海外の生成AI活用事例
AIメディア、MiraLab AIの平岡です。同じくMiraLab AIの竜之です。
この番組は、AIの最新動向をもとに未来を考察するポッドキャスト番組です。
それでは本日のトークテーマお願いします。
海外の生成AI事例をまとめてみた。
海外のですか?
そう、国内の事例とかね、たくさん取り上げてますけど、
そういえばアメリカとかってどういうふうに活用してるんだろう?ってちょっと気になりまして。
確かにね、ちょっと抜けてたかもしれないね、その辺。
はい、しかもですね、最近データを見まして、我々の。
最近で一番リテンションが良かったもの、最後まで惹かれたものが、
ナンバー3の経営戦略の回だったんですよ。
だから皆さんやっぱりユースケース欲しいんじゃないかなって思いまして、
じゃあここはちょっと海外のユースケースをご紹介しようかなというところで。
おーなるほど、面白いですね。
はい、おしゃべりしました。
で、今回のリサーチは2024年から2025年の事例をちょっと話していこうかなとは思います。
で、いろんな例があるんですけど、まずちょっと王道どころからちょっと話していって、
で、その後にちょっとこう最先端じゃないけど、あんまり聞かないようなユースケースっていう話をしようと思うんですけど、
最初の王道どころでいくと、まずモルガンスタンでのAIアシスタント導入っていうところで、
これは金融業界なんですけど、ここはですね、社内向けの生成AIアシスタントを導入っていうところなので、
ラグですね、いわゆる知識検索っていうところで活用してるんですけど、資産運用アドバイザーっていう仕事じゃないですか。
だから社内資料をめちゃめちゃ使うわけですよ。
だからここでオープンAIと提携して、AIモルガンスタンリーアシスタントっていうのを開発して導入したらしいんですね。
で、これを導入したことによってどういう成果が出たかという話を言うと、
まず全米の財務アドバイザーチームの98%がこのAIアシスタントを日常的に活用するようになったと。
すごいね、浸透率。 98パーってすごいですよね。
コカ・コーラのマーケティング戦略
で、アドバイザーからは顧客との対話に専念ができるようになったと。
そこまでいくとさ、残りの2パーなんで硬くなるんだろうと思うよね。
どの業界にもやっぱりレガードっているんだなみたいな感じしますよね。
だから主にはラグで社内資料検索したりとか、チャット形式で聞いたりとか、
その会議の議事録取ってくれたりとか、日本でもよくやっているような業務効率ですよね。
ただやっぱこれをやるだけで相当業務効率につながったという話ですね。
で、別の起源業界でいくとアメリカンエキスプレスですね、アメックスです。
このアメックスは社内コパイロットを導入しているようでして、
元々2010年代から機械学習で予診審査とか不正検事やってきたんですって。
で、生成AIにさらに大きな可能性を感じて、2022年のチャットGPTの登場以降に、
この技術で何ができるかと、社内で精査したところ、専門のジェネレレティブAI委員会っていうのを立ち上げてるんだよね。
なるほどね。
ホームやIT部門を含む横断的なチームで、
活用候補500件ユースケースを洗い出して優先住院付けを行ったと。
で、結局何やったのっていうと、2つあって、1つは顧客向けのサービスですね。
これプラチナカードの会員さん向けには、旅行コンシェルズ業務っていうのがあるんだって。
これをもうAIでやってるらしい、今。
へえ、そうなんだ。
例えば、ペット同伴家でニューヨークのこの地域にあるこのホテルは?みたいな問い合わせが来た時に、
普通は人間がネット検索したりとか、データベース称号したりとかして、場合によって折り返し対応するみたいな感じになるんですけど、
これはもうやっぱりAIで即時回答ですね。
なるほどね。
で、この結果通話あたりの対応時間が平均で60秒も短縮されて、
顧客を待たせず即答できるようになったというところですね。
いいね、待たずに即答してくれるのってめっちゃ嬉しいよね。
ね、ほんとそうっすよね。
逆に言うとこれやらないと食われるとこっすよね、AIに。
そういうことだよね。
だから人間に応対してもらっても、AIに応対してもらっても、どっちも同じ速度でいいんだったら人間がEを選ぶと思うんですよ、人って。
