PCNW20250514(情シスはAIとどう向き合う？事例から学ぶ活用法)

1. PCNW勉強会 2025/05/14 1
2. ☆ 生成系AIとは ☆ 生成系AIの利用例 ☆ 情シスとしての向き合い方 ☆ AI利用の最新 ☆ AI技術の今後 ☆ 補足 アジェンダ 2
3. 自己紹介 • 名前 大石 英（おおいし すぐる） • PCNW座長 • 経歴 ㈱スクロール３６０（旧ミック） ⇒ 子会社（キャッチボール） ⇒ アイレット㈱ • 経験ロール - プログラマ - システムエンジニア - プロジェクトマネージャー - プロダクトマネージャー - 営業 - 事業企画 - 情シス • 現在の仕事 アイレット株式会社 アジャイル事業部 役員補佐 生成系AI導入業務 （お客様環境への生成系AI基盤構築業務のPM） 3
4. ☆ 生成系AIとは 生成系AIとは 生成系AIの構造 LLMのイメージ メリットとデメリット ☆ 生成系AIの利用例 ☆ 情シスとしての向き合い方 ☆ AI利用の最新 ☆ AI技術の今後 ☆ 補足 アジェンダ 4
5. 生成系AIとは ・生成系AIとは テキスト、画像、音声、動画、プログラムコードなど、新しいコンテンツを 自動生成するAI技術のこと。 代表的な製品例 分野 主なサービス / 技術例 テキスト生成 ChatGPT（OpenAI）、Claude（Anthropic）など 画像生成 Stable Diffusion、DALL-E、Midjourneyなど 音声生成 Voice AI、音声クローン技術など 動画生成 Runway、Pikaなど コード生成 GitHub Copilot（OpenAI・GitHub）など 5
6. 生成系AIとは 生成系AIの構造図 6 ① 学習データ Webページ、書籍、論文、コードなど大規模なコーパス ② モデル学習 Transformer等のモデルでパターンや構文を学習 ③ 推論エンジン ChatGPTやStable Diffusionなどの生成AI本体 ④ ユーザー入力 プロンプトや画像生成指示など ⑤ 出力生成 テキスト、画像、音声、動画、コードなどを出力
7. 生成系AIとは LLMのイメージ 7
8. メリットとデメリット 項目 内容 メリット ・作業の効率化・コスト削減 ・クリエイティブなアイデアの サポート ・誰でも高品質な成果物が作れる デメリット・課題 ・著作権や倫理の問題 ・間違った情報（ハルシネーション） の生成 ・元データへの依存や偏りのリスク 8
9. ☆ 生成系AIとは ☆ 生成系AIの利用例 利用形式と例 生成系AIの利用パターン 生成系AIのユースケースマップ 生成系AIの利用領域 ☆ 情シスとしての向き合い方 ☆ AI利用の最新 ☆ AI技術の今後 ☆ 補足 アジェンダ 9
10. 利用形式と例 利用形式 具体例・特徴 SaaSとしての提供 - OpenAI - Copilot - Gemini - AmazonQ Business ☆ MaaSとしての提供 （Model as a Service） - Alibaba Cloudの業界特化型LLM （データを絞り込む事により、小型・軽量 ・高速となる） クラウドベースの自社向け導入 - OpenAIを組み込んだ独自システム - Google Cloud上のGemini活用 - Azure × Copilot - AWS × Bedrock 10
11. 利用形式と例 利用形式 具体例・特徴 オンプレミス・ローカル導入 - DifyなどのOSS - Google Distributed Cloud（略称：GDC） 上のGemini GDCとは…Google Cloud の技術を自社のデータセンター やエッジ環境に拡張する、ハードウェアとソフトウェアが 一体となったアプライアンス製品） - QualityAIなどのクローズド環境AI SaaS内の一機能としての利用 - SaaS内の自動処理や補助機能に生成AIが組 み込まれている例 11
