20250220_生成AIで実現する業務改革とは？活用事例とデモでご紹介！

by ysuzaki2

Slide 1

Slide 1 text

⽣成AIで実現する業務改⾰とは？活⽤事例とデモでご紹介！クラスメソッド株式会社⽣成AIインテグレーション部 Bizチーム洲崎義⼈

Slide 2

Slide 2 text

⾃⼰紹介洲崎義⼈（Suzaki Yoshito）⽣成ＡＩインテグレーション部/事業開発 ● 所属：AWS営業部(2018/9〜)→AWS事業本部コンサルティング部(2021/7〜)→新規事業統括部(2024/11〜) ● 拠点：東京→福岡 ● 2023 - 2024 Japan AWS Top Engineers、Japan AWS All Certiﬁcations Engineers ● 最近の運動：キックボクシング、ランニング

Slide 3

Slide 3 text

Agenda 1. ⽣成AIの概要 2. ⽣成AI活⽤⽀援サービスのご紹介 3. ⽣成AI活⽤⽀援の事例 4. ⽣成AI導⼊における⼀般的な課題 a. データ活⽤（RAG）の課題 b. ⽣成AI利⽤を定着させる課題 5. どう始めたら良いか？ 6. AI StarterとGenUの説明 7. AI Starterのデモンストレーション 8. まとめ 3

Slide 4

Slide 4 text

⽣成AIの概要 4

Slide 5

Slide 5 text

⽣成AIは2020年代に誕⽣し、急速に社会へ浸透利⽤者が1億⼈に到達するまでにかかった期間 ChatGPT：2ヶ⽉ TikTok：9ヶ⽉ Instagram：2年4ヶ⽉⽣成AIの進化 2020年〜 2021年⽣成AIの幕開け OpenAIがGPT-3 (⽂章⽣成AI)を開発。⼈間と遜⾊ない⾃然な⽂章を⽣成し、⼤きな衝撃を与える。 2022年〜 2023年実⽤化の加速対話形式で利⽤できるChat-GPTが誕⽣。⾃然な対話能⼒と汎⽤性の⾼さが注⽬を集め、爆発的にユーザー数を伸ばす。 2024年〜社会への浸透⽂脈理解や感情認識の能⼒が向上し、より⼈間らしい対話が可能に。テキスト、画像、⾳声など、複数のデータを統合的に処理できるようになった。

Slide 6

Slide 6 text

⽂章⽣成ＡＩの特徴｜従来のＡＩとの違い従来のＡＩ⽂章⽣成ＡＩ⽬的データの予測や識別を得意とし、特定のタスクを正確にこなすこと⼈間の⾔語を理解し、⾃然な⽂章を⽣成すること柔軟性決められた範囲での応答が可能多様な質問や要望に合わせて応答が可能業務への活⽤データを基礎とした結果を予測、具体的な対応策は⼈間が考える⽂章作成や説明作業の⽀援で⼈間の創造的活動をサポート⽤途の例データ分析、⾳声認識、画像識別などチャットボットの応答、⽂書の作成など

Slide 7

Slide 7 text

私（洲崎）の⽣成AI 活⽤例 1.⽂書作成⽀援 ‧メールの添削 ‧議事録の要約 ‧社内相談⽤の要点の整理 2.アイデア出し⽀援 ‧アイデアの⽣成 ‧アイデアの壁打ち 3.多⾔語コミュニケーション⽀援 ‧ビジネス英語への正確な翻訳 ‧OpenAI、Anthropicなどの最新AI技術の活⽤ ‧⽇本語プレゼン資料の英語化結論：⽣成AIは業務効率を⼤幅に向上させる必須ツールアウトプットの品質チェックとしても⼤いに有効です！

