AIプラットフォームとは？

AIプラットフォームとは、AIを利用したアプリケーションやシステムの開発を行うために必要な機能やデータストア、ガバナンス・ツールキットを備えた環境のことです。

AIプラットフォームの最大の利点は、あらかじめ提供されている機能や環境、AIモデルを利用することで高速にシステム構築ができる点にあります。ゼロから構築する場合、AIが動作する環境を構築した上で、AIに学習データを読み込ませてモデルを構築する作業が必要ですが、AIプラットフォームを使用することで、この手間を省くことができます。
また、開発経験がない人でも、要約やチャットボットといったアプリケーションの開発、AIモデルのチューニングまでノーコードで開発を始めることができるのも利点の一つです。

ChatGPTの登場からAIの言葉の定義は「機械学習」から「生成AI」になりつつあり、近年は生成AIを利活用できる機能があることもAIプラットフォーム製品を選定する上で重要な条件となってきています。
生成AIは人が自然言語で指示することで文章などのテキストデータを作成することができるAIを指します。一般的には大量のデータを使って事前学習された自然な文章を生成できるLLM(大規模言語モデル)を利用して提供されます。

AIプラットフォームの主な種類

AIプラットフォームの種類は大きく2種類あり、汎用型のプラットフォームと目的特化型のプラットフォームに分けられます。
この2つの種類について、詳しくみていきましょう。

汎用型のプラットフォーム (総合型AIプラットフォーム)

汎用型のプラットフォームは、LLMをベースとして要約や文章生成などさまざまなタスクをAIに指示することができるプラットフォームです。
AI開発に必要な基盤やツールを総合的に提供しており、機能を組み合わせて自社が望むAIを柔軟に開発できます。
そのため、1つのプラットフォームで複数の目的に合わせたアプリケーションを開発できる点がメリットと言えるでしょう。
一方で、汎用型ゆえにアプリ開発においてはLLＭに意図するタスクを行わせるための一定の技術や専属のエンジニアが必要になる場合がある点がデメリットと言えます。

目的特化型のプラットフォーム

目的特化型のプラットフォームは、文字起こしや需要予測など特定のタスクをAIに指示することができるプラットフォームです。
開発できるAIの種類は限られるものの、より高精度なAIをより効率的に開発する機能を備えており、特定の業界や業務に特化したAIを開発できます。目的が限定的なのでAIに意図する生成物を作成させるようにするための技術があまり必要でない点がメリットと言えるでしょう。
一方で、特定の目的にしか利用できない点がデメリットと言えます。自社の業界に特化したAIプラットフォームがある場合は、目的特化型のプラットフォームを利用するのが最適と言えるでしょう。

AIプラットフォームを検討する時に比較すべき項目

AIプラットフォーム製品は種類によって様々な機能やメリットがあると分かったところで、次は選び方について紹介していきます。
製品の実績や使いやすさで比較することも重要ですが、それ以外にも下記の観点で比較することが重要です。

• 機能の充実度で比較する
• オンプレミス、PaaSなど提供される形態で比較する
• 提供されているLLMの種類で比較する
• コストで比較する

それぞれの観点について次章で、詳しくご説明します。

機能の充実度で比較する

AIプラットフォームが目的とするシステムやアプリケーションを開発するための機能を備えているかという点です。
具体的には下記の『6つの機能』で比較すると良いでしょう。

①：AIのチューニングや追加学習機能

AIに期待した動作をさせるためには、チューニングや業務に必要なデータを使った追加学習が必要な場合が多いため観点として必要です。

②：AIに追加学習させるためのデータの収集機能

追加学習には様々なデータソースから膨大なデータが必要になる場合があります。
必要なデータソースにすぐに接続ができ、データを収集することができる機能を備えているかという観点は必要です。

③：AIを外部からセキュアに実行することができる機能

一般的に、AIは外部のアプリケーションから実行する方が主要な用途です。
AIを活用したアプリとして最も有名なChatGPTもチャットボットのUIからLLMに指示をするアプリケーションです。
そのため、AI(LLM)がアプリケーションと連携できる機能があり、またセキュアに接続できるか、という観点は必要です。

