世界各国のリアルタイムなデータ・インテリジェンスで皆様をお手伝い

AI・生成AIとXトランスフォーメーション白書2024年版


■概要■   AI・生成AI主導の新たなトランスフォーメーションの流れは本物であり、その視野・裾野は広く、スケールも大きい。AI・生成AI、AIアシスタント、AIエージェント、デジタルツイン、空間コ... もっと見る

 

 

出版社 出版年月 冊子体価格 電子版価格 ページ数 言語
次世代社会システム研究開発機構
2024年9月17日 ¥165,000 (税込)
ライセンス・価格情報・注文方法はこちら
¥129,800 (税込)
PDF(CD-R)
ライセンス・価格情報・注文方法はこちら
1,800 日本語

製本版とPDF版をセットでご購入される場合には、PDF版の価格を半額でご提供しております。


 

サマリー

■概要■
 
AI・生成AI主導の新たなトランスフォーメーションの流れは本物であり、その視野・裾野は広く、スケールも大きい。AI・生成AI、AIアシスタント、AIエージェント、デジタルツイン、空間コンピューティング、BIM、ハイブリッド会議、生成AI入りRPA/ノーコード、モダナイゼーション、ドメイン特化型LLM、ブロックチェーン、ロボティクスの飛躍的な進化・多様化等々の急速な発展は、DXプロジェクトの新たな展開を促進・強化・拡大する重要な機会である。
 
AI・生成AIの導入は、従業員の仕事がなくなることを意味するのではなく、むしろAIが意味のある仕事のやり方を強化することを意味する。AIがビジネスや仕事を変えるのではなく、ビジネスや仕事(DX)がAIのあり方を変えていく。当初の熱狂が収まるにつれて、AI・生成AIの莫大な潜在価値を取り込むことの課題点を企業が認識するにつれて、いい意味での再考と再調整・成熟へと変わりつつある。
 
AI・生成AIは、DXの旧来のモデル、方程式、解法の各側面を大きく変えている。企業におけるAI・生成AIの導入は、既存の分散化、デジタル化のアプローチとAIイノベーションとのビジネスのワイヤリングを組み立て直すことを意味する。すなわち、直交的なデジタル化の取り組みから、AIトランスフォーメーションやバーチャル・トランスフォーメーションなどを含む、より多元的な”Xトランスフォーメーション”へのダイナミックなシフトである。
 
しかし、企業にとってAI・生成AIはリスクとチャンスの両方をもたらす。AI・生成AIは、慎重な検討と対処を必要とする倫理的・政策的な潜在的問題を内包している。AIを活用することで、ほとんどの組織は、承認や監視の要求に対応するためのガバナンス構造を適応させるという新たな課題と直面することになる。したがって、企業・事業にとってAI・生成AIとは何か、何を包含しているのかを理解すること、実際に試行していくことが重要である。
 
真のチャンスとしていくには、責任あるAI、説明可能なAIを点検し、AI・生成AI主導のXトランスフォーメーションのアーリーアダプターやチャンピオンを探し、そのスタイル、トレーニング方法、活用方法を知っておくことが必要である。
 
今、DXのリーダーたちがAI・生成AIに先手を打たなければならない理由は、デジタルとAIツールなどの技術的な問題だけでなく、組織・社員、そして経営者の持てるスキルを構築することにある。DXリーダーは、ビジネスや組織の価値を複合化する「より多くの法則・方程式」をマスターする必要がある。
 
技術面では、モデルのチューニング、ベクター・データベースの管理、バイアス検出、プロンプト・エンジニアリングやコンテキスト・エンジニアリング、適切なキュレーションアプローチなど、必要とするAIスキルを理解し、習得することでその価値を倍増させていくことができる。
 
うずもれた資料、データ、参考文献をナレッジ・マイニングする方法、複数のセンサーやその他のソースからのデータ間相関関係の調整、予知保全によってオペレーションを改善する方法、デジタル・ツインのようなメタバース・アプリケーション等々を多元的・複合的に活用することで、パフォーマンスや信頼性を犠牲にすることなく、ビジネスを管理するために活用することができるだろう。
 
本白書は、これらXトランスフォーメーションの全容を、1,800ページの全編に渡って包括的・体系的に取り上げ、それぞれの重要ポイントを丁寧・丹念に解きほぐし、”DX2.0”の発展・改善・拡張にとって必須の情報をまとめた調査報告書である。


ページTOPに戻る


目次

■内容編成(目次)■
 
 
第1章 AI・生成AI(の組織的評価・連携)を起点としたXトランスフォーメーション
 
1-1 企業のイノベーション、成長、生産性、DXに変革をもたらす生成AI/LLM
  [1] 概説
  [2] AIの組織学習で日本に先行する新興国群
1-2 DX対応力、DXスキルはAI・生成AIとともに進化する
1-3 AI・生成AIの活用がDXにもたらす効果・便益
1-4 企業における生成AI導入状況のセグメンテーション
1-5 成功している企業と様子見の企業を区別する5つの特徴
1-6 カテゴリー別で見た企業によるAIの利用状況
1-7 AIを起点としたDXスケールアップ、チームビルディング
  [1] デジタル化×AI活用で必要となるリーダーシップ
  [2] AI活用を新たな機軸とした真に協力的なアプローチ
  [3] デジタル・イニシアチブ重視から顧客重視へ
  [4] デジタル人材の採用から育成まで
  [5] アジャイルチームから製品・プラットフォーム運営モデルへ
  [6] 中心的能力としての技術から、卓越した分散型エンジニアリングへ
  [7] データとアナリティクスの一元化から組織全体への浸透へ
  [8] 短期的な利益重視から、近代的な文化を通じた規模拡大重視へ
  [9] AIの超能力を利用するためのリワイヤリング
  [10] リワイヤード・エンタープライズ:5つの企業はいかにして競争に打ち勝つか
1-8 DX/Xトランスフォーメーションとガバナンスを通じたリスク管理
1-9 AI・生成AI主導のXトランスフォーメーションにおける概念実証(PoC)から検証(PoB)まで
1-10 AIトランスフォーメーションのイニシアチブを軌道に乗せるための条件
1-11 分散型企業AIシステムにおける信頼の構築とPcC
1-12 Xトランスフォーメーションを成功に導くためのCEOガイドライン
 
 
第2章 ディープラーニングとXトランスフォーメーションのフレームワーク
 
2-1 ディープラーニング・トランスフォーメーション
2-2 Xトランスフォーメーションの業界別注目領域
  [1] 製造業界
  [2] 金融業界
  [3] 医療業界
  [4] サービス業界
  [5] メディア業界
  [6] 教育/学習ゲーム業界
  [7] マーケティング業界
2-3 研究領域別注目領域
  [1] 垂直生成AIモデル
  [2] 学習率(learning rate)の精度・速度向上
  [3] 機械学習の大規模化と深層学習の高速化
  [4] 探索(Explore)機能のスマート化
  [5] 場面全体の状況を認識するAI
  [6] 画像認識とAR(拡張現実)の結合
  [7] 敵対的ネットワーク(GANs)を利用した自動〔無監督〕学習
  [8] 研究者とスタートアップをつなぐ機械学習アルゴリズムのマーケットプレイス
2-4 DXと自然言語処理(NLP)
  [1] 各業界における NLP を用いたテキスト分析の活用
  [2] 各業界における音声認識/スピーチ分析の活用
  [3] 金融
  [4] 各種メディア
  [5] 流通、運送、小売
  [6] その他
2-5 AI・生成AI主導のXトランスフォーメーションの適用課題
  [1]概説
  [2]技術的課題
  [3]手法的課題
2-6 AI・生成AI主導のXトランスフォーメーションを推進する注目企業
  [1] ユニリーバ 「AI Horizon3ラボ」
  [2] ABBYY 「事前に訓練されたAIのスキルによる責任あるAI」
 
 
第3章 DX/Xトランスフォーメーション関連市場・投資動向
 
3-1 AI・生成AIとDX市場動向予測(世界)
3-2 AI・生成AIとDX市場動向予測(国内)
3-3 DX/Xプラットフォーム市場(世界)
3-4 DX/Xプラットフォーム市場(国内)
3-5 エンタープライズIT市場(国内)
3-6 BPM/プロセスマイニング市場
3-7 DWH/ミドルウェア市場(国内)
3-8 RPA/RPAクラウド市場
  [1] RPAソフトウェア市場(国内)
  [2] OCR市場(国内)
3-9 AI・生成AIシステム市場(世界)
3-10 AI・生成AIシステム市場(国内)
 
 
第4章 AI・生成AI主導のXトランスフォーメーションの潮流・課題・先行モデル
 
4-1 Xトランスフォーメーションは企業ITの役割をダイナミックに変える
4-2 トランザクションプロセスから分散ビジネスプロセスへの移行
4-3 エンタープライズ変革におけるAI・生成AIの役割・位置づけ
4-4 Xトランスフォーメーションの抱える課題と解法アプローチ
  [1] 概説
  [2] AIトランスフォーメーションの軌跡に重要な示唆を与える研究成果
  [3] タスク生産性と生成物の創造性を相乗的に融合させる多面的なプロセスに潜むギャップ
  [4] 補間的思考と外挿的思考
4-5 Eng K. Chew教授 「新しい形態のデジタル組織(DOOTF)」
4-6 技術的な「負債」を「資産」に変える IT投資の在り方
4-7 DX/Xトランスフォーメーションを契機としたCIOの役割変化
  [1] CIO や情報システム部門における課題
  [2] リーダーシップは最も重要なCIOスキルである
4-8 AI・生成AIによる新たなDXインクルージョン
  [1] システム・ダイナミックス/システムズ・シンキング
  [2] 企業内ソーシャルメディア
  [3] インフォーマルな情報共有・情報流通
  [4] ビジネスチャットツールの活用
4-9 AI・生成AI主導によるデジタル・ビジネスエコシステム
4-10 エンタープライズグレードのAIベースのワークフロー
4-11 動的機能によるリソースオーケストレーション
 
