH • σʔλϚΠχϯά %BUB.JOJOH • ڧԽֶश 3FJOGPSDFNFOU-FBSOJOH • ਐԽతܭࢉ &WPMVUJPOBSZ$PNQVUBUJPO • ࣝදݱͱਪ ,OPXMFEHF3FQSFTFOUBUJPOBOE3FBTPOJOH
ؾʹͳΔτϐοΫ 技術名 説明 Stable Diffusion データの分散表現を⾼次元空間で効果的に表現する⽅法。従来の拡散法と⽐較して性能が向上している。計算量を抑えることがで き、画像⽣成、⾳声処理、⾃然⾔語処理などの分野で有⽤なアプローチとなっている。 ChatGPT ⾃然⾔語処理のタスクに⽤いられるGPT-3を基にした対話システム。多様なトピックに対応するために⼤量のデータで事前学習さ れており、会話の流れを保持して⾃然な対話を⽣成することができる。
⾳声認識・⽣成 ⾳声データを扱う分野で重要な技術。Whisper、HEAR、data2vec、data2vec 2.0などの最新の⼿法は、⾳声認識・⽣成の精度を ⾼めることができる。⾃然⾔語処理の分野での利⽤にも応⽤されている。 ⾔語モデル ⾃然⾔語処理の分野で主要な技術の1つ。GPT-3、LaMDA、PaLM、Megatron-Turing NLGなどの最新の⾔語モデルは、巨⼤な データセットで学習されており、テキスト⽣成、質問応答、機械翻訳などのタスクに成功している。 オープンソースAI ⼈⼯知能の研究や開発において、⾃由にアクセスできるソフトウェアの利⽤を可能にするもの。HuggingFace、Eleuther AI、 LAION、Stability.AIなどのオープンソースAIフレームワークは、⾼度な⾃然⾔語処理タスクを扱うことができる。GPT-NeoX-20B やBLOOMなどの⼤規模⾔語モデルもオープンソースで公開されている。 拡散モデル (画像・ビデオ⽣成) 画像⽣成、ビデオ⽣成などのタスクに有⽤な深層学習モデル。画像のピクセル値の進化を表現することで、⾼品質な画像⽣成が可 能になる。特にDiffusion Probabilistic Modelsは、モデルを学習させるときに⾼速化され、時間とともにデータを拡散することで、 ⾼品質な画像・ビデオ⽣成が可能になっている。 拡散モデル (その他のドメイン) ⾃然⾔語処理にも応⽤されており、Diffusion-LMやDiffuSeqといったモデルが開発されている。これらのモデルは、⾔語モデルを 学習するために⽤いられる。Diffusion-LMは、⾔語モデルのサンプリングを⾼速化し、⾃然な⽂章の⽣成が可能になっている。 