セッションの概要
畑 浩史
それでは、みなさんようこそ。
今回は、DG1-1 データから探る日本の勝ち筋〜国産生成AI基盤とプライベートデータ活用の今〜というセッションを始めたいと思います。よろしくお願いいたします。
私は、モデレーターを務めさせていただきます。AWSの畑と申します。よろしくお願いします。
会場の皆さん、生成AI関連に自分は関わっているという方、いらっしゃいますでしょうか?
結構いらっしゃいますね。ありがとうございます。
スタートアップに関わっているという方、いらっしゃいますか?
こちらも多いかもしれないですね。ありがとうございます。
皆さん、こういうオーディエンスの方々なので、よろしくお願いいたします。
では、早速いきたいと思いますが、
今日のセッションの目的なんですけど、生成AIの国内基盤の状況とデータの重要性を理解することで、ビジネスのヒントや気づきを得ると。
こういうことをセッションの目的としております。
すいません、ちょっと前後しますが、今回この90分のセッション、前半を、まず日本の生成AI基盤の状況と、後半をプライベートデータの重要性と、この2つというテーマでいきたいと思いますので、
90分長いので、10分ほど休憩を挟みますので、よろしくお願いいたします。
登壇者の紹介
畑 浩史
では早速、今回の登壇者の皆さんの自己紹介に入りたいと思います。
それでは渡辺さん、お願いいたします。
渡辺 琢也
皆さん、こんにちは。今日はお招きいただきまして、ありがとうございます。
私は経産省に2004年に入省してまして、
ここにありますように、大体、役所って2年でぐるぐる移動するんですね。
結構でも私、情報系が長くて、今2021年からは現職です。
1個前はコロナ関係で、当時河野大臣の下でワクチン配ってたりしてましたけれども、今は現職ということで、
今年4年目ということで、今AIを担当しております。どうぞよろしくお願いいたします。
畑 浩史
よろしくお願いいたします。国の色々とAIの試作絡みを司っているところですね。ありがとうございます。
では次、有馬さん、よろしくお願いいたします。
有馬 幸介
よろしくお願いします。忙しい中集まっていただいてありがとうございます。
自己紹介としては、私は今、ストークマーク株式会社にいるんですけれども、
もともとは大学院で、今でいうAIみたいな研究をずっとしていましたけれども、
まだ2009年とかだったので、全然精度出なくて、これで飯食っていくことはできないと思っていて、
ちょっと自信がなかったというのがあって、一回大手のSIRに入社して、6年くらい働いていく中で、
企業のシステムを見ていっていると、これもっとAIでいくらでもよくできるなというか、
のぶしろしかないってすごい思い始めて、血がだんだんたぎってきて、
企業しようかなと思って、スタートアップの方が多いという話だったんですけれども、
私も一緒で、結構悩んでスタートアップをやろうと思って、企業したのが2016年くらいになります。
今はストークマークという株式会社でCTOをやっています。
ちょっと2分ですよね。
畑 浩史
今、渡辺さんの時間がいただいているので、多少大丈夫です。
大丈夫です。
有馬 幸介
会社としてはこういう形で、基本的には企業の情報収集とか資料を作るみたいなのって、
すごくまだワークとして多いので、そこをAIで良くしていくみたいな、
高度化していくみたいなサービスを提供している会社になります。
次言っていただいていいですか。
そうですね、プロダクトとして、AニュースでAサティジーという、
情報収集を自動化したり、調査レポートを自動で作ったりみたいなサービスを展開している会社になります。
次言っていただいていいですか。
基本的には製造業とかの企業で使われているような形です。
ユーザーとしては、ものづくり系企業の研究開発の方なんですよね。
研究開発のエンジニアの人たちって、研究だけしているのかというと、
実は仕事の65%くらいは研究じゃなくて、資料を作ったりとか情報を調べたりしているんですよね。
そこはめちゃくちゃ、本当は研究だけ集中したいのに、そこのワークがあると。
そこをAIでどんどん良くしていくみたいなところのニーズがありまして、
結構使っていただいているようなサービスになります。
畑 浩史
大丈夫ですか。
有馬 幸介
最後ここだけ。
国として国内でも生成AIの開発をしていきましょうみたいなのが、
今年から発表されてきています。
そこの一事業者として我々は採択されているような形になります。
なので本当に、今まさしく国際生成AIを開発しているような会社になります。
よろしくお願いします。
畑 浩史
ありがとうございます。
この辺はいいですかね。
この辺はちょっと後で。
では白井さんお願いいたします。
白井 恵里
皆さんこんにちは。
メンバーズの白井と申します。
私は株式会社メンバーズという会社で、
当初プライム上場企業というところで、
スタートアップというよりは大きな会社かなというところなんですけれども、
そちらでもともと子会社の社長の立ち上げからやってまして、
今は親会社の資本政策でちょっと吸収するよということで、
社内カンパニーという形になって、そのカンパニー社長を継続してやっております。
この1月ですね、一般社団法人Generative AI Japanというものが立ち上がったんですが、
こちらベネッセさんとかウルシステムズさんが中心になって立ち上げた、
生成AIの社会実装を目指していくような法人なんですけれども、
そちらの理事も務めております。
私が見ている事業としましては、
メンバーズデータアドベンチャーカンパニーという組織なんですけれども、
お客様の企業の社内にあるデータを活用することを支援していくようなサービスをやっております。
弊社にはデータのプロフェッショナル、データサイエンティスト、データエンジニアなどが150名ほど所属してまして、
彼らがお客様の企業の中に常駐して、内側からデータを活用していくといったことをやっております。
今日はよろしくお願いします。
畑 浩史
ありがとうございます。
誰ですかね。はい、井上さんお願いします。
井上千鶴
改めます。インフォインフの井上と申します。
本日はこのような機会、ありがとうございます。
私はですね、皆さん見た瞬間、なんか全然違う業界って思われるかもしれませんが、
前田建設工業という、いわゆるゼネコンに入っております。
私自身、建築設計をずっとやっておりました。
その後ですね、弊社の方が建設業だけではなく、道路だとか運営するような事業をやっていくということで、
子会社の立ち上げやプロジェクトの立ち上げといったところをずっとやってきました。
その後ですね、前田建設がこの後ご紹介するインフロニアホールディングスということで、
大体8000人ぐらいですかね、の会社になりまして、
その中でどうしてもB2B企業すぎるというところで、B2Cが弱いというところがありまして、
昨年このインフォインフという会社を立ち上げたというところです。
次お願いします。
今申し上げたインフロニアって何かというと、インフラサービスを全般にやっていくということで、
建設業だとか舗装業だとか建設機械、そういったところ、最近では風力開発なんかのところを参加に入っている会社になります。
次お願いします。
業務としては、インフロニアは建築、土木、そういったものの企画から最後の運営までずっとやっていく一気通貫の仕事をしております。
皆さんこれだけでもイメージを分けにくいかと思うんですが、
その中でもですね、全国でいわゆるものを作るだけではなくて、
水道道路、それからアリーナですね、そういったものの運営といったことをやっております。
次お願いします。
イメージを湧いていただくのために、こんなことですね、仙台空港のコンセッション事業ということで運営事業であったり、
愛知の道路、有料道路の運営であったり、国際展示場、水道下水道、そういったところであったり、
昨今ではですね、国立競技場ですね、こちらの方、ドコモさんと有線交渉券ということでコンセッションに取り組んでいくというものです。
コンセッションって官民連携でそれを運営していきますという事業になっております。
私はこちらの方の仕事をずっとやってきました。
そんな中でですね、非常にBtoBで遠い、みんなから遠いぞという中で、なかなかインフラって劣化して、
どうしようもない状態になってきているというところで、市民の方々にこれを理解していただいて、
井上千鶴
そういったインフラ運営だとかに関わってもらいたいというところがありまして、
このインフォインフというのは、ゲーミフィケーションを使ってインフラデータを集めたり、
AIを使ってインフラを分析して、より良い運営に変えていこうということをやっております。
皆さん、きっとビジネス機械がフィールド実験とかもできますので、きっとあるかなと思うので、
そういった視点で聞いていただければなと思います。よろしくお願いします。
畑 浩史
はい、ありがとうございます。
生成AIの基盤の現状
畑 浩史
ではですね、早速ここから前半のテーマ、日本の生成AI基盤の現状というところに入っていきたいと思います。
生成AI基盤、LLM、大規模言語モデルとか、そういう言葉で基盤という表現が使われていると思うんですけど、
おそらく皆さんパッと思い浮かぶのは、オープンAIのGPTであるとか、アンソロピックのクロードだったりとかだと思うんですけど、
そもそも日本の企業でLLMを開発しているところがあるのとか、そもそもそういう大規模で開発しているようなところで、
本当に勝ち目があるのかと思われている方も多いんじゃないかと思います。
なので、いえいえ、実はそんなことないんだよというようなところをですね、まずは先にお話しできたらと思いますね。
ぜひですね、政府としてもその辺の取り組みですとか、あとは広くそういうところを見られていると思いますので、
全体的なところ並びに政府の取り組みというところにもぜひお聞かせいただけますでしょうか。
渡辺 琢也
この生成AIの話はやっぱり1年半前ぐらいのチャットGPTが出ましたよね。
