Tweet
Tweet

Slide 1

Slide 1 text

© 2023, Amazon Web Services, Inc. or its affiliates. © 2023, Amazon Web Services, Inc. or its affiliates. ML Enablement Workshop : 特別編 プロダクトへの生成系 AI 活用方法を アイディエーションする会 久保 隆宏 Developer Relation Machine Learning

Slide 2

Slide 2 text

© 2023, Amazon Web Services, Inc. or its affiliates. 本イベントのゴール 2 生成系 AI をプロダクトの成長に活かせる アイデアが出せるようになる！ 資料は ML Enablement Workshop 理解編を抜粋して作成しています。

Slide 3

Slide 3 text

© 2023, Amazon Web Services, Inc. or its affiliates. 3 自己紹介 アマゾン ウェブ サービス ジャパン合同会社 Machine Learning Developer Relations 久保隆宏 (Kubo Takahiro) ミッション 「機械学習を実用するなら AWS 」という認知を拡大すること。 10 年以上の業務コンサルタント経験、研究開発していたテーマをプロダクトとして リリースした経験、 ML Enablement Workshop 実施経験をもとにお話しします。

Slide 4

Slide 4 text

© 2023, Amazon Web Services, Inc. or its affiliates. © 2023, Amazon Web Services, Inc. or its affiliates. 1. 生成系 AI 活用のポイント 2. アイデアのアウトプット 3. アイデアの検証 4 20min 30min 40min

Slide 5

Slide 5 text

© 2023, Amazon Web Services, Inc. or its affiliates. 参加者の事項紹介タイム！ • お名前 • 所属 • 本ワークショップに参加した理由 • 実践している気分転換の方法 5

Slide 6

Slide 6 text

© 2023, Amazon Web Services, Inc. or its affiliates. © 2023, Amazon Web Services, Inc. or its affiliates. 1. 生成系 AI 活用のポイント 2. アイデアのアウトプット 3. アイデアの検証 6

Slide 7

Slide 7 text

© 2023, Amazon Web Services, Inc. or its affiliates. 7 機械学習と生成系 AI は同じ技術である と知っている方 ?

Slide 8

Slide 8 text

© 2023, Amazon Web Services, Inc. or its affiliates. 生成系 AI は機械学習、深層学習の用途の一つ。 人工知能 (Artificial Intelligence, AI) 人間の知的判断をコンピュータ上で実現するための技術全般 （ロジック、if-then文、機械学習（深層学習を含む）） 機械学習 (Machine Learning, ML) AIの一種であり、知的モデルを構築するためにデータの中の傾向を学習する技術 深層学習 (Deep Learning, DL) MLの一種であり、音声・画像認識などのタスクを深い複数レイヤー 構造のニューラルネットワークで実現する技術 生成系AI (Generative AI) テラバイト規模のデータで数千億規模のパラメーターのモデルを学 習することで、追加学習なしに人間のような生成を実現する技術。 8

Slide 9

Slide 9 text

© 2023, Amazon Web Services, Inc. or its affiliates. 生成系 AI がこれまでの機械学習と異なる点 追加学習をほとんど必要としない 簡単な指示 (Prompt) で多様なタスクを解かせることができる 追加学習なし、簡単な指示にも関わらず高精度である 大規模な事前学習を行った基盤モデルが上記 3 点を可能にしている 9

Slide 10

Slide 10 text

© 2023, Amazon Web Services, Inc. or its affiliates. “日本人のイラストレーターが描画した、 猫と魚が書かれたイラスト” の生成例 “フランスで撮影された、猫とボールが 写った写真” の生成例 生成系AIの生成例 AWS の SageMaker JumpStart で、テキストから画像を生成する Stable Diffusion のモデルを実行した例 10