DiffuSeqは、DNAの塩基配列を予測することができ、遺伝⼦の研究に応⽤されている。 強化学習 エージェントが環境に対して⾏動を選択することで、報酬を最⼤化することを学習する⼿法。Decision Transformer、Trajectory Transformer、Gatoなどの最新の⼿法は、深層学習モデルを使⽤して、より⾼度なタスクを解決することができる。特に、Gatoは、 複数のタスクに対応することができる「万能エージェント」として注⽬を集めている。 マルチモーダル・制御 複数の⼊⼒情報を扱う技術。超マルチモーダル・超マルチタスク「万能エージェント」は、複数のタスクを同時に実⾏し、⾳声、 映像、テキストなどの複数の⼊⼒に対応することができる。これにより、より⾼度なタスクを解決することができる。 計算量削減 ディープラーニングモデルの⾼速化や軽量化を実現する技術。DiNA、Token Merging、ConvNeXt、NeRF、Chinchillaなどの最新 の技術は、⾼速かつ⾼精度なモデルを構築することができる。特に、Chinchillaは、70億のパラメータを持つ巨⼤な⾔語モデルを ⾼速かつ効率的に処理できることが可能であり、より⼤規模なデータセットを⽤いた⾃然⾔語処理のタスクにも適⽤することがで きる。また、計算量削減技術は、エネルギー消費量の削減にもつながる。
$IBU(15 ⼈間との対話に最適化された強⼒な⾔語モデルであり、⼈間のフィード バックに基づく強化学習を使⽤して微調整されています。これにより、 ユーザーの要望に合わせた応答を⽣成することが可能となっています。 RLHFは、⼈間からのフィードバックによって⾔語モデルを微調整する⼿ 法であり、DeepMindやAnthropicなど他の企業・研究者もこの⼿法 を研究しています。 ChatGPTは事実関係を間違えたり、有害・差別的な⾔葉を出⼒する問題が依 然として存在しており、また誰でも簡単に⾼品質な⽂章を⽣成できるため、不正 利⽤が社会問題化しています。草の根的AIコミュニティであるEleuther
AIの⼀ 部でも、RLHFによる強化学習を⽤いたオープンソースの実装・モデルがリリースさ れていますが、OpenAIが従来⼿法の10倍以上の予算を費やしてChatGPTを 訓練しているという噂もあり、これらの技術を再現することは容易ではない。 このような⾔語モデルのアラインメント問題や、⼈間の嗜好・利害に合わせ た応答を⽣成する技術を研究し、より⾼品質な応答を⽣成することが求 められています。