 
第5章 AI・生成AI主導のXトランスフォーメーションの障害・克服課題
 
5-1 DX/Xトランスフォーメーションを推進しない場合の影響
  [1] 既存システムの残存リスク
  [2] 既存 IT システムの崖(2025 年の崖)
5-2 DX/Xトランスフォーメーションを阻む脅威・障害要因
  [1]ディスラプション/イノベーションのジレンマ
  [2]デジタル変革を支援する(または妨げる)企業文化 概説
  [3]新規参入の脅威拡大
  [4]代替業者・代替サービスの脅威拡大
5-3 意思決定の迅速化
5-4 企業カルチャー:イニシアチブと行動の最適化
  [1] DXで必須の条件=CX(カルチャー・トランスフォーメーション)
 
 
第6章 DX志向の業務改革/業務プロセス改善とXトランスフォーメーション
 
6-1 AI・生成AI主導のトランスフォーメーションとBPR(ビジネス・プロセス・リエンジニアリング)
6-2 RPAの組織的運用
6-3 経営・業務システムを活用した業務改革
  [1] 統合基幹業務システム/ERP
  [2] ERM (エンタープライズ・リソース・マネージメント)
  [3] 人事・労務管理システム
  [4] 営業支援システム
6-4 ナレッジマネジメントと組織学習
  [1] 次世代グループウエアとアウェアネス促進
  [2] クラウド型グループウエアの進展
6-5 次世代コンタクトセンター・プラットフォーム
6-6 SNS/社内SNSの活用
  [1] 社内SNSと組織コラボレーション
  [2] 社外に開かれたコラボレーションとソーシャル・クラウドの活用
6-7 AI/ビッグデータを活用したワークスタイル・イノベーション
  [1] 概説
  [2] 人的パフォーマンス評価・改善/ピープル・アナリティクス
  [3] 人の動きを把握する位置情報のデータ解析
  [4] 音声認識・対話/知識処理/画像認識による業務能力の補助・拡張
  [5] 東芝 「RECAIUS」(音声対話/知識処理/画像認識)を活用したワークスタイル変革
6-8 ブロックチェーンによる業務革新活用
  [1] 経営労務診断
  [2] 物流業務・物流システム
  [3] 貿易業務
  [4] 保険業務
  [5] 監査・品質鑑定
6-9 生成AIによる経営管理トランスフォーメーション
  [1] 経営管理の分野におけるGeminiとChatGPTの機能性、有効性、選択基準の比較
  [2] 方法論
  [3] DX視点でみたGeminiとChatGPTの能力比較
  [4] 経営管理におけるGeminiとChatGPTの性能比較
  [5] DXにおけるGeminiとChatGPTの最適な選択
 
 
第7章 次世代志向の組織マネジメントとXトランスフォーメーション
 
7-1 Xトランスフォーメーションで鍵を握る問題志向的なマネジメント
  [1] 概説
  [2] 経営組織論の構成とDX
  [3] 組織論の原点からの見直しを
  [4] 新デルファイ法/シナリオ・プランニング法
7-2 Xトランスフォーメーションの鍵を握る組織パフォーマンス向上
  [1] 人事業務におけるAI活用
  [2] DXと組織のリエンジニアリング
  [3] 職場でパフォーマンスを向上させる方法
  [4] DX組織学習の効果
  [6] アウェアネスとSECIモデル(ナレッジマネジメント)とDX
  [7] 集団的知性・集合知とDX
7-3 Xトランスフォーメーションに適応する創造的組織
  [1] 行動科学的アプローチ
  [2] 組織均衡論(情報スクリーニング、組織フラット化、手続き処理の負荷軽減)
  [3] ティール組織
  [4] 人的ネットワークの管理
  [5] 組織権力のポジティブ・アプローチ
  [6] GE式ワークアウト・プログラム
7-4 全社的なAIトランスフォーメーションとリーダーシップのモデル
  [1] チームベースのエンゲージメント型リーダーシップ
  [2] コラボレーション型リーダーシップ
7-5 AIコンピテンシー・マネジメント
  [1] 新たに浮上するAIコンピテンシーという最重要課題
  [2] これまでの代表的なコンピテンシー・モデル
  [3] AIスキルを取り込んだコンピテンシー評価制度へ
  [4] AIコンピテンシーモデルの構築
  [5] (移動検討)閉塞的な人事制度に風穴が開けるコンピテンシー・モデル
  [6] AIコンピテンシーの人事システムへの組み込み
  [8] 次世代DXをフレームワークとしたコンピテンシーの一元化
7-6 AI・生成AIの変革リスク・ベネフィット・モデル
  [1] AI・生成AIのリスク整理
  [2] モデルと理論
  [3] モデルプロセス
  [4] 実践的解決策
7-7 経営・管理層の課題
  [1] エグゼクティブ・コーチングの導入
  [2] エクセレント・マネジャーの育成・強化
7-8 CSR/SDGsと事業成長の両立
  [1] エコ・エフィシエンシー(環境効率)
  [2] SIGMAガイドライン
7-9 組織マネジメント、人事分野におけるAI活用ケーススタディ
  [1] 米国国防省 「人事評価・異動にAIシステムを導入」
  [2] 明治安田生命 「人事異動にAI技術を導入」
  [4] ソフトバンク(株) 「AIによる新卒採用選考におけるビデオ面接の評価」
  [4] NEC  「AIによる人事管理データの分析/HR Tech Cloud」
  [5] (株)人財総研 「AIベースのオンボーディング・システム:HaKaSeオンボード」
  [6] 日立ソリューションズ AIを活用した分析システムを搭載した人事ソリューション「リシテア」
  [7] ホクト(株) 「AIチャットボット「hitTO」の導入」
  [8] 中山牧場 「あしたのクラウド人事評価クラウド」
  [9] 松屋フーズホールディングス(株) 「店長昇格試験にSHaiN導入」
  [10] セプテーニHD 「AIを活用したオンライン・インターンシップ」
 
 
第8章 AI・生成AI主導の人的資源管理(HRM)
 
8-1 AIの台頭と人的資源管理(HRM)のトランスフォーメーション
8-2 AI・生成AIが人的資源管理における採用意欲に及ぼす影響
  [1] 概説
  [2] AI・生成AIと人的資本のサプライチェーン資源管理
  [3] AI・生成AIとその応用、利用効果の信頼性
  [4] 競争圧力効果
  [5] 企業のインフラ準備態勢とユーザーの信頼効果
  [6] AIエンジンの採用の動機とドライバー
8-3 HRMにおけるAIの活用
8-4 管理者・組織構成員・従業員(人間)の判断とAI
8-5 AI主導の職務・職制の改革
8-6 人事分野におけるAIの未開拓領域
 
 
第9章 AIトランスフォーメーションとワークスタイル変革/人材育成・人材活用/リスキリング
 
9-1 概説
9-2 独創的な人材をスマートかつクリエイティブに活用する方策
9-3 ワークライフ・ポリシー
9-4 ワークスタイル変革/バーチャル・ワーク
9-5 ワーク・ライフ・バランス
9-6 AIによるリスキリング・トランスフォーメーション
  [1] パーソナライズされた学習
  [2] 適応学習プラットフォーム
  [3] インテリジェント・チュータリング・システム
  [4] アダプティブ・アセスメント
  [5] インテリジェント・コンテンツ・キュレーション
  [6] 自然言語処理(NLP)とチャットボット
  [7] データ分析と洞察
  [8] 仮想現実(VR)と拡張現実(AR)
 
 
第10章 ワークスタイル設計/在宅勤務/テレワークとXトランスフォーメーション
 
10-1 ワークスタイル設計とコミュニケーション活性化
10-2 テレワーク/リモートワーク
  [1] テレワーク概説
  [2] ワークライフバランスの改善に効果があるテレワークのあり方
  [3] テレワークに適合しやすい職種
10-3 リモートワーク・プラットフォームの活用
  [1] AIアシスタント「Slack(日本語版)」
  [2] Kaizen Platform
10-4 在宅勤務/テレワーク導入の注意事項・課題
10-5 テレワーク/リモートワークからAIによる「アクティビティ・ベースド・ワーキング(ABW)」へ
10-6 アクティビティ・ベースド・オフィス
10-7 AIによる近未来のアクティビティ・ベースド・オフィスのモデル
10-8 AIによるホットデスク
 
 
第11章 会議システム/ハイブリッドミーティングのトランスフォーメーション
 
11-1 DX/AIトランスフォーメーションのツールとして関心を集めるAI会議アシスタント
11-2 Microsoft TeamsとDX(デジタル・トランスフォーメーション)
11-3 Microsoft TeamsとAIトランスフォーメーションの統合
  [1] 概要
  [2] ミーティングAI機能
  [3] ハイブリッドミーティングの進化
  [4] BYOD IT Management
  [5] Teams Phone、顧客対応ロール機能の拡張
  [6] Copilot for Serviceの機能強化/CRMレコードの参照・同期・更新
11-4 Teams、チャット、電話での多元的なCopilotの活用
11-5 AIが主導するMicrosoft Teams PremiumとCopilotの並行進化
 
