人工知能の実例 8 つ

最近まで、多くの企業が人工知能 (AI) 開発の一種の煉獄に住み、無限パイロットや概念実証を行っていましたが、企業生産に AI 対応プロジェクトを持ち込むことはほとんどありません。

急速に変化しています。2024 年 7 月に実施された AI に関する最新の McKinsey Global Survey によると、回答者の 78% が、少なくとも 1 つのビジネス機能で AI を使用していると回答しています。これは 2024 年前半の 72% から 1 年前の 55% でした。生成 AI (GenAI) の利用も増加しており、回答者の 71% が McKinsey 社に対し、2024 年初頭の 65% から、少なくとも 1 つのビジネス機能で GenAI を常に使用していると回答しています。AI への投資は拡大し続けています。Deloitte AI Institute の 2024 年 エンタープライズ レポートによると、ビジネスリーダーの 4 分の 3 以上 (78%) が、組織が来年度の AI 支出全体の増加 を計画していると回答しています。

ただし、AI がこれまでにどのくらいのビジネス価値を実現しているかは、議論の問題である可能性があります。たとえば、Deloitte 社のレポートによると、経営幹部調査の回答者の 21% が GenAI がすでに組織を変革していると感じていると回答しています。一方、経営幹部以外の回答者はわずか 8% でした。これは、コンピュータービジョンや自然言語処理、ディープラーニング、エージェンティック AI など、認知型機能のキャッチオールフレーズである、AI の 1 つのタイプにすぎません。

この段階では、AI を正す方法と同じくらい間違える方法があるかもしれません。しかし、実際にエンタープライズ AI を探索することは、以下のような幅広いタスクにわたって、その可能性を示すことができます。

• 薬物開発の高速化
• 通信ビジネスプロセスの刷新
• おもちゃの自動車の設計
• 研磨作物
• 大規模製造における効率の向上

さまざまな企業が AI で何を行っているか、そしてそれをどのように行っているかを見れば、自社の AI アプリケーションを思い描く中で、他の企業にインスピレーションをもたらすことができます。

例 1: Goldman Sachs が AI をタップしてコードを書く

GenAIツールは書かれた言語や画像を生成するだけでなく、コンピューターコードも抜け出す。Goldman Sachsは、GenAIを活用したアシスト型コーディングツールの「プルーフオブコンセプト」を実施しています。

同業他社としても J.P.Morgan、Citigroup、Deutsche Bank、Bank of Americaは、従業員によるGenAIの利用を阻んでいたと伝えられており、Goldman Sachsはプログラマーが初期価値を判断するためにこのテクノロジーを手に入れていた。マルコ・アルゼンチンのCIO は、AI にすべての重要なプロセスをすぐに信頼するのは賢明ではありませんが、企業が自社の可能性を思い描くことは不可欠です。同社では、ソフトウェア開発や文書分類を含む分野で、いくつかの概念実証が進められており、いくつかの有望な初期結果を示している。

Goldman 社は 2025 年に AI スタートアップの Cognition 社から自律的なソフトウェアエンジニアのテストを開始しました。この技術は、同社の 12,000 人の人間の開発者とともにすぐに機能すると予測されています。

ポイント

Goldman Sachsは、AIを代わってではなく、ソフトウェア開発者の仲間として構想している。また、大規模な言語モデルをテストして、従来の AI によって現在実行されている文書分類管理プロセスをアップグレードしています。同社では、技術をテストしている特定の部門とともに、使用しているツールの名称をラップの下に置いていますが、早期の結果も一部共有しています。

• 開発者は GenAI を使用して、コードの約 40% を自動的に記述できるようになりました。アルゼンチンはこれを、低いダブルディジットのどこかで人間の開発者の生産性を向上させることができると言っています。
• 銀行はソフトウェアを使用してコードを生成するだけでなく、テストも行っています。
• 大規模言語モデルは、少なくとも会社の何百万もの文書を管理する上で人間と同等です。
• Goldman Sachs の CIO は、GenAI を、インターネット、アプリ、またはクラウドに匹敵する、生涯最大の混乱の 1 つであると認識しています。
• 最大の課題は、社内統制を調整して会社や顧客のリスクを軽減し、大規模な言語モデルの専門知識を持つ人材を見つけることです。
• Goldman Sachs 社の従業員全員が、約 10,000 人のスタッフによるテストに合格した後、Goldman Sachs 社の従業員全員が GS AI アシスタントを利用できるようになったことで、GenAI の利用は拡大しました。
• アルゼンチンは、デビンという自律的なソフトウェアエンジニアを、開発者の代わりにタスクの実行を開始できる「新入社員」と見ているという。