そういうところで半分戦ってるみたいな感じですよね。
ああ、そうだね。
もう一つはソフトウェア開発、コードアシスタントですね。
エンジニアの作業時間がおおよそ10%削減できたよみたいな話もあって、
社員も満足してるみたいな話でしたけど、
これ2024年の初頭の話なんで、もっと全然完結してると思う、これ。
だしなんかあれだね、2024年でそのレベルなんだったら、今はもっとすごいだろうなって感じするしさ、
さっき言った旅行のやつとかもさ、言ったらAIエージェントみたいな文明に近いじゃん。
でも今それこそオペレーターとかさ、MCPとかさ、いっぱいそういうAIエージェント系が出てるからさ、
なんかもうもっとすごくなってそうだよね。
もっとすごくなってそうだよね。
最近あのポストでちょろっと見た話なんですけど、
とあるスタートアップのCTOが、エンジニアに対して自分でコードを書くのを禁止するみたいなことがね、ちょっと話題になってたりしたんですよ。
基本的には自分でコードは書かないでください。
全部ベースはAIで書いてください。
その後修正、レビュー等は自分で修正を加えるっていう形。
なるほどね。
だからもう手打ちでコード書くの禁止ぐらいしないと、なかなか浸透しない可能性もあるなと確かに思った。
でもなんかそれがあってもいいぐらい、本当に効率よくなってますもんね。
そうね。
前回のアンソロピックの回で僕も話しましたけど、
12ヶ月後ぐらいには90%コードはAIが書いてるみたいな話も出てるぐらいなんでね。
そうね、他の人でもなんか似たようなこと言ってる人多いしね。
というところでアメリカもね、やっぱ率先して大企業がコードをAIで書いてるというような形ですね。
次の例でいくと、コカ・コーラのマーケティング事例なんですけど、
コカ・コーラもね、めちゃめちゃ早い段階からやってて、一番最初知らなかったんですけど、ロンドンのスタビリティAI、
ディフュージョン作ってるところですよね、ステイブルディフュージョン作ってるところと組んで、
最初にマスタープライスキャンペーンっていうのをね、実施したらしいんですよ。
へえ。
これは画像生成AIで有名絵画とコーラのコラボ映像を作ったりして、CM作ったりとか。
その後、オープンAIのチャットGPTが登場したら、経営コンサル大手のベインっていう会社と、
オープンAIが提携したプログラムの最初の企業パートナーとして参加して、めちゃめちゃ話題になったと、当時ね。
つまりその社外の専門知見を取り入れながら、社内の生成AIの実験文化っていうのを両軸で回していったっていう背景があるの。
なるほど。
で、コカ・コーラ実際にAIでCMを作ったんですけど、
有名なコカ・コーラのサンタクロースのCMあるじゃないですか、あれをAIで現代風に蘇らせた映像を公開したと。
このクリエイティブ系をAIでやったよっていう事例って日本でもあったりすると思うんですけど、コカ・コーラもこれ延長したらしいですね。
ああそうなんだ、なんかあれかな、前CM延長の回とかでなんか紹介してたかな。
あの時はトイザらスとか、マックとか、AIで作ったCM延長したよねみたいな話したと思うんですけど、
だいたい延長すんだな。
だいたい延長する。不気味、気持ちが悪いみたいな感じでボコボコにされたらしいですね。
ただまあマーケティング的な分野だったりとかクリエイティブ領域でガンガン使っていて、
なんとコカ・コーラに関してはですね、マイクロソフトと5年にわたる戦略的提携っていうのを2024年の4月に発表するんだよね。
ああそうなんだ。
だからAzureに今後11億ドル、日本円だと1500億円投資しますって言ってたりとか。
へえそうなんだね。
マーケだけじゃなくてもう全社の業務にもうマイクロソフトのAzureを入れていくと。堂々と言ってるんですよ。
医療分野におけるAIの導入
だからまあオフィス系とコパイロットつなげてどうやって業務効率化できるかっていう検証をやっているという感じですね。
なるほどね。
で王道どこでいくと最後、医療系のお話なんですけど、医療現場でもね活用が始まっていて、
特に注目されているのが診療記録の作成とか事務作業の自動化っていった領域だね。
これはアメリカの大きい病院だと医師が患者対応に専念できるようにAIがデジタル初期となって記録をまとめてくれる試みが進められていると。