あれがみんな大って感じになってて、それで政府も大って感じでしたと。
それでその後すぐに自民党やあるいは我々政府としてですね、いろいろ有識者の方からヒアリングすると、
ここ10年、15年はもうこれ生成AI続くよということが言われていた。
あとご存知のように今円安、こういうことにもなるだろうと。
そうするとやっぱり電気からデータセンターからAI基盤からアプリケーションから利活用って考えたときに、
もちろん国際連携は前提なんですけれども、なるべくこれからイノベーションを引っ張っていくサプライチェーンで、
なるべく日本から付加価値を出さないと本当にやばいという危機感がありました。
もちろん先ほど挙げられたようなオープンAIだとかGoogle、これすごいすごい。
これからも彼らどんどんすごいものを作ってくると思うんですけれども、
やっぱり今生成AIは黎明期だし、さすがにもう基盤のところを日本としてもうお手上げ。
つまり我々はAIの基盤を使うだけだということはですね、
やはりその時点でやっぱり取るべきじゃないというふうに政府全体で考えまして、
とにかくこれGPUだということで、まずはこの1年私としてはですね、
ハイパースケーラーの皆様やあるいはNVIDIAの協力を得て、
GPUをとにかく確保しようというところで来たということでございます。
畑 浩史
まさにこの生成AIの基盤を作るときにものすごいデータ量を学習させる、
それには今GPUの基盤が必要で、
まずは政府として日本としても基盤を作らなきゃいけない。
そしてそのためにはまずGPUを確保しようという、そういうようなところですね。
ありがとうございます。
有馬さん、そういう中、実際スタックマークさん自体もそうだと思うんですけど、
スタートアップとして見たときに、実際こうLLMを開発しているような御社も含めて、
実際どういうような動きがありますか今。
有馬 幸介
そうですね。もともと去年チャットGPTが出てきたときに、
弊社のサービスにもチャットGPTを組み込んでいって、
さっきのお客さんとかに使ってもらったんですけども、
やっぱりなんとなく答えられるんですけど、
仕事で使うとなるとやっぱりラストワンマイルが埋まっていないというか、
結局例えばオープンAIとかのLLMモデルだと、
日本語って0.1%くらいしか入っていなかったりするので、
ちょっと出力が機械翻訳っぽかったりとか、
細かい技術の知識とかが十分じゃなかったりするので、
そこでお客さんからもうちょっとなんとかならないと言われたので、
生成AIの必要性
有馬 幸介
じゃあもうやるかみたいな、自分たちで制裁作っちゃうかみたいな形で、
企画し始めたのは去年なんですけども、
さっきちょっとGPUみたいな話ありましたけども、
去年の夏、すごいびっくりしたんですけど、
制裁作ろうと思ったときにGPUを借りようと思ったら、
冗談じゃなくて1枚も買えなかったんですよ。
本当に1枚も買えなくて。
畑 浩史
それは市場にもう無いっていう。
有馬 幸介
無い、無いんですよ。
HATAさん、AWSさんにも聞いて、いや無いっすねと。
そうっすかみたいな感じだったんで、
なんて言うんですかね、ちょっと言い方が悪いですけど、
戦争が始まっているのに戦闘機が無いみたいな状態。
でも作んなきゃいけないって。
じゃあ無理じゃんみたいなところだったんですけども、
そこはやっぱり政府が本当にすごいスピーディーに動き始めて、
そこの調達関係みたいなのがすごい充実してきたので、
今ようやく接戦というのが国内の中でもかなり作られてきていて、
かなり肉迫してきている状態に僕はなってきているというステータスだと思っています。
実装状況とユースケース
有馬 幸介
そういう意味で御社まさにスタートアップとして、
畑 浩史
LNNを開発する日本企業としてはトップランナーという形でいらっしゃって、
他にもスタートアップという界隈でいくといらっしゃいますかね。
そういうLNNを開発しているような企業さんでいくと。
結構います。結構バラバラですけど、
有馬 幸介
自動運転の中の衛生性を作っているような企業とかもいたりして、
日本の道路環境とかも結構独特だったりもしますし、
必ずしも外から持ってきたAIだけだとうまく自動運転を作れないみたいなところも
ケースもあったりしますので、そういうところで。
そういう意味では日本の中でもそういうひとつのテーマだり、
畑 浩史
もしくは日本語ならではとか、そういうところで
開発しているスタートアップがそれなりに出てきて、
実際開発しているという状況ですよね。
そうですね。
有馬 幸介
ひとつのモデルが全ての産業で使われて、おしまいじゃなくて、
やっぱり最終的にラストワンマイルを埋めていくには、
そういういろんなAIが必要になってくると思います。
ありがとうございます。
畑 浩史
白井さんはデータ活用というところで、
LNNの機体というのは当然必要になってくると思うんですよ。
データ活用というのは、
別にこの生成AI、LLMがある前からあった話だと思うんですけど、
これ出てきてどう変わっていったかとか、
そういうところってありますか?
そうですね。
白井 恵里
今、大きく変わっているかというと、まだ変わっていないです。
ただ、期待感はすごい、
企業の皆さんは持っていらっしゃるなというところで、
やっぱり生成AIだったらLLMの活用について相談したいといった
お声掛けはすごく増えています。
今は、ストックマックさんのサービスみたいな
ユースケースが決まっているツールのほうが
受け入れられやすい状況かなと思っていて、
ストックマックさんのものだと、
社内外の情報ソースから情報調査を効率化するみたいな、
もう決まっているんですよね、使うシーンが。
そういったものだと、
じゃあ使えそうだから導入しようねって進むんですけど、
また、LLMがあって何にでも使えますよっていう状態だと、
企業さん側が何に使ったら自社のビジネスにとって
価値が出るのか、決めきれない、発想ができないっていう状況が
やっぱり続いているので、
なのでそこに対するユースケースがたくさん作られるみたいなのが、
この次、待ち望まれているものかなと思います。
国際的な競争と技術差
白井 恵里
そういう中で、
既存のオープンAIだったりとかGoogleさんとか、
畑 浩史
いわゆる海外のモデルがあると思うんですけど、
その日本のLLM、もしくは生成基盤への期待みたいなものはありますか?
多分まだ分かってない、
そこまで?
そうですね、その差があるとか、
日本語が特殊だから日本国産の方がいいよねみたいな認識は、
白井 恵里
言ったらそうだよねっていうふうにはなるんですけど、
皆さんの中にはあまりまだないと思います。
そうすると、まだ利用者側、大企業側の課題感と、
畑 浩史
とはいえ先ほどの政府だったりスタートアップのような、
先端を行っている方、もしくは先端を見ている方は、
これはまずいという危機感がある。
ただ、ひょっとするとそこにまだギャップがあるというのは事実かもしれないですね。
はい、おっしゃる通りだと思います。
ありがとうございます。
井上さん、今度お話をさせていただきたいと思います。
白井 恵里
はい、おっしゃる通りだと思います。
畑 浩史
ありがとうございます。
井上さん、今度大企業視点で見た時に、
当然この生成AI、LLMというところは、
もちろん注目が集まっていると思うんですけど、
どういった観点に今見られているかとか、
御社としての取り組みとして大丈夫ですので、
何かありますでしょうか。
井上千鶴
ありがとうございます。
比較的弊社は、ちゃんとGPT出る前からそういったことに取り組んできていて、
社内で実験しようみたいなことでやっていて、
業務では多分この規模の企業としては珍しくですね、
業務でかなり使わせてもらっています。
もちろん最終的なチェックとかしなきゃいけないんですけれども、
そういう基盤がある中で、この業界特殊なんですけど、
建設の設計とかやっていくとですね、
いろんなデザインを作るといったところから、
まずいろんなパターンを出していくわけですけど、
例えばそういったところに生成AIを使っていくということであったり、
実際に建てることになると、鉄筋だとか配管とかいろいろ干渉したりするんですね。
今まで3Dモデルにするっていうだけでも結構画期的だったんですよ。
それをさらに絵を使って解析していくということで、
あと砲器チェックだとか、そういったところに今使っていけるんじゃないか、
ということであったりっていうのを試みています。
なので実はベンチャーの方々が、
うちの先ほど紹介したコンセッション事業で、
フィールドとしていろんなことを実験していくっていう、
アクセラリティフィールドっていう募集を行っているんですよ。
そこでマッチングして、いいシステムがあればどんどん取り入れていく
なんていうことをさせていただいていて、
勉強させていただいているというところです。
畑 浩史
今、いろいろとこれまでの取り組みを含めてやられてきたってことですけど、
まだ実証実験の段階が多いのか、
もう通常の業務だったりとか、
そういうところにもう組み込み始まっているのか、
御社としてはどういうようなステージですか。
井上千鶴
そうですね、領域がいろいろインフラもあるので異なるんですけど、
基本的に社会実装が絶対だということで進めているので、
かなり実装されたものはありますね。
工事現場でもAIまで行かなくても、
例えばトンネルの中で人が入らないでも外で作業をしたり、
どうかの画像解析して掘っていったらいいんだっていうようなところであったり、
道路の劣化度合いだったり、
そんなところを画像解析でやっていくみたいなこともやっています。
畑 浩史
そうすると、生成AIまだそこまで詳しくない方だと、
今のチャットGPではテキストがベースだったところから、
やはりその画像、いわゆるマルチモーダルと言われているようなところも含めて、
かなり幅広くやられているということですね。
井上千鶴
そうですね、文字に関して言えば当然業務の擬似力だとか、
