$30 off During Our Annual Pro Sale. View Details »

業務に組み込む生成AI〜失敗と改善の1年半〜

 業務に組み込む生成AI〜失敗と改善の1年半〜

田口 大智 / ぐっちー

October 13, 2024
Tweet

More Decks by 田口 大智 / ぐっちー

Other Decks in Technology

Transcript

  1. 1 田口 大智 ( X : @hirotomotaguchi) Cloud Security Architect

    Microsoft MVP for AI 自己紹介 経歴 ⚫ 明治大学:野球部 ⚫ コンサルティング会社:ISO27000(ISMS)、ISMAP 等 現在の仕事 ⚫ 現職: ⚫ セキュリティ系 ⚫ ゼロトラストの概念に基づくIT基盤設計 ⚫ CASB/SWG/EDR/SIEM等の構築運用支援や運用サポート ⚫ AI系 ⚫ AOAI/AI Search の構築支援 趣味 ⚫ ダンス・野球・ゴルフ(初心者)
  2. 2 会社概要 社名 株式会社クラウドネイティブ 設立 2017年5月 従業員数 31名 役員 代表取締役

    齊藤 愼仁 取締役 磯邉 和彦 取締役 吉田 浩和 取締役 伊藤 歳記 所在地 〒106-0032 東京都港区六本木1-4-5 アークヒルズサウスタワー 16F
  3. 3 会社概要 社名 株式会社クラウドネイティブ 設立 2017年5月 従業員数 31名 役員 代表取締役

    齊藤 愼仁 取締役 磯邉 和彦 取締役 吉田 浩和 取締役 伊藤 歳記 所在地 〒106-0032 東京都港区六本木1-4-5 アークヒルズサウスタワー 16F
  4. 5 企業専用ChatGPTを入れても会社は何も変わらない(2023年初頭 ・企業専用ChatGPTを導入しても、5-10%のユーザーしか使いこなせない。 ・生成AIが搭載されたSaaSは少しマシだが、大きくは変わらない。 今までの業務 生成AIを使った 業務 メールの 受信 メールの

    受信 返信の作成 生成AIを使う と良いと判断 返信を 送信 出力を確認 して編集 プロンプトを 考えてAIに指示 返信を 送信 業務イベントの発生 出力が微妙だったら やり直し プロンプト エンジニアリング 生成AIが適した ユースケースの 理解 生成AIの性質(例:誤りが多い) に関する理解、クリティカルシンキング 創意工夫・知的好奇心 画面 切替 画面 切替 生成AI活用では「プロセスの数」が増える場合があり、さらにそのプロセスに最適化したUI/UXが ないと、ユーザーは楽な方(今までのやり方)を踏襲してしまいます。
  5. 7 情シスが生成AIの理想と現実の崖を埋めるアプローチ • 社内向けの教育・啓蒙活動を通じて、ユー ザーがAIを使いこなせるようにする。 • これには、Copilot / Notion AI等の導入

    も含む。 • 次ページ以降で解説 ユーザー主体のAI(教育・啓蒙) 業務に組み込むAI 企業専用ChatGPTの導入 どっちも大事だが、業務プロセス主体のAI活用から攻めるのがおすすめ!
  6. 15 振り返り よかった点 ➢ 生成AIに関する学習機会 ➢ 「生成AI活動」という社内活動の市民権を得られた(気がする) ➢ 「研究開発」は側から見て遊んでいるように見えるので肩身が狭い ➢

    最初の(小さな)成果を上げることで市民権を得られたような感覚が得られた(2023年7月 課題 ➢ 入れて終わりとはならない(当たり前) ➢情報を大量に垂れ流しにすると、ユーザーが生成AIの回答を確認しなくなる傾向があり次第 に効果が薄れていきました。 ➢ 改善:ワンクリックでユーザーが欲しい機能を呼び出せるようにした。 ➢ 既存のドキュメントとの統合: Word、Excel、PDF、紙の資料など、従来の形式の情報を扱う 業務への生成AIの適用は困難でした。
  7. 16 振り返り よかった点 ➢ 生成AIに関する学習機会 ➢ 「生成AI活動」という社内活動の市民権を得られた(気がする) ➢ 「研究開発」は側から見て遊んでいるように見えるので肩身が狭い ➢