ああなるほどね。
でね米国の医師って、まあこれ日本も多分一緒だと思うんですけど、膨大な書類仕事を抱えてるんだね。
だからバーンアウトの原因がよくなってるらしくて、燃え尽き症候群。
電子カルテの普及でいわゆるタイピングの作業が増えて、患者さんと話すんじゃなくて画面と向き合う時間の方が長くなっちゃってる。
ああなるほどね。
っていう声もあって、こうした課題に対してマイクロソフトと医療IT企業のエピックが協力して
診療中の会話をそのままAIで要約して文章化するっていうDAXコパイロットっていうものを開発していると。
ああなるほど、もうだから文字起こしみたいな感じで自動でやってくれちゃうわけか。
はい、だからプラウドノートピンとかめちゃめちゃヒットしてるじゃないですか、あれをいわゆる医療向けにセットしてるような感じ。
ああなるほどね。
でもやっぱり画面と向き合う時間が長くなっちゃってるのって問題だよねっていうのって結構いろんな業界であると思うんですよ。
最初に話したモルガンのところもそうだけど、そういったものをAIで全部やってくれる。
つまり一人一台秘書がいるみたいな状態が作れれば、もっと顧客と向き合えるよねみたいな文脈で使われることが多いという感じですね。
で、まだ今言った話は実用段階ではなくて検証中みたいな形ではあるみたいなので、現場では小規模から試してテストしていって、
その安全性とか内容とかのレビューを確認しながら段階的にやっていくっていう形でやっているようですね。
医療系でハルシネーションとかだったらたまたまんじゃないもんね。
そうでも起きちゃうじゃん。そこは本当に慎重にならざるを得ないから、でもそれでも小さく始めてるっていうのはすごく大事な点なんですよ。
これ日本とやっぱり一番違うところ。で、これ日本はやっぱりPOC、実証実験に時間をとても使ってしまう傾向が高くて、
で、CSAを活用してうまくいってる会社を見ると、やっぱりそのトップダウンで小さく始めるっていうのがやっぱり共通点なのよ。
だからここの差は結構大きいなとは思いますね。
ということで後半はですね、そんなの日本でもやってるよと思ってたと思うんですけど、
そんな使い方もあるんだみたいなこともあったので、それを話していきたいなと思います。
じゃあまず一つ目なんですけど、カーマックス、全米最大手の中古車販売チェーンがあるんですけど。
なるほどね、中古車だとやっぱりさすがに日本じゃ知らないね。
これ実はですね、いち早く生成AIをビジネスに活用した企業の一つなんですけど、
そうなんだ。
これ何だと思います?ちなみに。
えー、車の系でしょ?で、中古車でしょ?
はい。
えー、中古車でやっぱ問題になるのは、やっぱ何だろう、車の点検とかそっち系かな。
ああ、これはちょっと近くでですね、答えを言うとレビュー要約AIなんですよ。
レビュー要約AI。
中古車を顧客が購入しようと思ったときに、あまりにもレビューが多いと、いわゆる口コミ評判が。
ああ、口コミのことね、なるほど。
だから僕らも買い物するときに口コミ見るじゃないですか、あまりにも口コミ多くて、どれが本当でどれが嘘なのかわからず、とりあえずいろんな人見まくるじゃないですか。
で、なんとなくその共通点多いな、あ、多分じゃあ美味しいだろうな、このお店とか。
だからそういう判断して、じゃあこの店平気そうみたいな。逆にお店めっちゃ綺麗ってみんな言ってるけど、
店そんなに美味しくないってみんなだいたい言ってるなみたいな。だいたいみんなこれとこれとこれ言ってるな、じゃあこれが正解かなってなるじゃないですか。
これだから全部AIにやらせればいいんですよ。
確かにね。
そうすると膨大なレビューの数をバンって要約してまとめてくれるから、すごく業務効率化につながって、顧客の満足度もすごく上がったらしいんですよ。
実際にこの取り組みの成果っていうのはすごくて、5000社種分のレビュー要約を数ヶ月で作成しおいてるのね。
生成AIによる業務効率化
これ人手で同じことしたら11年かかるボリュームだよ。
そうなんだ、それすごいねインパクトが。
しかも品質もかなり期待以上で8割が修正不要という高い制度だったと。
だからこれでレビューの要約を作った制作者たちはそこから解放されて、付加価値の高い仕事に注力できるようになったと。
