Jump to section

AI/ML ユースケースについて

URL をコピー

 

AI で IT 自動化を加速

Red Hat® Ansible® Lightspeed が IBM Watsonx Code Assistant を使用し、自然言語のプロンプトを通じて自動化のアイデアを Red Hat Ansible Automation Platform のコードに変換できるよう、ユーザーをどのように支援するかについて、この e ブックでご確認ください。

 

AI/ML は、人工知能 (AI) と機械学習 (ML) のことです。人工知能 (AI) とは一般に、人間の知性をシミュレート、つまり知覚、学習、問題解決などの認知機能を模倣できるプロセスとアルゴリズムを指します。一方、機械学習 (ML)ディープラーニング (深層学習) は AI のサブセットで、アルゴリズムを使用してパターンを識別し、一連のデータ内で予測を行います。理想的な条件下では、機械学習は私たち人間が自分自身の力で解釈するよりも迅速かつ正確にデータを解釈することを可能にします。

AI/ML は、業界および組織内に広く浸透しているアプリケーションで、ビジネスの運用方法を急速に変革しています。ビジネスプロセスおよびワークロードに固有の AI/ML のメリットを理解し、その課題に備えることが重要です。

AI/ML は、以下のようなさまざまなビジネス機能の単純化、向上、拡大に使用されることが増えています。

  • データと分析: AI/ML でデータの入力、保管、セキュリティ保護を自動化し、ビジネスの予測分析を収集できます。 
  • カスタマーサポート: チャットボットおよび通話分類システムは自然言語処理 (NLP) を使用して顧客にすばやく対応し、複雑なリクエストを正しいチャネルにエスカレートします。 
  • 運用: ロボティック・プロセス・オートメーション (RPA) とは、ソフトウェアロボットを使用して、これまで人間が行っていた反復作業を実行することです。AI と併用すると、構造化されていないデータセットを、手作業とは比べ物にならない速度と精度で解析できます。
  • マーケティングとセールス: ディープラーニング・アルゴリズムは、マーケティング担当者が消費者に関する分析を収集し、戦略に情報を提供してマーケティング・キャンペーンを個別化する業務を支援できます。営業担当者の場合、AI は情報を処理して迅速なリードジェネレーションを可能にします。 
  • 人事: AI の基盤モデルでトレーニングされたボットは、雇用プロセスにおいて応募者の経歴審査に役立ちます。従業員満足度調査も、人工ニューラルネットワークを使用して収集および分析できるので、プラスの成果を生む変更をすばやく実装できます。 

これらのソリューションや他のソリューションを実装するにあたっては、バイアスや「ブラックボックス」AI など、AI/ML に伴う共通の課題を緩和することが重要です。これらの欠点は、医療、法執行、金融などの規制業界ではとりわけ問題になります。組織では生産性やパフォーマンスを向上させるために AI/ML プログラムをデプロイしようとしていますが、バイアスを最小化して透明性を向上するための戦略を適用することが不可欠です。これは頻繁な再トレーニングとメンテナンス、さらにインクルーシブデザインのプロセスと、収集したデータ内の代表的な多様性を入念に検討することから始まります。

AI の新たな進歩は、医師やその他の医療従事者がより正確な診断と治療計画を提供できるようにし、患者の転帰を向上させることができます。医療における AI が患者、医療供給者、管理者にもたらすメリットの一部を紹介します。

  • 診断の迅速化: AI アルゴリズムで処理されたデータインサイトとリアルタイムの予測分析を使用して、診断を迅速に行い、これによって患者が速やかに治療を受けられるようになります。 
  • 医療の利用拡大: AI を活用した診断により、サービスを受ける患者層を広げることができます。たとえば、AI を活用した放射線検査や医療画像診断により、一握りの専門家だけでなくより多くの専門家が超音波検査を解釈できるようになるため、この技術を利用できる患者の数を拡大できる可能性があります。
  • 創薬と臨床研究: 計算 AI ツールは、臨床試験および医薬開発に対する従来の試行錯誤手法を強化し、プロセス全体を監視するための迅速かつ効率的なモデルを実現します。 

