アーカイブ動画
ChatGPT最大のポイントは、言葉で挙動を変えることができる「汎用性」
有限責任監査法人トーマツ
デロイトアナリティクス シニアマネジャー 山本 優樹氏
最初に登壇したのは、AI・機械学習に関する研究開発に15年以上従事してきたキャリアを持つ山本優樹氏。山本氏は得た知見をクライアントに提供するだけでなく、アカデミックな領域でも研究開発や調査に邁進。多方面で活躍している。東京大学未来ビジョン研究センターの客員研究員も務める。
デロイトアナリティクスでは、山本氏のように専門領域に関する研究や社外活動を行う人材を「スペシャリストトラック」と認定しており、業務時間の約半分を充てることができる。
まず山本氏は、ChatGPTが2022年11月の公開から、わずか2カ月でユーザー数が1億人を突破した理由について考察した。
「性能的に優れていることはもちろん、誰がどこでもどんな用途でも使うことのできる“汎用性”が大きな理由であり、ChatGPTの特徴であると言えるでしょう」（山本氏）
誰でも使える反面、「ChatGPTで何ができるのか、よく理解していない利用者も増えている」と、山本氏は指摘する。実際、関心を持ったユーザーや企業からの問い合わせも多く、その第一声は「ChatGPTって何？」だという。
山本氏のチームは、ChatGPTの用途を大きく3つに分類した。「調査・分析」「創作」「対話」である。中でも「対話での用途が一番驚いた」と、山本氏は語る。
実際にコールセンターのオペレーターとして振る舞うように文章を入力すると、苦情に対して謝ったり、追跡番号を聞かれて「知らない」と答えると別の情報を聞いてくる。「まるで本物の人間のオペレーターのような振る舞いをする」と、実際のチャット画面を示しながら、その性能の高さを紹介した。
もう一つ、これまでのAIは課題が異なる場合は、別のAIモデルを使う必要があり、専門の技術者がプログラミングなどを行う必要があった。しかし、「ChatGPTは入力する言葉を変えるだけで、挙動を変えられることが大きい」と山本氏。こちらも実際に「コーチングしてください」と、別の課題を入力する事例で示した。
ChatGPTのような先進的なAIは「LLM （Large Language Model／大規模言語モデル）」と呼ばれ、すでに産官学民問わず多方面で影響を与えている。一方で、海外と日本の影響や対応は異なるという見解も示した。
例えば日本では、岸田総理がOpenAIの代表と会うなど、官が積極的に着目していることで、企業での関心も一気に高まった。対して海外では、イタリアでは一時使用が禁止になったり、著名人が開発を止めるような動きがあるからだ。
山本氏はGoogleが5年ほど前に開発したTransformerというLLMが、ChatGPTなど、先進的なAIのベースであること。機械学習など他のAIとの違いなどをイメージしたスライドを紹介。改めて次のように、LLMの特徴を話した。
「人間へのアライン、つまりあたかも人間のように答える、自然な受け答えに特化した学習を取り入れることで、言葉で挙動を変えることが最大のポイントです」（山本氏）
データの専門家でないと解けない問いを正確に答える
LLMは言葉で挙動を変えることができる汎用性を備えるため、活用領域も広い。自動運転以外の領域での効率化が見込まれている。今回は「データ分析」「財務分析・会計」「監査」での活用事例が紹介された。
データ分析では、スプレッドシートに書かれたスーパーマーケットの売上データを入力して試した。ChatGPTはテーブルデータなので入力できない。そこで、表データの情報をコピーペーストしてテキストデータとして、ある意味強引に貼り付ける形で行った。
それにも関わらず、ChatGPTはデータをしっかりと文字列として認識。分析結果でも売上高の合計、利益率の平均、販売数の高い店舗など、まさに山本氏らデータサイエンティストが通常行っている業務を着実に実行した。
重複や空白、表記ゆれなど、データサイエンティストの重要な業務である「データの前処理」を試すと、西暦表記が統一されていないなどの答えが返ってきた。
さらにChatGPTに不正会計のリスクを聞くと、今度は「そのリスクは評価できない」という答えが返ってきた。「この回答は正しい」と、山本氏は説明する。不正会計のデータは公開されていないのがその理由で、ChatGPTはあくまで2021年の9月までに公開されているデータをベースに学習しているからだという。
そしてこの取り組みを通じて、次のような見解を述べた。
「今後は、企業が独自に持っているデータの価値がより高まることが予想されます。実際、独自データを活用しAIをファインチューニングしたサービスも登場しています」（山本氏）
「財務分析・会計」「監査」の事例も紹介するとともに、これらの事例からわかるのは、専門的な知見と同等の性能をChatGPTが有しているということだ。
ただし、どのような言葉で指示を出すのか、正確な回答を得るには入力する言葉が重要になってくる。それが「プロンプトエンジニアリング」という手法だ。山本氏たちは、すでに同サービスに取り組んでいることも明かした。
個別案件は答えられず、正確にはデータがないため、誤った回答を出す場合もある。しかし、すでにプラグインなどが開発・提供されており、補完されている。