詳細はこちら

• CIOマルコ・アルゼンチンは初期のGenAIを一部共有し、この Wall Street Journal1 Q&Aの結果をもたらしました。
• アルゼンチンはCNBCに対し、ユースケースに応じて、何百人、そして最終的には何千人もの自律ソフトウェア^{エンジニア2}が会社を代表して働くことを思い描いている。
• 最近の Podcast ^episode3 では、Goldman Sachs の調査から、ソフトウェア開発などの日常的なエンタープライズプロセスを自動化する力について話し合いました。
• ロイター通信はゴールドマン・サックスの2025年のAIアシスタントのファームワイド^ランチ4をカバーしている。
• PYMNTSによると、ウォール街大手は「生産性と効率の向上のために^AI5を積極的にスケーリング」している。

例 2：オーストラリアの通信会社 Telstra は、AI アシスタントからエージェンティックの再開発までを展開しています。

2023 年半ば、Telstra は Microsoft Azure OpenAI Service との 5 年間の戦略的契約の一環として、サービスの有効化後のカスタマーサポートを強化するために、生成 AI ツールである Ask Telstra と One Sentence Summary を開発しました。これらのツールにより、エージェントは顧客、製品詳細、過去のインタラクションの概要にすばやくアクセスできるため、トラブルシューティングの迅速化と、よりパーソナライズされたケアが可能になります。Telstra によると、GenAI システムは、フォローアップのコンタクトを 20% 削減し、カスタマーサービスの従業員の 90% が時間短縮を報告し、販売後のサポート品質を向上させました。

Microsoft Web サイトの記事で、Telstra 社のグループエグゼクティブ、製品 & テクノロジーであるキム・クログ・アンデルセン (Kim Krogh Andersen) 氏は次のように述べています。「生成 AI などのテクノロジーが急速に増加する中、価値と成長を引き出しています」と、同社は「2025 年までに AI による主要なビジネスプロセスをすべて改善する軌道上にある」と述べています。実際に、Accenture 社とのジョイントベンチャーの発表により、同社はより大きな飛躍を遂げ、AI を使用してビジネスプロセスを再創造し、エージェンティック・ワークフローを開発しました。

ポイント

Forrester 社のバイスプレジデント兼シニアリサーチディレクターのフレデリック・ギロン (Frederic Giron) 氏は次のように語っています。Telstra の AI に対する新しいアプローチは、既存のタスクやビジネスプロセスの自動化への抜本的なアプローチから、既存のビジネスプロセスに沿った孤立したタスクの自動化への「仕事のあり方の再創造」への根本的な転換を指摘しています。これは、Forrester 社が「プロセスキャズム」と呼んでいること、つまり生産性の最適化と真のビジネス改革のギャップを示しています。

• AI で競争上の優位性を実現するには、GenAI アシスタントをロールアウトする以上のものが必要です。そもそも、タスクの達成方法を完全に再考する必要があります。
• Telstra 社は、その深い通信専門技術であるクラウンジュエルと Accenture 社の AI 資産と人材を組み合わせて、プロセス最適化からカスタマーエクスペリエンスまで、あらゆることに AI ソリューションを創出しています。
• このアプローチは、内部使用のための AI ソリューションを開発し、システムを完成させ、販売用に製品化することです。
• 他社は複数のパートナーシップを結び付けていますが、Telstra は共同イノベーションを重視して、AI 協力者を 2 人まで獲得しました。

詳細はこちら

• Forrester 社の Giron 社は、Telstra の「構築、その後^販売 6」アプローチによって、広範な収益ベース全体で大幅な先行の AI 開発コストが削減され、新たな収益源を生み出す方法について説明しています。
• Telstra の経営幹部が、カスタマーサービス担当者向けに専門の^{共同操縦士7}を開発したことを説明します。
• ガーディアン紙によると、Telstra の CEO であるヴィッキー・ブレイディ (Vicki Brady) 氏は、投資家に対し、今後 5 年間で AI が Telstra の再創造で大きな^{パート 8} を行い、その労働力が 2030 年までに縮小する可能性が高いと報告しています。
• Accenture 社の Web サイトのプレスリリースでは、Accenture 社の 30 億ドルの AI ^投資から 7 年間のジョイントベンチャー Telstra が、エージェンティック ^AI10 などの新機能によってビジネスプロセスをエンドツーエンドで再創造する方法について説明しています。

