Upgrade to Pro — share decks privately, control downloads, hide ads and more …

250424_MCPウェビナー登壇資料_洲崎

ysuzaki2
April 30, 2025

 250424_MCPウェビナー登壇資料_洲崎

ysuzaki2

April 30, 2025
Tweet

More Decks by ysuzaki2

Other Decks in Business

Transcript

  1. タイムテーブル 2 時間 タイトル 登壇者 13:00〜 13:15 話題のMCPとは何か?基礎知識と活用事例をご紹介 製造ビジネステクノロジー部 バックエンドエンジニア

    髙橋俊一 13:15〜 13:30 MCPはもう止まらない。じゃあどう守る? 〜 社内セキュリティ担当 者の視点で考える、MCPのセキュリティと社内への展開 情報システムグループ 危機管理室 室長 兼 CISO 江口佳記 13:30〜 13:45 企業が押さえるべきMCPの未来 新規事業統括部 生成AIインテグレーション部 プロダクトチーム ソフ トウェアエンジニア 筧 剛彰 13:45〜 14:00 クラスメソッドによる生成AI支援とMCP領域への展開 新規事業統括部 生成AIインテグレーション部 Bizチーム 洲崎義人 14:00〜 14:15 質疑応答
  2. 自己紹介 4 • 2018年9月 入社 AWS営業部 ◦ クラスメソッドメンバーズ 営業 •

    2021年7月 AWS事業本部 コンサルティング部 ◦ AWSソリューションアーキテクト • 2024年11月 新規事業統括部 Bizチーム ◦ 生成AI営業・事業開発・研修講師など • その他 ◦ 2023 - 2024 Japan AWS Top Engineers ◦ 2023 - 2024 Japan AWS All Certifications Engineers ◦ 2025 AWS Community Builders (AI Engineering) ◦ AWSの知識地図 第2章 執筆 • 部署 ◦ 新規事業統括部 生成AIインテグレ ーション部 Bizチーム • 名前 ◦ 洲崎 義人 • 出身・住まい ◦ 神奈川 / 福岡 • 最近の運動 ◦ キックボクシング
  3. ©Classmethod, Inc. 生成AIは2020年代に誕生し、急速に社会へ浸透 利用者が1億人に到達する までにかかった期間 ChatGPT:2ヶ月 TikTok:9ヶ月 Instagram:2年4ヶ月 生成AIの進化 2020年

    〜 2021年 生成AIの幕開け OpenAIがGPT-3 (文章生成AI)を開発。 人間と遜色ない自然な文章を生成し、大きな 衝撃を与える。 2022年 〜 2023年 実用化の加速 対話形式で利用できるChat-GPTが誕生。 自然な対話能力と汎用性の高さが注目を 集め、爆発的にユーザー数を伸ばす。 2024年 〜 社会への浸透 文脈理解や感情認識の能力が向上し、より人 間らしい対話が可能に。 テキスト、画像、音声など、複数のデータを 統合的に処理できるようになった。 7
  4. ©Classmethod, Inc. 文章生成AIの特徴|従来のAIとの違い 従来のAI 文章生成AI 目的 データの予測や識別を得意とし、 特定のタスクを正確にこなすこと 人間の言語を理解し、自然な文章を生成 すること

    柔軟性 決められた範囲での応答が可能 多様な質問や要望に合わせて応答が可能 業務への活用 データを基礎とした結果を予測、 具体的な対応策は人間が考える 文章作成や説明作業の支援で人間の創造 的活動をサポート 用途の例 データ分析、音声認識、画像識別 など チャットボットの応答、文書の作成など 8
  5. ©Classmethod, Inc. 私(洲崎)の生成AI 活用例 1.文書作成支援 ・メールの添削 ・議事録の要約 ・社内相談用の要点の整理 2.アイデア出し支援 ・アイデアの生成

    ・アイデアの壁打ち 3.多言語コミュニケーション支援 ・ビジネス英語への正確な翻訳 ・OpenAI、Anthropicなどの最新AI技術の活用 ・日本語プレゼン資料の英語化 結論: 生成AIは業務効率を大幅に向上させる必須ツール アウトプットの品質チェックとしても大いに有効です! 9
  6. フェーズに合わせて最適なソリューションをご提供 (全体像) ソリューシ ョン アイデアの検証、試作で 成果や実現性を評価 既存プロダクトへの 生成AI機能の統合 社員のスキルを高めて 生成AIの効果的な活用を推進

    高度なセキュリティを 備えた自社専用の生成AI チャットボットを構築 継続メンテナンスにより 生成AIのパフォーマンスを 最適化 支援形態 企画/検証 構築/開発 導入/運用 PoC支援 組み込み開発 生成AIチャットボット構築 プロンプト研修 生成AIアプリ運用保守 コンサルティング パッケージ BPO 開発
  7. ©Classmethod, Inc. ニーズに合わせて最適なソリューションを提供 エンタープライズレベルのセキュリティを もつ生成AI環境構築パッケージ パッケージ 個別支援 コンサルティング 生成AIを活用するうえでの技術面でのお悩みを 解決します。具体的な技術選定から実装、運用

    の効率化までトータルで支援します。 アプリ開発 SlackなどのチャットボットやWebUIの開発、各 社APIと自社データを活用した要件定義から実 装・運用までを対応します。 教育支援 プロンプトの活用方法や、生成AIアプリの内製 化に向けた教育支援を行います。生成AIの導入 から利用の定着までをサポートします。 12
  8. コクヨ株式会社様の事例 安全な教育基盤 の構築 生成AIの座学/実践教育を推進するための セキュアな生成AI環境が必要 「KOKUYO AI Chat」 =AI Starter導入/保守AWS提供/運用保守