12. 生成系AIの利用パターン ・カスタマーサポート （社内FAQ） ・セールス セミナー管理支援 営業見積管理支援 営業バーチャルアシスタント インサイドセールス効率化 ・マーケティング フィールドセールスAIエージェント アポ取り リクルータ（面談管理） 市場分析（アパレルブランド） ジェネラルトレンド（トレンド分析） ・データ分析 ・需要予測と在庫管理 ・業務プロセスの自動化（RPA） ・メンタルヘルスケア ・セキュリティ監視と異常検知 ・教育・トレーニング 12
13. 生成系AIのユースケースマップ テキスト生成: ・議事録作成 ・メール・報告書の下書き ・SNS投稿・広告コピー ・FAQ応答の下書き 画像生成: ・広告バナー制作 ・商品イメージ作成 ・SNS用ビジュアル生成 ・アイデアスケッチの作成 動画生成: ・プロモーション動画作成 ・教育コンテンツの生成 ・プレゼン動画の自動編集 音声生成: ・ナレーション作成 ・音声アシスタントの作成 ・電話対応の自動化 コード生成: ・業務システムのモックアップ ・単体テストコード自動生成 ・データ整形スクリプト作成 業務特化型: ・コールセンター支援 ・契約文書（法務）のチェック ・申請書類の内容確認 ・市場分析レポート作成 生成系AI 映像解析: ・現場状況のデータ化 ・スタッフ育成 ・工場の動線など最適化 ・良品/不良品分界 データ解析: ・非定型帳票の分析 ・不良データ抽出 ・データ比較/消し込み 13
14. 生成系AIの利用領域 14
15. ☆ 生成系AIとは ☆ 生成系AIの利用例 ☆ 情シスとしての向き合い方 情シスが向き合うべき観点 生成AI活用におけるボトムアップ・・アプローチの整理 生成AIの利用促進：現場浸透のための３本柱 生成系AI：何をどのように管理すべきか 生成AIの課題と対処法 RAGの精度を高めるための「データ整形と最適化」 ☆ AI利用の最新 ☆ AI技術の今後 ☆ 補足 アジェンダ 15
16. 情シスとしての向き合い方 • まず触ってみる（遊んでみる） 検証環境の整備 • 経験を積んで、利用に対する評価軸を持つ 社内向け利用ガイドラインの整備 • PoCを行う事で、利用イメージや活用方向への視点を持つ • ボトムユーザーの利用支援を行う 部門への展開と運用支援 全社横断的な最適化支援と基盤整備 固く表現すると… ・ガバナンスの担保 ・技術的検証と選定 ・セキュリティ・ポリシー整備 ・部門横断の調整役 16
17. 情シスとしての向き合い方 17
18. 情シスとしての向き合い方 項目 内容概要 セキュリティ データ流出防止、再学習防止（オプトアウト）、API 接続の安全性 管理・監査 ユーザー利用状況の可視化、利用ログ監視、アクセ ス権制御 ユースケース支援 部門横断的なPoC支援、プロンプトのテンプレ提供、 使い方コンテストの開催など 技術・インフラ整備 OSSの導入支援、RAG用データ整備、クラウド or オ ンプレ選定の技術判断 情シスが向き合うべき４つの観点 18
19. 情シスとしての向き合い方 ① なぜボトムアップが重要か •現場の知識と創造性こそが、価値あるユースケースの源泉 •トップダウンだけでは「計画倒れ」になりやすい •ボトムアップだけでは「視野が狭くなる」リスクも → 両者の連動が不可欠（ハイブリッド推進） ② 生成AI特有の「不確実性」への理解 •RPAなどと違い、「常に同じ結果」が出るわけではない •同じプロンプトでも出力が変わる（例：文章や画像生成） → 結果が“ゆらぐ”ことを前提に使いこなす力が必要 19 生成AI活用におけるボトムアップ・アプローチの整理（１）
20. 情シスとしての向き合い方 ③ プロンプト設計におけるドメイン（業務）知識の価値 •業務知識があるからこそ、「正しい指示」が出せる •専門ユーザーによる小さな改善の積み重ねが大きな精度向上につながる → 現場主導の運用が品質と成果を引き上げる鍵 ④ 創造性 × 生成AIによるイノベーションの可能性 •AIのアイデア生成能力が、思わぬ活用法を引き出す •自発的な利用こそが、「現場発の発明」につながる → トップダウン導入だけでは生まれない価値がある ⑤ ユーザー受容性と心理的安全の確保 •「AIが勝手に答える」ことへの不安や抵抗感が存在 •徐々に慣れながら、「納得して使える」状況をつくる → 小さく試す・体験することで心理的ハードルを下げる 20 生成AI活用におけるボトムアップ・アプローチの整理（２）
