Upgrade to Pro — share decks privately, control downloads, hide ads and more …

100 以上の生成 AI 事例に見るビジネスインパクト創出の方程式

Takahiro Kubo
August 12, 2024

100 以上の生成 AI 事例に見るビジネスインパクト創出の方程式

100 以上の AWS の生成 AI 本番活用事例から見えてきた効果的なユースケースと、事例を創出したお客様の共通点をまとめた資料です。以下のようなシチュエーションでお使いください

①自社での効果的なユースケースを特定したい
②継続的に生成AIを活用できるチームやプロジェクトをキックオフしたい
③ AWS のサービス以外の支援メニューを知りたい

スライド中で紹介しているプログラムのリンクはこちらです。

ML Enablement Workshop
https://github.com/aws-samples/aws-ml-enablement-workshop

EC 業界向けデモの紹介
https://aws.amazon.com/jp/blogs/news/aws-summit-2024-retail-cpg-ec-genai-bedrock-demo-architecture/

生成 AI の社内活用ポータルを数コマンドでデプロイできる実装
Generative AI Use Cases JP
https://github.com/aws-samples/generative-ai-use-cases-jp
Bedrock Claude Chat
https://github.com/aws-samples/bedrock-claude-chat

経営層向けコンテンツ・プログラム
https://aws.amazon.com/jp/executive-insights/
https://aws.amazon.com/jp/executive-insights/ebc-executive-briefing-center/