さらに副知的な効果でサイトに有用な要約コンテンツが増えたからSEO効果がめっちゃ上がって、サイトのトラフィック超増えたらしい。
なるほどね。
まさに業務効率とビジネス拡大の一石二鳥を達成したと。
しかも顧客からしてもその要約がパーンと分かるから、一石二鳥どころか一石三鳥ぐらいの。
そうだね顧客目線も出れたらそうなるよね。
っていうね、これなんか面白いなと思いました。
次に外食産業の事例なんですけど、あのウェンディーズ。
ウェンディーズ、あのハンバーガーの。
ハンバーガーののAIドライブスルー注文というものがね、あるらしいです。
AIドライブスルー。
はい、これはですね、車でブーンって行くじゃないですか。
だからドライブスルーのマイクに向かって注文すると、
バックエンドで動くLLMが音声テキストを貸して内容解析、
注文のカスタマイズ要望、例えばオニオン抜きでとか、これチーズ追加でみたいな、
そういう質問も人間同様に応答して注文内容を確定すると。
確定した注文は自動でポストレジに送信されて、厨房スタッフが調理に専念ができるようになったと。
でも確かにそれめっちゃいいかもね。
僕らマックでバイトしてたからさ、なんとなくわかるけどさ、
ドライブスルーのある店舗にヘルプ行った時とかさ、
喋りながらお客さん対応しながらさ、なんか指示しながらすごい人いたじゃん。
すごい、もうほんとなんか化け物みたいな人いたよね。
なんかあれやってこれやってって指示しながら、
はい、いらっしゃいませってさ、ドライブスルーのマイクに喋ってさ、注文取ってさ、
提供してさ、やっぱなんかすごい人いるじゃないですか。
だからあれをなんか結構AIでできちゃうみたいな感じですよね。
そこがこうちゃんと分かれてあげるのはいいよね。
かといってドライブスルー専任でさ、人一人待たせておくわけにもいかないじゃん。
で、なるとやっぱね、それいい発想だね。
そうなんですよね。
ファーストフードって特に提供時間めちゃめちゃシビアじゃないですか。
マクドナルドとかだと、確か僕らがバイトしてた頃は、1分以内に提供するっていうのが。
よく覚えてんな、そんな。
ルールだったんですけど、やっぱこの1分1秒を争うようなビジネスモデルじゃないですか。
だから提供時間の短縮ってすごく重要なんですけど、
今回のこのパイロット店舗、導入した店舗では平均で22秒も提供時間短縮実現できたと。
えー、それね、ファーストフードの22秒ってやばいね。
やばいんですよ、この22秒は。
だからスタッフが注文対応に追われない分、
もう爆速で調理できるみたいな感じになったというところで、
テスト段階では約86%の注文が完全にAIのみで問題なく処理できたと。
報告されてて、残りの約14%についても人間がフォローして最終的に99%近い注文を正確にポスト送信できているという形ですね。
なんか100%じゃないんだって思いつつも、
正直人間がやってもそれぐらいのパーセントでミス生まれるようなと思うじゃん。
1%ぐらいミスするじゃないですか、人間でも。
だからフォローして99%近い注文が処理できてるんだったら、もうほぼできてるんですよね。
思っていいよね。
しかしこれからもっと性能高いAIが出てきたら、余裕で100%になると思うので、
これドライブスルー全部AIに変わっていくかもなんてちょっと思いましたね。
ドライブスルーは可能性あるね。
ドライブスルーができるようになったら、他の注文も多分できるようになるじゃないですか。
できるからレジいらないよね。
レジいらなくなるかもなみたいな。
キャッシュレスだったらね、それだけでいいもんね。
そうなんですよ。だから導入コストとかもそんなに高くないと思うんですよ。
だから日本のマックとかも気がついたらドライブスルー、人間と思ったらAIだったみたいな。全然ありそう。
そうね、しかもマックなんて特にさ、世界的に全部の店舗でオペレーションを統一してるっていうのが有名なお店じゃん。
そうね。
だからやっぱ日本だから導入が遅いとかそういうの一切ないから、
多分もうマックがそれ導入しますって言ったら、日本なのにマックだけフルAIみたいな事態は全然起きるよね。
外人だけなんかすごいみたいなね。
ありえそうですね、それはね。
お次はですね、インフラ産業の事例でAES社という米国日本社を置くグローバル電力会社ですね。