21. 情シスとしての向き合い方 1. 利用者フィードバック → 迅速対応 ねらい：「初期のつまずき」を放置しないこと。 使い始めたユーザーが小さな成功体験を感じられるようサポート。 施策：・チャットや専用フォームでフィードバック収集 ・利用トラブルや「うまく動かない」を即解決 ・利用事例を紹介して「使ってよかった」を可視化 21 生成AIの利用促進：現場浸透のための3本柱 2. 利用促進のイベント設計（例：社内コンテスト） ねらい：生成AIを使った現場改善や面白い使い方を共有し合う文化をつくる。 施策：・「AIで業務をラクにした選手権」開催 ・エントリーされた使い方をポータルに掲載 ・優秀事例を表彰 → 全社展開へフィードバック
22. 情シスとしての向き合い方 3. プロンプトの共有・再利用 ねらい：プロンプトはナレッジ。個人の工夫を全体資産に変換する。 施策：・社内プロンプト集の構築（用途別） ・改良ポイントもセットで記録 ・「このプロンプトをこう使ったら便利だった」投稿の場を用意 22 生成AIの利用促進：現場浸透のための3本柱
23. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか 1. データの管理（横断的に重要） 管理項目 内容概要 データの精度管理 不適切な・古い・曖昧な情報を与えると、誤った出力が される可能性 データのセキュリ ティ AIに渡す前の情報に対しても機密性を確保（マスキング、 分類、アクセス制限など） 再学習の制御 入力されたデータがモデル学習に使われないようにする （特にAPI利用や有料契約） 23
24. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか OpenAIからの発表（2025/05/09） 24 昨年来お客様の要望の多かった日本国内においてのデータ保管（データ・レ ジデンシー）に対応しました。 簡単に言うと、エンタープライズのお客様向けに日本国内のデータガバナン ス要件や法規制に準拠しながら、安心してOpenAIのサービスを活用いただけ る環境が整ったことになります。 ChatGPT EnterpriseおよびEdu 新たに作成されるChatGPTのワークスペースで、データ・レジデンシーを日 本に設定できます。これにより、会話、カスタムGPTの利用、プロンプト、 アップロードされたファイル、テキスト・画像・ビジョンを含むマルチモー ダルのコンテンツが、日本に保存されます。
25. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか OpenAIからの発表（2025/05/09） 25 APIプラットフォーム 同様に、APIプラットフォームのダッシュボードで新しいプロジェクトを作成 し、日本を選択することでデータ・レジデンシーを有効化できます。APIプ ラットフォームでのデータは、今後日本で保存されます。 日本のお客様が安心して導入いただくために、OpenAIでは、以下の取り組み により、企業の皆様に高度なセキュリティとプライバシー保護を提供してい ます。 ＊お客様のデータは学習に使用されません ＊暗号化（AES-256, TLS 1.2以上）による厳格なデータ保護 ＊GDPR・CCPAをはじめとする各国のプライバシー法に準拠 ＊SOC 2 Type II, CSA STARなどの第三者認証取得済み ＊DPA（データ処理契約）対応済みで、契約面でも安心
26. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか データ処理自体を秘密計算で行う事で、セキュリティレベルを上げる 26
27. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか データ処理自体を秘密計算で行う事で、セキュリティレベルを上げる 27
28. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか 28
29. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか 2. 利用形式ごとの管理ポイント SaaS型（ChatGPT, Geminiなど） •課題：オプトアウト不可（無料版）、ログの監視不可 •対処：・有料版利用の検討（再学習拒否設定） ・利用規定やルール整備（業務機密投入の禁止など） クラウドベース自社向け構成（Azure + OpenAI, Bedrock 等） •利点：・ログ・入力監視可能 ・NGワード制御や再学習禁止の設定が可能 •注意：・RAGなどで使う自社データのセキュリティ管理も必要 （文書構造や分類管理） 29
30. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか 2. 利用形式ごとの管理ポイント オンプレミス（ローカル）型 •OSS（例：Dify） • 自由度が高い反面、セキュリティ・メンテナンスは自己責任 • セキュリティ要件を満たすOSS製品の選定が必要 •クローズド商用製品 • データ流出リスクは低い • 監視・制御が可能（NGワード、ログ、再学習ブロック） • ただし、コストと運用負荷が自社持ち 30
31. 情シスとしての向き合い方 生成系AI：何をどのように管理すべきか 3. 継続的な管理の課題 項目 管理の必要性 バージョン更新への対応 新モデルでプロンプト挙動が変化 → 再設計・再検証が必要な場合あり ナレッジの蓄積と共有 部門間でプロンプトや運用知見を共有する文化の 醸成 31
32. 情シスとしての向き合い方 生成AIの課題と対処法 課題 ポイント 対応策の例 過度な依存 AIの出力を盲信しないリテラ シーが必要 利用者教育 使い方ガイドの整備 精度の追求 精度をどこまで、何に求めるの かの設計が必要 期待値コントロール ゴール設定 利用格差／未活用 利用者間のスキル差や活用率の 偏り コンテスト開催 事例共有 再利用プロンプト整備 ハルシネーション 誤情報の出力リスクあり RAG活用 意図明確化 無理な回答を抑止する設定 データ流出リスク サービス側設定ミスやバグでの 漏洩 （プロンプトインジェクション 対応） 暗号化 アクセス制限 API利用 オプトアウト設定 32
33. 情シスとしての向き合い方 RAGとは 33
34. 情シスとしての向き合い方 RAGの精度を高めるための「データ整形と最適化」 ① データ準備 収集したPDF・Word・HTMLなど → テキスト化された情報 ② タグ付け（分類） 各文書にカテゴリ・部門・目的別タグを追加 例：#人事 #営業 #FAQ #手順書 ③ 文書整形 ・見出し構造の整備（例：H1→H2→本文） ・文書の順序性：「上から下へ」「左から右へ」読みやすい構成 ・回答に適した粒度へ分割（例：Q&A単位、段落単位） ④ 図や表形式ナレッジの文章化 図・フローチャート → 自然文へ変換 例：「図1：請求処理フロー」→「請求処理は以下の順序で進みます：…」 34
35. 情シスとしての向き合い方 （業務改善のサンプル） 生成AIで効率化される旅費精算業務のイメージ 従来のフロー（人力） 1.交通・宿泊費などの領収書を集める 2.日付や金額を手入力 3.経路を記録し、経費内訳を記入 4.誤入力がないか自分でチェック 5.上司に報告書を作成・提出 ミス・入力漏れが起きやすく、手間がかかる 35
36. 生成AIで効率化される旅費精算業務のイメージ ステップ 生成AIによる処理内容 1. 入力補助 「音声」や「チャット」で出張内容を話すだけで、旅費 データを自動抽出 2. 領収書読取 領収書の写真からAI-OCRが日付・金額・店舗名を読み取り、 自動分類 3. データ整理 経費内訳をAIが自動仕分け（交通費・宿泊費・食費など）、 ガイドラインに沿って整形 4. 不備チェッ ク 異常値（例：過剰な宿泊費など）をAIが検出、修正候補を 提示 5. 報告書生成 「出張報告書」や「申請理由文」を自動で作成し、上司へ の提出用PDFも出力 6. API連携 会計システムや勤怠ツールと自動連携、申請完了までワン ストップ 情シスとしての向き合い方 （業務改善のサンプル）