また、ChatGPTのような⾔語モデルを活⽤した⾃動⽂章 ⽣成技術は、様々な分野で利⽤されるため、データサイエンティストは、こ の技術を最⼤限に活⽤するための研究を⾏うことが重要です。 ਓؒϑΟʔυόοΫʹΑΔ ݴޠϞσϧͷ࠷దԽ $IBU(15ͷͱ ෆਖ਼ར༻ͷࣾձԽ ݴޠϞσϧͷߴ࣭Ԡੜ ʹ͚ͨݚڀ՝
4UBCMF%JGGVTJPO 任意のテキストから⾼品質な画像を⽣成することができる技術で、AI 業界やアート業界に⼤きなインパクトを与えました。この技術は、テキ ストと画像の相互作⽤をより深く理解することができる可能性があり、 従来の⼿法とは異なり、テキストと画像の間に相互作⽤を持たせるこ とができます。この点が注⽬された理由です。 拡散モデルLDMが⽤いられており、これは、2020年に提案された「ノ イズ除去拡散確率モデル」(DDPM)に基づいています。DDPMは、 ノイズ画像を徐々にノイズを除去していくことで、⾼品質な画像を⽣成 することができます。拡散モデルは、DDPMを発展させたものであり、よ
り⾼速で⾼品質な画像⽣成が実現できます。 画像⽣成において拡散モデルが重要な⼿法であることや、U-Netや ViTなどの画像⽣成や画像処理に⽤いられる⼿法との関連性にあり ます。これらの⼿法は、データサイエンティストが理解すべき重要な技 術です。Stable Diffusionの応⽤範囲は、ECサイトや医療分野な ど、ビジネスや社会の様々な分野で期待されています。 ςΩετ͔Β ߴ࣭ը૾ੜٕज़ ֦ࢄϞσϧʹΑΔ ߴߴ࣭ը૾ੜ ը૾ੜɾॲཧʹ͓͚Δ 4UBCMF%JGGVTJPOͷॏཁੑ
DALL·E 2 2022年2⽉に公開した⼈⼯知能のモデルで、 ⾃然⾔語の指⽰に応じて画像を⽣成する ことができる。以前に公開されたDALL·E というモデルの改良版で、より⾼品質で 多様な画像が⽣成できる。 Whisper ⽂字起こしサービスとして公開した無料 の⾳声認識モデルです。Webから収集し
た68万時間分の多⾔語⾳声データを教師 付きデータで学習させており、⾼い精度 で⼊⼒した⾳声を⽂字起こしが可能。 0QFO"*ͦͷଞͷϓϩμΫτ
8IJTQFS৮ͬͯΈͨ ग़యɿIUUQTRJJUBDPNBCFOCFOJUFNTGBCBGFCFE
ձٞΛըͯ͠"*͕ཁͳͲΛੜ͢ΔUEEW • ;PPN(PPHMF.FFUΛΫϦοΫ͢Δ͚ͩͰ ըͯٞ͠ࣄΫϦοϓΛੜ • Ҏ্ͷݴޠʹจࣈى͕͜͠Մೳ • ٞࣄͷΩʔϫʔυݕࡧ͕Մೳ https://tldv.io/
