もはや、こんなところまで？
生成AIの最新ユースケース

最近、よく耳にする「生成AI」とは、コンピュータが学習したデータをもとに新しいデータや情報をアウトプットする技術です。これまで人間が担っていた、「考える」、「計画する」といった思考プロセスを、AIが代行してアイデアやコンテンツを生み出します。生成AIといっても、言語系、画像・映像系、音声・音楽系のように様々な種類の生成が可能です。

言語系の生成AIは、利用者がテキストで質問すると、AIが内部で計算処理を行い、テキストで回答するシステムです。使用される言語モデルにより精度が変わりますが、まるで人間のように高精度な回答をするChatGPTも登場しています。

画像・映像系の生成AIは、利用者がテキストなどでテーマを入力すると、AIがオリジナル画像や映像を生成するシステムです。デザインなどのクリエイティブ分野における、業務のサポート、新たなアイデアの創出といった幅広い活用に期待が寄せられています。

音声・音楽系の生成AIは、テキストによる入力や、利用者が音声・音楽データを入力することで、AIが音声の特長を学習し、新たな音声・音楽データを生成するシステムです。とりわけ音声の領域では、コンタクトセンターでの自動応答やゲーム・スマホアプリなどで幅広く活用されています。

今回はChatGPTに代表される言語系の生成AIにフォーカスして解説します。ChatGPTは生成AIサービスとしてWebアプリケーションとして提供されていますが。このレイヤーの下でサービスを支えているのがLLM（Large Language Models）と呼ばれる大規模言語モデルです。ChatGPT ではGPT-3.5、GPT-4などがLLMに該当し、数字が大きいほどアウトプットの精度が高くなります。すでに生成AIは、さまざまな領域で活用されています。ここで、いくつか分野別のユースケースを紹介していきます。

まずは教育と生成AIを組み合わせたユースケースです。最近、さまざまなオンライン家庭教師サービスが登場していますが、オンラインチューターを人間ではなくAIが担うサービスもあります。すでに英会話サービスなどで実装されており、人間相手よりAI相手の方が気後れせずに発話がしやすいといったメリットがあります。

その他にもエンターテイメント領域では、ゲームに登場する村人などのキャラクターへの生成AIの導入により、ランダム性を持った自由な会話を提供できます。あるいは、レストランの予約システムのインバウンド対応で生成AIを利用すれば、メニューやサービスの説明をネイティブのように流暢に提供できます。さらには、フリマアプリに生成AIを実装して出品内容の最適化を提案するケースなども出てきています。

業界に特化した領域で見ていくと、最近はヘルスケア、ファイナンス、財務・リーガルといった領域での生成AIの開発が活発です。たとえば、リーガル領域ではChatGPTを活用して契約書の修正文案を作成するといったユースケースがあります。医療の領域では医療に特化したLLMの開発なども行われています。

生成AIを世に広げるためにクリアすべき課題

LLMの学習にはデータセンター、GPU（Graphics Processing Unit）などの物理レイヤーで膨大なコストが必要になります。さらに、GPTをはじめとするLLMは学習に大量の電力が必要となり、GPT-3のような大規模LLMでは、1回の学習で原発1基を1時間稼働させる電力量が必要になるという試算もあります。実際に世界のデータセンターのデータ量は、2018年から30年で約16倍、消費電力は約13倍になるとする予測もあり、これから先、生成AIの発展に必要となる電力量は、加速度的に増加していくかもしれません。

さらに用途によっては生成AIのために大規模なGPUクラスタが必要となります。業界に特化するためのチューニング、推論にかかるコストも膨大であることから、サステナビリティの実現においても、またLLMの学習環境を準備するためのコスト削減においても、大きな課題となっています。

そこで、NTTでは、これらの課題をクリアするために低消費電力で高効率なNTT版のLLMの構築を推進。2024年3月より軽量でありながら世界トップレベルの日本語処理性能を持つ大規模言語モデル「tsuzumi」（つづみ）の提供がスタートしました。

大規模言語モデル「tsuzumi」の
ユニークな特長とは

「tsuzumi」の特長の１つが「モデルの軽量化」です。サービスとしてパラメタサイズ6億（0.6B）の超軽量版、70億（7B）の軽量版の2種類があり、GPT-3の1750億（175B）と比べても、それぞれ1/300サイズ、1/25サイズの軽量化を図っています。軽量版には1GPU、超軽量版はCPUで高速に推論できるサイズにし、学習・推論・チューニングに必要となる電力量やコストを抑えられるようになっています。

