テクノロジービジョン2024

データ基盤の強化

新しいテクノロジーやその活用は、企業がデータ基盤を強化し、データ駆動型ビジネスの未来に備える手助けとなります。すでにデータ戦略の刷新に取り組んでいる企業もあります。企業がどこからスタートしようとも、LLMアドバイザーは、これまで以上にアクセスしやすく、コンテクストが豊かなデータ基盤を求めることでしょう。

知識グラフ（ナレッジグラフ）は最も重要なテクノロジーのひとつです。これはエンティティとそれらの関係性を含むグラフ構造化されたデータモデルで、より大きな文脈（コンテクスト）と意味がエンコードされています。 知識グラフはより多くのソースから情報を集約し、より良いパーソナライゼーションを手助けするだけでなく、セマンティック検索を通じてデータアクセスを強化することもできます。

知識グラフに加えて、データメッシュとデータファブリックは、ビジネスが全体のアーキテクチャを更新する際に考慮すべき情報をマッピングし整理するための2つの方法です。

新たなデータインターフェースとしてのLLMsの探求

知識グラフ、データメッシュ、データファブリックは、それぞれ単独で見ても企業のナレッジ・マネジメント・システムにとって大きなステップアップとなります。しかし、これらを最大限活用するためには、ナレッジ・マネジメントへのアプローチを、いわゆる“司書”モデルから“アドバイザー”モデルへと移行する必要があります。検索バーを使用する代わりに、従業員が自然言語で質問し、企業内のあらゆるウェブサイトやアプリを通じて明確な回答を得られる環境を想像してみてください。アクセスしやすく、文脈に基づいたデータ基盤があれば、企業はこうした環境を実現することができます。実現方法はいくつかあります。

一つ目のオプションは、自社のLLM（Large Language Models）を一から開発することです。膨大なリソースを要するため、採用している企業は稀です。

二つ目のオプションは、既存のLLMを「微調整（ファインチューニング）」することです。これは、一般知識を持つLLMをベースに、ドメイン特有の文書セットを用いて更に学習させることで特定ドメインに適応させるアプローチです。この方法は、デザインやマーケティングにおけるクリエイティブなアウトプットのような、リアルタイムの情報が必要でない特定領域に最も適した手段といえます。

特定の使用状況に特化した小型言語モデル（SLM）のファインチューニングを始める企業もあるのです。これらのSLMは、低コストで小さなカーボンフットプリントを持つだけでなく、効率的に動作し、迅速に開発でき、小型のエッジデバイスでも使用可能です。

最後に、AIアドバイザーを構築する最も一般的なアプローチの一つは、事前学習済みのLLMに対して、より関連性の高い、ユースケースに特化した情報を文脈として与えることで「グラウンディング（接地）」させるという方法です。通常、Retrieval Augmented Generation（RAG）という手法を通じて行われます。

生成AIとLLMの分野は急速に進化しています。しかし、どの方法を選択しようとも、一つ確かなことは、企業のデータ基盤が堅固でコンテキストを有するものでなければ、AIアドバイザーはその役割を十分に果たすことはありません。

リスクの理解と軽減

最も重要なことは、企業がAIアドバイザーのもたらす可能性を探求する際、それに伴うリスクについても理解する必要があるということです。

「幻覚（hallucinations）」を例にとってみましょう。これはLLMの本質的な特性の一つです。高い精度で確率的な回答を提供するように訓練されているため、AIアドバイザーは自信を持って間違った情報を伝えることがあります。

「幻覚（hallucinations）」がおそらくLLMの最も悪名高いリスクではありますが、他にも考慮しなければならない問題はあります。公開モデルを使用している場合、企業独自のデータは漏洩しないように慎重に保護する必要があります。プライベートモデルでも、データはアクセスすべきでない従業員と共有されてはなりません。またコンピューティングコストはしっかりと管理される必要があります。そして何よりも、これらのソリューションを適切に実装する専門知識を持つ人材が不足しています。

