AIエージェントを現場に導入する目線とは

2024/7/18 応用機械学習と人工知能セミナー: AIエージェント
https://tokyoai.connpass.com/event/324085/

Transcript

1. AIエージェントを現場に導入する目線とは 株式会社ジェネラティブエージェンツ 西見 公宏 Tokyo AI 応用機械学習と人工知能セミナー: AIエージェント Generative Agents, Inc. / Masahiro Nishimi
2. 西見 公宏（にしみ まさひろ） 株式会社ジェネラティブエージェンツ代表 #アジャイル開発 #生成AI #顧問CTO #新規事業IT #中学生からプログラマ #富士山の麓に移住 生誕〜／ゲーム開発 1983年 兵庫生まれ／東京育ち 中学生時代からプログラミング に親しみ、CGIによるWebサー ビス開発やDirectXを利用した 同人ゲーム開発などを行う。初 めて触ったのはC言語。 起業／Web制作 2001年頃からWebデザイナー として活動開始 法人向けWebサイトの受託制 作からスタートし、法人向け CMS、デザインテンプレート の開発／提供を行う。 就職／大規模開発 顧問CTO／サービス開発 現在／生成AI 2008年〜TIS株式会社 財務会計領域を中心にERPコン サルタントとして従事。金融か ら製造業まで経験。大規模デー タから会計仕訳を自動生成する 仕組みのソリューション化。 2011年〜株式会社ソニックガーデン 設立期に1人目社員としてジョイ ン。顧問CTOとして企画から開発ま で従事。アジャイル開発特化。2015 年に取締役就任。年間100件以上の 新規事業相談に対応、PJ立ち上げ。 2024年〜株式会社ジェネラティブ エージェンツ創業：AIエージェン ト書籍の上梓をきっかけにAIエー ジェント活用事例の展開を加速す るため3人の共同創業者と共に新会 社を設立。事業拡大に奔走中。 https://my.prairie.cards/u/mah_lab #助成金メンター #講師業 2023/12/16発売！ 有限会社エッジドエッジ代表プログラマ 合同会社てにをはCTO Unicorn farm主催Startup Advisor Academy認定 山梨県地域課題解決型起業支援事業2023メンター サウナ・スパ健康アドバイザー #専門誌連載 #書籍執筆 ▼MBTI 　ENFP（外向、直観、感情、知覚的態度） ▼ストレングスファインダー 　最上志向、収集性、戦略性、未来志向、適応性 ▼趣味 　サウナ、焚き火、子どもと遊ぶこと、安い店で飲むこと マイパーソナリティ #Ruby #子ども3人 #イヌ
3. 会社名 株式会社ジェネラティブエージェンツ （英文：Generative Agents, Inc.） 所在地 東京都港区 ※ 全社員リモート勤務 役員構成 CEO 西見 公宏 COO 吉田 真吾 CTO 大嶋 勇樹 設立年月 2024年3月14日 事業内容 AIエージェントによるBPaaSの提供／生成AIを活用したソフ トウェア開発／技術顧問、 AIエージェントに関わるコミュニ ティ運営、法人向けコンサルティング AIエージェントによる BPaaSの提供 複雑な業務管理を自律的におこなう LLMエージェントサービスを提供しま す。独自のワークフローエンジンと複数プロフィールを設定したマルチエー ジェントシステムが御社のワークフォースとして業務を遂行します。 生成AIを活用したソフトウェア開発支援 AIエージェントの開発技術をコアに、生成 AIを活用したソフトウェア開発を レンタルCAIO（最高AI責任者）として支援します。 株式会社ジェネラティブエージェンツ - 会社概要 AIエージェントが「ハブ」となり 人間とAIエージェントの協働が 当たり前になる世界を実現する
4. 代表取締役CEO / Founder 西見 公宏 Masahiro Nishimi 事業会社の顧問CTOとして活動するソフトウェア開発のスペシャリス ト。AIエージェントを経営に導入することにより、あらゆる業種業態の 生産性を高めるための活動に尽力している。 「その仕事、AIエージェントがやっておきました。――ChatGPTの次に 来る自律型AI革命」（技術評論社）単著、Software Design「実践LLMア プリケーション開発」（技術評論社）連載。 主な著書 『その仕事、AIエージェントがやっておきました』 取締役COO / Co-founder 吉田 真吾 Shingo Yoshida AWS Serverless Heroとして日本におけるサーバーレスの普及を促進。 「ChatGPT/LangChainによるチャットシステム構築［実践］入門」（技 術評論社）共著、「Azure OpenAI ServiceではじめるChatGPT/LLMシス テム構築入門」（技術評論社）共著、「AWSによるサーバーレスアーキ テクチャ」（翔泳社）監修、「サーバーレスシングルページアプリケー ション」（オライリー）監訳、「AWSエキスパート養成読本」（技術評 論社）共著。