Takahiro Kubo

August 12, 2024
Tweet

More Decks by Takahiro Kubo

Other Decks in Business

Transcript

  1. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 100 以上の生成 AI 事例に見る ビジネスインパクト創出の方程式
  2. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 2024 年、生成 AI は「試用」から「実用」へ 本番業務やサービスで生成 AI を使用されて いる AWS のお客様は 100 を超える
  3. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 本日のゴール 100 以上の国内、 Amazon を含む海外の生成 AI 事例 から生成 AI 、新技術を組織で活かす方程式を理解する。 5
  4. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 本日のゴール 100 以上の国内、 Amazon を含む海外の生成 AI 事例 から生成 AI 、新技術を組織で活かす方程式を理解する。 6 生成 AI が技術進化の終着点では ないので「生成 AI だけ」 活かせても次に対応できない
  5. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 7 技術の破壊的進化は幾度となく世界を変えてきた Mobile Cloud Social Video eCommerce 3D&I AI Web
  6. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 過去の技術的進化を活用できている企業は、 その後の変化も活かせる傾向がある 8 生成 AI の導入 クラウドネイティブ の導入 導入していない 検討中 試行している 導入している 総計 導入していない 94 30 41 25 190 検討中 10 24 29 6 69 試行している 16 8 46 22 92 導入している 15 22 81 89 207 総計 135 84 197 142 558 IPA 「 2023 年度ソフトウェア開発に関するアンケート調査」の結果をクロス集計し作成 クラウドが活用できている企業は生成 AI も 活用できている傾向がある ( その逆も言える )
  7. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 疑問 生成AI「が」活用できないのか、 生成AI 「も」活用できないのか ? 9
  8. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 疑問 活用できている企業の共通点 =方程式はあるか ? 10
  9. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 本日のポイント 生成 AI 活用事例やユースケースの紹介にとどまらず、 裏側にある「新技術を取り入れる組織的な仕組み」 まで深堀してお伝えします。 発表中の質問に回答することで「組織的な仕組み」が どの程度できているか点検し、改善に役立てることが できます。 11
  10. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 1. 100 以上の国内事例に見る、 6 つのハイインパクトな生成 AI ユースケース 2. 生成 AI 活用企業に見る、 ビジネスインパクト創出の方程式 3. AWS のプログラムに見る、 具体的な取り組みの進め方 Agenda 12
  11. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 1. 100 以上の国内事例に見る、 6 つのハイインパクトな生成 AI ユースケース 2. 生成 AI 活用企業に見る、 ビジネスインパクト創出の方程式 3. AWS のプログラムに見る、 具体的な取り組みの進め方 Agenda 13
  12. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 質問①の予告 今から AWS の生成 AI 事例をもとに整理したハイインパクトなユース ケースの類型をご紹介します。 どれが自社にとって最もインパクトが高いか、後で質問するので回答で きるよう聞いてください。 14
  13. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. ハイインパクトなユースケースの類型 15 対応スキル底上げ 営業支援 コンテンツ審査 データ読み取り 検索性向上 コンテンツ作成 請求書や決算書等の帳票や議事 録音声などをテキスト・データ 化し人力での変換を効率化する 製品知識や業務知識、経験知を 問い合わせ可能な知識ベースに 登録しておき未熟練者でも高度 な対応を可能にする 提案機会の特定、商談内容の分 析、営業日報の作成や解析など 営業の機会創出と学びを深める ことで商談数と成約数を伸ばす 作成した文書や画像が社内規定 やサービス規約に違反していな いかなど審査業務を効率化する 商品の説明文の生成やユーザー 入力クエリを拡張することで ユーザーとのエンゲージメント 数を向上させる 商品の背景生成や顧客イメージ の具体化により、未熟練者でも 営業商材の作成を可能にする ※この後のスライドでは、お客様の「株式会社」表記は省略させて頂いています