΄΅ຖԿ͔ͰͯΔ💦 IUUQTUXJUUFSDPNEVTUJOWUSBOTUBUVT
ະདྷʹඞཁͳεΩϧͷτοϓ̍̌ Ґ -FBSOJOH4USBUFHJFTʢ4LJMMTʣ ઓུతֶशྗ Ґ 1TZDIPMPHZʢ,OPXMFEHFʣ ৺ཧֶ Ґ *OTUSVDUJOHʢ4LJMMTʣ ࢦಋྗ
Ґ 4PDJBM1FSDFQUJWFOFTTʢ4LJMMTʣ ࣾձతಎྗ Ґ 4PDJPMPHZBOE"OUISPQPMPHZʢ,OPXMFEHFʣ ࣾձֶɾਓྨֶ Ґ &EVDBUJPOBOE5SBJOJOHʢ,OPXMFEHFʣ ڭҭɾ܇࿅ Ґ $PPSEJOBUJPOʢ4LJMMTʣ ௐྗ Ґ 0SJHJOBMJUZʢ"CJMJUJFTʣ ಠతͳൃྗ Ґ 'MVFODZPG*EFBTʢ"CJMJUJFTʣ ൃͷ๛͔͞ Ґ "DUJWF-FBSOJOHʢ4LJMMTʣ ೳಈతͳֶशྗ ˞5)&'6563&0'4,*--4&.1-0:.&/5*/ʢʹ͓͚ΔεΩϧޏ༻ͷະདྷʣ ʹΦοΫεϑΥʔυେֶͷڭत͕ʮͷεΩϧޏ༻ͷະདྷʯͱ͍͏จΛൃදɻͷೳྗ ΛϥϯΩϯάԽ͠ɺτοϓΛݟΔͱɺҐʮઓུతֶशྗʯɻ͜ΕֶशରޮՌతͳํ๏ΛબͿ ྗͰɺࣗࣾձঢ়گΛ٬؍తʹଊ͑Δೳྗ͕ඞཁɻ"*ύλʔϯ෮εΩϧΛΧόʔͰ͖Δ͕ɺઓུ తֶशྗݱࡏਓ͚͕ؒͩ࣋ͭɻޮతͳֶशࢼߦࡨޡΛܦͯɺࣦഊ͔ΒֶͿྗ͕ॏཁɻ ʢग़యʣIUUQTNUWKQQDDPMVNOBSUJDMFQIQ DPMVNO@BSUJDMF@JE
4 Skills 課題解決分析 Number One DXデザイナー Number Two リスキリング Number
Three 型 Number Four
̐ͭͷεΩϧΛʹ͚ͭΔ ՝ɾղܾͷͨΊͷੳख๏ ՝ʹରͯ͠ɺՊֶతख๏ੳख๏Λ༻͍ͯɺղܾ ࡦΛಋ͖ग़͢ख๏ɻԾઆݕূɺ1&45ੳɺϦαʔνɺ γφϦΦϓϥϯχϯά͕දతɻ %9σβΠφʔ Ϗδωεʹ࣠Λ࣋ͪɺ%9ʹඞཁͳٕज़ࣝΛ ࣋ͬͨεΩϧΛ࣋ͭ͜ͱɻ ϦεΩϦϯάɾΞϯϥʔϯ ैདྷͷϏδωεϓϩηε׳शɺՁ؍ͳͲΛࣺͯڈΓɺ
৽͍͠σδλϧจԽϚΠϯυηοτΛशಘ͢Δ͜ͱͰɺ σδλϧ࣌ʹ͓͍ͯڝ૪ྗΛҡ࣋ɾ্͢Δɻ ܕ جຊతͳ֓೦ٕज़Λཧղ͠ɺͦΕΒΛࣗ ͷεΩϧࣝͱͯ͠ΈࠐΉ
課題・問題解決のための分析⼿法 Ϧαʔνɿ͋ΔςʔϚʹ͍ͭͯௐࠪΛߦ͍ɺ৽͍͠ݟΛಘΔͨΊͷख๏ Ծઆݕূɿ͋ΔԾઆ͕ਖ਼͍͔͠Ͳ͏͔ΛՊֶతख๏ʹج͍ͮͯݕূ͢Δख๏ɻ 1&45ੳɿ࣏ɺܦࡁɺࣾձɺٕज़ͷཁҼʹண͠ɺϏδωεʹ༩͑ΔӨڹΛੳ͢Δख๏ γφϦΦϓϥϯχϯάɿকདྷͷ༧ଌʹج͍ͮͯɺ༷ʑͳγφϦΦΛ࡞͠ɺઓུͷࡦఆʹ׆༻͢Δख๏ɻ
