Tweet
Tweet

Slide 1

Slide 1 text

Oracle Cloud ウェビナー 日本オラクル株式会社 2024年12月4日 AIエバンジェリストとコンサルが語るAI時代の データマネジメントとデータプラットフォーム

Slide 2

Slide 2 text

本日のトピック 1．AI活用に向けてのトレンドと抱えられている課題 2．AI活用のためのデータマネジメントとプラットフォーム 3．Oracleとしてのポイント、オファリング 2 Copyright © 2024, Oracle and/or its affiliates 西井 雄飛 AI エバンジェリスト 日本オラクル株式会社 事業戦略統括 AI推進室 仲庭 智美 ソリューションプリンシパル 日本オラクル株式会社 コンサルティングサービス事業統括 テクノロジーコンサルティング事業本部 プロフェッショナルサービス本部 第一デジタルインテグレーション部 加藤 祥平 本部長 日本オラクル株式会社 コンサルティングサービス事業統括 コンサルティングセールス事業本部 テクノロジー・ソリューション営業本部

Slide 3

Slide 3 text

AI活用に向けてのトレンドと抱えられている課題 3 Copyright © 2024, Oracle and/or its affiliates

Slide 4

Slide 4 text

企業領域に於ける生成AI実用化課題 企業データを中心とした課題 5 Copyright © 2024, Oracle and/or its affiliates 検索精度向上 ハルシネーション低減 データセキュリティ データガバナンス 生成AI技術の企業領域での実用化に向けた3大課題 データ前処理高度化 検索ロジック高度化 データ秘匿化 データアクセス制御実装 ユースケースアイデア創出 ユースケース拡張・実現 データ資産棚卸 AI時代に最適な統合PF構築

Slide 5

Slide 5 text

AIユースケースの考案と拡張サイクル 事業部門と技術部門の役割分担 6 Copyright © 2024, Oracle and/or its affiliates 業務効率化 全体最適化 業務プロセス理解 業務推進 課題発掘 アイデア創出 ソリューション考案 実現ユースケース拡張 生成AI技術活用 生成AI技術研究・検証 統合 プラットフォーム 構築・運用 技術者育成 RoI向上 事業部門 技術部門

Slide 6

Slide 6 text

AIユースケースの考案と拡張サイクル 事業部門と技術部門の役割分担 7 Copyright © 2024, Oracle and/or its affiliates 業務効率化 全体最適化 業務プロセス理解 業務推進 課題発掘 アイデア創出 ソリューション考案 実現ユースケース拡張 生成AI技術活用 生成AI技術研究・検証 統合 プラットフォーム 構築・運用 技術者育成 RoI向上 事業部門 技術部門 ユースケース考案失敗例 業務知識のない 技術部門による ユースケースアイデア の 創出 技術知識のない 技術部門による ソリューションの 考案や選考 単一ユースケースのみ を 実現する短期的な ソリューション 企画開発への没頭 生成AI技術の 利用を一方的に 事業部門に 押し付ける 終わりなきPoC RoIの破綻 価値のないユースケー ス AI技術民主化の失敗 人を置き換える 抜本的な 業務改革としての 生成AIの活用検討 非現実性の追求 自社データ資産の 活用と運用ができる 人材がいない中での 生成AI実用化 膨大な手戻り損失

Slide 7

Slide 7 text

Copyright © 2024, Oracle and/or its affiliates 8 生成AI技術は多種多様な業務効率化に貢献 多種多様なユースケースの実現による累積型の業務効率効果で全社最適化を推進 ユースケース考案に向けて貴社の業務課題と対象となる業務プロセスをお聞かせください 回答例) 営業部門の顧客提案資料の作成時間短縮 プロセス 生成AI技術活用案 顧客現状の確認: 提案中の案件や提案対象者の確認 CRMに対するファンクションコーリング 顧客の課題をヒアリング: 顧客インタビューやアンケートを実施し、具体的な課題を洗い出す。 過去対応を根拠としたレコメンデーション 自社ソリューションとのマッチング: 顧客の課題と自社の製品・サービスを紐づける。 課題と製品説明文のベクトル検索 製品・サービスの詳細: 製品・サービスの特徴、メリット、競合との差別化ポイントを具体的に説明する 資料を付帯。 顧客課題との関連性の高い詳細説明文を検索し拡張生成 導入事例: 成功事例を紹検索し、資料に加える。 過去事例に対するセマンティック検索 社内レビュー: チームメンバーにレビューしてもらう。 マルチモーダルAIエージェントへの壁打ち