Slide 8

Slide 8 text

生成AI活用支援サービスのご紹介 8

Slide 9

Slide 9 text

⽣成AI導⼊時の課題を総合的にサポート！ ● 業務課題の分析と  生成AIユースケースの選定  ● 生成AIの評価基準  や効果測定方法の策定    ● RAG構築  ● データセキュリティの確保  ● 既存システムとの  インテグレーション  ● サポートを行う  生成AIチームの構築  ● 利用ガイドラインや  マニュアルの作成  ● ユーザートレーニングの実施  ● ユーザーフィード  バックの収集と分析  ● チューニングによる  回答精度の改善  ● 最新情報の調査や  活用のご提案  企画生成AIが業務にどのように   貢献するか明確化する開発データ活用・自動化により生成AIの効果を最大化する   導⼊サポート体制をつくり   生成AIの利用を定着させる   運⽤業務に合わせて生成AIの   機能を最適化させる

Slide 10

Slide 10 text

ニーズに合わせて最適なソリューションを提供エンタープライズレベルのセキュリティをもつ生成AI環境構築パッケージ   パッケージ   個別支援  コンサルティング  生成AIを活用するうえでの技術面でのお悩みを解決します。具体的な技術選定から実装、運用の効率化までトータルで支援します。  アプリ開発  SlackなどのチャットボットやWebUIの開発、各社API と自社データを活用した要件定義から実装・運用までを対応します。  教育支援  プロンプトの活用方法や、生成AIアプリの内製化に向けた教育支援を行います。生成AIの導入から利用の定着までをサポートします。 

Slide 11

Slide 11 text

生成AI活用支援の事例   11

Slide 12

Slide 12 text

LLM選定やインフラを1カ⽉で構築｜くすりの窓⼝様 ✓ 技術力とスピード感を大事にしたいという考えからパートナーをクラスメソッドに決定   ✓ 約1カ月の開発期間を経てRAGを活用した生成AIチャットボットのPoC検証用の環境を構築   ✓ 社内チャットで質問するとそのサービスについて回答が得られる仕組み    https://classmethod.jp/cases/kusurinomadoguchi/   ⽀援前⽀援後 ● クライアントからの問合せに対する回答のバラつきに課題 ● 回答精度と運⽤コストの改善を検討 ● ⽣成AIの活⽤に関⼼があったが開発リソース確保は困難解決した課題   ● ChatGPT4採⽤の検証⽤チャットボットSlackアプリを1カ⽉で提供 ● ⽣成AIサービスを多⾯的に複数検証しながら開発 ● 同様の仕組みでチャットアプリを 3種類展開

Slide 13

Slide 13 text

⽣成AIチャットボット導⼊で社内ヘルプデスク業務を⽀援｜オプテージ様 ✓ クラスメソッドが自社で運用した生成AIチャットボットのナレッジを基にシステム構築   ✓ セキュリティ要件やプロジェクトの制約事項など後発的に浮上した課題に対して柔軟に対応し円滑にプロジェクトを進行   ✓ 特定の検証方法においては社内ドキュメントをもとにした回答精度では80％を超えることに成功   https://classmethod.jp/cases/optage/   ⽀援後 ● 社内情報に回答可能な⽣成AIを構築したい ● 既存チャットボットのメンテナンスコストに課題 ● ⽣成AIの活⽤領域についてノウハウを得たい⽀援前解決した課題   ● 社内データを活⽤した⽣成AIを構築 ● 社内のセキュリティ基準を満たす環境で⽣成AIを検証できた ● ⽣成AI活⽤の勘所など様々なナレッジを社内に蓄積できた

Slide 14

Slide 14 text

‧⽣成AIは⼈間の⾔語を理解し、⾃然な⽂章を⽣成する特徴がある ‧クラスメソッドはAI Starterというサービスを提供している ‧事例としては、社内チャットの利⽤（検証を兼ねて）が多いここまでのまとめ 14

Slide 15

Slide 15 text

⽣成AI導⼊における⼀般的な課題 15

Slide 16

Slide 16 text

Slide 17

Slide 17 text

17 1. データ活⽤（RAG）の課題

Slide 18

Slide 18 text

⽂章⽣成ＡＩを業務利⽤するときに発⽣する課題課題原因課題１最新の情報を反映できない過去のデータをもとに学習しており、学習後の情報は⾃動的に更新されないため課題２業務に必要な特定の知識が不⾜している企業や⾏政機関内の⾮公開情報は学習データに含まれていないため

