2日目は、晴で非常に気温が高くなった一日でした。

複数のセミナーを受けて総合的な感想を触れさせて頂きます。

【セキュリティ系】

クラウドサービス（ＳａａＳ）の活用が標準化　される一方ＳＡＳＥ・ＳＳＥを活用して守りつつ、より重要なものをオンプレにて管理若しくはバックアップして備える必要も出てきそうな感触をうけました。

代表的なクラウドは、Ｚｏｏｍ・ｇｏｏｇｌｅｗｏｒｋｓｐａｃｅ・ｏｆｆｉｃｅ３６５　であるハイブリットワークであるテレワークは減少傾向の一方クラウドサービスは８０％を超える所まできているという分析でした。ＳＡＳＥやＳＳＥなどは重要ですが、それにはコストが大幅にかかるようです。中小企業では、多店舗展開されている場合を除いて、重要な情報については、オンプレ環境も従来通り維持しておくことも大切と感じました。

 

＜＜用語の整理＞＞ 

【ＳＡＳＥ（サッシー】（Secure Access Service Edge）

SASEとは、2019年にガートナーによって提唱されたネットワークセキュリティモデルのこと。VPNやリモートアクセス、SD-WANといったネットワーク、ファイアウォールやIDS／IPS、ウイルス対策などを統合したUTM（Unified Threat Management）といったセキュリティの機能をクラウド上で包含的に提供する考え方です。

【ＳＳＥ】（Security Service Edge）

セキュリティサービスエッジ (SSE、Security Service Edge) は、エンタープライズネットワークとクラウドサービスの接続点でセキュリティ機能を提供するアーキテクチャです。従来のアプローチでは、組織ネットワークはセキュリティ機能を内部に配置していました。しかし、クラウドサービスの普及によりセキュリティの考え方は大きく変化しています。

SSEでは、組織ネットワークとクラウドサービスの境界にセキュリティ機能が配置されます。これにより、トラフィックが組織ネットワークを離れる前にセキュリティ機能が適用されるため、より効果的なセキュリティ保護が実現されます。SSEには、ファイアウォール、インターネットゲートウェイ、セキュア Web ゲートウェイ、侵入検知システム (IDS)、データ損失防止 (DLP) などのセキュリティ機能が含まれます。

【ＡＩ系】

業務で使うための正確性を高める為に、企業内のＬＬＭ（ChatGPT等）はクラウドと切り離して、企業内の機密情報についてＬＬＭに読み込ませて企業内の情報を基に正確性・真実性を高める手法をおおく提案がされていました。企業外の一般情報は、ｗｅｂに出て情報を仕入れて活用する。大切なのはデータの整理を行うことが課題になる。

メディア業界のにおける職種

プロデューサー・ディレクター・ライター・エンジニア・サウンドクリエーター　

職種特化型

人事・経理・法務・コールセンター

業界特化型

インフラ・流通・金融

全てＡＩに置き換わる可能性を秘めている。

①ＡＩに何をさせる

②ＡＩに指示する

③ＡＩに品質を管理する

今までの常識を捨てて素の状態で何が出来るかをトライしていく。

ＬＬＭ（ChatGPT等）は、人と同じで全て正しいとは限らない。間違える（うそ）ことがあるので鵜呑みにしない。

＜＜言葉の整理＞＞

大規模言語モデル（Large Language Models、LLM）は、人工知能の一種で、自然言語処理（NLP）と呼ばれる分野で使用されます。大規模言語モデルは、テキストを読んだり生成したりする能力に長けています。一方で、単語や文章の生成に特化しているため、非テキストデータ（例：画像や音声）の処理には制約があります。

ＡＩの活用として事例

①コールセンターのＡＩ自動化

＜旧来＞

予め質問されるであろう想定問答集をつくる　恐ろしく例が拡がり回答が出るまで人らしくない（時間が大幅にかかる）

＜ＬＬＭ自動思考法＞

契約・料金・操作・おすすめ等のそれぞれに関連性をつけながらすべてのデータをＬＬＭに読み込ませることで、必要なデータを組み合わせて回答できるものにかえる

しかし、将来的にハードのスピードや仕組みが向上すると旧来の方法＋ＡＩで正確性を高めることが理想である。とおっしゃってました。

②ＡＩによる養殖

生産効率の課題　７割のコストがエサ

不安定な経営　売上予測ができない

ＡＩによる取込み

エサの適正量をＡＩで図る　いけす内のシミュレーションでいけすをＣＧ化して必要なエサを割り出す

出荷予測　市場相場との連動して生育を調整

いけす→　港　→　県　→　日本　の全てをデータに取込む

日本全国の全てのいけすを取り込むと価格の適正化・地域ごとのエサ等の適正化に使えるデータクラウドに貯めることによってＡＩによる最適化が可能になるとのことでした。

まとめ

真にＡＩを成功させるには、データーの民主化とセキュリティがAＩ先進国になれるかの分かれ目になります。非常に難しい問題と感じました。

理論上は、確かにすべてのデータを集めると適正化が進みますが、企業間競争や個人情報等の課題があると思いますので、成功事例を作ることで方向性が決まってくると思います。別ブースにおいてもモビリティから道路や環境データを取れるようになりますが、自動車メーカーごとになると余り意味がない全体でまとまれるかがカギになりそうです。企業・会計事務所としてみた場合、情報公開と情報管理のバランスを大切にしつつ業務の効率化・売上の増大を図るためにも、ＡＩの導入を検討を進めることが大切と感じました。

 

内容が多いため次週に最後の内容を報告します。ご覧いただきましてありがとうございました。