最新記事一覧
生成AIは業務の現場に急速に浸透し、「使って当たり前」の時代が到来しています。その活用範囲は広がる一方、情報漏洩や誤情報のリスクが企業の大きな課題になっています。今求められるのは、誰もが“安全かつ賢く”生成AIを使いこなすリテラシーです。本稿は、社内の誰もが生成AIを安全に、自信を持って使えるようになるための第一歩として位置付けられた全社員向け研修資料の前編です。業種や職種を問わず実践できる生成AIリテラシー向上のポイントを、具体的な事例やノウハウとともに解説します。
()
AIOpsの成否を分けるのは、AIに与えるデータの質である。VM主体の従来型インフラでは可視性に限界があり、AIの能力を十分に引き出せない。本記事では、コンテナ基盤がなぜAIOpsにとって理想的な基盤となるのか、その構造的優位性と「コンテナスプロール」などの落とし穴、導入を成功させる戦略的アプローチを詳説する。
()
中小企業の資金調達の在り方が、大きく変わろうとしている。融資特化型デジタルバンクである01（ゼロワン）銀行（大阪府吹田市）の大塚篤史副社長と北國銀行（金沢市）の竹内均氏（常務執行役員マーケティング部長）が、中小企業の経営や資金調達がどう変わっていくかの見解を語った。
()
人材不足やシステムの複雑化が進む中、従来の人手中心のIT運用は限界に近づきつつある。日本企業の多くが依然として初期段階にある。Dynatraceが整理した「自律運用への4段階」を基に考える。
()
フライウィールは、従業員1000人以上の企業に勤務する426人を対象とした「AI活用実態調査2026」の結果を公表した。調査から、AI活用の最大の課題は人材不足ではなく、別の要素であることが分かった。
()
欧州を中心に進むデータ共有圏の動向やその日本へのインパクトについて解説してきた本連載だが、第9回は日本独自のデータ連携エコシステムを創出することを目指す「xIPFコンソーシアム」を取り上げる。
()
Gartnerは、2028年までにAIガバナンスの失敗の50％が、セマンティックレイヤーの欠如または不備に起因すると予測している。AI活用の拡大に伴い、D＆Aリーダーには信頼性の高いデータ提供が求められるが、従来型のデータモデリングだけでは対応が難しくなっている。AIの精度と信頼性を高めるにはデータ品質の確保と、ビジネスコンテキストを反映するセマンティックモデリングを組み合わせたAI-Readyデータ基盤の構築が重要だ。
()
コーディングに長けた大規模言語モデル（LLM）が登場したのは2021年ごろだ。それから5年で、競技プログラミングの問題を解けるレベルにまで成長した。なぜAIはコーディングがこれほど得意になったのか──「Interop Tokyo 2026」（幕張メッセ）で、LLM「tsuzumi」のコーディング能力向上を担当するNTT人間情報研究所の風戸広史さんが解説した。
()
AI活用が進んでいるが、データは分散し、統合後も数PBを超えるデータの移行には年単位の時間を要する。AI投資が無駄にならない「データ基盤」づくりの盲点と、その解決方法とは。
()
キッカケクリエイションが行ったAI生成コードのレビュワー負担に関する調査で、担当ITエンジニアの約9割が負担増を実感し、「AIに書かせた人がコードを説明できない」といった問題を経験していることが分かった。
()
人手不足が深刻なIT現場で、システム障害対処を自動化するAIエージェントは救世主のように思えるが、全ての提案をうのみにすることは誤りだ。誤った回答を出し続けるAIエージェントに依存すると何が危険なのか。
()
ECC移行の停滞やAI活用の遅れなど、日本企業が直面するプロジェクト長期化の壁をどう打破するのか。SAPジャパンの新社長に就任した堀川嘉朗氏が、生成AIのインパクトや「自律型エンタープライズ」がもたらすスピード変革の全貌を語る。
()
小岩井乳業は、AI変革に当たってkintoneを活用したデータ基盤の再整備を進めている。ただし同社は、いきなりデータ基盤自体に手を加えるのではなく、上流工程から施策を進めている。具体的に何をしているのか。
()
大手IT企業が、AI導入による効率化を理由に大規模な人員削減を敢行している。しかし一部の企業では、削減した従業員の給与を上回るほどの「隠れた費用」が発生している。AIツールの真の費用対効果に迫る。
()
キーサイト・テクノロジー（以下、キーサイト）は「人とくるまのテクノロジー展 2026 YOKOHAMA」（2026年5月27〜29日、パシフィコ横浜）に出展し、車載光ネットワーク向けのテストソリューションや、AIの信頼性確保ソリューションなどを展示した。
()
生成AIやAIエージェントの普及を背景に、企業ではビッグデータ統合の重要性が高まっている。本稿は、ビッグデータ統合を成功させる最新の5つのベストプラクティスをデータ統合の専門家が紹介する。
