最新記事一覧
資生堂ジャパンは研究開発領域にAIエージェントを導入し、膨大な候補から有望な原料を見極める研究員の「目利き」を再現した。探索時間が縮んだだけでなく、提案される原料の数も増えた。同社はエージェントを「誰が作るか」でも作り分けている。
()
AIシステムを本番稼働させても、モデルの精度低下や処理負荷の増大、再学習の遅れによって、期待した性能を維持できなくなる可能性があります。AIを「作って終わり」にせず、継続的に改善しながら動かし続けるために何が必要なのでしょうか。
()
日立製作所がフィジカルAIの実装を加速させる新サービスを発表した。変化が激しいAIの動向をどう読み取り、顧客が必要とするサービスを開発したのか。そこに日立の覚悟が見えた。
()
かつて「21世紀で最もセクシーな職業」と呼ばれたデータサイエンティスト。生成AIが普及し、AIエンジニアやデータエンジニアが注目を集める中、データサイエンティストを取り巻く状況はどう変化しているのか。
()
データ活用の属人化や人材不足、チャット型AIによる実務完結の限界――この壁をどう突破すればいいのか。ThinkingAIへの取材を通して、分析から検討、実行まで自律的に担い、人の数に依存しない事業成長を実現させる「自律型AI組織」の作り方に迫る。
()
AnthropicやOpenAIでは、研究者とエンジニアをまたぐ共通の社内肩書きとして「Member of Technical Staff（技術スタッフの一員）」が使われている。元CTOたちが次々とこの肩書きに転じている現象から、肩書きが専門性を証明しなくなった時代に何が価値を決めるのかを考える。
()
AIが人間の業務を担うので、人間の雇用は減るはず――。この考えを払拭する調査結果をHarvey Nashが公開した。大規模なAI導入で先行する企業は、IT部門の人員を増やす傾向にあるという。一方、課題もあるようだ。
()
AI分析しようにも「社内用語」が壁になる――多くの企業が抱えるこの課題に、ニトリが挑んだ。地道な作業を積み重ねてつかんだのは、誰もが使いやすいデータ分析基盤だった。
()
需要計画を立案する際、商品の販売実績や担当者の経験が重要な役割を果たすという企業がある。一方花王は、根拠付きの需要計画案を提示するAIエージェントを開発した。
()
南海電気鉄道と日立製作所は、日立独自技術「CMOSアニーリング」を活用し、鉄道の乗務員・車両の運用計画を自動作成するシステムの構築を始める。熟練者の手作業に依存してきた計画づくりを自動化し、業務負荷の軽減を図る。
()
エヌビディア（NVIDIA日本法人）の女子中高生向けオフィスツアーが、3年連続で開催された。多数の応募者から選ばれた17人が、エヌビディアの東京オフィスを訪れ、現役の従業員たちから話を聞いた。進路に悩む中高生が、そこで得た答えとは……？
()
英ロイズ銀行は2030年までに全顧客対応をAI化する。全行員6.7万人をリスキリングし、エージェント型AIの導入で4000億円規模のコスト削減を狙う。AI主導型組織へ変貌を遂げる金融大手の生存戦略を解剖する。
()
データ分析は事業成長に不可欠だが、専門知識が求められるため属人化しやすい。「and ST」はSQL依存のデータ抽出を脱却し、インサイト獲得にかかる時間を最大1カ月から数分に短縮した。その仕組みとは。
()
Claude Code開発責任者のボリス・チャーニー氏が、自身のチームで働く人は「5つの型」に分けられると指摘した。AIで職種の垣根が崩れ始めた今、肩書きではなく働き方で人を捉える新時代の発想を、初心者にも分かるように読み解く。
()
金融コンプライアンスの審査は複雑化し、情報収集に膨大な時間を奪われる死活問題だ。決済大手のStripeは「Amazon Bedrock」を導入し、“全てをAIに任せる”というわなをどう回避したのか。
()
IBMのデータサイエンティスト、シャド・グリフィン氏は、複雑な社内文書を扱うRAGで失敗を防ぐデータ設計術3つのポイントを紹介した。
()
日本最大級の製造業総合展示会「第38回 ものづくりワールド 東京」において、ヤマハ発動機による講演「現場サイエンティストによる業務プロセス革新〜過去の後始末から未来創造へ時間シフト〜」が行われた。講演の模様をダイジェストで紹介する。
