日本企業が生成AIを効果的に使いこなす方法

TL;DR

日本企業は、米国企業の技術開発を追うより、現場の課題を明確な日本語で言語化し、既存の生成AIを素早く使うべきである。大規模な要件定義や投資対効果の精査に時間をかけず、簡単な雑務から導入して社内で改善を続けることが重要となる。

Transcript

日本の大企業の方がよっぽどですね生成は うまく使いこなせてるんじゃないかという 風に感じますあそうですかなんかすごい 意外というかイメージと違いますね持た ざるものとしてのあの強みってのはあるだ と思ってるんですね毎年アメリカで数7円 のですね投資が行われてるならその リターンをですね最大限にしゃぶり尽くせ ばいいという風に思って確かじゃ投資とか RDは全部アメリカがやってくれとはいで そのうまいところを日本が取ってやるそう そうそうそうですそれであの十分ですね あの戦える余地っての多分にあると思って まして生成愛に向いてる課題ってあります かそれとも全部の課題に対応できるんです 今の物差しで業務のコスとか開発のコス トって見てもですねほとんど意味がないん ですよおっしゃる通りそうするとじゃ... Read More

Key Insights

• ・日本企業の強みは、生成AIの基盤モデルを自ら開発する資本力ではなく、現場に蓄積された課題と改善文化を使い、外部の技術を業務成果へ変換できる点である。
• ・米国の優位性は、主にビッグテックによる生成AIの開発と巨額投資にあり、生成AIを一般企業が使いこなして事業上の成果を出す段階まで一様に進んでいるわけではない。
• ・生成AIは、大規模な社内データや高度なIT基盤を先に整えなくても、プロンプトによって動かせるため、IT人材が不足する日本企業にも導入しやすい道具である。
• ・生成AI活用の性能を左右する鍵は、自社の仕事、判断基準、解決したい問題を明瞭な日本語で言語化し、人間に説明するのと同じようにAIへ伝えられるかどうかである。
• ・外部ベンダーへの丸投げは、長年蓄積した社内知識を伝える往復に時間がかかり、自社で方向を決めて改善する力が育たないため、継続的なAI活用には適さない。
• ・生成AI導入は、最初から難しく複雑な業務を高コストで置き換えるより、現在のAIで解決できる簡単な雑務を数多く、素早く処理させる方法が有効である。
• ・従来型の要件定義や投資対効果の算定は、生成AIの能力が急速に変化し、計画を立てた時点と半年後で前提が異なり得るため、そのまま適用しても意味が薄い。
• ・生成AIへの向き合い方は、高速道路に早めに乗る姿勢に近く、最初はゆっくり利用しても、継続して試すことで技術の進化を取り込みながら活用範囲を広げられる。

Questions & Answers

Q: 日本企業が生成AIを効果的に使いこなす方法は？

解決したい現場の課題を先に選び、その仕事の手順、判断基準、望む成果を明瞭な日本語で言語化してAIへ指示します。最初から複雑なシステムを構築せず、現在のAIで処理できる簡単な雑務を数多く試し、結果を見ながら現場主導で改善を重ねることが重要です。

Q: なぜ日本企業は生成AI活用で有利になり得るのか？

日本企業には、人手不足や生産性など解決すべき課題が多く、現場で業務改善を積み重ねる文化があります。生成AIは大規模なIT基盤や独自モデルがなくても利用できるため、技術開発で米国企業と競わず、外部で生まれたAIを現場の課題解決に使うことで強みを発揮できます。

Q: 米国企業は日本企業より生成AI活用が進んでいるのですか？

生成AIを作る側では、米国のビッグテックが圧倒的な資金力で開発を先導しています。一方、使う側の一般企業まで一様に進んでいるわけではなく、従来のIT人材や技術中心の進め方が足かせになる場合もあります。現場が強い日本企業の中には、米国企業の平均より先を行く企業があるとの見方が示されています。

Q: 生成AIの導入前に大規模な社内データ整備は必要ですか？

従来のAIでは、社内データを集めてモデルを作る工程が重視されましたが、生成AIはプロンプトだけでも動かせるほど能力が高まっています。そのため、大規模なデータ整備を導入の絶対条件とせず、まず解決したい課題を日本語で明確に伝え、既存のAIでできる範囲から試すことができます。

Q: 生成AI活用をベンダーに丸投げしてはいけないのはなぜですか？

外部ベンダーは、企業が長年蓄積してきた業務知識や判断基準を最初から理解しているわけではありません。それらを伝えるやり取りには時間がかかり、継続的な改善の速度も落ちます。導入の入口では外部支援を利用しても、その後は自社が課題と行き先を決め、主体的に使える状態を目指す必要があります。

Q: 生成AIに向いている業務の見つけ方は？

難しく複雑な業務だけを探すのではなく、日常業務に含まれる文章作成などの簡単な雑務に注目します。話者は、仕事のうち難しい部分以外の多くは現在のAIでも解決可能だと述べています。まず簡単な処理を数多く、素早く任せ、AIの進化に合わせて対象範囲を広げる方法が適しています。

Q: 生成AI導入で従来型の要件定義が合わないのはなぜですか？

生成AIは急速に進化するため、現在の能力を前提に対象業務、工数、開発費、投資対効果を細かく決めても、半年後には前提となる環境が変わっている可能性があります。長期間かけて仕様を固定するより、短い単位で実際に使い、結果を確かめながら進め方を更新することが重要です。

Q: 生成AIのハルシネーションやセキュリティ問題にはどう向き合うべきですか？

現時点の課題だけを見て、生成AIを使わないと判断するべきではないという考えが示されています。ハルシネーション、セキュリティ、自社情報の取り込みなどには問題が残る一方、技術は加速度的に改善しています。まず利用を始めて経験を蓄積し、難しい部分はAIの進化を待ちながら段階的に活用範囲を広げます。

Summary & Key Takeaways

• 日本企業は生成AIの開発競争ではなく、利用による業務改善で優位に立てる可能性がある。米国ではビッグテックが巨額投資でモデル開発を先導する一方、一般企業の活用が一様に進んでいるわけではない。日本企業には人手不足や生産性などの切実な課題と、現場主導で改善を重ねる文化があり、外部で開発されたAIの成果を取り込む戦い方が適している。

• 生成AI活用の出発点は、AI導入そのものではなく、解決したい業務課題を定めることである。現在の生成AIは大規模な社内データや高度な技術基盤がなくても、明瞭な日本語による指示で使える。仕事の内容、判断基準、望む結果を言語化できれば、人間への依頼をAIへの依頼に置き換えられるため、現場が主体となって試行と改善を続けることが重要になる。

• 従来型DXのように、対象業務を絞り、工数や開発費から投資対効果を算定し、詳細な要件定義を固める方法は、急速に進化する生成AIには合いにくい。計画時点と半年後では利用可能な能力が変わる可能性があるため、難しい業務の大型開発から始めず、まず日常の簡単な雑務を数多く処理させる。外部ベンダーは導入の入口に活用し、その後は社内で運用する必要がある。