    技術検証の ノウハウ不足 複数の生成AIモデルや環境を実際に試して 特徴を掴みたい Azure含め複数の生成AI環境/モデルに対する 技術コンサル 生成AI専門家の 不在 実践教育の場(GPT-Lab)を推進するにあたり 壁打ち相手が必要 生成AI活用の企画立案、 各チームの壁打ち役など伴奏支援 運用のスキルや リソースの不足 情シス管轄になったが、環境保守や 社内問い合わせに対応できる人がいない Azure環境の運用保守 ユーザー部門からの問い合わせ窓口代行 課題 解決案 〉 〉 〉 〉 「KOKUYO DIGITAL ACADEMY」生成AI環境 の構築支援 デジタル人材教育・実践プログラムとカルチャ ーを技術で下支え https://classmethod.jp/cases/kokuyo/ https://classmethod.jp/cases/kokuyo/ 効果: 非エンジニアの社員自身たちで複数のアプリを開発
  9. 株式会社オプテージ様の事例 社内ナレッジ検索 の精度向上 既存のチャットボットでは社内ナレッジの検索精度に 限界があり、従業員から改善の要望が多数あった データの前処理、最適な検索手法の選定やデータ 構造の最適化など、様々な角度から精度改善 柔軟な プロジェクト運営 セキュリティ要件やプロジェクトの制約事項など後発的に浮上

    した課題に対して柔軟な対応が求められた プロジェクト中においてもインフラ環境の構成変更や 追加機能開発を行い柔軟に対応 厳格な セキュリティ対策 社内システムとして、外部に情報が漏れないようセキ ュリティが最重要視される環境が求められていた Azureの仮想ネットワークを利用し、インターネ ットを介さずに閉域化した安全な環境を構築 運用ノウハウの 蓄積と評価 生成AIの活用による業務改善について、実際の運 用検証を通じた知見が不足していた 生成AIの回答精度や利用者体験を基にした評価手 法を提案し、生成AI活用の勘所を伝える 課題 解決案 〉 〉 〉 〉 生成AIチャットボット導入で社内の問合せを サポート 業務改善の取り組みやAI利用のナレッジ蓄積にも貢 献 https://classmethod.jp/cases/optage/ https://classmethod.jp/cases/optage/ 効果: RAGにおいて80%超の回答精度を達成
  10. 上越市様の事例 生成AIの活用方法 の浸透不足 導入後、生成AIチャットボットを活用する職員 が少なく、「生成」ではなく検索用途に留まっ ていた 若手職員向けに生成AI活用ワークショップを実 施し、効果的なプロンプトの作成方法や実務で の活用法をハンズオンで伝授 生成AI利用者数

    の伸び悩み 効果的な活用方法が分からない職員が多く、 利用者数があまり増えていなかった 講義動画の庁内共有により、各職員が自分のタ イミングで学習可能に 課題 解決案 〉 〉 上越市のDX推進に生成AI活用ワークショップ の実施を通じて貢献 生成AIチャットボットの業務活用を推進 https://classmethod.jp/cases/joetsu/ https://classmethod.jp/cases/joetsu/
  11. ©Classmethod, Inc. 「MCPを使いたいが、何から始めるべきか分からない」そんなご相談に対し、当社の技術コンサルティングが導入 から運用までをサポートします。 教育・導入支援 ・MCPの基本的な考え方や活用方法をレクチャー ・プロンプト設計や呼び出し戦略の設計手法も支援 クライアント選定 ・Claude Desktop、Cursor、Windsurf

    など各種ツールから、ユースケースに最適なクライアント選定を支援 サーバー選定 & 信頼性 ・MCPサーバーの構成・選定に関するご相談 ・ 製品特性を踏まえた使い分けを提案(独自構築含む) 認証 & 接続形式の実装支援 ・トークン管理やAPI連携の設計 ・ 拡張性とセキュア性を両立した構成を共に設計 生成AIツールとの統合設計 ・LLM・RAG・エージェントとの統合活用に関するご支援 ・ 複合構成におけるアーキテクチャ設計・試験運用のサポート MCP導入に向けた技術支援のご紹介 25
  12. ©Classmethod, Inc. (参考)LLM活用手法の比較 26 位置付け 説明 特徴 MCP プロトコル (仕様)

    ・LLMと外部ツールをつなぐ共通プロトコル ・ツール呼び出しや状態管理を標準化 ・ツール連携の実装が容易に ・対応環境がまだ限定的 エージェン ト 処理ロジック ・タスクを分解・実行する仕組み ・MCPを通じて外部ツールと連携 ・複雑な処理の自動化が可能 ・設計とチューニングに知見 が必要 RAG 情報の補完 ・検索+生成で文書情報を活用 ・回答精度を外部情報で補完 ・社内文書などを参照可能 ・検索精度や文書構造に影響 される
  13. ©Classmethod, Inc. まとめ 28 生成AIの特徴と効果 • 人間並みの自然言語処理能力で業務効率を大幅に向上 • 「社内ナレッジの活用」「文書作成支援」など、多様な業務に展開可能 生成AI導入の2つの課題

    • 成果が不確実 → PoCで「仮説と検証」を小さく繰り返す進め方が重要 • 「導入したのに使われない」 → 利用定着のための工夫(ワークショップ)が必要 MCP領域の支援 • MCPはLLMとツールを標準化された方法で接続する新しい技術基盤 • AIプロダクトの持続性と拡張性が高められることが期待される