  14. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 01. データ読み取り 16 主にバックオフィスで行わ れる請求書や仕様書の読み 取り、コールセンターの音 声記録など、データの読み 取りや記録にかかる工数が 課題な場合に 様々な媒体からのデータ抽出を 40~90% 効率化できる ナウキャスト (PDF) 手作業で行っていた決算短信データ (PDF) からの財務データ抽出手作業 に生成 AI を適用。日本の上場株式約 100 銘柄で検証した結果、 90% 以上の精度で財務データを抽出に成功。作業時間も最大 90% 短縮。 第一興商 (音声) 1 日 300 件近いコールセンターへの問い合わせの文字起こしに音声認識 サービス (Transcribe) と生成 AI を活用。AWS 未経験で入社 1 か月の 新人が約 3 週間で検証を実施し、約 9 割は基準を満たす良好な結果。 AI inside (PDF) 帳票の OCR をするためモデルを開発するには 2000 万円と 1 か月以上 の時間が必要だった。生成 AI 適用により対応が容易になり 7 年間で 13 種類だった非定型帳票プリセットが 3 ヵ月で 1000 種類を超えた。 三井物産 ( PDF ・メール ) 100 ページを超える入札仕様書や営業のメールからの情報抽出に生成 AI を適用し、 1 件あたり作業時間が 40~70% 短縮。
  15. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. ナウキャスト様の決算短信からの情報抽出例 17 TDnet から取得した ファイルからデータを 抽出、オペレーターが 確認できる簡易なアプ リケーションを構成 株式会社ナウキャスト様の AWS 生成 AI 事例:決算短信データ抽出業務における LLM 業務適用 https://aws.amazon.com/jp/blogs/news/gen-ai-usecase-nowcast/
  16. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 三井物産様の入札書仕様書からの情報抽出例 18 課題: 海外事業での入札の場合、 入札仕様書が英語記載の ため担当者が理解するの に熟練者でも 30 ~ 40 時 間がかかる 解決策: 小規模のモデルで関係す る記載を抽出したのち、 データベースに格納でき る項目に分割するために 生成 AI (Jurassic-2 Ultra) を使用 解析時間を 70% 短縮 【寄稿】 入札書解析の完全自動化を目指す三井物産の取組み https://aws.amazon.com/jp/blogs/news/contribution-mitsui-tender-document-analyzer/
  17. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 02. 対応スキル底上げ 19 コールセンターや営業等で 顧客応対にあたり製品知識 や業務知識が必要で、未熟 練者の育成と対応補助に課 題がある場合に 専門知識に基づく応対を 50~90% の精度で実現 日本製鋼所 ( 営業応対 ) 樹脂機械向けの消耗部品の受注に伴う顧客応対に生成 AI を適用。営業が 問合せ内容を転記して検索・回答案を参照でき、専門知識が必要な質問 に対し 80% 以上の精度であることを確認。構築期間はわずか 2 ヵ月。 JDSC ( 調査回答 ) 契約書、技術情報、規制情報、 FAQ やメール等、様々な情報からなる約 1 万の専門性の高いドキュメントの横断的検索と回答に生成 AI を適用。 15 年以上の経験者が 1 時間かけていた回答を 3 年目でも 1~2 分へ短縮。 日立製作所 ( システム障害対応 ) 統合システム運用監視ソリューション JP1 に検知した IT システム障害 に対し管理画面から対処方法を問い合わせできるように。マニュアルに 基づく回答生成で 9 割以上のアラートで正しい回答ができることを確認。 サイバーエージェント ( 開発支援 ) セキュリティに関する 60~80 件/月の問い合わせ回答を行うチームで、 専門領域の属人化が課題に。回答に生成 AI を適用し半数近くは専門外で も回答可能に。
  18. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 日本製鋼所様の製品情報ファイルからの回答生成 製品情報ファイル ( ニュースレター ) 20 株式会社日本製鋼所様の AWS 生成 AI 事例「Amazon Bedrock と Amazon Kendra による樹脂機械向けの社内文章検索 & 要約システムを早期開発」のご紹介 https://aws.amazon.com/jp/blogs/news/genai-case-study-jsw/ 回答結果 ( 80% 以上 )
  19. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 03. 営業支援 21 営業において販売状況や市 況、また商談内容から提案 機会の発見や商談の改善に 課題がある場合に 情報抽出・商談要約作業を 30~70% 近く削減 エフピコ ( 情報抽出 ) 1 日 580 件作成される営業日報の解析に多大な時間がかかるところ、若 手 4 名が 1 か月で日報作成補助、分析アプリケーションを開発。日報分 析にかかる時間を月 700 時間以上削減。 丸紅 ( 営業支援 ) 社内の膨大な情報リソースの所在が不明で、営業活動に活用されない課 題があり、生成 AI による検索及び問合せ機能を若手社員 2~3 名がおよそ 1 カ月間で内製。各業務で 25~65% 程度の時間削減効果を確認。 Poetics ( 商談解析 / 営業支援システム入力効率化 ) オンライン会議の録画・解析・整理を行う JamRoll で商談要約機能を 2 人のエンジニアが 1 ヶ月ほどで実装。毎月数十万件の商談を自動要約、 営業支援情報システムへの自動入力も併せ商談後の作業工数を 70% 削減。