ຊʹ͓͚ΔະདྷࢤܕΠϯϑϥɾςΫϊϩδͷ ϋΠϓɾαΠΫϧɿ ग़యɿIUUQTXXXJNBHB[JOFDPKQHBSUOFSKBQBOJOGSBIZQFDZDMF 黎明期 発表やイベントなどの報道で関⼼が⾼まる時期。 流⾏期 ピーク期。世間の注⽬が⼤きくなり、過度の興奮と⾮現 実的な期待が⽣じる時期。失敗も多い。 幻滅期 技術は過度な期待に応えられず急速に関⼼が失われる時
期。メディアでも取り上げなくなる。 回復期 いくつかの事業が利点や適⽤⽅法が理解されるようにな る時期。 安定期 技術が安定し、第⼆世代、第三世代へと進化する時期。
ϑΝϯσʔγϣϯϞσϧ ϑΝϯσʔγϣϯϞσϧɺਓೳʢ"*ʣػցֶश ʢ.-ʣͰ༻͍ΒΕΔɺେنͳࣄલֶशࡁΈϞσϧ ͷ͜ͱΛࢦ͠·͢ɻ͜ΕΒͷϞσϧɺେͳσʔληο τΛ༻͍ͯࣄલʹֶश͞Ε͓ͯΓɺ͞·͟·ͳλεΫʹద ༻͢ΔࡍʹɺϑΝΠϯνϡʔχϯάՃֶशΛߦ͏͜ͱ ͰੑೳΛ্ͤ͞·͢ɻ ϑΝϯσʔγϣϯϞσϧɺࣗવݴޠॲཧʢ/-1ʣɺը૾ ೝࣝɺԻೝࣝͳͲɺଟ͘ͷͰ͘׆༻͞Ε͍ͯ·͢ɻ ྫ͑ɺ0QFO"*ͷ(15γϦʔζʢ͜ͷ"*ϞσϧͦͷҰ
෦ʣ(PPHMFͷ#&35ͳͲ͕ɺϑΝϯσʔγϣϯϞσϧͷ දྫͱͯ͠ڍ͛ΒΕ·͢ɻ ϝϦοτ େͳσʔληοτΛֶश͢ΔͨΊɺ։ൃϝϯςφϯεʹඇৗ ʹେ͖ͳίϯϐϡʔςΟϯάϦιʔε͕ඞཁͱͳΓɺڥෛՙ ίετͷ͕͋Γ·͢ɻ·ͨɺֶशσʔλʹภΓόΠΞε͕ ଘࡏ͢Δ߹ɺͦΕ͕Ϟσϧʹө͞ΕΔ͜ͱݒ೦͞Ε·͢ɻ σϝϦοτ େͳσʔληοτΛֶश͢ΔͨΊɺ։ൃϝϯςφϯεʹඇৗ ʹେ͖ͳίϯϐϡʔςΟϯάϦιʔε͕ඞཁͱͳΓɺڥෛՙ ίετͷ͕͋Γ·͢ɻ·ͨɺֶशσʔλʹภΓόΠΞε͕ ଘࡏ͢Δ߹ɺͦΕ͕Ϟσϧʹө͞ΕΔ͜ͱݒ೦͞Ε·͢ɻ ʢग़యʣIUUQTBUNBSLJUJUNFEJBDPKQBJUBSUJDMFTOFXTIUNM
ͷ(BSUOFSͷϋΠϓɾαΠΫϧ 黎明期 発表やイベントなどの報道で関⼼が⾼まる時期。 流⾏期 ピーク期。世間の注⽬が⼤きくなり、過度の興奮と⾮現 実的な期待が⽣じる時期。失敗も多い。 幻滅期 技術は過度な期待に応えられず急速に関⼼が失われる時 期。メディアでも取り上げなくなる。 回復期
いくつかの事業が利点や適⽤⽅法が理解されるようにな る時期。 安定期 技術が安定し、第⼆世代、第三世代へと進化する時期。
