20260210-_Speakerdeck用_実践生成AIレクチャー会.pdf

Transcript

1. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 生成AIと人間が実務で協働するための 実践AIレクチャー (基本編) Sep. 07, 2023 ver 0.7 created. Sep. 09, 2023 ver 1.0 updated Sep. 14, 2023 ver 1.1 updated Jan. 27, 2026 ver 1.2 updated Feb. 02, 2026 ver 1.3 updated Feb. 04, 2026 ver 1.4 updated 株式会社DigiDockConsulting 常務取締役CETOほか4社CxO Elixirコミュニティ「fukuoka.ex」「ElixirImp」「LiveView JP」オーガナイザ 国際カンファレンス「ElixirConf JP」ファウンダー 北九州市立大学 「プログラミング論」教授級非常勤講師 北九州高等専門学校 特命教授 / コンピュータ研究部 指導員 AIスクール「AIジョブカレ」福岡校開校講師 森 正和 2026.02.18 Wed. 実践生成AI活用レクチャー会
2. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい はじめに • 本レクチャーは、生成AIの「得意領域」と「苦手領域」 について解説した後、得意領域でのプロンプトの使い方 をレクチャーし、苦手領域を克服する手順も示すことで 調査資料作成などの業務での生成AI活用に肌感を持って いただきます (最後に新し目のAI技術も紹介します) • 生成AIに過度な期待をかけず、人間とAIが実務で有益に 協働するための実践的な活用のポイントが掴めます • なおレクチャー中に「RAG」や「NotebookLM」、 「ローカルLLM」等の専門用語が出てきますが それらの解説と具体例もありますので、分から なくてもメモし、追って質問してください
3. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 目次 02 03 04 01 05 自己紹介／開発プロダクト紹介 私の御社業務での生成AI活用例ご紹介 生成AIの得意と苦手(神でも万能でも無い) 得意な領域を引き出すプロンプト 苦手の克服①：RAG 06 苦手の克服②：NotebookLM 07 実践：調査資料の作成 08 ローカルLLM＋RAG、AIエージェント
4. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい my favotite technologies & implements => real / realization digitalization digital twin (VR/AR) => X/ Resonite @piacere_ex Qiita / Github / YouTube / Discord @piacerex 44年前からプログラマ (職業歴は31年) PL／PM歴 29年 PdM歴 21年 PO歴 17年 アジャイル歴 25年 (eXtreme Programmingメイン) 書けるプログラミング言語 159言語 IT経営歴 15年 VR／AR歴 5年 コスプレ歴 2年 小3でゲームプログラミングを始め、現在もプロダクト とOSSを開発するエンジニア＋6社経営＋技術顧問2社 大手企業をメイン顧客とし、新規事業＋プロダクトの 同時立上げ支援とUX・D2C、データマーケティング、 並行・分散／VR・AR・AI融合、独自HW技術を提供 fukuoka.exほか技術コミュニティを複数主催し、毎月 イベント開催とLT、ライブコーディングを国内外展開 AIとプログラミングの講義も、大学／自治体／企業に piacere / 森 正和 “piacere” is an Italian word, means “Joy”
5. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい nana: 外出先からオートロック解除で置き配＋不在票要らず 北九州マンション3棟に導入済 → 200戸 x 10棟マンション級の準備中 自動ドア開閉はAzure IoT Hub経由、 インターフォン代わりのスマホアプリ とエントランスに置く部屋呼出用iPad ElixirDesktop製 Instagram … https://www.instagram.com/kyouei.taro/reel/DIAs5t5T87a full purduct
6. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい Bright: スマホでポチポチすればスキルup & 成長可視化 医療向けバージョンもローンチ → IT版を遥かに超えるパイに拡大予定 • 400いいね超えの開発ストーリー、Qiitaコラムあります ◦ 「Elixir Bright 今」でググってください full purduct https://bright-fun.org from エンジニアとデザイナー、 マーケター、PdM／PjM／ PMM等、プロダクト開発に 携わるメンバーや管理者の スキルを見える化できる 現在スキルだけで無 く過去の成長履歴も 確認できるので成長 スピードを比較可能 チーム全員のスキル バランスも一覧化
7. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい CodeLingo: AIで生産性3倍の自走エンジニアを高速育成 研修＋eラーニング教材制作ノウハウSaaS化 → IT以外の研修にも展開 https://app.codelingo.tech/users/register from full purduct プロンプトを入力する だけで教材と、教材に 沿ったテストをAI生成 (専門知識が無くても AIがフォローします) 既存のLMS／XLPに 後付けで補足教材や テストを追加も可能 先日開催された NexTech Week にブースを出展 教材 テスト AI
8. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい nonfi: VR／CADデータを現実世界に現界 (まるで固有結界) 土木現場や高校の授業、BIMに採用 → AI＋AR観光案内に転用開始 AR グ ラ ス に よ る 一 人 者 視 点 ＋ 実 物 の 第 三 者 視 点 カ メ ラ .mp4 RTK測位で誤差2cm位置合わせ実現、VR／CADデータをリアルタイム反映
9. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 02｜私の御社業務での 生成AI活用例ご紹介
10. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 私の御社業務での生成AI活用例ご紹介 • AFS様向け案件 ◦ CMS製品選定のための製品比較シート作成 ◦ RFP作成 ◦ RFP提案書の評価シート作成 • なお御社業務以外だと、下記のような活用もあります ◦ 簡単なプロダクトのMVP開発（一瞬で出来ます） ※本格運用は無 ◦ デザイナー無で簡単なUX・UIデザイン（一瞬で出来ます） ◦ 経営会議の支援（マーケティング施策立案、キーワード選定など） ◦ 事業計画やVC向けピッチ資料、特許出願資料の作成 ◦ 複数企業のシナジー創生アイデア立案
11. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 03｜生成AIの得意と苦手 (神でも万能でも無い)
12. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 生成AIの得意な領域／苦手な領域 • 得意な領域 ※プログラミング領域は今回レクチャーでは除外 a. 文章や資料（複数も可）の文脈を掴んだ上で質疑応答／ヒアリング b. 観点や条件を指定した上での情報整理、論点分解 c. 複数資料を横断した共通点／相違点／前提条件の抽出 d. キーワードの言い換え、 e. メジャーな人物像／コモディティ領域での助言や想定反論の提示 f. 概要／文脈に沿ったロジック展開（ただし長文化すると難アリ） • 苦手な領域 ※プログラミング領域は今回レクチャーでは除外 a. 自ら誤りを検出して修正すること b. 観点や条件が無い情報整理、曖昧な指示から導出 c. 事実の確認／根拠の裏付け／価値判断／責任判断 d. 最新情報やマイナーな情報、社内限定のノウハウ活用 e. 専門家としての精緻な助言、マイナーな人物像の想定反論 f. 長文化してしまった場合のロジック展開
13. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 生成AIの苦手領域をカバーする活用が重要 • 得意な領域 ※プログラミング領域は今回レクチャーでは除外 a. 文章や資料（複数も可）の文脈を掴んだ上で質疑応答／ヒアリング b. 観点や条件を指定した上での情報整理、論点分解 c. 複数資料を横断した共通点／相違点／前提条件の抽出 d. キーワードの言い換え、 e. メジャーな人物像／コモディティ領域での助言や想定反論の提示 f. 概要／文脈に沿ったロジック展開（ただし長文化すると難アリ） • 苦手な領域 ※プログラミング領域は今回レクチャーでは除外 a. 自ら誤りを検出して修正すること b. 観点や条件が無い情報整理、曖昧な指示から導出 c. 事実の確認／根拠の裏付け／価値判断／責任判断 d. 最新情報やマイナーな情報、社内限定のノウハウ活用 e. 専門家としての精緻な助言、マイナーな人物像の想定反論 f. 長文化してしまった場合のロジック展開 プロンプトや人間でカバー RAGと NotebookLM LatteやClaude-mem等のメモリ拡張（今回範囲外）
14. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 生成AIに対する適正なイメージと扱い方 • 2025年時点では「やたら物知りだが育たない新人」程度 ◦ 「万能」でも、「神」でも無く、それらからは程遠い … ◦ より正確には、世の中の平均的なことは良く知っているが、マジョ リティや最新は一切知らず、自身の発言の誤りにも気付けない ▪ ネット上のコンテンツから学んでいるため、人の平均的な知識 の集合体であり、人同様、多くの間違いや齟齬も吸収している ▪ そもそも生成AIの土台となっているAttentionは、人間のような 判断基準は行っておらず、近しい単語を確率的に出力し、文脈 の整合性を取っているだけなので、正解や高精度を保証しない ◦ 主に若い方は、AIのメカニズムも把握せずに「AIが正しい」と妄信 している傾向が高い ◦ 加えて、ファクトチェックや裏付け、有識者レビューを踏まえなけ れば、育てた信用や信頼が一瞬で吹き飛ぶリスクすらある • 新人と同様、苦手と誤りをカバーする運用こそが重要
15. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 「最もらしい答え」でハルシネーション発生 • AIモデルの中に正解確率の 高い回答が無いとき、Web 検索するか、嘘を返すかの 2択で動くから
16. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 04｜得意な領域を引き出す プロンプト
17. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト • 基本（Gemini） ◦ 生成AIの本来の性能／精度を引き出すカスタマイズプロンプト ◦ 比較表（観点／特徴の洗い出し、観点／値の入れ替え） ◦ 観点／限定／個数を指定する生成、値を比較可能なもので表現 ◦ 作成／受領した資料の各種検証、抽出／加工 ◦ キーワードの言い換え、出力形式の変更 ◦ メジャー／コモディティ限定の人物像指定（RAG無） • 応用（Gemini） ◦ AIから質問させることで課題や要望、改善を整理できる ◦ 専門家同士／役割の異なる同士でのディスカッションをヒントに ◦ 新規チャット／別生成AIによるクリーンな精査 ◦ WBS自動生成 ◦ 雑な会話から本質を深掘る、雑にAIに話しかけ深掘らせる
18. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（基本） • 生成AIの本来の性能／精度を引き出すカスタマイズ ◦ # 下記を徹底すること - 確実な情報や事実が無い場合や、根本的に知らないことは、推論 や仮説で答えず、分からないことは「分からない」と答えること - 指示しない限り、10文程度で答え、説明も極力しないこと • 設定前後でプロンプト結果の違いを見てみましょう ◦ 生成AIが事業会社に与えるインパクトは？ ◦ CMSを挙げて • 人は「枝葉」や「それっぽい感じ」に容易に騙される … ◦ 余計なことを喋らせないカスタマイズプロンプトを設定する ◦ 誤った回答や虚偽情報、正しいけどどうでも良い情報を出させない ◦ 生成AIに、過度な期待を抱かないための重要な第一歩
19. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（基本） • 比較表（対象となる事項の観点／特徴の洗い出し） ◦ CMSとSFAの共通点と相違点を別の表で • 表の観点（項目）や値の置換／フォーマット変更が可能 ◦ 「主な利用者」を「主なユーザー」に変更 ◦ 「営業」を「セールス」に変更し、複数値をリストに • 追加したい観点を並べ、各表に自動的に分配もできる ◦ 上記表の元の項目を維持したまま、下記項目をいずれかの表に追加 ・顧客接点の最適化 ・売上向上やコストダウン効果 ・プロセスの自動化 ・分析／改善 ◦ ChatGPTだと「上記表の元項目を維持したまま」は不要だが、 Geminiは入れないと元の項目を消した表を作ってしまうので注意
20. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（基本） • 作成／受領した資料の各種検証 ◦ 添付した資料の内容の妥当性／整合性／不足を挙げて ▪ （Gemini上で添付資料の表示や、他者との共有も可） • 上記後は資料をベースとした抽出／加工が可能となる ◦ ①元資料から一部情報を抽出／加工し、別資料としてエクスポート ▪ 「製品特性の分類」表を ※「出して」等は不要 ▪ 中規模以上のCMSとその特徴を表で ▪ 日本語が使えるCMSを製品ごとの表で ▪ ページ限定せずマーケティング機能の関連記述原文を抽出 ◦ ②逆に、資料に無い内容のみで新たなコンテンツを生成 ▪ 資料に記載の無い軸でCMSの特徴を表に ▪ 新しい管理形態のメリデメ ※ChatGPTなら「はい」で充分 ◦ ③元資料の内容と、資料に無い内容のミックス ▪ 資料の管理形態と、新しい管理形態を混ぜた表を
21. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（基本） • 観点／限定／個数を指定する生成（直接指定、依頼） ◦ CMSの代表的な製品3つを下記観点で比較表に ・対応規模 ・国内での導入数 ・メリデメ ◦ 大規模CMSに限定 ◦ CMSの代表的な機能5つを列にして、CMSに類似するカテゴリ同士 を比較表に（続きだけで無く、新規チャットで行い、差を確認） ◦ 観点を5つ追加して ◦ 上記表を維持したまま製品を3つ追加して ◦ ChatGPTだと「上記表を維持したまま」は不要だが、GeminiはNG • 値を比較可能なもので表現 ◦ ◎〇△✕で表現 ◦ 元の表の軸を変えずに10段階スコアで表現し、総スコアの降順で
22. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（基本） • キーワードの言い換え ◦ 「人材育成」の別表現は？ ◦ セールス知識も強いエンジニアの表現を10個 ◦ コンサルティング人材を投下するサービス名を尖がっている順で ◦ 「PMO、支援」で見積書に使える案件名 • 出力形式の指定（データ分析PF連携や他システム連携） ◦ 上記表をCSVで ◦ 上記表をHTMLで ◦ 上記表をJSONで ◦ 上記表をSQLで ▪ システムに投入したり、APIに渡すデータ化するときに有用 ◦ 上記表をBigQueryで ▪ Looker StudioやTableau、Power BI、Connected Sheets、 Vertex AI、Jupyter Notebookでデータ分析するときに有用
23. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（基本） • メジャー／コモディティ限定の人物像指定（RAG無） ◦ あなたはプロのマーケッター、以下の製品仕様のキャッチコピー （プロダクト名は不要）と想定するペルソナを表で10件 目的：採用困難なIT業界でハイスキル人材を効率良く探せるツール 特徴： ・きめ細かいデータの収集と直感的なビジュアライズが可能 ・自身がどの方向に成長すれば良いかをスキル群と共に把握可能 ・他者やチームとのコミュニケーションとスキル比較でレベル判定 ◦ 各ペルソナがキャッチコピーを聴いた際にどのような印象を抱く？ ◦ あなたはプロPdM、上記各評価の解釈とプロダクト反映案を表で • ネット上では、様々な役割に関するプロンプトがあるが 事業企画や課題抽出、DXでは使えないのでRAGが必須 ◦ 前述した通り、平均的な人間のコラム等から学んでいるため、該当 する人口が少なかったり、いたとしてもコラム化をしていないため
24. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（応用） • AIから質問させることで課題や要望、改善を整理できる ◦ 下記弊社サービスの課題と改善点を特定するためのナンバー付きの 質問をして 目的：採用困難なIT業界でハイスキル人材を効率良く探せるツール 特徴：・きめ細かいデータの収集と直感的なビジュアライズが可能 ・自身がどの方向に成長すれば良いかをスキル群と共に把握可能 ・他者やチームとのコミュニケーションとスキル比較でレベル判定 ◦ 1.他社ツールには不可能なきめ細かいデータ収集UXを搭載 … 10.受入可能なユーザー層にバラツキが多い （以下略） • 生成AIは、課題特定や「空気を読むこと」が苦手なので 質問からの人間側で賄えば、ハイレベルな分析が可能 ◦ 人間側の回答精度と質問力の高さをコアに、AIは整理に徹する
25. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（応用） • 専門家同士／役割の異なる同士でのディスカッション ◦ CMS 3種類、SFA 3種類の共通機能10点を観点に各特徴を表で ◦ これらを競合製品として、CMSとSFAのいいとこどりをするプロダ クトをローンチしたく、プロのPdM／PMM／セールスエンジニア の3名でプロダクト案を15ターン、ディスカッションして ◦ あなたは生成AIに詳しく、2度IT企業を上場させたCTOだが、上記 やり取りを見て、どのように評価／改善する？ ◦ 上記CTOのコメントを見て、先ほどのプロ3名は、次のための組み 立てを15ターン話し合って（ただし技術的な用語は控えて） ◦ 最初のディスカッションから上記までの全てやり取りにて、不整合 や非現実的なアイデアを発言者と共に抽出して、それをプロ3名に 指摘し、ディスカッションし直させて ◦ （CMS AI活用案添付）プロ3名は添付を見て再度ディスカッション • やり取りの読み込みは、人間側で目検チェックすること
26. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（応用） • 新規チャットを使ったクリーンな精査（Gemini） ◦ このプロダクトは、既存CMS製品やSFA製品と比べ、どのような優 位性や競争力を持つか表に（AI部分と非AI部分の両方で） ◦ 本プロダクトとCMS製品2種類、SFA製品2種類の機能比較表（機能 はAI8領域にこだわらず、4製品の一般的な機能も含む論理和20件 で）（全セルには各機能の特徴文と◎◦△✕を） ◦ （表コピーし、新規チャットに貼り）下記既存4製品内容は妥当？ ◦ 最新にアップデートして • 別生成AIでの精査によるクリーンナップ（ChatGPT） ◦ （表コピーし、新規チャットに貼り）下記既存4製品内容は妥当？ ◦ 修正版の表を（本プロダクトもマージ） • 再度、戻して評価（Gemini） ◦ 有識者に表を精査させ、下記になったが妥当か？（表も出力して）
27. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（応用） • WBS自動生成 ◦ 生成AIをはじめて学ぶセミナーを9/15に主催したい（本日は9/1） 準備タスクを提案し、スケジュールを立てて、表形式で提示して 各タスクの内容と、調査すべき情報、開始日、終了日も表に組み込 んで 内容にChatGPTとGeminiを使った活用例を盛り込んで ◦ （出力されたテキストをWBS雛形スプレッドシートに貼る） ◦ ハルシネーション対策とRAG活用、NotebookLM活用も加えると、 準備と開催時間をどの程度、延伸？ ◦ （出力されたテキストをWBS雛形スプレッドシートに貼る） • 資料によってWBSがどの位、影響を受けるか？ ◦ （本スライド添付）添付の内容を実施するとした場合、準備と開催 時間をどの程度、延伸？ ◦ （出力されたテキストをWBS雛形スプレッドシートに貼る）
28. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 得意な領域を引き出すプロンプト（応用） • 雑な依頼から本質を深堀る（なお、AI相手に建前不要） ◦ 下記から次回9/15の会議アジェンダをそれっぽく作って ・誤請求送信についての原因分析、対策について課長に絞られそう ・送信先の顧客が会社代表窓口にクレームを入れた件が経営層まで 伝わっている ・どう挽回するかのアイデアも求められている ◦ 上記会議でどんなワーストトピックや反論が出てきそう？ ◦ 回答例．お願い ◦ 回答例．なんかめんどいんで、もっと楽にできない？ • 雑にAIに話しかけ深堀らせる ◦ 顧客対応が苦手で仕方無いが原因は良く分からない ◦ 回答例．2番について深堀りするためのナンバー付き質問を ◦ （質問に答える）
29. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 質疑応答①
30. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 05｜苦手の克服①：RAG
31. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい • 生成AI単品では、下記の苦手領域がカバーできない ◦ 事実の確認／根拠の裏付け／価値判断／責任判断 ◦ 最新情報やマイナーな情報、社内限定のノウハウ活用 ◦ 専門家としての精緻な助言、マイナーな人物像の想定反論 • これをカバーするための仕組みが「RAG（Retrieval Augmented Generation：検索拡張生成）」 ◦ 生成AIに外部知識を組み合わせることで、生成AIモデル自体が学習 していない知識や専門性を付与することが出来ます ▪ 専門性やマイノリティ、社内限定ノウハウ等の注入 ▪ 最新情報のキャッチアップ ▪ もっともらしい嘘（≒ハルシネーション）の抑制 • 生成AIは、学習していない事柄も、マッチ度の低い単語を ムリヤリ繋いで答えてしまう（前述したAttentionの影響） ◦ 実は、先ほどのプロンプト例で、添付資料を使ったものはRAG 苦手の克服①：RAG RAGと NotebookLM
32. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 苦手の克服①：RAG • RAGには下記2つの方式があり、当初は前者が主流だった が、「検索」そのものが合わないケースも増え、後者が 有用となるパターンがこの2～3年で増えた ◦ ベクトル方式 … 検索が高速で、類似単語も引けるが単階層 ◦ ベクトルレス方式 … 性能が遅く、類似単語に弱いが、手軽 ▪ 階層構造や役割分割、トピックの強弱を加味できる ▪ 各階層や役割に特化した精緻な推論／回答が可能となる ▪ 資料を添付するだけでも成立する ▪ PJ内にある要件定義書や設計書、コード、テストもその対象 • PJ資料をまるごと突っ込めば、PJに基づいた回答が可 • 既存コードでRAGするとおかしなコードが出にくい ◦ 「Cursor」のバイブコーディングはコレを実践する • 注意：資料を突っ込むだけでもRAGは組めるが … ◦ オープン型AIを利用すると、守秘義務違反やセキュリティに抵触
33. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 苦手の克服①：RAG • RAG有と無で、結果の差を確認してみましょう ◦ RAG無 ▪ 全世界のCMS製品名を軸とした比較表を作って ◦ RAG有 ▪ 添付資料からCMS製品名を軸とした比較表を作って • 生成AIが誤った回答を返すところ、RAGなら誤らない ◦ 各CMS（アルファベット順）の利用企業を挙げて ◦ （新規チャットで結果をコピペして）下記CMS導入情報の誤りは？ • 注意：RAGする資料の誤りや不足、旧情報に影響される ◦ 各CMS（アルファベット順）で導入社数を挙げて ▪ 生成AIの学習内容やネットで拾える最新情報は加味されない ▪ この回答が合っているかは分からない … 人による裏付け必要 ◦ PJ内にある設計書などであれば、この問題に当たることは少な目
34. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 06｜苦手の克服②： NotebookLM
35. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 苦手の克服②：NotebookLM • NotebookLMのような、RAG指定された情報だけで解釈 し、ネット情報を取り入れないシステムも生成AIの弱点 をカバーする ◦ オープン型AIまんまの利用は、外部サイト含む、プロンプト／RAG 以外の低精度情報を取り入れてしまったり、類似単語を曖昧に探索 ／芋づる式に引っ張りこんでしまう ▪ 前述カスタムプロンプト設定で「それっぽい感じ」は排除でき ても、外部サイト参照までは止められない（これは生成AI自体 の仕様では無く、オープン型AI側の独自仕様のため） • 想定外の挙動を起こさない「ガードレール」の一種 ◦ 生成AIやAIエージェントは、判断や回答の意味を理解しておらず、 「やってはならないこと」が分からないため、様々なガードレール で防止しなければ制御し切れない ◦ AI導入動機である生産性向上の正反対、「ワークスロップ」が発生
36. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい ワークスロップ：AIが社会の生産性を下げる • AIが出した結果のチェックを手抜きした人が、不正確な データや成果物を蔓延させ、そのチェックや修正を行う 人の生産性が下がり、手抜きした人へのイライラや不信 が募り、組織全体／社会全体の生産性が下がってしまう ◦ 生産性向上のために導入した生成AIで、生産性が上がるどころか、 むしろ下がってしまい、しかもAI利用による電力消費が増大してい るため、大きな社会問題となり始めている ◦ 中でも、若者は「AIが正しい」と言う思い込みが激しく、AIのメカ ニズムも把握せずに妄信する傾向が高いので、悪化が加速しやすい 2025.12.19 「『エッジ×分散生成AI』の技術と変わる産業、そしてITの未来」より抜粋
37. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 苦手の克服②：NotebookLM • NotebookLMとGeminiの動きの差を確認してみましょう ◦ （CRMとSFAの資料を添付）CMS 3種類、SFA 3種類の共通機能10 点を観点に各特徴を1つの表で ▪ 添付無のGeminiと比較すると、RAG効果の違いが見れます ▪ 添付アリのGeminiと比較すると、NotebookLMが添付した情報 からしか回答を作っていないことが分かります • 勝手に外部サイトを参照したり、添付と食い違うロジック を混入しないので、ハルシネーションがだいぶ抑制される • NotebookLMは、下記特徴がGeminiと明確に異なる ◦ 「ソース」の情報で答える一方、そこに無い情報は回答してこない ▪ 回答からソース不足を補う「回答ドリブン補充」が可能 ▪ 不足情報をGeminiやChatGPTで補うことも出来る • 企画やコンサルティングで「バイブコーディング」な運用 ◦ ソースに検証済み情報を蓄積すれば、精度高い「マイAI」が作れる
38. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 07｜実践：調査資料の作成
39. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 実践：調査資料の作成 • 私が御社業務で行った「CMS製品比較シート作成」を別 製品（SFA）でやってみます ◦ 時間の都合で完成は困難だが、流れは見せられる想定 • 製品比較シート作成 ◦ 評価観点を指定しての各製品の〇×表 ◦ 成果物の網羅性や整合性、重複記載のチェック（複数AIを利用） ◦ 誤りを指摘して訂正させる ◦ RAGを指定しての各項目定義の網羅性チェック • 最重要なこと：AI結果を人間側が査定／修正できること ◦ AIでラクは出来るが、ファクトチェック／裏付けは人の判断が必須 ▪ セルフチェックは必須（精査せずにコピペで終わらせない） • 成果物の網羅性や整合性、重複記載のチェックはAIでも可 ▪ 有識者レビューも必須
40. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 生成AIに対する適正なイメージと扱い方 • 2025年時点では「やたら物知りだが育たない新人」程度 ◦ 「万能」でも、「神」でも無く、それらからは程遠い … ◦ より正確には、世の中の平均的なことは良く知っているが、マジョ リティや最新は一切知らず、自身の発言の誤りにも気付けない ▪ ネット上のコンテンツから学んでいるため、人の平均的な知識 の集合体であり、人同様、多くの間違いや齟齬も吸収している ▪ そもそも生成AIの土台となっているAttentionは、人間のような 判断基準は行っておらず、近しい単語を確率的に出力し、文脈 の整合性を取っているだけなので、正解や高精度を保証しない ◦ 主に若い方は、AIのメカニズムも把握せずに「AIが正しい」と妄信 している傾向が高い ◦ 加えて、ファクトチェックや裏付け、有識者レビューを踏まえなけ れば、育てた信用や信頼が一瞬で吹き飛ぶリスクすらある • 新人と同様、苦手と誤りをカバーする運用こそが重要 再掲
41. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 08｜ローカルLLM＋RAG、 AIエージェント
42. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい ローカルLLM＋RAG、AIエージェント • 前述した通り、オープン型AIでRAGを利用すると、守秘 義務違反やセキュリティに抵触するため、ローカルLLM とRAGの組み合わせが有効 ◦ 開発者以外は、LM Studioが最も手軽に使える ◦ NotebookLM自体は、ローカルLLMが使えないため、ローカルLLM が使えるAnythingLLMが似たようなUXを持っているのでオススメ ◦ 開発やRPAに明るければ、Ollama＋Dify RAGでカスタム化もアリ • 様々な状態／状況から自律的にプランを立て、実行判断 を行う「AIエージェント」も、オープン型AIを利用する と、判断過程や中間結果、参照情報等が流出するため、 守秘義務違反やセキュリティに抵触するため要注意 ◦ 世の中のプロダクトの多くは、ココをグレーなままにしていること が残念ながら現状である
43. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい ローカルAIをオフィスや工場で使うメリット • 情報・ノウハウ流出／セキュリティリスク回避 ◦ ローカルAI利用が企業内や工場内に閉じることで、情報やノウハウ の流出リスクと、セキュリティリスクが各段に減る • クラウド課金削減 ◦ ローカルAIを動かすには、非力なエッジデバイスで充分なので、デ ータセンターやクラウドが不要となり、課金を削減できる • 自社向けに特化したカスタマイズ ◦ ローカルAIを自社向けに自由にカスタマイズしやすい • ※上記とは全く異なる観点で、とある2つの今後、私たち が遭遇する問題解決も、ローカルAIを使うことで叶えら れる … コレは最後に解説 2025.12.19 高知工業技術センター「『エッジ×分散生成AI』の技術と変わる産業、そしてITの未来」より抜粋
44. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 更にローカルAIが各現場に分散すると叶うこと • ａ）「考える場所」を各現場のデータの近くに戻せる ◦ センサーやドローン等が配置された現場がローカルAIで判断の主体 となり、通信遅延や回線断、クラウド停止で意思決定を遅らせない • ｂ）複数現場の秘匿情報も外に出さずにAIクラスタ化 ◦ 工場や医療、社内限の情報やノウハウをクラウドやオープン型AIに 渡さず、複数拠点のローカルAI群で秘匿しつつ、積み上がる • ｃ）オープン型AIの中央集権で不可能なスケールが可 ◦ 1台あたりは非力なエッジ上のローカルAIでも、数や地理的近接の 配置、役割分担によって、全体として高度な知性を持たせられる • ｄ）人を入れ替えず「人の判断を支援するAI」が組める ◦ 現場の専門職／管理者判断を即時にローカルAIが補助し、最終責任 だけは人が受け持つ業務設計／改善が組みやすくなり、生産性向上 2025.12.19 高知工業技術センター「『エッジ×分散生成AI』の技術と変わる産業、そしてITの未来」より抜粋
45. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい エッジ×分散生成AIで産業はこう変わってゆく • ①現場に「考える責任」を戻し、現場同士が助け合う ◦ ａ）これまで本社やMES (製造実行システム) ／SCADA (監視制 御・データ収集システム) に集約していた判断が、ラインや設備、 その工程単位に各現場に配置されたローカルAIによって管理される ◦ ｃ）その結果、 異常時の一次判断や暫定対応、エスカレーション が現場で完結する業務となる一方で、全ての現場の知見共有により AIを経由した現場同士の助け合いやイチ現場では難しい対処も叶う • ②ノウハウの属人化を脱し、現場の誰もが準ベテランに ◦ ｂ）ベテラン作業者の判断パターンが、ローカルAIとして拠点内に 蓄積されていき、人の異動や退職、世代交代がリスクでは無くなる ◦ ｄ）現場担当者はローカルAIの支援も受けられるし、専門職／管理 者判断も即時にローカルAIが補助するので、人を中心とした業務の 改善が進みやすくなり、現場の誰もがベテランや専門職のノウハウ を持ち、管理者も納得できる仕事の在り方が実現する ａ）「考える場所」 を各現場のデータ の近くに戻せる ｃ）オープン型AIの 中央集権で不可能 なスケールが可 ｂ）複数現場の秘匿 情報も外に出さず にAIクラスタ化 ｄ）人を入れ替えず 「人の判断を支援 するAI」が組める 2025.12.19 高知工業技術センター「『エッジ×分散生成AI』の技術と変わる産業、そしてITの未来」より抜粋
46. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい エッジ×分散生成AIで産業はこう変わってゆく • ③全社最適よりも「現場の違い」が前提の最適化へ移る ◦ ａ）同じ製品／同じ設備であっても、ローカルAIが現場ごとの癖や 環境、熟練度の違いを吸収してくれる ◦ ｄ）これにより、「全社統一のルール」を押し付ける運用やルール 策定の負荷が減り、より現場に適したルールや運用が作られてゆく こととなり、各現場がそれぞれ最適化される • ④AI導入の評価軸がROIから「事業機会耐性」に変わる ◦ ａ）ローカルAIにより通信遅延や回線断、クラウド停止などに左右 されない意思決定や運用が可能となるため、「現場を止めずに動か し続けられる」ことが価値となり得る ◦ ａ）これはAIに対する投資や導入コストを、「ROI」のような雑な 評価指標では無く、いかに事業のダウンタイムを減らし、収益機会 や商談ロスを無くせるかと言う「事業機会耐性」への投資やコスト 効果として評価できるようになる ａ）「考える場所」 を各現場のデータ の近くに戻せる ｄ）人を入れ替えず 「人の判断を支援 するAI」が組める ａ）「考える場所」 を各現場のデータ の近くに戻せる ａ）「考える場所」 を各現場のデータ の近くに戻せる 2025.12.19 高知工業技術センター「『エッジ×分散生成AI』の技術と変わる産業、そしてITの未来」より抜粋
47. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 直近2年のAI進化 • ①AIエージェント ◦ ハイパーパーソナライゼーション … 誰の要求に答えるか？ ◦ MCP (Model Context Protocol) … どう文脈をAI間連携するか？ ◦ マルチエージェント協調 … どうAIを役割分担させ合意させるか？ ◦ ガードレール … どこまでAIに任せ、どこでAIを止めるか？ • ②モデル進化とローカルLLM 青字: ローカルLLM 紫字: プログラミング特化 ◦ 【OpenAI】GPT-5、Codex、Sora 2 (動画生成) ▪ ローカルLLM … gpt-oss ◦ 【Google】Gemini 3、Gemini Code、Nano-Banana (画像生成) ▪ ローカルLLM … Gemma3 ◦ 【Anthropic】Claude 4.5 ◦ オープンソース … Qwen 3／Qwen-Coder 3【Alibaba】、GLM 4.7（Zhipu AI）、DeepSeek-V3／DeepSeek-Coder-V2 ◦ ローカルLLM実行環境 … Ollama、LM Studio、llama.cppなど 2025.12.19 高知工業技術センター「『エッジ×分散生成AI』の技術と変わる産業、そしてITの未来」より抜粋
48. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 直近2年のAI進化 • ③RAG ※オープン型AIに出したくない社内文書がローカルAIで処理可能に ◦ 企業データ／内部秘匿文書の活用 ◦ 非力なPC／エッジ／IoT／スマホでの生成AI駆動 ◦ Agentic Search … 目的を叶える検索結果かを評価しつつ探す • ④分散学習技術 ◦ Centralized Distributed … 中央管理下で分散計算を最大効率化 ▪ NVIDIA Blackwell … GPU間のNW直接接続 (NVLink※利用) ▪ DDS … データ供給とI/Oを分散／最適化し、GPUを待ち削減 ▪ DPDPU … DPU※に通信／前処理／集約処理を代替 ▪ SmartNIC※統合 … AI勾配共有／同期処理をデバイス側で代替 ※NVLink：GPU同士を直接接続し、CPU／OSをバイパスする接続規格 ※SmartNIC：暗号化やRDMAなどの通信処理をCPU／OSの代わりに実行するPCIe NIC ※DPU (Data Processing Unit)：演算機を搭載したPCIe NICで、通信と通信以外を代替 ◦ フェデレーテッドラーニング (FL) … 複数分散データから学習 ◦ Cached-DFL (Cached Decentralized FL) … FLを物理空間に展開 ◦ DePIN (Decentralized Physical Infra NWs) … オープンNW分散 2025.12.19 高知工業技術センター「『エッジ×分散生成AI』の技術と変わる産業、そしてITの未来」より抜粋
49. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 2025年以降のAIエージェントアーキテクチャ
50. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 【時間の余裕あれば】ローカルLLMでもデモ • 観点／限定／個数を指定する生成（直接指定、依頼） ◦ CMSの代表的な製品3つを下記観点で比較表に ・対応規模 ・国内での導入数 ・メリデメ ◦ 大規模CMSに限定 ◦ CMSの代表的な機能5つを列にして、CMSに類似するカテゴリ同士 を比較表に（続きだけで無く、新規チャットで行い、差を確認） ◦ 観点を5つ追加して ◦ 上記表を維持したまま製品を3つ追加して ◦ ChatGPTだと「上記表を維持したまま」は不要だが、GeminiはNG • 値を比較可能なもので表現 ◦ ◎〇△✕で表現 ◦ 元の表の軸を変えずに10段階スコアで表現し、総スコアの降順で 再掲
51. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 最後に • より生成AIの詳細を知りたい方は下記をご参考ください （下記にコメントいただければ個別に回答もできます） ◦ 生成AIとAttentionのメカニズム／技術面を知りたい ▪ 「数式ゼロで学べる生成AI」で検索してください ▪ https://qiita.com/piacerex/items/8c15c85166a2cf923b36 ◦ ローカルLLMのことをもっと知りたい ▪ 「生成AIとエッジで変わる産業」で検索してください ▪ https://speakerdeck.com/piacerex/etuzixfen-san-sheng-cheng-ai-noji-shu-tobian-waruchan-ye- sositeitnowei-lai ◦ 生成AIがもたらす電力問題とその解決について知りたい ▪ 「AIもWebも向いていない」で検索してください ▪ https://speakerdeck.com/piacerex/jin-nokonpiyuta-ai-nimo-web-nimo-xiang-iteinainode-zuo-rizhi-sou
52. 下記の上部「お問い合わせ」 で今回講演の感想やコラボ 案などいただけたら嬉しい 質疑応答②