  20. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 04. コンテンツ審査 22 品質管理や監査部門等で、 規定されたガイドラインに 基づき公開前コンテンツ等 の確認を行う作業について、 チェック品質とスピードの バランスに課題がある場合 社内規定やガイドラインに基づくチェックを効率化 FleGrowth ( 監査対応トレーニング ) 各事業部で年に一度 ISMS(情報セキュリティマネジメントシステム)認 証の維持審査を外部審査機関から受ける。監査では 100 以上の社内規定 を読み込む必要があり、万一回答できず指摘事項があった場合対応策の 立案と施行に膨大な時間がかかる。生成 AI により社内規定に基づく監査 の想定質問を作成することで対応時間を 90% 削減し会社全体で審査に よる指摘事項を 3 分の 1 に、指摘事項への対応にかける時間を 10 分の 1 まで削減。 野村ホールディングス ( ガイドラインに基づく審査 ) 金融商品に関する説明資料の審査が月に数百件あるが、審査には多様な 金融商品と社内外の規制・ルールを理解する社員の知見と能力が必要。 業務効率化効果の PoC を通じ、生成 AI による実現性を確認。
  21. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 05. 検索性向上 23 商品の販売やカタログ配布 を行っているお客様で、 商品を探す際の説明文やタ グ付け、また検索の柔軟性 に問題がありニーズに応じ た商品の提案に課題がある 場合に 生成 AI による検索機能の拡張で CTR を数倍~数十倍に オズビジョン ( 広告検索 ) 500 万人が会員登録するハピタスで、より意図に沿った広告検索体験を 実現するため基盤モデルを活用。生成 AI 初心者からわずか 3 ヵ月で実装、 検証を通じランニングコストの数十倍の ROI を見込んでいる。 NatWest ( メール文生成 / 監査 ) 顧客向けの金融商品の提案メールのレビュー ( コンテンツ審査 ) と作成双 方に生成 AI を活用。人間が書いたメールより 4 倍高いクリック率を実現。 note ( コンテンツ検索 ) 公開コンテンツが約 4,344 万件 (2024 年 3 月時点 ) あり、ユーザーに向 けた効率的な訴求が課題。基盤モデルによるベクトル表現を推薦とタグ 付けに活用し、推薦の A/B テストで約 20% のクリック率改善を確認。 F.F.B ( 画像タグ生成 ) ユーザーが撮影した写真を SNS へ投稿する際、キャプションとハッシュ タグの作成に 15 分程度要していた。 生成 AI の適用により作業時間を 50% 以上削減。
  22. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 06. コンテンツ作成 24 広告・マーケティング部門 あるいは営業部門等で商品 を適切かつ効果的に伝える ためのクリエイティブを作 成する人材やコストに課題 がある場合に マーケティング等のコンテンツ作成を 50%~ 効率化 パルシステム生活協同組合連合会 (with AWS Partner: CEC ) ( 画像生成 ) 広報誌・機関紙で扱う画像の手配が大きな負担。生成 AI の適用により、 社内ポスターに掲載する写真撮影に要する時間を 70% 短縮見込み。 GreenSnap ( 購入後イメージ生成 ) ユーザーが庭の画像とイングリッシュガーデン風などスタイルを入力す ると花を植えた状態の画像を生成する機能を garden AI としてサービス リリース。 Fotographer.ai ( 商品クリエイティブ生成 ) 広告クリエイティブの品質を維持しコストを削減するため商品画像等を もとにクリエイティブの自動生成機能を提供。デザイナー外注業務の内 製化だけでなく、クリエイティブ量増による SNS 投稿増を確認。
  23. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. GreenSnap 様の gardenAI 実装例 25 ガーデニングの新時代 !Amazon Bedrock で理想の庭を実現してみた https://aws.amazon.com/jp/builders-flash/202407/greensnap-genai/ 植栽を発注する際、施工業者と発注者とで完成イメージを共有すること で受発注間のトラブルを防止する。 植栽を植える領域のみ生成を行う
  24. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. ユースケースにより蓄積されるデータが 連鎖的に価値を創出する 26 データ読み取り 対応スキル底上げ 音声や画像の文書化、 非構造データの構造化 データによる応対 の支援 コンテンツ監査 蓄積した応対履歴に基 づく高精度な監査 営業支援 商品の訴求点や販売状 況等のインサイト抽出 コンテンツ作成 作成量増加による データ増 検索性向上 メタデータや説明の 付与による検索性向上 より幅広い データ、より 構造化された データが 「知識」を拡 張する 人間の応対・ 反応データに よる最適化が 高精度化、 半自動化を可 能にする
  25. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 質問① 生成 AI のハイインパクトなユースケースのうち、どれが自社にとって 最もインパクトが高いでしょうか ? 27 1. データ読み取り 2. 対応スキル底上げ 3. 営業支援 4. コンテンツ審査 5. 検索性向上 6. コンテンツ作成 余裕があれば、「次のフェーズ」に移行するために必要な ユースケースも考えてみてください。
