もう迷わない、生成AIのビジネス活用
【第3回】成功例に学ぶ、課題の乗り越え方（その1）

生成AI活用・開発フレームワーク

本宮（モデレーター）
前回は生成AI活用における課題を分野ごとに整理しました。ここからはその課題の乗り越え方を日立のGenAIアンバサダーの皆さんに聞いていきたいと思います。
まず五十嵐さんからは先程、システム開発分野では、生成AIには精度と生産性の両立が必要だという課題をお聞きましたが、どのように解決を図っておられますか。

五十嵐
はい。システム開発分野では人財不足の解消のために生成AIに対する期待が高まっています。ただ一般的なチャット形式の生成AIでは、高精度の回答を得るまでにやりとりを何度も重ねる必要がありますし、また使う人によって回答にバラつきが出ることが、チームで行うシステム開発において品質低下の原因となってしまいます。結局、ただ生成AIを導入しただけでは精度も生産性も思うように上がらず、人財不足解消にならないのです。
そうした課題に対する日立のアプローチが、「生成AI活用開発フレームワーク」です。生成AIを使いこなすための開発ガイドラインと、ガイドラインにしたがうことで簡単に高精度なソースコードを生成できる開発ツールで構成されています。

「生成AI活用開発フレームワーク」の開発画面を紹介します。開発者に馴染みのあるウェブベースの開発アプリケーションに似せた使いやすい画面構成で、ガイドによってプロンプトのバラつきを抑えると同時に、RAGによりプロジェクトの固有情報も利用可能となっており、システム開発の精度と生産性の両立を実現するものとなっています。

さらに、ソースコードの生成からテストコードの生成まで一括で自動実行することも可能で、例えばポチッとボタンを押したらあとは生成AIに任せて、早めに帰って休むも、趣味に没頭するも自由で、開発者のワークライフバランスの向上にも寄与します。

本宮（モデレーター）
生成AIが、童話の小人のように寝ている間に仕事を片付けてくれるのですね。ただ、やはりミッションクリティカル領域のシステム開発においては、誤情報の生成などAIへの不安は根強いと思います。そういうお客さまの心配を解消する策はあるのでしょうか。

五十嵐
生成AIを使って高信頼なシステム開発を行うには、開発工程の中で生成AIをどのように使い、人がどのようにチェックを行うか、適切なプロセスの策定が重要です。日立は、長年にわたってミッションクリティカル領域のシステム開発に携わってきたノウハウと、生成AIに関する最前線の知見の両方を持っています。これらをうまく組み合わせて、お客さまのケースではどういうプロセスが最善なのか、ともに考えていきます。

本宮（モデレーター）
なるほど。どんな業務特化型生成AIにおいても、生成AIと人との協働のバランスは成功の鍵を握るかもしれませんね。

熟練者が持っている暗黙知の学習

本宮（モデレーター）
滝川さんからは先程、どうやって生成AIに熟練者の知識を学習させるか、という課題が大きい、というお話をいただきましたが、それについてどのような取り組みを進めていますか。

滝川
現在、労働人口の減少に伴い、AIを活用した熟練者の知識継承へのお客さまの期待は高まっています。しかし、特にOT（制御・運用技術）分野の熟練者の判断プロセスは非常に複雑で、その学習は容易ではありません。

例えば、製造現場のマシン障害で「Aというエラーコードが出たら原因はB」とマニュアルに書いてあっても、熟練者の皆さんは、「でもこの場合マシンはこういう環境に設置されているから原因はCという可能性もある」とか、「同時にこの現象も発生しているから原因はDだ」など、マニュアル情報に加えて全体の状況を複合的に分析して適切な判断を行っています。

こうした複雑な判断をAIに行わせるためには、マニュアルや手順書などの「形式知」に加えて、言語化が困難な「暗黙知」もしっかり学習させることが重要になります。

本宮（モデレーター）
暗黙知の学習は、企業が強みを継承していくために非常に重要ですが、「言うは易く、行うは難し」と認識しています。例えばどのようなアプローチで取り組んでいるのですか。

滝川
はい。さまざまな取り組みがありますが、例えば、マニュアルや図表などの形式知から暗黙知を抽出する研究なども進めています。現在行われているアプローチの1つは、現場の熟練者の方へのインタビューです。日立では社内のOTの現場において、長年力を入れてきたエスノグラフィー調査*¹などにより、熟練者の判断プロセスを抽出する手法を研究し、取り入れています。その際、単に、ナレッジを出してください、とお願いするだけではうまく暗黙知を聞き出せないことがあります。熟練者の方にとっては、言うに及ばない常識だと思っている知識が、実は重要なナレッジであることが少なからずあるからです。現在、抽出した熟練者の判断プロセスの生成AIへの取り込みを進めており、ある程度の精度の回答が得られるまでに学習は進んでいます。

