業務効率化のためのAIエージェント開発の勘どころ【第6回 GenerativeAI勉強会 発表資料】

＜まとめ＞
・AIエージェントは世界的なメガトレンド
・「AIエージェントの使いどころ」は生成AIの特徴と人の心理的傾向から選ぶのがオスススメ
・生成AI使用時のリスクを恐れて「何もしない（リスク回避）」ことこそ、リスクが大きい
・リスク対策は「回避」だけじゃない。他にもある。
・短縮可能な時間の幅が広く、不確実性の削減量が大きいほど、AIエージェントの応用先として価値が高い
・生成AIの入出力を「うまく」つなぐためには「生成AIの出力の制御」が必要
・生成AIの出力の主な制御方法は３種類
・出力をうまく制御できさえすれば他は通常のプログラミングと同じ

Transcript

1. 2024年07月18日 神谷亮平 株式会社LABBIZ 代表取締役CTO 第6回 GenerativeAI 勉強会 業務効率化のための AIエージェント開発の 勘どころ
2. 登壇者 自己紹介 ©株式会社LABBIZ 2 神谷 亮平 株式会社LABBIZ 代表取締役CTO 略歴 2007年に東京大学大学院を修了後、新卒で精密機器メー カーに入社。半導体素子開発と電子透かし応用システム 開発を担当。 ビッグデータ分析会社の新規事業担当エンジニア、IoTス タートアップの研究開発エンジニアを経て2016年に LABBIZ を創業。 2018年に技術支援先の不動産スタートアップにCTOとし て参画。BtoC から BtoBへの事業転換のタイミングで、金 融機関への製品カスタマイズ導入を主導。 2023年 に LABBIZ 代表取締役 CTO に復帰。
3. 【自己紹介】Xアカウント ©株式会社LABBIZ 3 @k38ryohei 神谷 亮平 https://x.com/k38ryohei よかったら フォローしてね！ ・生成AI活用Tips ・AIエージェント ・開発効率化/自動化 など、発信しています！
4. 【自己紹介】Xアイコンについて ©株式会社LABBIZ 4 実写 アニメ ChatGPTに「実写をアニメ化して」とお願いして作ってもらいました
5. 2.6～4.4兆 ドル 6.1～7.9兆 ドル 生成AI市場の予測（グローバル） ©株式会社LABBIZ 5 生成AIは、16 のビジネス機能にわたる 63 のユースケースにおいて、年間 2.6 兆ドル から 4.4 兆ドルの経済的メリットをもたら す可能性があります。 また、知識労働者の活動全体に適用された 場合に実現する可能性のある生産性の無数 の向上を含む、生成 AI の経済的メリット の合計は、年間 6.1 兆ドルから 7.9 兆ドル に上ります。 【引用元】 The economic potential of generative AI: The next productivity frontier https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
6. 生成AI市場の予測（日本） ©株式会社LABBIZ 6 生成AI市場の需要額見通し（日本） 【引用元】経済産業省「生成AI時代のDX推進に必要な人材・スキルの考え方2024」 https://www.meti.go.jp/press/2024/06/20240628006/20240628006.html 一般社団法人電子情報技術産業協会 （JEITA）が発表した生成 AI 市場の世界需要 額⾒通しによると、日本における生成 AI 市 場は、2030 年までに年平均 47.2%増で成長 し、需要額は約 1.8 兆円の規模に拡大する ⾒込みです。
7. ©株式会社LABBIZ 7 AIエージェントとは？ 業務効率化のためのAIエージェント開発の勘どころ 目次
8. 生成AIとAIエージェント ©株式会社LABBIZ 8 用途 用途例 • 文章生成 • 画像生成 • 音声生成 • 動画生成 • テキストの入力に基づいて画像を生成する。 • 質問に対して自然な回答文章を生成する。 用途 用途例 • 特定または一連のタスクの自動化 • パーソナルアシスタント スケジュール管理、リマインダー設定、メモ取り などの日常業務を支援 • AIエンジニア 要件に合った動作するプログラムを自動生成 • AIリサーチャー 調査対象や内容をインプットすると、調査を実行 して調査報告書を生成する 生成AI AIエージェント 生成AIを 内部で利用
9. 代表的なAIエージェント ©株式会社LABBIZ 9 （転載元より一部抜粋） すでに多くの AIエージェント が存在 【転載元】Awesome AI Agents ( by E2B.dev )https://github.com/e2b-dev/awesome-ai-agents/