AI/ML は、5G ネットワークのパフォーマンス最適化や通信の製品およびサービスの品質強化など、通信業界のさまざまな部分を効率化するために使用されることが増えています。以下のような事例があります。

  • サービス品質: AI はネットワークのパフォーマンス最適化に使用され、通信プロバイダーから収集したデータを使ってトラフィック量、速度低下、停止を分析します。その後このデータを使用して、必要な措置を推奨できます。 
  • オーディオ/ビジュアルの強化: 自然言語処理とコンピュータビジョンで、動画と音声の明瞭度を高めて、通話品質を向上できます。 
  • チャーンの防止: 音声認識テクノロジーは、現在の顧客および見込み客との通話を聞き取り、感情分析を実施して、契約成立や更新につながる行動を理解できます。これは他の業界にも適用できます。 

インテリジェントな自動化により、製造現場から保管施設、配送ルートまで、企業が製品を製造する方法が変革されています。

  • ロボット: 産業用ロボットが工場および製造センター全体に設置され、パッケージの仕分けや重機の操作など、反復タスクや人間にとって危険なタスクを削減します。これにより、人的ミスのリスクが軽減されます。
  • サプライチェーン・マネジメント: 機械学習でサプライチェーンの物流を確認し、在庫管理を実施して配送および保管の最適なタイミングを予測できます。
  • 産業分析: 産業分析で AI/ML アルゴリズムを活用して、製造パフォーマンスを最初から最後まで見積もり、ボトルネックを特定してより効果的なワークフローを実装できます。

人工知能と機械学習は、世界中の政府機関が重大な課題を解決し、公益に奉仕できるよう支援します。 

  • 公共サービスの改善: AI/ML ツールで、交通、衛生、社会サービスなどの公共サービスの利用状況や有効性に関するデータを収集し、このデータを使用して新しいサービスに反映し、既存のサービスを改善できます。 
  • データ管理: 自然言語処理は公共の記録を仕分けて管理するために役立つツールで、定性的なデータを理解するために必要な時間と労力が削減されます。AI ベースのサイバーセキュリティ・ソリューションにより、脅威の露出が緩和され、インシデント対応を迅速化してより良い公的データを作成することもできます。 
  • データ駆動型の政策立案: 人工知能と機械学習の予測機能により、データを活用した予測とエビデンスベースのソリューションで公共政策に情報を盛り込みます。 

小売や e コマースの Web サイトでは、日々 AI/ML が活躍しています。ショッピングの際に次のような形で活用されています。 

  • おすすめ商品のパーソナライズ: AI/ML はオンラインで顧客の行動を追跡し、その情報を使用してデジタル広告やオンサイト操作を通じてパーソナライズされたおすすめ商品を提案します。 
  • チャットボット: チャットボットはカスタマーエクスペリエンス・ツールとして有用ですが、自動化されたセールス担当者としても機能します。チャットボットは自然言語処理を使用してユーザーのニーズを理解し、ユーザーが求めているものを見つける手助けをします。 
  • 自動化された精算: 一部の企業は AI テクノロジーを使用してセルフサービスの精算をさらに効率化し、商品の外観をスキャンして正しい料金を顧客の口座に請求しています。

電気自動車や自動運転車が普及するにつれて、目的地まで移動するための安全で革新的なプログラミングが求められるようになっています。  

  • 車両認識とドライビング・アシスタント: 死角検知機能やインテリジェント・ブレーキ・システムなどのコンピュータ・ビジョン・ツールが、他の車、歩行者、障害物など、周囲の物体を検知して対処する支援をします。 
  • 自動運転車: 運転者や周囲にとって自動運転車を安全なものにするためには、適応型クルーズコントロールやナビゲーション、車線逸脱防止システム、自動ブレーキなど、AI/ML テクノロジーが欠かせません。 
  • 予知保全: 機械学習アルゴリズムは、車両からデータを収集し、どの部品が故障する確率が高いかを予測して、適切な保全を事前に提案します。 