また熟練者は、異音や、目で捉えた変化も組み合わせて判断を行っています。AIでも同様に、音声情報や画像情報も組み合わせて回答を生成できるようマルチモーダルAIを活用した研究も進めており、さらにその先では、それらをAIとのインタラクティブなやり取りにより自動で行っていくことなども考えています。
*1 エスノグラフィー調査：実際の現場で業務行動をつぶさに観察し、対象者も無自覚なニーズを探索する手法。

本宮（モデレーター）
ありがとうございます。この熟練者の知識の継承という課題は、どの分野でも共通なのではないでしょうか。次は、知識の継承をテーマに皆さんと意見交換をしたいと思います。

次回、第4回は5月21日公開予定です。

本宮 学（もとみや まなぶ）
アイティメディア株式会社
DX編集統括部 統括部長 兼ITmedia ビジネスオンライン編集長
※所属と肩書はウェビナー開催時点のもの

アイティメディアの BtoB IT・ビジネス領域メディアの責任者。先端テクノロジーやエンタープライズIT分野の取材を続け、2016年からITmedia NEWS編集長、2018年からITmedia ビジネスオンライン編集長にそれぞれ就任。両メディアの統括責任者を経て、2024年10月より現職。日本企業のデジタル変革やAI活用の可能性について取材している。

滝川 絵里（たきがわ えり）
株式会社 日立製作所 AI&ソフトウェアサービスビジネスユニット
AI CoE GenAIセンタ ワンストップサポートサービス
部長

日立製作所入社後、官公庁向けプラットフォームのシステム運用や、クラウドサービスの立ち上げに参画したのち、大学の頃から興味があり取り組んでいたデータ分析の世界に参画。自然言語を中心とした障害対応支援や営業力強化のAIソリューションの開発に従事。2023年より全社生成AI活用プロジェクトに参画し、日立グループ全社への共通基盤展開や、その実績を活用した外販ソリューションの拡販、支援を担当。現場で働くなんでも知っていてみんなが頼りにするベテランの方々を尊敬しており、いつかAIがそんな存在になることをめざしている。
さらに詳しいプロフィールはこちら

五十嵐 聡（いがらし さとし）
株式会社 日立製作所 アプリケーションサービス事業部
テクノロジートランスフォーメーション本部 生成AIシステムエンジニアリング部
部長

日立製作所入社後、ミッションクリティカルな大規模システム開発を実施（産業流通業界）。スクラッチ開発、マイグレーション開発、インフラリプレースなど多岐にわたるプロジェクトをプロジェクトマネージャーとして推進。現在はシステム開発における生成AI活用として「生成AI活用開発フレームワーク」を中心としたアセット開発の取りまとめ、及びプロジェクトへの適用支援、展開を実施中。
さらに詳しいプロフィールはこちら

照屋 絵理（てるや えり）
Director, Strategy Office, Strategic Social Innovation Business BU, Hitachi Digital LLC

日立製作所研究開発グループ入社。自然言語処理に関わる研究開発に従事。2022年に公共システム事業部に異動。データサイエンティストとして、材料開発メーカー向けにデータとAIなどのデジタル技術を活用し材料開発を加速するMaterials Informatics関連の技術開発・拡販を担当。近年は、公共分野の生成AI活用支援にも従事。日立認定データサイエンティストゴールド。理学博士。
さらに詳しいプロフィールはこちら

大山 友和（おおやま ともかず）
株式会社 日立製作所 デジタルシステム＆サービス営業統括本部
Executive Strategy Unit
チーフプランニングエキスパート

日立製作所入社後、コンサルティング部門にて営業業務改革や新規事業の立上げなどに従事。日立コンサルティングに出向後は、基幹業務システム構築などに従事し、プロジェクトリーダーとして、システム企画・構築・運用全般を統括。その後、日立製作所に戻り、営業バックオフィスを支える業務システム全般を統括してきた。現在、営業部門の生成AI徹底活用PJの取纏めとして、講演活動やナレッジ蓄積、社内コミュニティ運営、人財育成などの取り組みを推進中。
さらに詳しいプロフィールはこちら