  26. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 1. 100 以上の国内事例に見る、 6 つのハイインパクトな生成 AI ユースケース 2. 生成 AI 活用企業に見る、 ビジネスインパクト創出の方程式 3. AWS のプログラムに見る、 具体的な取り組みの進め方 Agenda 28
  27. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 質問②の予告 今から事例化している企業に見られる共通点をご紹介します。 自社でどの程度共通点を満たしているか質問しますので、回答できるよ う聞いてください。 29
  28. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 100 以上の事例にみる共通点 30 顧客起点文化 頻繁な実験 小規模なチーム ほぼすべての会社が、顧客体験はもちろん社内の 営業やカスタマーサポートの人たちの作業がどれ だけ改善されたのか効果を定量的に計測している。 2~4 名のチーム、最も小さい場合 1 名 ( 第一興商 ) で PoC を実施。エフピコ、丸紅などでは若手で チームを組成し経験を積ませている。 ほぼすべての会社が 1~3 ヵ月で本番稼働。 ISMS 監査に使用している FleGrowth でもプロト タイプは 3 ヵ月で仕上げており、この短さは基本 業界を問わない。 ※当たり前のようだがデータ利活用に取り組む企業の 50% 近くは 成果を測定していない ( DX 白書 2023 より )
  29. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 31 エフピコでは、営業担当者の日報作成・分析体験の向上 に生成 AI を活用 食品関連の包装資材・消耗品のメーカーであるエフピコ では、1 日 580 件もの営業日報が作成される。 日報には包装資材ディーラー、スーパーなどで仕入れた 最新情報などもあり会社経営、製品開発に欠かせない情 報である一方解析に多大な時間がかかっていた。 若手 4 名が AWS の開発支援プログラムを利用し 1 ヵ月 で日報作成補助、分析のアプリを開発。 会社全体で日報分析にかかる時間を月 700 時間以上削減 できている。 https://www.nikkei.com/article/DGXZQOUC291AB0Z21C23A1000000/
  30. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 32 第一興商では、AWS 未経験・入社 1 カ月の新人の方が 3 週間で 9 割は採用基準を満たす会話記録を作成 カラオケや音楽事業を手掛ける第一興商では、ヘルプ デスクへの問い合わせが 1 日約 300 件寄せられ、 12 名 体制で対応。会話内容の記録の手間と内容のばらつきが 課題。 AWS 未経験で入社 1 か月の新人の方が約 3 週間で Amazon Transcribe と Amazon Bedrock を利用し検証。 音声認識の精度が高く、モノラル音声でも話者の識別が 出来た。約 9 割は基準を満たす良好な結果となり、作業 軽減が期待できる。 第一興商の AWS 生成 AI 事例 : Amazon Bedrock によるヘルプデスク作業軽減検証
  31. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 北海道文化放送ではニュース原稿/動画の作成 フローに生成 AI 活用 毎日 FAX で届くリリース情報をもとに取材を行い 記事を作成しているが、記者の人数に限界があり スキルによる品質や時間もばらつく。 そこで、 FAX を複合機で PDF 化し、文字認識処 理し保存。取材結果を加え生成 AI でニュース原 稿を生成。編成局の担当者が、データ放送と番組 を担当するかたわらで実装。 1 回あたり 2 分、数円程度で報道記者 2~3 年目 ぐらいの品質の原稿ができるようになり、外部表 彰も受ける。他局からの視察や役員会での生成 AI 活用プロジェクトチーム承認につながる。 33 北海道文化放送、Amazon Bedrock を活用しニュース原稿/動画の作成フローを低コストで効率化。ニュース配信数の大幅増を実現
  32. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 事例化企業に見る共通点 34 エフピコ 第一興商 北海道文化放送 営業担当者の日報作成・ 分析体験に注目。 日報分析の時間を 700 時間 削減 コールセンター担当者の 会話記録体験に注目 9 割の精度で作業時間を削減 記者の記事作成体験に注目。 記事のドラフト作成時間を 2 分、数円程度で実現 新人 4 名チーム 1 人 ( 主業務のある ) 編成局の担 当者 1 ヵ月 3 週間 空いた時間で実装
  33. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. Amazon 含む海外の Tech 企業も 3 つの共通点 (=方程式 ) に当てはまる 35
  34. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. Amazon での生成 AI 活用 Amazon Alexa で 会話に特化した LLM を開発 出品者向けの 商品説明文作成補助 Amazon Ads での 商品背景画像生成 Amazon One で モデル構築に使う学習データの合成 カスタマーレビューの ハイライト要約 処方箋記載内容の 集約と構造化 https://www.aboutamazon.com/news/innovation-at-amazon/how-amazon-uses-generative-ai