発電所や編連設備の安全監査の定期的な実施をしているということで、
従来こういう安全監査っていうのは現場スタッフの点検、データ収集と本社での報告書作成っていう三つのタスクがあるんだけど、
もうめちゃくちゃ時間かかるんですよ。
どのくらいかかるかっていうと、1回の監査に最大2週間費やすこともあって、
設備の数だけこれが積み重なれば運用負荷がもう甚大なわけですよ。
加えてチェック項目もめちゃめちゃ煩雑、人員ミスも結構出ちゃうみたいな課題がもともとあったと。
そこで生成AIエージェントによる安全監査プロセスの自動化に挑戦したというところで、
目的は監査コストの時間の削減、そして安全性の向上っていうところですね。
AEA社はですね、Googleクラウドの生成AI基盤Vertex AIとアンソロピック社のクロードを組み合わせて、
社内向けの自立型AIエージェントを開発しました。
このAIエージェントは各施設のIoTセンサーやログシステムからデータをリアルタイムに収集、
つまりデータを収集して、安全基準の適合状況を継続的にチェックしますと。
例えば安全管理項目、チェックリストみたいなのがあるわけですよ。
温度だったりとか圧力だったりとか、メンテナンスの実施状況とか、スタッフの点検記録とかそういうのを全部チェック項目してるから、
それを継続的にチェックしてくれるエージェント。
だから常にこう網羅的にモニタリングしてくれるから、異常とか不備があったら即座にアラートとか提案とかが生成されると。
だから従来人手で行ってたデータの取りまとめ、リスク評価、報告書作成という一連の流れを自律的に全部こなしてくれるみたいなイメージですね。
さらに複数のエージェント同士が連結して過去の監査データと比較してくれたりとか、
リスクの深刻度に応じて優先付けまでしてくれるんだって自動で。
優秀だね。
最終的なレポートは人間の担当者が確認して、いわゆるAIが下書きを用意してくれるから、
その手直しだけ済むみたいな感じでね。
でやるんだけど、要するに人間の監査役の相棒みたいなのが24時間滞在でずっとやってくれてると。
でこれ導入の結果ね、どうなったかっていうと、監査コストを何パーセント作権できたと思うこれ。
えー何パーセント難しいね。
常にチェックリストに応じて笑ってみてくれて。
だって元は1週間くらいかかったようなやつでしょ。
まあ最大に2週間か。
2週間か。
一つの監査でね。
まあ半分くらい半減したんじゃないの?
これなんとですね、99パーセント作権できた。
いやいやいやいやもうほぼ無くなったじゃん。
いやそうなんですよ。びっくりしちゃって僕。
えー?
99パーって無くなってるじゃんと思って。
無くなったね、その仕事。
だから1回の監査14日間かかるって言ってたんだけど、1時間に短縮しました。
へーそうなんだ。
もうヤバくないこれ。
へー。なんかあれだね、人間じゃなきゃできない仕事もあるけど、
やっぱその人間だから2週間も時間かかっちゃうようなAIの方が相性のいい仕事ってのも世の中ありそうだよね。
めちゃくちゃだと思います。
僕はもうたまげましたよこれ。
確かに。
14日が1時間と思って。
そんな感じでですね、従来は資料作成とか現場の確認に追われていたスタッフが、
今はね、もうAIのまとめた報告をチェックするだけと。で、オッケーと。
それで済んだ。
まあだから大幅な時間短縮、人均比の圧縮が実現したというところで、非常に興味深い事例ですね。
AIドライブスルーの導入
すごいですね。
あ、しかもね、監査の精度も10から20%向上してると。
人間がやるよりもいいってことだよね。
そうなの。もうヤバいんだよね。
なるほどね。
ヒューマンエラーナックス、時間も膨大に減って、っていうことがこれからボコボコ出てくるだろうなって。
そうだね。だって人間が精度高めようと思ったらじゃあダブルチェックしますと言ってさ、人が2人になったりとかさ、
そうね。
効率悪いような方法が増えていくわけじゃん。
し、そのチェックをする人のチェックが出てきたりとかね。
そうそうそう、サボってないかのチェックがみたいな。
AIの外相にもいい仕事って絶対あるよね。
ありますね。めちゃめちゃあると思います。
なんなら我々のメディアもね、今AIエージェントを僕が作ろうと思ってるんですけど、めちゃくちゃ相性いいと思います。