そういうようなことには相当使っています。
幅広く画像関係、できれば空間レベル、
そういったところにしていきたいというところでおります。
畑 浩史
ありがとうございます。
そうすると、先ほどの白井さんとの話を合わせると、
今の生成AI基盤、LLMを見て、さあ始めようという方は、
まだなかなかユースケースがない。
ただ、もともとそういうことを考えていて、
実際にやっている方とかはかなり進んでいるという、
多分その差はありそうですね。
ありがとうございます。
では、ちょっと2つ目のテーマとして、
生成AI基盤の状況の中での開発状況、
これ何かというと、もちろん先ほど、
日本としてこの生成AI基盤をちゃんと開発していかなければなりません。
そして、この生成AI基盤をちゃんと自分たちで作らなければいけない。
またそこにニーズもあるだろうという中、
とはいえ、じゃあ本当にオープンAIだったりとか、
Googleだったりとかに勝っていけるのか、
もしくはそこに何か差があるのかとか、
そういうところをぜひ、有馬さんもちろん最先端にやられていて、
その辺の感触ですね。
この辺はもう全然いける。
もしくはでもやっぱりこの領域は厳しい。
それはひょっとしたらもうそもそものGPUの供給量かもしれないですし、
だからそういう観点でもしぜひお聞かせいただければ。
有馬 幸介
じゃあ自己紹介でカットされたやつ。
畑 浩史
そうですね。
有馬 幸介
基本的にそのホリゾンタルに全てのユースケースを薄く。
畑 浩史
どの辺ですか。
有馬 幸介
もう一個前ですか。その前かな。
この辺ですね。
実際GPT-4と比べてどうなるのかというと、
僕らって、僕らのお客さんは研究会社とかですので、
技術とか市場の情報がすごく重要ですと。
なのでそこの市場とか技術の情報を僕らのCCIで徹底的に学習させたら、
その左にある状態のように、実はそのChatGPTだと
60点ぐらいしか答えられないところを90点ぐらいまで
ちゃんと答えられるようになってきていると。
なので、なんていうんですかね。
まんべんなくなんとなくいろんなユースケースに答えられるみたいな
ちょっと雰囲気イケメン的な領域だと絶対いけないんですけど、
どっかに絞ってユースケースに特化させてLM作っていくと、
でも全然オーバーパフォームしたというか、
リズムレベルになっていくようなものは全然ある。
畑 浩史
全然勝てると。
有馬 幸介
言ってますけどね。
畑 浩史
実際でもこの結果を見てもそういうことですよね。
有馬 幸介
そうですね。
畑 浩史
皆さんイメージで、本当にメディアにもたくさんChatGPTが出ていて、
かなわないんじゃないかなんとなく思っているかもしれないですけど、
全然領域を絞れば、実際この数字として勝っているスタートアップが
もちろん御社もそうですし、それ以外も含めて全然あるということですよね。
そうですね。
有馬 幸介
これまでのITの技術とAIの技術の決定的な違いは何かって思ったんですけど、
AIって忘れるんですよね、どんどん。
昔の情報を詰め込めば詰め込むほど、どんどん昔のことを忘れていっちゃって、
本当に覚えてほしかったものとか覚えてくれなかったりするんですよね。
なので、用途に特化したLMで、絶対覚えてほしい知識を覚えているLMみたいなものは
作っていく必要があるなというのはすごく感じている状況でございます。
畑 浩史
なるほど。
あとは有間さん、実際、例えば海外のエンジニアだったりとか、
海外でCCI、LMを開発している方と話すこともあると思うんですけど、
そこで日本のエンジニアと海外のエンジニアの差を感じたりとか、
そういうことがあったりしますか?
ぶっちゃけ、だから本当に大リーグと日本の野球ぐらい、
有馬 幸介
すごい差があるように感じるかもしれないですけど、
そうしたら、あれ、俺と一緒じゃないみたいな。
俺とあんまり変わらないじゃんみたいなのはちょっと思った。
技術的には優秀なんだよ、日本の人たちって。
畑 浩史
そこまでエンジニアレベル、技術的なレベルで別に差があるわけではなく、
全然それはもう対等にやっていけるというところですね。
有馬 幸介
そこはそう思いますね。
ただ資金調達の環境とかがすごく充実しなかったりとか、
GPがそういうことなかったりとかはあったんで、遅れとったんですけど。
畑 浩史
そういう資金のところは。
技術的なものだったりとか、そういう実際アルゴリズムを作るとか、
そういうところは別にそんなに差を感じないし。
いやもうアリマさんが大谷翔平に見えてきましたね。
もう全然行くぞと。
有馬 幸介
行けるんじゃないかなと。
官民連携の課題
畑 浩史
じゃあこれから日本のLLMの大谷翔平と名乗っていただいたら、
もう海外でバッサバッサと。
有馬 幸介
検討します。
畑 浩史
井上さん、御社の技術開発において、当然海外の事例だったりとか、
そういう海外企業も参考にすることもあるのかなと思うんですけど、
そういう意味で御社が実際取り組まれているものと、
他の海外とのそういう差みたいなものとか、感じたりとか何かありますか?
井上千鶴
ちょっと難しいところになっちゃうんですけど、
やっぱり日本って官民連携ってできてないんですよ。
要は官のものは官、水道運営も道路運営も何もかもが官がやるよっていうのに対して、
民間が入っていくっていうのができないでいます。
それに対して今私たちがコンセッションってやってるんですけど、
何が違うかっていうと、
使用規定と性能規定っていうところで、
簡単に言えば水質を何回検査しなさいっていうのか、
何以上だったら1回清掃すればいいよっていう、
自分たちで決めていいよっていうのかどうかっていう判定なんですけど、
これに対して3回でいいっていうのを1回でも大丈夫ですって、
どうやって証明するんですかっていうのがあるんですね。
だから分かんないから3回絶対綺麗だろうと思ってもやるわけですよね。
それってもうこういった財政も厳しい中、
すごい無駄でしかないっていう中で、
後ろの方にありますかね、
うちの水道の配管の劣化診断というのをやってるんですね。
ずっとごめんなさい、後ろの資料であるかな。
畑 浩史
これですか。
井上千鶴
別です。
畑 浩史
これは多分ないかもしれない。
井上千鶴
ごめんなさい。
これ実は日本の方が発明されてアメリカで起業されたっていうものなんですけど、
配管が道路の下にいっぱい埋まってますよね。
あれが劣化してるっていうのを調べるためには掘り返すしかないじゃないですか。
むちゃくちゃ無駄ですよね。
これに対してこんなことやってられないんです。
100年かかってもできないんです実際。
そうなるとどうするかって言ったとき、
環境ビッグデータ使って、
白井 恵里
土壌のサンドだとか、
井上千鶴
道にいっぱい車が通ってる振動の影響だとか、
そういうのを最終的に150ぐらいのパラメーターなんですけど、
もっと何千のを与えて何が影響しているんだっていうのを見ていったんです。
その結果これがどれぐらい持つんですかっていうのを予測していくっていう形なんですね。
その結果それがさっきのエビデンスですね。
じゃあここだけ変えりゃいいじゃんっていうものになっていくっていうので、
非常にこういうのは実務レベルでやっていて、
先ほどの話ですけど、
シリコンバレーで起業されたんですが日本人です。
白井 恵里
日本人で何個もやっているので、
井上千鶴
そういうのはアメリカでも受け入れられているということで、
やっぱりきめ細やかだし、
日本のデータが実は揃ってるとか、
紙ベースでも揃ってるとか、
そういった良さもあって、
日本ってまだまだやる余地、
世界に出す余地ってあるなっていうのをつくづく感じています。
日本の技術力の現状
畑 浩史
なるほど。ありがとうございます。
渡辺さん、国内の事情並びに海外の事情もかなり政府としても調べていると思うんですけど、
この辺、開発力の差だったりとか、
そういうところで何か違いとかあったりしますかね。
渡辺 琢也
私は役人なので、
本当にテクノロジーの真髄を理解しているわけではないんですけども、
正直言ってですね、
やっぱりそれはオープンAIとかGoogleのトップエンジニアは、
いろいろ聞いているとやっぱりすごいです。
これはもう、やっぱりアメリカすごいですよ。
お金も集まるだけじゃないし、
当然それを支えているものすごい数のエンジニアのトップの人たちなので、
やっぱりこれは日本は残念ながら勝てない。
なるほど。
だけれども、
正製AIってまだ出てきたばっかりだし、
先ほどから話しているように、
まだ具体的なユースケースを、
後半の議論になるのかもしれませんけれども、
本当の意味で正製AIを使いこなすというところはまだ行けていないんですよ。
実は正製AIの基盤のさっきのプログラム、
GENIACというGenerative AI Accelerator Challengeという名前で、
僕ら計算省として、
ストックマークさんはじめ支援をしているわけですけれども、
始めた時はGPT3.5ぐらいに8月ぐらいに行けばいいなと思っていたら、
だいたい複数の、全部で10社支援しているんですけれども、
GPT4ぐらいの日本語性能だけですけれども、
日本語性能だけであれば、
GPT4クラスの基盤モデルを開発するのが複数社出てきます。
8月の時点でですね。
だから、まずそれは驚きました。
日本語もいけるじゃん。
そこまでいけると。
いけると。
だけれども、じゃあこのまま本当にオープンAI、Googleのまま、
そのままあそこで勝負できるかというと、
私は実は疑問に思っている。
なるほど。
だから、これはちょっと後半の議論かもしれませんけど、
やっぱり、そうは言ってもモデルって、
OSのレイヤーと違って、
そんななんかスマホのOSは2つぐらいに独占されてますけれども、
やっぱり基盤モデルってね、
もっと用途ごとに多分複数になると思うんですよ。
そうすると、ストックマークさんをはじめ、
用途を絞れば勝てる領域が出てくると思っているので、
そういうところに何とか日本の会社さんを、