    最初の(小さな)成果を上げることで市民権を得られたような感覚が得られました。 課題 ➢ 完全自動化の弊害 ➢情報を大量に垂れ流しにすると、ユーザーが生成AIの回答を確認しなくなる傾向があり次第 に効果が薄れていきました。 ➢ 改善:ワンクリックでユーザーが欲しい機能を呼び出せるようにした。 ➢ 既存のドキュメントとの統合: Word、Excel、PDF、紙の資料など、従来の形式の情報を扱う 業務への生成AIの適用は困難でした。 顧 客 か ら の 質 問
  8. 17 振り返り よかった点 ➢ 生成AIに関する学習機会 ➢ 「生成AI活動」という社内活動の市民権を得られた(気がする) ➢ 「研究開発」は側から見て遊んでいるように見えるので肩身が狭い ➢

    最初の(小さな)成果を上げることで市民権を得られたような感覚が得られた(2023年7月 課題 ➢ 入れて終わりとはならない(当たり前) ➢情報を大量に垂れ流しにすると、ユーザーが生成AIの回答を確認しなくなる傾向があり次第 に効果が薄れていきました。 ➢ 改善:ワンクリックでユーザーが欲しい機能を呼び出せるようにした。 ➢ 既存のドキュメントとの統合: Word、Excel、PDF、紙の資料など、従来の形式の情報を扱う 業務への生成AIの適用は困難でした。
  9. 20 開示請求のつらみ ✓ 個人情報等の特定の機械的にマス キングするわけでない。 ✓ 多くの例外が存在する。 ✓ 法解釈等が多く発生する。 ✓

    通常は10ページほどの分量をチェ ックで、多い場合には数百ページ をチェックしなければならない。 ✓ 人間によるダブルチェック・トリ プルチェックが発生する。 職人技 分量
  10. 21 開示請求時に非開示にする情報 開示請求時には全ての情報を出すわけではなく、法令で定められた非開示情報が存在します。 非開示情報 情報の定義 非開示情報の例外 個人に関する情報 特定の個人を識別できる情報、ま たは公表により個人の権利利益を 害するおそれのある情報。

    • 法令や慣行で公開が予定されている情報 • 公益のために必要な情報 • 公務員の職務遂行に関連する情報 法人情報 法人や事業を営む個人の事業に関 する情報で、公開することで権利 や競争上の地位を害するおそれの ある情報。 • 人の生命や健康を保護するために必要な情報 • 違法または不当な事業活動により生じる生活上の支障を防ぐため の情報 • 消費者や生活者の保護が必要な場合 法令秘情報 法令や条例によって公開が禁止さ れている情報。具体例として、印 鑑登録原票や地方税に関する秘密 情報など。 • 法令等の規定により開示が必要とされる場合 • 著作権に関する例外 犯罪の予防・捜査等 に関する情報 公開することで犯罪予防や捜査に 支障をきたす可能性がある情報。 • 情報が公開されても、公共の安全や秩序に支障がない場合 • 公益性が個人の権利利益に優先する場合 審議・検討・協議に 関する情報 意見交換や意思決定の中立性を損 なうおそれのある情報。 • 最終決定が下された後の情報 • 公表による利益が明らかに大きい場合 行政運営情報 公表することで監査や取締り、契 約交渉、人事管理などの業務の適 正な遂行に支障を及ぼす情報。 • 監査や取締りが終了し、開示による支障がなくなった場合 • 公表が公益性を持つと判断される場合
  11. 24 振り返り よかった点 ➢ ノーコードで実現できたため、コーディングが本業ではない情シスでも再現性がある。 ➢ 様々な型式が存在する業務でも生成AIを組み込むことができることを技術的に証明できた。 (実際の効果測定はこれから) ➢ 自治体の黒塗り業務だけではなく、様々な業会における「文書レビュー」に応用できるのでは

    ないかという着想を経た。 課題 ➢ 実証実験中であり、本格的な導入はこれから ➢ 一歩間違えるとDX(Digital Transformation)の本質とは異なる可能性がある。 ➢ そもそもWordでやる必要があるのか?(開示請求の場合はWordであることが必要) ➢ 汎用性高いので「解くべき課題」を見極めるのが重要
  12. 26 生成AIの引き出し(軽く宣伝) 製品カット(PaaS) 製品カット(SaaS) ユースケースカット ChatGPT API Amazon Bedrock (Claude)

    Google Gemini Azure OpenAI* Copilot for M365* Gemini for GWS Box AI* Notion AI* Dashworks Perplexity 引き出しはたくさんあるので、ブース・懇親会でお話しましょう!! ✓ サポート補助AI ✓ 議事録AI ✓ セキュリティチェックシ ート記入AI ✓ 黒塗りAI(開示請求 ✓ 社内規定AI ✓ 視覚障害者向け読み上げ 音声作成AI ✓ ラベリングAI ✓ AI×OCR