ChatGPT などの NLP テクノロジーは学術的な執筆や調査によく使用されますが、AI/ML にはその他にも学習を支援する多数の応用例があります。

  • インテリジェントなコース設計: 生成 AI は、教育者がコースの必要な要素を調べて整理する作業をサポートできます。コースの内容や課題を生成することもできます。 
  • 研究補助: AI ツールは仮想アシスタントとして、インターネットやデータベースから関連する学習資料を探しだし、特定の関心領域を引き出すことができます。  
  • 指導:AI/ML は、学習資料や個別化した知識チェックを作成して、サポートを必要とする学生への指導を利用しやすくします。 

今日の金融サービス組織は AI/ML を使用して、顧客満足度の向上、サービス内容の多様化、ビジネス自動化の工場など、測定可能な成果をもたらすアプリケーションを開発しています。 

  • 詐欺の検出: 銀行は機械学習を利用して、詐欺や安全でない取引を検出し、顧客にリアルタイムで警告します。音声認証は、ユーザー固有の音声パターンを学習して口座を保護し、正しいユーザーにのみアクセスを許可します。 
  • 請求: AI は定期的な請求と管理タスクを自動化し、コストとミスを低減します。 
  • 投資: 投資会社はディープラーニングを使用して投資の機会を調査し、アルゴリズムを強化して予測の精度を向上させます。

さまざまな業界がさまざまな形で AI/ML を導入して活用していますが、このメリットは適切な基盤があってこそです。 

Red Hat OpenShift は、アプリケーションを大規模に構築、モダナイズ、デプロイするための統合プラットフォームです。AI および ML のライフサイクルとインテリジェントなアプリケーション提供を加速する基盤をもたらします。データサイエンティストは待望のアジリティ、柔軟性、可搬性、スケーラビリティを手に入れ、本番環境でモデルをトレーニング、テスト、デプロイできます。

Red Hat OpenShift AI は、データサイエンティスト、エンジニアおよび開発者がより迅速に、かつ効率的にプロジェクトをビルドし、デプロイし、統合できるようにするための柔軟な環境を提供します。組み込み型のセキュリティやオペレーターのライフサイクル統合なども Red Hat OpenShift AI のメリットに​含まれます。

OpenShift AI の詳細

Red Hat 認定パートナーエコシステムにより、任意の AI/ML およびアプリケーション開発ツールをこのアーキテクチャに統合できるため、インテリジェント・アプリケーションに AI/ML を導入して、より優れたビジネス成果を得ることができます。

AI パートナーエコシステムを確認する

医療や教育、自動車、通信など、実際の企業が Red Hat ソリューションを使用して AI/ML ワークロードを処理している様子をご覧ください。

他のお客様導入事例を見る

関連資料

記事

生成 AI とは

生成 AI は、大規模なデータセットで訓練されたディープラーニングモデルを使用して新しいコンテンツを作成します。

記事

機械学習とは

機械学習は、明示的にプログラムしなくても、パターンを見つけ、予測し、経験から学習するようにコンピュータをトレーニングする手法です。

記事

基盤モデルとは

基盤モデルは、さまざまなタスクを実行するように訓練された機械学習 (ML) モデルの一種です。 

AI/ML についてさらに詳しく

製品

今すぐご利用いただけます

エンタープライズアプリケーション向けの Granite 大規模言語モデル (LLM) ファミリーをシームレスに開発し、テストし、実行するための基盤モデルプラットフォームです。

AI に重点を置いたポートフォリオであり、Red Hat OpenShift 上で AI/ML 実験やモデルをトレーニング、チューニング、提供、監視、管理するためのツールを提供します。

統合されたテスト済みのサービス一式を備えたエンタープライズ・アプリケーション・プラットフォームであり、ユーザーの選ぶインフラストラクチャを使ってアプリケーションを市場に投入するために活用できます。 

Red Hat Ansible Lightspeed (および IBM watsonx Code Assistant)  は、Ansible の自動化作成者、運用担当者、および開発者によって、彼ら自身のために設計された生成 AI サービスです。 

関連資料

e ブック

本番利用に適した AI/ML 環境構築のための最重要事項

アナリスト資料

MLOps 向け Red Hat ハイブリッドクラウド・プラットフォームの Total Economic Impact™

Web セミナー

オープンソースと Kubernetes で AI を最大限に活用する