()
AWSは、顧客企業の現場でAIエージェントを共同開発するFDE部門の設立を発表した。10億ドルを投じ、試作から本番導入、自社運用への移行までを支援する。
()
熟練者の手作業とノウハウに支えられてきた、鉄道の運用計画業務。人手不足が深刻化する中、南海電鉄は同業務にかかる時間をこれまでの数カ月から約1週間に短縮した。これを実現した、疑似量子コンピュータ技術とは。
()
森ビルが挑む、体験価値向上のためのDX推進。統合システムの構築時に直面した、使われないという壁を、丁寧な社内営業や、コア領域を見極めた内製化で突破したプロセスを解説する。
()
NBAはAWSと提携し、AI技術を活用したデータ分析システムを構築した。新指標「Gravity」を導入するなど、10億人のファンそれぞれに合わせた視聴体験を提供する。配信を支えるインフラと技術を紹介する。
()
150万行のCOBOLを抱える米保険大手が、AIを活用してレガシー刷新の工期を大幅に短縮した。約40億円の見積もりを覆し、年7000時間の削減と約32億円の利益創出を見込む、現実的な脱メインフレーム戦略に迫る。
()
NECは、Anthropicとの協業第1弾として、購買データからの商品企画や販促プラン作成を完全自動化する新サービスを開始した。専門人材なしで迅速な施策立案を可能にし、3年間で100億円の売上を目指す。
()
社内で用途の異なるAIエージェントが乱立し、個別に運用され続けることで、複雑なビジネス要求を処理し切れなくなるリスクがある。AIエージェント同士を自律的に連携させ、安全に管理するための仕組みとは。
()
大規模インフラ運用や全社のクラウド移行を指揮してきたDeNA・IT本部長の金子俊一氏。現在は「AIネイティブ化」の責任者として、AI時代を見据えた組織改革までもけん引している。経営と現場をつなぐITリーダーのこれまでの軌跡と、今後の展望に迫る。
()
日本の製造業は「データ活用」をうまく行えていないと指摘されています。本連載では「データ活用基盤」の必要性を中心に、日本の製造業がデータを使いこなせるように何をするべきかを解説していきます。第1回は、日本の製造業の課題とデータ活用の現状について紹介します。
()
AIの進化により、ソフトウェア開発のみならず人間が担ってきた業務の前提が変わりつつある。EC事業者Shopifyのヘッドオブエンジニアリング、ファルハン・タワール氏が考える「人間にしか担えない仕事」とは。
()
企業でのAI利用が急速に進む中、開発現場ではAIが生成した脆弱なコードやデータ流出などの新たなセキュリティリスクが急増している。複雑化するAIガバナンスの課題と、その実践的な解決策を解説する。
()
データ×AIによる意思決定を推進するには、非構造化データを「AIが食べやすいデータ」に変える必要がある。日本ハムが選んだアプローチとは。
()
IBMのデータサイエンティストによると、AIエージェントをデモ段階から実用規模へと拡張する際に、開発者は「3つのわな」にはまるという。同氏はその解決に向けたシステム設計のポイントを紹介する。
()
AI活用が進む中、データベースへの関心が高まっている。オープンソースの高速OLAPデータベースとして利用実績を増やしているのがClickHouseだ。マツダがデータ分析の取り組みを紹介した。
()
DX推進の機運が高まる中「内製化」を掲げる企業は増え続けています。多くの企業は、IT人材の確保を急ぎがちですが、内製化と採用を成功させるための本質はどこにあるのでしょうか。
()
生成AIの普及で企業データの価値が向上する一方、その保管先や活用基盤を誰が握るのかが新たな争点になっている。NASベンダーとして知られるSynologyがローカルLLMやAIエージェントを武器に描く次世代戦略は、クラウド依存が進んだ企業ITにどんな変化をもたらすのか。
()
企業におけるAI活用が拡大する中、意思決定の不透明性や未知の脅威という新たな脆弱性が浮上している。従来のソフトウェア開発の常識だけでは防げない特有のリスクに対し、どのような枠組みで立ち向かえばよいのか。
()