Slide 8

Slide 8 text

ユースケース拡張性を担保する統合型のプラットフォームが必要 アプリケーションシステムの近代化 9 Copyright © 2024, Oracle and/or its affiliates ユースケース アプリケーション 目的別データ データソース 目 的 別 シ ス テ ム A 目 的 別 シ ス テ ム B 目 的 別 シ ス テ ム C 目 的 別 シ ス テ ム D 目 的 別 シ ス テ ム E ・・・ ユースケース NLUI マルチエージェント マルチモジュール 統合検索プラットフォーム データ加工・前処理 エンタープライズ アプリケーション データソース 生成AI時代のシステム

Slide 9

Slide 9 text

ユースケース拡張性を担保する統合型のプラットフォームが必要 アプリケーションシステムの近代化 10 Copyright © 2024, Oracle and/or its affiliates ユースケース アプリケーション 目的別データ データソース 目 的 別 シ ス テ ム A 目 的 別 シ ス テ ム B 目 的 別 シ ス テ ム C 目 的 別 シ ス テ ム D 目 的 別 シ ス テ ム E ・・・ ユースケース NLUI マルチエージェント マルチモジュール 統合検索プラットフォーム データ加工・前処理 エンタープライズ アプリケーション データソース 生成AI時代のシステム

Slide 10

Slide 10 text

AI Agents OCI Generative AI Agents Service Copyright © 2024, Oracle and/or its affiliates 11 AI Agentsにより、大規模言語モデル(LLM)を活用した、自然言語によるリアルタイムの企業知識の問い合 わが可能になります。さらに、情報の取得だけではなく、それに応じたアクションを起こすことまで可能になります。 知識ベース 検索インデックス チケット 営業、マーケティング、財務、サポート LLM 会話コンテキスト 言語サービス アクション ユーザー リレーショナル・データベース Agent 汎用エージェントが参照するデータをドメイ ン特化する事で個別ユースケース対応に最適 な 専門エージェントを効率的に構築する事が可 能

Slide 11

Slide 11 text

ユースケース拡張性を担保する統合型のプラットフォームが必要 アプリケーションシステムの近代化 12 Copyright © 2024, Oracle and/or its affiliates ユースケース アプリケーション 目的別データ データソース 目 的 別 シ ス テ ム A 目 的 別 シ ス テ ム B 目 的 別 シ ス テ ム C 目 的 別 シ ス テ ム D 目 的 別 シ ス テ ム E ・・・ ユースケース NLUI マルチエージェント マルチモジュール 統合検索プラットフォーム データ加工・前処理 エンタープライズ アプリケーション データソース 生成AI時代のシステム

Slide 12

Slide 12 text

AI時代に最適なインフラ基盤としてのオラクルデータベース コールセンター業務支援例 13 Copyright © 2024, Oracle and/or its affiliates 顧客 専門オペレーターエージェント FAQ文書 テキスト チャンク ベクトルデータ グラフ {json} メタデータ 検索 キーワード検索 グラフ探索 ベクトル検索 属性絞り込み 画像 テキスト要約 顧客データ 自然言語・ JSONなど 宣言言語 リレーショナルクエリ データソース データ前処理 検索/データ要求対応 プロンプト変換 構文解析 窓口オペレーターエージェント 自然言語 専門オペレーターエージェント 専門オペレーターエージェント 自然言語 Oracle Autonomous Database (Oracle Database 23ai) API API検索 (ファンクションコーリング) データアクセス制御 ベクトルデータ OCI Agents Service OCI Generative AI Serviceをはじめとした言語モデルサービス

Slide 13

Slide 13 text

AI時代に最適なインフラ基盤としてのオラクルデータベース 人々が新たな方法でデータを理解し、本質を見極め、無限の可能性を解き放てるプラットフォーム 14 Copyright © 2024, Oracle and/or its affiliates 顧客 専門オペレーターエージェント FAQ文書 テキスト チャンク ベクトルデータ グラフ {json} メタデータ 検索 キーワード検索 グラフ探索 ベクトル検索 属性絞り込み 画像 テキスト要約 顧客データ 自然言語・ JSONなど 宣言言語 リレーショナルクエリ データソース データ前処理 検索/データ要求対応 プロンプト変換 構文解析 窓口オペレーターエージェント 自然言語 専門オペレーターエージェント 専門オペレーターエージェント 自然言語 Oracle Autonomous Database (Oracle Database 23ai) API API検索 (ファンクションコーリング) データアクセス制御 ベクトルデータ OCI Agents Service OCI Generative AI Serviceをはじめとした言語モデルサービス データ領域課題解決の為の統合検索プラットフォーム (リトリーバルプラットフォーム) 要件 1. JSON・リレーショナル・グラフ・ベクトルなど多種多様なデータ形式を取り扱える事 2. AIエージェントからの自然言語によるデータ要求に応えられる事 3. 柔軟なデータ前処理を始めとしたデータエンジニアリングが実施できる事 4. データ運用 (ACID管理・データアクセス管理など) を効率的・包括的に実装できる事 5. 継続的なユースケース拡張に対しパフォーマンススケーラービリティを担保できる事 6. マルチクラウドを前提とした非ロックイン思考である事 生成AIによるデータ利活用は千差万別であるが故に万能なパッケージソリューションは存在しない。 データ領域課題の解決には「データエンジニア」が持つ可能性を最大限に引き出すプラットフォームが必要 不可欠となる