とはいえ、これらの課題は障害としてではなく、テクノロジーの適切な管理と実装を促すものととらえるべきです。

トレーニングであれプロンプトであれ、LLMに入力されるデータは、鮮度よく、適切にラベル付けされ、偏りのない高品質なデータであるべきです。トレーニングデータは、顧客が積極的に共有するゼロ・パーティデータ、あるいは企業が直接収集するファースト・パーティデータであるべきです。また、個人情報や専有データを保護するために、企業はセキュリティ規格を実装する必要があります。最後に、インコンテキスト学習のために取得されたデータにアクセスができることを保証するため、データの共有範囲も適切に設定されていなければなりません。​

生成AIチャットボットのアウトプットは、正確であるのみならず、説明可能であり、企業のブランドに沿ったものでなければなりません。モデルがセンシティブなデータや危害を加えるような言葉に反応しないように、また、範囲外の質問を拒否するように、ガードレールを設置することができます。回答時に不確実性を伝えたり、検証用の情報源を提供することもできます。

最後に、生成AIチャットボットは継続的にテストを行い、また人間の監督を受けねばなりません。企業は倫理的なAIに投資し、遵守すべき最低限の基準を策定する必要があります。そして、定期的なフィードバックを収集し、従業員にトレーニング機会を提供するべきです。

このトレンドで既に議論されている数々のセキュリティ問題において、企業はAIアドバイザーがユーザーデータ動向をどのように変えるかについても考慮すべきです。

私たちは今、検索体験を再創造し、企業と顧客の間の信頼を回復する機会を得ています。

企業はデジタル・アドバイザーを通じて、自社のデータとナレッジを保管、保護、分析し、顧客に直接提供する、といったように自社の情報管理者として行動することが可能です。しかし、これには大きな責任を伴います。データを確実に保護しながら、アドバイザリー・サービスにおいて信頼性の高い回答を提供する必要があります。結果として、検索プロバイダーを通じた情報交換がなくなり、企業は信頼できるインサイトを直接提供し、顧客の信頼を取り戻すことができるという機会を得るのです。

AIアシスタントは人間に代わって自ら行動できる代理人へと進化しています。その結果もたらされる新たなビジネスチャンスは、3つのコア能力、すなわち、リアルタイムでのデータやサービスへのアクセス、複雑な思考連鎖による論理的思考力、そして人間ではなくAIエージェント自身によるツール作成に依存します。

まず1つ目のコア能力、リアルタイムでのデータやサービスへのアクセスについて考えてみましょう。ChatGPTの公開当初、このアプリケーションは単にウェブ上の情報を検索しているのだという誤解がありました。実際には、GPT-3.5（ChatGPTが最初に立ち上げられたLLM）は非常に広範な知識を学習しており、データ間の関係性を引き出して回答を提供していることがわかりました。

しかし、チャットGPTがインターネットにアクセスできるようにする新たなプラグインがすぐに発表され、基盤モデルは、独立して動作する強力なエンジンから、現在のデジタル世界で私たちをナビゲートするAIエージェントにと進化を遂げます。プラグインはそれ単独で非常に革新的な可能性を秘めていますが、AIエージェントエコシステムの出現においても重要な役割を果たすでしょう。

AIエージェントの進化による2つ目のコア能力は、論理的に理解し思考する能力です。なぜなら、人間にとって単純とされる日常行動でさえも、機械にとっては複雑な指示が必要とされるからです。

AI研究によって、機械に論理的思考力を実装させる障壁が下がりつつあります。思考連鎖を指示するプロンプト「Chain-of-thought」は、LLMが複雑なタスクをステップごとに切り分け理解を促すために開発されたアプローチです。

思考連鎖とプラグインの間で、AIはより緊密なロジックとウェブ上で利用可能な豊富なデジタルツールを組み合わせ、複雑なタスクに対応できるようになる可能性があります。しかし、必要なソリューションがまだ利用できない場合、どうなるでしょうか？