10. ©株式会社LABBIZ 10 世界のメガトレンド AI エージェント Gartner Predicts the Rise of Autonomous Agents https://www.cxtoday.com/contact-centre/gartner-predicts-the-rise- of-autonomous-agents/ 「AIエージェント」が開発現場の 常識変える、要件定義からテスト まで自動化対象に https://xtech.nikkei.com/atcl/nxt/column/18/02831/051500001/ 世界最大規模の ICTリサーチ＆アドバイザリ企業Gartner 日経BP社メディア XTECH 連載記事
11. ©株式会社LABBIZ 11 AIエージェントは メガトレンド であって ただのトレンドではない メガトレンドの例 トレンドの例 • パーソナルコンピュータ • インターネット • スマートフォン • TikTok、Instagram Reels • PayPay、Suica • LINE
12. ©株式会社LABBIZ 12 AIエージェントが 普及すると言い切れる理由 圧倒的な 生産性向上効果 それは、 これに尽きます。 現場が 楽になる！
13. 【事例紹介】自社開発AIエージェント「 AI要件定義API 」活用時の生産性向上効果 ©株式会社LABBIZ 13 従来比 400％
14. 【事例紹介】自社開発AIエージェント「 AI要件定義API 」の生成内容 ©株式会社LABBIZ 14 20画面以上のプロトタイプを生成 60ページ以上の要件定義書ドラフトを生成 プロジェクト概要 • プロジェクトの背景・目的 • ターゲット • ターゲットの課題 • ソリューションの概要 機能要件（AIが生成） • ユースケース一覧 • ユースケースごとのフローチャート • ER図 • 画面一覧 • 画面遷移図 非機能要件（テンプレート）
15. 【事例紹介】 20画面のプロトタイプ作成にかかる時間（イメージ） ©株式会社LABBIZ 15 Traditional ChatGPT AI要件定義API 40時間 8時間 5分 ×1 ×5倍速 ×480倍速～ 生成AI AIエージェント
16. 【事例紹介】自社開発AIエージェント「 AI要件定義API 」によるシステム開発受託商談業務フロー改善 ©株式会社LABBIZ 16 従来 現在（AIエージェント活用） ２日 ２週間
17. 【事例紹介】自社開発AIエージェント「 AI要件定義API 」による要求事項整理・可視化業務フロー改善 ©株式会社LABBIZ 17 従来 現在（AIエージェント活用） １ヶ月 １週間
18. 従来 現在（AIエージェント活用） 時間短縮効果 システム開発受託商談 2週間（10日） 2日 従来比５分の１ 要求事項整理・可視化 1ヶ月（20日） 1週間（5日） 従来比４分の１ 【事例紹介】自社開発AIエージェント「 AI要件定義API 」活用時の生産性向上効果 ©株式会社LABBIZ 18 ゆえに 400％
19. ©株式会社LABBIZ 19 本題 業務効率化のための AIエージェント開発の勘どころ
20. 業務効率化のための「AIエージェント」の開発プロセス ©株式会社LABBIZ 20 1 2 3 4 5 効率化／自動化する 業務を選ぶ AIエージェントの 「インプット」と「アウトプット」 を定義する 「インプット」から 「アウトプット」までの 間のタスクを分解する 生成AIに各タスクを 実行させる 生成AIの入出力を 「うまく」つないで タスクを統合する 次ページ以降で ①と⑤をご紹介 ②〜④は業務ごとに 異なるため割愛
21. AIエージェントで効率化・自動化する業務の選び方 ©株式会社LABBIZ 21 推奨 AIエージェントの使いどころは 生成AIの特徴 と 人の心理的傾向 から 選ぶ
22. 人の心理的傾向：認知バイアス ©株式会社LABBIZ 22 認知バイアスとは、人の思考や判断が、 これまでの経験にもとづく先入観によって非合理的になる心理現象のこと。 現状維持バイアス（Status Quo Bias） サンクコストバイアス（Sunk Cost Bias） 確証バイアス（Confirmation Bias） 利用可能性ヒューリスティック（Availability Heuristic） 損失回避バイアス（Loss Aversion Bias） 現状を維持し続けたいという傾向 既に投資した時間やお金が無駄になるのを避けるために、 非合理的に現状を続けようとする傾向 自分の信念を裏付ける情報のみを重視し、 反対の情報を無視する傾向 直近で思い出せる情報や目立つ情報をもとに判断する傾向 損失を避けることに対して、 利益を得ることよりも強く反応する傾向