Slide 11

Slide 11 text

© 2023, Amazon Web Services, Inc. or its affiliates. 生成系 AI の様々なユースケース 参考: Exploring opportunities in the generative AI value chain 文書作成 チャットボット 分析結果記述 文書要約 コード生成 データ生成 プロトタイプ生成 素材画像生成 画像編集 動画生成 動画編集 音声変換 話者変換 (VTuber等) 3D オブジェクト生成 製品デザイン、創薬 音声合成 音楽生成 音声/音楽編集 11

Slide 12

Slide 12 text

© 2023, Amazon Web Services, Inc. or its affiliates. 生成系 AI がこれまでの機械学習と変わらない点 責任ある機能提供を行うために、入出力結果の監視が必要なこと 大きなサイズのモデルには GPU 等専用のハードウェアが必要なこと データの蓄積、活用の戦略なしには将来の差別化が難しいこと 12

Slide 13

Slide 13 text

© 2023, Amazon Web Services, Inc. or its affiliates. 生成系 AI 活用の罠 13 精度 データ 生成系 AI そのままで賢いが、プロダクトにどれだけユーザーのデータ が蓄積されても学習させなければ賢くならない。

Slide 14

Slide 14 text

© 2023, Amazon Web Services, Inc. or its affiliates. 生成系 AI 活用の罠 14 価値 データ 通常の機械学習モデル APIで呼び出すのみ の生成系 AI 追加学習していく 生成系 AI 学習を続けた素の機械学習モデルにはいつか、 追加学習していく生成系 AI にはあっという間に差をつけられる。

Slide 15

Slide 15 text

© 2023, Amazon Web Services, Inc. or its affiliates. Customer Experience Traffic Data Data Driven Decision Growth 生成系 AI で目指すべきプロダクトの成長サイクル 15 ① Customer Experience

Slide 16

Slide 16 text

© 2023, Amazon Web Services, Inc. or its affiliates. Customer Experience Traffic Data Data Driven Decision Growth 生成系 AI で目指すべきプロダクトの成長サイクル 16 ② Traffic

Slide 17

Slide 17 text

© 2023, Amazon Web Services, Inc. or its affiliates. Customer Experience Traffic Data Data Driven Decision Growth 生成系 AI で目指すべきプロダクトの成長サイクル 17 ③ Data

Slide 18

Slide 18 text

© 2023, Amazon Web Services, Inc. or its affiliates. 成長サイクルは 3 つの条件を満たす。 1. 生成系 AI が顧客の問題を解決している 2. 顧客体験の改善がビジネスの問題解決につながる 3. ビジネスの KPI 改善が機械学習の精度改善につながる 18 機械学習 顧客の問題 パンフレットを作りた いがイメージに合った 素材がないか高い。 所望のテキストに沿っ た画像を自動生成する。 ビジネスの問題 月間アクティブユー ザー数が伸び悩んで いる。 ユーザー数増 例 : デザイン生成サービス ①Customer Experience ②Traffic ③Data

Slide 19

Slide 19 text

© 2023, Amazon Web Services, Inc. or its affiliates. Canva での AI イラスト生成の事例 Canva はロゴやチラシ、バナーなどを デザインできる SaaS 型のサービス。 Stable Diffusion のモデルをベースに 3 週間で機能をリリース。 顧客は、イメージに合う画像がない時 にテキストからの指示で画像を生成で きる。 事例 : Canva が Amazon SageMaker と Amazon Rekognition を使用し 1 億ユーザーにテキストから画像を生成する AI を提供した方法 画像引用: AI イラスト生成 19

Slide 20

Slide 20 text

© 2023, Amazon Web Services, Inc. or its affiliates. 協力者 Key Partners 主要活動 Key Activities 資源 Key Resources 価値提供 Value Propositions 顧客との関係 Customer Relationships 販路 Channels 顧客セグメント Customer Segment コスト構造 Cost Structure 収益の流れ Revenue Streams 20 ビジネスモデルキャンバスで、成長サイクルに よるビジネスの成長を可視化する