Slide 14

Slide 14 text

AI活用のための データマネジメント/データプラットフォーム 15 Copyright © 2024, Oracle and/or its affiliates

Slide 15

Slide 15 text

ユースケースアイデア創出 ユースケース拡張・実現 • 企業・組織内のどこに、どんなデータが あるか分からず、ユースケース創出が 困難 • データソース、ユースケース、 利用ユーザの拡大にも対応できる、 拡張性の高いシステムが必要 データセキュリティ データガバナンス • 個人情報や機密情報などを判別し、 アクセスコントロールしないといけない • データ活用の利便性を保ちつつ、 外部へのデータ漏洩を防がないと いけない 検索精度向上 ハルシネーション低減 • データの不揃いや不整合のため、 検索精度が上がらない • データソースのデータ種類が多く、 現在のプラットフォームでは 吸収できないためデータ量が少ない 生成AI実用化の課題 Copyright © 2024, Oracle and/or its affiliates 16 データマネジメント データプラットフォーム が必要 大量・多種のデータをセキュアに扱う データの収集、整理、活用を管理する データを中心とした課題

Slide 16

Slide 16 text

AI活用のためのデータマネジメント Copyright © 2024, Oracle and/or its affiliates 17

Slide 17

Slide 17 text

AI活用のためのデータマネジメントのミニマムスタート DMBOK(Data Management Body of Knowledge:データマネジメ ント知識体系ガイド)はデータマネジメントを実践する上で非常に役立ちます が、AI時代での取り組みにおいて、以下のような課題があります。 • DMBOKではデータマネジメントの全領域を網羅的にカバーしており、一 気にやりきるのは非常に時間がかかる。 取り組み方を工夫しないと、ゴールまで辿り着けなかったり、完成する時 に組織の実情としては古いものが出来ている可能性がある。 • 現行のDMBOK2の初版は2017年であり、AIやCloud技術といった、 最新のテクノロジーを踏まえていない内容もある。 そのまま取り組むと、時代遅れの内容になる可能性がある。 →必要なものの取捨選択や、一部の内容についてAIなどの新しいデータ 活用の形にあわせたアレンジをして実施する必要がある。 18 Copyright © 2024, Oracle and/or its affiliates DMBOKをAI時代にあわせてアレンジして活用する データマネジメント知識領域を表したDAMAホイール図

Slide 18

Slide 18 text

AI活用のためのデータマネジメントのミニマムスタート 19 Copyright © 2024, Oracle and/or its affiliates AIをはじめとしたデータ活用に最低限必要な内容かつ、 最新テクノロジーを踏まえた内容で実施 取組領域 実施内容 1.データ資産 企業のデータ資産をハイレベルで棚卸および整理 2.データ活用ユースケース AIを始めとしたデータ活用や分析の要件を整理 3.データアーキテクチャ データ収集と蓄積、利用に関する一連の仕組みの設計 データの一元化を実現するとともに、データ利用の自由度を高めるために整備 4.データ品質 データ利用要件を踏まえたデータ品質の定義 整理されたデータ資産に対する品質の評価 5.データモデリングとデザイン データ活用・データ分析要件を実現するためのデータモデリングを実施 6.データセキュリティ データセキュリティ要件の整理と実現方式を定義 DMBOKのベストプラクティスを活用しつつ、 項目の取捨選択をして効率的に進めつつ、AI活用に必要な内容にアレンジする

Slide 19

Slide 19 text

1.データ資産 • データマネジメントの第１歩として、企業・組 織内の「データの地図」であるデータ鳥瞰図 を作ることを推奨 ➢ 組織軸×業務領域、バリューチェーン× システムなどの形式で、企業・組織内の データを一覧化する。 ➢ 組織や業務をまたいだデータを組み合 わせてシナジーを得る事が目的の一つ。 ➢ データの整備状況を可視化し、データ 活用の実現可否や、データ整備の優 先順位を明らかにする • フォーマットはあるものの、企業・組織の状況 や、まとめた一覧の活用方向性によって、カ スタマイズする必要がある 20 Copyright © 2024, Oracle and/or its affiliates 企業のデータ資産をハイレベルで整理した「データ鳥瞰図」の作成

