生成AI

業務選定は、生成AIの導入にあたり、まず検討すべき重要なポイントです。「どの業務に活用するか」目的とゴールを設定し、「どのデータを、どう使うのか」についてユースケースを作成することが成功の鍵になります。

プロンプトとは、生成AIへの質問・命令文です。ユースケースに適したプロンプトを用意し、組織的に活用します。また、生成AIに複雑な作業を実行させる技術「プロンプト エンジニアリング」を駆使し、回答精度の向上を図ります。

日本語などの自然言語による命令文をユーザーが作成・実行するケースから、プログラム言語を活用して「目標を与えたら適切なタスクを組み合わせて自律的に業務を処理」する高度なプロンプトまで、プロンプトエンジニアリングも多岐に渡ります。

APP/UIとは、アプリケーションおよびユーザーインターフェイスの略称です。ユースケースによっては以下の開発が必要になります。

業務ニーズによっては、既存の業務システムと生成AIの連携が必要な場合もあります。例えば「生成AIの処理結果を業務システムに入力したい」というニーズに対応する場合、生成AIシステムから業務システムへ、システム連携する開発が必要になります。

チャットや要約など汎用的な用途のためのUIの提供から、お客さまの業務に即した専用UIの開発まで、要件に応じた柔軟なサービス提供が生成AI活用の定着化の鍵になります。

LLM（Large Language Models, 大規模言語モデル）とは、インターネットで取得可能な情報等の膨大なテキストデータを、先進的な深層学習技術を用いて事前学習したAIモデル、およびそのモデルを構築した基盤を指します。LLMにより高度な言語理解および文章生成をはじめとした多様な自然言語処理が実現可能となり、ビジネスシーンにおけるコミュニケーションをAIが支援可能となりました。

日立システムズでは現状Microsoft : Azure OpenAI Service、AWS : BedrockのLLMを採用しています。

RAG（Retrieval-Augmented Generation, 検索拡張生成）とは、大規模言語モデル（LLM）には含まれていない外部データを検索して生成AIを活用する技術です。RAGによって生成AIによる回答精度を向上したり、業界知識や社内データに特化した生成AI活用が可能になります。例えば社内イントラやマニュアルなどを生成AIで活用したり、社内システムと生成AI基盤との間にAPIを開発して社外秘情報を扱う業務の効率化を図ることも可能です。