人間がこうした課題に直面すると、必要なツールを導入したり、作成したりします。AIはかつて、そうした能力を成長させるために人間に完全に依存していました。しかし、やがてAIは人間に頼ることなく“AI自身”でツールを開発する能力を持ち合わせるでしょう。これが、実現しつつあるAIエージェントの3つ目のコア能力です。

AIエージェントのエコシステムは圧倒的な存在感を示すことになるかもしれません。結局のところ、自律したAIエージェントの3つのコア能力のみならず、非常に複雑なオーケストレーションに関する課題、それを可能にする人間の労働力の大がかりな再創造が必要です。こうした課題に直面しているリーダーたちは、どこから着手すべきなのか戸惑っています。

良いニュースもあります。既にDXに取り組んでいる企業はこの領域での先行優位を獲得しています。

AIエージェントのエコシステムが稼働し始めると何が起こるのでしょうか？アシスタントとしても、代理人としても、これまでにない生産性、イノベーション、そして人間の労働力の再創造をもたらすでしょう。

アシスタントやコパイロットとして、AIエージェントは従業員個々の能力を飛躍的に向上させることができます

他のシナリオでは、人間はますますAIエージェントに自分たちの代わりに行動するように求めるでしょう。私たちの代理人として、AIエージェントは現在人間が行っている仕事を引き継ぐことができます。大きなアドバンテージとしていえるのは、会社のすべてのナレッジと情報を、たった一人のAIエージェントが使いこなせるということです。

企業は、こうしたAIエージェントをサポートするために必要な人間とテクノロジーのアプローチを考える必要があります。テクノロジー面から見た主な検討事項は、AIエージェントが自身をどのように識別するかということです。

AIエージェントの台頭に伴う新たな責任、役割や機能など、人間の労働者に対する影響はさらに注意を深める必要があります。一つ明らかなことは、人間はどこにも行かないということです。人間がAIエージェントのためのルールを作り、実施します。

人材の再考

AIエージェントのエコシステム時代において、AIエージェントのガイドラインを最適に設定できる人材が価値を持つでしょう。

会社が自律型AIエージェントをどの程度信頼するかが、そのAIエージェントの創出する価値を決めます。そして、人として、その信頼を築く責任があります。

しかし、AIエージェントは自身の能力・行動の限界を自ら理解する必要があります。AIエージェントが単独で行動を起こすために十分な情報を持つようになるのはいつなのでしょうか？人間は全体を鑑みたうえで、この自律型システムにどれだけの独立性を与えるかを決定するでしょう。

企業が今できること

人間とAIエージェントが共存するために、今私たちは何をすべきなのでしょうか？AIエージェントが企業について学び、同時に企業がAIエージェントについて学ぶ機会を設けることです。

企業は、AIエージェントの前任者ともいえるLLM、そして支援システムとの間の連携を深めるところから着手すべきです。企業の情報に基づいてLLMを微調整し、私たちは基礎モデルに専門知識を習得することでスタートラインに立てると考えています。

人間が未来のデジタルワーカーについて認識し、来るべき未来に備えるときでもあります。企業は、従業員を既存のインテリジェント・テクノロジーと理論的に向き合わせることで、未来のAIエージェントとの信頼関係の基礎を築くことができます。従業員には、既存の自律型システムの限界を発見してもらい、そしてその限界をいかに超えられるかチャレンジしてもらいましょう。

最後に、会社の目指すべき方向を明確にしてください。AIエージェントのあらゆる行動は、企業のコア・バリューとミッションに起因します。社長や会長、役員から現場の従業員まで、全員が企業のコア・バリューを体現できるようになることがより良いAIエージェントのパフォーマンスにつながります。

セキュリティの観点から、AIエージェントのエコシステムは、プロセスと意思決定において透明性の担保が必要です。ソフトウェアの部品表（ソフトウェアアプリケーションを構成するすべてのコードコンポーネントと依存関係を示す明確なリスト）の必要性への認識が高まりつつあることを考えてみましょう。これによって企業や機関は、自社の内部についてより理解することができます。同様に、AIエージェントの部品表があれば、AIエージェントがどのように意思決定をしているかの分析に役立つかもしれません。