Slide 20

Slide 20 text

企業のデータ資産をハイレベルで整理した「データ鳥瞰図」の作成 バリューチェーンベースのデータ鳥瞰図 ✓ お客様への価値を届ける価値連鎖 に焦点 ✓ サイロ化ではなく、組織横断の視点 ✓ 企業内だけではなく、企業外にも目 を向ける 組織×業務領域のマトリックス ✓ 組織（事業部門etc）とデータ領 域のマトリックス ✓ データオーナーも目処がついてくる ✓ 網羅的に洗い出すことで優先順位 もつけやすい 業務ドメインの整理 ✓ 現行システムに捉われず、業務ドメ インのエンティティに焦点 ✓ 網羅的に洗い出すことで優先順位 もつけやすい 1.データ資産 Copyright © 2024, Oracle and/or its affiliates 21

Slide 21

Slide 21 text

2.データ活用ユースケース AIを始めとしたデータ活用や分析の要件を整理する。 データ資産整理とあわせて実施する事で、データ活用要件の 現実可能性や、データ整備の優先順位が明確になる。 • データ活用要件は、フレームワークなどを活用し効率的に整 理する。 ➢ データ活用要件の優先順位づけにMoSCoWリストを 活用する事が多い。 • 分析要件のとりまとめとしては、分析対象(何を)、分析軸 (どんな切り口、どんな粒度で見るか)を中心に整理する。 22 Copyright © 2024, Oracle and/or its affiliates AIや分析などデータ活用の要件を取りまとめる データ活用の要件取りまとめ例

Slide 22

Slide 22 text

4.データ品質 23 Copyright © 2024, Oracle and/or its affiliates データ利用者の要件を踏まえ、データの利用者の期待に応えるデータの品質を評価・確保する 適時性 完全性 整合性 一貫性 一意性 妥当性 正確性 有効性 必要な時に速やかにデータが利用できる度合い データの要素が揃っている度合い 意味・値が一貫している度合い データ重複のない度合い データが適切である度合い 実体を正しく表している度合い 属性が有効範囲（型、桁）に定まっている度合い 評価 確保 データ品質評価・確保の視点

Slide 23

Slide 23 text

6.データセキュリティ 24 Copyright © 2024, Oracle and/or its affiliates データに対して適切な認証と権限付与を行い、アクセスを制御し監査を行う • 入退室管理 • 設備/危機管 理 • 施錠 等 • ファイアウォール • 暗号化 • 不正侵入検知 等 • アプリケーション 監視 • ウィルス対策 • 認証/認可 等 • アクセス制御 • 暗号化 • 監査 • 認証/認可 等 データベース層 アプリケーション層 ネットワーク層 物理層 手段 • 外部的要因 • 悪意によるもの • 破壊・改ざんなど • 環境によるもの • 災害など リスク 対象 • 内部的要因 • 故意によるもの • 不正持出など • 過失によるもの • 誤操作など

Slide 24

Slide 24 text

6.データセキュリティ 25 Copyright © 2024, Oracle and/or its affiliates Oracle DBのセキュリティ機能により、AI活用でのセキュリティ課題が解決できる Oracle Database 暗 号 化 アクセス制御 監 査 ユーザーやセッション情報に基づいて 表のアクセスを列・行レベルで制限 DB管理者の無制限のアクセスを 強制的に禁止、厳格な職務分掌を実現 Database Vault 認証強化 外部認証基盤による認証強化 トークン・ベース認証 DF11233 U*1 $5Ha1qui %H1 HSKQ112 A14 FASqw34 £$1 アプリケーションへの影響がない 透過的な暗号化 Transparent Data Encryption 機密データをマスキングし セキュアなテストデータを作成 Data Masking and Subsetting データベースのアクセスログを 漏れなく詳細に記録 Unified Audit アクセスログの分析を自動化し 不正なアクセスの検知・アラート Audit Vault and Database Firewall Centrally Managed Users Virtual Private Database Data Redaction Label Security SQL Firewall OCI Logging Analytics OCI Data Safe クラウド・サービス

Slide 25

Slide 25 text

AI活用のためのデータプラットフォーム Copyright © 2024, Oracle and/or its affiliates 26

Slide 26

Slide 26 text

データパイプライン AI時代の統合データプラットフォーム Copyright © 2024, Oracle and/or its affiliates 27 UI ユーザー オーケストレーター 生成モデル 非構造データ 構造データ コネクター 構造テーブル JSON Graph Vector データ変換 埋込モデル クエリ データロード 加工用データ チャンクなど 自然言語・画像・チャートなど 自然言語・画像・チャートなど 拡張生成・構文解析など 自然言語・SQL・JSON・Graphなど 結果セット システムプロンプト インターネット 事前学習データセット エンタープライズ・ アプリケーション HTTP API

