Category: Generative AI

Amazon DataZone は、AWS、オンプレミス、およびサードパーティのソースに保存されているデータを […]

近年、AI の進歩は目覚ましいものがありますが、特に生成 AI の発展には目を見張るものがあります。私自身もアイデアの壁打ちやプログラミングに大規模言語モデル (LLM) を活用しており、日々その有用性を実感しています。ところで、生成 AI の真価はテキスト処理だけにとどまらない、ということをご存知でしょうか。例えば、最新のモデルには、画像も入力として利用できるマルチモーダルモデルと呼ばれるものもあります。本記事では、マルチモーダルモデルを利用した Amazon Bedrock の活用事例として、株式会社コーテッグ様の取り組みをご紹介します。

AWS Skill Builder は無料で利用できる学習センターで、生成 AI に関するコースも多数用意されています。ゲームベースで学習が可能な「AWS Cloud Quest」では、生成 AI ロールが日本語対応し、27 の課題にチャレンジ可能です。また、ニーズに合わせて他のトレーニングも探せるので、是非、皆様のご要望に合わせて知識を深めてみてください。

本ブログでは、公平性、透明性、アカウンタビリティ、プライバシーを重視した責任ある AI に関するいくつかの考慮事項とベストプラクティスをご紹介します。また、このエキサイティングな新技術を採用しイノベーションに乗り出す際に、エグゼクティブ、取締役、リーダーの方々が責任ある構築のために検討すべきステップについてもお伝えします。

生成 AI サービスを使用する際のデータのコントロールで直面する可能性のある現在の課題に対して、Amazon Bedrock 内のネイティブソリューションと階層化された認可を使用してそれらを克服する方法について説明します。

Amazon Bedrock でモデルの推論をするにはモデルアクセスの有効化、デフォルトで割り当てられた制限を超えて推論等を行う場合は制限値の引き上げが必要です。しかし、デフォルトの制限値はサービスの適正な利用とパフォーマンスの維持向上を図るため継続的に調整が行われており、その中であなたの AWS アカウントのモデルアクセスの有効化や推論等の制限値に影響が発生する場合があります。本記事はそのような場合の対応方法を解消するための手順を説明します。

生成 AI の導入は売上高 500 億円、従業員 1,000 名超の大企業では 7~9 割に達し、フェーズが「導入後」へ移行してきている企業も多いと推察します。
導入後の主な課題の一つが、「導入した生成 AI ツールが使われない」ことで、チャットツールに代表される生成 AI を誰もが利用できるインフラ基盤の利用率は、導入後 3 割、以後数か月で 1~2 割に落ち込む傾向があります。
本記事では、AWS の公開する生成 AI 事例より利用者数の向上に顕著な効果が見られるユースケースを 4 つご紹介します。ぜひ、課題解決に、社内での生成 AI 利用促進に役立てていただければ幸いです！

Amazon SageMaker Pipelines のビジュアルデザイナーを使用して、生成AIモデルのトレーニング、ファインチューニング、評価、登録、デプロイを行うエンドツーエンドのワークフローを作成できるようになりました。SageMaker Pipelines は、基盤モデルの運用 (FMOps) のために特別に構築されたサーバーレスワークフロー オーケストレーションサービスです。専門的なワークフローフレームワークを学ぶ必要なく、モデル開発やノートブックの大規模実行を自動化し、プロトタイプから本番環境までの生成 AI ジャーニーを加速します。データサイエンティストや機械学習 (ML) エンジニアは、大規模言語モデル (LLM) の継続的なファインチューニングやスケジュールされたノートブックジョブワークフローなどのタスクにパイプラインを使用できます。パイプラインは、数万のワークフローを並列で実行するようにスケールアップし、ワークロードに応じて自動的にスケールダウンします。

企業での生成 AI 活用が広まりつつも、比較的単純な業務への適用による「コスト削減」に効果が留まる事例は多いのではないでしょうか。日本は米国、欧州と比較すると雇用の流動性が相対的に低い傾向にあり、業務を効率化しても社員数が減らない以上、コスト削減の効果には限界があります。本記事では、生成 AI を活用しサービスの利用増や売上増など、トップラインの拡大を実現した 4 つの事例を紹介することで効率化から先のステップをご提示したいと思います。

生成 AI の活用を推進するには、単に社内で使えるようにするだけでは不十分だということに多くの企業が気づき始めています。本記事では、AWS の ML Enablement Workshop を活用した 4 つの事例から経営層の支持のもと、ビジネスと技術の両面から構成されたチームが活用の推進に不可欠であることを示します。