メディアでその文字を目にしない日はないほど、急速に社会に浸透し始めた生成AI。その未知の可能性が製造業に与えるインパクトについて、専門家に話を聞くシリーズ第2弾。デロイト トーマツ コンサルティングの執行役員であり、デロイト トーマツ グループのDeloitte AI Instituteやアジア太平洋地域の先端技術領域を率いる森正弥氏にお話を伺います。
同社の生成AIの導入支援からみたニーズの変化や具体事例、リスクコントロールや今後の利活用の可能性についてなどを、上下編の2回に分けてお届けします。
アジア太平洋地域 先端技術領域リーダー
グローバル エマージング・テクノロジー・カウンシル メンバー
外資系コンサルティング会社、グローバルインターネット企業を経て現職。
ECや金融における先端技術を活用した新規事業創出、大規模組織マネジメントに従事。世界各国の研究開発を指揮していた経験からDX立案・遂行、ビッグデータ、AI、IoT、5Gのビジネス活用に強みを持つ。CDO直下の1200人規模のDX組織構築・推進の実績を有する。
東北大学 特任教授。東京大学 協創プラットフォーム開発 顧問。日本ディープラーニング協会 顧問。過去に、情報処理学会アドバイザリーボード、経済産業省技術開発プロジェクト評価委員、CIO育成委員会委員等を歴任。
著書に『ウェブ大変化 パワーシフトの始まり』（近代セールス社）、『両極化時代のデジタル経営』（共著：ダイヤモンド社）、『パワー・オブ・トラスト 未来を拓く企業の条件』（共著：ダイヤモンド社）、『信頼できるAIへのアプローチ』（監訳：共立出版社）がある。
海外よりも生成AIの導入が進む日本の製造業
――まずは、製造業における生成AIのニーズの変化と活用についてお聞きしていきたいと思います。現状、製造業から寄せられる相談にはどのようなものが多いのでしょうか。
デロイト トーマツでは、生成AIを活用して以下の4種類の支援を行っています。
①全社導入：ChatGPTなどのAIツールを全社に導入し、社員の生産性向上を図る
②業務システム連携：自社システムに生成AIを組み込む
③顧客対応進化：音声認識や音声合成、AIアバターをChatGPTと組み合わせ、顧客とのコミュニケーションに活用する
④独自LLM（大規模言語モデル）開発：自社独自のLLMを開発し、特定の業務領域に特化し活用する
2023年の上半期までは、①に関するご相談がもっとも多かったのですが、2023年10月現在は①が一通り完了し、②へ移行し始めている印象です。
全社導入では営業の企画書やメール文面の下書き、議事録の作成などで浸透し、業務システム連携に移り始めているようですね。
――③、④ではどのような活用が考えられるのでしょうか。
③の顧客対応進化については、海外の小売やレストランにおいて、LLMとメタバースで培われた技術を融合させた顧客対応アバター（デジタルヒューマン）の開発が進んでいます。製造業の現場でもAIアシスタントとして活用しようという動きが出てきており、ある日本企業では海外に逆輸入できるようなアイデアも生まれています。
その一つが、製造現場でのトラブルシューティングです。これまでは、機械の専門知識を持ったワーカーが、メンテナンス履歴を教えてくれるサポートスタッフと電話でやり取りしながら作業を行っていました。現場に音声認識・音声合成技術を組み合わせたLLMを導入すると、メンテナンスに関する質問を即座に会話で返して作業効率が格段に向上するだけでなく、トラブルと対応の内容が自動的にアップデートされ、作業報告書まで作成されます。日本では数社の大手企業がすでにこうした技術の検証に着手しており、今後国内外に導入が広がると見ています。
④の独自LLMの活用例には、情報科学を用いて素材開発の効率を高める「マテリアルズインフォマティクス」があります。製薬業界ではChatGPTの登場以前から、LLMに製薬に関連する知識を集約させ、創薬に生かす試みがありました。AI創薬は新薬の開発研究において主流になりつつあり、グローバルの製薬会社では、生成AIを動かすためのGPUを大量に積んだスーパーコンピュータの構築なども進み、非常に重要な投資領域となっています。
――生成AIをどのようにマテリアルズインフォマティクスに活用するのでしょうか。