確かによさそうだよね。
じゃあ最後にですね、製薬の事例、薬ですね。
薬。
はい、お話しして終わりたいと思うんですけど、新薬の開発、どこかのエピソードでも触れたような気がするんですけど、
AGIが達成された時に新薬の開発期間がめちゃめちゃ短くなるかもよ、みたいな話をしたと思うんですけど、
なんか話してたね。
はい。これ今AGIがもちろん今達成されてない状況ってどのくらい短縮されてるかっていう話なんですけど、
元々新薬の開発ってのはコストと年月はすごくかかるというところで、従来平均で10年。
10年。
はい、でコストは3000億円かかると。
途方もないよね。
途方もないんです、やっぱ新薬作るってね、本当に大変なんですけど、その創薬プロセスが今AIで非常に効率化できているという事例があります。
でちょっと専門的な内容になっちゃうんですけど、どういったことに生成AIが使われているかっていうと、
新たな薬の広報分子を自動創出するというアプローチらしいんですよ。
これどういうことかっていうと、その創薬プロセスっていうのはまず研究者が分子構造を考案するんですって。
でそれを一つ一つの実験で確かめていくんだって。
でいわゆるこれ反復の作業なんだけど、この分子はこうなったらどうなるだろうか、これとこれやったらどうなるだろうかみたいな。
それをまず実証していくんだよね、PDCを回していくみたいな。
これがもう半端じゃなく労力がかかる。
いろんな何通りもしなきゃいけないなって。
そう、何通りもあるパターンを全てを見極めていくみたいな感じですよね。
これをAIにやらせるみたいなイメージですね。
ああ、なるほどね。
AIにもう膨大な化合物データとか生命情報とかを学習させて、
与えられた標的、つまり治したい病気の原因とか、そのタンパク質とかその元になるやつだよね、ゴール設定するわけですよ。
これに適合する最適な薬分子を提案させようっていう試み。
ああ、なるほどね。
製薬スタートアップからオートまで競って研究開発を今進めているんだけど、
目的は言うまでもなく創薬のスピードの飛躍的向上、コストの削減ですね。
実際の事例をお話ししていくと、アメリカのバイオ企業の事例があるんですけど、
同社はですね、独自の生成AIプラットフォームを用いて新種のタンパク質医薬の設計を行っていると。
例えばコロナあるじゃないですか、コロナに対抗する治療薬の開発では、ウイルスの構造データっていうのをAIに解析させたのね。
従来の人の発想では注目しなかった、ウイルスの部位に結合する画期的なタンパク質分子っていうのが新しいんだけど、
そのデザインに成功したと。AIがウイルス表面の隙を見出して、そこにピタッとはまる分子構造みたいなのをゼロから提案したんだって、AIが。
また別のアプローチだと、既存の膨大な化合物データベースからターゲットに効きそうなものを逆引きで検索していくと。
有望な候補をリストアップするみたいな使い方もされているみたいな。
なるほどね。
じゃあまずその有望のやつからやっていこうかみたいな選択ができるわけです。
創薬における生成AIの活用
そうだね、だからもう途方もない作業じゃなくて、もしかしたら1分の1で当たり引ける可能性もあるもんね。
そうそうそうそうそうそういうことなんです。だから実験する分母を減らしていくみたいな考え方ですよね。
で実際にですね、最初のアイディアから初回投与までの期間が通常だと3年から5年ぐらいかかるんだけど、
今の生成AIの活用で約1年半ぐらいまで短縮できたと。
だいぶ短縮したね。
半分以上ぐらいできたというところですね。
だからAGIができたらとか話してましたけど、現状でもかなり活用されてて半分近くの短縮に成功してるんですよね。
もちろんその難易度によって全然変わると思うんですけど、AIが提案した候補物質の中から有効なものを素早く発見できたっていうこのプロセスだけで相当業務効率化されてるみたいな感じですね。
そうだね、フチの病を治す薬とかもそういうのから見つかってくれると嬉しいよね。
ということでね、創薬っていう文脈ではスタートアップから大企業までアメリカではかなりしのぎを削って開発が進んでいるようですね。
なるほど。
ということで最先端のアメリカの事例をちょっと話してきたんですけど、どれが一番面白かったですか?