山本氏はそのひとつ、PDFに書かれた内容を打ち込むと、その内容をAIが把握した上で答える「ChatPDF」を紹介するとともに、こちらも先と同様、実際に試した内容も示した。
学習させたデータは17年前に山本氏が自然言語処理について書いた論文である。左側の回答では要約を、右側では課題点や最新の手法との違いを3つ挙げるなどの指示を出し、ChatGPTは見事に答えた。
そして山本氏は、このようにカスタマイズしたChatGPTを論文を読む際に利用しており、次のように成果を語っている。
「論文を読むスピードも含め、内容を理解するスピードが格段に上がったと感じています」（山本氏）
山本氏はChatGPTを複数立ち上げ、それぞれを大学の先生、弁護士、開発者などの異なる役割とし、AIについて議論させた。つまり、ChatGPT同士の会話が成り立つかどうか、そのようなシステムをプログラミングして実行した。
すると、まさに人間が行っているような会議のやり取りが見られた。しかも、それぞれのポジションのChatGPTが属性に則った視点から論じることで、多様な観点で議論が進められた。いわゆるシンギュラリティに対する見解も示した。
「これまでの仕事がAIに置き換わることで、人間の仕事が減っていくのではないかといった議論もあります。しかし私は、人間にしかできないより価値のある業務に時間を充てることができるようになり、結果として会議の質も高まっていくと考えています」（山本氏）
とはいえ、LLMの方が性能を発揮することは間違いない。特に懸念されているのは「教育と労働」だと、山本氏は語る。
さらに、LLMを活用するリスクもあるという。汎用性が高いからこそ、リスク対策の難易度は高まる点だ。ただ基本的な考えとして、これまで山本氏たちが取り組んできたAIガバナンスの内容と変化はないと補足した。
リスク対策を適切に行いながら活用を進め、クライアントのビジネスに貢献
続いて山本氏は、LLMなどの先進的なAIを活用する際のリスク対策について解説。リスク対策は長期的に取り組む必要があり、それぞれのフェーズでのサービスの開発・提供もしている。リスクは人が定義するため、「人の仕事がなくならないこと」についても説明した。
これまで述べてきたとおり、LLMは幅広い業務に活用できる。そしてこれも繰り返しになるが、リスクも恒常化しやすい。そこで、山本氏たちは業務フローをパターン化し、フレームワークとすることで、リスク対策と活用効果向上を同時に実現しようとしている。
また、リスクの度合いを整理する取り組みだけでなく、ワークショップなどを開催して、クライアントと一緒になって対策を行っているという。
「フレームワークは今後、必ず必要になる」と山本氏。先進的なAIを丸裸で使うのはリスクが高いからだ。ただ、それだけではない。リスク対策が守りとすれば、よりLLMを活用するのは攻めの取り組みと言える。
実際に攻めと守りを同時に実現するフレームワークも考えており、エコシステムにもなるという。現在人が行っているデータ入力は理解における自然言語処理であり、LLMでも担える。「おそらく世界中の研究者が関心を持って取り組んでいるテーマだと思います」と、山本氏は力強く語った。
そしてこのようなリスク対策を、これまで取り組んできたAIガバナンスに追加することで、先進的なAIも含め、積極的にAIを活用することで、クライアントのビジネスの成長に寄与していく。
「この取り組みを実現するには、様々な専門性が必要ですが、多様な業界・企業とビジネスをしてきたデロイト トーマツには、強みがあります。言い方を変えると、専門性を活かして、多様なビジネスを展開できることがデロイトアナリティクスの魅力であるとも言えるでしょう」（山本氏）
様々な要素や専門性に付加価値を加え、最適な手法でデリバリー
有限責任監査法人トーマツ
デロイトアナリティクス シニアマネジャー 大場 久永氏
続いては、金融領域を主軸としながら、サイバーセキュリティにおけるアナリティクス活用など、幅広い領域でのAI・アナリティクスに関するコンサルティング業務に従事する大場久永氏が登壇。
まず、デロイト トーマツ グループの組織概要やデロイトアナリティクスの概要・サービスについて紹介を行った。以下スライドのとおり、デロイトアナリティクスは数多くあるデロイト トーマツ グループの有限責任監査法人トーマツ内の組織として、2012年に設立した。
その名のとおり、アナリティクスやデータ分析をベースとしたコンサルティングサービスを、組織を横断して担う。
世界トップクラスのプロフェッショナルファームであり、グローバルで約1万3000名、国内でも約280名の専門家が従事しており、第三者による評価「Gartner’s Magic Quadrant for Data and Analytics Service Providers」でも8年連続でリーダー評価を獲得している。
今回のテーマにも直結する、リスクコンサルティング領域でも、同じく外部の評価機関が発行する調査レポート「 IDC MarketScape : Worldwide Risk Consulting Services 2019 Vendor Assessment」から、業界を牽引するリーダー的な存在であるという評価を獲得している。