例 3：Moderna のデータと AI アプリケーション速度の mRNA 開発

バイオテクノロジー企業の Moderna の AI 投資は、市場での成功にスピードが不可欠な時期に、医薬品開発に利益をもたらしました。新型コロナウイルス（COVID-19）危機の10年以上前に設立された同社は、何千もの異なる mRNAベースの医薬品やワクチンの反復可能な開発をサポートするため、統合データサイエンスとAIソフトウェアの構築に何年も費やしました。Web ベースのアプリケーションには、ワークフロー自動化、データキャプチャ、およびモデル構築の再利用可能なコードが含まれています。これにより、科学者は斬新なmRNA構造を設計し、高スループット、前線型生産ラインを通じてその有効性を改善し、サンプルを発注することができる。

従来の高リスク、高リターンの薬剤開発のオッズに打ち勝つために、デジタルおよび分析ベースのモデルナが構築されました。麻薬会社は通常、何十億ドルもの利益を得ることを期待して10億ドルを麻薬の開発に費やしているが、成功率は15%未満と見ている。AI は、これらのチャンスを 50/50 に改善し、市場投入までの時間を短縮することもできます。米国によると、AI の賭けは、記録的な時間で最高の COVID-19 ワクチンを開発し、ウイルスからの疾病予防の効能を約 95% 示したマサチューセッツ州ケンブリッジ社に報じた。疾病管理および予防のためのセンター。米国によると、COVID-19 ワクチンは記録的な時間で、ウイルスによる疾病予防の効果が約 95% であることが示されました。疾病管理および予防のためのセンター。

ポイント

同社の COVID-19 ワクチンは最も注目を集めましたが、mRNA 開発に AI およびデータサイエンスツールを使用して構築された Moderna の製品の 1 つにすぎません。同社はソフトウェア機能としてアプローチした。「Moderna 社は 10 年以上にわたり、膨大なデータライブラリーを構築してきました。これは、デジタルファーストのバイオテクノロジー企業として最大の資産です」と、同社の VP であるデータ & AI Transformation のブライス・チャラメ (Brice Challame) 氏は、2023 年のブログ投稿に「このライブラリーにより、当社独自の統合データエコシステムを構築し、当社のアルゴリズムを燃料にして反復できるようになりました」と書きました。

• 多くの企業が、AI プロジェクトの初期インフラストラクチャー投資に終止符を打っています。しかし、Moderna は、アプリケーションが長期にわたって複数の製品にわたって提供できる価値を認識しました。
• クラウドインフラストラクチャー、IoT、分析、および自動化されたプロセスへの早期投資により、AI 作業の基盤が構築されました。ハーバード大学のデジタル、データ、デザイン研究所の記事で、モダナのデジタルおよびオペレーショナルエクセレンス担当役員のマルチェロ・ダミアーニ (Marcello Damiani) 氏は、次のように述べています。「当社はデジタル化を早期に依存しており、デジタル化のためではなく、データの生成に頼っていました。Damiani氏は次のように述べています。「これにより、より良いアルゴリズムを構築し、次世代の投薬を構築することができます。
• mRNAワクチン自体は、情報に基づく製品で、免疫系の訓練のために体の細胞に指示を送る合成分子です。そこでModernaはWebベースのドラッグデザインアプリケーションを構築し、合成分子にエンコードされた情報の変更プロセスを合理化した。バックグラウンドでは、多くの AI アルゴリズムが意思決定に役立ちます。特に前駆的な製品では、特定のタンパク質をコーディングするための最適なシーケンスに関するデータ中心の予測を、人間よりもはるかに高速に行います。このソフトウェアでは、プロセス全体でデータが取得され、時間の経過とともに改善された新しいアルゴリズムが生成されます。
• また、AI を使用して臨床試験計画、品質管理、さらにはコールセンター業務を改善しています。
• 2023 年から、Moderna は OpenAI と連携して ChatGPT の独自のインスタンスを構築しました。現在、GPT は、法務、研究、製造、商業に至るまで、Moderna のビジネス機能全体に、専用のアシスタントとして組み込まれています。

