生成AIと従来AIの業務効率化へのアプローチ

生成AI登場前のAIは、ある目的に特化したAIを構築・利用してきました。 利用をある特定の分野に限定するため、必然的にその分野に関する事前学習が必要であり、その学習に時間とコストがかかっていました。 例えば、製造業では外観検査という工程があります。 これは、出来上がった製品を目視で確認し傷や不備がないか確認する、非常に重要な工程です。 この外観検査の正常な写真と異常な写真を学習データとしてAIに学習させることで、実際の製品の画像から傷や不備があるか判断できるモデルが出来上がります。 この学習には、正常な写真や異常な写真を多く準備する必要がありますし、それらを手動で学習させる必要があり、多くの時間と手間がかかります。 結果、これまでのAIは、事前準備に時間とコストがかかってしまい、現実的な価格帯で導入できるものではなかった、というような例もあります。 一方で生成AIは、ビッグデータを活用しあらゆる情報を事前学習したことで、汎用的に使えるAI（LLM=大規模言語モデル）となりました。 ただ、現状は「生成」のところにスポットライトが当たり過ぎており、「AI」（つまり、推論と分類）のところは少し置いてけぼりになっていると感じます。 そのため、本書では、GPTやGeminiといった公開された生成AIモデルを活用し、「推論と分類」に焦点を当てながら、「業務効率化への具体的な活用方法」を提案します。 特に現場業務に着目し、AIを意識せず、業務の裏側でAIが動くことにより自然に活用できる「見えないAI」の環境整備を目指した提案を行います。 「見えないAI」環境を整えるためには、裏でAIを動かすためのAPIの知識であったり、ノーコード/ローコードを含むプログラミングスキルが必要になります。 でも安心してください。本書でもしっかりとサポートしますし、インターネットで検索すれば、沢山の情報があります。 それこそ生成AIにコードを出力してもらうのも1つの手段ですね（でも、コードはしっかりと理解しましょう！） ぜひ、「見えないAI」による業務自動化を一緒に進めていきましょう。