22
None
None
None
ٕज़ͷਐԽ ৽ͨͳ ϏδωεϞσϧ ސ٬ମݧͷ্ ηΩϡϦςΟͱ ϓϥΠόγʔ ܧଓతͳ Πϊϕʔγϣϯ ৫จԽͷมֵ ύʔτφγοϓ
ͷڧԽ ࣋ଓՄೳੑͱ ࣾձతΠϯύΫτ ϦϞʔτϫʔΫ ͷීٴ ۚ༥%9"* ΧςΰϦ ࡞ɿ .JEKPVSOFZʢϛουδϟʔχʔʣ ۚ༥%9"*ͷதͰ͖͢ ࣄ߲Λͭ̕ʹΧςΰϥΠζ
ݱࡏɺ̑ޙɺ̍̌ޙͷۚ༥%9"*ʢ༧ଌʣ ߲ ݱࡏ ޙ ޙ ٕज़ͷਐԽ "*ɺϒϩοΫνΣʔϯɺ*P5ɺΫϥυίϯ ϐϡʔςΟϯά ྔࢠίϯϐϡʔςΟϯάɺڧԽ͞Εͨ"*ɺ*P5 ͷਐԽɺ((௨৴ٕज़
χϡʔϥϧΠϯλʔϑΣʔεɺφϊςΫϊϩ δʔɺࢄܕίϯϐϡʔςΟϯά ৽ͨͳ ϏδωεϞσϧ σδλϧࢿ࢈ɺΦʔϓϯόϯΩϯάɺϑΟϯ ςοΫαʔϏε τʔΫϯΤίϊϛʔɺσδλϧ*%ɺۚ༥"1*Τ ίγεςϜ Ϣχόʔαϧجຊॴಘɺσʔλࢢɺ"*ʹΑΔ ۚ༥αʔϏεͷશࣗಈԽ ސ٬ମݧͷ্ ΦϯϥΠϯόϯΩϯάɺϞόΠϧΞϓϦɺ νϟοτϘοτ ύʔιφϥΠζ͞Εͨۚ༥αʔϏεɺ73"3ٕ ज़Λ׆༻ͨ͠ސ٬ମݧ ΠϯλʔϑΣʔεͷͳ͍ۚ༥αʔϏεɺγʔϜ Ϩεͳσʔλ࿈ܞɺڧԽ͞Εͨ"*Ξγελϯτ ηΩϡϦςΟͱϓ ϥΠόγʔ αΠόʔηΩϡϦςΟରࡦɺσʔλอޢ๏ɺϒ ϩοΫνΣʔϯٕज़ ΫΥϯλϜηΩϡϦςΟɺϓϥΠόγʔڧԽٕ ज़ɺ৽ͨͳن੍ θϩτϥετωοτϫʔΫɺશಗ໊Խٕज़ɺ "*Λ׆༻ͨ͠αΠόʔηΩϡϦςΟରࡦ ܧଓతͳ Πϊϕʔγϣϯ ΠϯΩϡϕʔγϣϯϓϩάϥϜɺΠϊϕʔγϣ ϯϥϘ σβΠϯγϯΩϯάɺσδλϧϑΝʔετઓུɺ ৫શମͰͷΠϊϕʔγϣϯਪਐ "*ʹΑΔΠϊϕʔγϣϯൃݟɺΠϊϕʔγϣ ϯɾΤίγεςϜͷߏஙɺ࣋ଓՄೳͳΠϊϕʔ γϣϯ ৫จԽͷมֵ ΞδϟΠϧ։ൃɺΫϩεϑΝϯΫγϣφϧνʔ ϜɺϦʔμʔγοϓ ΠϊϕʔγϣϯจԽɺࣦഊΛڪΕͳ͍෩ɺଟ ༷ੑͱแઁੑ ࣝڞ༗ɺࢄܕ৫ɺࣗݾ৫ԽνʔϜ ύʔτφʔγοϓͷ ڧԽ ϑΟϯςοΫελʔτΞοϓͱͷఏܞɺҟۀछ اۀͱͷڠۀ άϩʔόϧͳఏܞɺελʔτΞοϓΤίγες Ϝͷߏங ϓϥοτϑΥʔϜઓུɺڝ߹اۀؒͷڠۀɺ ΦʔϓϯΠϊϕʔγϣϯ ࣋ଓՄೳੑͱ ࣾձతΠϯύΫτ &4(ࢿɺαεςφϒϧϑΝΠφϯεɺࣾձ՝ ղܾ ڥߩݙܕۚ༥αʔϏεɺαʔΩϡϥʔΤίϊ ϛʔࢧԉ ΫϦʔϯΤωϧΪʔۚ༥ɺࣾձతΠϯύΫτ ࢿɺۚ༥แઁ ϦϞʔτϫʔΫ ͷීٴ ςϨϫʔΫɺࡏۈɺΦϯϥΠϯձٞ શϦϞʔτϫʔΫɺࢄܕ৫ɺσδλϧϊ Ϛυੜ׆ ԾΦϑΟεɺ73"3Λ׆༻ͨ͠ϦϞʔτίϥ ϘϨʔγϣϯ ্هҎ֎ σʔλੳɺϨΪϡϨʔγϣϯςοΫɺΦϯϥ Πϯڭҭ ਓࡐҭͷॏࢹɺΤγΧϧ"*ɺࣗಈԽͱ৬ۀͷ มԽ σδλϧਓؒɺ"*ͷྙཧنൣɺϢχόʔαϧج ຊॴಘͷ࣮ݱ
