ビジネスにおけるAIはデータインテリジェンスでどう変わるか
AIは至る所に存在します。携帯電話にも、コンピューターにも、そしてニュースの見出しにも頻繁に登場します。 しかし、すべての見出しの背後で、ビジネスにおけるAIの利用が不可欠となっており、今後もその使用が無くなる兆しはありません。 では、データインテリジェンスの未来は、企業にとってのAIにどのような影響を与えるのでしょうか？ 私たちは、AIが現在どのように活用されているのか、今後さまざまな業界でどのように活用される可能性があるのか、また、データ管理システムの内部と外部、そして独自の課題を探ることで、この問いに答え、データインテリジェンスがビジネスにおけるAIの活用にどのような革命をもたらすことができるのかを理解します。 ビジネスにおけるAI活用の現状 ワークフローの合理化からデータ分析まで、AIの活用はあらゆる規模、あらゆる業界のビジネスの主流となっています。 1. よりスマートなリスク管理 明確なリスク管理戦略を持つことは現代企業にとって必須ですが、個人が計画できることは限られています。 利用可能なデータの量が多
データ& AIスキルを最新のサービスで向上させましょう：Databricks Academy Labsとブレンデッドラーニング
Databricks、実習ソリューションとコホート型学習を開始 データ＋AIのエキスパートから、 Databricks Academy Labsと ブレンデッド・ラーニングという 、実務家が最先端のテクノロジーを活用するための2つのユニークな方法を発表します。 Databricks Academy Labsは、Databricks環境におけるオンデマンドのハンズオンガイド付きラボ体験です。 ブレンデッド・ラーニングは、あらゆるスタイルの学習者に対応できるよう、自習型とインストラクターによる週1回のセッションの両方を組み合わせ、コースの修了と知識の定着を最適化します。 Databricks Academy Labsとブレンデッドラーニングを組み合わせることで、自分のペースで学習できるものから、実践的、体験的、コホートベースの学習まで、さまざまな学習オプションが可能になります。 これらのコースは、それぞれ異なる学習嗜好に対応し、実りある学習体験ができるよう特別に設計されています。 期間限定で、Databricksはこ
『データ＋AI』戦略：人材に焦点をおいて
この記事はシリーズの一部です。 パート1： データ＋AIの三位一体：人材、プロセス、 プラットフォームをご覧ください。 人工知能（AI）や大規模言語モデル（LLM）の導入を急ぐあまり、多くのビジネスリーダーやテクニカルリーダーは、根本的なITの見直しにばかり目を向け、このテクノロジーが従業員や将来の働き方にもたらす大きな変化を過小評価しがちです。 プロセスを調整し、適切なプラットフォームを導入する技術的な作業は不可欠ですが、企業内でデータとAIの文化を成功させるには、経営層からエントリーレベルの従業員に至るまで、従業員の賛同も必要です。 すべての従業員が、データとAIを最優先する戦略が各自の役割にもたらす価値、それが生み出すビジネス上の成果、そして最終的には、それが解き放つキャリアの可能性を理解できるようにすることで、ビジネスリーダーは、変化への抵抗を抑え、モダナイゼーションの旅が力強くスタートするよう支援する社内チャンピオンを生み出すことができます。 人材に関する計画 について、心に留めておくべきいくつかの成功戦
サンタクロースもAIフィーバー
サンタクロースは北極株式会社のCEOとして、世界で最も複雑なサプライチェーン、製造、物流業務を監督しています。 毎年、サンタと最高執行責任者（COO）であるサンタ夫人、そして妖精さんのチームは、世界中の子どもたちから届く何百万通もの手紙を読み、「いたずらっ子リスト」や「いい子リスト」と照らし合わせ、彼らが欲しいプレゼントを登録し、そして何百万ものプレゼントを作り、たった一晩ですべてを届けなければなりません。 サンタとそのクルーはこれらを簡単に行なっているように見せていますが、運営上は悪夢のような作業であり、依然として大部分が手作業で行われています。そのため、他の多くのビジネ スリーダーと同様、サンタも AIがどのように役立つ かを知りたがっていました。そこで彼はDatabricksに助けを求めました。 Foundation Model API などのDatabricksツールと、合成データ生成や名前付きエンティティ認識などのテクニックを使って、サンタに宛てた子供たちの手紙を分析し、それぞれの子供が欲しいプレゼントを
AIセキュリティリスクの管理：CISOのための新しいワークショップの紹介
AIの導入は、ほとんどの企業にとって必要不可欠である Machine Learning（ML）とジェネレーティブAI（GenAI）は、仕事の未来に革命を起こそうとしている。組織は、AIがイノベーションの構築、競争力の維持、従業員の生産性向上に役立っていることを理解している。同様に、企業は自社のデータがAIアプリケーションに競争上の優位性をもたらすことを理解している。これらのテクノロジーは、組織にとってチャンスであると同時に 潜在的なリスクでもある。 顧客との会話では、データ損失、データポイズニング、モデルの盗難、コンプライアンスや規制の課題といったリスクが頻繁に挙げられている。最高情報セキュリティ責任者（CISO）は、こうしたリスクを迅速に軽減しながら、ビジネスのニーズに適応する必要に迫られている。しかし、CISOがビジネスにノーと言えば、チームプレーヤーではなく、企業を第一に考えているとみなされる。逆に、リスクのあることにイエスと言えば、不注意だと思われる。CISOは、ビジネスの成長、多様化、実験に対する意欲に追
