生成AIのノイズをかき分けて

2022年末のChatGPTの発表以来、生成AI（GenAI）はテクノロジーとビジネスの世界に旋風を巻き起こしている。この波は大きな革新の可能性と同時に、多くの誇大広告と不確実性をもたらした。GenAI戦略の策定を始めたばかりの企業にとって、喧騒をかき分けて本質を見極め、自社の業務にどう適合させるかを理解することが優先課題となっている。

現在、GenAIへの認知度はかつてなく高い。DatabricksのCEOであるAli Ghodsi氏は、最近のData+AIサミットでこう語った。「過去6〜7か月、顧客とのあらゆるミーティングが最終的に生成AIの話題に終始しています。別のテーマについて話していても、結局は生成AIに行き着くのです。」IDCのデータもこれを裏付けている。TeradataがスポンサーとなったIDCの調査によると、経営幹部の約80％が、自社が将来的に製品や業務でGenAIを活用することに自信を持っている。IDCアナリストのChandana Gopal氏とDan Vesset氏は調査プレビューで、「1年足らずでGenAIが成し遂げたこと、すなわち何百万もの人々の想像力をかき立て、人間のコンテンツ創造の方法を破壊し、人々の考え方や働き方を根本的に変えたこと、これほど短期間で達成した技術は他にありません」と述べている。

しかし、GenAIを活用したいという企業の願望と実際の能力の間には大きな隔たりがある。世界900人の経営幹部を対象にした同調査によると、現在GenAIを活用する準備が十分に整っていると回答したのはわずか30％で、今後6〜12か月で42％に増加する見込みだ。また、56％の幹部が、競合に先んじるために今後6〜12か月以内にGenAIを導入するよう「高い」または「相当な」プレッシャーを感じている。

では、企業は具体的にどのようにGenAIを導入すればよいのか。来月ワシントンD.C.で開催されるVOICE+AI会議の主催者Pete Erickson氏は、「今年は誰もが『今何が可能なのか？どう評価すべきか？』と問いかけている。非常に特別な年だ。数年後には状況は正常化し、明確な成果が見えてくるだろう」と語る。すでに高度な自然言語処理と大規模言語モデル（LLM）に投資してきたコンタクトセンター業界ではGenAIの道筋が比較的明確だが、他の業界ではどうか。

企業が直面する最大の問題の一つは、GenAIを自社で構築するか、それとも他社のものを購入するかだ。APIを利用すれば、OpenAIのGPT-4のような非常に強力な事前学習モデルにアクセスできる。これらのモデルは膨大なデータ（基本的にインターネット全体）で訓練されており、テキストだけでなく画像も生成できる。しかし、多くの企業はデータ管理の喪失を恐れ、APIアプローチを敬遠する。また、GPT-4やGoogle PaLMのような巨大モデルは汎用的すぎて特定のニーズには過剰だと考える。DatabricksのGhodsi氏は「これはあらゆる場面で浮上する最大の疑問です。生成AIを提供する企業やサービスはたくさんありますが、あなた自身のモデルを提供するわけではないため、自社のIPをコントロールできません」と指摘する。

一方、GenAIの核となる大規模言語モデルを自社で開発するのは費用と時間がかかる。OpenAIのGPT-3のトレーニングには、Nvidia Tesla V100上で約460万ドルかかったと推定される。GPU不足も要因であり、LLMを訓練する技術的スキルも必要だ。こうした背景から、Ghodsi氏は2021年初頭にNaveen Rao氏が共同設立した生成AIスタートアップMosaicMLを買収した。Databricksの傘下で、MosaicMLは顧客向けにカスタムGenAIモデルを大量生産する「工場」となり、GPT-4よりもはるかに小型で低コストのモデルを提供する。

購入か自社構築かの議論に加えて、企業はGenAIで何ができるかを考える必要がある。IDCのグループVPであるPhilip Carter氏によると、GenAIのユースケースは大きく3つに分類される：生産性向上アプリ、業務機能アプリ、業界特化型アプリである。生産性向上アプリは、レポートの要約、職務記述書の生成、Javaコードの生成などの基本的なユースケースをカバーし、既存アプリケーション（MicrosoftのCopilotやGoogleのDuet AIなど）に組み込まれつつある。業務機能アプリは、マーケティング、セールス、調達などの特定の成果を支援するもので、複数のGenAIモデルを採用することが多い。Carter氏によれば「多くの組織がこうしたユースケースをテストしているが、IP漏洩とデータガバナンスを懸念している」。最後に、一部の企業は創薬や製造業の材料設計など、業界固有のGenAIアプリケーションを一から構築する。これらのカスタムモデルは最も多くの作業を必要とし、場合によっては自社でGenAIモデルを構築する必要がある（ただし、API経由で既存モデルにアクセスする企業もある）。

しかし、企業が自社データを活用してGenAIアプリを作成する前に、多くの準備作業が残っている。例えば、ガバナンスと透明性の問題が急速に浮上している。米国コンピュータ学会（ACM）は最近、ハイリスクAIアプリケーションの規制強化を求める新しいペーパーを発表し、ある著者は現在の状況を「無法地帯」と表現した。IDCのCarter氏は、企業はデータとモデルのライフサイクルを管理するインテリジェントアーキテクチャの構築に投資すべきであり、「これにはデータプライバシー、セキュリティ、知的財産（IP）保護に関するプロトコルも含まれるべきだ」と述べている。

GenAIの未来は明るい。ChatGPTのような現在のブームがいつか沈静化するとしても、新しいテクノロジーは常に次のより強力なテクノロジーへの足がかりとなる。その意味で、AIの可能性は本当に畏敬の念を抱かせるものであり、企業は今日のGenAIだけでなく、次に来るAIにも備えておくことが賢明だろう。