2024年11月29日、RED° TOKYO TOWER（東京・港区）にて、DX担当者向けセミナー「【あらゆる業界必見】3ヶ月でAI実装を実現！大手製造業から学ぶ 現場が動くDXの極意～90日間の無料アカウントで実践できるハンズオン付き～」を開催いたしました。
本セミナーは実データを駆使したAI活用から得られる知見や洞察を参加者同士で情報交換できるイベントとして実施し、多くの皆様にご参加いただきました。

東日本電信電話株式会社（現：NTT東日本株式会社）、栗田工業株式会社、エクスチュア株式会社の各ご担当者様にご登壇いただき、予測AI & 生成AIを活用した事例をご紹介いただき、弊社、株式会社GRIからも生成AIとデータ基盤構築の事例についてご紹介いたしました。

本イベントレポートでは、弊社株式会社GRIの横井晃広より発表いたしました「生成AIとデータ基盤をノーコードで高速に連携構築する方法」の事例をわかりやすくご紹介いたします。

本セッションでは、データ基盤の観点から生成AIをどのように組み合わせ活用していくかについて、具体的なデモンストレーションを交えながら解説しました。

 
生成AIは最新技術であり、ビジネスインパクトへの大きな期待がある一方で、情報源が不明瞭な「ブラックボックス化」されている部分や、必ずしも正確な答えを返さないといった課題があります。これに対し、データ基盤は正確性や堅牢性が求められるため、両者の親和性が低いと感じる方もいるかもしれません。しかし、このセッションを通して生成AIとデータ基盤の組み合わせにより「一歩先の未来」を踏み出すきっかけになればと思っております。
 

生成AIとデータ基盤の親和性

生成AIは、ChatGPTのようなテキスト応答といった主に自然言語処理やテキスト生成に強みを持つ技術です。特に生成AIの「曖昧さを許容できる処理」がデータ基盤との親和性が高く、活用できる部分になると考えています。

具体的には、以下のようなケースで生成AIが有効に活用できると考えられます：

• アンケートや問い合わせの自由記述など、人間が行うと個人差が出るような曖昧な情報を、感情分析したり、カテゴリ分けしたりする処理
• ルールベースの単純作業
• 大規模なデータの要約や、要約結果からの施策アイデア列挙

利用者アンケート結果のカテゴライズのデモンストレーション

データとしては、約1,000行弱のアンケートデータを使用しました。今回のデモで使用したデータボリュームでは、パフォーマンスとして約1分（ウェアハウスサイズ：XS）、費用として1回あたり約7円（スタンダードエディション）という結果でした。そのため、大規模データでも追加投資なく対応できると考えられます。
 

デモンストレーションの詳細な流れ

1. データ読み込み: Matillionの画面で、アンケートのサンプルデータ（ID、性別、年齢、職業、選択式回答に加え、自由記述の回答が格納されたカラムを含む）を読み込みます。
2. AIコンポーネントの適用: Matillionのコンポーネントライブラリから「Cortex Completions」をドラッグ＆ドロップで追加し、アンケートデータに接続します。これにより、ノーコードで組み込むことができます。
3. コンポーネント設定:
   • モデル選択: LLaMA 3.1 70Bなどの任意のモデルを選択。
   • システムプロンプト: AIに対する前提条件として「今回はアンケートデータの加工をします」といった指示を入力。
   • ユーザープロンプト: 実際の処理内容を指示します。「この自由記述の文章を、記載した5つのカテゴリに分類してください」といった具体的な指示をプロンプトに入力します。
     これらのプロンプト調整は、技術が必要な部分ではあるものの、Matillion上ですぐに試行錯誤することができます。
4. 処理実行と結果の確認: 対象カラムとして「Question 6（自由記述回答）」を指定して保存すると、Matillion上で「Validation Successful」と表示され、AIによる分類がすぐに完了します。生成された結果は、当初はネストされた形式で新しいカラムに出力されます。
5. 結果の展開: ネストされた結果はそのままでは分析しづらいため、Matillionの機能で「ネスト展開」コンポーネントをノーコードで利用し、「message」部分のみを抽出して、分析しやすいフラットな形式に変換します。
6. Snowflakeへの出力: 処理済みのデータをSnowflake側のテーブルにノーコードで出力します。データベース、スキーマ、出力テーブル名を指定するだけで、すべての処理が完了できました。

詳細なデモの模様はYouTubeよりご覧ください。

 

分析と成果

MatillionとSnowflakeを使ってAI処理が施されたアンケートデータをTableauでダッシュボードとして可視化しました。

• カテゴリ分布: 「特に無し」が約51%を占め、「パフォーマンス」や「サービス改善」といったカテゴリに分類されていることが視覚的に確認できます。
• 分類精度の確認: ダッシュボードの右側では、分類された結果の精度を確認することができます。例えば、「UIの改善」と分類された52件の回答内容を確認すると、「画面がおかしい」「スクロールできない」「ボタンを押しやすくしてほしい」といった、実際にUI改善に関する具体的な意見がまとめられていることが示され、生成AIによる分類が適切に行われていることが実証されました。

まとめと今後の展望

今回のデモンストレーションで、生成AIとデータ基盤が簡単に組み合わせられるんだなと実感していただければ幸いです。一方で今回のデモは、各ツールの機能のほんの一部に過ぎません。データ基盤を使って予測AIの構築や分析など、「どのようなことをしていくのか？」という可能性が先の未来に広がっていくと思っています。データ基盤構築にお悩みをお持ちの方はぜひGRIへご相談いただければと思います。皆さんと一緒に新たな一歩を踏み出していけたらうれしいです。

 

ForecastFlow 90日間無料トライアル実施中！

お気軽にご相談ください！

もっと詳しく話を聞いてみたい、デモのご相談などお気軽にご相談ください。貴社のご要望に最適なソリューションをご提案いたします。