生成AIが企業変革を起こしうる理由

　業務改善、さらには経営変革にまで活用できる可能性を秘めている生成AI。しかし、生成AIの登場前から、いわゆるAIは存在していた。なぜ生成AIは、ここまで大きな変化の波を起こすことになったのか。金氏は、その理由の一側面を、従来のAIと生成AIのPoCの違いから明らかにした。

　従来のAIは、要件定義からデータ収集・整備、モデル選定、モデル学習、効果検証・活用と、様々なプロセスを踏まなければ導入に至れなかった。その上、これらのプロセスをやり遂げるには、専門的なノウハウが必要なため、AIベンダーに依存せざるを得ない。途中のプロセスで想定した精度が出なかった場合は、モデル学習やデータ収集・整備の段階からやり直さなければならないこともあり、莫大なコストと時間がかかっていたのだ。

　一方、生成AIの場合、要件定義を終えた後は、プロンプトを差し替えるだけでそのまま効果検証・活用のフェーズに移れる。高速でPDCAを回せる分、一般の社員も取り組みやすく、社員がプロンプトに関するノウハウを一度学んでしまえば、内製化も容易だ。その結果、組織への浸透度も格段に上がることになる。

　とはいえ、従来のAIでしか解けない課題も、中には存在する。そのため、今後は課題の内容に応じてAIを使い分けていくことが大切になると、金氏は述べた。

　最後に岡田氏は、生成AIをめぐる今後の展開について、馬渕氏と金氏に見解を求めた。馬渕氏は、言語系のLLMをはじめとする様々なファウンデーションモデルが誕生する中、今後もますます学習量が増加するだろうと推測した上で、企業の生成AI活用では業界個別のデータや社内データのファインチューニング（追加学習）が鍵を握るはずだと主張。そのプロセスを技術的にリードするプロンプトエンジニア育成の重要性を強調した。

　金氏は、生成AIによる社内データ検索の精度が上がらない場合、プロンプトではなく、読み込むデータそのものに問題がある可能性を指摘。企業において生成AIを活用するには、社内データの質自体の見直しも重要になるはずだと述べた。