ChatGPT Community（JP）主催 主な著書 『ChatGPT/LangChainによるチャットシステム構築［実践］入門』 『Azure OpenAI ServiceではじめるChatGPT/LLMシステム構築入門 　エンジニア選書』 取締役CTO / Co-founder 大嶋 勇樹 Yuki Oshima 大規模言語モデルを組み込んだアプリケーションやAIエージェントの開 発を実施。 個人ではエンジニア向けの勉強会開催や教材作成など。オンラインコー スUdemyではベストセラー講座多数。 「ChatGPT/LangChainによるチャットシステム構築［実践］入門」（技 術評論社）共著。勉強会コミュニティStudyCo運営。 主な著書 『ChatGPT/LangChainによるチャットシステム構築 ［実践］入門』 運営メンバー
5. AIエージェントとは？
6. https://www.deeplearning.ai/the-batch/issue-253/
7. 人がいちいち指示をしなくとも、 自分でやることを考えて、 様々なツールを活用して 目標に向かってタスクをこなしていく AIの仕組みのこと AIエージェントとは？
8. エージェント AIエージェント LLMベースの AIエージェント （LLMエージェント） 自律的に動作し目的達成を目指すソフトウェアの総称。ルールベースのエキ スパートシステムから、AIを活用する高度なエージェントまで幅広く含む。 機械学習アルゴリズムを用いて訓練されたモデルを活用するエージェント。 教師あり学習や強化学習などの手法により、パターン認識や意思決定を行 う。適応性と汎用性に優れる。 大規模言語モデル(LLM)を活用し、自然言語処理を高精度で行う最先端のAIエー ジェント。大量のテキストデータを用いた自己教師あり学習により、言語に関 する広範な知識を獲得し、複雑なタスクを処理できる。LLMの登場により、言 語に関わる幅広い分野でAIエージェントの性能が飛躍的に向上している。 ※エキスパートシステム: 特定分野の専門知識をルールベースで表現し、推論を行うシステム。 ※教師あり学習: 入力データとそれに対応する正解ラベルを用いてモデルを訓練する機械学習の手法。 ※自己教師あり学習: ラベル付けされていない大量のデータを用いて、モデル自身が入力データの一部をマスクし、マ スクされた部分を予測することで、言語の構造や文脈を学習する手法。正解ラベルを明示的に必要としない。 LLMエージェントの位置付け
9. 現場に導入する目線とは？
10. 生成AI 生成AI プロンプト プロンプト AIエージェント 生成AI活用 ユーザーは「プロンプト」（生成AIへの入力文）を用いて生成AIに指示を出し、望みの結果を得る。 AIエージェントの活用 ユーザーがAIエージェントに依頼を出すと、AI自身がプロンプトを生成して望みの結果を得られるように動作する。 生成AI活用とAIエージェント活用はどのように違うのか？
11. 個性（Profile） 記憶（Memory） 計画（Planning） 行動（Action） 担当するタスクにおける役割 AIエージェントとしての性格 文脈を捉えるための短期記憶 教訓を活かすための長期記憶 タスク実行のためのタスクばらし 結果や教訓からの再プランニング タスク実行のための具体的な行動 コード生成、画像生成、検索など AIエージェントを構成する4つの要素
12. 内部向け 外部向け 創造的タスク 定型的タスク 意思決定支援 新規事業アイディエーション ペルソナによる製品シミュ 成果物生成 提案書作成／報告書作成 マーケットリサーチ 業務アシスタント 日程調整や資料検索 内部向け資料生成 カスタマー コミュニケーション タレント人格の チャットボット化 AIエージェントのニーズの目線
13. 成果物生成 Ai Workforce（LayerX） https://prtimes.jp/main/html/rd/p/000000336.000036528.html インターネットリサーチ（Ottogrid by Cognosys） https://ottogrid.ai/
14. カスタマーコミュニケーション 茨城県公認VTuberをAI化した「AI茨ひより」がニコニコ超会議 2024茨城県ブースに登場 https://panora.tokyo/archives/84380 長野県中野市の公認VTuber「信州なかの」がAI音声対話アバ ターを活用してAI化 https://panora.tokyo/archives/86116
15. 意思決定支援（シミュレーション） AI for Imagination（博報堂） https://www.hakuhodo.co.jp/news/newsrelease/109174/ 生成AIを活用した新規事業開発（リブ・コンサルティング） https://www.libcon.co.jp/solution/ai/generative-ai-newbizdev/