ぜひその一角に入れるように我々としては支援したいなと思っています。
データ活用の課題
渡辺 琢也
なるほど、なるほど。
畑 浩史
なるほど、ありがとうございます。
実際その今、プログラムを走らせて見られているところで、
あとちょっと後半で、
多分その辺のデータの話も出てくるところですね。
はい、ありがとうございます。
そしたらですね、
今度は3つ目のテーマで、
課題ですね。
今もいくつか出てきたかと思います。
その中で、
しらいさん、
先ほどデータ活用のところで、
どうしてもユースケースが生まれてこないという、
話もあったんですけど、
それに関連してもしくは、
何かこう、
データ活用の観点から見ての課題とかあれば、
他にもお聞かせいただければ。
白井 恵里
はい、ありがとうございます。
そうですね、
今、もしかしたら瀬戸際なのかもって思っていることがあって、
先ほどストックマークさんのデータで、
ストックマーク規制等率が0.9、
で、チャットGPだと0.6ちょいっていうデータがあったと思うんですけど、
0.6だととても業務には使えないアウトプットなんですね。
やっぱりこれだったら、
新卒の人に出してもらった方がいいわってなっちゃって、
そこから育てるっていうモチベーションが湧かない。
0.9あれば、
いいじゃんっていう手応えがあって、
ちょっと直したらいけるねっていう感じになるんですよね。
このラインが、
業務だったり会社によって違うんですけど、
おそらく70%、80%の辺りにあるだろうっていう感触は持っていて、
で、今チャットGPT使っている企業さんがすごく多いんですけど、
で、結構みんなが触れるようにして、
勝手に自分の業務を効率化してみてみたいな状態の企業さん多いんですが、
それで、やっぱ使えないじゃんっていう風に諦められちゃうっていう状況が
ちょっと出てきてるんじゃないかなとは思ってます。
なので、かといって国産のやつ、
すごい良いのありますよって言っても、
みんなが使ってないから、
それのデバッグじゃないけど、
リスクを最初に取る人にはなりたくないんですよね。
使ってみないと何が起きるか分からないんで。
なので、国内の事例が出てこないと、
なかなかそっちも活用済まないしっていうところで、
企業が勇気を持ってリスクを取って、
本当に良いものを普及度じゃなくて、
自社にとって良いものかどうかっていうのを見極めて使っていく。
そこを何となく導入して、
あとはみんなやってねではなくて、
経営がしっかりコミットをして、
これでちゃんとうちは成果を出すんだ。
そのためにちゃんと、
あなたはそういう役割を持ってやってくださいねっていう任命までして、
権限も与えて、
社内の成功事例を作っていくっていうことを
早くやらないと飽きられちゃって。
気づいた時には、
外国産のものに圧倒されてるっていう状況になるかと思うんで、
今ならまだ戦えるから、
そこはやっていかないとなって思ってます。
なるほど。
畑 浩史
そうすると、
制度とそれに伴う何を求めるか、
業務何を求めるかってそこの組み合わせで、
まだ全般的な業務でいくと、
そこまで制度が追いついていないんじゃないかというのが、
多くの大企業は見てるっていうところですよね。
後でも、
日本のLM、スタートアップのLMを使うみたいな時に、
先ほどリスクっておっしゃってたと思うんですけど、
逆に言うと、
どういうことをリスクと思われてるケースが多そうですよね。
どうですか、感覚としては。
白井 恵里
なんとなく怖いが多分一番大きいんですけど、
それはひも解くと、
社内のデータが流出しちゃうんじゃないか、
再学習に意図せず使われちゃうんじゃないかみたいなところ。
契約読むと別にオフトアウトはできるんですけど、
と言ってもやっぱり信じきれなかったり、
あるいはそのツールベンダーの方がハッキングされたりとかしたら
流出しちゃうわけじゃないですか。
そういったところまで含めて、
そこを怖がってらっしゃるっていうのが多いですね。
自社ではコントロールしようがないんですけど、
そのツールを導入することを決めたのは、
お前だみたいになっちゃうから。
畑 浩史
何かあったときにその人が責任を取るって考えると、
なかなか決断もできないと。
そうですね。
これはなんかあれですね、
生成Iのテーマというよりも別テーマで、
大企業のオープンイノベーション的な、
ちょっと別テーマかもしれないですね。
でもそこが当然生成Iみたいな新しい技術だったりツールを使う上では、
そんなことがリスクであったり懸念で多く入るってことですね。
分かりました。ありがとうございます。
有馬さんちょっと今の話から一旦離れながら、
逆にこのスタートアップで、
LAMを開発している立場としての課題ですね。
逆に今こういうことが大きな課題だとか、
こういうことを解消したいとか、
何かその辺ってありますか?基盤開発とか。
有馬 幸介
課題はめちゃめちゃいっぱいあるんですけど、
どうですかね。
最大公約数的な課題でいうと、
やっぱりなんていうんですかね、
僕らもう死に物狂いで日本中にあるデータを集めてきたんですよ。
3000億トークンくらいだったんですよ。
だから9000億文字くらいだったんですけど、
グローバルの生成Iモデルって15兆トークンとか学習してるんですよ。
45兆文字。
めちゃくちゃ死ぬ気で集めたけど、
やっぱり3000億トークンだったっていうのはあるんで、
単純にやっぱり日本語と英語って25対1くらいなんですよ、文字の比って。
実際そのくらいあるっていうのはあって、
なんていうんですかね、
食わせるべきデータがもっと工夫していかないといけないという課題は
すごく持ってると思いますね、みんな。
データそのものをどうやって集めるか。
畑 浩史
今までは頑張って集めたけどっていうところですね。
そうですね。すっげー頑張ったけど3000億でした。
そうなんだと思って。
そこはぜひちょっと後半のトピックで。
それ以外はありますか?
先ほどのGPUが足りないとか、
ひとしたらエンジニアが足りないとか、
スタートアップとしてですね、
その辺のLM開発っていう観点にいくと、
一旦データ以外に。
有馬 幸介
そうですね。でもなんかもう、
僕は起業者7年になりますけど、
日本の生成AI基盤の現状
有馬 幸介
これだけ環境が充実してきた時代ってないですね。
畑 浩史
なるほど。
有馬 幸介
もう政府もすごい頑張ってるって言ってるんですけど、
すごいし、みんなも前向きだし、
今回こそはやってやるんだみたいな雰囲気が多いんで、
あとはおっしゃっていただいてるように、
井上千鶴
ユースケースをどう素早く見つけていくかみたいな。
有馬 幸介
スタートアップ村全体として日本の。
なんでもうみんなでリスク取って、
こうやって掴んじゃえよみたいなのを
やっていかないといけないなと思いますね。
分かりました。ありがとうございます。
畑 浩史
井上さん、先ほどしあいさんから
大企業の採用になかなかされないという課題もありましたけど、
御社からにも最低とかもあったと思うので、
御社から見た時に、
生成や基盤を、
活用する、使っていくとか、
もしくは開発していく上での、
何かその辺の課題とか、
ぜひありましたら。
ありがとうございます。
井上千鶴
そうですね、
うちらのJATGPTモデルみたいなものは、
社内用の中でだけで閉じて、
勉強させてっていうのはやってるんですね。
それはやっぱり、
企業ならではのいろんな情報だとか、
規定とかもありますので、
そういう意味でやっぱり特化していかなきゃいけない。
それと外れたものは、
出て大丈夫だよとは言えないので、
そういう意味で、
生徒率もすごく高くなっています。
なので、
受け入れられないかというと、
そこのところを企業の文化とか仲間が理解していただいて、
ここは作り込もうよってことができれば、
結構受け入れられるんじゃないかなというふうには思っています。
一方で、データの活用で、
先ほどちょっと自治体さんの話をしたんですけど、
データの量の問題なんですけど、
何が起きたかって、
全部紙だったっていう、
データですって言ってもらいました。
PDFっていう。
畑 浩史
なるほど、デジタルじゃないと。
井上千鶴
結局入力頑張ってみたんですよ。
ミスでるじゃないですか。
逆に良くないってことで、
全部それ捨てたってことなんですよ。
だからそこは結構ハードルなので、
これから並行してそういう整備も、
課長氏もそうですけど、
そこは結構課題だなというふうには思っています。
データ活用の課題
畑 浩史
確かにデジタルデータとしてあるっていう話と、
情報としてはあるけど、
それが紙だとした時に、
それをどうデジタルに変えるかっていうのは
大事なんですよね。
それは日本企業、
政府も含めて、
むちゃくちゃ多そうな気がしますよね。
井上千鶴
そうですね。
数字だとかアルファベットは比較的、
画像認識で変換してくれても、
有馬 幸介
日本語難しいかなって感じが止めたっていう。
畑 浩史
手書きとか含まれるとまた大変ですもんね。
井上千鶴
そうなんです。
なかなか達筆でいらっしゃいまして。
畑 浩史
ありがとうございます。
達筆っていい言葉ですよね。
ありがとうございます。
渡辺さん、課題ですね。
GPU確保、
計算資源のところが課題だったというところで、
政府としては大きく動かれたと思うんですけど、
この先ですね、課題とそこに対して
政府としてどうしていこうかみたいなところを
ぜひお聞かせいただければ。
渡辺 琢也
この1年は何をやってきたかというと、
先ほど申し上げたように、
とにかく計算資源を確保しました。
それは絶対間違いがないから。
ストックマークさんだとか、
先ほどジーニアックで支援しているような企業を中心に、
基礎体力作りはだいぶできてきています。
我々が想定していたGPT-3.5を超える、
日本語性能だけですが、
GPT-4レベルのものは出てきている。
ただ、これからはですね、
先ほどやっぱりすごい危機感、
危機的なことをおっしゃったのが
まさにその通りだと思っていて、
あ、生成Iってブームになったけれども、
使ってみたけど、
