Open Source Summit Japan 2023で開催された、The Linux Foundation傘下のFintech Open Source Foundation（FINOS）に関するJane Gavronsky氏のセッションを紹介する。FINOSは金融企業だけでなくIT企業もメンバーで、オープンソースソフトウェアの利用が増加していると説明された。さらに、新しいプロジェクトや活動にも触れられている。
Category: Japanese
戦略をうまく実行できない企業が陥る3つの落とし穴 – オンライン
ビジネス戦略の成功には、戦略の設計と実行が欠かせないが、両者を高い水準で実現できる企業はほとんどない。戦略立案者が陥りがちな落とし穴として、首を突っ込みたがること、計画に基づくアクションが不足していること、説明責任のメカニズムが欠けていることが挙げられる。
老朽化したITインフラの「終活」を始めるべき–ガートナーが見解
2027年までに、70％のオンプレミスユーザー企業が「Oldオンプレミス」ベンダーが市場からいなくなることに気が付くとされ、ガートナーは、ハイパーコンバージドインフラストラクチャー（HCI）やハイパースケーラーの活用が必須であると述べた。また、日本企業のCIOの40％以上が、旧来のオンプレミス環境への投資を減らす意向を示していることが明らかになった。
AIの普及によって生み出される新たな仕事とは
最近の求人広告では、人工知能（AI）関連のスキルを持つリーダーが求められている。AIの専門家と、様々な業務や管理に関わる人材が注目されており、AI技術の活用には多岐にわたるスキルが必要とされる。AIへの取り組みには大きな責務が求められており、AI関連の新たな役割も生まれつつある。
生成AIで多種多様な「社内データ」を活用するには？データサイエンティストの手を煩わせない手法を解説
最近の進化している生成AIや大規模言語モデルの普及について説明し、自社でのAI活用を進めるためのデータ運用視点とインフラについても述べる。企業で生成AIの活用や投資が増える中、自社のユースケースに活用するためには社内データの運用が重要。さらに、AI活用に関する3つのパターンやデータ運用の重要性にも触れる。 DataOpsの手法やデータパイプラインについても紹介し、データの運用に向けた戦略を立てるための考え方や具体的な手段を提案。
複雑化するインフラで発生するAI活用の課題……解決のためにまずは、ストレージの機能を使い倒す
データパイプラインやDataOps、MLOpsという手法の活用によって、AI活用の本番環境へのデプロイ時間を短縮することが重要です。エンタープライズストレージの機能を活用することで、データアクセスの簡素化や管理機能の充実、クラウド連携機能の実現が可能となります。さらに、データパイプラインの整備によって、AI活用の試行錯誤の回数を増やし、価値創造に集中できるでしょう。
「9,900万の会員データを圧倒的に使いやすい環境で」NTTドコモがStreamlit活用事例を発表
SnowflakeはNTTドコモと共同で記者説明会を開催。NTTドコモがデータ活用に「Streamlit」を採用し、業務に特化したアプリケーションの開発・運用を開始したことを発表。同社は「Streamlit in Snowflake」として、プラットフォームに組み込んで提供する予定であり、NTTドコモはデータ活用に力を入れている。
なぜ、GoogleはノートPCでも実行可能なAIモデル「Gemma」を発表したのか
Googleは2024年2月21日に最新の人工知能（AI）モデル「Gemma」を発表しました。このオープンソースのAIモデルは、処理性能に応じて2つのサイズ、「Gemma 2B」と「Gemma 7B」があります。Googleの「Gemma」開発の背景には、小規模言語モデルの需要が増加していることがあります。これにより、ユーザー企業は精度の高い処理を期待できます。
2024年のDevRel予測
2024年のDevRel予測は、予算管理の厳格化と活動成果の強化が予想されています。日本では目標設定がゆるく、海外の取り組みが浸透しつつあります。また、コミュニティと教育が重視され、ローカライゼーションやパーソナライゼーションが必要とされています。企業内でのDevRel文化の確立も今後の課題です。
ガートナー、2024年サイバーセキュリティにおける6つのトレンドを発表
2024年のサイバーセキュリティのトップトレンドは、生成AI、セキュリティ意識の低い従業員の行動、サードパーティのリスク、継続的な脅威エクスポージャ、取締役会でのコミュニケーション・ギャップ、アイデンティティ／アクセス管理（IAM）の進化に注目。セキュリティ部門のパフォーマンス向上とサイバーセキュリティリスクの低減が重要。 (Source: enterprisezine.jp)