Slide 27

Slide 27 text

AI時代の統合データプラットフォーム Copyright © 2024, Oracle and/or its affiliates 28 UI ユーザー オーケストレーター 生成モデル 非構造データ 構造データ コネクター 構造テーブル JSON Graph Vector データ変換 埋込モデル クエリ データロード 加工用データ チャンクなど 自然言語・画像・チャートなど 自然言語・画像・チャートなど 拡張生成・構文解析など 自然言語・SQL・JSON・Graphなど 結果セット システムプロンプト インターネット 事前学習データセット エンタープライズ・ アプリケーション HTTP API Oracle Database 23ai 自然言語理解 SELECT AI データアクセス形式と データストレージ形式の分離 JSON Relational Duality View SELECT AI SQL/PGQ ありとあらゆるデータ形式のサポート Converged Database ありとあらゆるデータソースとの連携 Autonomous Data Studio Heterogenous Connector リアルタイムデータ前処理 PL/SQL Package ExaData Technologies GPU Offload 多種多様な埋込モデルサポート ONNX PL/SQL Package 検索精度向上施作 SQL Converged Database Annotation セキュリティとコンプライアンス Virtual Private Database Security Label Real Application Security データ運用コストパフォーマンス Autonomous Database SQL Developer AI Assist Synthetic Data Generation 柔軟なデータPF展開オプション MultiCloud

Slide 28

Slide 28 text

AI活用に向けてのポイント 29 Copyright © 2024, Oracle and/or its affiliates 現場を見てきたコンサルとして • AI活用のユースケースを明確にすることが大事 • スモールスタート→効果測定→評価→拡大の流れ が組織に浸透しやすく、実際に使われるシステムと なりやすい • スモールスタートで始めながらもデータソース/ ユースケース/利用ユーザの拡大にも対応できる 拡張性の高い仕組みを設計する必要がある Point 1 Point 2 第一段階 第二段階 第四段階 第三段階 第五段階 • データセキュリティを含め、データのことは 出来るだけデータベース層に任せることで、 課題解決への費用対効果が高くなる

Slide 29

Slide 29 text

AI活用に向けてのポイントとオファリング 30 Copyright © 2024, Oracle and/or its affiliates

Slide 30

Slide 30 text

Point 1 改めてデータ管理ついてはデータベース層に任せる Copyright © 2024, Oracle and/or its affiliates 31

Slide 31

Slide 31 text

企業内データをAIにセキュアに解放し、生成AIで活用する手段を容易に 32 Copyright © 2024, Oracle and/or its affiliates シンプルかつ、セキュアでスケーラブルな、マルチモーダルデータプラットフォーム ユースケース アプリケーション 目的別データ データソース 目 的 別 シ ス テ ム A データアクセス(GET/PUT) データ管理 API データソース ユーザ体験 UI アプリケーション / サービス ビジネスロジック

Slide 32

Slide 32 text

企業内データをAIにセキュアに解放し、生成AIで活用する手段を容易に 33 Copyright © 2024, Oracle and/or its affiliates シンプルかつ、セキュアでスケーラブルな、マルチモーダルデータプラットフォーム ユースケース アプリケーション 目的別データ データソース 目 的 別 シ ス テ ム A 目 的 別 シ ス テ ム B 目 的 別 シ ス テ ム C 目 的 別 シ ス テ ム D 目 的 別 シ ス テ ム E ユーザ体験 UI アプリケーション / サービス ビジネスロジック データアクセス(GET/PUT) データ管理 API データソース アクセス制御 ACID制御 データ前処理 パフォーマンス、 スケーラビリティ

Slide 33

Slide 33 text

企業内データをAIにセキュアに解放し、生成AIで活用する手段を容易に 34 Copyright © 2024, Oracle and/or its affiliates シンプルかつ、セキュアでスケーラブルな、マルチモーダルデータプラットフォーム ユースケース アプリケーション 目的別データ データソース 目 的 別 シ ス テ ム A 目 的 別 シ ス テ ム B 目 的 別 シ ス テ ム C 目 的 別 シ ス テ ム D 目 的 別 シ ス テ ム E ユーザ体験 UI アプリケーション / サービス ビジネスロジック データアクセス(GET/PUT) データ管理 API データベース アクセス制御 ACID制御 データ前処理 パフォーマンス、 スケーラビリティ