Slide 19

Slide 19 text

⽣成ＡＩの回答精度を⾼める仕組み⽣成ＡＩ単体では知らないことを答えさせる（RAG：Retrieval Augmented Generation）＝検索でプロンプトを拡張

Slide 20

Slide 20 text

RAGの注意点（勘違いされやすい点）全てのドキュメントを学習するわけではない ● 検索でヒットした⼀部の⽂章に基づいて回答する回答の質のイメージ ● ドキュメントを初めて⽬にする⼈が理解できる範囲で答える感覚 ● 例えるなら、新⼊社員がドキュメントを読んで回答するイメージ RAGの限界を理解し、適切に補完するプロセスを導⼊することで、より信頼性の⾼い回答結果が得られます

Slide 21

Slide 21 text

⽣成AI使⽤に関する意識調査結果某企業向けワークショップ参加者アンケート結果懸念箇所として、情報の正確性というのが半数以上を占めている

Slide 22

Slide 22 text

1.RAG環境の構築 ‧基盤となるシステムの設計と実装 2.回答精度の改善 ‧⽣成される回答の質と正確性の改善 3.評価と効果測定 ‧回答結果の評価基準設定と効果の定量化 RAGの主要構成要素：3つの柱 22

Slide 23

Slide 23 text

1.RAG環境の構築 23

Slide 24

Slide 24 text

RAG構築の⼿法 24 AWSでRAGを実装するにはAmazon Kendraか Amazon Bedrock Knowledge Basesの２種類で考えられる Kendra：エンタープライズ検索エンジンサービス Knowledge Bases：Bedrockの⼀機能であり、RAGを実現するための「検索機能」の位置付け

Slide 25

Slide 25 text

RAG構築の⼿法 25 ⻑所短所 Kendra ‧設定がシンプルで使いやすい ‧多様なデータソース（30種類以上）に対応 ‧Knowledge Basesと⽐較して⾼コストになりがち（2025/2/17現在） ‧チャンキングなどの細かい設定に制約がある Knowledge Bases ‧複数のベクトルストア選択肢によるコスト最適化 ‧ 柔軟なチャンキング等の詳細設定が可能 ‧対応データソースが限定的（S3のみ、 2025/2/17現在） ‧ベクトルストアの設定に専⾨知識が必要

Slide 26

Slide 26 text

こちらのブログもご参照ください RAG構築の⼿法 26 [Amazon Bedrock] RAG利⽤時の選択肢「Kendra」と「Bedrock Knowledge Bases」を⽐較する

Slide 27

Slide 27 text

2.回答精度の改善 27

Slide 28

Slide 28 text

RAG利⽤時に発⽣する課題と解決の例課題例１： CSVファイルの途中が抽出されてしまった・解決策：ファイルの分割課題例２：似たようなドキュメントの内容が混同して回答された・解決策：タグ付け・フィルタリング課題例３：パワポファイルの読まれ方が意図しない形になってしまった・解決策：マルチモーダルなモデルを使って読み込む課題例４：ドキュメントに書かれてない社内知識が必要だった・解決策：用語集をつくる

Slide 29

Slide 29 text

課題例1: 対応しない箇所をもとに回答をしてしまった質問「〇〇できないときの対処⽅法を教えて」回答「設定画⾯を開き、有効になっているか確認 ...」

Slide 30

Slide 30 text

課題例1の原因: 抽出する範囲が合っていないタイトル回答例詳細情報・回答根拠・リンク先情報ログインパスワードを忘れたときの手順を教えて "ログインパスワードが分からなくなった場合は Slackで情シス宛に初期化依頼をしてくだい。詳細はリンク先を参照してください。 [リンク先](http://sample.classmethod.jp/sample/sample/1)" "初期化する権限は情シスのみが保有しています。ユーザのみでは行えないので、ご連絡ください。 " 〇〇が反応しないときの対処手順を教えて "設定画面を開き、〇〇が有効になっているか確認してください。確認方法や詳細はリンク先を参照してください。 [リンク先](http://sample.classmethod.jp/sample/sample/2)" "〇〇は誤って無効にされてしまうケースが多いです。設定を改めてご確認ください " 〇〇できないときの対処方法を教えて "ソフトウェアの再起動をしてください。詳細はリンク先を参照してください。 [リンク先](http://sample.classmethod.jp/sample/sample/3)" "再起動処理が完了するまでに、数分かかります。再起動後アイコン上はすぐに接続できるように見えますが、処理中の状態ですので、時間をあけて接続して下さい " ⾏をまたいで、途中が抽出されしまったヘッダーの情報もない