ちょっとまだ使えないと思って、
みんなが諦められると、
20世紀末インドネシアの
20世紀末インターネット革命がありましたよね。
あの時をまた繰り返すんですよ。
つまり、20世紀末インターネット革命が起こって、
日本はちょうどバブルが弾けたタイミングでもあったので、
非常に不幸なタイミングであったと思うんですけれども、
インターネットなんて使えない、怖いとか言ってて、
そこで日本の大企業を中心に使わなかった結果、
30年間経ってみて、
日米でこれだけの実力の差を生んでしまったと、
私は思っています。
ですから、今AI革命が起こっていますから、
有馬 幸介
ここでやっぱり、
渡辺 琢也
ストックマークさんのようなレイヤーの企業さんはもちろんですけれども、
ユーザーの企業さんも含めて、
正々AI使えないよね、ではなくて、
どうやって使えるようになるのかということを
みんなで一生懸命考えて、
そこにストックマークさんのような企業が、
自分が生きる基盤を提供すると。
このエコシステムを確立させないと、
せっかく今AI革命が来ていますので、
日本、負けられないぞというふうに思っています。
畑 浩史
なるほど。絶好の後期を逃さない、
また同じ手伝いを踏まないというところだと思うんですけど、
政府としてそこに対して、
こう支援していこうとか、
その辺の構想もしあればぜひ。
渡辺 琢也
なので、この1年はとにかくGPUでした。
これからはデータだと思っていますので、
どうやって、
ちょうどパナソニックさんとの連携が発表されていましたけれども、
そういうパナソニックさんのような
たくさんのデータを持たれている企業が、
AI企業にデータを渡すとか、
あるいはそういう製造業、
製造業同士、スケーリングローってありますから、
要するにデータが多ければ多いほど
性能が上がるので、AIは。
したがってそうすると、製造業同士で
実はデータをシェアして、
もっとよりすごいAIを
ストックマークさんのような企業に作ってもらった方が、
みんながハッピーだというような、
そういうデータのシェアリング。
ここってどうしても先ほどあったように、
データが漏れるかもしれないとか、
自分が損をするかもしれない、
あるいは個人情報保護法を踏んでしまうかもしれない
というような懸念があると思いますので、
そこを私どもがモデル事業みたいな形で
後押しをして、
我々がやれることというのは、
モデル的な取り組みですけれども、
そういうものをいくつか事例を作っていって、
真似してくださいというような形に
持っていければいいかなというふうに思っています。
政府の支援と展望
畑 浩史
政府主導で、ここのスタートアップなり、
そういう製造業同士企業は、
これだけのちゃんと性能を出して、
ちゃんと安全性も担保されて、
実際こういう事例を回すというのを、
政府としても打ち出し、押し出していくというところですか。
ありがとうございます。
では、ちょうどここで前半の時間になりましたので、
ちょっと10分間休憩を挟んで、
今、だいぶ話も出てきました。
データの重要性、そこに後半は移っていきたいと思います。
では、これから10分間休憩としたいと思います。
それでは、後半のプライベートデータの重要性というところに
入りたいと思います。
そしたらですね、ここはしらえさん、
そもそも、このCCIで、
データデータと言っていると思うんですけど、
どういうものがあるかみたいな、
例えば業界だったりとか、
先ほどのテキストとかいろいろあると思うんですけど、
データってあまりにもバックリとしているので、
その辺、分かりやすく説明いただければと思いますが、
いかがでしょう。
白井 恵里
はい、承知しました。
そうですね、今多分活用が進んでいるのって2つで、
センシングデータ、製造業とかの工場だったりとか、
製品付いているセンサーからのデータと、
もう1つはデジタル上のトランザクションデータ。
それは、例えばウェブサイトを見たりとか、アプリを見たりとか、
1人1人の消費者が行動したものをデジタル上で追ったもの。
その2つと、あとあれですね、業務データですね。
業務データ、3つでした。
が、大きくはあるかなと思います。
畑 浩史
業界によっての特性だったりとか、そういうのってありそうですか。
逆に、例えば業界によっては非常にセンシティブな、
すごく機密性が高いものだったりとか、
あとはデータ量が多いとか、
そういうようなものってありますかね。
白井 恵里
ありますね。やっぱり医療業界とかは、
機微情報になるので、なかなか閉鎖的な環境でやらないといけない
みたいなのもありますし、
そういう意味でいうと、金融だったりとか通信もそこは固めです。
で、量でいうと、通信のサービスを持っているところは
トランザクションデータがすごく溜まっているので、
その辺の活用は昔から結構進んでいるかなというところですかね。
畑 浩史
なるほど。ありがとうございます。
有馬さん、大丈夫ですか。油断していました、今。大丈夫ですか。
実際に、先ほどデータが非常に重要だというところがあったんですけど、
LLMを開発する上で、どうデータを使っていくのか。
例えば、実際の前書類とかいろいろあると思うんですけど、
ちょっと非エンジニアの方にも分かるように、
データを集めてからモデルができるまでって、
どんなことが行われているかみたいなのを、
ざっくりご説明いただけたりしますかね。
有馬 幸介
集めるまで。
畑 浩史
最初から実際にLLMができるところまで。
データって、何がどう行われていくんでしょうという。
有馬 幸介
さっきの、僕のカットされちゃって、自己紹介しちゃいました。
カットやって。
もう少しですか。
これですね。
さっきおっしゃっていましたけど、
データってこういうふうにPDFとかで残っているんですよ。
ここからまず、文章を抽出してくるんですよね。
大量の文章を抽出してきた後、
読み込ませるみたいなところが、
第一段階の学習になります。
データが多ければ多いほど、
全然精度が上がっていくんで。
畑 浩史
抽出というのは、どういう観点で、
何をどう抽出するんですか。
渡辺 琢也
これですね。
有馬 幸介
この画像のままだと、
AIってまだ理解できなかったりするので、
ここにはこういうことが書いてあるよというのを文章で、
ピュアな文章に変換していくみたいな。
畑 浩史
これ自体は文章として。
ただ単にここにある文字を抜き出すだけで意味がないので。
そうですね。
有馬 幸介
結構ノイズとかあったりするんですよ。
例えば文章の下の方にヘッダーとか振ったとかあったりして、
どんな資料にもヘッダーが振ってあるじゃないですか。
だからすごい登場回数が多いんですよ。
だからAIが意外と勘違いして、
これって人間が大事だと思っている文章なんだみたいな感じで、
誤学習しちゃったりするので、
意外とそこをきれいにしていくとかがすごく大変だったりするっていうのはあったりしますね。
なるほど。
畑 浩史
実際に開発されていない非エンジニアの立場から見ると、
きれいなデータがボーンと投げれば、
何かポッと出てくるイメージがあると思うんですけど、
結構この前のデータを作るところがかなり大変で、
そこが肝だったりとかありますかね。
そうですね。
有馬 幸介
いろんな代表のお客さんと話していると、
今ここがスタックポイントになってますね。
意外とここからきれいな文章を抜き出すのが難しいみたいな。
なるほど。
意外とまだ難しいんですよね。
人間だとパッと見てわかるじゃないですか。
上から下に文章が流れているとか。
1個前のスライドも見てもらっていいですか。
そうですね。こんな感じで。
右側2番目のやつだと、
論文って二段構成になっているとかって
常識的にわかるんですけど、
生成AIの現状と課題
有馬 幸介
AIって意外とまだわかんないとかあったりするので、
意外とここはまだ頑張らなきゃいけないポイントだったりしますね。
畑 浩史
それはもうそういうツールだったりとか、
手法というのは確立されているのか、
結構まだまだ試行錯誤なのかというと、いかがですか。
有馬 幸介
意外とやっぱり試行錯誤の段階というか、
思ったより人間って創作的な文章を作っていたんだなというのが
多分共通理解になって、
すごくみんな頑張ってマルチモダル化しようとしているというのが絶対ですね。
畑 浩史
そうすると、もともとあるPDFだったりとかそういうデジタルデータを
ちゃんと抽出するところも、
ある意味AIの力が必要というかっていうところですよね。
有馬 幸介
そうですね。ここは結構ホッと似合ってくるというか、
僕らも頑張らなきゃいけない領域。
畑 浩史
なるほど。ありがとうございます。
そうすると、今データってそういうところだねという話があった中で、
重要性は今だいぶ前半でも議論してきたと思うので、
現状ですね、まさに日本語、
今の先ほど海外のモデルと日本のモデルってあったと思うんですけど、
日本語っていうものが何かまた難しさがあるのか、
逆に海外図ができていないところがあるのかとか、
あとは何かこのデータが業界によって違って、
その業界が持っているけど実際使えないとか、
あと先ほどの大企業もそれを実際それが漏えいしたら困るとか、
いろんなものもあると思うんですけど、
何かこの辺、今の現状、課題みたいなところで、
データで特化しておくので、
何かこの辺でぜひという方がいらっしゃればありますかね。
データ共有の重要性
畑 浩史
渡辺さん、はい。
渡辺 琢也
だけど、私は技術的なことはわからないですけど、
今まさに有馬さんが説明いただいたのが、
多分オープンAIにはできないことなんですよね。
つまり日本の資料って世界的に見てもかなり複雑だと言われていて、
まずひらがな、カタカナ、漢字があるのはもちろんですけれども、
縦書き、横書き、
またさっきもすごい複雑じゃないですか、
あれはあまり英語のデータにはないらしくて、
なるほど、構造的に。
畑 浩史
はい、そうです。
渡辺 琢也
資料の構造、これが相当やっぱり日本を独特にしているというか、
なるほど、なるほど。
