組み合わせ次第で業務改善
「生成AI」と「予測AI」は、いずれも業務効率を向上させるAI技術だ。両者にはどのような違いがあり、ビジネスのどのような場面で”使える”のか。専門家の意見を基に整理する。
これからのクラウド戦略の選択肢【後編】
企業のインフラ戦略としてはクラウドファーストやハイブリッドクラウド、オンプレミス回帰などが注目されるようになった。システム構成が複雑になる中で、インフラ戦略はこれからどう変わるのか。
これからのクラウド戦略の選択肢【前編】
クラウドサービスを優先するクラウドファーストに対して、クラウドサービスとオンプレミスインフラを使い分けるハイブリッドクラウドがある。企業はどちらの戦略を採用すべきか。
AI時代のデータベースの選び方【第4回】
RAGとベクトルデータベースが企業の注目を集める一方で、導入に伴う課題も顕在化している。本稿では、ベクトルデータベース導入の技術的課題を乗りこえるための取り組みや、今後のデータベース市場の動きを解説する。
AI時代のデータベースの選び方【第3回】
生成AIを活用するための基礎知識として重要性が高まっているのが「ベクトルデータベース」だ。“ベクトル”とは何かを踏まえて、ベクトルデータベースの基本を解説する。
AI時代のデータベースの選び方【第2回】
RAG(検索拡張生成)実装にも使われる「ベクトルデータベース」は、AI技術の活用が広がる中で企業の関心を集めている。他のデータベースとの違いを交えて、ベクトルデータベースがなぜ必要なのかを解説する。
AI時代のデータベースの選び方【第1回】
生成AI活用の広がりに伴い、「ベクトルデータベース」が注目されている。ベクトルデータベースを使うことで企業はどのようなメリットを得られるのか。基本的な仕組みと併せて解説する。
「生成AI人気の終わり」に備える【後編】
過熱気味だった生成AIブームは収束に向かい、今後は世間の関心が薄れる「幻滅期」が到来するという見方がある。このような厳しい時期を乗り切って成果を出すために、企業にはどのような取り組みが求められるのか。
「生成AI人気の終わり」に備える【前編】
生成AIブームが熱を帯びる一方で、世間の関心が失われる「幻滅期」の到来は避けられないという見方がある。生成AIへの関心はなぜ薄れてしまうのか。生成AI市場は今後どうなるのか。
RPAとBPMによる業務改善の現実【後編】
「RPA」は業務効率を改善するために活用できる手法だが、必ずしもRPAによる効率化が成功するとは限らない。RPAの取り組みが無意味になってしまうのはなぜなのか。
RPAとBPMによる業務改善の現実【前編】
業務効率化の手法の一つであるRPAを活用しても、「期待通りの成果が得られない」という事態に陥ることは珍しくない。RPAが役に立たなくなってしまう原因はどこにあるのか。
生成AIやその他の機械学習ツールが急速にERPに統合され、ビジネスプロセスに自動化と効率化をもたらしている。各ERPベンダーの取り組みから、ERPにおけるAIの未来が分かる。
ハイブリッドクラウドのトレンド10選【後編】
「ハイブリッドクラウド」のインフラやツールが進化している。ハイブリッドクラウドを採用することで得られるメリットや、ハイブリッドクラウドのトレンドを紹介する。
ハイブリッドクラウドのトレンド10選【前編】
ハイブリッドクラウドへの移行が加速している。なぜ企業はハイブリッドクラウドを選択するのか。近年のハイブリッドクラウドの潮流と併せて解説する。
気になるメタバースの今後【後編】
ピークを過ぎた印象があるメタバース市場だが、専門家によると今後の見通しは明るい。メタバース市場の成長を支える3つの最新動向を紹介する。
「生成AIが冗長性を誘発することも少なくない」:
生成AIを活用するアプリの利用が広がる中、ソフトウェアの品質管理担当者は生成AI特有の問題点への注意が必要になる。本稿では、生成AIアプリの品質を管理する際に考慮すべき点を確認する。