例えば、AとBという2種類の物質があったとします。それらをサンプルに、ＡとＢに似た特徴を持った物質の化合式を作るよう生成AIに命令すると、「あるかもしれないし、ないかもしれない」新しい化合式がアウトプットされます。それを検証してみると、実際に合成可能な化合式が見つかる場合があります。それが、物質探索に有効なのです。これは、見方を変えると生成AIがつく嘘、「ハルシネーション（幻覚）」と呼ばれるものを逆手にとっている手法でもありますね。
ハルシネーションは2022年の11月頃から出てきた新しい言葉ですが、創薬ではこうしたAIの性質を利用した開発は先んじて行われていました。「生成AIは嘘をつく」という話がありますが、それは生成AIのアウトプットに対し、人間が「正しい」「間違っている」という判断をしているだけです。生成AIには嘘をつく意図があるわけではなく、機械学習をベースとし、データから学習をするAIですから、プロンプト（指示）が来た時に、次に来ると予想されるアウトプットを回答しているのですね。学習したデータから次のデータを予測するというのが、根本的な機能なのです。
――森さんの印象として、国内製造業への生成AIの浸透スピードはどう感じられますか。
これまでにない早さで浸透していると感じています。海外の生成AIは、ChatGPT一辺倒な日本に比べて多様性に富み、幅広いユースケースが出てきています。一方で、活用や業務システム連携に関しては日本が大きく先行しています。生成AIと業務システムの連携に用いるRAG（生成AIが社内情報を参照する方法の一つ）は、すでに多くの企業が導入しており、海外のAIプロフェッショナルもその進度に驚くほどです。日本ではIoT化などデジタルツインにつながる取組や、チャットボットを中心としたNLP（自然言語処理）の導入がこの数年で飛躍的に進んできていたのですが、そこに生成AIのブームが来て、かなり大きな広がりを見せていると感じます。
――国内製造業のデジタル化の取組が、海外よりも進んでいるということなのでしょうか？
それはどちらとも言い難いですね。大規模なIoTやデジタルツインのプロジェクトは日本にはありませんし、大手企業でも着手できていません。一方、製造現場のエッジコンピューティングやIoTは非常に進んでいます。これは日本製造業の現場力の賜物と言えるでしょう。
デロイトトーマツのChatGPT導入事例
――貴社で支援された、生成AI実装の具体例についてお聞かせください。
①の全社導入では、企業版ChatGPTの基盤構築を担っています。議事録や企画文書の作成、翻訳などを行う時に、マウス選択だけでプロンプトを自動的に入力することができ、アウトプットが得られるというものです。使用状況を分析してさらに有用性を高める支援や、著作権侵害に繋がりそうなアウトプットを発見した時のリスクコントロールなども行います。
②の業務システム連携については、先ほども触れたRAGの導入です。RAGを活用すると、生成AIに特別な学習をさせなくても、社内のシステムやデータの情報を踏まえたアプトプットが出せたり、社内文書を検索したりすることができるようになります。さらに、RPAと連携させ、生成AIが出したアウトプットで実行指示を出して自動処理まで完了させる取組も始めています。
また、原材料価格予測に活用した事例もあります。
価格予測モデル自体は以前からありましたが、近年はコロナ禍やウクライナ、中東の紛争などでグローバルサプライチェーンが大きな影響を受け、予測がいっそう困難になっています。
この領域ではニュースやSNS、アルファブロガー（大きな影響力をもつブロガー）のコメントなどをいち早く捉えて予測モデルに反映させるという方法があるのですが、従来の自然言語の技術では精度に課題がありました。これにChatGPTを活用したところ、精度が飛躍的に向上したのです。
例えば、原材料やサプライチェーンに関連がありそうなニュースを検知した場合に、ヘッドラインやサマリーをChatGPTに読み込ませます。そして、原材料価格が上昇する傾向か、下がる傾向か、変化なしかといったことを聞いて出たアウトプットを分析し、予測モデルに反映させていくやり方です。これまでいろいろな言語処理技術を使ってきましたが、ChatGPTを用いたものは一番精度が高く、多くの企業で活用できると思います。需要予測の精度向上にも応用できるでしょう。
（下編に続きます）
（提供：Koto Online）