 
第12章 ドキュメント・トランスフォーメーション/インテリジェントドキュメント処理(IDP)
 
12-1 概説
12-2 ドキュメンテーション・デジタル・トランスフォーメーションのメリット
12-3 文書作成支援用生成AIサービス
  [1] 概説
  [2] AWS 「生成AIで大量文書の分析の自動化:専門知識なしでも利用できるサービス」
  [3] Microsoft 365 Copilot
  [4] Google NotebookLM
  [5] Gamma
  [6] Beautiful.AI
  [7] SlidesGPT
  [8] GPT for Slides
  [9] Tome
  [10] MiriCanvas
 
 
第13章 AI・生成AIとナレッジワーク・トランスフォーメーション
 
13-1 概説
13-2 生成AI ナレッジワークへの示唆
13-3 知識検索トランスフォーメーション
13-4 知識共有トランスフォーメーション
13-5 知識応用トランスフォーメーション
13-6 生成AIによるクリエイティブワークがDXにもたらすもの
13-7 組織的創造性の自動化
 
 
第14章 RPAトランスフォーメーション
 
14-1 RPAがもたらすDX経営
  [1] 概説
  [2] DXとの同期によって拡張される“RPA”
  [3] DX(デジタル・トランスフォーメーション)の切り口で捉えたRPAのメリット
  [4] 日本におけるRPA導入の状況
  [5] RPAによる業務自動化対象
  [6] RPAとDXガバナンス促進
  [7] 業務部門とIT部門の連携
  [8] RPAツール選択のポイント
  [9] 働き方改革に強い脈絡を持つRPAのあり方
  [10] DXと業務フローのデザイン
  [11] シナリオ・プランニング/PoC(Proof of Concept:概念実証)
  [12] RPAの組織学習
  [13] RPAの組織的運用
  [14] 生成AI入りRPAの多角的活用
14-2 RPAガバナンス・モデル
  [1] 生成AIに続くAIトランスフォーメーションへの傾斜に向けたファースト・ステップ
  [2] RPAの導入と持続可能性
  [3] プロセスの標準化とリエンジニアリング
  [4] RPAにおいて鍵となるプロセスの標準化とリエンジニアリング
  [5] RPA内部統制、リスク評価およびモニタリング(RQ2)
  [6] RPA内部統制
  [7] リスク評価とモニタリング
  [8] RPAガバナンス・モデルと監督(RQ3)
14-3 RPA導入に伴う新たな機会獲得と課題の発生
  [1] RPAと業務プロセス自動化
  [2] インテリジェント・オートメーション・プラットフォーム
14-4 RPAによるワークフローソリューションとDX
  [1] 概況
  [2] 水平統合アプローチ
  [3] 垂直統合アプローチ
14-5 DXとRPA/インテリジェント・オートメーション・プラットフォーム適用・運用
  [1] RPAの導入パターン
  [2] RPAを適用しやすい業務の特徴
  [3] RPA促進要因の多重化
  [4] GAIによるRPA
14-6 RPA開発ツールおよびスイート
14-7 主要RPAベンダーが提供するサービス群とAI機能を組み込み動向
  [1] 概況
  [2] インテリジェントRPAの市場をリードする製品
 
 
第15章 基幹系トランスフォーメーション
 
15-1 概説
  [1] 概要
  [2] SaaS型のERP(統合基幹業務システム)
  [3] 中核機能として対話型AIに注力するSAP
  [4] 組み込み型AIに注力するオラクル
  [5] 独自のLLM開発に注力するWorkda
  [6] NTTデータ 「生成AIを活用したレガシーマイグレーション推進/COBOL向けの独自LLM開発」
15-2 メインフレームのモダナイゼーションの課題
15-3 ERPシステムに新たな息吹を吹き込む生成AI
15-4 AI ERP(AI対応ERPシステム)の現状
15-5 生成AIを取り入れたERPによる新たなリストラクチュアリング・モデル
15-6 RPとAIによる財務データ分析のトランスフォーメーション
15-7 SAP Business Technology Platform(BTP)とAIの統合
15-8 ERP+AIによる財務データ分析技法
  [1] 機械学習(ML)とERP
  [2] ディープラーニング(DL)とERP
  [3] 自然言語処理 (NLP)とERP
  [4] 予測分析
  [5] 金融データ分析におけるAI技術の応用
15-9 AI・アンサンブル学習を用いたERPシステムにおけるリアルタイム金融異常検知
  [1] 概説
  [2] 研究開発動向
  [3] ERPシステムにおけるリアルタイム金融異常検知のためのアンサンブル学習技法
  [4] ケーススタディ
  [5] AI+ERPシステムにおけるリアルタイム異常検知の課題と解決策
15-10 ERPに関連する各種AI関連動向
  [1] SAP プライベートクラウド版「Rise with SAP S/4HANA」でAI機能を提供
15-11 業界動向/主要プレーヤー動向
  [1] アマゾン・ウェブ・サービス(AWS)とSAP  「生成AI ERP統合でパートナーシップを拡大」
 
 
第16章 生成AI/大規模言語モデル(LLM)による基幹系(レガシー運用)トランスフォーメーション
 
16-1 メインフレームOS、COBOLレガシーシステムに特別に設計されたLLMによる基幹系運用トランスフォーメーション
16-2 基幹系システム・コード用の大規模言語モデル
16-3 LLMによる大きな言語モデルのコード化
16-4 ドメイン固有のタスクのためのLLM
16-5 大規模にCOBOLのLLMを育成する上での障壁
16-6 メインフレームシステムのモダナイゼーションを目指した大規模言語モデル「XMainframe」
16-7 生成AIによるCOBOLからJavaへの高速変換
16-8 生成AIによる古いコードから最新のJavaへの自動変換
 
 
第17章 AIトランスフォーメーションとITインフラ/分散型インフラの刷新・見直し
 
17-1 より良い収益成長管理(RGM)の意思決定を行うために最適なITインフラ投資とは
17-2 DX・AIとITプラットフォーム業界(2020年時点)の構造変化
17-3 ITインフラの成長とDX・AI/“2025年の壁”を巡る動向
  [1] DXへの取り組みの礎となる次世代クラウド/ITプラットフォームのモダナイゼーション
  [2] DXを支える複数クラウド間の連携技術
  [3] DXを支えるエラスティック(弾力的)な構成体としてのクラウドへ
17-4 AIのワークロードに応じたリソース配分の最適化
17-5 AIドリブン運用
17-6 分散型インフラと適応性の高いAI基盤モデルの開発
  [1] AIのインファレンス(推論)フェーズに特化した分散型インフラの構築
17-7 AI PCの時代の到来/クラウドからエッジへ大きくシフトするAI開発・AIクライアント環境
  [1] AIプレーヤーが集うCOMPUTEX2024で見られた新たなトレンド
  [2] AIの未来を照らすAMD
  [3] NVIDIA 「テンソルコアGPU、LLM、関連ツール」
  [5] インテル・イノベーション2023開発者に力を与え、AIをあらゆる場所に導入する
  [5] レノボ、売上高129億ドルの第1四半期決算を発表、戦略的AI投資を強調
17-8 事例
  [1] インテル/エフサステクノロジーズ 「サイジングの自由度を高めるCDIによる自在なサーバー構成
 
 
第18章 AI・生成AI主導のデータ分析・ビッグデータ活用
 
18-1 DXとデータ・アナリシス/ビッグデータ 概説・概況
  [1] 概説
  [2] データ・アナリシスとビジネス・インテリジェンスの関係
  [3] ビジネス・インテリジェンス/ビジネス・アナリティクス
  [4] AI時代を見据えたデータプラットフォーム
18-2 DXとデータ・アナリシス/ビッグデータ
  [1] ビジネス価値を生み出すデータの効果的な活用
  [2] ビッグデータのライフサイクル
  [3] ビッグデータ解析とAI
  [4] リアルタイム型ビッグデータ基盤
  [5] ビッグデータによる口コミ分析
18-3 AI・生成AIによるアナリティクス・インフラストラクチャの強化
18-4 AIデータアナリシスとAIビジネスインテリジェンス
18-5 ビッグデータとリスク管理/情報ガバナンスモデル
18-6 データマイニング・トランスフォーメーション
  [1] 概説
  [2] データマイニング向けソフトウェア
18-7 次世代データ管理/データアナリシス/データプラットフォーム
  [1] IIoTプラットフォームを使用したアナリシス・プラットフォーム
  [2] クラウドベースのデータアナリシス・エコシステム
  [3] イベントストリーム処理によるリアルタイムのデータクレンジング/データアナリシス
  [4] IoT予測アナリシスのリーンアプローチ
  [5] インメモリ・リアルタイム・アナリシスプラットフォーム
18-8 データインテリジェンス向けサービス
  [1] 産業資材とデータインテリジェンス向けOSIsoftコネクテッドサービス
  [2] AWS Greengrass/Amazon IoT Coreデータ/AWS IoT Analytics
  [9] 参入企業動向
18-9 AI主導の顧客関係管理(CRM)
 
 
第19章 AI・生成AIと企業のサイバーレジリエンス強化
 
19-1 概説
19-2 脅威モデリング
19-3 予測分析によるセキュリティ設計、インテリジェンスの向上
19-4 包括的なAIのライフサイクルガバナンス
19-5 AI・生成AIとデータセンター・セキュリティ強化
 
