「DXを身近に感じられないあなたへ」～近づくための第一歩「INPUT Starter」～

“AIは魔法ではない"？

「AIは魔法ではありません」
こんなフレーズをよく使っていました。

望む事を全て叶えられない、仕組みの限界がある、そんな事を表すためによく使っていたフレーズです。今、この瞬間においても魔法ではないことに変わりはありませんが、直近ではこのフレーズが持つ意味が変わってきています。いわゆる第３次AIブームが起こり、多くの人が大きな期待をAIに寄せる一方、先進的にAI活用に取り組んでいる方々は、より上手くAIを使うためには、“AIは魔法ではない”という概念を持つことが重要という認識が広まっていきました。

AIは魔法ではない、これはつまり“AIのできること・できないこと”を正しく認識し、理解することにあります。ですが、想像以上に技術の進歩は目まぐるしく、“AIは魔法ではない”という概念すら固定概念化しつつあると感じています。何といっても“生成AI”の登場が、“AIのできること”の限界を広げていることが大きな要因です。ある意味、数年前までは魔法のように考えていた“AIのできないこと”、理論としてしかなかった機能が、現実になり得ると社会認識に変化をもたらしています。

これから先、より重要になるのは、自分たちがAIなどを活用して叶えたいビジョンを鮮明にもつこと。例えばお湯が欲しい、となったときにお湯を作り出す魔法がなかったとして、「それは叶わない」ではなく、今ある火の魔法と水の魔法を使えばお湯を手に入れられるとビジョンを持っていれば、お湯を作り出す魔法も新しく生まれる可能性があることがわかったというイメージに近いと思います。

2024年　さらに重要度を増す“データ"の価値

そもそもAIを活用する目的は、“DX”。そこには業務効率化や、新たなビジネス価値創造と多くのことが含まれますが、目前の事象でまとめるのであれば“データ利活用”になると思います。さて、AIは魔法のようになってきた、というようなことを述べましたが取り違えてはいけないことがあります。

それは魔法を使うのに杖が必要なように、AIの効果を最大化するには“データ”が必須であることです。２０２３年末に生成AIの精度向上において注目度が上がってきたRAG（Retrieval-Augmented Generation：検索拡張生成）モデルという自然言語処理の技術があります。Chat GPTのように学習された生成モデルでの要約に加え、その他のデータソースから関連性の高いテキストやドキュメントを検索する機能を併せ持つモデルです。

つまり、質問などのテキストを理解し上手くテキストとして応答する、という生成ＡＩの従来の機能に、理解した上で答えのもとの情報を外部のデータソースから取り寄せることで回答の精度（質）を上げるという考え方になります。このＲＡＧモデルによって期待されるのは、Ｃｈａｔ GPTの導入を企業で検討する際に、最初にテーマにあがる、社内規則や文書、社内事務プロセス（フロー）に最適化されたbotとしての活用、これらの精度が上がることが最たる例だと思います。このＲＡＧモデルを実装していくことを考えるときに重要なのはデータソース、先の例であれば社内規則文書や事務プロセスなどがしっかりとデータとして運用されているか、になってきます。

このように、技術が進歩し、“ＡＩのできること”が増えるほど、企業がもつ“データ”の重要性・価値も比例して大きくなると考えられます。まさに、より良い魔法を使うためにはより良い杖が必要、その素材が“データ”という事です。

最適な“データ運用"とは　身近な落とし穴

さて、先ほどの例において、「文書やマニュアルはドキュメントとしてデータで存在する」と感じられたかたも多いと思います。もちろん、そのようにドキュメント化されていることはとても重要ですが意外と見落としがちな落とし穴もあります。より具体的な例として、取引先から請求書を受け取り支払い処理を進めるプロセスで考えてみたいと思います。

---

このプロセスを見た時、「手作業はあるものの、仕訳情報などはシステム運用化されているのでデータとしても保持されており問題ない」と一見見えます。しかしながら、これはAI活用（データ利活用）を鑑みた場合、“最適なデータ運用"ではないと考えられます。もっとも大きな課題は、“ノウハウがデータとして保持されていない”ということです。この場合、最終的なアウトプット（仕訳情報）のみ、テキストデータとして保持される形になりますが、どんな請求書（請求情報）がどのようなロジック・プロセスでそのアウトプットに至ったか、従来の経理担当者や処理担当者のもつノウハウがデータとして保持されないこととなります。

こうなってしまうと、いざAIによる効率化を検討した際、AIも学習するデータが一側面のものしかないため、精度があがらず、「使えない」という結論になってしまいます。例えば、このプロセスにおいて請求書、つまり元となるインプットデータがPDFとして保存されていても、請求書のどの明細科目がどのアウトプットになっているかの紐づけを一意的に捉えることが難しく、効果の高い学習データになるとは言えないでしょう。最適なデータ運用とは、インプットとアウトプット、更にはそのプロセスのロジックなどが紐づいた状態でデータとして運用されている、というのが最も理想的といえるのではないでしょうか。

先に進むための一歩　「INPUT Starter」

ビーウィズでは“データ利活用”に向けたデータ運用を実現するため、まずは手軽に一歩目を踏み出すことをコンセプトとしたデータ化パッケージサービス「INPUT Starter」を開始しています。お客様のデータ化したい書類をAI-OCRを利用し、テキストデータ化するサービスとなりますが、そのポイントは大きく２点に挙げられます。

---

より手軽に開始の検討を頂きやすくするため、サービス費用は利用した帳票枚数に応じた従量課金となり、コスト試算・管理が明瞭な価格構成になっています。また、請求書や納品書といった帳票種類ごとに、あらかじめビーウィズで培ったデータ化業務ノウハウを活かし、必要とされるデータ化対象の内容や、納期などのサービス仕様はパッケージ化されております。そのため、利用にあたってご準備頂くものはデータ化したい対象書類のみとなります。「INPUT Starter」はパッケージサービスとなりますので、お客様ごとのご要望に即したご提案も勿論可能ですが、まずは検討頂きやすい形としてご用意しているサービスになります。

▶INPUT Starter　資料ダウンロード

先ほどの事例でいえば、INPUT Starterが実現する新たなプロセスはこちらです。

---

まずはインプット情報を最適にデータ化することで、出発点である“最適なデータ運用”を目指します。ですが、我々が目指すのはさらにその先にあります。より大きな効率化に向けたご提案を続けていきたいと考えています。

---

この記事においてご説明してきた内容は、企業が持つデータの重要性、しっかりとしたデータの持ち方が重要であると、ある意味あたりまえの内容だったかと思います。ですが、AIが進歩するなか、この“あたりまえ”が改めて深い意味を持ってきていると改めて感じています。AIやテクノロジーがさも魔法のようになったとしても“根っこ”の部分は変わりません。我々ビーウィズはお客様のデータ基盤の構築という根っこに対してより良いサービスをご提供していければと考えております。

---