Slide 31

Slide 31 text

課題例1の解決⽅法: ファイルを⼩さく分割する FAQ.csv FAQ_0.csv FAQ_1.csv FAQ_2.csv

Slide 32

Slide 32 text

課題例1の結果: 正しく読み込まれた質問「〇〇できないときの対処⽅法を教えて」回答「ソフトウェアの再起動をしてください ...」

Slide 33

Slide 33 text

3.評価と効果測定 33

Slide 34

Slide 34 text

効果測定 34 RAGを活⽤したAIチャットボットの性能評価において、回答精度の測定は重要です。 Ragasなどのアプリケーションを使⽤することで、客観的な指標に基づいた精度評価が可能です。下図は、Ragasのanswer_correctness指標を⽤いた精度評価の例です。この指標では、1に近いほど⾼精度を⽰します。

Slide 35

Slide 35 text

こちらのブログもご参照ください Ragasについて 35 RAGアプリケーションをRagasで評価する

Slide 36

Slide 36 text

36 2. ⽣成AI利⽤を定着させる課題

Slide 37

Slide 37 text

⽣成AI利⽤定着の課題 37 管理者：「せっかく環境を整えたのに、あんまり使ってもらえてなくて残念だなぁ...」ユーザー：「便利そうだけど、どう使えばいいか分からなくて、ちょっと⼿が出せないなぁ」

Slide 38

Slide 38 text

38 クラスメソッドでは個別で⽣成AI 利⽤者向けのワークショップを提供しています

Slide 39

Slide 39 text

プロンプト活⽤ワークショップの実施概要⽣成AIの⽂章⽣成ツールを利⽤したことがない初⼼者の⽅から業務活⽤のアイデアが⽣まれることをゴールとしたワークショップを⾏います。想定参加者 • システム部⾨ではない業務担当者の⽅を想定 • 聞いたことはあるが⽣成AIを使ったことがない • ⾰新的な技術であることは知っているが、そもそもどのような業務で活⽤できるかが分からない実施のGoal • 参加者が⽣成AIでなにができるかのイメージがつく • 参加者から⽣成AI活⽤のアイデアが⽣まれるワークショップのコンテンツ⽣成AIでなにができるか？（インプット） • ⽣成AIとは？ • ⽂章⽣成の概要 • 画像⽣成の概要⽣成AIを使ってみよう（ハンズオン形式） • 特定のユースケースにおいてのプロンプト作成と実⾏業務での活⽤を考えてみよう(アウトプット） • ⾃⾝の業務で使えるアイデアの検討と参加者への発表 39

Slide 40

Slide 40 text

⾃治体に⽣成AI活⽤を⽀援した事例｜新潟県上越市様 ✓ 上越市のDX推進に生成AI活用ワークショップの実施を通じて貢献  ✓ 講義は1日2回開催され、主に若手職員を対象に、各回対面30 人程度、オンラインで20人程度が参加   ✓ 効果的な回答が得られるプロンプトの書き方をフォーマット化し、ハンズオン形式で手を動かしながら解説   https://classmethod.jp/cases/joetsu/   ⽀援前⽀援後 ● チャットボット型⽂書⽣成AIを導⼊も職員の活⽤ノウハウが不⾜ ● 活⽤できる職員を増やし、業務の効率化を図りたい解決した課題   ● 若⼿職員向けに⽣成AI活⽤ワークショップを実施 ● 効果的な活⽤に向けたプロンプトの書き⽅などノウハウの共有が進む ● 講義の動画を庁内で共有することで今後も職員それぞれのタイミングで学習可能に