23. 生成AIに対するネガティブな意見 ©株式会社LABBIZ 23 生成AIが生成したコンテンツってクオリティ低いんでしょ 間違ったことを本当かのように嘘をつくから使いにくいんだよね 情報漏洩が心配だから使いにくいんだよね 生成コンテンツの権利関係がよく分からないし不安なんだよね 「AIが人の仕事を置き換える」って 「驚き屋」 の煽り文句でしょ 身近には見かけないし、自分には関係ない世界の話でしょ
24. 生成AIの特徴と人の心理 ©株式会社LABBIZ 24 評価観点 生成AIの特徴 人の心理（例） スピード 速い 良いね 品質 間違う ミスが心配だね 入力データ 不定形（制限しづらい） 情報流出が心配だね 出力データ 不定形（予測しにくい） 権利関係が心配だね セキュリティも心配だね 生成AIを使って 損をするリスク
25. 生成AIを使わずに損をするリスク ©株式会社LABBIZ 25 生産性の差 生成AI活用企業が業務効率を大幅に向上させる。例えば、生成AIによる自動化により、競合企業が生産性を 高めている一方で、生成AIを活用しない企業は業務効率で大きな差をつけられる。この結果、クライアント や優秀な人材を奪われるリスクが高まる。 注目度の差 生成AIを積極的に活用する企業や人々は先進的であると見なされ、注目を集める。この注目度の差が、マー ケットでの存在感やブランド価値に直結し、相対的に生成AIを使わない企業の注目度が低下し、クライアン トや従業員を引きつける力が弱まる。 イノベーション推進力の差 生成AIが新製品や新サービスの開発を加速。例えば、生成AIを活用したパーソナライズドサービスや新しい ビジネスモデルの創出など。生成AIを使わない企業は、このようなイノベーションの機会を逃し、市場の変 化に対応しきれないリスクがある。
26. 極論の二択？ ©株式会社LABBIZ 26 生成AIを 使って 損をするか？ 生成AIを 使わずに 損をするか？
27. 極論の二択？ ©株式会社LABBIZ 27 生成AIを 使って 損をするか？ 生成AIを 使わずに 損をするか？ 自分で行動は選択できる コントロール可能なリスク 「何もしない」でも環境はどんどん変わる ほぼ確定した損 私見 合理的に考えて「生成AIを使う」一択
28. リスク対策の方法 ©株式会社LABBIZ 28 区分 手段 内容 リスクコントロール 回避 リスクを伴う活動自体を中止し、予想されるリスクを遮断する対策。 リターンの放棄を伴う。 損失防止 損失発生を未然に防止するための対策、予防措置を講じて発生頻度を減じる。 損失削減 事故が発生した際の損失の拡大を防止・軽減し、損失規模を抑えるための対策。 分離・分散 リスクの厳選を一箇所に集中させず、分離・分散させる対策。 リスクファイナンシング 移転 保険、契約等により損失発生時に第三者から損失補てんを受ける方法。 保有 リスク潜在を意識しながら対策を講じず、損失発生時に自己負担する方法。 引用：2016年版 中小企業白書「第4章 稼ぐ力を支えるリスクマネジメント」 https://www.chusho.meti.go.jp/pamflet/hakusyo/H28/h28/html/b2_4_1_4.html 資料：リスク管理・内部統制に関する研究会「リスク新時代の内部統制」から中小企業庁作成 生成AI使用時のリスクを恐れて「何もしない（リスク回避）」はリターンの放棄を伴う。 リスク対策は「回避」だけじゃない。他にもある。
29. 生成AI活用のリスクと対策の例 ©株式会社LABBIZ 29 リスク 対策の例 低コスト対策 中コスト対策 高コスト対策 間違うリスク 【 回避・保有 】 間違いが許される用途で使う 【 損失防止 】 人が目視で確認・評価したものだ けで出力データを作成して使う 【 損失防止 】 間違いを減らすためにモデルを再 学習・チューニングする 入力データの情報流出リスク 【 移転・保有 】 LLMベンダー/クラウド事業者と の契約でリスクを抑える。 Microsoft / OpenAI / Google / Anthropic などを信頼して使う。 【 損失防止 】 PII（特定個人情報等）検知の仕 組み等を導入して使う 【 回避 】 ネットワークから遮断されたロー カル環境で独自のモデルを学習し て動かす 出力データの権利侵害リスク 【 回避・保有 】 権利侵害がない用途を選んで使う 【 損失防止・移転 】 権利侵害のリスクがないことを調 査・評価して使う。また、損害賠 償対策の保険に加入する。 【 回避・損失防止・移転 】 権利侵害のないデータだけを購入 してモデルを学習して使う。また、 損害賠償対策の保険に加入する。 出力データのセキュリティリスク 【 保有 】 LLMベンダー/クラウド事業者の セキュリティ対策に任せる 【 損失防止・損失削減 】 ファイアウォール・脆弱性スキャ ン・異常検知・仮想環境などの技 術で対策する 【 損失防止・損失削減 】 隔離された環境でセキュリティ対 策専門の職員が生成データを評価 してから使う