業務を効率化する目的で導入したAIツールが、経営戦略などの機密情報を全従業員に漏えいさせてしまう事故が起きている。IT部門や事業部門、法務部門といった組織の隙間から生まれる、AI特有の根本的なリスクとは。
()
業務を劇的に効率化させる一方で、扱い方を間違えれば組織のエンゲージメントを破壊する生成AI。テスト採点時間を最大80％削減するDXを実現しながらも「記述式の自動採点は絶対に導入しない」と言い切るEdLog社長の中川哲氏（元日本マイクロソフト業務執行役員）。同氏が形だけのDXで組織を停滞させないためのマネジメント論を展開。「AIのスコアだけで判断された部下の心は離れる」と語る組織論に迫る。
()
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。
()
インドの工科大学生の間で最も知名度がある日本企業は？──中小企業のブランディング支援などを手掛けるZenkenが、人材育成をサポートするインドの工科系大学26校で実施したアンケート結果を明らかにした。1位は……。
()
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。
()
日立製作所は、AIやデータ解析の専門スキルを持つ新人データサイエンティストを、製造現場へと送り込んでいる。いかにして現場の「AIアレルギー」を払拭し、現場とのコミュニケーションを通じて業務時間を短縮する生成AIツールを定着させたのか。実習に参加した若手女性データサイエンティストの禹周賢（ウ・ジュヒョン）さん（デジタルアナリティクス推進部）と、受け入れ先の現場担当者にインタビューした。
()
自業務の成果を高めるために、データを分析したいけれど、何から始めればいいのか分からない──と悩むビジネスパーソンは少なくない。ソニーネットワークコミュニケーションズは、こうした初心者向けのニーズに着目した。データ分析業務の初心者である筆者が体験してみたところ……。
()
世界中のAI人材が競う技術コンペ「Kaggle」で上位1％に入る「Kaggle Master」の若手3人は、なぜNTT東日本を選んだのか。Kaggleでの学びをどう実務に生かしているのか。
()
AI時代に求められるテクノロジー人材はどのようなものか。ヘイズ・ジャパンは、世界9870人のテック人材を対象にした調査結果を公開。これから求められるテクノロジー人材と給与レンジを明らかにした。
()
日々の会議やチャット、顧客対応から生じる膨大な「業務データ」。その多くは活用されず、価値のない“排ガス”として捨てられている。本記事では、Lenovoの事例を交え、AIを用いてこれらのシグナルを具体的な意思決定につなげる手法を詳説する。
()
AI創薬サービスを手掛けるFRONTEO（東京都港区）が新たな拠点を公開した。新たなラボは試験管も実験器具も置いていない。一体どのような役割を担うのか。
()
「Claude Code」の開発者ボリス・チェルニー氏は、「モデルがコードの100％を書く状態」に到達したと語った。AIが現場部門によるソフトウェア開発を広げる中、情報システム部門はどのように備えていけばいいのか。
()
2028年までに米企業の7割が導入を計画する「AI工場」は、知能を生成し利益を生む新たな拠点だ。本記事では、情シスが直面する電力・人材・コストの課題を整理。データセンターを単なるコストセンターに終わらせず、ROIを最大化するためのインフラ戦略とガバナンスのポイントを解き明かす。
()
日本航空で働く森口翼さん（27歳）は、入社1年目で社内コンペに挑戦し「JALマイレージバンクアプリ」をサービス化した。森口さんの行動原理はどこにあるのか。その軌跡をたどると、若手が成果を出すための「思考と行動」のヒントが見えてきた。
()
AI活用の壮大なビジョンを掲げる経営層と、実装の壁に直面する現場との乖離が深刻化している。多くのプロジェクトが「パイロット版の墓場」で停滞する中、真のビジネス価値を引き出すには単なるツール導入を超えた「5つの準備態勢」が必要だ。
()
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回は、AIプロジェクトを成功に導くために欠かせない、適切な人員体制と役割分担について取り上げます。
()