 
第20章 AI・生成AIとクラウド・サービス/プラットフォーム・サービス
 
20-1 概要
  [1] 概況・近況
  [2] 生成AIによるクラウド運用の自動化と最適化
  [3] 生成AIとクラウドの融合がもたらす今後のシナリオ
20-2 DX・AIを軸としたクラウドの評価軸
  [1] クラウド選択基準の変化と多様化
  [2] 「既存システムのクラウド化」と「クラウドによるスケールビジネスのドライブ」という2つの視点は目指す先が異なる
  [3] クラウドは本来、「セルフサービス」が前提
  [4] クラウド・メガベンダーの目指す方向性・戦略・強みの比較評価
20-3 次世代ITプラットフォームへの移行に伴うクラウドの多元化
  [1] 概説
  [2] SaaS/PaaS/IaaSの融合・相互浸透
  [3] 5G対応、IoT対応とクラウドの変容
  [4] エッジコンピューティングとクラウド連携による次世代コネクテッドサービス
  [5] 外部クラウドとオンプレミスへの投資意欲の変化
  [6] サービスレベル粒度の視点でみた次世代クラウド
20-4 Azureインフラと関連ソリューション
  [1] 既存のAzureインフラにシームレスに組み込まれたソリューション
  [2] Microsoft Azure ChatGPTの利点
  [3] 事例
20-5 企業向け5Gプライベート・モバイル・エッジ・クラウド・コンピューティング
20-6 DXとクラウド・デザインパターン(CDP)
  [1] DXとクラウド・デザインパターン(CDP) 概説
  [2] AWSのクラウドデザインパターン
  [3] マイクロソフトのクラウドデザインパターン
 
 
第21章 AI as a Service/生成AI SaaS
 
21-1 大規模な事前学習済みモデルを使用するAIGCの進歩
21-2 LLMベースのAIネイティブサービス性能の著しい向上
21-3 エージェントとLLMの連携
21-4 説明可能な自己監視エージェントグループフレームワーク(ESSA)
21-5 主要プレーヤーおよびサービス
  [1] 先進的なクラウドを提供するNvidia AI as a Service
  [2] アマゾン・ウェブ・サービス(AWS)と生成AIサービス
  [3] Google Cloudと生成AIサービス
  [4] Google 「Duet AI」
  [5] Google Cloud 「AI/MLのマネージドサービス「Vertex AI」の生成AI機能拡張、同社の生産性向上ツール「Workspace」向け生成AIサービス「Duet AI」の新機能などを多数発表」
  [6] Google 生成AIプラットフォーム 「Vertex AI」
  [7] Google Cloud 「生成 AI の日本での導入を支援するパートナーエコシステムを公開」
  [8] Microsoft Azureと生成AIサービス
  [9] Oracle 「Oracle Cloud Infrastructure(OCI)をコアにした生成AIの推進」
21-6 生成AI SaaSの製品・サービス
  [1] NVIDIA/Snowflake 「SaaS上のデータ利用の独自AIアプリ構築環境提供」
21-7 生成AI向けGPUクラウド・サービス
  [1] さくらインターネット 「生成AI向けGPUクラウド提供開始」
  [2] NEC 「GPU1枚搭載のサーバーで動作し、130億パラメーターの軽量さと高い日本語能力をうたうLMMを開発」
21-8 生成AIクラウド・サービス関連参入企業動向(国内)
  [1] 株式会社G-gen 「Google Cloud 生成 AI ソリューション支援パートナーに認定」
  [2] インターネットイニシアティブ(IIJ) 「Azure OpenAI Serviceの導入支援サービス」
  [3] (株)miibo 「会話型AIを構築できるプラットフォーム:miibo」
  [4] TypeScript 「SkeetでPaLM2、Vertex AI を利用したアプリケーションフレームワークを提供開始」
  [5] レノボ 「AIを加速するハイブリッド・クラウド・プラットフォーム」
 
 
第22章 マネージド・サービス・トランスフォーメーション
 
22-1 概説
22-2 「マネージド・サービスとAI統合」で注目すべきトレンド
22-3 複数LLMを使い分けるマネージドサービス
22-4 金融・フィンテック業界の復活を後押しするマネージド・サービス
22-5 参入企業動向
  [1] IBM
  [2] Amazon
  [3] NEC
  [4] NTTデータ
  [5] Abeja
  [6] Preferred Elements
  [7] Sakana AI
  [8] KPMG
  他
 
第23章 エンタープライズ生成AIツール/AI・生成AIプラットフォーム
 
23-1 概説
23-2 ChatGPT Pro
23-3 GPT-4o
23-4 OpenAI o1
23-5 Sora
23-6 LLaMA
23-7 Anthropic 「Claude Enterprise」
23-8 Claude3/Claude3.5
23-9 Anthropic 「Google CloudのVertex AIプラットフォーム上でClaude ファミリーの提供」
23-10 Perplexity Pro
23-11 Hugging Face
23-12 OmniGPT
23-13 Apple Intelligence
23-14 Mistral AI
23-15 Falcon 180B
23-16 Poe AI
23-17 Phind Pro
23-18 VideoPoet
 
 
第24章 ドメイン特化型LLM/ドメイン固有のLLMに関する研究・実装動向
 
24-1 概説
24-2 拡張トランス・アーキテクチャ
24-3 自然言語処理領域
24-4 コンピュータビジョン領域
24-5 金融LLM
24-6 金融LLMに関する研究動向
24-7 法務LLM
24-8 法務LLMに関する研究動向
 
 
第25章 AI・生成AIがソフトウェア・エンジニアリングに与える影響
 
25-1 概説
25-2 SDLC における AI
  [1] 要件の収集と分析
  [2] 計画文書
  [3] ソフトウェア設計
  [4] ソフトウェア開発
  [5] テスト
  [6] 配備
  [7] メンテナンス
25-3 SDLCにAI・生成AIを統合するメリット
  [1] 生産性と効率の向上
  [2] ソフトウェア品質
  [3] チームワーク促進、プロジェクトの円滑化
25-4 業界標準とコンプライアンス
  [1] 基準の遵守
  [2] コンプライアンスと規制の調整
 
 
第26章 サプライチェーン・トランスフォーメーション
 
26-1 概説
26-2 サプライチェーン・レジリエンス
26-3 ケーススタディ
  [1] ANSAEプラットフォーム
  他
 
第27章 持続可能性に関連するAI協調型監査のフレームワーク
 
27-1 概説
27-2 生成AIによるサステナビリティ監査手続きのパラダイムシフト
27-3 サステナビリティ関連監査プロンプトのフレームワーク
27-4 広範な知識に基づくLLMの機能・実装
27-5 サステナビリティ・レポートとプロンプトエンジニアリング
 
 
第28章 AIとメタバース/空間コンピューティング/ジオビジュアライゼーションによる3次元革命
 
28-1 概説
28-2 分析アプローチ
28-3 空間的存在の情報処理に関する再定義
28-4 根本的な問題の解決策
28-5 空間データ分析
28-6 空間コンピューティングとAI、メタバース
  [1] 空間ニューラルネットワーク
  [2] 3D点群データのためのディープニューラルアーキテクチャ
  [3] 3Dバックボーン開発
  [4] シミュレーションとモデリング
  [5] 多点ジオスタティスティックス(MPS)
28-7 BIMを活用したバーチャル・トランスフォーメーション
  [1] 概説
  [2] BIMデータをVRデータへ変換するクラウドサービス
28-8 AI地理情報システムの拡大
28-9 主要プレーヤー動向
  [1] アップル
  [2] メタ
  他
28-10 研究開発動向
  [1] HKU、SH AI Lab、MPI、PKU、MITの研究チーム 「Point Transformer V3(PTv3)」
28-11 事例
  [1] アップル 「Vision Pro向けライブラリ提供」
  [2] Unity 「Appleの空間コンピューティングヘッドセット向け開発ツールとワークフローによる没入型体験の構築ツール提供」
  他
 
第29章 グリーンAI/サステナブルAIとDX
 
29-1 概説
29-2 エビデンスに基づく効果的なガバナンスをもたらすAI・生成AIによるサステナビリティ・ソリューション
29-3 AIによる自然災害防止/AIによる降雨・斜面崩壊の予測
  [1] AIを活用した電力需給の最適化
  [2] 四国電力 「管内でAIを活用した電力需給の最適化運用」
29-4 ESG活動を企業価値向上につなげるAIソリューション
  [1] アクセンチュア 「ESG活動を企業価値向上につなげるAIソリューションを発表」
29-5 資源産業におけるAI・IoTによる無人の施設管理
29-6 AI/デマンド予測技術
29-7 エネルギー使用量の最小化・ミニマム化
29-8 AIを活用した電力需給の最適化
29-9 アップデータ 「AI予測モデルによる「発電量予測システム」を開発」
29-10 消費電力を削減するチップ
29-11 ビッグデータとAIの活用による材料探索の効率化
29-12 AI/意思決定経路モデリングによる温室効果ガスの排出・収益目標の促進
29-13 データ駆動型のスクリーニング・ツール・機械学習手法
29-14 AIによる再生可能エネルギー電力の取引支援・発電量予測
29-15 AIによるエアコンの自動制御・節電
29-16 AIによる油流出のリスクの評価・軽減
29-17 AIを活用した精密散布システム
29-18 農業開発プロジェクトの経済効果測定
29-19 農場の維持・保全に関する意思決定支援
29-20 気候変動対応のスマート農業支援
29-21 農業・食料システム支援向けビッグデータ用プラットフォーム
29-22 AIとブロックチェーン技術を搭載したトータルトラクターサービス
29-23 灌漑システム用水源の最適化支援/テクスチャークラスマップ作成
29-24 機械学習ツールを使った作物診断
 