  35. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 37 生成 AI の活用を支える基盤 : Amazon M5 ( ※ ) マルチモーダル マルチリンガル マルチロケール マルチタスク マルチ エンティティ Amazon で扱うデータで学習された 5 つの M を特徴とする基盤モデル Multi-modal Multi-lingual Multi-locale Multi-task Multi-entity ※ Amazon Search の M5 というチームが M5 のモデルを開発してるよう Amazon M5 Team について https://aws.amazon.com/solutions/case-studies/amazon-search-ml-case-study/ Amazon M5 のモデルについて https://www.youtube.com/watch?v=jrFvOYG6T_s
  36. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 38 Amazon M5 のビジネスインパクト 500 のアプリケーション で利用されている 50 件以上のお客様 による実利用 130 超のアプリケーション が SOTA ( 最先端の性能 ) に到達
  37. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. Amazon でのプロダクト開発の方程式 • 顧客体験から考える : 最初にプレスリリースを書くことで、お客様に必要としな いものを作らない Working Backwards のプロセス • 小規模チーム : ピザ 2 枚チーム (10 名未満 ) の小規模チームで活動 • 頻繁な実験 : Amazon M5 では毎月 10,000 件以上の実験を行う 39
  38. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 著作権問題の解消 クリエイターの理想を実現 する業界初の挑戦 機能統合 創作のワークフローに生成 AI をシームレスに統合 カスタマイズ可能 会社独自の IP やブランドで 学習しアウトプットを調整 品質と安全性 プロレベルの品質と商用利 用に不可欠な安全性を両立 スピードと俊敏性 市場の要求に迅速かつ俊敏 に対応するコンテンツ出力 生成 AI を 創造的編集機能へ ADOBE FIREFLY 3 つの基盤モデルをウェブ アプリケーションで世界中の ユーザーに提供 ADOBE EXPRESS テキスト生成や効果の 機能を世界中のユーザーに提供 ADOBE CREATIVE CLOUD Illustrator や Photoshop で生成 AI 機能をプロ向けに提供 ADOBE GENSTUDIO Firefly のカスタマイズ機能 をエンタープライズ企業向 けに提供 Adobe Firefly
  39. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 41 安全かつ商用利用可能な、世界で最も先進的 かつ人気のあるモデル Photoshop の生成塗りつぶし機能は一般的な機能に 比べて 10 倍 以上の使用率 クリエイティブ制作のワークフローに統合 5PB に登る Adobe Stock のアセット、オープンなラ イセンス、パブリックドメインのコンテンツで学習 されたプロレベルの品質 生成されたコンテンツに対する自動的なクレデン シャルの付与による透明性の担保 40 億 を超える画像が Adobe Firefly で生成 された ( 2 0 2 3 年 3 月 よ り )
  40. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. Adobe でのプロダクト開発の方程式 Adobe の機械学習エンジニアチームのマネージャーである Rebecca Li によると、 Firefly の開発は次のように始まり、発展した。 1. より良い体験の追求 : 2016 年から AI による顧客体験改善に取り組む 2. 小規模チーム : 2023 年から数十人の研究開発チームで自社独自の基盤モデルの 開発を開始。数か月でエンジニアも加え 100 名体制へ 3. 頻繁な実験 : リリースされている数個の機能の裏側で数十機能を検証。機械学習 モデルのデプロイは 1 年間に 300 回、ほぼ毎日実行 42 ヒューストン大学で行われた “Education Innovation & Technology” での基調講演を参照
  41. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. Pinterest : 1 EB のデータレイクの分析 UI に テキストからの SQL 生成やテーブル検索機能を統合 Quality Data Producers データ利用者 エンジニア データサイエン ティスト プロダクト マネージャー 経営層 スキーマ定義 / メトリクス SQL 実行 エンジン データ管理者 200+ tier 1 10+K tier 2 100+K tier 3 Text to SQL Table Search Table Description Amazon Amazon S3 ~1EB データレイク 分析 UI
  42. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 44 得られた効果: クエリによるデータ抽出や変換を 効率化し分析時間を 40 % 短縮 Analytical problem Previously Data discovery ETL/data creation Insights generation Now Analytical problem Data discovery Insights generation 40% 時間削減