30. AIエージェントの魅力「スピード」を活かせる応用先の特徴 ©株式会社LABBIZ 30 ◯ ◯ の 不 確 実 性 時間経過 従来 AIエージェント活用時 AIエージェントは 「不確実性（≒間違うリスク）」 を素早く下げるのに役立つ。 ただし、不確実性は残る。 不確実性をゼロにはできない。 短縮可能な時間の幅が広く、 不確実性の削減量が大きいほど、 AIエージェントの応用先として 価値が高い
31. 「『〇〇の不確実性』を素早く下げる」とは？ ©株式会社LABBIZ 31 「『〇〇の不確実性』を素早く下げる」とは、 「目的」「方法」「通信」のいずれか（または複数）の 不確実性を素早く下げるということ 不確実性の種類（※1） 意味 システム開発における例 目的の不確実性 「何のために何をするか？」が不明確 システムの要件が定まらない 方法の不確実性 「どうやるか？」が不明確 開発体制・プロセス等が定まらない 通信の不確実性 「伝えたいことが正しく伝わっているか？」が不明確 クライアントの説明が分からない ※1. 【参考】広木大地 「エンジニアリング組織論への招待」https://www.amazon.co.jp/dp/4774196053
32. 業務 不確実性 キャッチコピーのアイデア出し 目的の不確実性、通信の不確実性 ブログの記事の下書きの作成 目的の不確実性、通信の不確実性 メールの下書きの作成 目的の不確実性、通信の不確実性 調査レポートの草稿の作成 目的の不確実性、通信の不確実性 タスク分解・タスクリストの生成 方法の不確実性、通信の不確実性 プログラムの単体テストケースの生成 方法の不確実性、通信の不確実性 生成AIを使って効率化できる業務（不確実性を含む業務）の例 ©株式会社LABBIZ 32
33. 【参考】生成AIに聞いてみた「不確実性」のある具体的な業務の例 ©株式会社LABBIZ 33 業界 業務 成果物 不確実性 IT業界 要件定義書作成 要件定義書 目的の不確実性, 通信の不確実性 IT業界 プロトタイプ制作 プロトタイプのコード 目的の不確実性, 通信の不確実性 建設業 建築プロジェクト提案書作成 プロジェクト提案書 目的の不確実性, 通信の不確実性 建設業 環境評価レポート作成 環境評価レポート 方法の不確実性, 通信の不確実性 教育業界 オンラインコースシラバス作成 コースシラバス 目的の不確実性, 通信の不確実性 教育業界 教材開発 教材、スライド 方法の不確実性, 通信の不確実性 小売業 商品カタログ作成 商品カタログ 目的の不確実性, 通信の不確実性 小売業 広告コピー作成 広告コピー、キャンペーン概要 目的の不確実性, 通信の不確実性 公共事業 政策提言書作成 政策提言書 目的の不確実性, 通信の不確実性 公共事業 公共プロジェクト計画書作成 プロジェクト計画書 方法の不確実性, 通信の不確実性
34. AIエージェントの使いどころ ©株式会社LABBIZ 34 仕 事 の 完 成 度 時間経過 従来 AIエージェント活用時 AIエージェントは 素早く仕事の完成度を 高めるのに役立つ ここに AIエージェント 「仕事の完遂」は 引き続き人間の仕事
35. 続いて…… ©株式会社LABBIZ 35 生成AIの入出力を「うまく」 つないでタスクを統合する方法 とは何か？
36. 生成AIの入出力をつないでタスクを統合① ©株式会社LABBIZ 36 逐次処理 生成AI （タスク１） 生成AI （タスク２） 通常のプログラミングと同じ
37. 生成AIの入出力をつないでタスクを統合② ©株式会社LABBIZ 37 分岐処理 通常のプログラミングと同じ 生成AI （タスク１） 生成AI （タスク２） 生成AI （タスク３） 条件分岐
38. 生成AIの入出力をつないでタスクを統合③ ©株式会社LABBIZ 38 繰り返し処理 通常のプログラミングと同じ 繰り返し 完了判定 生成AI （タスク１） 生成AI （タスク２）