 
第30章 IoT・AIエージェントがDXに与える影響
 
30-1 概説
30-2 研究開発動向
30-3 ブロックチェーン技術がDXに与える影響
30-4 AIとブロックチェーン技術
30-5 IoTデバイス経由でアクセスされるデータの保護
30-6 ブロックチェーン技術の応用
 
 
第31章 データセンター・トランスフォーメーション
 
31-1 概説
  [1] 概要
  [2] 生成AIに適応するデータセンターの動向
31-2 データセンター・サービスの需要の高まりとAI・生成AIの貢献
  [1] 需要の主な要因
  [2] AI特有のエネルギー使用量の増加
  [3] 2023年に376万台のデータセンター向けGPUを出荷したNvidia
31-3 AIフレンドリーなハードウェア革新
  [1] 概説
  [2] ハイパースケーラの拡張
  [3] 空間の最適化
  [4] 電源管理
31-4 AI・生成AIによるデータセンター・エネルギー効率の最適化
  [1] 概説
  [2] 過去のデータ分析
  [3] リアルタイム調整
  [4] 実践的アプリケーション
31-5 AI・生成AIによるデータセンター・キャパシティ・マネジメント
  [1] 概説
  [2] ラック密度の向上
  [3] モニタリングと管理の調整
  [4] オートメーション、オーケストレーションの調整
  [5] エネルギー効率の改善
  [6] 実践的アプリケーション
31-6 AI・生成AIによるデータセンター・インシデントレスポンス効率管理
  [1] 概説
  [2] AIによる検出と分析の自動化
  [3] AIによるリアルタイムデータ分析
  [4] AIによるリソース配分の最適化
  [5] AIによるアダプティブ・プレイブック
  [6] 実践的アプリケーション
31-7 主な参入企業動向
  [1] Google CloudとNVIDIA 「パートナーシップ拡大/AIコンピューティング、ソフトウェア、サービスを進化」
  [2] レノボ 「AIを加速する新しいハイブリッド・クラウド・プラットフォームとサービス」
  他
 
第32章 デジタルツインが主導するXトランスフォーメーション
 
32-1 概説
  [1] 概要
  [2] コンピューターシミュレーションとデジタルツイン
  [3] コンピュータ・ビジョン・システムとデジタルツイン
  [4] サイバーフィジカルシステム(CPS)とデジタルツイン
  [5] 産業IoT(IIoT)とデジタルツイン
  [6] デジタルツインシティの胎動
  [7] 医療用IoT(IoMT)とデジタルツイン
  [8] 臨床試験の結果予測、電子カルテ(EHR)とデジタルツイン
32-2 次世代DXとデジタルツイン
32-3 AIとデジタル・ツイン重視の融合
32-4 AIエージェント/バーチャルエージェントとデジタルツイン
32-5 協働ロボットとデジタルツイン
32-6 デジタルツインの限界とオッカムのデジタル・ツイン
32-7 事例
  [1] 鹿島建設 「建物の設計、建設、維持管理のデジタル・ツインニング」
  [2] コマツ 「AIとデジタルツインを活用した施工の全体最適化を実現するスマートコンストラクション」
  [3] サントリー 「AIによる品質管理:調達・製造・出荷のデジタルツイントレース」
  他
 
第33章 メタバース+AIが主導するバーチャル・トランスフォーメーション
 
33-1 概説
33-2 バーチャル・トランスフォーメーションとDXの統合
33-3 AIとメタバースの統合によるXトランスフォーメーション
33-4 人事業務におけるメタバースの利用
33-5 HRにおけるメタバース活用のメリット
33-6 メタバース/仮想空間会議を使ったビジネスコラボレーション
33-7 人事業務におけるメタバースの利用分野
33-8 メタバースを利用したパフォーマンス管理
33-9 メタバースを利用した社員間コラボレーション/従業員エンゲージメント
33-10 募集と採用業務におけるメタバース活用
33-11 メタバースを活用したタレントマネジメント
33-12 学習・教育・トレーニング・リスキリングとメタバース
33-13 AI+メタバースによるバーチャル・ショッピング
33-14 AI+メタバースによるブランド・エンゲージメント(BESC)
33-15 AI+メタバースによるブランド・ロイヤルティ・マネジメント
33-16 事例
  [1] キヤノン 「Virtual Business Experience Center」
  [2] (株)Birdman メタバース型バーチャルプラットフォーム 「さわれるライブ? 5D LIVE」
 
 
第34章 AI・生成AI主導による財務・経理会計トランスフォーメーション
 
34-1 概説
34-1 OCRによる領収書・請求書の自動データ化
34-2 領収書と請求書の自動仕訳
34-3 チャットボットによる社内問い合わせ対応
34-4 事例
  [1] リコージャパン(株) 「RICOH Cloud OCR for 請求書」
  [2] C&Cビジネスサービス(株) 「経理財務部門の問い合わせ対応システム構築にAIチャットボットを活用」
  [3] (株)NTTデータ・スマートソーシング 「AI-OCR/レシートロボタ」
  [4] ZOZO(株) 請求書処理効率化AI 「sweep」
  [5] 弥生(株) 「会計ラインナップと請求書AIクラウド「LayerX INVOICE」の連携」
  [6] (株)マイルトス 経費分野に特化したAI製品「SAPPHIRE(サファイア)」
  [7] 三菱商事 「生成AIで経理文書のデータを抽出」
 
第35章 AI・生成AI主導によるマーケティング・トランスフォーメーション  [1]
 
35-1 AIマーケティングを理解するためのフレームワーク
  [1] 概要
  [2] タスク別分類
  [3] 生成AIで効率化できるマーケティングタスク
  [4] 生成系AIをマーケティングに活用するための方法論
  [5] ツール(アプリケーション)別、ソリューション別アプローチ
  [6] ビジネス・アプリケーション向けの生成AIアシスタント
35-2 2024年以降に予測される大きなトレンド
35-3 AI主導のマーケティング戦略モデル
35-4 AIによる需要予測
35-5 AIと顧客行動
35-6 AI主導のスマート・マーケティングの形成
35-7 AI主導のチャネル・マーケティング・トランスフォーメーション
35-8 AIがB2Bマーケティングに与える影響
 
 
第36章 AI・生成AI主導によるマーケティング・トランスフォーメーション  [2]
 
36-1 概説
36-2 AI・生成AIマーケティングで大きくクローズアップされるガバナンスとリスク管理
36-3 AIを活用したパーソナライズド・マーケティング
36-4 AI・生成AI主導による広告クリエイティブの変化
36-5 AI主導のモバイルマーケティング
36-6 生成AIをマーケティングに活用する際の留意点
36-7 マーケティング・トランスフォーメーションのユースケース
  [1] 概況
  [2] JPモルガン・チェース
  [3] フォルクスワーゲン
  [4] ハインツ
  [5] ネットフリックス
36-8 事例(国内)
  [1] エフ・アイ・ディー 「AIを活用した個別商品提案・販売導線の自動生成」
36-9 マーケティングに関連した主要AI・生成AIベンダー、ツール動向
  [1] 概況
  [2] OpenAI 「ChatGPT他」
  [3] マイクロソフト 「Copilot」
  [4] Google 「Chromebook Plus」/「Google One AI Premium」
  [5] イーロン・マスクによるスタートアップ 「xAI」
  [6] アップル 「Greymatter」
  [7] Klarna
  [8] Anthropic 「Claude」
  [9] Opera
  [10] Attentive 「AI Pro」
  [11] SugarCRM
  [12] Sinch 「Sinch AI」
  [13] Crixeo 「CrixeoAI」
  [14] Boltive 「Ad Monitor」
  [15] CallMiner
  [16] Tatari
  [17] BizWisdom
 
 
第37章 AIアシスタントとDX・AIトランスフォーメーション
 
37-1 概説
  [1] AIツールからAIアシスタントへ
  [2] DXにおけるAIアシスタントの果たす役割と能力
  [3] DX展開で想定される用途
  [4] 次世代DXのインターフェースとしてのAIアシスタント
37-2 AIトランスフォーメーションに伴うAIアシスタントの再定義
37-3 (リ済)AIアシスタントの再定義
37-4 意図する用途・利用目的による定義および分類
37-5 AIアシスタントの再定義におけるキーとなるコンセプトおよび用語
  [1] AIアシスタントの最新研究動向
  [2] 自然言語インターフェース、境界付きの自律性
  [3] 領域の特異性と一般性
  [4] 要求ではなく「期待」に沿った行動
37-6 マルチモーダル汎用AIアシスタント
  [1] 概要
  [2] マルチモダリティを持つ汎用AIエージェント
37-7 Microsoft CopilotとAIトランスフォーメーション
  [1] 概要
  [2] Microsoft Copilotの統合した形態での利用
  [3] 音声コマンドの使用をサポート
  [4] Microsoft 365 Copilot
  [5] Copilot for Microsoft 365 の包括的なリスク評価で組織を支援するガイドライン
  [6] Microsoft Copilot Dashboard
  [7] 企業ごとにカスタマイズしたCopilotの実装
  [8] Copilotによる企業向けサービス群
  [9] マイクロソフト 「Copilot 2.0」のプランを発表
37-8 Meta 「LLaVA-OneVision/LLaVA-NeXT」とAIトランスフォーメーション
  [1] 概要
  [2] 拡張可能でスケーラブルなプロトタイピング(LLaVA-NeXT)
37-9 事例
  [1] セールスフォース 「AI Economist」
  [2] Swiss Re(スイス再保険会社) 「3,000のCopilotライセンスを展開」
  [3] アデプト 「マルチモーダルAIエージェント:Fuyu-8B」
  [4] パナソニックホールディングの「ConnectGPT」をベースとしたAIアシスタントサービスり「PX-GPTをグループ全従業員に展開
  [5] AutoGen 「AutoGen/AutoGen Studio」
  [6] Floworks 「アリーシャ」
  他
 