言語処理能力の高さも「tsuzumi」の持つ大きな特長です。NTT研究所には40年以上に及ぶ自然言語処理研究の蓄積があり、AI分野の研究力は世界トップレベルです。2022年のAI分野論文数ランキングでは世界12位、国内1位のほか、数多くの実績を持っています。これらのノウハウを結集した「tsuzumi」は、日本語と英語に対応し、日本語処理性能は小さなパラメタサイズでも高い精度を発揮。GPT-3.5や国産トップのLLM群を上回る数値を出しています。さらに、利用ユーザーやシーンに応じたアダプタを導入することで、たとえば特定の業界に特有の言語表現、知識に対応するチューニングを少ない追加学習で実現可能です。

テキストのみならず、プレゼンテーションスライドに含まれる図やグラフを正しく理解できるマルチモーダルについても対応予定です。たとえば、画像付き文書を検索する業務など、人間の認知が必要な業務への活用が可能になります。加えて言語による回答も生成できるようになるため、カウンセリングやコールセンターなど、利用者のさまざまな状況に応じた自動応答への活用も期待できます。

「tsuzumi」ではNTTグループの豊富なアセットを利用して、GUIによる利便性向上、機密情報の漏えいを防ぐセキュリティ確保など、独自の付加価値をプラスできます。長年、他業種のお客さまに解決策を提案してきたドコモグループの確かな実績を駆使したユースケースの提供により、さまざまな業界のお客さまに適した課題解決法を提案できます。

「tsuzumi」を実装したソリューションと活用領域

ドコモビジネスでは、新たな価値を創出したい、業務の効率化を図りたい、セキュリティや運用の負荷を軽減したいといったDX推進の幅広い課題の解決に貢献するため、まずはCX（Customer Experienceカスタマー・エクスペリエンス）ソリューション、EX（Employee Experienceエンプロイーエクスペリエンス）ソリューション、CRX（事業継続性）ソリューションに絞って「tsuzumi」を活用した生成AIの実装を検討しています。

多店舗展開におけるEX/CXの品質を向上するユースケース

従業員側のEXの観点としては、POS（Point of Sale）と連動した魅力的な棚割りの実現により、お客さまからの商品の問い合わせ対応の省力化が可能です。さらにお客さま側のCXの観点としては、対話デジタルヒューマンとLLMを連携することで、双方向のコミュニケーションを実現。あらかじめ準備された回答を返すのではなく、お客さまの属性や要望も加味した回答を、その場で生成して的確な応対が可能になります。

企業のセキュリティ運用を効率化し、事業継続を実現する
CRX（Cyber Resilience Transformation）ユースケース

新たなMDR（Managed Detection and Response）ソリューションにより、セキュリティを含むIT運用の自動化を実現します。さらに、LLM活用による簡易化で企業のセキュリティを含むIT運用の負担を低減。セキュリティが担保された基盤での安全な活用とインシデント発生時のログ監査の早期対応などのメリットが見込め、積年の課題だった「マルウェアなどの脅威への対応」と、「セキュリティ人材不足」という矛盾を解決できます。

自治体サービスを高度化・効率化するユースケース

デジタルヒューマンと生成AIの連携により24時間365日のフルタイム体制で住民のライフスタイルを支えるサービス環境を実現します。また、法律、答弁資料などの独自情報を活用して議員活動をサポートし、新任職員でもベテラン職員同様の応対ができるよう生成AIが支援します。生成AIの活用により、秘匿データ保護しつつ、住民向け、職員向け、議員向けそれぞれの提供価値を最大化させます。

その他にも「tsuzumi」では、教育、ヘルスケア、建設現場、テレプレゼンス、GX（Green Transformationグリーントランスフォーメーション）、HR-Techなど、さまざまな提供領域を視野にサービスの拡充を図っていく計画です。近い将来、間違いなく生成AIはビジネスのさまざまなシーンで活用されるようになります。今後もドコモビジネスでは、生成AIの社会実装に向けた取り組みを進めるとともに、最新の情報をみなさまにお届けしていきます。