  43. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. Pinterest でのプロダクト開発の方程式 1. 毎日の分析体験の追求 : 様々なアイデアを簡単に分析できるように 2. 小規模チーム : 2 人のエンジニアがパートタイムで 2 ヵ月で構築 3. 頻繁な実験 : プロトタイプを継続的かつ頻繁に改善: 1. プロンプトから直接生成するバージョン 2. RAG によるテーブル選択機能を組み込み 45 分析ツール Querybook はオープンソースとして公 開されており、AI アシスタントの機能も実装済み。 コミュニティからのフィードバックも取り入れ頻繁 に改善。
  44. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 国内、海外 Tech 企業を見た通り、 企業規模の大小、また業種を問わず この方程式は概ね成立する 46
  45. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 何が活用できる企業とできない企業を分けるのか ? 新技術を積極的に活用する文化や人材 (People) 、小規模なチームで頻繁な改善を行 う Process が整っていること。表面的なユースケース ( Technology ) だけ真似ても、 その先の技術をサービスや業務に活かすことはできない。 47 Technology Process People
  46. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 質問② 質問①で選択したユースケースを基に、自社で「新技術を取り入れる組 織的な仕組み」をどれだけ満たしているか回答してください。 48 ・顧客起点文化 質問①で選択したユースケースの対象である顧客の課題を ヒアリングする、解決の度合いを共に測れる関係性があるか ・小規模なチーム 質問①のユースケースを本番導入・リリースするのに何人の チームメンバー、関係者が関与するか ・頻繁な実験 質問①を本番導入・リリースするのにかかる時間は どの程度か
  47. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 1. 100 以上の国内事例に見る、 6 つのハイインパクトな生成 AI ユースケース 2. 生成 AI 活用企業に見る、 ビジネスインパクト創出の方程式 3. AWS のプログラムに見る、 具体的な取り組みの進め方 Agenda 49
  48. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 質問③の予告 今から、生成 AI の活用を推進するための AWS のプログラムやワーク ショップをご紹介します。 自社の顧客起点文化、小規模なチーム、頻繁な実験の現状を改善するた めに最も役立ちそうな支援を質問しますので、回答できるようお聞きく ださい。 50
  49. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 基本方針 : ハイインパクトなユースケースを 組織変革のテコに 簡単に始められる Technology である生成 AI はこれまでの技術に比べ扱いが容易。 成功しやすいハイインパクトなユースケースを選択し、今後の変革を担う小規模か つ頻繁な改善ができるチームに託すことで組織変革を進める。 51 短期間での成功体験 を積ませることで 社内での浸透の弾み をつける Technology Process People
  50. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 🤝チームの組成に重点 : ML Enablement Workshop 52 生成 AI を含めた AI/ML 技術を、プロダクトの成長に繋げられるチームを組成する ためのワークショップ。 Amazon のプロダクト開発プロセスを実践 Working Backwards, 顧客の最終的な体験から逆算して発案 することで顧客に必要とされない機能を作らない。 組織の壁を越えた連携を実践 ワークショップ後の自走を実践 プロダクトマネージャー、開発者、データサイエンティストなど 異なる職種が連携し 1~3 カ月で成果を得る計画を立てる。 組成したチーム自身による会議体運営をワークショップ内 で実践し、自走のイメージを獲得する。 AI/ML の お試し 継続的 成長 資料は 一般公開済
  51. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 株式会社ココペリ様 “ワークショップでの顧客体験分析を通じ、もっとも インパクトがある生成AIの用途を特定しタスクと効果測定 KPI を決められた” 活用いただいたお客様の事例 53 株式会社マネーフォワード様 “ワークショップによりプロダ クトマネージャー、開発者、研 究開発者共同でワークショップ を行った結果、機械学習の推進 に不可欠なロール間のコミュニ ケーションが生まれた。” 株式会社ジーニー様 “ワークショップの刺激的な体験 を通じ、明確なアクションだけ でなく良質な検討フレームワー クを持ち帰ることができた” 三菱UFJ銀行様 “机上で考えるだけではない、 実際にプロダクトを作るために 進める実践的なワークショップ で、全3回を経験して新しい思 考回路に出会えた”