やっぱりあれですね、99%仕事がなくなった。
あの電力会社のね、カンサね。
カンサ。
まあそれこそ今の製薬会社の事例もそうだけどさ、やっぱその人がやるのが不向きな仕事ってやっぱすごいあるなって改めて感じたというか。
そうですね。
人がやらなくていいとかさ、仕事が奪われるとかいろんな文脈あるけど、なんかそうじゃなくて適材適所。
人間が得意不得意っていうそういう視点で見るって大事かなってすごい思ったというか。
やっぱ圧倒的に人間よりAIの方が得意じゃん、AIにやらせた方がいいじゃんっていうものってまだまだ眠ってる気がする。
し逆にそれAIにやらせない方がいいでしょってものも絶対あると思うんだよね。
ここの見極めってすごい大事だなっていう改めて感じましたね。
まあ抽象的にするとね、だいたいこれ系だなみたいな反復作業系だなとか、最後に話したいやつはすごいいいなと思ったんですけど、
やっぱ実験をしないといけないっていうところで分母の数を減らすっていう発想だったりとか、
やっぱ得意なところって絶対あるから、そこにどれだけ投下できるかですよね、理想はね。
例えば前の採用業務の履歴書のやつのさ、なんかAIの話でしたよね。
スクリーニング、ありましたね。
ある意味その分母を減らしてスクリーニングに近い作業じゃん。
あれもそうですね。
そうそう、そういう発想で、やっぱりだから上手くいってるところって同じような視点のものが多かったりするよね。
そうなんですよね。
データ管理の課題
そこの本質に気づける方ね、要するにこういうのがAI使いやすいんじゃんって気づければ、
今の企業さん、そういうこと抽象企業とかでも全然さ、既存のAI活用してAIで作ったりとかもできるわけじゃん。
全然できますね。
そういうふうに考えたときに、そこの重要な視点にさえ気づければ全然活用できるよね。
うん。
だってさっきの99%作権しましたよってやつも、クロードだからね、使ってる。
確かにね。そうだよね、特殊なもの使ってないもんね。
もう皆さんが今使ってるものを使って開発してますから、できるんですよ。
ね。
とはいえですね、課題もそこそこありまして、全部に共通していることは、正しいデータを渡せるか、
まずデータ化できるか、そのデータとデータをどうやって繋ぐかっていうデータ設計っていうのは、どの企業もすごく苦労したって書いてあったんですよ、これ。
なので、そこのボトルネックさえ超えていければ、ものすごいリターンが返ってくると思うので。
そのボトルネックが多分絶対超えられないボトルネックな気がするけどね。
今データドリブンの会社めっちゃ強いなと思うし、これからやっぱりやっていく必要があるなとは思うので。
だからさっきの医者の話でもさ、電子カルテになってパソコンに向き合っていく時間が長いってなってるけど、
だからそこをAIに置き換えようって話になってるわけだけどさ、やっぱ紙のカルテオンリーでやってますみたいな病院はさ、もうそもそもAI導入以前の話じゃん。
終わりですね。
でも多分まだまだ多いと思うのよ、紙のカルテでやってる病院だって。
そうですね。
むしろ電子カルテで導入してるだけマシじゃないって感じするよね。
確かにね。そっか、日本だとそうなのか、確かにね。
本当そのデータってさ、僕らも感じてますけど不可逆的じゃないですか。
いわゆる計測を始めようと思ったところからしか計測できないので、もうここは本当に早くやったほうが後のリターンがえげつないので、
絶対にこの不可逆的なものは優先的にやったほうがいいなと思いますよね。
そうですね。
まあそんな混乱でデータの課題はあるんですけど、それができたらめちゃめちゃいいことになるなと思います。
それでは番組の感想をお待ちしています。
新薬開発の効率化
感想はXでAI未来話でぜひ投稿してください。
Spotifyのコメント機能や概要欄記載のお便りフォームからもお待ちしています。
またお聞きのPodcastアプリでAI未来話の番組フォローとレビューもお待ちしています。
現在Apple Technologyランキングで13位です。応援のほどよろしくお願いします。
来週も木曜朝7時1分にお届けします。
通勤通学の30分にAIの最新トレンドをキャッチアップしていきましょう。
それでは本日もありがとうございました。
ありがとうございました。