第38章 高度なAIアシスタント構築に向けた価値調整、安全性、誤用対策
 
38-1 概説
38-2 AIによる価値調整
38-3 AI価値調整と高度なAIアシスタント
38-4 関連研究
  [1] ニュルンベルク工科大学/アップル研究チーム 「効率的なマルチモーダル学習モデルでバーチャルアシスタントとのインタラクション強化」
38-4 事例
  [1] パナソニックホールディングの「ConnectGPT」をベースとしたAIアシスタントサービスり「PX-GPTをグループ全従業員に展開
  [2] AWS 「ビジネス向けAIアシスタント「Amazon Q」を提供開始
 
 
第39章 AIエージェントを活用したXトランスフォーメーション展開
 
39-1 エージェント型AIがもたらす新しいAIの波
  [1] 概況
  [2] 実世界への応用が開始されたエージェントAI
  [3] 倫理、責任に関する諸問題にソリューションをもたらすエージェント型AI
  [4] 分散型エコシステムにおけるプライベートAIエージェントの台頭
  [5] AIエージェントの発展シナリオ
39-2 DXで促進されるAIエージェントの再定義
  [1] 概要
  [2] AIエージェント・アーキテクチャの概要
  [3] エージェント型ワークフロー: AI主導のタスク管理におけるパラダイムシフト
  [4] AIエージェントの概念が定着するまでの経過
  [5] チャットボット、AIアシスタントとAIエージェントの相互関係
  [6] AIエージェントの利点
  [7] AIエージェント志向のLLMの適用・適合
39-3 自律エージェントの台頭とAIトランスフォーメーションの新しい波
  [1] コンセプトから実世界への応用への展開へ
  [2] 適応型多機能AI、マルチタスクAIとしての自律型AIエージェント
  [3] メタバースなどの仮想空間で稼働する分散型AIエージェント
39-4 AIエージェントのカテゴリー別・産業別活用
39-5 AIエージェントの主な特徴
39-6 AIエージェントのインフラ、プラットフォーム
  [1] AIエージェントのインフラ
  [2] AIエージェントのプラットフォーム
39-7 主要プレーヤーの動向
  [1] グーグル 「Vertex AI Agent Builder」
  [2] エヌビディア 「GenAIエージェント」
  他
 
第40章 AIが主導する製造DXの新たな展開
 
40-1 概説
  [1] デジタルへの投資を強化する製造業界
  [2] 製造業の生成AI活用に関する意識調査
  [3] 製造業における生成AI活用の現在地・今後のシナリオ
  [4] デジタル・インダストリアル・カンパニーの台頭
40-2 AIによる製造品質管理
40-3 AIによる最適生産計画
40-4 サイバーフィジカルシステム(CPS)とDX
40-5 スマートファクトリー・トランスフォーメーション
40-5 インダストリー4.0とDX
  [1] 概説
  [2] インダストリー4.0と生成AI
  [3] Society 5.0と生成AI
40-6 生成AIによる保守点検支援
  [1] 概説
40-7 生成AIによる作業支援
40-8 生成AIによる現場の異常の自動判別・報告
40-9 生成AIによる熟練技能継承・現場訓練支援
40-10 生成AIによるマニュアル作成支援
40-11 主要プレーヤーと実装事例
  [1] マイクロソフト 「Dynamics 365」にChatGPTを搭載した「Dynamics 365 Copilot」
  [2] NVIDIA 「自動車、建築業向けの専用生成AI活用支援」
  [3] Autodesk PicassoのAIモデルを利用した生成AIによるコンテンツ制作機能を3D CG処理ソフトウエア「Maya」に統合」
  [4] Toyota Research Institute(トヨタ・リサーチ・インスティテュート:TRI) 「生成AIを自動車デザインで利用する研究や拡散モデルを工学設計に応用する研究」
  [5] Hewlett Packard Enterprise(HPE) 「生成AIによる自然言語対話で産業用ロボット操作をサポートするシステム」
  [6] HPE クラウドサービスだけではなくオンプレミスでも実装可能な生成AI
40-12 事例
  [1] ボッシュ 「生成AIの活用による開発効率化」
  [2] ロックウェル・オートメーション・ジャパン 「自動化」から「自律制御」へ
  [3] パナソニック コネクト 「ChatGPTの全社導入」
  [4] パナソニックHD 「AIアシスタントサービス PX-AIの導入・活用」
  [5] 東芝 「不具合の原因を特定できるAIの開発・導入」
  [6] ダイセル/日立製作所 「AI画像解析による異常検知システム]
  [7] トヨタ自動車 「自動磁気探傷検査」
  [8] 神戸製鋼所/AI inside 「AI-OCRによる製造工程の効率化」
  [9] 旭鉄工/i Smart Technologies 「製造現場でのChatGPT活用」
  [10] ブリヂストン 「AIを活用したタイヤ成型システム」
  [11] フツウッパー(株) 「製造業向けに目視検査セルフワーキングAIサービス」
  [12] JERA 「生成AIAIを活用したデジタル発電所構築」
  [13] (株)プラスゼロ 「3D-CAD設計分野における品質管理」
  [14] アセントロボティクス(株) 「産業用ロボットのAIアプリケーション(Ascent Robotics)」
  [15] (株)インテグレート 「AI内蔵カメラによる計器の自動読み取り(IntegrAI)」
  [16] リュウグウ(株) 「AIによる製造業の設計効率化するサービス:WALL」
  [17] 平田機工/インターネットイニシアティブジャパン 「IoT+AIによる製造業のスマート工場編成」
 
 
第41章 自動車業界トランスフォーメーション/モビリティDX
 
41-1 産業構造のダイナミックな変化に直面する自動車業界
41-2 AIが主導する自動車産業トランスフォーメーション
41-3 OEMやサプライヤー間のマシンリーダブルな情報交換
41-4 自動車産業における生成AIの活用・ファインチューニング
41-5 エネルギー産業としての自動車業界
41-6 MaaS/公共交通指向型都市開発産業へ
41-7 完成車メーカーと部品メーカーの関係のダイナミックな変化
41-8 事例
  [1] トヨタモビリティパーツ 「AIメンテナンス見積りシステム」
  [2] 富士ソフト 「AI自動集成システムの構築」
  [3] 武蔵精密工業 「トヨタ自動車向けAI外観検査システム」
  [4] SUBARU 「エンジン部品の品質保証にAIを活用」
  他
 
第42章 AI・生成AIが主導する半導体産業トランスフォーメーション
 
42-1 半導体産業成長のキードライバーとしてAI・生成AI
  [1] 概況・近況
  [2] AIトランスフォーメーションと半導体製品のライフサイクル変化
  [3] AI関連需要に応えるため半導体メーカーが手掛ける代替ソリューション
  [4] Nvidiaに押し上げられたAI価格の引き下げ
42-2 AI・生成AIが半導体の設計と製造に与える影響
42-3 AI・生成AIが半導体チップの需要、市場に与える影響
42-4 AI・生成AIが半導体業界に与える影響
42-5 半導体設計向け生成AI市場
42-6 半導体産業トランスフォーメーション
  [1] 国家間でも争われるAI半導体・半導体トランスフォーメーション
  [2] 中国半導体企業 AI半導体の自主開発を推進
  [3] 躍進する中国半導体の行方
  [4] 生成AI重視へ完全に舵を切ったTSMC
  [5] TSMC 2世代先の最先端「1.4ナノ」半導体を開発へ
  [6] インテル対TSMCの競争
  [7] 生成AI後の半導体戦争とNVIDIAの新たな挑戦
  [8] エッジAIによるPCの電力節約
  [9] ラピダスがAI処理に特化したチップ製のスタートアップ、テンストレントと提携
  [10] AI半導体を自社開発するマイクロソフト  ChatGPTの性能向上
  [11] 次世代AI向け専用半導体を立ち上げるNVIDIAとTSMC
  [12] 「AI半導体の雄」エヌビディア示す新たな産業像
  [13] MLPerf推論でNvidiaに挑むクアルコム
42-7 2024年以降にみられる新たなトレンド
42-8 主なユースケース
42-9 主な課題
42-10 参入企業・メーカー動向
  [1] NVIDIA 「テンソルコアGPU、TRT-LLM、関連ツールを発表」
  [2] インテル 「AIチップGaudi 3、Lunar Lake PCチップの詳細を発表」
  [3] グーグル 「第6世代AIチップ「Trillium」を発表」
  [4] AMD 「GPUロードマップを整理し、Nvidiaに対抗」
  [5] レゾナック シリコンバレーにAI半導体などの開発拠点を開設
  [6] Synopsysの動向
  [7] Cadence Design Systemsの動向
  [8] Infosysの動向
  [9] Rebellions.ai(韓国のAI半導体チップ・スタートアップ)の動向
  [10] TSMC 「エッジAIデバイス向けに4メガビットnvCIMマクロを提案」
  他
 