37. 生成AI活用後の旅費精算業務のフロー（自動化） ① 出張内容の入力 （チャット/音声） ② 領収書アップロ ード（AI-OCR） ③ 経費内訳をAIが 自動分類 ④ ガイドライン準 拠の自動チェック ⑤ 申請書・報告書 をAIが生成 ⑥ 会計システムと 連携して提出完了 情シスとしての向き合い方 （業務改善のサンプル） 37
38. Bizer社：fondeskからAIへ移行 情シスとしての向き合い方 （業務改善のサンプル） 38 会社に電話がかかってくるとAIが応答し、社名やお名前、要件などを聞き取 り、Slackに通知 以下の構成で、エンジニアが10〜20時間くらいで実装 （Twilioの承認が郵送あったりで一番時間がかかった...） 技術 役割 詳細 Heroku インフラ基盤 WebSocket 通信サーバーを常時稼働し、Twilio と OpenAI のデータ連携を中継 Twilio 電話通信 ・電話の着信処理・顧客の音声データを取得 ・OpenAIで生成した音声を顧客に返答 OpenAI 会話処理の中核 1. 音声認識（Speech-to-Text） 2. LLM（ChatGPT等）による応答文の生成 3. 応答テキストを音声化（Text-to-Speech）
39. Bizer社：AI電話対応システムの構成図（fondeskからAIへ移行） 情シスとしての向き合い方 （業務改善のサンプル） 39 着信 顧客が会社に電話 Twilio 音声データの受信・ 送信 OpenAI ① 音声 → テキスト ② LLMで応答生成 ③ テキスト → 音声 Heroku WebSocketでリアル タイム接続 Slack通知 社名・名前・要件を 送信
40. 生成AIで効率化される旅費精算業務のイメージ 使用される技術 •LLM（ChatGPT等）による自然文→申請書変換 •AI-OCRで領収書読取 •RAGによる社内経費ルールの参照 •自動チェック・要約・文書生成（生成AIの得意分野） メリット • 入力作業の手間激減（チャットで完結） • ミスの早期発見・修正が可能に • 報告書の統一化・品質向上 • 処理時間の大幅短縮 • 領収書紛失リスクを低減（写真で即記録） 情シスとしての向き合い方 （業務改善のサンプル） 40
41. ☆ 生成系AIとは ☆ 生成系AIの利用例 ☆ 情シスとしての向き合い方 ☆ AI利用の最新 生成系AIワークフロー 生成系AIエージェント機能 ワークフロー vs エージェント：違いの比較 ☆ AI技術の今後 ☆ 補足 アジェンダ 41
42. AI利用の最新 生成系AIワークフローの基本構成 生成系AIのワークフローとは、“AIに仕事をさせるための一連の流れ（設計図）” のこと 単にAIに指示を出すのではなく、「どう準備し、どう処理し、どう使うか」まで を一貫して設計することで、AIの出力を安定・高品質に保つためのフレーム ワーク フェーズ 内容の例 1. 入力 ユーザーのプロンプトや、DB・ファイルからのデータ読み 込み 2. 前処理 不要なテキストの除去、文体変換、プロンプト補完、デー タの整理 3. モデル呼び出し ChatGPTや画像生成モデルなどへのリクエスト送信 4. 後処理 出力の整形、フィルタリング、ルールに基づく修正、結果 の最適化 5. 出力 結果の表示、保存、メール通知、他システムとのAPI連携 など 42
43. AI利用の最新 高度な応用：生成系AIワークフローの進化形 ・複数のAIの連携（例：文章 → 画像 → 要約） ・条件分岐によるプロンプトの切替 ・外部ツール連携（Slack通知、Notion自動記録など） ・フィードバックループ（AIの出力に人間の評価を加え再学習・改善） 目的とメリット •効率化：繰り返し業務の自動化が可能 •品質安定：構造化された流れにより出力のばらつきを抑える •再現性：誰が使っても一定の結果を得やすい •拡張性：ツールや業務フローに合わせて柔軟に設計変更できる 生成系AIワークフロー 43
