データマネジメント担当者が考える『生成AIマネジメントフレームワーク』

データマネジメント担当者がデータマネジメントの知識を生かして「生成AIマネジメントフレームワーク」を考えてみたことを解説しています。

データが整備されていないがゆえに、データ利活用で成果を創出できない現状は、「ガベージイン、ガベージアウト」という状態であり、生成AIの活用においても、成果を出すためには適切なマネジメントが必要です。

考案したフレームワークは、「監督」「整備」「活用」の3つの役割から成り立っており、安全な利用環境の整備、ナレッジの集約、そしてアウトプットの品質管理を通じて、確実に成果を生み出せる体制が必要だと述べています。

また、この枠組みを機能させるためには、組織的なマネジメントやAI倫理といった土台を整えることが重要です。

Transcript

1. データマネジメント担当者が考える 『生成AIマネジメントフレームワーク』 よしむら＠データマネジメント
2. 自己紹介 • 趣味でデータマネジメントの発信をやっています • データ横丁イベントの司会・運営担当 ＠yoshimura_datam Twitter note 同人誌
3. データ分析 データ基盤 データソース 生成AIを取り巻く状況と私 • 近年はデータマネジメントを駆使して、会社のデータ利活用を 推進して行くことがDXの柱だった。 データ基盤 成果創出
4. 生成AIを取り巻く状況と私 • 従来のデータ活用と並列して、 生成AIを活用して成果を出すことが求められている。 データ分析 データ基盤 データソース データ基盤 成果創出 生成AI活用 成果創出
5. 今日の話 • データマネジメントの概要 • 生成AIのマネジメントの構造 • 生成AIフレームワークの説明
6. データ利活用のために必要なデータが整備されておらず、上手く成果創出につながっていない データ マネジメント データ利活用 成果創出 成果を創出できていない状態 ガベージインガベージアウト※ の状態になっていて、データ活用が成果に結びついていない。 データマネジメントに取り組む必要がある。 中途半端な分析 品質の悪いデータ 意思決定できない ガベージインガベージアウト：『無意味なデータ』を分析に活用しても『無意味な結果』が返されるという意味。データ利活用の格言 データ利活用により成果が創出できていない状態
7. 成果創出のために必要なデータ利活用が成されて、そのために必要なデータも整備されている データ マネジメント データ利活用 成果創出 成果を創出している状態 データ利活用により成果が創出できている状態
8. アナリティクス ビッグデータ活用 DWH と BI 参照データ と マスタデータ ドキュメント と コンテンツ管理 データ統合と相互運用性 データストレージと オペレーション データセキュリティ データモデリングと デザイン データ品質 データアーキテクチャ メタデータ データガバナンス DMBOKによると、データマネジ メントは11の知識領域に定義さ れる。 11の領域の関係性をDMBOKピラ ミッドと言われる図で表したもの が左記であり、データマネジメン トの土台の上にデータ利活用が存 在する。 DMBOKピラミッド：データマネジメント知識体系ガイド（DMBOK）P63を参考に作成 成果創出を支えるデータマネジメント
9. 生成AIマネジメントの話
10. 生成AIの導入意向 • 生成AIは急速に普及している • 導入のために解決すべき課題はあるが、 専門的な技術が必要であり、対策方法が明確ではない IPA テキスト生成AIの導入・運用ガイドラインより
11. 生成AI利活用のために必要な環境整備されておらず、上手く成果創出につながっていない 生成AI マネジメント 生成AI利用 成果創出 成果を創出できていない状態 生成AIマネジメントが出来ていないと、セキュリティや学習のリスク アウトプットの品質管理ができずに、成果を創出できない。 中途半端な利用 品質の悪い環境 成果が出せる利用ができない 生成AIの活用についても構造は同様
12. 生成AIマネジメントの目的 生成AIを管理・監督して、成果創出を行う • 活用するための土台を整備して、誰もが安心・安全に使える環境を整備する • ナレッジを集約して、組織として知識習得を加速する • アプトプットの品質を管理する 生成AI マネジメント 生成AI利用 成果創出 成果を創出している状態
13. 生成AIマネジメントフレームワーク 大きく3つの役割と、共通する観点の 4つの要素で構成される • 監督：全体の管理・監督を行う • 整備：環境を整備する • 活用：生成AIを活用して成果を出す 生成AIマネジメントを体系的にまとめたもの
14. 生成AIガバナンス 生成AIガバナンス 生成AIで成果を創出するという目的の 管理・監督を行う • ルールを定めて、監査をする • 活動に対して評価を行い、投資の意思 決定を行う • 各活動について監査を行う
15. ガイドラインの制定 • AIガバナンスを文書で定義する • 文書の構造を意識して、それぞれ必要な粒度で作成する
16. 生成AI活動の監査 成果のモニタリング • アウトプットが生み出す成果が、基準を満たしているかを継続的に監視し、 問題があれば改善の仕組みを動かす。 ガイドラインの遵守状況を監視する • データ定義、品質基準、アク セス権限、セキュリティ規則 などが守られているかを チェックする 責任の実行状況を確認する • 整備・活用を実施する組 織が責任を果たしている かどうかを見届ける
17. 生成AIマネジメント 生成AIマネジメント 安心・安全に扱うための環境を整える • モダンなシステム基盤を作る • ナレッジを整備する • 品質を管理する
18. 法制・セキュリティ • 生成AIを安心、安全に使うために整備する • 著作権法、各国のAI法 • 入力データの学習されるリスクと対策 • 法令遵守だけでは不十分な、社会的受容性の重要性 生成AI 入力 指示 出力 社内ナレッジ 大量データ 指示が学習されないように アプトプットの利用基準 個人情報を入れてよいか
19. 生成AI基盤 • 会社としての標準である公式の生成AI基盤を構築する • 自社ナレッジをセキュアに保持する • 自社システムと繋ぎこみ、社内業務エージェントを作る • 利用者の管理ができるようにする 生成AI 入力 指示 出力 社内ナレッジ 大量データ 利用者の管理 業務の自動化 MCPの活用
20. ドキュメント管理 • ドキュメントとコンテンツ管理 • AIが参照して、適切に回答できるためのドキュメント管理を行う • ドキュメントを生成AIに理解できるように整備する • ドキュメントに付随するメタデータを整備する 生成AI 入力 社内ナレッジ 大量データ 社内ナレッジのドキュメント管理の例 • 指示語を無くす • AIが参照しやすいフォーマットに形成する • 検索しやすいようにメタデータを整備する
21. 生成AI活用 生成AI活用 生成AIを活用して成果を創出する • 検証（PoC）を実施する • 本番へ適応する • 成果を計測する
22. AIをビジネス成果に繋げる • AI活用で成果を出すためのサイクルを回す
23. 生成AIマネジメントのベース 生成AIマネジメントのベース 生成AIマネジメントを機能させるため にはベースを整える必要がある • 組織のマネジメント • 生成AIアセスメント
24. 生成AIマネジメントのベース MVV、チェンジマネジメント、AI倫理、データプライバシー AI Ready企業 AI未導入企業 AI活用企業 • AIの活用を進めるためには、ベースとなる 組織やプライバシーについてもUpdateする必要がある
25. まとめ • 成果を創出するためには生成AIマネジメントが必要 • 生成AIマネジメントを構成を表現した、生成AIマネジメント フレームワークを考案 • 監督、整備、活用という３つの役割が上手く機能することが 生成AIで成果を出すためには重要