④：AIの生成物の精度評価機能やハルシネーション(虚偽情報の出力)を防止する機能

AIが事実とは異なる情報を生成することをハルシネーションといいます。正確な応答が求められる業務にそのまま用いると大きな問題に繋がってしまいかねません。そのため、AIを業務で利用する場合には生成された回答の精度を監視し、ハルシネーションを防止するようなモニタリング機能があるかという観点は必要です。

⑤：AIガバナンスを実現する機能

AIガバナンスとは、AIの開発と利用を倫理的・法的・社会原則に沿って管理・統治することで、AI活用に伴うリスクへの対策を行う枠組みのことを指します。
AI技術の特徴に起因するリスクは、社会の偏りを学習して表現するリスク、AIのブラックボックス性に起因するリスクなど多様で広範囲に渡ります。
こういったリスクへの対策としてAIガバナンスを実現する機能が備わっているかという観点は必要です。

⑥：AIライフサイクルを管理する機能

AI(LLM)の精度を保つ上では追加学習のタイミングなどライフサイクルの管理も重要です。LLMは自己完結型で機能するものではなく、他のたくさんの要素を用いて機能しています。LLMのチューニングやテスト、運用環境への適用、運用後のモニタリングなどLLMを業務で利用する上での一連の流れをライフサイクルと呼んでいます。このLLMのライフサイクルを管理する機能があるかという観点は必要です。

オンプレミス、PaaSなど提供される形態で比較する

AIプラットフォームの提供形態はクラウドによるPaaSが主流となっていますが、扱うデータや目的によってはオンプレミスによる利用のニーズも根強いのが現状です。またクラウドの場合は輸出管理の面で提供されている地域(リージョン)の管理も重要です。
目的や自社のコンプライアンスを満たす提供形態で提供されているかという観点で比較するのが良いでしょう。

提供されているLLMの種類で比較する

LLMは学習に利用したデータやそのデータの言語によって精度にばらつきが出ます。目的の業務やタスク、利用者の言語等に応じてLLMを切り替えられる方が、AIプラットフォームとしての汎用性が高いと言えるでしょう。
また、LLMの透明性、信頼性という観点では学習に利用したデータが他社の権利を侵害していない事などがLLMの提供元で保証されていることが望ましいです。LLMによって知識は限定的だが小型で高速なもの、膨大な知識を持つが大型で低速なもの、など知識量に応じて性能面で差がでる場合もあるので、AIプラットフォームで提供されているLLMの種類で比較することも必要です。

コストで比較する

PoCや特定部門での先行的な本番運用、全社展開などフェーズに応じて最適な利用料、契約ができるかという点も重要です。
場合によってはPoCの段階から必要以上の環境や契約が必要でコストが余分に発生する場合もあるため注意が必要です。

おすすめAIプラットフォーム「watsonx」の概要

watsonxはビジネス向けのAIプラットフォームです。
watsonxを活用すれば、お客様はビジネス全体にAIを統合し、あらゆるデータソースを管理し、責任あるAIワークロードを迅速に展開できます。
また、クラウドだけでなくオンプレミスで環境を提供できるビジネス向けのAIプラットフォームです。

watsonxは以下の3つのコンポーネントで構成されています。

• watsonx.ai
• watsonx.data
• watsonx.governance

watsonx.aiコンポーネントは、基盤モデルを採用した生成AI機能と機械学習モデルを構築するための統合ツールのスタジオを提供します。
生成AI用に様々な大規模言語モデルがデプロイされており、ユース・ケースに適した基盤モデルを選択、チューニングによるモデルのカスタマイズができます。

watsonx.dataコンポーネントは、エンタープライズ・データを収集、保管、照会、および分析できるレイクハウス・アーキテクチャーです。オープンデータ形式で動作するよう最適化された、柔軟で信頼性の高いプラットフォームを提供します。

watsonx.governanceコンポーネントは、責任ある、透明性のある、説明可能なAIワークフローを加速するために、機械学習モデルと生成AIモデルのエンドツーエンド・モニターを提供します。データとAIガバナンスの両方を網羅したソリューションにより、企業がAIを本番環境に導入できるよう支援します。

これらのコンポーネントを使用することで、機械学習モデルの作成、LLMを使用した開発、AIライフサイクルの管理、AIの管理によるコンプライアンスの確保を達成できます。

※watsonxは、米国やその他の国におけるInternational Business Machines Corporationの商標または登録商標です。

お問い合わせ・資料請求