Slide 21

Slide 21 text

© 2023, Amazon Web Services, Inc. or its affiliates. おさらい : ビジネスモデルキャンバス 2005 年に経営コンサルタントのアレクサンダー氏が発案し たフレームワーク。フレームワークを解説した 「ビジネスモデルジェネレーション 」は 45 カ国の実践者に より執筆され、シリーズの累計部数は 14 万部に上る。 画像引用 : 翔泳社の書籍サイトより 本屋で平積みにされているのを 見たことがある方もいるのでは ? 21

Slide 22

Slide 22 text

© 2023, Amazon Web Services, Inc. or its affiliates. Canva での生成系 AI によるビジネスの成長 協力者 Key Partners 主要活動 Key Activities 資源 Key Resources 価値提供 Value Propositions 顧客との関係 Customer Relationships 販路 Channels 顧客セグメント Customer Segment コスト構造 Cost Structure 収益の流れ Revenue Streams デザイン機能 Stable Diffusion ソフトウェア と統合 無料 新規 ユーザー Stability AI AI イラスト 生成 22 Stability AI が公開する 画像が生成できる基盤モデル Stable Diffusion をイラスト生成機能 としてデザインツールに組み込む

Slide 23

Slide 23 text

© 2023, Amazon Web Services, Inc. or its affiliates. 協力者 Key Partners 主要活動 Key Activities 資源 Key Resources 価値提供 Value Propositions 顧客との関係 Customer Relationships 販路 Channels 顧客セグメント Customer Segment コスト構造 Cost Structure 収益の流れ Revenue Streams デザイン機能 Stable Diffusion ソフトウェア と統合 無料 新規 ユーザー Stability AI AI イラスト 生成 23 イラスト生成機能は無料で提供。 新規ユーザーの拡大を図っている Canva での生成系 AI によるビジネスの成長

Slide 24

Slide 24 text

© 2023, Amazon Web Services, Inc. or its affiliates. ビジネスモデルキャンバスを使用した成長サイクルの表現 協力者 Key Partners 主要活動 Key Activities 資源 Key Resources 価値提供 Value Propositions 顧客との関係 Customer Relationships 販路 Channels 顧客セグメント Customer Segment コスト構造 Cost Structure 収益の流れ Revenue Streams ビジネス 価値 データ 学習 生成機能 顧客体験向上 24 ① Customer Experience ③ Data ② Traffic

Slide 25

Slide 25 text

© 2023, Amazon Web Services, Inc. or its affiliates. 25 生成系 AI の事例を分析してみよう!

Slide 26

Slide 26 text

© 2023, Amazon Web Services, Inc. or its affiliates. Bizreach: ChatGPTで職務経歴書を自動作成 ChatGPT を使用した職務経歴書の 自動作成機能をリリース。 選択式の質問に回答するだけで最短 30 秒で 350 文字以上の経歴書を作 成し (Bizreach では 400 文字以上 を推奨 ) 、 試験導入時の検証では 4 割面談の誘 いが増加。 26 “ビズリーチ、ChatGPT で職務経歴書を自動作成 最短 30 秒” より引用

Slide 27

Slide 27 text

© 2023, Amazon Web Services, Inc. or its affiliates. 協力者 Key Partners 主要活動 Key Activities 資源 Key Resources 価値提供 Value Propositions 顧客との関係 Customer Relationships 販路 Channels 顧客セグメント Customer Segment コスト構造 Cost Structure 収益の流れ Revenue Streams Bizreach の事例分析 27 OpenAI 機能組込み Q1 無料会員登録 TV CM 個社営業等 Q3 Q2 採用 オファー (+4割) 2023 年 7 月期 の決算説明会資料を参照 職務経歴書の 自動生成

Slide 28

Slide 28 text

© 2023, Amazon Web Services, Inc. or its affiliates. 協力者 Key Partners 主要活動 Key Activities 資源 Key Resources 価値提供 Value Propositions 顧客との関係 Customer Relationships 販路 Channels 顧客セグメント Customer Segment コスト構造 Cost Structure 収益の流れ Revenue Streams Bizreach の事例分析 28 OpenAI 機能組込み ChatGPT 無料会員登録 TV CM 個社営業等 職務経歴書を 書く時間がな い顧客 職務経歴書の 自動生成 採用成功報酬 採用 オファー (+4割) 2023 年 7 月期 の決算説明会資料を参照