Slide 34

Slide 34 text

企業内データをAIにセキュアに解放し、生成AIで活用する手段を容易に 35 Copyright © 2024, Oracle and/or its affiliates シンプルかつ、セキュアでスケーラブルな、マルチモーダルデータプラットフォーム ・・・ ユースケース NLUI マルチエージェント マルチモジュール 統合検索プラットフォーム データ加工・前処理 エンタープライズ アプリケーション データソース 生成AI時代のシステム ユーザ体験 UI アプリケーション / サービス ビジネスロジック データアクセス(GET/PUT) データ管理 API データベース アクセス制御 ACID制御 データ前処理 パフォーマンス、 スケーラビリティ

Slide 35

Slide 35 text

企業内データをAIにセキュアに解放し、生成AIで活用する手段を容易に 36 Copyright © 2024, Oracle and/or its affiliates シンプルかつ、セキュアでスケーラブルな、マルチモーダルデータプラットフォーム ビジネス ユースケース マルチ AIエージェント マルチ AIモデル マルチモーダル データプラットフォーム マルチ データソース 7623 Single Source of Truth マルチモーダルデータプラットフォーム • 一つのデータベース上で、マルチモーダルデータをセ キュアに管理し、システムの複雑化、高コスト化を 抑止しつつ、“Single Source of Truth” を実現 • Hybrid-RAG など、RAGに必要なベクトル検索精 度向上を、高パフォーマンスに実現 • エンタープライズAIに求められる、高可用性、ス ケーラビリティー、堅牢なセキュリティを実現

Slide 36

Slide 36 text

マルチモーダルAI=マルチユースケースに最適なコンバージドデータベース 様々な種類のデータとワークロードをシングル・データ・プラットフォームで 37 Copyright © 2024, Oracle and/or its affiliates Relational Vector Geospatial Cube Graph Documents Relationalでの複合ワークロード, JSON, Cube, Graph, Spatial, Text, Event, Blockchainなどに対応 データの種類が異なっても1つのクエリーで処理、複数のDBを使い分ける必要がなく、システム運用・セキュリティ等の標準化が可能 Key-Value {JSON} Blockchain

Slide 37

Slide 37 text

マルチクラウドでの仮想化インターフェース マルチクラウドでのデータレイクや各種データソースとの統合 ダイレクト・ クエリ・アクセス データレイクの ファイル形式 Azure Repos コード・ レポジトリ AWS Codecommit Github データ統合ソース 通知 データ共有 AI OCI Data Catalog Amazon Glue データ・ カタログ セキュアな オブジェクト・ ストア・アクセス AI Analyticsツール アプリケーション Autonomous Databaseにアクセスす るとマルチクラウドの 様々な種類のデータに まとめてアクセスできる Copyright © 2024, Oracle and/or its affiliates. 38

Slide 38

Slide 38 text

アプリケーション開発者が機能に集中できる開発インフラストラクチャー 39 Copyright © 2024, Oracle and/or its affiliates 生成されたアプリケーションの堅牢 性・拡張性・セキュリティを担保す る自律型インフラストラクチャー Virtual Private Database Label Security Real Application Security Normalized Relational Tables データアクセスコントロール Value-based Concurrency Rules モジュール・エージェント モジュール・エージェント モジュール・エージェント エンタープライズ・アプリケーション データアクセス形式 データストレージ形式 JSON Relational Duality View データの一貫性 データの機密性 データの進化 JSON 宣言型スキーマ (生成し易さ) Annotation

Slide 39

Slide 39 text

40 Copyright © 2023, Oracle and/or its affiliates データベース戦略の比較 統合され(コンバージド)、 オープンなSQLデータベースで稼働 開発者とIT部門はイノベーションに注力 代わりに単一用途で独自の 複数のデータベース 開発者とIT部門はインテグレーションに注力 トランザク ション用DB JSON専用 DB 分析専用 DB 機械学習 分析専用 DB ブロック チェーン 分析専用 DB ドキュメント 専用DB {JSON}

Slide 40

Slide 40 text

Point 2：スモールスタート→効果測定→評価→拡大の流れ 生成AI実用化に向けてのロードマップ Copyright © 2024, Oracle and/or its affiliates 41

Slide 41

Slide 41 text

オラクルロードマップ提案フレームワーク 42 Copyright © 2024, Oracle and/or its affiliates お客様毎の生成AI実用化ロードマップのご提案 Ent.AIの民主化 ユースケース考案 投資対効果仮説検証 投資判断 実装と実用化 生成AI情報収集・調査 言語モデル単体展開 汎用RAGパイロット展開 ユーザーフィードバック収集 RAG効果立証 LoB業務課題収集 データCoE・ データソース棚卸 LoBへの Ent.AIの効果実証 ユースケースデマンドの 可視化 マルチ・ユースケースを想定した パイロットユースケース選定 統合UI/エージェント PF要件定義 統合データPF要件定義 統合プラットフォーム検証 投資対効果測定と拡張計画考案 Ent.AI実用化に向けた中期計画素案作成 本番システム設計 本番システム実装 ユースケース拡大 Ent.AIの定着化による DX実現 予算編成 中期経営 計画策定 ユースケース ソリューションリスト化 ユースケース ソリューション考案