39. 基本は通常のプログラミングと同じだが…… ©株式会社LABBIZ 39 基本は通常のプログラミングと同じ 異なるのは「生成AIの出力が不定」 ということ
40. 生成AIの入出力をつなぐ際の問題①：出力に余計なテキストが含まれる ©株式会社LABBIZ 40 HTMLだけがほしいのに、前後にHTMLの解説文が含まれる 例 一般的なWEBアプリケーションのログイン画面のHTMLを出力してください
41. 生成AIの入出力をつなぐ際の問題②：出力のフォーマットが不定 ©株式会社LABBIZ 41 「画面のリスト」の出力を依頼した場合に、「画面の名称と役割」「画面の名称と画面中の要素」 などのように、出力の内容が異なるパターンが存在する。 例 一般的なECサイトに含まれる画面の一覧を出力してください。
42. 生成AIの入出力を「うまく」つなぐためには「生成AIの出力の制御」が必要 ©株式会社LABBIZ 42 生成AI （タスク１） 生成AI （タスク２） 入力 出力 入力 出力 一つ目の「生成AI」の出力を 二つ目の「生成AI」の入力に 合わせる必要がある
43. 生成AIの出力の主な制御方法は３種類 ©株式会社LABBIZ 43 1 2 3 プロンプトによる制御 正規表現/パーサーによる抽出 Function Calling による抽出
44. 生成AIの出力の制御：プロンプトによる制御 ©株式会社LABBIZ 44 【例①】出力フォーマットの指定 【例②】出力例の提示
45. 生成AIの出力の制御：プロンプトによる制御 ©株式会社LABBIZ 45 【例③】テンプレートエンジン(Jinja)とデータバリデーションライブラリ(Pydantic)で制御 https://github.com/Codium-ai/cover-agent/blob/main/cover_agent/settings/test_generation_prompt.toml 【引用元】CodiumAI 社製 Cover-Agent の GitHub リポジトリ
46. 生成AIの出力の制御：正規表現/パーサーによる抽出 ©株式会社LABBIZ 46 【例①】正規表現によるコードブロックの抽出 https://github.com/princeton-nlp/SWE-agent/blob/main/sweagent/agent/parsing.py 【引用元】ソフトウェア開発 AI エージェント「 SWE-Agent 」の GitHub リポジトリ
47. 生成AIの出力の制御：正規表現/パーサーによる抽出 ©株式会社LABBIZ 47 【例②】XMLパーサーによるコードブロックの抽出（XML形式で出力したコードをパース） https://github.com/princeton-nlp/SWE-agent/blob/main/sweagent/agent/parsing.py 【引用元】ソフトウェア開発 AI エージェント「 SWE-Agent 」の GitHub リポジトリ
48. 生成AIの出力の制御：Function Calling による抽出 ©株式会社LABBIZ 48 【例】Function Callingによる出力データの抽出 関数の名称・処理内容・引数の説明を記述 引数の値を返すだけの関数 呼び出し
49. 簡単でしょ？ ©株式会社LABBIZ 49 出力をうまく制御できさえすれば 他は通常のプログラミングと同じ 簡単でしょ？
50. まとめ ©株式会社LABBIZ 50 AIエージェントは世界的なメガトレンド 「AIエージェントの使いどころ」は生成AIの特徴と人の心理的傾向から選ぶのがオスススメ 生成AI使用時のリスクを恐れて「何もしない（リスク回避）」ことこそ、リスクが大きい リスク対策は「回避」だけじゃない。他にもある。 短縮可能な時間の幅が広く、不確実性の削減量が大きいほど、AIエージェントの応用先として価値が高い 生成AIの入出力を「うまく」つなぐためには「生成AIの出力の制御」が必要 生成AIの出力の主な制御方法は３種類 出力をうまく制御できさえすれば他は通常のプログラミングと同じ
51. ©株式会社LABBIZ 51 これから成長が見込める領域です。 一緒に新市場の開拓に挑戦しませんか？ 世界的メガトレンド「AIエージェント」 もう誰もこの流れには逆らえません。 3年後には当たり前に普及していることでしょう。 【宣伝】エンジニア募集
52. 【再掲】Xアカウント ©株式会社LABBIZ 52 @k38ryohei 神谷 亮平 https://x.com/k38ryohei ・生成AI活用Tips ・AIエージェント ・開発効率化/自動化 など、発信しています！ よかったら フォローしてね！