詳細はこちら

• ハーバード大学の Digital, Data, and Design Institute は、Moderna の AI の早期導入に関する ^background11 を提供しています。
• Moderna’s Brice Challame は、同社の「リアルタイム AI 組織になるためのジャーニー」について学んだ教訓をいくつか紹介しています。¹²
• MIT Sloan Management Review’s Me、Myself、AI ポッドキャストでは、13 Moderna の元最高データと AI 責任者のデイブ・ジョンソン (Dave Johnson) が、ワクチン開発における AI の役割について^{インタビュー}しました。
• ZDNet ^は、14 Moderna のドラッグ開発技術を「AI ファクトリー」と記述しています。

例 4：Mattel は、製品開発に AI イメージジェネレータ DALL-E を早期採用

生成 AI は、人間のようなテキストを生成できる AI 言語モデルの幅広いロールアウトにより、一般的な意識にスクリーチインしました。数カ月前、トイメーカー Mattel は、自然言語の入力に基づいて現実的な画像とアートを作成するために、生成画像作成ツール OpenAI の DALL-E システムを使用し始めました。

Mattelには、製品デザイナーを人工的な相手に、すぐに買い換える計画はない。その代わり、玩具メーカーは新しいホットホイール車のアイデアをデザイナーが思いつくのに役立つAIを展開している。最近、Mattel は OpenAI と 2025 年の取引をリンクし、Mattel のブランドに基づいて AI を活用した製品とエクスペリエンスを開発しました。

ポイント

Mattel 社の生成 AI 調査は、創造的な分野における人間と機械のコラボレーションがもたらす潜在的なメリットを示しています。

• マッテルは2022年10月に画像ジェネレーターの使用を開始した。
• 設計者は、「ホットロッドコンバーチブルのスケールモデル」の自然言語要求で入力することができ、1938 年のフォードをベースにしたカスタムイメージのバリエーションがホワイトウォールタイヤで黄色で配信される場合があります。
• ユーザは、イメージジェネレータと連携して、色変更、ハードトップ、ボディタイプの微調整など、さまざまなオプションを探索し、新しいおもちゃ車の最終レンダリングを行うことができます。
• GenAIは、デザイナーがより幅広く考えて、自分だけでは予想していなかったモデルやオプションを提供することを可能にします。Mattel Future Lab の製品設計担当ディレクターであるキャリー・ブース (Carrie Buse) 氏は次のように述べています。「最終的には、品質が最も重要です。「しかし、数量によって品質を特定できる場合があります」
• 10年前に子供たちの会話をクラウドに記録し、アップロードした「ハロー、バービー」の人形で何らかのトラブルに遭った玩具メーカーは、最新のOpenAIコラボレーションの結果、「市場に出る製品や体験において、安全性、プライバシー、セキュリティを強調する」と述べた。

詳細はこちら

• Associated Press ^{ハイライト 15} Mattel は GenAI に早期参入しました。
• Microsoft Source DALL-Eでヒューマンデザイナーがどのように働き、新しいホットホイールデザインを生成・改良するか^の詳細16点。
• Harvard Business Review17 、Thomas H.Babson CollegeのIT・マネジメント教授を務めるダベンポート氏と、Deloitte Consultingの校長を務めるNitin Mittal氏は、GenAIが創造的な仕事をどのように変えるのかを探る。
• ^PYMENTS18 は、AI 対応の玩具に関する 2025 Mattel-OpenAI コラボレーションを掘り下げます。

例 5: Costa Group は、バンブルバチではなくコンピュータビジョン駆動のポリネータをデプロイします。

ニューサウスウェールズ州グィラにあるオーストラリアのコスタグループのトマト温室でぶつかるようなことがあれば、バンブルバチからは来ません。屋内農業に天然送粉器（ハチなど）を使うのは違法だ—対象環境での在来ハニーバチ闘争。そしてバイオセキュリティ上の理由から、オーストラリアは長い間、北半球で温室送粉に使われる非原産のヨーロッパ産ブムルバチの輸入を禁止してきた。その代わり、生産者は100万のトマト植物で、コンピュータビジョンを動力とするロボット送粉機を使っている。