だからこそ基盤のところからやるゾーンがあるとは我々は思っていますけどね。
なるほど。
畑 浩史
そうするとそもそも海外のエンジニアはそういう概念がないので、
そこに対してもっとやろうというモチベーションも働かなくて、
日本人はそれも分かっているから、
より良いデータを取ろうと思うと、
じゃあどうやって取ればいいかというところに入るってことですね。
そうですね。
渡辺 琢也
だけどもそういう企業のデータというものが、
多分基本我々がジーニアックで今まで支援をしている事業者さんは、
基本はインターネット上から取ってくるとか、
オープンなデータからやられているので、
さっきのデータ量が必要になってくると、
どうやってプライベートデータを信頼してもらってですね、
データホルダーから持ってくるか。
しかも同業種だったらA社とB社のデータホルダーのデータを
混ぜ合わせて学習することを許していただけるか。
この辺が鍵になると思います。
畑 浩史
なるほど。
その辺を政府として何か取り組みですね。
まさにスタートアップ並びにLM開発企業はデータが欲しいと。
でも大企業はそれはもちろん機密性もあるし、
自分たちの競争力もあるので出したくない。
だけどそれをまた使わないとLM開発もオープンデータだけだと進まないっていう、
その両面があると思うんですけど、
その辺で国として何かある意味大企業に出せって迫るのか。
渡辺 琢也
それは無理です。
畑 浩史
それは無理ですね。
渡辺 琢也
まず分かりやすいのは法制度があるところですね。
一番性性愛情大変だと言われているのは、
個人情報保護法との関係と、
あと著作権法。
この辺りが皆さん非常に大変です。
先ほどすごいってあげたGoogleさんとか、
ああいう会社さんって法制度が曖昧な中でも、
訴訟リスクと機械損失のリスクを冷静に分析をして、
機械損失のリスクの方が大きいと思えば、
多少の訴訟リスクがあっても踏み出すんですよね。
ところが日本の企業は、
これは残念ながらスタートアップも、ましてや大企業も、
訴訟リスクって極大なんですよ。
そうすると、個人情報保護法だと、
健康情報とかは取得するときに本人同意が必要だとか、
あるいは普通の個人情報だと第三者に提供するときにも
本人同意が必要だとか、こういうものがあってですね、
ちょっとでも取るつもりがないのに、
ちょっとでも取ることに対して、
あるいはそれを提供してしまうことに対して、
ものすごいヘジテイトしてしまう。
こういうことに関しては、
私どもが促進側にいる省庁として、
個人情報保護法だとか、保護委員会だとか、
文化庁みたいなところと橋渡しをしてですね、
どういうところだったら法律上クリアなのかという、
ホワイトゾーンというのを作ってあげるというのが重要というのが一つ。
あともう一つは先ほど、そういう法律じゃないところ、
企業として出したくないみたいな話。
これは強制はできないので、
もう事例を作って、
ほら、同じような業種のこの人がやってるでしょというような、
やっぱり日本の社会って非常に業種単位での活動って結構多いんですよ。
畑 浩史
化学業とか鉄工業とか、
渡辺 琢也
それを逆手にとって、
ほら、保険業の同業たちはこんなことをやられてますよというようなことを
事例として出していきたいと思います。
新たなデータ活用のアプローチ
渡辺 琢也
事例として出していく、
そういうアプローチがあるかなと思ってます。
畑 浩史
今その辺の業界で、
ここは比較的そういうところにオープン寛容だとか、
やっぱりここはなかなかまだまだ厳しいなとか、
その辺見えてるところありますか、業界に。
渡辺 琢也
それはこれからですね。
ただ、私はやっぱり製造業をもっと頑張ってほしいなと。
畑 浩史
製造業を持ってます。
渡辺 琢也
ありがとうございます。
畑 浩史
井上さん、大企業の立場から見て、
やっぱりデータは先ほど、
そもそもPDFに眠ってるみたいな話もあったと思うんですけど、
ただまさに御社の場合、
いろいろな現場でのセンシングデータを含めてたくさんあって、
それはそれで競争力だったり、
なかなか出しづらいというところもあると思います。
ただ一方で、御社もスタートアップと関わってという中で、
その辺ってデータの扱いにおいて、
社内で議論があるとか、
逆にこうしていこうとか何かありますか、そういうところは。
まず我々が活動するときの、
井上千鶴
社内のものの前に、
自治体さんのデータを結構扱うんですね。
そのときにやっぱりノーと、
自分の自治体だけだったら、
という風になってしまうんですね。
ただ一方で先ほどの、
前処理の段階でクリーニングしたときに、
それがその後のものだったら、
そこまで関わりますか、なんですよ。
地域ごとの天候データだったりあるので、
白井 恵里
その辺を明確にやっぱり、
井上千鶴
ホワイトゾーンのデータに関しては、
その辺のデータに関しては、
ホワイトゾーンを作られると、
おっしゃってくださったんですけども、
まさにそういったところを少し整理しなきゃいけないな、
というのがまずあります。
一方でじゃあ、
うちの内部のデータについてはどうだ、
ということになると、
建設業とかこの業務って、
製造業の中でも一品自中なんです。
そして外なんです。
工場じゃないんです。
なので、
そんなに毎日ルーティーンのものが
ずっと回ってるわけではなく、
同じ例えば柱一本建てるのにも
全くところでは違うんですね。
という中で、
どうなっていくのっていうのはありつつ、
過去のデータを学習していくっていう意味では、
まず内部で使っているっていうのと、
これもまた面白いんですけど、
業界で大きなものだとJVって形で
何社も一緒に仕事するんですよ。
そういう取り組みが国のプロジェクトだったり、
自治体だったり、
デベロッパーさんのものだったりってすると、
やってみようよみたいなところがあるんですね。
そういった形で、
やっぱりちょっと業界で取り組んでいくっていうのは、
危機感があるので我々、
少しずつ出てるので、
やっぱり他の業界もそうなってるんじゃないかな、
業界で囲い込みたいっていう意味ではなくて、
それを広げるためにも、
手をつないでいこうっていうところが
結構大きいかなと思って、
そういう時は積極的にやるようにはしています。
畑 浩史
その時に、
各社バラバラなものを、
やっぱり共通で取るためには、
いろいろ大変なところもありそうですけど、
何かその辺、
フォーマットを合わせるなのか、
プロセスを合わせるなのか、
そういう取り組み、
もしくは兆しとかあったりしますか。
井上千鶴
そうですね。
ちょっと生成アイディアはないんですけれども、
それこそちょっと前の
3Dデータを作っていくっていった時に、
一つの、
例えば窓枠とかいろいろやるんですけど、
実際にみんな頑張って作ってたわけですよ。
少しずつ違うっていうのだと、
メーカーさんがそれを作って提携をしてくれるだとか、
やっぱり合わせていこうっていうのが出てきます。
というのは設計段階だけじゃなくて、
施工段階から、
維持管理の後の皆さんが引き受けて、
やっぱり統一してた方がいいねっていうので、
例明記があり、
それもそうなっていったので、
こういったAI活用だとかのデータについても、
何かしらそういうのが生まれて、
今徐々にできて、
生まれていくのかなというふうには思っています。
畑 浩史
なるほど。
そうすると建設業という中でも、
当然元の資材を作るメーカーの方もいらっしゃり、
それを設計、
施工、運用維持するっていうプレイヤーがいるので、
皆さんを巻き込みながらやっていくっていう形ですよね。
なるほど。
ありがとうございます。
有馬 幸介
あとは白石さん、
畑 浩史
そういう意味でいくと、
何か今の話で、
何でしょうね、
企業がデータを活用していくというところで、
今までにない話、
何か他見えてきている課題だったりとか、
ありそうですかね、何か。
そうですね。
今の話でいうと、
白井 恵里
データをどうやって共用していくか、
共通で使っていくかっていうような、
データを活用していくという、
データを活用していくか、
共通で使っていくかっていう話。
面白い取り組みがあるなと思っているのは、
データって売れるじゃないですか。
売れる、はい。
それを事業会社さんが売り出している。
例えばカード会社さんが決済データを使って、
ペット保険って、
引っ越しのタイミングに売れるんですって。
引っ越して広い家に住んで、
多分結婚したりとかで、
畑 浩史
子供生まれたとかわからないですけど、
ペット買うかってなるので、
白井 恵里
結婚したりとかで、
ペット買うかってなるので、
その時に一緒にペット保険も売れる。
その引っ越したよっていうフラグを、
どうやって立てるかっていうと、
決済データを見ると、
家具100万一月で買ってたら、
それってもう絶対引っ越してるじゃないですか。
そういうのとかで、
自社のデータを使って、
ペット保険の会社さんをクライアントとして、
そこに対して、
プロモーションだったりとか、
こういうふうにしてたら、
もっと効率的にできるんじゃないのっていう、
プライベートデータの価値
白井 恵里
コンサルティングをするとか、
そういった取り組みが出てきていて、
やっぱり資本主義って強いので、
畑 浩史
儲かれば各社やるので、
白井 恵里
自社データを売ることが儲かるっていう方向に、
行く兆しはちょっとあるかなって思います。
畑 浩史
そうですよね。
データそのものが流通して、
それ自体も価値があるし、
それを使って事業が伸びればいいっていうところで、
当然、企業なので、民間企業なので、
そこが成り立て場っていうところですね。
なるほど。ありがとうございます。
じゃあその次のテーマで、
未来へのテーマ、これデータに関してですね、
今まで課題だったりとか、
こういう現状があったと思うんですけど、
こうなればいいんじゃないかなとか、
こういうのがあれば、
それぞれ皆さんの立場でいいんじゃないかな、
っていうところを、
ちょっと制約抜きにですね、
言っていただければ、