44. AI利用の最新 高度な応用：社内FAQボット ⇒ 質問を受け取る ⇒ 社内ナレッジベースを検索 ⇒ ChatGPTで回答を整える ⇒回答をチャットで返す ⇒ 製品情報を入力 ⇒ キャッチコピーを生成 ⇒ SNS投稿文・ブログ記事を生成 ⇒すべて自動で保存＆共有 生成系AIワークフローで可能な事（具体例） 高度な応用：マーケティング用コンテンツ自動作成 44
45. AI利用の最新 生成系AIの「エージェント機能」とは？ 定義 エージェント機能とは、**AIが「自律的に業務を遂行するパートナー」**と して振る舞う仕組み 人の指示を待つのではなく、「目的達成のために自分で動くAI」 現在は「バディ（補助者）」的な役割 → 将来的には「実行主体」へ進化 生成系AIエージェント機能 エージェント機能の導入価値 定型業務の自動化（例：問い合わせ、営業対応） 非定型業務の支援（例：文書要約、報告書ドラフト） マルチチャネル対応（メール／Slack／Webフォーム） 45
46. AI利用の最新 1️⃣ Agentforce（Salesforce系） 主なエージェントプラットフォームと特徴 項目 内容 主な業務 営業（アポ設定・顧客対応）、バーチャルコーチ、カスタマーサ ポート等 特徴 ・Salesforceデータと完全連携 ・構築済みモデルで即時展開可能 ・安全運用のガードレールあり 2️⃣ Google Agentspace 項目 内容 得意領域 検索／翻訳／画像・動画／要約（音声含む）／マーケティング 特徴 ・Googleの検索力と生成力を活用 ・Googleドライブ等と接続可能 ・ローコードでカスタムエージェント構築可 46
47. AI利用の最新 3️⃣ Dify 主なエージェントプラットフォームと特徴 項目 内容 利用形態 OSSとして自社環境に構築可能（オンプレ or クラウド） 特徴 ・マルチLLM対応（OpenAI, Claude 等） ・GUIでチャットボット/エージェント作成 ・API連携・自動化ワークフロー対応 47
48. AI利用の最新 ワークフロー vs エージェント：違いの比較 項目 生成系AIのワークフロー エージェント機能（AI Agent） 定義 AI活用のための「処理手順・流れ」を設 計したもの 自律的に行動し、業務を遂行するAI 動作の特 徴 ステップごとに決まった処理を順に実行 状況に応じて判断・分岐しながら自ら業務 を進める 設計主体 人間が「どう動かすか」を明確に定義 人間は目的・役割だけを指定、あとはAIが 判断・実行 柔軟性 手順やデータが決まっていれば安定動作 状況に応じて柔軟に対応（ただし予測不能 な動きも） 自律性 低い（指示通りに実行） 高い（自分で判断しタスクを完了） 例 テキスト生成 → 要約 → PDF保存 営業対応AIがメール・カレンダー・CRM を横断的に操作 活用例 マーケティング自動記事作成、FAQ生成、 報告書生成など バーチャル営業、コールセンター代替、エ グゼクティブアシスタント 48
49. ☆ 生成系AIとは ☆ 生成系AIの利用例 ☆ 情シスとしての向き合い方 ☆ AI利用の最新 ☆ AI技術の今後 MCPサーバー A2A アジェンダ 49
50. AI技術の今後 MCP（Model Context Protocol）サーバー 一言で言うと： AIと外部ツール・データをつなぐ「USB-Cハブ」的存在 → LLMが他のアプリやデータと“当たり前のように”連携するための標準プロト コル これまで AI と外部システムを連携させるには、システムごとに個別の API 統 合が必要で、認証方法やデータ形式、エラー処理など、細かな実装を繰り返す 必要があった このような個別対応は開発効率を下げ、拡張性や保守性の面でも問題があった 50
51. AI技術の今後 MCP（Model Context Protocol）サーバーの基本イメージ 51
52. AI技術の今後 52