プロセスマイニングによって業務プロセスの処理パターンを蓄積して可視化することで、改善点を特定できる。プロセスマイニングの基本と5つの活用方法を紹介する。
気になるメタバースの今後【中編】
メタバースについての“一時の熱狂”はどこへ消えたのか。メタバース市場初期からの動向を振り返りつつ、今後何が起きるのかを探る。
気になるメタバースの今後【前編】
メタバースを取り巻く熱狂は落ち着き、もはやメタバースは廃れつつあるかのように見える。しかし業界関係者によると、この見方は正しくない。メタバースの現状と今後を考察する。
受注から現金化までのプロセスは企業によって異なるが、ほとんどの場合改善が必要だ。プロセスマイニングを用いてプロセスを改善する6つの方法を紹介する。
AI技術がBPMにもたらす変化【後編】
ビジネスプロセスマネジメント(BPM)と人工知能(AI)技術の組み合わせによって得られる価値は幾つもある。しかし運用に際しては注意が必要だ。リスクを正しく理解し、メリットを最大化するヒントを探る。
AI技術がBPMにもたらす変化【中編】
大きな手間や高度な能力を要求されるために達成できなかった業務も、人工知能(AI)技術のおかげで実現できる領域が広がっている。業務プロセスを未知の高みに引き上げる4つの分野を紹介する。
AI技術がBPMにもたらす変化【前編】
IT活用と業務プロセス改善を組み合わせた手法「ビジネスプロセスマネジメント」(BPM)が、人工知能(AI)技術によって新たな展開を見せつつある。AI技術のおかげで劇的な変化が起きている分野とは。
ナレッジマネジメントの基本と主要ツール【後編】
従業員が持っている知見や情報を業務改善に生かすに当たり、そのデータを集約し共有できる「ナレッジマネジメントツール」の導入は有効な手段の一つだ。主なナレッジマネジメントツール5個を紹介する。
ナレッジマネジメントの基本と主要ツール【中編】
従業員が積み重ねてきた知見や情報を全社で共有し、業務に活用する「ナレッジマネジメント」を実践するには、ツールを有効に活用することが欠かせない。代表的なツールを3つ紹介する。
ナレッジマネジメントの基本と主要ツール【前編】
社内に散らばる知見や情報を業務に生かす「ナレッジマネジメント」。その仕組みは、生成AIが台頭する昨今に至るまでにどう変わってきたのか。ツール選定の前に押さえておくべきナレッジマネジメントの基本とは。
ERPにAIチャットbotを統合する企業が増えている。本稿ではERPをチャットbot経由で活用するメリットと効果的なチャットbot選定のコツについて解説する。
深層学習モデルの仕組み【後編】
もはや身近な画像識別AIや生成AIだが、その基礎となる深層学習モデルについて知らない人は多いのではないだろうか。主要モデル「CNN」「GAN」の特徴と、モデル選びで重要なポイントを解説する。
深層学習モデルの仕組み【前編】
主要な深層学習モデルとして「畳み込みニューラルネットワーク」(CNN)と「敵対的生成ネットワーク」(GAN)がある。両者には似通う点があるが、仕組みや使い方は異なる。その成り立ちから解説する。
品質の向上、技術的負債の減少などのメリットを得るためには:
オープンソースソフトウェアを使用すると、セキュリティと知的財産に関する懸念が持ち上がる。本稿では、適切な決定を下し、後悔する事態に陥らない方法を考える。
実践事例に学ぶDXの知恵【第4回】
DXとデジタル化は根本的に違うものだ。利益をもたらすDXにはどのような特徴があるのか。3つの事例から、ポイントを考察する。
実践事例に学ぶDXの知恵【第3回】
Teslaは自動車の製造販売に新風を巻き起こした。同社のビジネスモデルの中核になる「3つの要素」とは何か。DXを目指す他業界が学べる点はどのようなものなのか。
実践事例に学ぶDXの知恵【第2回】
普段から利用するあの店の便利さはどこから来ているのだろうか。大手ピザデリバリーチェーンやスーパーマーケットの事例から、DX実践の学びを探る。