それが今日聞いている方で、
次のビジネスチャンスになるかもしれないので、
どなたからでも、
データに関して壊ればいいんじゃないかと。
有間さんに言いましょうか。
有馬 幸介
ちょっとマクロの目線から行くと、
今までの生成愛って、
畑 浩史
インターネットデータの戦いだったんですよ。
有馬 幸介
そうすると、
日本語は3000億トークン、
英語は15兆トークンあって、
なかなか勝てないというか、
いいモデル作るのは難しかったんですけど、
プライベートデータまで考慮に入れると、
日本ってやっぱり歴史が長いんで、
産業の。
例えば、
GPT-4って1ペタバイトを学習してるんですけど、
とある銀行には、
もう150ペタバイト眠ってるみたいな状態が
全然あるんですよね。
なので、だんだんプライベートデータに
移行していけば、
元経済大国第3弾の日本って
めちゃくちゃデータ溜まってるんですよね。
ベストは確かに渡辺さんがおっしゃるように、
業界横断でデータを貯めて、
業界AIみたいなのを作れると、
ベストですけども、
一社だけのデータを学習させた生成愛でも、
十分価値のあるものができると、
僕は思っています。
一社だけのデータを学習させた生成愛でも、
十分価値のあるものができると、
僕は思っています。
実際、おとといだか、
昨日、弊社とパラソニックさんで、
パラソニックエレレみたいなのを作るみたいな
協業を開始というプレスリストで
出しましたけども、
そういう流れ、
一企業一生成愛みたいなのは、
だんだんそうなっていくと思っている。
パラソニックさんに限らないんですけど、
僕の違うお客さんだと、
畑 浩史
表に出してない研究開発資料って、
有馬 幸介
めちゃくちゃいっぱいあるんですよ。
社内に。
パラソニックさんに限らないんですけど、
表に出してない研究開発資料って、
めちゃくちゃいっぱいあるんですよ。
社内には。
失敗って別に悪いことじゃなくて、
当時失敗しただけであって、
今だったらうまくいくケース、
いくらでもあると思うんですよ。
そこを全部知っている生成愛があるんだとすれば、
よりいい研究のアイディアとかが出てくる、
AIって出てくるはずで、
まずそこをやっていくといいんじゃないかなって、
すごく思っているという感じですね。
デジタル化の進展
畑 浩史
そうすると、
今まだ本当に黎明期で、
オープンデータをみんな使って、
データを持っている会社さんとしては、
それが強みになるので、
そうすると、
それを自分たちで独自のLLMを作って、
業務に役立てるというように、
大企業、
パラソニックさん、
パラソニックさんというような、
大企業独自のLLMがどんどん出てくるんじゃないか、
もしくはそうなっていく方がいい、
というようなところですかね。
多分、
有馬 幸介
アメリカだとその気がして、
どんどん出てきているような感じだと、
思っていて、
日本も多分そうなっていくと思いますね。
事例がやっぱり大事なんで、
パラソニックさんじゃないかもしれないですけど、
例えばどこかの企業が、
今までの大量のデータを学習させたら、
とんでもないLLMができたって言ったら、
よし、俺らもやらないと、
みたいになっていくと思うので、
やっぱりそこを早急に作っていくというのが。
なるほど。
畑 浩史
その時に必要になるものは、
もちろん企業のデータはあると思うんですけど、
まだ先ほどの、
前処理とか、
技術的なところのノウハウ、
ツールなのか、
やっぱりそのコンピュータリソースなのか、
エンジニアなのか、
どの辺が必要になってきますかね。
それがいろんなところで起こってくると、
相当な膨大な量になると思うんですけど。
渡辺 琢也
それは、
多分ですね、
ドメインの知識もかなり重要なのではないかと、
思いますね。
これはそうすると、
スタートアップの
スピード感とは
ちょっとお答えにならないかもしれませんけども、
ちょっとしたがって、
政府目線になっちゃうかもしれませんが、
結局、
今、
どんな事業会社も
デジタル技術をどんどん使っていかないといけないよねと、
正々堰が典型ですけど、
そうなるとですね、
もちろんトップの
その
ビジョン、
これは非常に重要です。
例えば、
我々でいうと、
本当は、
国ですからよく審査をするんですね。
審査をする。
でも審査をするってことは、
申請されたものがいいかどうかを
判定することが目的なのに、
いつしか、
その業務フローそのものが固定化してしまって、
審査業務をやることが業務になっちゃってるんですね。
畑 浩史
なるほど。
渡辺 琢也
その時に、
いや、そうじゃなくて、
本来、丸かばつかを判定することが目的なんだからといって、
ちゃんとトップで、
要するにビジョンといいますか、
そういうことによって、
畑 浩史
じゃあ、
テクノロジーをどんどん導入していこうと、
渡辺 琢也
いう風になるわけですけど、
ただここで重要なのは、
日本って現場がすごい強いので、
今業務をやってる人が抵抗勢力になるんですよ。
有馬 幸介
なるほど。
渡辺 琢也
ですから、
今、国は
全員が
デジタル技術を
デジタルリテラシーを学びましょうと、
いう運動をやっていて、
トップだとか、
あるいはその組織で
デジタル化を推進する人はもちろんですけれども、
全員が
読み書きソロ版のように、
デジタルの知識、
生成はもちろんですけど、
井上千鶴
を身につけましょう。
渡辺 琢也
これね、時間かかります。
畑 浩史
リスキリングでやっていると、
渡辺 琢也
そういうことで、
どんどんと
そういうデータを
利活用していくというような機運、
それが政府の仕事だと思っていますので、
ビジネスの成長サイクル
渡辺 琢也
そういうことをやっています。
確かに現場の方からすると、
畑 浩史
データデータって言われても
何のこっちゃってなると思うんで、
それがリテラシーが上がると、
確かにこういう風になれば
自分たちも楽になるし、
もっとより良くなるっていうところがあると思うんですけど、
やっぱりベースがないと、
なかなか現場の方も変わらないっていうところですね。
なるほど。ありがとうございます。
白井さん、
未来への展望というところで、
まさにデータの利活用を
めちゃくちゃ見られていると思うんですけど、
白井 恵里
こうなったらいいなみたいなのはありますかね。
そうですね。さっきちょっと申し上げたみたいな、
データを売ってお金になる、
それを使った企業がもっと利益を上げられるっていう、
プラスのサイクルが回っていくといいかなというのは
一つありまして、
今やっぱり、
例えばマーケ業務の現場でも、
リアルに、
反則会とかに来てくれたお客さんの
データをちゃんと取ってるかっていうと、
運用がめんどくさいからやめるみたいなこととか、
めちゃくちゃ起きてるんですね。
でもそれって、
それがちゃんとお金になることが分かっていれば、
そこに人を配置して、
会員の誰々さんが
これには来てくれましたよ、
このくらい買いましたよっていうのとかも
取るはずなんですけど、
そこまで認識されてない。
そういうデータにならずに
捨てられてしまっていく情報っていうのが
たくさんあるので、
それがちゃんとお金になるっていう状態を
先に作る。
そこに対してお金になるんだったら
データ取ろうかっていう風になるので、
できるようにするっていうのが
やっていけると
いいですね。
なんか業界ごとに
インフォインフさんみたいな
リーダーが出てきて
一緒にやっていくとか、
あるいはストックマークさんみたいな
ストックマークに特化した
パートナーさんが
その業界を引っ張っていくとか
そういった構造になっていくと
畑 浩史
やりやすいなと思っています。
じゃあそこで色々な方、
まずはビジネスとして成立するユースケースを
一つ一つ積み上げていくっていうところが
一層あれじゃないですけど
っていうところですかね。
そうですね。
ありがとうございます。
井上さん、大企業の立場としての
こうあった方がいいみたいな
何かあれば
井上千鶴
一緒にやっていきたいと思います。
そうですね。
先ほどおっしゃったように
現場が強い。
うちの現場もそうですし
自治体さんとかに行っても
本当にそうです。
そこで私大事だと思っているのは
本当の最終的な
目標、目的、何ですかって
言った時に
この現業をやっていって
例えばいいシリーズ
タド持ちマスでも
何でもいいんですけど
何でもいいんですよ
っていうところをしっかり持った上で
この目的のためにやるんだよ
だからこのデータ活用必要なんだよ
だから今の皆さんの業務も
白井 恵里
こうやってやったらいいよねっていう
そこがまず共有されることが
第一だと思っています。
もう一つ先ほど
データが販売できるという話があって
それまさに強いと思うんですね。
一方で
販売だけが目的になるのは
違うと思っていまして
まさにその最終的な目標なんですけれども
個人の方がもう
データをどんどん活用しようというのが
今うちなんですけれども
何かというと
例えばドラレコのデータって
保険にも関わりますけど
保険の方にも関わりますよね
なんですけど
あと警察の事故とかもあります
でもそれで取られたものが
道路の劣化とかが分かるわけですよ
画像解析すれば
そしたらこっちも安全のために
それ直そうとするわけじゃないですか
これバッティングしませんよね
それだけのためだと言ったら
協業した方がいいねというのを
業界を渡って
業界の中もそうですけど渡っていくというところが
今すごい大事だなというふうに思っています
生成AIの活用可能性
なるほど
そうすると何のためなのか
ビジョンをしっかりして
先ほどの渡辺さんの
国民に対してのリスキリングじゃないですけど
業界の中でもこのためなんで
今ここを買いましょう
こんな良いことあります
逆にまた判明、危機感も含めてというところを
それでも地道にやっていくしかないところですからね
ありがとうございます
残り10分くらいになったので
最後のテーマ
日本の価値筋
今日スタートアップのイベントなので
スタートアップの観点で
この生成AIを活用して