Slide 41

Slide 41 text

多様な形式で柔軟に対応可能です。 ‧⽳埋め式のワークショップ ‧Excel版の提供 ‧オフライン対応などお客様のニーズに合わせたカスタマイズ提供が可能です。コンテンツ例 41

Slide 42

Slide 42 text

42 お客様と伴⾛しているケースの顧客事例

Slide 43

Slide 43 text

デジタル⼈材育成を伴奏⽀援｜コクヨ様 ✓ AI-Starterを用いてセキュリティを担保した生成AI開発   環境をAWS上に構築   ✓ 運用保守に加えAI開発領域の技術支援も提供   ✓ 事務局の一員となりユーザーに伴奏して生成AI活用を   サポート  ✓ ビジネス目線での実現したい未来や解決したい課題に対してどのように生成AIが活用できるかをアドバイス     https://classmethod.jp/cases/kokuyo/   ⽀援前⽀援後 ● 社内研修でのAI実践のために開発環境が必要 ● 企業のChatGPT活⽤に対してセキュリティ⾯が⼼配 ● AI領域の運⽤‧技術⾯でも⽀援が必要解決した課題   ● セキュリティを担保した⽣成AI開発環境をAWSで構築 ● 運⽤保守に加えAI開発領域の技術⽀援も提供 ● ⽣成AI開発環境を⽤いて今後多数のビジネスアイデアを形に

Slide 44

Slide 44 text

⽣成AIをどう始めたら良いか？ 44

Slide 45

Slide 45 text

機能性：チャット機能、UIの使いやすさなどカスタマイズ性：設定変更のしやすさ、柔軟性セキュリティとプライバシー：データ保護、ユーザー認証コスト：初期投資、ランニング費⽤、保守費⽤サポート：保守体制、技術サポート⽣成AIを⾃社に導⼊する時に考えるポイント 45

Slide 46

Slide 46 text

⽣成AIを⾃社に導⼊する時に考えるポイント 46 ⻑所短所 SaaS ‧初期導⼊コストを抑えられる ‧特定の業界や業務に特化 ‧カスタマイズに制限あり ‧データはSaaS企業側に保存される可能性あり ‧ユーザーが増えるとコストが増加パッケージ（例：AI Starter） ‧ お客様環境で利⽤可能 ‧データを⾃社で管理可能 ‧安全な認証環境を提供 ‧カスタマイズに⼀部制限あり ‧初期導⼊コストが発⽣⾃社開発（例：GenU） ‧カスタマイズが柔軟 ‧OSSを利⽤すると、早期に低コストで検証可能 ‧⾃社で⽣成AIのノウハウを貯めることができる ‧運⽤含めて⾃社で対応が必要 ‧開発‧維持に専⾨知識が必要

Slide 47

Slide 47 text

AI Starter（パッケージ）と GenU（⾃社開発）の説明 47

Slide 48

Slide 48 text

Slide 49

Slide 49 text

AI-Starterがもつ5つの特徴複数の⽣成AI サービスに対応各社の⽂章⽣成AIから画像⽣成AIまで、さまざまなサービスを同⼀画⾯から切り替え可能安全な認証環境シングルサインオンの統合認証環境を提供し、⾼度なセキュリティ基準を満たす社内独⾃の AI環境を実現カスタマイズ可能なテンプレート最適化されたプロンプトとユーザーが登録可能なライブラリを利⽤することで、誰でもAIを最⼤限に活⽤⾯倒な運⽤管理もおまかせ常に最新のアプリケーションを利⽤でき⽣成AIの活⽤に集中することが可能⾃社データによる回答⽣成⽂章やCSV等の⾃社データを登録して回答⽣成が可能

Slide 50

Slide 50 text

AI-Starterの主な機能複数の基盤モデルを   画面上から簡単に切替えが可能   ユーザー自身で登録可能な   プロンプトのテンプレート機能   予め自社のデータを登録して   回答させるRAGに対応   テキストだけでなく   画像解析や画像生成にも対応       シングルサインオンの認証環境を   提供し、高度なセキュリティを実現    