社会課題の解決に貢献するなどのミッションを掲げ、サービスの提供領域は企業活動の全領域を網羅する。組織はさらに複数のチームから構成されており、今回の登壇者2人が所属するのはDecision Analytics＆Technologyチーム、通称DATだ。 組織全体のミッションにも重なる社会やクライアントの課題に対して、課題解決力やデータ分析力、技術力など、様々な領域の各種技術やスキル、オーダーメイドなアドバイザリーサービスを提供する。
大場氏は元素記号表を模したスライドを掲げ、あくまでイメージだと前置きしながらも、次のように組織ならびにビジネスの進め方を説明した。
「様々な要素がうまく組み合わされることで、物質が構成されていく。その過程と、チームのオーダーメイド的なサービスが重なるイメージです。具体的にはクライアントの課題に応じて、それぞれの領域から最適な要素を結合し、さらには付加価値がついたサービスに仕立て、最適な方法でデリバリーしていきます」（大場氏）
先に紹介したように、マーケティング、HR、ファイナンス、AIなど様々な領域のクライアントに対し、アナリティクスに関するサービス提供をしているDAT。大場氏はその中からいくつかの事例を紹介した。
【事例①】人工衛星のデータ活用
1つ目は、サプライチェーンにおいて、人工衛星のデータを活用する事例だ。具体的には経産省、NEDOが開催したコンテストで、デロイト トーマツのメンバーがメンターを務め、参加チームのメンタリングを行い、包括的にサポートを行った。
【事例②】レースデータ分析
2つ目は、レースデータの分析だ。モータースポーツに参戦しているトムス社と協業し、レースの状況をリアルタイムで把握できるダッシュボードの導入や、ドライバーやエンジニアの負担が軽減するような取り組みを行うなど、レースにおける意思決定の支援・高度化に貢献している。
【事例③】マテリアルインフォマティクス
3つ目は、機械学習や情報サイエンスなどを使い、材料開発のスピードを高める、マテリアルインフォマティクス領域だ。主に素材・化学メーカーのR＆D組織を対象に、関連するアナリティクス業務ならびに、DXを支援している。
【事例④】自然言語処理活用
4つ目は自然言語処理を活用した、脱炭素、カーボンニュートラル技術に関するグローバル調査の事例だ。まずは、各国における同取り組みやトピックを、新聞、専門誌といったリソースを対象に調査を行った。
得たデータから各国の脱炭素技術に対する注力度合いを抽出し、ヒートマップを作成。一目で分かるようにした。さらには抽出したトピックを自然言語処理AIによるNLP分析ならびに、PEST分析をかけ合わせるという取り組みも行った。
取り組みにおいては人工知能学会に寄稿するなど、先に登壇した山本氏のようにアカデミック的な活動を推進するメンバーもいると、大場氏は補足。デロイトアナリティクスで働く醍醐味を次のように述べ、セッションをまとめた。
「あくまで私たちの主観ですが、総合プロフェッショナルファームであることから担当していない領域がない。グローバルレベルで文化の違う多様な人と協業し、ダイナミックなサービスが提供できることが醍醐味であり、魅力だと感じています」（大場氏）
【Q＆A】参加者からの質問に登壇者が回答
セッション後は、イベントを聴講した参加者からの質問に、登壇者が回答した。
Q．コールセンターの事例では、AIは過去の人間の振る舞いを学習している。今後AIがコールセンターの職を担う場合、学習データは何になるのか？
山本：世界的にも課題と認識されている重要な内容です。AIが生み出したデータをAIが学習すると、公平性などの面でバイアスなどがかかる懸念やリスクがあるからです。一方で、人間・AIどちらが書いた文章なのか、判別するのが難しい状況でもあります。そこでAIによって生成された文章には、何らかの表示義務を設けるなど、欧州で議論されています。
Q．企業が持つ独自データにおいては、最新情報のみ価値があるということなのか？
山本：そうならないサービスだとは言い切れません。一方で、不正検知や不正会計リスクといった情報は、時間が経っても変わらないという特徴があります。
Q．ChatGPT同士のやり取りだけで、高め合うことができるのか？
山本：セッションで紹介した事例では、200回ほどのやり取りを行っています。ただ、ChatGPTだけで行っているのではなく、前に発言した内容から同意した意見を言うなど、人間が裏でプロンプトエンジニアリングを行っています。そうした取り組みがあるからこそ、やり取りは無限にできるし、人間の考えが及ばない議論が生じているのです。
Q．2人がデータアナリティクスの分野に進むとしたら何を学ぶか？
大場：コンサルタントの立場で、裏でどのような技術が使われているのか。具体的には、自然言語処理などのデータサイエンスの理論をしっかりと学ぶと思います。
山本：今後プログラマが不要になると考える人がいますが、だからこそプログラミングについて勉強することで、より価値が高まると考えています。学びにより知ることで、知らない人と比べて活用の仕方も変わると思います。AIがいつも正確な答えを返すわけではありません。そして、見極めるのは人です。つまり、AIの回答を見極める能力を身につけることが大切だと思います。
有限責任監査法人トーマツ
デロイトアナリティクス(Deloitte Analytics) トップ ｜デロイト トーマツ グループ｜Deloitte
有限責任監査法人トーマツの採用情報
https://rarecruit.tohmatsu.co.jp/careers/index.html
関連するイベント