この辺が価値筋じゃないか
今までも色々な議論で
畑 浩史
日本でもちゃんと
LMの基盤を開発する会社があり
技術的にも海外にも負けてない
またデータに関しては
相当色々な
自分はまだビジネスチャンスがありそうな
これだけ課題があるということは
ビジネスチャンスもあると思うので
その辺も含めて
こういうところで
スタートアップ活躍できるんじゃないかとか
こういうビジネスチャンスあるんじゃないかとか
何かあれば
日本の人口減少とAIの関係
畑 浩史
ぜひどなたでも結構ですので
白井 恵里
すみません
価値筋というか
これに関して疑問気を持っていることがあって
それ聞いてもいいですか
生成AIだったり
AIって
どういう意味ですか
やっぱり事業を効率化したら
今までその業務をやっていた人の
人手がいらなくなる
それがやっぱり
抵抗になっていることとかも多くて
それに対して
どういうふうに会を出していくか
というところがあって
その先にこれかな
というふうに思ったので
そこについてちょっと
渡辺 琢也
渡辺さんとか
お考えをお伺いできれば
そうですね
やっぱりその
特に日本の大企業って
雇用が固定化しますので
AIを導入して
そこの分を
減らすっていっても
なかなか
解雇できないという
問題は
あります
ですけど
まずマクロで考えたら
絶対人減るわけですよね
マクロで考えたら
間違いなく減るんですよ
まず
これはマクロの話になって
スタートアップからすると
ピンとこないかもしれませんけども
要は日本の人口って
減っていってるわけですよ
そんな中で経済成長しようとすると
一人から取るお金を増やすしかまずないですね
だから一人当たりの需要を増やすしかない
もっと深刻なのは
日本の人口の減少よりも
より早いスピードで
生産労働人口の方が減っていくので
そうすると一人当たりが生み出す
生産量をもっと早いペースで
上げていかないと
どうしようもないと
当たり前の算数なんですけれども
マクロでは絶対にやばいんですよ
AIを使っていかないと
生産性を上げないと
畑 浩史
絶対にダメなんです
だから
渡辺 琢也
単に
AIを導入するから
あなたの業務がいらないから
あなたやめてくださいという話では
本当はないはず
マクロで見ると
畑 浩史
だから配置展開をうまくするとかで
渡辺 琢也
本当はうまくいくはずなので
ちょっとなんとかそこを
工夫したいなというふうに思います
やっぱり
畑 浩史
AIにとって変わる仕事職種があるのは
事実なものの
もちろんAIではできないものが
まだまだ残っているので
そういうところに
いかに転換できるかどうですよね
野江さん
大企業の今正々堂を見ていて
こういうところ
スタートアップがカバーしてくれれば
いいんだけどとか
こういうところだったら
うまく協業したいなとか
何かありますか
そうですね
井上千鶴
ちょっと前になりますけれども
そこからなんですけれども
人目らしいという話
確かにそうかもしれないですけど
おっしゃる通りで
うちもリスクリーニングとか
すごいやってるんですね
この業界って
多分どこよりも人がいない状態で
いながら人を掛けなきゃいけないんです
どんなこと言っても現場ってまだまだ
っていったときに
やっぱり付加価値を
生産性を上げようと
一人一人のそれから
一人一人が事務作業が
それ好きな方も
それがダメっていうことじゃないんですけど
そういう感じになっています
でも固定化しちゃってるの
おっしゃる通りですし
長年やってきたのに
白井 恵里
勘違いなんですけど
井上千鶴
俺の業務は意味がなかったのか
みたいな感じになっちゃうんですよ
全然違うんですよ
逆にしっかりやっててくれたから
AIとかいろんなのに置き換えやすくなってる
素晴らしいデータ残してくれてたから
とかなんですけど
そういうふうに思いがちになっちゃうんですよ
これ多分特に企業にいると
そうなりがちなんです
でも何ですかね
意味があるものだったから
残さなきゃいけない
その残し方を
でもあなたに実際部下いないじゃないですか
みたいな感じで
そこを切り込んでもらいたいなと思います
多分全然視点が変わってくれると思うので
それはどこの分野っていうのは
限らずだと思っているので
ちょっと精神論的なところもありますけれども
ぜひそういった目線に持ってほしいなと思ってます
畑 浩史
ちょっとビジョンを持って
そういうところ
渡辺 琢也
スタートアップですね
そういう時の固定化しているところ
役所は本当に典型なんですけども
そういうのってもちろん
トップがビジョンを示す
一人一人が
リテラシーを身につけるっていうのは
大事なんですけど
やっぱり横から
別の視点を持った人が
アドバイスをするといいますか
それはすごい大事なんじゃないかと
つまりデジタルトランスフォーメーションって
基本的にはやっぱり
労働力の流動化から起こると思っている
そうするとやっぱり
スタートアップのような視点を持った人が
その大企業のような
立場は理解しながら
こうしたらどうでしょうかと
いうことの気づきを与える
そういうのはすごく
有馬 幸介
スタートアップにとって
渡辺 琢也
大事な役割ではないかなと思います
スタートアップの役割
渡辺 琢也
なるほど
ありがとうございます
畑 浩史
有間さん
スタートアップとして
逆に
ぜひ
今までの流れで
有馬 幸介
勝ち筋
人目らしいですよね
だとした時に
僕はあんまり
数百社のお客さんと話しましたけど
僕らに対してネガティブな人って
実は意外といないっていうか
いなかったっていうのは
デジタルトランスフォーメーションって
文脈でいうと
畑 浩史
かつITとAIって考えた時に
有馬 幸介
ITって
指示したことを
知っているってことじゃないですか
それと人目らしになりがちだったんですけど
AIって違うんですよ
気づかなかったこと
攻めのデジタルトランスフォーメーション
みたいにできるんですよ
人間じゃ気づかなかったアイデアを
出せるみたいなところがあるんで
短期的には確かに人目らしとか
ちょっとあったりするかもしれないですけど
AIがあったからこそ
僕のお客さんはマジでそうなんですけど
こういう新しい素材を見つけられましたとか
こういう研究のパートナーを見つけられましたとか
一人当たりの
優通だと思っているので
AIって
そこで見つけられる
ソリューションとか作れると
人もちょっと減っちゃうかもしれないですけど
減らないし
すごく豊かになっていくというか
人間が
そういうところを狙っていきたいなと思ったんです
畑 浩史
ありがとうございます
もう実は残り時間
わずかになりましたので
最後皆さん一言ですね
このセッションを受けて
あと是非
ご覧になっている方へ向けてのメッセージ
何でも結構なので
井上さんが順番にいきましょうか
井上千鶴
まずはこの機会をいただきまして
本当にありがとうございました
改めて
うちも中東の方とか
いっぱい人の流動化を進めて
AIとかに取り組んできたつもりだったんですけれども
まだまだ全然
閉ざされているなということを感じました
本当にこういう機会を通じて
いろんな勉強ができているので
是非この後も
何か教えていただければなと思っております
本当に今日は機会
残る機会ありがとうございました
畑 浩史
ありがとうございます
次の質問お願いします
白井 恵里
先ほどちょっと悲観的な質問
投げちゃいましたけれども
お話し聞きながら
日本のジェネラリストの育成みたいな
大企業がやっているものと
スタートアップの専門性みたいなものを
掛け合わせて
すごくいいんじゃないかみたいな
ビジョンが浮かびまして
なので私にとっても
これからも生成アイとか
新しいことなんで
どんどん模索していくことだと思うので
もっといろんなところで
コラボレーションしていって
ユースケースを作って
儲かる状態にしていきたい
というふうに思います
畑 浩史
ありがとうございました
ありがとうございますお願いします
有馬 幸介
そうですね
頭の先ほどおっしゃっていましたけれども
インターネット負けました
モバイル負けました
でも生成アイ
大企業していますけど
こんなにみんなが本気出している
日本全体が
政府も国も本気出しているし
お客さんもめちゃくちゃスピード速いんですよ
今回こそやっぱり
乗り換えられるというか
スタートアップが
行ってリードしなきゃいけないと思っていますので
皆さんスタートアップの人は多いと思いますけれども
ぜひ見切り発車でもいいので
ユースケース作っていって
リードできるようになっていけばなと思っています
畑 浩史
ありがとうございます
渡辺 琢也
最後渡辺さんお願いします
本当に今AI革命で
明らかに変化が起こっていますし
またちょうど円安になって
本当に日本で付加価値を出していかないと
日本が沈むと本当に思います
だけど今こういうAIが来ているから
ものすごくチャンスだというふうに思います
そしてまた
ある種人口減少というのは
AIを導入するチャンスだと
先ほど申し上げたように思います
日本の価値筋は
もちろんLLM頑張っているところがあると思いますけれども
それをいかに
個別のユースケースにつなげていく
まさに今日のタイトルのように
プライベートデータを取り込んで
実際に使ってもらうところまで
つなげていくということが
多分日本の価値筋
唯一の価値筋だというふうに思っていますので
そこにスタートアップと大企業が
うまく連携をしてほしい
だけど
その時にスタートアップが
御用機器で
なんていうんですかね
自宅開発型には
なってほしくないというふうに
これだけは申し上げたいと思います
やっぱりプロダクトを持って
セッションの終了
渡辺 琢也
積極的に提案して
ちゃんとプロダクトで持って
生産性が高いような
ビジネスをぜひやってほしいな
というふうに思っています
ありがとうございました
畑 浩史
ありがとうございます
ちょうどお時間になりましたので
セッションはこれで終了したいと思います
では最後にですね
4名の登壇者の方に
ご挨拶いただきます
どうもありがとうございました