Slide 29

Slide 29 text

© 2023, Amazon Web Services, Inc. or its affiliates. 協力者 Key Partners 主要活動 Key Activities 資源 Key Resources 価値提供 Value Propositions 顧客との関係 Customer Relationships 販路 Channels 顧客セグメント Customer Segment コスト構造 Cost Structure 収益の流れ Revenue Streams Bizreach の事例分析 : 成長サイクル分析 29 OpenAI 機能組込み ChatGPT 無料会員登録 TV CM 個社営業等 職務経歴書を 書く時間がな い顧客 職務経歴書の 自動生成 採用成功報酬 採用 オファー (+4割) 採用成功につながった 経歴書のデータで精度 を改善できるか?

Slide 30

Slide 30 text

© 2023, Amazon Web Services, Inc. or its affiliates. 解説編の振り返り 30 • 生成系 AI の成長サイクルを回すことが重要 • 機械学習が顧客体験を改善し利用が拡大することでビジネス KPI が向上し、 データが蓄積されることでモデルの精度が良くなりさらに体験を改善。 • 生成系 AI は自動的に賢くならない • データを与え学習させない限り賢くなることはない。学習させることで成 長させる点で機械学習と同じ特性を持っており、特性の理解が活用に重要。 • 成長サイクルはゼロから作るより事例を参考にする • 機械学習は不確実性が高い技術であるため、成功した事例を参考にするこ とで期待成果や使用するモデルについて知見を得てリスクを下げられる。

Slide 31

Slide 31 text

© 2023, Amazon Web Services, Inc. or its affiliates. © 2023, Amazon Web Services, Inc. or its affiliates. 1. 生成系 AI 活用のポイント 2. アイデアのアウトプット 3. アイデアの検証 31

Slide 32

Slide 32 text

© 2023, Amazon Web Services, Inc. or its affiliates. 活用アイデアのアウトプット 32 自分の好きなプロダクト ( 自分のプロダクト含む ) / で、 顧客の課題を生成系 AI で解決 するアイデアを出す ビジネスモデルキャンバスで 成長サイクルを確認する Step1 Step2

Slide 33

Slide 33 text

© 2023, Amazon Web Services, Inc. or its affiliates. 活用アイデアのアウトプット 33 自分の好きなプロダクト ( 自分のプロダクト含む ) / で、 顧客の課題を生成系 AI で解決 するアイデアを出す Step1

Slide 34

Slide 34 text

© 2023, Amazon Web Services, Inc. or its affiliates. こんな感じ 34 アイデアが出しやすいようにテキストや画 像などの領域を作っています。 枠に入れる必要はないです。

Slide 35

Slide 35 text

© 2023, Amazon Web Services, Inc. or its affiliates. 生成系 AI の様々なユースケース (アイデアのネタとし再掲) 参考: Exploring opportunities in the generative AI value chain 文書作成 チャットボット 分析結果記述 文書要約 コード生成 データ生成 プロトタイプ生成 素材画像生成 画像編集 動画生成 動画編集 音声変換 話者変換 (VTuber等) 3D オブジェクト生成 製品デザイン、創薬 音声合成 音楽生成 音声/音楽編集 35

Slide 36

Slide 36 text

© 2023, Amazon Web Services, Inc. or its affiliates. 助けが必要な時は・・・ 36 自分に合った化粧品が使えるプロダクトで、画像の生成を使った機能を検討して います。 1) このプロダクトをよく使用すると思われる顧客の年齢、家族構成、 職業、趣味、1日の簡単なスケジュールからペルソナ作成し、 2) このプロダクト に出会う心理的および状況的必然性を述べ、 3) この顧客にとって不可欠な生成 系AIの機能を発案し、 4) 生成系AI機能の利用を促すためのコピーを作成してくだ さい。 異なるペルソナを用い2回繰り返してください。 プロダクト案、生成系 AI 案を変更し お好きな生成系 AI サービスに入力