2021 年夏、コスタグループはイスラエル企業 Arugga AI Farming の Polly Robot の使用を開始しました。初期の成果では、機械は手動受粉に比べて15%高い収量を出し、バンブルバチに比べて最大で7%高い収量を示した。

ポイント

コスタグループにとって、ロボット送粉者は効率以上のメリットがあります。ミツバチを使うことは許されないが（これは温室効果受粉が最も多く行われている）、アグリボットオプションは手作業による受粉よりも効率的であるだけでなく、トマト植物との人的接触を必要としないため、ウイルスの拡散も低減します。

• トマト植物は自己受粉に振られる必要があり、通常は産業用バンブルバチや、作業員によるトレルライズや振動ワンドの使用などによって行われる。
• ポリーロボットは植物の列間を移動し、コンピュータビジョンとディープラーニングを使って、受粉の準備ができている花を特定する。バックエンドでは、Arugga システムはストリーミング分析ツールキットを使用して、温室からの生のビデオを処理します。その後、画像に注釈が付けられ、結果のデータセットでモデルがトレーニングされ、毎月更新されます。モデルは時間の経過とともに改善され、ロボットにエクスポートされます。ロボットはアルゴリズムを個別に実行することができ、基本的にエッジコンピューティングデバイスです。
• その後、このロボットは圧縮空気パルスを排出し、バンブルバチがブズ受粉を行う方法と同様に、期限を迎える花を振動させる。
• Arugga の AI はますますスマートになっています。2024年には、3.5のロボットで1ヘクタール（約2.5エーカー）の受粉が可能で、アルゴリズムの改善により2.5ロボットに減らすことが期待できるという。

詳細はこちら

• Costa Group の AI を活用した送粉業者は、Imaging & Machine Vision Europe の記事で、農業用コンピュータービジョン^{アプリケーションの}例の 1 つにすぎません。
• Produce ^Plus20では、どの花が受粉可能なかをロボットが決定する方法が説明されている。
• Arugga社の共同創業者兼ビジネス開発担当バイスプレジデントは、メーカーのミツバチに代わる同社のAI受粉が、栽培者の^生産高21の増大にどのように役立つかを解説します。

例 6：Procter & Gamble 社、AI、機械学習、エッジコンピューティングを導入して生産を合理化

P&G社は、100を超える製造拠点のデータをデジタル化・分析しようとしています。機械学習やコンピュータービジョンなどの AI 機能を開発して、設備の健全性と可用性を最大化し、生産ラインで製品の品質をリアルタイムで評価し、エネルギーと水の使用量を改善しています。一般消費財メーカーは、米国、インド、日本、エジプトのパイロットとともに、紙製品およびベビーケアセグメントへの初期の試みに注力してきました。初期のプロジェクトでは、AI を使用して完成したペーパータオルシートの長さを予測し、適切な量の製品を顧客に提供していました。これは、企業が達成したい多くの効率性のうちの 1 つにすぎません。

ジョン・モーラー (Jon Moeller) 社長兼CEOは、ゴールドマン・サックス・アセットマネジメントとのディスカッションで、「何かが間違っているのかを瞬時に把握できるように、すべてをリアルタイムで、沿線で行ってほしい」と説明。「そして AI があれば、発生時だけでなく、発生前に知ることも、瞬時に知ろうとする傾向が始まります」

同社はサプライチェーンマネジメントでもAIを活用している。以前は、製造、サプライチェーン、マーケティング、品質保証、および研究室情報システムに使用される異種ソフトウェアからのデータを 1 つにまとめる必要がありました。これには、毎回何百時間もの作業時間を必要とする面倒なマニュアルタスクが必要でした。現在は、分析プロバイダ phData と提携し、KNIME のオープンソース分析を使用して AI を活用したシステムを開発し、データ統合を自動化します。これにより、供給、需要、および在庫データをリアルタイムで分析して、将来の在庫所要量を予測し、サプライチェーンの潜在的な混乱を強調することができます。

ポイント

P&G の目標は大規模なスマート製造です。予測保全、予測品質、サステナビリティの最適化に重点を置いた元CIOのヴィットーリオ・クリテラ（Vittorio Critella）氏です。AI は、すべてのタッチレスオペレーションを実現するのに役立ちます。