独自データを用いたカスタムLLMは、価値ある知的財産を保護しながら、いかにして業務を飛躍的に向上させることができるか？
大規模言語モデル（ LLM ）は企業の世界を熱狂させ、誰もがその利点を利用したいと考えている。実際、 DatabricksとMIT Technology Reviewがテクノロジー・リーダーを対象に行った最近の調査 によると、企業の47％が今年のAI予算を25％以上増やすと見込んでいる。 このような勢いにもかか わらず、多くの企業は、LLM、AI、機械学習が自社の組織内でどのように利用できるのか、まだ正確には分かっていない。プライバシーやセキュリティに関する懸念は、この不確実性をさらに大きくしている。情報漏洩やハッキングが発生すれば、多額の財務的損失や風評被害を招き、規制当局の監視の目にさらされる可能性があるからだ。 しかし、AIイノベーションを取り入れることで得られる報酬は、リスクをはるかに上回る。適切なツールとガイダンスがあれば、組織は非公開でコンプライアンスに準拠した方法でAIモデルを迅速に構築し、拡張することができる。ジェネレーティブAIが多くの企業の将来に影響を与えることを考えると、モデルの構築とカスタマ
テールゲートをするかしないか？：Databricks + AccuWeatherがMLを使ってフットボールファンの熱い疑問に答えた方法
NFLの熱狂的ファンであれ、母校を応援するOBであれ、テイラー・スウィフトを一目見ようとするスーパーファンであれ、フットボール・シーズンはアメリカで1年で最もエキサイティングな時期のひとつである。 そして、その楽しみ方にも事欠かない。 何百万人もの視聴者が自宅のソファや近所のバーでくつろぎながら観戦する一方で、多くの視聴者はお気に入りのチームの試合を見るために、時には氷点下の気温の中、スタジアムまで足を運ぶ。 また、チームと一緒に新しい都市を訪れたいと思う人もいるだろう。 しかし、ファンにとっては、1シーズン分の試合からどれを選ぶかを決めるのは大変なことなのだ。 お客様の「最も困難な問題」を解決するDatabricksの精神に則り、私たちはデータと機械学習の力を活用し、NFLや大学のフットボールファンがテールゲーティングで最も得をする方法を予測する手助けをしたいと考えました。 このブログポストでは、Databricks Lakehouse Platform（Databricks AutoMLと Databrick
集まれ！Legendary Heroes of DATA + AI !! Vol 6
日本のDatabricks Championの皆様に、目指したその理由や、これからの思いについて伺う「集まれ！Legendary Heroes of DATA + AI !!」。Legendary Heroes of Data＋AI の皆さんの輪もドンドン広がっています！できる限りこちらでご紹介を続けていきたいと思いますので、是非引き続きご覧ください！ さて、今回はVol.6として満を持して登場、 アマゾン ウェブ サービス ジャパン合同会社 本橋 和貴 様 をご紹介します。 —- 以前にご紹介したLegendary...
データとAIに関する三位一体とは：ピープル、プロセス、プラットフォーム
翻訳：Ryo Hasegawa. - Original Blog Link ビジネスリーダーは皆、同じ質問をしています： データとAIに関する自社の計画を加速させるにはどうすればいいのか？ビジネスをリスクにさらすことなく、大規模な言語モデル（LLM）を活用するにはど うすればいいのか？そして、これらのシステムからできるだけ早く価値を得るにはどうすればいいのか？ 誰もが、誇大広告による混乱を回避し、自社のデータをどのように収益化し、前例のないスピードのテクノロジーを活用できるかを把握したいと考えています。より多くの業務を自動化し、より付加価値の高い業務に集中できるようにしたいからです。古いデータの照会にとどまらず、より良い未来像を得たいと考えています。セキュリティ・リスクを最小限に抑えながら、可能な限りコストを削減したい。そしてもちろん、今すぐ結果を出したいのです。 しかし、データとAIに関しては、成功のための戦略は企業ごとに異なるでしょう。私たちはDatabricksのフィールドCTOとして、データスタックをモダナ
データとAIにおけるオペレーティングモデルと実践
翻訳：Ryo Hasegawa. - Original Blog Link このBlogシリーズの パート1 では、Databricksがどのように企業のデータとAIから価値を引き出すプロセスを開発、管理、運用を可能にするかについて説明しました。今回は、チーム構成、チームダイナミクス、責任について焦点を当てます。ターゲット・オペレーティング・モデル（TOM） を成功させるためには、組織内のさまざまな部署やチームが協力し合う必要があります。 Databricksに入社する前、私はコンサルティングに携わり、クラウドネイティブからオープンソースまで、様々な業界や様々なテクノロジースタックを使ってAIプロジェクトに携わってきました。基礎となるテクノロジーは異なりますが、これらのアプリケーションの開発と実行に関わる役割はほぼ同じでした。チーム内の1人が、作業の規模や複雑さに応じて複数の役割を担うことができることも事実です。 エンジニアリング、データサイエンス、アナリストのような異なるチームや異なる役割を持つ人々が、同じツール