Slide 51

Slide 51 text

AI-Starterのシステムアーキテクチャ外部のAIモデル  

Slide 52

Slide 52 text

Generative AI Use Cases JP （略称：GenU） 52

Slide 53

Slide 53 text

©Classmethod, Inc. 無償のOSSを活⽤して初期構築にかかる費⽤と時間を削減出展：⽣成AIユースケースを考え倒すためのGenerative AI Use Cases JP (GenU)の魅⼒と使い⽅ https://speakerdeck.com/okamotoaws/sheng-cheng-aiyusukesuwokao-edao-sutamenogenerative-ai-use-cases-jp-genu-nomei-li-toshi-ifang お客様8社への  導入支援実績あり 

Slide 54

Slide 54 text

Generative AI Use Cases JP (略称:GenU) の特徴生成AIの機能を検証するのに最適なALL IN ONE テンプレート   様々なニーズに   応える機能がある   安心して使える   セキュリティ対策   評価のために利用   状況を収集できる  

Slide 55

Slide 55 text

©Classmethod, Inc. 収録ユースケースと機能出展：⽣成AIユースケースを考え倒すためのGenerative AI Use Cases JP (GenU)の魅⼒と使い⽅ https://speakerdeck.com/okamotoaws/sheng-cheng-aiyusukesuwokao-edao-sutamenogenerative-ai-use-cases-jp-genu-nomei-li-toshi-ifang

Slide 56

Slide 56 text

御社で⽣成AIの導⼊から評価まで⾃⾛できるようにサポートします導入準備   ● GenUテンプレートの基本的説明  ● ユースケースの設定   ● 準備するデータの  アドバイス    ● GenUテンプレートによる構築  ● データ登録  ● ユーザー登録  ● 利用方法の説明  ● 利用方法のQA対応  ● 利用分析  ● 課題抽出  ● 対策方法の提案  環境構築   導入  評価アドバイス   お客様の生成AI検証を総合サポート！   クラスメソッドがもつ豊富なナレッジをスキルトランスファーします。  

Slide 57

Slide 57 text

GenU ‧AWSのサンプルソリューション ‧カスタマイズ可能 ‧AWSの⽣成AIを⼿軽に検証可能 AI Starter ‧クラスメソッドが提供するサービス ‧AWS及びそれ以外モデルも⾃由に検証可能 ‧保守サポート込みで提供 GenUとAI Starterの⽐較 57

Slide 58

Slide 58 text

GenU ‧迅速な検証: ⽣成AIの機能や可能性を素早く検証したい ‧カスタマイズ性: ⾃社の特定ニーズに合わせて調整したい ‧段階的な開発: ⾃社内でニーズを徐々に発⾒し、発展させたい ‧低コスト導⼊: 初期投資を抑えつつ、⽣成AI技術に着⼿したい AI Starter ‧セキュリティ重視: 認証周りを含めた安全なシステムを利⽤したい ‧包括的サポート: 運⽤、保守、アップデートを含む総合的なサービスが必要 ‧安定性: 本番環境での利⽤を前提とした信頼性の⾼いソリューションを求める ‧多様なモデル対応: AWSやそれ以外の⽣成AIモデルも検討したい選択の指針 • GenUは、柔軟性と学習を重視する組織に適しています • AI Starterは、安定性とサポートを重視する組織に適しています GenUとAI Starterのまとめ 58

Slide 59

Slide 59 text

AI Starterのデモンストレーション 59

Slide 60

Slide 60 text

● 通常のチャット ● 画像を取り込むケース ● ユースケース ● RAG AI Starterのデモンストレーション 60

Slide 61

Slide 61 text

まとめ 61

Slide 62

Slide 62 text

⽣成AIの特徴と効果 • ⾃然な⽂章をAIが⽣成し、活⽤することで業務効率が⼤幅に向上します⽣成AI導⼊の2つの課題 • データ活⽤（RAG） • ⽣成AI利⽤の定着⽣成AIの性能評価 • Ragasなどのツールで客観的に精度を測定⽣成AI導⼊⽅法の選択肢 • SaaS、パッケージ、⾃社開発から選択可能 • クラスメソッドはAI Starter（パッケージ）とGenU（⾃社開発⽀援）を提供まとめ 62