• デジタルイネーブルメントオフィスは、製品製造、梱包ユースケース、および組織全体で導入できる梱包プロセスを優先しています。
• 同社は、生産ラインセンサーからクラウドにデータを送信し、機械学習アルゴリズムを構築およびトレーニングし、それを工場フロアのエッジに再配置することができます。
• P&Gは、紙タオルロールの梱包を最小限に抑え（完成したシートの長さをより正確に予測することで）、オムツや女性用パド（複数の材料層の正確で高速な組み立てが不可欠である）のリアルタイム品質管理のためのコンピュータービジョンを採用するAIの使用を試験的に行ってきた。
• 紙マシンからの大量の完全なデータセットを使用して、機械学習アルゴリズムをトレーニングし、保守が必要な機械を予測し、エネルギー使用量を削減する機会を特定することができます。
• 価値を提供するには、機械学習と AI を運用と文化に組み込む必要があります。P&G の CIO は次のように述べています。

詳細はこちら

• 食品・消費財テクノロジーは、IoT センサーと AI を使用する P&G のデジタルシステムの^{概要 22} を提供します。
• P&G の元 CIO は、Deloitte の CIO Journal に、製造における ^scale23 に AI を導入する機会と課題について話しました。
• CIO.com では、P&G が AI ^{実験 24} の枠を超えて成熟し、ますます洗練されたユースケースを拡大した方法について説明しています。
• Microsoft Source は、P&^G25 とのデジタル製造に関するニュースを投稿しました。
• MoellerCEOは、Goldman ^Sachs26に対し、「研究室のベンチから非常に洗練されたコンピューターへのイノベーションの推進」においてAIの可能性を見抜き、分子発見を迅速化し、イノベーションの分野をさらに探求し、より成功する製品アイデアを思いつくことを伝えた。

例 7：英国の高速鉄道チームは、AI シミュレーターを使用してより良い建設計画を策定

ロンドンからマンチェスターまで走るHigh Speed 2 (HS2) 鉄道は、イギリス最大の輸送インフラプロジェクトである。合弁会社 アラインは、国際インフラ3社を巻き込んだワーキンググループを結成し、プロジェクトの最も難しい脚の1つであるいわゆるC1部の設計・建設を担っている。ロンドンの北西に伸びたこの21.6 km (13.42 mi.) には、3.4 km (2.11 mi.) の象徴的なコルン・バレー・ヴィアドュクト (Colne Valley Viaduct) とおよそ16km (9.94 mi.)の双発のトンネルがある。5～半年のプロジェクトの最盛期には、1,500人以上が現地で働くことになる。インテリジェントな建設順序計画製品である ALICE に投資し、偶発事象をモデル化し、HS2 向けに最適化され現実的な建設スケジュールを考案します。

プロジェクトの第 1 フェーズである建設前は、企業がジョブ全体のスコープを計画およびスケジュールし、コストを見積もり、ニーズを分析する重要な段階です。しかし、建築会社、エンジニアリング会社、建設会社がプロジェクトの計画に使用するクリティカルパス方式では、過去数十年間で大きく変化しています。通常、スケジュールの作成に必要な労力を考慮して、1 つまたは 2 つの計画を作成することはハーキュレアンの課題です。AI を使用することで、企業は数時間以内に数百または数千のオプションを離職させ、コストとスケジュールへの影響を完全に分析できます。

ポイント

アラインはすでに建設スケジュールを設けており、C1プロジェクトの勝利に貢献したが、ALICEを用いてその仮定をダブルチェックし、高架橋下位構造作業の計画を改善する機会を探した。複雑な相互依存性と制約により、大規模なインフラストラクチャープロジェクトをスケジュールすることは困難です。構築シミュレータでは、これらの相互依存性がアルゴリズム方程式に組み込まれ、何千ものシナリオを分析し、会社の目標に基づいてレビューすることができます。

• 建設シミュレータは、実際の建設が開始される前に、企業がさまざまなインプットを使用して仮想的に建設計画を策定するのに役立ちます。
• 整列では、構築シミュレータを使用して、わずか 10 分で数十のスケジューリングオプションを作成しました。
• 次に、ソフトウェアで「what-if」分析を実行して、高架橋のより効率的な構築方法を決定しました。
• AI は、人的計画担当者だけではできない方法で、労働、設備、資材の利用可能状況、建設方法、区画整理問題など、建設に影響を及ぼす可能性のある大量のパラメータを迅速に操作することができます。
• わずか 6 週間で複製された 3 年間の計画作業を調整
• 最近では、HS2 は 2024 年の Futuria 社との取引に、Atos 社が主導する AI デリバリーパートナーとして、鉄道業務の改善、建設ワークフローの合理化、資産管理の強化のための AI 主導ソリューションを導入しました。