ϝλόʔε 社会性 空間性 経済性 同 時 性 永続性 ⾝ 体
性 商取引や⾦融取引、投資などができ そのための⾦銭や資産の 授受ができる ⼈のつながり、コミュニティの形成 組織運営ができ ⾃律した社会活動ができる 空間的な広がりがあり その中での移動や活動ができる また、⾃由な活動ができる 誰かの意志によって 存在や消滅が左右されない 時間的な継続性が保証されている 現 実 世 界 か ら 切 り 離 さ れ た メ タ バ 0 ス と ⼀ 体 と な 6 た 没 ⼊ 感 や ⾝ 体 感 覚 が あ る 参 加 者 が リ ア ル タ イ ム に 体 験 を 共 有 で き る 参 加 者 の ⼈ 数 に 制 限 が な い メタバース 同時に多数の⼈が参加できる オンラインの3次元仮想空間 予めシナリオが⽤意されたゲーム世界とは異なる ⾃⼰組織化 メタバースの住⼈が ⾃らルールや仕組みを作り ⾃⼰組織化して増殖する 創造性 メタバースの内の 活動や資産、仕組みなどを 誰もが創造できる ݱ࣮ੈքͱؔΛ࣋ͬͨύϥϨϧϫʔϧυ ʢݱ࣮ੈքʹฒߦͯ͠ଘࡏ͢Δࣗɾಠཱͨ͠ੈքʣ
DXデザイナー
%9σβΠφʔཆߨ࠲Λडߨ͖͢اۀ 社内のDXや新規事業プロジェクトでの悩み ܦݧ๛ͳ%9ਓࡐͷ࠾༻͕ඇৗʹࠔɺ·ͨ࠾༻ͯ͠ఆண͠ͳ͍ ࣾͰ༻ҙ͞Ε͍ͯΔݚम͚ͩͰɺ࣮ફʹ׆͔͢ͷ͕͍͠ ख୳ΓͰϓϩδΣΫτΛਐΊ͍ͯΔ͕ɺࠓͷਐΊํʹෆ͕҆͋Δ %9σβΠφʔཆߨ࠲ͰɺҎԼΛ࣮ݱ͠·͢ɻ ଞ෦ॺ·ͨ֎෦ͷ*5ਓࡐͱڠௐ͠ɺՌΛ࠷େԽͤ͞ΔϓϩδΣΫτͷਪਐ ࣮ફೖલʹ͓͚ΔɺదͳׂλΠϓݟۃΊ ϓϩδΣΫτΛޮతɾޮՌతʹਐΊΔͨΊͷجຊతͳϑϨʔϜϫʔΫशಘ
%9σβΠφʔͱ %9ਓࡐ %9σβΠφʔਓࡐ ඞཁεΩϧ %9ਓࡐͷཁૉͰ͋ΔϏδωεɺ σʔλαΠΤϯεɺσʔλΤϯδ χΞϦϯάΛߴ͍ϨϕϧͰόϥϯ εΑ͘शಘ ϏδωεΛ࣠ʹɺ%9ʹඞཁͳ σʔλαΠΤϯεɾΞʔΩςΫ
νϟ˞Λऔಘ ඞཁͳ࣮ફܦݧ ଟ͘ͷϓϩδΣΫτܦݧ͕ඞཁ ϓϩδΣΫτܦݧ͕ແ͍ɾઙ͘ͱ ֶशํ๏࣍ୈͰҭՄೳ ҭқ ඇৗʹߴ͍ %9ਓࡐͱൺֱͯ͠༰қ ҭظؒ ఔ ࠷ϱ݄ ※アーキテクチャ:データエンジニアと会話ができ、 システムやプロダクトを設計・形にするスキル ଟ͘ͷاۀ͕ࢦ͍ͯ͠Δ%9ਓࡐͱҟͳΓɺϏδωεʹ࣠Λ࣋ͪɺ %9ʹඞཁͳٕज़ࣝΛ࣋ͬͨਓࡐ͕%9σβΠφʔͰ͢ɻ