エージェントはどのようなロジックに従って決定を下したのか？どのAIエージェントがその決定を下したのか？どのようなコードが書かれているのか？社内のどのデータが使用され、そのデータの共有先はどこなのか？AIエージェントの意思決定プロセスをより明確に分析することができれば、私たちは自身の代理人であるAIエージェントをこれまで以上に信頼することができるでしょう。

重要なことは、新しい基準、ツール、テクノロジーが、身近に感じられる空間アプリや体験をより簡単かつ安価に開発することができるようになったということです。

よく利用するウェブサイトやお気に入りのアプリについて考えてみてください。たとえ目的が異なっていたり、まったく異なる体験をしていても、紛れもない普遍性を感じるでしょう。なぜでしょうか？どれも同じ基盤を使用しているからです。

これまで、空間コンピューティングにおいてそのような基盤は存在していませんでした。

ここで登場するのが、Universal Scene Description (USD)と呼ばれる3D空間における3Dモデルのファイル形式です。ピクサーが開発したUSDは、クリエイターが特定のシーンやアセット、背景、照明、キャラクターなどを3D空間にマッピングすることができるフレームワークです。USDはこれらのアセットをシーン内でまとめることを目的として設計されているため、それぞれ異なるソフトウェアを横断的に使用することができ、共同でのコンテンツ作成や非破壊編集を可能にします。USDは産業用デジタルツインなど、最も影響力のある空間アプリケーションにおいて急速に中心的な存在になっています。

企業は、自分たちの所有するデジタル空間が単独で運営されるわけではないことを理解する必要があります。インターネット上でウェブページやアプリが単独で存在していないと同様に、次世代のウェブはこれらの並行した体験をさらに密接に結びつけます。

場所の感覚

空間コンピューティングが有するこれまでのデジタルコンピューティングとの差別要素のひとつに、私たちの感覚に訴えるという能力があります。新たなテクノロジーによって、エンジニアは触覚、嗅覚、聴覚など、人間の持つあらゆる感覚に対応した体験をデザインができるようになっています。

これまでVRにおいて、ハプティックス（触覚）を追加する試みはありましたが、医学的観点で扱いにくかったり、実装できても面白みに欠けるなど、その採用は見送られてきました。しかし、シカゴ大学の研究者たちは最近、電極を使用することでよりリアルな触感を実現する方法を見出しました。

また、香りもデジタル空間をリアルに感じさせるための重要な要素です。香りは記憶を呼び起こしたり、動物が有する恐怖反応である「闘争・逃走反応（fight-or-flight response）」を引き起こしたりします。メタバースに嗅覚を取り入れようと試みているScentientは、消防士や緊急対応要員の訓練用にこの技術を活用できないか実験を進めています。天然ガスは香りによってその存在を検知することが多く、緊急度合を評価するうえで重要な意味を持ちます。

もちろん、リアルなデジタルシーンを構築するために音声、特に空間オーディオも欠かせません。

最後に、没入型の空間アプリは、私たち人間の自然な動動作に対応する必要があります。

空間コンピューティングはデスクトップやモバイルコンピューティングに取って代わるものではありませんが、企業のIT戦略を構成するコンピューティングの一部として重要な一部となりつつあります。

私たちはすでに初期段階からこの様子を見てきました。デジタルツインは、実際に体験することでより理解しやすくなります。トレーニングという観点でも、動画で見るよりも、デジタルツインを活用し実際に体験したほうがより効果的です。これらはこれまで独立した試験的な試みでしたが、空間コンピューティングのユニークな利点を慎重に考慮することで、企業戦略を形成し、ビジネス運営の成功を導くことができます。市場はまだ成熟途中ですが、空間アプリが大量の複雑な情報を伝達すること、ユーザーに体験の主体性を与えること、そして、反直感的かもしれませんが、物理世界の拡張を可能にすること、という3条件が揃ったとき、空間アプリが成功を収めることがすでに明確になっています。