詳細はこちら

• 経営コンサルタントのローランド・ベルガー (Roland Berger) 氏は、AI が建設バリューチェーン全体で効率を向上させる方法について説明しています。²⁷.
• Construction Dive は、さまざまな建設前 AI アプリケーションをカバーしています^。28.
• 2022 年、Align-ALICE パートナーシップは British Construction Industry Awards から Industry ^Innovation29 を受賞しました。
• 鉄道技術は、アトス主導のコンソーシアムが、ArupやFuturiaのAIから鉄道固有の知識を得て、HS2インフラのデジタル^ツイン30を構築する方法を解説する。

例 8：Thomson Reuters は、ジャーナリスト、弁護士、コンプライアンスプロ向けの AI ツールの開発を合理化します。

報道機関としての1851年創刊まで遡ったトムソン・ロイターは、常にデータについて、ある形態か別の形で行ってきた。現在は、法律、税、会計、およびニュースの領域において、データに基づくビジネスサービスが提供されます。現在その法務部門は、30年前に自然言語検索を導入し、その研究開発グループがAI対応のイノベーションをテストし、提供してきました。

2022 年、Thomson Reuters は、共通のデータおよびモデルガバナンスを実装し、モデルのリリースプロセスを標準化することで、機械学習のイノベーションを加速する AI アプリケーションを作成しました。

ポイント

Thomson Reuters の AI アプリケーションは、AI 監視のための共通ワークスペースだけでなく、スピードとガバナンスのバランスを保つために AI 固有のリスクを管理するためのシステムを提供します。アルゴリズムバイアスの可能性やデータの配信の変更など、AI モデルの効果的なパフォーマンスには多くの課題があります。これらの課題は、企業が AI 対応システムのデプロイメントを拡大するにつれて、最終的にデータサイエンティストが時間とともに手動で追跡する能力を超えて成長するにつれて、さらに複雑になります。

• Thomson Reuters は Amazon Web Services と連携して、コードを作成しなくても会社全体のデータサイエンティストおよびモデルオーナーが使用できる標準の「クリック可能な」ユーザーインターフェースを提供するツールを開発しました。
• このアプリケーションでは、AI ワークスペース、データサービス、モデルレジストリ、AI アノテーション、およびデータ、モデルドリフト、バイアスなどの問題の監視が提供されます。
• このアプリケーションにより、ヒューマンデータサイエンティストが行った従来のパフォーマンスモデリングが合理化されます。ヒューマンデータサイエンティストは、モデルの劣化を監視し、適切なチームと協力して必要な調整を行います。
• ユーザー定着は、最も重要な成功要因であり、最大の課題でした。ユーザーがフィードバックを収集するための週次デモによるアジャイル開発が鍵でした。
• 同社の AI 対応オファリングポートフォリオは、ヒューマンジャーナリストによるトレンドの特定、税法遵守のための予測マッピング機能の提供、法律、税、および会計担当者向けの自然言語クエリと AI を活用した検索アルゴリズムの提供に役立ちます。
• Thomson Reuters は、ヒューマンインザループの AI を強調して、ミスを減らし、モデルのパフォーマンスを向上させます。

詳細はこちら

• AI、機械学習、ビジネスインテリジェンス担当バイスプレジデントであるマリア・アパゾグルー (Maria Apazoglouu) 氏は、AI ^{プラットフォーム 31} の詳細を Deloitte 社の CIO Journal と共有しました。
• AWS Machine Learning Blog は、AI テクノロジーの開発に関する Nitty-gritty ^look32 を提供しています。
• Thomson Reuters は 2025 年の記事で、3 つのレベルのヒューマンインザループ^テストについて、2,500 人の対象分野のエキスパートが、詳細な調査を行い、広範で複雑なデータを分析し、多様なコンテンツを迅速に生成できる GenAI アシスタントである CoCounsel の作成をどのように支援したかについて説明します。

関連情報