53. AI技術の今後 MCPサーバーの主なメリット 項目 内容 機能拡張 AIが多様な外部情報やツールを直接使える → 賢く、器用 になる 開発効率向上 各種連携を標準化 → APIコードを書く手間を省ける タスク高度化 AIが自動で「取得→処理→応答」が可能になり、複雑な 業務もカバーできる MCPサーバーの構成要素（3つの中核） 機能カテゴリ 説明 Resources ファイル、DB、APIレスポンスなどAIが参照するデータを提供 Tools API呼び出し、外部操作、計算などAIが使う「機能」を提供 Prompts ワークフローやテンプレ化されたプロンプトをAIに渡す仕組み 53
54. AI技術の今後 MCPサーバーの主なユースケース ・開発自動化：コード生成、CI/CD処理をAIが代行 ・AIアシスタント強化：ドキュメント作成、情報検索の自動化 ・業務効率化：Slack通知、データ入力、帳票作成などの連携処理 MCPサーバーの実例 プラットフォーム 概要 Claude Desktop Anthropic提供。ファイルや外部ツールにアクセス可能な AI UI Cline LLM + MCP連携で複雑な外部ツール操作を可能に Cursor AIコードアシスタント。開発・テスト・デプロイの自動 化が可能に 54
55. AI技術の今後 A2A（AI-to-Application） 定義 生成AI（LLMなど）と業務アプリケーションを直接連携させ、 アプリケーション内でAIが“裏方”ではなく“内蔵エンジン”として動く仕組み （Google Cloud が推進） 何ができる？ •ユーザーはアプリのUIから直接AIを操作・利用できる •AIが分析・生成・予測をアプリ上でリアルタイム実行 •プラットフォームを跨いだエージェント間通信も可能（プロトコル標準化） 55
56. AI技術の今後 A2A（AI-to-Application）の具体例 活用シーン 内容 顧客サポートツール × AI ユーザー質問に対してAIが即時に文面を生成し回答 マーケティングツール × AI 入力された商品情報からAIがSNS投稿やLP文章を自動生 成 CRM（顧客管理） × AI AIが顧客傾向を予測し、次のアクションを提案 BIツール × AI ユーザーの自然言語指示により、AIがグラフ・分析レ ポートを生成 A2Aの導入メリット ・ノーコード・ローコードでAI機能を業務システムに内蔵できる ・アプリ利用者が意識せずAIを活用できる（例：自動返信、要約、レコメンド） ・複数AI間連携による“マルチエージェントアプリ”の構築も可能 56
57. AI技術の今後 A2A（AI-to-Application）のイメージ 57
58. AI技術の今後 A2Aと MCPサーバーとの違い 項目 A2A MCPサーバー 主な目的 アプリにAIを“組み込む” AIが“外部ツールや情報源”とつな がるためのインターフェース 主な活用対象 UIを持つビジネスアプリ ／業務SaaS LLM／エージェントによるツー ル・データ連携 技術的立ち位置 AIがアプリケーション内 部ロジックの一部になる AIが外部機能を“拡張”していくた めの通信基盤 58
59. AI技術の今後 A2Aと MCPサーバーとの違い 59
60. 最後までご静聴頂き、 ありがとうございました。 60
61. ☆ 生成系AIとは メリットとデメリット ☆ 生成系AIの利用例 ☆ 情シスとしての向き合い方 ☆ AI利用の最新 ☆ AI技術の今後 ☆ 補足 Difyについて 生成系AIへの国のスタンス アジェンダ 61
62. Dify（ディファイ）について ＜特徴カテゴリ＞ ＜内容＞ ノーコード開発 画面上の操作でAIアプリ・ワークフロー構築可能 対応モデル OpenAI / Claude / Mistral / HuggingFace / 自前モデル プロンプト管理 複数バージョンのプロンプトを比較・改良可能 ☆ワークフロー設計 タスクやAI処理の流れをGUIで構成可能 マルチユーザー SaaS型のユーザー分離・管理が可能 API公開 アプリをREST API化して外部連携可能 OSS＆無料 GitHubで公開、商用利用もOK 主な特徴 ノーコードでChatGPTのようなサービスが誰でも作れる！ 62