%9σβΠφʔͷಛ ߹ಉݚमɺάϧʔϓϫʔΫɺݸਓϫʔΫͷछྨͰߏ ߲ త ༰ ߹ಉݚम ʢશճʣ Ξτϓοτ͓Αͼ ؾ͖ͮͷ άϧʔϓͰͷՌൃදΛߦ͏ɻ
ଞάϧʔϓͷൃදࣗάϧʔϓͷϑΟʔυόοΫͰಘͨ ؾ͖ͮΛجʹɺཌ͔Β৽ͨͳςʔϚͷݸਓϫʔΫʹྟΉɻ άϧʔϓϫʔΫ ʢશճʣ ߹ಉݚमʹ͚ͨ ٞͷ ߹ಉݚमͰͷൃදʹ͚ͯɺάϧʔϓͰ՝ʹऔΓΉɻ ଞऀͱͷٞΛ௨ͯ͡ɺϓϩδΣΫτਪਐʹ͔ܽͤͳ͍ ʮڞײɾௌྗʯʮ՝ઃఆʯͷίϯϐςϯγʔΛ৳ ͍ͯ͘͠ɻ ݸਓϫʔΫ ʢຖि࣮ࢪʣ Πϯϓοτͷ άϧʔϓϫʔΫʹ͚ɺΦϯϥΠϯಈըֶशΛ༻͍ͯ ࣝΠϯϓοτΛߦ͏ɻ ֤ϫʔΫ͝ͱʹݸਓ՝͕ઃఆ͞Ε͓ͯΓɺςʔϚʹ͓͚ Δ͕ࣝఆண͍ͯ͠Δͷ͔ΛଌΔ͜ͱ͕Մೳɻ
ຊߨ࠲ͷରɾΰʔϧΠϝʔδ ຊߨ࠲ɺ%9෦ॺ৽نࣄۀ෦ॺʹܞΘΔՄೳੑͷ͋Δํ͔Βɺ࣮ࡍʹࢼߦࡨޡ ͰਐΊ͍ͯΔํ·ͰΛରͱ͍ͯ͠·͢ɻ %9ਪਐϓϩϑΣογϣφϧͷํର֎Ͱ͢ 33 ˙ରͱ͢Δਓ૾ʢ#FGPSFʣ ˙डߨޙͷΰʔϧΠϝʔδ ʢ"GUFSʣ • σδλϧࣝΛલఏͱͨ͠ۀߦ
͕ظ͞Ε͍ͯΔ • ٕज़ΛۃΊΔΑΓɺϏδωε ্ͷՌΛظ͞Ε͍ͯΔ • কདྷతʹձࣾͷมֵΛ୲͍ͬͯ͘͜ ͱ͕ظ͞Ε͍ͯΔ • ৽نϏδωεग़طଘϏδωεͷ ࠶ߏஙͷݕ౼ • σδλϧσʔλલఏͷϏδωεʹඞ ཁͳɺσʔλੳํ๏ͷशಘ • ٕज़ਓࡐͷࣝࢥߟΛ౿·͑ͨɺ ԁͳίϛϡχέʔγϣϯ
Ωϟϯϖʔϯ͓͍߹ΘͤϑΥʔϜɿ IUUQTXXXMQPOHBFTIJQKKQJORVJSZ
リスキリング・アンラーン
ϦεΩϦϯά
Ξϯϥʔϯ
None
型
型があるから型破り。 型が無ければ、それは形無し。
·ͣܕΛ֮͑Δɿͦͷखஈ͕ۚ༥"*ޭύλʔϯ ʢग़యʣۚ༥"*ޭύλʔϯʢܦ#1
·ͱΊ ՝ɾղܾͷͨΊͷੳख๏ ՝ʹରͯ͠ɺՊֶతख๏ੳख๏Λ༻͍ͯɺղܾ ࡦΛಋ͖ग़͢ख๏ɻԾઆݕূɺ1&45ੳɺϦαʔνɺ γφϦΦϓϥϯχϯά͕දతɻ %9σβΠφʔ Ϗδωεʹ࣠Λ࣋ͪɺ%9ʹඞཁͳٕज़ࣝΛ ࣋ͬͨεΩϧΛ࣋ͭ͜ͱɻ ϦεΩϦϯάɾΞϯϥʔϯ ैདྷͷϏδωεϓϩηε׳शɺՁ؍ͳͲΛࣺͯڈΓɺ
৽͍͠σδλϧจԽϚΠϯυηοτΛशಘ͢Δ͜ͱͰɺ σδλϧ࣌ʹ͓͍ͯڝ૪ྗΛҡ࣋ɾ্͢Δɻ ܕ 型があるから型破り。 型が無ければ、それは形無し。