Slide 37

Slide 37 text

© 2023, Amazon Web Services, Inc. or its affiliates. アイデア発想タイム 37 10min Miro のボードをコピーし、 「アイデア出しスペース」で実施

Slide 38

Slide 38 text

© 2023, Amazon Web Services, Inc. or its affiliates. アイデア共有タイム 38 20min

Slide 39

Slide 39 text

© 2023, Amazon Web Services, Inc. or its affiliates. 活用アイデアのアウトプット 39 ビジネスモデルキャンバスで 成長サイクルを確認する Step2

Slide 40

Slide 40 text

© 2023, Amazon Web Services, Inc. or its affiliates. ビジネスモデルキャンバスを使用して、アイデアの 成長サイクルを確認する 協力者 Key Partners 主要活動 Key Activities 資源 Key Resources 価値提供 Value Propositions 顧客との関係 Customer Relationships 販路 Channels 顧客セグメント Customer Segment コスト構造 Cost Structure 収益の流れ Revenue Streams ビジネス 価値 データ 学習 生成機能 顧客体験向上 40 ① Customer Experience ③ Data ② Traffic

Slide 41

Slide 41 text

© 2023, Amazon Web Services, Inc. or its affiliates. 活用アイデアの下地を作るプロンプト 41 自分に合った化粧品が使えるプロダクトで、自分の肌に合ったカラーパレットを 生成する機能を検討しています。この機能の実装がビジネスモデルとして成立す るか、ビジネスモデルキャンバスを使用し分析したいと考えています。このプロ ダクトおよび機能について、 1) ビジネスモデルキャンバスを顧客セグメント、 顧客との関係(価格プラン)、販路、価値提供、主要活動、資源、協力者、コスト 構造、収益の流れの順に記載してください。 2) 顧客セグメントへの価値提供が 顧客の問題を解決していること、コストもしくは収益の改善につながること、生 成系AIモデルの精度をさらに向上させるためのデータの増加につながることの 3 点を確認した結果を Markdown の表でまとめ、確認結果が不十分であれば改善案 を提示してください。 プロダクト案、生成系 AI 案を変更し お好きな生成系 AI サービスに入力

Slide 42

Slide 42 text

© 2023, Amazon Web Services, Inc. or its affiliates. キャンバス作成タイム 43 20min Miro のボードの 「ビジネスモデルキャンバススペース」で キャンバスをそれぞれコピーして実施

Slide 43

Slide 43 text

© 2023, Amazon Web Services, Inc. or its affiliates. 44 20min キャンバスレビュータイム

Slide 44

Slide 44 text

© 2023, Amazon Web Services, Inc. or its affiliates. © 2023, Amazon Web Services, Inc. or its affiliates. Next Step 45

Slide 45

Slide 45 text

© 2023, Amazon Web Services, Inc. or its affiliates. 46 Next Step アイデアがまだある方 ビジネスモデルキャンバスをつくりたい・レビューしてほしい方 プロダクト筋トレコミュニティの #9_機械学習_生成ai活用 チャンネルでぜひ共有してください！

Slide 46

Slide 46 text

© 2023, Amazon Web Services, Inc. or its affiliates. ML Enablement Workshop 47 47 自社プロダクトの成長 を狙うチームが、機械学習の使いどころを学び、 実行可能な計画 を立てられるようになることが目的の無償ワークショップ https://github.com/aws-samples/aws-ml-enablement-workshop 5 社 16 チームへの提供実績 2023 年 8 月時点で、AWS Japan 内で最多の Star 数 GitHub で ★ 頂ければ嬉しいです！ ワークショップの提供に関心ある方は ご連絡ください。

Slide 47

Slide 47 text

© 2023, Amazon Web Services, Inc. or its affiliates. © 2023, Amazon Web Services, Inc. or its affiliates. Thank you!