()
FastLabelは、AIロボティクス開発に必要なデータを収集するアプリケーション「OpenLUTRA」をオープンソースで公開した。データ収集規模の拡大と高品質なデータ構築のスループット向上を支援する。
()
Snowflakeは自律型AIエージェント普及に伴うリスクへ対応するため、エージェント識別、プロンプトインジェクション防御、データ持出検知、ランサムウェア対策、AI活用運用管理機能を拡充し、企業のAI基盤の統制と保護強化を打ち出した。
()
AIと観測技術を組み合わせた「自己修復型IT」は、人の介入を最小限に抑え、ダウンタイムの劇的な削減と運用負荷の軽減を両立させる。本稿では、その導入メリットから、信頼性やガバナンスの課題、成功への具体的な5ステップを解説する。
()
サイバー攻撃の脅威は高まる一方、企業では予算や人員の配分が課題となっている。こうした中、注目されるのがサイバーリスクを定量的に評価する手法だ。その仕組みと、分析に必要なデータの収集方法を解説する。
()
日立製作所・水戸事業所に飛び込んだ新人データサイエンティストの禹周賢（ウ・ジュヒョン）さんは、AI実装の前に立ちはだかった、本人すら無自覚な「職人の勘」をいかにして解剖したのか。日立の「フィジカルAI」戦略を、現場のDXに挑んだ禹さんと、受け入れ先の担当者に聞いた。
()
企業がAI活用を進める中、データの品質やアクセス性が大きな課題となっている。特に生成AIでは基盤モデルの不透明性が高いため、データの準備と管理の重要性が増している。本稿では、企業が回帰テストやデータプロファイリングなどを通じて、データを継続的かつ体系的に整備し、関連性や安全性を確保した「生成AI-Readyデータ」を構築するための実践的な方策4つを紹介する。
()
Gartnerの調査では、生成AIプロジェクトのうち半数がPoCの段階で失敗に終わっている。こうした現状を受け、企業は「全てを解決するツールは存在しない」ことに気付き始めた。AI導入を競争優位性へと昇華させるには。
()
開発現場へのAIツール導入が進む一方で、コードの生成量が増えても利益につながらないケースが後を絶たない。局所的な効率化が、かえって全体のスピードを低下させるのはなぜか。初期の生産性低下の原因を検証する。
()
IT導入の真のゴールは成果の創出だが、現実は「使われないシステム」になってしまうケースが多い。「デジタル定着化」支援を展開するWalkMeのグローバル幹部に、日本企業がAI導入で直面する課題と、投資効果を最大化するための「AIアダプション」について聞いた。
()
日立ハイテクは、Invivoscribeと共同で、核酸の抽出から濃縮、定量までを全自動で実施する装置を開発した。大容量検体に対応し、遺伝子解析データの品質向上に貢献する。
()
エージェント型AIの意思決定は、人の検証が前提となっていることがDynatraceの調査で明らかになった。企業はどのように検証しているのか。
()
AI活用の本格化に伴い、規制対応が企業の大きな重荷となっている。多くの現場では手動のリスト管理などが限界を迎えており、ガバナンスの欠如が「次の企業危機」を招くリスクが浮上した。Alationの新スイートは、AI資産の可視化から承認フローの自動化までを一挙に担い、ガバナンスのボトルネックを解消する。
()
生成AIの導入を急ぐ企業が、本番運用への移行期に直面する「隠れたコスト」が浮き彫りになっている。情シス決裁者が知っておくべき、AI投資を「負債」に変えないための予算策定と組織体制の急所を解説する。
()
AIツールにコーディングを任せることで開発プロセスは短縮されたように見える。だが、開発者自身がソースコードの意図を理解しておらず、修正に追われる現場が後を絶たない。保守性が脅かされている実態とは。
()
エージェント型AIの普及により、企業のITインフラ運用は転換期にある。Gartnerの調査によると、企業の60％がAIエージェントによる自動化を既存ソフトウェアに取り入れるユースケースを試験運用するか展開しているとしている。AIエージェントの導入に当たり、CIOはどう準備を進めるのがよいのだろうか。
()
2026年には90%の組織が深刻なAIスキル不足に陥ると予測される中、単なるツール配布では成果は得られない。従来のチャットbotから自律型AI（エージェント）への移行を見据え、情シスリーダーは役割別のスキル定義やガバナンス再構築を急ぐ必要がある。
()
米OpenAIや米Googleがショッピング支援機能を相次いで強化し、多くの生活者が対話型AIに「子どもの遠足向きのおやつ、アレルギー対応で」などと聞く日が近づいています。AIエージェントが参照するのは、整備された商品データです。あなたの会社の商品マスタは、AIが「読める」状態になっているでしょうか。
()