実践事例に学ぶDXの知恵【第1回】
「DXを推進すべき」は世界の流れだが、そもそもDXに取り組む理由は何か。DX をしなければどうなり、“成功するDX”をしたければ何をしないといけないのか。専門家たちの意見を紹介する。
11個の“失敗ポイント”から学ぶDX【後編】
知名度のある大手企業が取り組むDXでも失敗事例は存在する。そこにはどのような経緯や敗因があったのか。4社の事例から探る。
11個の“失敗ポイント”から学ぶDX【中編】
DXに取り組んでいると成功事例に目が行きがちだが、失敗を誘発する原因を学ぶことも有用な取り組みだ。DXの専門家が挙げる、DXが失敗する11個の原因を紹介する。
11個の“失敗ポイント”から学ぶDX【前編】
DXを進める上では、成功した企業の事例だけではなくDXを失敗に導くポイントも知っておくことが役に立つ。DXに取り組む従業員が誤解しがちなポイントと、失敗するDXのタイプを3つ紹介する。
生成AI「8つの倫理的懸念」を整理【後編】
ビジネスに生成AIを活用する企業は、そのリスクを適切に把握して対処すると同時に、リスクを逆手にとってチャンスに変えることが重要だ。生成AIにまつわる4つの懸念とポイントを整理する。
生成AI「8つの倫理的懸念」を整理【前編】
生成AIの登場はビジネスに変革のチャンスをもたらすと同時に、新たなリスクをも生んだ。企業は、生成AIが引き起こし得る倫理的問題への対策を考える必要がある。懸念となるポイントを整理しよう。
財務管理システムは組織が財務情報を効率的に記録したり報告したりするのを手助けしてくれる。会計ソフトとERPの違いを説明する。
部門ごとの無駄を排除する時の注意点:
IT部門のリソースを効果的に生かすには、ITサービスの全社的な一元化が重要だ。だが、その過程は複雑であり、それぞれのステップで重視すべきポイントが異なる。各ポイントでIT部門は何に留意すべきだろうか。アナリストに聞いた。
従業員の業務環境にどんな脅威があっても状況を把握できなければ守れない。だがシャドーIT対策として「野良アプリ禁止」を強制したところで問題は解決しない。なぜか。
「ChatGPT」と「GPT」の違い【第7回】
「ChatGPT」をはじめとした生成AIツールはさまざまな可能性をもたらす一方で、利用に際しての注意点もある。それぞれを整理してみよう。
「ChatGPT」と「GPT」の違い【第6回】
OpenAIの「ChatGPT」には無料版の他に有料版もある。ChatGPTの“頭脳”に当たる「GPT」の種類はさまざまであり、料金設定は複雑だ。いくらで何を使えるのか。具体的な利用料金を確認しよう。
「ChatGPT」と「GPT」の違い【第5回】
OpenAIの「ChatGPT」の中核を成すLLM「GPT」。その種類は1つではなく、それぞれに特徴がある。GPTにはどのような種類があるのか。それらの主な違いとは。
「ChatGPT」と「GPT」の違い【第4回】
頻繁に耳にするようになった「ChatGPT」と「GPT」という2つの言葉。これらの言葉は、どう使い分けられているのか。“GoogleのChatGPT”が存在しない背景とは。
「ChatGPT」と「GPT」の違い【第3回】
「ChatGPT」普及の背景には、その頭脳に当たる「GPT」の急速な進化がある。実際にどのくらい進化しているのか。数字を交えながら、GPTの進化を見てみよう。
「ChatGPT」と「GPT」の違い【第2回】
OpenAIの「ChatGPT」と「GPT」は密接に関係しているものの、明確に異なる。実際のところ両者はそれぞれ何であり、どのような違いがあるのか。
「ChatGPT」と「GPT」の違い【第1回】
世界中で「ChatGPT」の利用が広がりつつあるが、その技術や仕組みを深く理解せずに使っている人は少なくない。ChatGPTに関する基本的な情報を整理しよう。まずは「GPT」とは何かだ。