  52. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 🚀 迅速な本番実装に重点 : AWS の生成 AI 活用開始プログラムの例 54 Amazon の顧客志向に基づき、お客様が生成 AI を活用する際の課題を徹底的に解決 ①有効なユースケース を特定できない ②実装能力・経験に 不安がある ③検証中のコストに 不安がある 2024 年から 5 社に提供、うち 1 社は 3 ヶ月 で公開事例に、続いて 2 社も事例化 Amazon をはじめ EC 領域で生成 AI を活用し効果を出している 企業の事例セッションを開催。事例で活用されたユースケース から、自社の課題に基づき最もインパクトの高いユースケース を選択する「ユースケース確定ワークショップ」を実施。 ユースケースに特化した動かせるデモプログラムを提供。 すぐに効果を試せるだけでなく、自社用途に合わせてカスタマ イズする方法を学ぶ Prototyping Camp を提供。 3 ヵ月以内の本番稼働を条件に AWS のクレジットを提供。 また、プロトタイピングチームによる無償の開発支援を提供。 ※本プログラムは窓口のある常設プログラムではありません。提供状況は AWS 担当にご確認ください
  53. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 生成 AI のユースケースがすぐに試せるサンプル を公開 : 導入にかかる時間は 10 分前後 55 https://github.com/aws-samples/bedrock-claude-chat/tree/v1 https://github.com/aws-samples/generative-ai-use-cases-jp Generative AI Use Cases JP Bedrock Claude Chat
  54. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 一歩踏み込んだ業界特化のデモにより高速な プロトタイピングを実現 https://aws.amazon.com/jp/blogs/news/aws-summit- 2024-retail-cpg-ec-genai-bedrock-demo-architecture/ EC 業界向け 製薬業界向け 物流業界向け https://aws.amazon.com/jp/blogs/news/aws- summit-japan-2024-hcls-booth/ https://aws.amazon.com/jp/blogs/news/aws- summit-japan-2024-awsvillage-logistics- industry/ 商品の背景画像生成等 横断的な先行研究の 調査・可視化等 在庫状況に応じた質問 回答等
  55. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 🍵 顧客起点文化に重点 : Amazon 流のプロダクト作りを伝えるプログラム AWS Executive Insights で Amazon の継続的にイノベーションを起こす手法を発信。 AWS Executive Briefing Center (EBC) を活用し個別課題について具体的に話すこと も可能。 57 https://aws.amazon.com/jp/executive-insights/ebc-executive-briefing-center/ https://aws.amazon.com/jp/executive-insights/
  56. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 質問③ 自社の顧客起点文化、小規模なチーム、頻繁な実験の現状を改善するた めに最も役立ちそうな AWS の支援は ? 58 1. 小規模チームの組成を重視する「 ML Enablement Workshop 」 2. 短期間でのリリースで頻繁な実験を重視する「生成 AI 活用開始プログラム」 3. 顧客起点の文化を醸成する 「 AWS Executive Briefing Center (EBC) 」
  57. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 3 つの質問の答えをまとめ、推進シナリオを作る 60 有効なユースケース 組織の状況 推進シナリオ 0 1 2 3 4 0 1 2 3 顧客起点 小規模 チーム 頻繁な改善 どんな部門 / 顧客の どんなユースケースに 注力するか ? どんなチームが どんなプロセスで実施す べきか ? 成果を短期間で積み上げ 弾みをつけるために、 AWS のプログラムはどう 活用できるか ? 1: Low, 2: Middle, 3: High インパクト 1: Low, 2: Middle, 3: High リスク
  58. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 推進シナリオの進め方 61 推進シナリオ作成 ユースケース選定 People/Process の 改革施策 AI CoE 等全社推進 部門に提案 導入にとどまらない 会社レベルでの組織 変革戦略を合意 生成 AI 活用基盤 構築 生成 AI のリテラシー 向上等を図る社内 Enablement など実施 個別業務への最適化 各部門の業務に応じ、 データの充足や カスタマイズを実施 外部サービスでの活用 差別化につながるユース ケースの特定、継続的な モデルの改善 AWS 生成 AI 事例集 EBC, (MLEW) 3 ヵ月 以内の 成果 生成 AI 実用化推進プログラムで資金負担軽減 GenU 3 ヵ月 以内の 成果 業界特化サンプル MLEW, 活用開始プログラム
  59. © 2024, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 手軽に使える生成 AI は組織変革の良いタイミング 将来の、さらなる破壊的技術進化に備えよう 62