複雑な情報を伝達する場合、空間メディアが他のメディアより優れている点は明確です。空間はユーザーの自然な動き、行動を可能にするため、情報はよりダイナミックで没入感のある方法で伝達することができます。私たちはその例をすでに目の当たりにしています。空間アプリにおける初期の成功事例は、産業用デジタルツイン、仮想トレーニングシナリオ、リアルタイムのリモートアシスタントなどです。

空間が旧来メディアに対して持つ2つ目の利点は、ユーザーにアプリ内での体験を形成する主体性を提供できる点です。空間コンピューティングは物理的な空間感覚をデジタル世界で体現できるため、ユーザーのより自由な移動・探索を可能にする体験をデザインできます。

最後に、空間アプリケーションは物理世界に恩恵をもたらします。物理的な場所を物質的に変えることなく物理拡張、強化、補強することができます。物理的なモニターやプロジェクター、ディスプレイが空間コンピュータやアプリに置き換わった未来のオフィスを想像してみてください。人々はよりシンプルな空間を設計する柔軟性を手に入れ、オーバーヘッドコストを抑え、周囲の環境をより簡単に変更することができるようになるでしょう。

私たちが働く場所もデジタル世界へ拡がるにつれて、企業はセキュリティについても再考する必要があります。従業員は業務に空間デバイスを使用し、顧客は体験にアクセスするために空間デバイスを使用します。つまり、これまで以上に多くのデバイスが使われることになります。そして、この絶えず拡大し続けるデバイスエコシステムにより、ハッカーが侵入するためのエントリーポイントも自ずと増えるでしょう。では、境界のない世界にどのように境界を設定することができるのでしょうか。企業の空間戦略は、ゼロトラストの原則に基づいて設計する必要があります。

さらに企業は、空間はまだ私たちにとって未知の領域であることを認識しなければなりません。したがって、ベンダーもユーザーも両者ともに盲点が存在することを認識するべきです。ひとつの防衛ラインだけでは不十分ですが、複数のセキュリティレイヤー（管理的、技術的、物理的など）を活用したディフェンス・イン・デプス（多層防衛）戦略を展開することで、この新しいフロンティアを防衛することができます。

個人、ビジネスにおけるターゲット、そして人口推移に至るまで、人間を理解することこそが長年にわたるビジネス課題でした。近年では、デジタルテクノロジーを活用することが最良の差別化要素となりつつあります。デジタルプラットフォームやデバイスによって、企業は人間の行動を追跡し、定量化することができるようになり、非常に価値のある影響がもたらされています。今、「ヒューマン・インターフェース」が再びこの状況を変えつつあり、より深く、より人間中心の方法で人間を理解することを可能にしています。

人間を理解するために活用される最近のテクノロジーは、パターンの追跡と観察には対応できますが、まだ具体性に欠けます。人間は自身に馴染みのあるコンテンツを読んだり視聴したりもするし、新しい何かを求めるときもあります。つまり、人間は何をするのかについて非常によく認識することはできますが、なぜそれをするのかは必ずしも常に理解しているわけではありません。

「ヒューマン・インターフェース」によってどのように意図は測定されるか

ヒューマン・インターフェースとは、単一のテクノロジーではありません。イノベーターが、いかに人間を、その意図を含めて理解するのか、その考察を可能にする一連のテクノロジー群を指します。

ウェアラブルデバイスを使って生体信号を追跡することで、人間が何を求めているのかを予測したり、認知状態を理解するのに役立てようとしている動きもあります。

また、環境に対する人間の意図を理解するために、より詳細な方法を構築しようとする動きもあります。

人間の意図を知るためのもう一つのアプローチはAIによるものです。人間とロボットが協働する世界を想像してみてください。野心的な状態なのか疲労状態なのか、人間は精神状態によって、タスクへの取り組み方が変わります。しかし、人間は自らの精神状態を容易に把握することができますが、ロボットはまだそうではありません。しかし、ロボットにこうした識別ができるようにするための教育が進められています。