Slide 42

Slide 42 text

オラクルロードマップ提案フレームワーク 43 Copyright © 2024, Oracle and/or its affiliates お客様毎の生成AI実用化ロードマップのご提案 Ent.AIの民主化 ユースケース考案 投資対効果仮説検証 投資判断 実装と実用化 生成AI情報収集・調査 言語モデル単体展開 汎用RAGパイロット展開 ユーザーフィードバック収集 RAG効果立証 LoB業務課題収集 データCoE・ データソース棚卸 LoBへの Ent.AIの効果実証 ユースケースデマンドの 可視化 マルチ・ユースケースを想定した パイロットユースケース選定 統合UI/エージェント PF要件定義 統合データPF要件定義 統合プラットフォーム検証 投資対効果測定と拡張計画考案 Ent.AI実用化に向けた中期計画素案作成 本番システム設計、拡充 本番システム実装、拡充 ユースケース拡大 Ent.AIの定着化による DX実現 予算編成 中期経営 計画策定 ユースケース ソリューションリスト化 ユースケース ソリューション考案 データマネジメント データプラットフォーム ユースケース

Slide 43

Slide 43 text

Enterprise AI 実用化に向けたロードマップ案 44 Copyright © 2024, Oracle and/or its affiliates ユースケース考察 →ユースケースデマンドの可視化 投資対効果仮説検証 →Ent.AI 実用化に向けた中期計画素案作成 Ent.AI の民主化 →LoBへのEnt.AIの効果実証 2024年 2025年 2026年 下期 上期 下期 実装と実用化 →Ent.AIの定着化によるDX実現 生成AI情報収集・調査 言語モデル単体展開 汎用RAGパイロット展開 ユーザフィードバック 収集RAG効果立証 LoB業務課題 収集 データソース棚卸 ユースケース ソリューション考察 ユースケース ソリューションリスト化 統合U/Iエージェント PF要件定義 統合プラットフォーム検証 統合データPF要件定義 マルチ・ユースケース想定 パイロットユースケース選定 本番システム設計、実装拡充 ユースケース拡大 26年予算 25年予算 上期 24年下期予算相談 下期 上期 27年予算 25年下期予算相談 投資対効果測定と拡張計画考察 統合データPF概念 アーキテクチャ 統合データ PF POC 現状分析とゴール設定 体制構築と人材配置 ガイドライン,標準策定 パイロットプロジェクト実施 全社展開と継続的改善 データマネジメント データプラットフォーム ユースケース データガバナンス

Slide 44

Slide 44 text

Enterprise AI 実用化に向けたロードマップ案 45 Copyright © 2024, Oracle and/or its affiliates ユースケース考察 →ユースケースデマンドの可視化 投資対効果仮説検証 →Ent.AI 実用化に向けた中期計画素案作成 Ent.AI の民主化 →LoBへのEnt.AIの効果実証 2024年 2025年 2026年 下期 上期 下期 実装と実用化 →Ent.AIの定着化によるDX実現 生成AI情報収集・調査 言語モデル単体展開 汎用RAGパイロット展開 ユーザフィードバック 収集RAG効果立証 LoB業務課題 収集 データソース棚卸 ユースケース ソリューション考察 ユースケース ソリューションリスト化 統合U/Iエージェント PF要件定義 統合プラットフォーム検証 統合データPF要件定義 マルチ・ユースケース想定 パイロットユースケース選定 本番システム設計、実装拡充 ユースケース拡大 26年予算 25年予算 上期 24年下期予算相談 下期 上期 27年予算 25年下期予算相談 投資対効果測定と拡張計画考察 統合データPF概念 アーキテクチャ 統合データ PF POC 現状分析とゴール設定 体制構築と人材配置 ガイドライン,標準策定 パイロットプロジェクト実施 全社展開と継続的改善 データマネジメント データプラットフォーム ユースケース データガバナンス データマネジメント 1st step データ プラットフォーム Small Start データプラットフォーム 要件拡充 データガバナンス立ち上げ データガバナンス展開、継続改善支援 ユースケース 考察、仮説検証 ↓ マルチ・ユースケース化

