生成 AI 活用プロジェクトを成功に導く4つのポイント

記事の概要

本記事では、生成 AI 活用プロジェクトを推進している人に向けて、

1. 生成AI活用プロジェクト進行の基本的な流れ
2. 生成AI活用プロジェクトによくある期待
3. 生成AI活用プロジェクトで直面しやすい課題
4. 生成AI活用プロジェクトを成功に導くポイント

を紹介します。

生成AI活用プロジェクト進行の基本的な流れ

生成AIの活用においては、 PoC (Proof of Concept) プロジェクトから始めることが一般的です。

PoC とは日本語で「概念実証」を意味します。これは、新たな概念・アイデアの効果測定を目的に、プロトタイプを作成・検証することを意味しています。

PoC プロジェクトは、次のように進行します。

1. ビジネス上の課題を特定
2. （生成 AI による）課題解決方法の検討・構想
3. PoC 環境の構築
4. 効果測定
5. 振り返り / フィードバック

生成AI活用プロジェクトによくある期待

続いて、上記のように進行するプロジェクトの中で、よくある期待を紹介します。プロジェクトオーナーや関係者からは、次のような期待が良く聞かれます。

	期待内容
1	従来のシステム化では解決出来なかった、複雑なタスクを処理できる
2	専門的な知識が求められる、難易度の高いタスクを処理できる
3	常に誤り無く、正しく処理できる

従来のシステムは、主に、ロジックを定義出来るタスクを、自動化するものでした。一方、生成AIは、「事前の定義化が難しいタスク」への応用が期待されています。

例えば「売上が1.5倍になる施策を検討せよ」といった、複数の正解が考えられる「1. 複雑な問いかけ」に対して、マーケティングや経営といった「2. 専門的な知識」を踏まえて、「3. 常に正しい」回答をすることが期待されています。

生成AI活用プロジェクトで直面しやすい課題

先述した期待から、プロジェクトマネージャーは次のような課題に悩まされることとなります。

1. 生成AIへの期待が過剰に高くなる
2. 誤回答の生成リスクが認知されない

本記事ではこれらの課題について、それぞれ詳しく解説します。

1. 生成AIへの期待が過剰に高くなる

生成AIの具体的な機能や限界はあまり認知されていません。

メディアや小説・映画でもよく取り上げられるテーマともあってか、「何でもできる」という期待を抱かせてしまうようです。

特に、生成 AI 関連技術に詳しくない職業・業種（エンジニア以外の職種）であるほど、非現実的な期待を持ちやすい傾向にあります。

2. 誤回答の生成リスクが認知されていない

直前の課題と関連しますが、生成 AI に対して、「システムだから間違えることはないだろう」という期待も散見されます。

しかしながら、生成AIは回答内容の正確性を担保しません。（正確性を高める技術的な仕組みはありますが、「常に正しい情報であることを保証する」ことは困難です。）

生成AIは何かしらのデータソースに基づいて回答を生成するものです。そのため、インプットデータに誤情報や古い情報が含まれる場合、誤回答が生成される可能性があります。（インプットデータを限定することで、精度を上げる手法も存在します。ただし、 Gemini や Chat-GPT のようなコンシューマー向けサービスの場合は、このリスクを回避できません。）

生成AI活用プロジェクトを成功に導くポイント

上記の期待と課題を踏まえて、生成AI活用プロジェクトを成功に導くためのポイントを4つ紹介します。

	成功に導くためのポイント
1	ステークホルダーの期待値をコントロールする
2	生成AIの活用要素事例を収集する
3	生成AIサービスの違いを理解する
4	生成AIが力を発揮しやすい領域で活用する

1. ステークホルダーの期待値をコントロールする

各ステークホルダーは、以下のように様々な期待を持ちます。

ステークホルダー	期待する内容
経営層・意思決定層	大幅な業務効率化やコスト削減
現場社員	複雑な作業の自動化や負担の軽減
利用ユーザー	より便利で快適なインターフェース、新機能

これらの期待はいずれも生成AIで叶えうる内容ではありますが、これらの期待が非現実的な目標まで大きくなってしまうケースが散見されます。

プロジェクトを推進する際には、生成AIの能力を理解した上で、期待値を現実的なレベルに調整することがポイントとなります。

特にプロジェクトの初期段階、「2. （生成 AI による）課題解決方法の検討・構想」フェーズで意識したいポイントです。

具体的な調整方法としては、生成AIの現状と課題を具体的に説明することが考えられます。

後述するポイント「2. 生成AIの活用要素を収集する」を踏まえてデモンストレーションや事例紹介を行い、具体的な機能と活用方法のイメージを共有することが効果的です。

2. 生成AIの活用要素を収集する

生成 AI 関連のサービスは、日進月歩でアップデートが行われています。また、活用事例・ビジネスシーンもどんどんと拡大しています。

これらの情報を収集することで、期待値をコントールする際の説得力が増加します。自社の活用事例と類似する情報を積極的に探すことを推奨します。

特に技術者においては、新技術やアップデートによって「どのような課題が解決出来るか」という点を主軸に情報を収集すると良いでしょう。

当社ブログでも、生成 AI 関連に関する記事を執筆しております。ご参考ください。

G-gen Tech Blog - Generative AI（生成AI）記事一覧

3. 生成AIサービスの違いを理解する

ここまで「生成 AI 」と一口に述べてきましたが、この言葉が指す具体的なサービスは複数あります。

例えば Google の生成 AI については、エンタープライズ版の「VertexAI」と、コンシューマー版の「Gemini」の2種類に分かれており、この2つは別のサービスです。

大きく、次の点に差分があります。

　　　　　　 　　　　　　 　　　　　　

	名称	アップデート頻度	利用バージョン	セキュリティ・ガバナンスの特徴
1	Gemini (旧称: Bard)	比較的早い	常に最新化される バージョンの固定は出来ない	アクセス制限やデータ制限は不可
2	Vertex AI	比較的遅い	特定のタイミングで最新バージョンが追加される バージョンは設定で固定化できる	認証機能の実装が可能 利用データ・学習データの制限が可能

一般ユーザーや非技術者はコンシューマー向けのサービスである、 Gemini を利用しています。そのため、プロジェクトの成果物にも Gemini と似ている品質を求めることがあります。

プロジェクトをコントロールする上で、コンシューマー向けとエンタープライズ向けのサービスの違いを念頭に入れておくことを推奨します。

4. 生成AIが力を発揮しやすい領域で活用する

最後のポイントが、生成AIが力を発揮しやすい領域内で活用するように、利用領域を制御することです。

生成 AI が力を発揮しやすい分野は、新しい発想や切り口を見つけ出すこと。情報の整理や、構造化、要約などがあげられます。

反対に苦手な分野は、正確性が必要な問いかけへの回答、真偽を判別できない問いかけへの回答などとなります。

上記を踏まえて、生成 AI 活用を検討する際に、力を発揮しやすい領域や課題を選定することを推奨します。

G-gen の 生成 AI 活用支援ソリューション

G-gen では、生成 AI 活用プロジェクトを支援するソリューションを提供しています。本ブログで紹介したポイントを踏まえ、エンジニアが技術支援いたします。

詳細は以下のリンクから資料請求ください。

株式会社G-gen - Google Cloud ではじめるGenerative AI 活用支援ソリューション

※本記事はG-genから提供を受けております。著作権は同社に帰属します。

[PR]提供：G-gen