63. Dify（ディファイ）について Difyの活用事例：誰でもAIアプリ開発が可能に！ •独自のChatGPTサービスを構築 •社内専用のAIチャットボットを作成 •自動文章要約・文章生成ツールの開発 •画像生成ツールの提供 •業務ワークフローの自動化 （例：問い合わせ→AIが文章生成→自動返信） ポイント 説明 セットアップが簡単 Dockerでも即時起動可能、導入がスムーズ 商用利用OK 自社サービスや業務用としても安心 非エンジニアにもやさしい 直感的なUIで、専門知識がなくても使いこなせる アップデートが活発 オープンソースコミュニティが成長中 Difyの魅力：なぜ人気なのか？ 63
64. 生成系AIへの国のスタンス 基本理念（3つの柱） 1.人間の尊厳の尊重 AIは人間の尊厳を損なうことなく、社会に利益をもたらすべきです。 2.多様性と包摂（Diversity & Inclusion） 性別、年齢、民族、文化の違いを尊重し、多様なニーズに応える設計が 求められます。 3.持続可能性（Sustainability） 環境負荷を抑え、経済的・社会的に持続可能な技術を目指します。 64 総務省と経済産業省が共同で策定した「AI事業者ガイドライン（第1.0 版）」は、AI技術の利活用における基本理念や社会原則、利活用原則を示し、 AIの健全な発展と社会的信頼の確保を目的としています。 (「AI事業者ガイドライン（第1.0版）」を取りまとめました （METI/経済 産業省）)
65. 生成系AIへの国のスタンス AI社会原則（7つの原則） 1.人間中心 AIは人間の幸福や社会の利益を最優先に考慮して設計・運用されるべきです。 2.教育とリテラシー すべての人がAI社会に適応できるよう、AIに関する教育とリテラシーの普及が 重要です。 3.プライバシー保護 個人情報の適切な取り扱いを徹底し、利用者のプライバシーを守ります。 4.公平性 AIの判断やサービスが差別的でないよう、公平性と多様性を確保します。 65
66. 生成系AIへの国のスタンス AI社会原則（7つの原則） 5. セキュリティ AIの利用がサイバー攻撃やリスクを引き起こさないよう、安全性を保証しま す。 6.透明性と説明責任 AIシステムの仕組みや判断プロセスが説明可能であり、利用者がその仕組みを 理解できることが求められます。 7.イノベーションの促進 AI技術革新を促進し、社会的課題の解決や経済成長に寄与します。規制はイノ ベーションを阻害しない柔軟性が求められます。 66
67. 生成系AIへの国のスタンス AI利活用原則（10の実践指針） 1.適正利用 AIを倫理的かつ社会的に受け入れられる形で利用します。不正使用や目的外利 用を防止します。 2.適正学習 AIモデルが学習するデータが偏りなく適切であること、学習プロセスが透明性 を持つことを保証します。 3.連携 異なる分野や業界間での協力を促進し、AIの可能性を最大化します。 4.安全 事故や予期せぬ結果に対応する設計と運用プロセスが必要です。 67
68. 生成系AIへの国のスタンス AI利活用原則（10の実践指針） 5. セキュリティ サイバー攻撃やデータ漏洩を防ぎ、AIシステムの信頼性を確保します。 6.プライバシー AIによるデータ処理がプライバシーを侵害しないよう、適切な管理を徹底しま す。 7.尊厳・自律 AIが人間の尊厳を損なわず、意思や選択の自由を妨げない設計が求められます。 8.公平性 AIが特定の個人や集団に対して差別的に作用しないよう、公平性を担保します。 68
69. 生成系AIへの国のスタンス AI利活用原則（10の実践指針） 9. 透明性 AIの仕組みや判断基準を説明できるようにし、利用者にとって分かりやすい 情報を提供します。 10.アカウンタビリティ（責任の明確化） AIの開発や運用において、責任の所在を明確にし、問題が発生した際には迅速か つ適切に対処できる体制を構築します。 これらの原則は、AI技術を安全かつ有効に利用し、社会全体に利益をもたらすた めの指針です。特に公平性、透明性、安全性といった原則は、AIが広く社会的信 頼を獲得するための基盤となります。 (AI利活用原則と社会への影響｜かじ しょー) 69