「GitOps」を活用して、アプリケーションを効率的かつ自動的にデプロイする
CI/CDに続く「デプロイ(Deploy)」について解説します。デプロイはアプリケーションをサーバーに展開し、利用可能な状態にすることを指します。CIOpsとGitOpsはデプロイ方式の一環であり、GitOpsは特に注目されています。Argo CDやFluxなどのツールがGitOpsを実現するために利用されます。
NTT、IOWN技術によりAI分析の遅延時間を最大60％削減 NVIDIAや富士通らが協力
NTTはRed Hat、NVIDIA、富士通の協力で、郊外型データセンタを活用し、省電力でリアルタイムAI分析を実現する技術を開発。APNとDCIを活用し、効率的なデータ収集とAI分析を実現。実証実験では、最大60％の遅延時間削減と40％の消費電力削減を確認。光電融合技術と組み合わせ、電力効率向上とカーボンニュートラル実現に貢献する方針。
GoogleはマルチモーダルAI「Gemini」で“シェア拡大”となるか？
2023年、AIベンダーOpenAIのLLM（大規模言語モデル）「GPT」に世界中の注目が集まり、各ITベンダーによるAI（人工知能）関連サービスの開発が進んだ。2024年も引き続きAI市場の動向に熱い視線が注がれる。 Googleは2023年12月、汎用（はんよう）的なAIモデル「Gemini」を発表し、同社のアプリケーション群に組み込む姿勢を明らかにした。あるアナリストは「Geminiは、Googleの市場シェア拡大の布石となる」と話す。GoogleがGeminiにかける戦略とは。同社が発表したAI関連のニュースと併せて解説する。 「Gemini」で市場シェア拡大となるか？ Googleの戦略とは 「Googleは『マルチモーダルAI』をAI戦略の鍵として捉えている」。こう話すのは、調査会社Gartnerでアナリストを務めるチラグ・デカテ氏だ。マルチモーダルとは、数値や画像、テキスト、音声など複数種類のデータを組み合わせて、あるいは関連付けて処理できることを意味する。 Geminiは、画像かテキストどちらかのみを出力するシングルタスク型のAIモデルと異なり、質問に対して画像とテキストの両方を生成できる。テキストや画像、動画など、複数種類のデータソースから学習することも可能だ。GeminiがGoogleの製品群に組み込まれることで、企業は自社ワークフローにマルチモーダルAIを適用することが容易になる。デカテ氏は、「Geminiを企業にとって使いやすい形で提供できれば、Googleは市場におけるシェアを大きく拡大できる可能性がある」と話す。 Geminiには処理性能や用途に応じた3つのモデルがある。その中でも高性能で複雑なタスクを処理できる最大のモデルが「Gemini Ultra」だ。 「Gemini Nano」はモバイルデバイス向けの最小モデルだ。Gemini Nanoの中でも低メモリデバイス用の「Nano-1」の学習に使われるパラメーター数は18億個と、Microsoftが2023年12月に発表した小規模言語モデル「Phi-2」の27億個よりも少ない。高メモリデバイス用の「Nano-2」のパラメーター数は32億5000万個だ。 一方で、AIモデルの性能はパラメーター数が大きいほど高くなるわけではない。Microsoftの主張によると、Phi-2の性能はNano-2や「Mistral」「Llama 2」といったオープンソースのAIモデルを上回るという。 Vertex AIにおけるImagen 2の提供 Googleは、機械学習モデル構築支援ツール「Vertex AI」における画像生成モデル「Imagen 2」の一般提供を発表した。開発者はImagen 2を使用することで、従来よりも高品質な画像やロゴの生成、多言語テキストレンダリング（テキストの描画）が可能となる。 Vertex AIの補償制度はImagen 2も適用範囲としている。例えば、著作権侵害の訴訟に関する費用の弁済も補償範囲だ。 Mistral AIとの提携 2023年12月に3億8500万ユーロを調達したことで知られるフランスのAIスタートアップMistral
生成AIの回答を「指示の出し方」で洗練させるプロンプトエンジニアリングとは
生成AIの効果的な使用には適切なプロンプトが必要です。このためプロンプトエンジニアリングが重要で、AgentaやPromptPerfectなどのツールがプロンプト作成をサポートします。これらのツールを利用することで、AIモデルのテストや評価、プロンプトの品質向上が可能となります。