16. 業務アシスタント 汎用AIアシスタント（Copilot Studio / Microsoft） https://www.microsoft.com/ja-jp/microsoft-copilot/microsoft-c opilot-studio 営業支援ツール（aomni） https://www.aomni.com/
17. AIエージェントに求められるケイパビリティ
18. Environment（環境） Perception（知覚） Brain（思考） Action（行動） ビジネス環境におけるデータ を知覚できるか？ LLMによって思考しやすい データ形式になっているか？ ビジネス環境に適したデータ に変換できるか？ ビジネス環境に対して、AIエージェントがどうワークできるか？
19. Environment（環境） Perception（知覚） Brain（思考） Action（行動） ビジネス環境におけるデータ を知覚できるか？ LLMによって思考しやすい データ形式になっているか？ ビジネス環境に適したデータ に変換できるか？ ビジネス環境に対して、AIエージェントがどうワークできるか？ 日本の業務現場特有の ファイルデータの解釈が できない （全角のあとに半角スペース、セル 結合だらけのExcel。。）
20. Environment（環境） Perception（知覚） Brain（思考） Action（行動） ビジネス環境におけるデータ を知覚できるか？ LLMによって思考しやすい データ形式になっているか？ ビジネス環境に適したデータ に変換できるか？ ビジネス環境に対して、AIエージェントがどうワークできるか？ 成果物として通用するフォー マットで出力して欲しい （マークダウンは求めていない）
21. エージェントのケイパビリティのレバレッジポイントはどこにあるのか？ 生成AIによって変化する ビジネスモデルについて レポートして ユーザー AIエージェント プログラムコードの生成／実行 インターネットや データベースからの情報収集 大規模言語モデルによる思考 ファイルの読み込み／書き出し アウトプットとなる 成果物 生成AIによって変化する ビジネスモデルは以下の 通りです...
22. コードの生成？ Open Interpreter、OpenAI Advanced Analysisのアプローチ ユーザーの要求に対し、オンデマンドでコード を生成・実行することでエージェントのケイパ ビリティを拡張するアプローチ。 生成されたコードのサンドボックス実行を支援 するサービスも増えてきている。 https://e2b.dev/ https://www.openinterpreter.com/
23. Liu, Y., Lo, S. K., Lu, Q., Zhu, L., Zhao, D., Xu, X., ... & Whittle, J. (2024). Agent Design Pattern Catalogue: A Collection of Architectural Patterns for Foundation Model Based Agents. arXiv preprint arXiv:2405.10467. いかにエージェント向けのツールを整備するかがイシュー ツール/エージェントレジストリパターン Zapier Webhooksによるエージェントとの接続
24. 人間が様々なソフトウェアを駆使して 仕事を進めていく AIが様々なソフトウェアを駆使して 仕事を進めていく 人間中心設計からAI中心設計へ？ 人間がソフトウェアを使うのではなく、 AIがソフトウェアを扱う世界へのパラダイムシフト
25. （参考）チャットボット、エージェント型システム、ソフトウェアシステムの棲み分け 柔軟性 確実性 ユースケース チャットボット 高 低 不定型な業務の叩き台を作成する目的で使用する （例：メール文例作成、提案書アイデア生成） エージェント型 高 中 多様な業務処理を繋ぐハブとして使用する 要件の定まっていないタスクをAIと協力して進める ソフトウェアシステム 低 高 定まった要件を確実に実行するために使用する
26. まとめ • AIエージェントの業務応用ニーズとして「成果物生成」「カスタマー コミュニケーション」「意思決定支援」「業務アシスタント」がある • 業務AIエージェントは業務環境の情報を知覚できなければならない • 業務環境は多岐に渡るサービス間連携や商習慣に基づく独自のファイ ル構造によって構成されるため、これらの情報をいかにLLMが咀嚼で きる状態に変換するかが業務AIエージェント活用のイシューになる ◦ Microsoftなどのプラットフォーマーが有利なポイントがここ • コード生成能力を活かすことも重要だが、そもそもAIエージェントが 活用できるツールのバリエーションが増えることが重要になる
27. ご清聴ありがとうございました