Snowflakeは10カ国2050人の企業・技術リーダーを対象にAIの投資対効果と雇用への影響を調査した。AIによる雇用創出を報告した組織は77％に上り、雇用削減を報告した46％を大きく上回った。
()
Arasは米国フロリダ州マイアミで同社のコミュニティーイベント「ARAS COMMUNITY EVENT 2026（ACE 2026）」を開催した。本稿では同イベントに登壇した同社CEOのレオン・ローリセン氏による基調講演内容の一部を紹介する。
()
AIの活用で上級職の業務は効率化するものの、若手が実務経験を積む機会は減ってしまう。問題は将来のリーダーをどう育成するかだ。この課題の解決に、実は生成AIシミュレーターによるメンタリングが有効だ。Gartnerは2028年までに、大部分の従業員は新しい職務に就く際に、AIによるトレーニングやコーチングを受けるようになると予測している。
()
自律的な「エージェント型AI」の導入によって、企業の業務プロセスは飛躍的に改善する可能性がある。その一方で、基礎的な仕組みの不備によって、AIツールを実用化できない壁に直面している。成否を分ける差とは。
()
生成AIやAIエージェントの導入が進む中、その成果を左右する鍵として「コンテキストエンジニアリング」が注目されている。全文検索エンジンを中核としてデータ活用基盤を提供するElasticのCPOに、AIと検索の関係や、コンテキストエンジニアリングが重要になる背景、エンジニアに求められる役割などを聞いた。
()
KPMGの調査により、企業のAI投資がROI重視から「戦略的必然」へと転換した実態が判明した。6割超が投資効果の測定にかかわらず投資を継続し、半数が1億ドル超の巨額予算を見込む。リスク管理や人材育成を伴う、中長期的な競争力強化へのシフトが進んでいる。
()
国土交通省は、建設系スタートアップが提供する技術をまとめた「建設系スタートアップ技術カタログver1.0」を策定した。生産性向上や安全性確保、品質確保、働き方改革の推進に資するBIMやロボティクス、センシング技術、AIなどのデジタル技術88件を網羅している。
()
産業技術総合研究所（産総研）が「フィジカル領域の生成AI基盤モデルに関する研究開発」プロジェクトについて解説するウェビナーを開催。同プロジェクトを構成する6つのグループから最新の研究成果が報告された。
()
OpenTextの調査により、企業の生成AI導入が進む一方、セキュリティやガバナンス体制が整った「AI成熟度」の高い企業は2割にとどまる現状が判明した。安全な運用の鍵となる「4つの要素」とは。
()
データの爆発的増加に伴い、従来の物理的な機器管理に限界が近づいている。バックアップの不備やパッチ適用の遅れは、災害による取り返しのつかないデータ消失を招きかねない。今見直すべきストレージ運用の盲点は。
()
散在する顧客データの統合は、マーケティングや営業の成果を左右する。本稿は、アイデンティティー解決やプライバシー保護など、現代のCDP選定に必要な5つの実務的ステップを解説する。単なる機能比較を超え、組織全体の価値を最大化する「戦略的な基盤選び」の勘所とは。
()
オンプレミスOracle DBのクラウド移行は、セキュリティや料金の懸念が壁となる。日立は2026年3月、基幹データの安全なAI活用を実現しつつ、移行の費用削減と期間短縮を掲げる支援サービスの強化を発表した。
()
データの分断やレガシーインフラによる情報のサイロ化がAIの全社展開を妨げている。こうした状況を受け、データブリックスのプラットフォームとアクセンチュアのグローバルな業界知見を組み合わせ、両社はAIを本番運用に移行させる支援体制を強化した。
()
AI導入を進める企業が増える中、技術・運用・倫理・規制の各側面でリスクが顕在化している。本稿は、設計・開発から保守・監視までの各段階に潜む課題と対策を整理する。
()
Amazon.co.jpにて、180度回転するスイングコネクターを採用した「エレコム USBハブ U3HC-R030EBK」が32％オフのセール中だ。直差しタイプで場所を取らず、3つのUSBポートを増設できる。
()
日本シーゲイトは「Seagate Solution Day 2026」を開催した。AIの急速な普及に伴うデータ激増時代に高信頼、高性能、大容量が求められるストレージインフラをどう再構築すべきか。その解決策を探るイベントの模様をレポートする。
()
人々が自分の意志で「はたらく」を選び、キャリアにオーナーシップを持てる社会の実現を目指すパーソルキャリア。取り組みの一つとして、データとAIを活用した全社的な変革を進めている。最新のレイクハウスやデータメッシュを駆使して、複雑な「生きたデータ」を「企業のOS」に昇華させる試みが始まっている。データエンジニアが直面する、AI時代の新たな価値提供の在り方に迫る。
()