Slide 45

Slide 45 text

データマネジメントとデータプラットフォームの関係性とアプローチ 小さく始めて大きく育てる、互いにフィードバックしてブラッシュアップを続ける 46 Copyright © 2024, Oracle and/or its affiliates データマネジメント 領域、データ、機能 を随時更新 ユースケース、 データプラットフォーム 初期PoC ユースケースや構想した内容の 一部をクラウドサービスで実装 ユースケース、PoCで 解像度が上がったテーマもとに 逐次ブラッシュアップ 1. データ資産 2. データ活用 ユースケース 3. データ アーキテクチャ 4. データ品質 6. データ セキュリティ ex) データ統合 ex) データガバナンス … 5. データモデリング とデザイン データマネジメント対象領域 他のDM領域も 順次着手

Slide 46

Slide 46 text

まとめ 47 Copyright © 2024, Oracle and/or its affiliates

Slide 47

Slide 47 text

企業領域に於ける生成AI実用化課題 48 Copyright © 2024, Oracle and/or its affiliates 企業データを中心とした課題 検索精度向上 ハルシネーション低減 データセキュリティ データガバナンス 生成AI技術の企業領域での実用化に向けた3大課題 データ前処理高度化 検索ロジック高度化 データ秘匿化 データアクセス制御実装 ユースケースアイデア創出 ユースケース拡張・実現 データ資産棚卸 AI時代に最適な統合PF構築

Slide 48

Slide 48 text

ユースケースアイデア創出 ユースケース拡張・実現 • 企業・組織内のどこに、どんなデータが あるか分からず、ユースケース創出が 困難 • データソース、ユースケース、 利用ユーザの拡大にも対応できる、 拡張性の高いシステムが必要 データセキュリティ データガバナンス • 個人情報や機密情報などを判別し、 アクセスコントロールしないといけない • データ活用の利便性を保ちつつ、 外部へのデータ漏洩を防がないと いけない 検索精度向上 ハルシネーション低減 • データの不揃いや不整合のため、 検索精度が上がらない • データソースのデータ種類が多く、 現在のプラットフォームでは 吸収できないためデータ量が少ない 生成AI実用化の課題 Copyright © 2024, Oracle and/or its affiliates 49 データマネジメント データプラットフォーム が必要 大量・多種のデータをセキュアに扱う データの収集、整理、活用を管理する データを中心とした課題

Slide 49

Slide 49 text

企業内データをAIにセキュアに解放し、生成AIで活用する手段を容易に 50 Copyright © 2024, Oracle and/or its affiliates シンプルかつ、セキュアでスケーラブルな、マルチモーダルデータプラットフォーム ビジネス ユースケース マルチ AIエージェント マルチ AIモデル マルチモーダル データプラットフォーム マルチ データソース 7623 Single Source of Truth マルチモーダルデータプラットフォーム • 一つのデータベース上で、マルチモーダルデータをセ キュアに管理し、システムの複雑化、高コスト化を 抑止しつつ、“Single Source of Truth” を実現 • Hybrid-RAG など、RAGに必要なベクトル検索精 度向上を、高パフォーマンスに実現 • エンタープライズAIに求められる、高可用性、ス ケーラビリティー、堅牢なセキュリティを実現

Slide 50

Slide 50 text

データマネジメントとデータプラットフォームの関係性とアプローチ 51 Copyright © 2024, Oracle and/or its affiliates 小さく始めて大きく育てる、互いにフィードバックしてブラッシュアップを続ける データマネジメント 領域、データ、機能 を随時更新 ユースケース、 データプラットフォーム 初期PoC ユースケースや構想した内容の 一部をクラウドサービスで実装 ユースケース、PoCで 解像度が上がったテーマもとに 逐次ブラッシュアップ 1. データ資産 2. データ活用 ユースケース 3. データ アーキテクチャ 4. データ品質 6. データ セキュリティ ex) データ統合 ex) データガバナンス … 5. データモデリング とデザイン データマネジメント対象領域 他のDM領域も 順次着手

Slide 51

Slide 51 text

Q&A 52 Copyright © 2024, Oracle and/or its affiliates | Oracle - Confidential # 質問 回答 1 本日のご案内は、既存のAIシステムで利用 するDBをOracle23aiに統合しませんか？と いうメッセージで良いのでしょうか？ その場合、具体例を教えていただけないで しょうか。 ご質問ありがとうございます。 はい、ご認識の通り、AIシステムで利用するDBを統合も視野におきながら、 Oracle Dabase 23ai、Autonomous Databaseを活用していきませんか、という メッセージになります。 ただし、既存システムだけではなく、新規システムも対象となります。 具体例としては、投影資料スライド#13あたりにございます、「コールセン ター業務支援例」スライドの「Oracle Database 23ai」と記載された帯部分で ございます。 ご確認のほど宜しくお願い致します。

Slide 52

Slide 52 text

No content