最後に、最もエキサイティングな「ヒューマン・インターフェース」テクノロジーのひとつが、神経感知とBCI（脳コンピュータインターフェース）の分野であるニューロテックです。過去10年間で多くの新しいニューロテック企業が登場し、この分野は人間の意図を読み取り、識別する可能性を秘めています。

ニューロテック、「ヒューマン・インターフェース」の進歩の速さを強調

多くの人々は、神経感知とBCIが実用化されるのは何年も先のことだと思っている人が多いかもしれませんが、最近の進歩により状況は少し変わり始めています。

懐疑派は、ニューロテックはヘルスケア業界に限定されると主張する傾向があります。しかし、日に日に新たな症例が報告されています。

原動力となっているのは2つの主な進歩です。1つ目は脳信号の解読と商業利用への活用です。AIによるパターン検出の進歩、そして脳データの利用可能性の向上によって、大きな変化がもたらされています。

注目すべき2つ目の進歩は、ニューロハードウェア、具体的には外部デバイスの質向上です。これまでは、最も広く使用されている外部脳センシング手法はEEG（脳電図）とfMRI（機能的磁気共鳴画像）の2つでした。しかし、最近まで、どちらのタイプの脳信号もそれらを捉えるには実験室での環境設定が必要でした。しかし、こうした状況が変わり始めています。

多くの企業が「ヒューマン・インターフェース」戦略を構築し始めるにあたり、変革可能なビジネス領域や課題を洗い出しに着手すべきです。

まず、「ヒューマン・インターフェース」テクノロジーが、人間の行動を予測する際のハードルをいかに下げているかを考えてみてください。最も有望なユースケースは、人間と機械が共有空間で協業する領域において見られます。例えば、ロボットが人間の行動を予測できれば、企業はより安全で生産性の高い製造システムを構築できるでしょう。

変革が見込まれる他の分野は、直接的に人間と機械が協働する領域です。つまり、私たちがテクノロジーをどのように使用し、コントロールするか、ということです。例として、ニューロテックが私たちの心に入り込み、より自然な新たな方法でテクノロジーとつながることかを考えてみてください。

最後に、「ヒューマン・インターフェース」は新しい製品やサービスの発明を促進する可能性があります。例えば、脳感知によって、私たちは自分自身をよりよく「理解」することができるようになるかもしれません。L’OréalはEMOTIVと提携して、ユーザーが自分の好みに合った香りを見つけることに役立てています。

また、「ヒューマン・インターフェース」を安全対策として考えている企業もあります。Meili Technologiesは、自動車の安全性向上に取り組んでいるスタートアップ企業です。深層学習（ディープラーニング）、視覚入力、車内センサーを使用して、ドライバーが心臓発作、てんかん発作、脳卒中、その他の緊急事態の場合に運転不能かどうかを検出するソリューションを提供しています。

ビジネス競争は日々変化しており、信頼はこれまで以上に重要となっています。

企業は、これらのテクノロジーがもたらすリスクを評価し、新たなポリシーや安全対策をどのように実施するべきかを考える必要があります。規制が強化されるのをただ待つのではなく、責任ある企業として既存の生体認証法（バイオメトリクス法）や医療業界に指針を求め、今すぐに行動すべきです。

ティンホイル・ハット（アルミホイルで作られた帽子）を被っていても読心術を防止できないなら、どのようにして防止することができるのでしょうか？今年のトレンドの中でも、セキュリティは企業や消費者が「ヒューマン・インターフェース」を採用するかどうかを左右する非常に重要な要素です。

より知覚的で接続性の高いツールを受け入れられるかどうかは、最低限どの情報を共有するかにおいて人間が主要な門番になれるかどうかにかかっています。この慣行は、次世代のヒューマン-コンピュータ・インターフェイス・ツールの設計に統合される必要があり、人間は目の前のタスクに関連するデータや遠隔測定を共有するか、余計な情報や機密情報を共有しないか選択することができます。