はじめに

生成 AI の現場に片足を突っ込んでおりまして、業務でも AI に触れております！

今回偉い人に『君も参加するかい？』と言われ、『もちろん行かせてください！！』ということで幕張メッセまで行ってきましたｗ（めっちゃ遠い、、お昼はインドカレー）

Interop Tokyo は世の中の生成 AI の動向や最新情報を聞けるというテンション上がるお祭りですｗ

印象に残ったことを簡単に共有させてください～

Nvidia の生成 AI に関する取り組みや最新の活用状況について

生成 AI の利用についてのアンケート結果によると、80％の企業がChatGPT やCopilot といった生成 AI を使用してるらしいですが…いやいや、ちょっと多すぎませんか？(笑)

多分前提を聞き逃してましたよね、、すみません。。

しかし、導入している企業さんたちでさえ便利なチャットツール程度にしか活用していないという課題が浮き彫りになっています。

導入している環境でアクティブユーザがどの程度なのか、満足度は高いのか低いのかなどなど自分の現場でも話題になっております！

Nvidia の生成 AI 活用事例

Nvidia は製造業における生成 AI の活用に積極的で、以下のような事例が紹介されました。

・サービス・メンテナンスのシーン理解（Vision 系タスク）

・ロボティクスセンサーデータの処理

・RAG システムの導入

特にLLM（大規模言語モデル）だけに頼ると固有のドメイン知識が不足し、ハルシネーション（誤情報生成）が発生するという問題を指摘しました。

これを防ぐために、ドキュメントを意味ベクトル空間に変換し、LLM に知識として与える手法が有効だと確認されています。

ここはふむふむそうだよね〜ポイントでした。

今後の生成 AI の方向性

VLM（Visionary Language Model）のような目を持つ LLM モデルが今後の主流になると予測されています。

従来の Deep Learning に比べて、VLM は高い学習コストが不要で構成もシンプルです。

Nvidia では、RAG + VLM を用いたシステム構築が進行中で、製造業でのルールベースの監視やアラートシステムに応用されているそうです。

生成 AI 導入の課題と対策

生成 AI 導入にあたって多くの企業が陥りがちなステップも紹介されました。

例えば「ChatGPTすごいからとりあえず使ってみろ」と経営陣が飛びついた結果、効果を確かめるための指標や KPI が不明確なまま進んでしまうことがあります。

これを防ぐためには、生成 AI の適用範囲を明確にし、特化したタスクに対して段階的に導入することが重要です。

わかっちゃいるけど。。。みたいなところだと思いましたね〜

感想的な総括

生成 AI を「地頭のいい新卒社員」と捉え、小さなタスクから徐々に依頼していくことが鍵です。

これが現状最もうまい使いかたかなと思います！

評価指標としては、業務時間の短縮など定性的な評価が向いているとのことです。

Nvidiaと LayerX（東大発のベンチャー企業）の取り組みには共通点が多く、非常に参考になりました。

技術革新があった際、それを使うことが自体が目的になりがちですが、本当にその技術が問題解決に適しているかを見極めることが重要だと感じました。

現場で実施している業務も大きく遅れている訳ではなく、少し自信になりました。

Interop Tokyo 2024 で得た知識を基に、生成 AI をより効果的に活用するために取り組みを進めていきたいと思います。

やっぱりエンジニアとして、こういった機会はテンションも上がるし、モチベーションにも繋がるな〜としみじみ感じました。

今後のエージェントグローの福利厚生拡大に期待！！ｗ