第43章 AI・生成AI主導の建設トランスフォーメーション
 
43-1 概説
  [1] 概要
  [2] 国土交通省 「インフラ分野におけるDX」とBIM/CIM、i-Construction、建設DXの動向
43-2 建設・建築業界におけるAI・ロボット活用の潮流
  [1] 概況・近況
  [2] 建設業界に特化したAI
  [3] 建設関連産業におけるAIの活用
  [4] 建設業界が直面する課題とAIによる解決の道筋
43-2 AI・生成AIによる設計、解析、施工管理、維持管理
43-3 BIMとAI・生成AIの融合
43-5 事故・災害事象向け統合システム
43-6 AI・生成AIによるプロジェクト計画・プロジェクト管理支援
43-7 AI主導による建設5.0、スマート建設、持続可能な建設
43-9 建設業界におけるAIの導入のユースケース
  [1] 建築設計・計画の支援
  [2] 設備検査・設備および施設管理
  [3] コスト管理と予算管理
  [4] 品質保証とリスク管理
  [5] コンプライアンス・レポート、プロジェクト報告書、会議議事録生成
  [6] 意思決定支援と問題解決
  [7] ステークホルダーやクライアントの関与・関係強化
  [8] サプライヤーとの関係管理促進
  [9] トレーニングと知識移転
  [10] 自律型建設作業ロボット
  [11] ドローンによる現場監視
  [12] 拡張現実(AR)と仮想現実(VR)
  [13] 「疑似建設」、「住宅疑似体験システム」
43-10 その他事例
  [1] 清水建設 「DXによる新たな空間価値創出への取り組み」
  [2] NTT東日本と清水建設 「建物運用のDXで協業、「DX-Core」を「地域エッジ」と連携」
  [3] 大林組の建設DX
  [4] 大成建設 「重機の遠隔操作システム」
  [5] 大林組 「VRを活用した施工管理者向け研修システム」
  [6] 日立建機 「建設機械開発におけるVR活用」
  他
 
第44章 BIM(ビルディング・インフォメーション・モデリングとAI・ロボティクス
 
44-1 概要
  [1] 定義・概況
  [2] 相互運用性とBIM標準
  [3] 建設管理におけるBIM・AI・生成AI
  [4] 施設の運用と資産管理におけるBIM・AI・生成AI
  [5] モバイルデバイスでのBIM 2D平面図の運用
  [6] 国土交通省 「建築BIM加速化事業」
44-2 生成AIを用いたBIMがもたらすパラダイム・シフトと新たなフレームワーク
  [1] 概説
  [2] BIMと生成AIの統合統合フレームワーク
  [3] BIM+生成AIフレームワーク導入のステップ
  [4] 統合と実施における課題
44-3 BIMの用途別モデリングパターン
  [1] 3D BIM
  [2] 4D BIM
  [3] 5D BIM
  [4] 6D BIM
44-4 BIMと生成AIの統合
  [1] 概説
  [2] BIMと生成AIの統合でもたらされるメリット
  [3] 統合と実施における課題
  [4] データセキュリティとプライバシーに関する懸念
44-5 関連研究
  [1] ビルディング・インフォメーション・モデリング(BIM)とChatGPT、Bard、および類似の生成人工知能との統合
44-6 事例
  [1] 大林組 「BIM生産基盤による生産DX」
  [2] 大林組/NEC 「建設PLMシステムの構築/BIMを起点とした建築物構成情報の一元管理」
  [3] 高砂熱学工業/Arent 「AIとも連携するBIM業務システム「PLANETS」を開発」
 
 
第45章 建設フレームワークと生成AIの統合
 
45-1 概説
45-2 統合対象・方法論
  [1] プロジェクト管理とスケジューリング
  [2] 建設サプライチェーンマネジメント
  [3] コスト管理/予算管理
  [4] 品質管理
  [5] 建設工程管理/BIM
  [6] コンプライアンス遵守
  [7] リスク管理
  [8] デザインの最適化
  [9] インフラ計画と設計
  [10] 調査分析/関連文書のナビゲート/データの解釈・分析
  [11] 資源効率・エネルギー効率向上/持続可能性向上/SDGs
  [12] 安全管理
45-3 既存の建設フレームワークと生成AIとのスムーズな接続
  [1] ドメイン固有の理解
  [2] 安全性とコンプライアンス
  [3] ステークホルダー間のリアルタイムのコラボレーション
  [4] データのプライバシーとセキュリティ
  [5] トレーニングや組織学習のサポート
45-4 関連研究
 
 
第46章 ファシリティマネジメント・トランスフォーメーション
 
46-1 概説
46-2 カテゴリー別の適用・応用
 
 
第47章 AI・生成AIによる電力・エネルギー業界トランスフォーメーション
 
47-1 概説・概況
47-2 AI・生成AIの主導によるエネルギー産業/エネルギー部門のトランスフォーメーション
47-3 電力事業・電力産業トランスフォーメーション
47-4 エネルギー小売
 
 
第48章 素材・材料・化学産業/AIマテリアルズ・インフォマティクス
 
48-1 概説
48-2 ヒューマン・インテリジェンスとAIを組み合わた新しい機械学習アプローチ
48-3 AIを活用するマテリアルズ・インフォマティクス(MI)
48-4 事例
  [1] 横河電機 「AIによる化学プラントの自律制御」
  [2] ダイセル 「AIによって熟練工の技術を再現する自律型工場」
  他
 
第49章 AI・生成AI主導による不動産業界トランスフォーメーション
 
49-1 不動産業トランスフォーメーション
49-2 移動サービス(MaaS)と不動産ビジネスの結合
49-3 不動産業のAI活用
49-4 不動産業のブロックチェーン適用
49-5 事例
  [1] イタンジ 「各サービスが一気通貫でつながる不動産業務のプラットフォーム」
  他
 
第50章 AI・生成AI主導の金融トランスフォーメーション
 
50-1 概説
50-2 金融・財務分析におけるAIの台頭
50-3 金融クラウド/仮想化技術
50-4 金融に特化した基幹系プライベート・クラウド
50-5 金融SaaS/PaaS
50-6 金融業で導入が進むデスクトップ仮想化
50-7 AI主導の金融トランスフォーメーションとスキルセット
  [1] ファイナンシャル・アナリストのスキルセット
  [2] アナリストがAIを受け入れるための戦略
 
 
第51章 フィンテックAIによる金融活動のトランスフォーメーション
 
51-1 概説
51-2 今後予想されるトレンド
51-3 フィンテックにおけるAI技術の比較分析
51-4 フィンテックAIのケーススタディ
  [1] 高度なクレジットスコアリングとリスク評価
  [2] 不正行為の検知と防止
  [3] パーソナライズされた自動ファイナンシャル・アドバイス
 
 
第52章 AI・生成AI主導による生命保険・損害保険業界トランスフォーメーション
 
52-1 概況・近況
52-2 AIによる保険アナリティクスの価値向上
52-3 損害保険業のトランスフォーメーション
52-4 ケーススタディ
  [1] 東京海上日動火災/アロボティクス 「ドローン映像のAI解析による被害状況監視」
  [2] 東京海上日動火災/PKSHA 「AIによる生損保の一括提案」
  [3] 東京海上日動あんしん生命 「AIによる顧客分析、営業担当者紹介」
  [4] 三井住友海上/富士通 「チャットボットによる顧客接点改革」
  [5] 三井住友海上/トゥモロー 「AIによる異常気象リスクの予測」
  [6] 三井住友海上/セカンドサイト・アナリティカ 「自動車ローンの自動信用度スコアリング」
  [7] 明治安田生命/アドバンスト・メディア 「コミュニケーションセンターにおける音声認識技術AIの活用」
  [8] 住友生命/インフォディオ 「AI-OCRによる本人確認書類の認証」
  [9] 第一生命/富士通 「AIによる保険の保障設計の見直し、提案」
  [10] メットライフ生命/シフト・テクノロジー 「保険金不正請求検出システム」
  [11] 楽天生命/日立製作所 「生命保険加入審査におけるAIによる入院リスク算出」
  [13] SBI生命/モビラス 「AI電話自動応答システムの導入」
  [14] 損保ジャパン/ELYZA 「保険コールセンターにおける対話要約のAI活用」
  [15] Finplanet Inc. 「スマートフォンやオンライン(Finnplanet)による保険見直し相談」
 
 
第53章 AI・生成AI主導による小売業界トランスフォーメーション
 
53-1 リテールAIテクノロジー/小売AIソリューションの動向
53-2 AI・生成AIがもたらす小売業界の再定義
53-3 機能としての小売業、機関として小売業者の分化
53-4 急速に進んだ消費者のデジタル化
53-5 AIによる顧客コミュニケーション、体験のパーソナライゼーション
53-6 小売業デジタル化の影響分析
53-7 競争上の制約
53-8 生成AI 対応ショッピングアシスタント/パーソナライズされたレコメンデーション
53-9 小売実店舗での生成AI活用
53-10 フィンテックを使ったリテールテック
53-11 ペイメントシステム/ポイント即時交換サービス
53-12 ポイントプログラム
53-13 ポイント即時交換サービス
53-14 小売業向け生成AIツール、ソリューション
  [1] Talkative
  [2] Navi
  [3] AI Agent Rephrases
  [4] GenAI
53-15 ユースケース
  [1] 概況・近況
  [2] ウォルマート
  他
 
第54章 AI・生成AI主導による物流・運送業界Iトランスフォーメーション
 
54-1 概説
54-2 物流業界へのAI導入と活用
54-3 MaaSとAIトランスフォーメーション
54-4 事例
 
 
第55章 AI・生成AIによる広告トランスフォーメーション
 
55-1 広告トランスフォーメーション 概説
55-2 ブランド構築と顧客エンゲージメントのための視覚的生成AIの活用
  [1] ブランディングと短期コミュニケーション目標
  [2] ブランディングとブランド・アイデンティティ
  [3] ビジュアル広告のデザイン生成
  [4] アイデアのカテゴリー化理論
55-3 生成AIを使ったビジュアルマーケティングコンテンツの制作
55-4 事例
  [1] サイバーエージェント 「ChatGPT運用による広告運用のトランスフォーメーション」
  他
 
第56章 AI・生成AIと行政・自治体のトランスフォーメーション
 
56-1 概説
56-2 DXとシビックテック(行政サービスのデジタル化)
56-3 オープンガバメントクラウドコンソーシアム(OGC)
56-4 クラウド・バイ・デフォルト原則
56-5 スマート行政/行政トランスフォーメーション
56-6 ビッグデータ解析を活用した地方活性化支援事業
56-7 納税業務におけるビッグデータ活用
56-8 行政機関と住民を双方向通信で結ぶコミュニケーションシステム
56-9 公務員の副業解禁
56-8 事例
 
 
第57章 AI・生成AI主導による法務・法律サービス・トランスフォーメーション
 
57-1 概説
57-2 生成AIによる法律サービス、法律専門職の変革
 
 
第58章 教育産業トランスフォーメーション
 
58-1 概説
58-2 関連プロジェクト
 
 
第59章 AI・生成AIとカルチャー産業・クリエイティブ産業トランスフォーメーション
 
59-1 概説
59-2 クリエイティブ産業における生成AIの機会とリスク
59-3 用途・ポイント
59-4 知的財産と著作権の問題
 
 
第60章 観光・旅行・ホテル業界トランスフォーメーション
 
60-1 旅行業界に大きな影響を与えるAI
60-2 観光業トランスフォーメーション
60-3 観光情報アプリの拡張
60-4 海外旅行販促の変化
 
 
第61章 AI・生成AIとゲーム・エンターテインメント業界トランスフォーメーション
 
61-1 概説
61-2 広がるゲームにおけるAIの応用
61-3 ゲーム業界におけるAI・生成AIの実装・応用
61-4 近未来のゲーム、エンターテイメント業界ブレークスルー
 
 
第62章 コンテンツ業界トランスフォーメーション
 
62-1 概説
62-2 VR空間の設計、協調作業を行なうためのクロスモダリティ
 
 
第63章 AI・生成AIとメディア業界トランスフォーメーション
 
63-1 概説
63-2 事例
  [1] AP通信
  [2] 日立製作所
  他
 
第64章 AI・生成AIとアパレル・ファッション業界トランスフォーメーション
64-1 概説
64-2 アパレル業界におけるECサイトの利用拡大と生成AI
64-3 SNSを活用した需要・トレンド分析
64-4 AIによるパーソナルスタイリング
64-5 事例
 
 
第65章 AI・生成AIと医療業界トランスフォーメーション
 
65-1 概説
65-2 医療ビッグデータとEHR(electronic health record)
65-3 ケーススタディ
 
 
第66章 AI・生成AIとヘルスケア・トランスフォーメーション
 
66-1 概況
66-2 ヘルスケア業界におけるAIトランスフォーメーション
66-3 「ヘルス2.0」とDX
66-4 AI・生成AIが主導するヘルスケア課題と解決策
66-5 ヘルスケア業界向けAIモデル
  [1] Google AI 「MedLM」
  他
 
第67章 AI・生成AIと製薬・創薬トランスフォーメーション
 
67-1 概説
67-2 製薬業界でAIを活用するメリット
67-3 事例
  [1] グラクソ・スミスクライン(GSK 「AIによる医療従事者の情報ニーズ分析/MR(医薬情報担当者)の訪問計画支援」
  [2] DeepMind/Merck 「AIによる希少疾患の治療法の探索」
  [3] 富士通/理研 「生成AIを活用した創薬技術の開発」
  [4] NEC/トランスジーン 「AIによるオーダーメイドのがんワクチン開発」
  [5] 第一三共/エクサウィザーズ 「ビッグデータ解析による創薬」
  [6] アステラス製薬/同志社大学/和歌山県立医科大学) 「ビッグデータに基づく医薬品開発」
  [7] 中外製薬/NTTデータ 「AIによる研究・治験関連文書の作成効率化」
  [8] 中外製薬 「機械学習による抗体医薬の探索」
  [9] 塩野義製薬/Inveni AI 「AIによる精神・神経疾患の創薬支援」
  [10] 沢井製薬/野村総合研究所 「AIを活用した医療従事者からの問い合わせ対応の自動化」
  [11] IQVIA/ブレインパッド 「AIによる医薬品市場の売上予測モデルの開発」
  [12] AI(エーサイクル) 「AIによる医薬品在庫・欠品在庫不足の調整」
  [13] NTTデータ/ExaWizards 「電子カルテのデータ解析をもとにした創薬支援」
  [14] ライフインテリジェンス・コンソーシアム(LInC) 「論文データ解析による創薬テーマ創出」
  [15] HAIVE(モルキュア) 「AIを活用した全自動創薬ロボット」
  [16] Preferred Networks/京都薬科大学 「AIによる創薬化合物検索と分子設計の自動化」
 
 
第68章 AI・生成AIと美容・美容外科・形成外科・エステ業界トランスフォーメーション
 
68-1 概説
68-2 美を支える新技術のトレンドとトランスフォーメーション
68-3 美容業界における生成AIのユースケース
68-4 美容製品のデザイン・プロセスに組み込むことができるプロセス改善
 
 
第69章 人材派遣業界トランスフォーメーション
 
69-1 概説
69-2 人材派遣・紹介業のAI活用
69-3 ケーススタディ
  [1] REEE(株)
  他
 
第70章 AI・生成AIとITサービス業界のトランスフォーメーション
 
70-1 概説
70-2 クラウド・サービス/AI業務支援サービス自体のトランスフォーメーション
70-3 機械学習関連業界のトランスフォーメーション
 
 
第71章 主要企業動向
 
71-1 日立製作所 「生成AIに3000億円投資/社会課題解決に向けたAIトランスフォーメーション関連サービスを強化」
71-2 富士通 「DXの一環でAIを活用した自動化ツールを全社規模で採用」
71-3 豊田合成 CCoE(Cloud Center of Excellence)の役割を担う「デジタルラボ」の設置/人事部員がAIによる業務改革を推進
 
第72章 Xトランスフォーメーション/AIトランスフォーメーションに関するコンサルティングサービス
 
72-1 日本IBM、「AIファースト企業の支援・DX支援のためのAIソリューション」
72-2 富士通 「生成AI戦略・展開:Fujitsu Uvance(ユーバンス)」
72-3 アルゴマティック 「アルゴマティックAIトランスフォーメーション(AX)」

 

ページTOPに戻る

ご注文は、お電話またはWEBから承ります。お見積もりの作成もお気軽にご相談ください。

webからのご注文・お問合せはこちらのフォームから承ります

本レポートと同分野の最新刊レポート

  • 本レポートと同分野の最新刊レポートはありません。

本レポートと同じKEY WORD(生成AI)の最新刊レポート

  • 本レポートと同じKEY WORDの最新刊レポートはありません。

よくあるご質問


次世代社会システム研究開発機構社はどのような調査会社ですか?


一般社団法人次世代社会システム研究開発機構は、社会・産業・経営に大きな影響を与える先端技術からマネジメント、次世代産業まで幅広い分野を対象に、経験豊富なアナリストによって編纂された学際的・... もっと見る


調査レポートの納品までの日数はどの程度ですか?


在庫のあるものは速納となりますが、平均的には 3-4日と見て下さい。
但し、一部の調査レポートでは、発注を受けた段階で内容更新をして納品をする場合もあります。
発注をする前のお問合せをお願いします。


注文の手続きはどのようになっていますか?


1)お客様からの御問い合わせをいただきます。
2)見積書やサンプルの提示をいたします。
3)お客様指定、もしくは弊社の発注書をメール添付にて発送してください。
4)データリソース社からレポート発行元の調査会社へ納品手配します。
5) 調査会社からお客様へ納品されます。最近は、pdfにてのメール納品が大半です。


お支払方法の方法はどのようになっていますか?


納品と同時にデータリソース社よりお客様へ請求書(必要に応じて納品書も)を発送いたします。
お客様よりデータリソース社へ(通常は円払い)の御振り込みをお願いします。
請求書は、納品日の日付で発行しますので、翌月最終営業日までの当社指定口座への振込みをお願いします。振込み手数料は御社負担にてお願いします。
お客様の御支払い条件が60日以上の場合は御相談ください。
尚、初めてのお取引先や個人の場合、前払いをお願いすることもあります。ご了承のほど、お願いします。


データリソース社はどのような会社ですか?


当社は、世界各国の主要調査会社・レポート出版社と提携し、世界各国の市場調査レポートや技術動向レポートなどを日本国内の企業・公官庁及び教育研究機関に提供しております。
世界各国の「市場・技術・法規制などの」実情を調査・収集される時には、データリソース社にご相談ください。
お客様の御要望にあったデータや情報を抽出する為のレポート紹介や調査のアドバイスも致します。



詳細検索

このレポートへのお問合せ

03-3582-2531

電話お問合せもお気軽に

 

2024/10/04 10:27

147.72 円

163.39 円

196.69 円

ページTOPに戻る