生成AI白書 2023年版

本白書は、生成AIが抱える多元的かつイノベーティブな緒テーマについて、国内外の主な論文／サーベイペーパー／ジャーナルの論考や報告を踏まえながら、最新データをもとに、その全容を体系的に組み立て、網羅的かつ詳細に解説したレポートである。

生成AIは膨大なデータリソース、情報資源、知識領域を統合し、人間の思考の複数の側面を模倣する能力により、トップレベルの人間集団のインテリジェンスさえ超える程度に多義的なものを扱うレベルに達しつつある。しかし、生成AIを組織的、効果的に活用するには、人間と言語モデルの対話パターン、プロンプトエンジニアリング、リスクコントロールを含め、慎重かつ迅速なノウハウの獲得が必要である。

そこで本白書では、おおまかに以下の状況認識のもとで、各章を構成している。

［1］　生成AIは、人工知能の最新のブレークスルーと世界的なデータ量の増加を背景に、一連の入力データ、非構造化データの学習、パラメータなどに基づいて新しいオリジナルコンテンツ生成、コーディング生成、データ生成、インフォマティクス等による設計や開発の効率化などをもたらしている。そして、生成AIが持つこうしたトランスフォーメーションによって、ワークスタイルの在り方をも変革することを目標に、多くの企業や団体が生成AIプロジェクトに注力している。

［2］　生成AIは、コンテンツ生成や情報資産効率化というカテゴリーに収まるきれるものではなく、さまざまなアプリケーションにアドオンすることで、大幅にインテリジェントな基盤と強化することができる機械学習／ディープラーニングのモデルでもある。

［3］　生成AIや大規模言語モデルは、ゼロから新しいモデルをトレーニングするよりもはるかに低い計算コストでファイン・チューニングを行い、特定のドメインにおけるパフォーマンスを向上させることを実証している。これにより、たとえば、設計文書、医療文書、法務文書などのデータセットで微調整し、それぞれの文書処理のための命令チューニングモデルを作成することができる。このモデルは、専門用語の理解、エンティティの識別、テキストからの関連情報の抽出に優れている。

［4］　アニメーション、ゲーム、アート、映画、建築などの分野では、「DALL-E」、「Stable Diffusion」、「Midjourney」のような生成系モデルによって、ダイナミックなイノベーションを起こしつつある。

［5］　生成AIモデルは、GitHub CopilotやReplit Ghostwriterのようなツールによって、ソフトウェア開発のような複雑な分野で変革的な能力を示している。

［6］　生成AIモデルは、Azure、AWS、Nvidia、GoogleのようなAIクラウドプラットフォーム、NvidiaやGoogleのようなAIハードウェアメーカー、ChatGPTやBingのような消費者製品経由でのLLMへのアクセス、API経由でのLLMモデルへのアクセス、異なるソースから入力を受け、様々な形式の出力を生成するマルチモーダルモデルにブレークスルーを誘発する存在となっている。

［7］　生成AIモデルは、Hugging Faceのようなフルモデルにアクセスするためのオープンソースプラットフォーム、タスクを設定し、相互に作用することができるエージェントモデルなど、それぞれのドメインでは非常に活発でダイナミックな状況が形成され、既存モデルにブレークスルーを誘発する存在となっている。

［8］　今後、生成AIは、大規模な言語モデルだけでなく、多くの種類のモデルを構築するために使用され、その方法はますますマルチモーダルなものへ発展いくことが確実である。例えば、エンジニアリング、科学、化学、法務、教育、医療など、多くの分野に根本的な変化をもたらすだろう。

［9］　その一方で、生成AIプロジェクトで課題を抱える企業も多い。そのため本白書では、以下の諸問題と対策、今後のシナリオなどについて具体的に掘り下げて論考している。

　●　生成AIモデルにおける懸念点と目指すべき原則
　●　生成AIの利用・開発で留意すべきリーガルリスク
　●　権利侵害・プライバシー侵害などへの対策・検討
　●　サイバーセキュリティ対策
　●　幻覚・AIのバイアス・偽情報の助長と防止対策
　●　デジタルクローニング／ディープフェイク対策、
　●　ドリフト問題、透明度低下問題、脱獄問題、データ汚染問題、過学習問題など
（他）

※　なお、「生成AI」というテーマは、複眼的、立体的な視点で解明し、アプローチすることで、より精確で深みのある理解が得られるものである。当団体でもそうしたコンセプトで本白書を編纂している。

そのため、以下の白書（ほぼ当団体よりほぼ同時期に発刊）がそれぞれ独立して編纂されながらも、４巻セットとしてシリーズ編成されている。

• 大規模言語モデル（LLM）白書 2023年版
• 機械学習／ディープラーニング（DL）／生成AI・大規模言語モデルと機械学習・DL白書 2023年版
• 次世代NLP（自然言語処理）と大規模言語モデル（LLM）白書 2023年版

■内容編成（目次）■

序

第1章　生成AI概説［1］

1-1　概況

1-2　生成AIの定義

1-3　生成AIの俯瞰的発展経過

1-4　生成AIの基本的なフレームワーク／実装／拡張シナリオ

1-5　生成AIがもたらすパラダイムシフト

第2章　生成AI概説［2］

2-1　生成AIと大規模言語モデル（LLM）
　　［1］　生成AIが科学、工学にもたらすもの
　　［2］　エネルギー効率の高いLLM

2-2　生成AIのためのインフラスタック、インフラツール
　　［1］　概説
　　［2］　ファンデーションモデル
　　［3］　オープンソース
　　［4］　クローズド・ソース
　　［5］　ファインチューニング
　　他

2-3　生成AIのライフサイクルパターン

2-4　主たる論文／サーベイペーパー

第3章　生成AIの促進要因・支援スキーム／生成AIの評価・利用実態・市場動向

3-1　推進政策・規制緩和等

3-2　AI市場をけん引する生成AI／生成AIの市場動向

3-3　生成AIの評価・利用実態
　　［1］　全米経済研究所（NBER）の　「生成AIが企業間の格差を拡大する」
　　［2］　野村総合研究所（NRI）　「ChatGPTの利用動向調査」
　　［3］　日経BP社日経クロステック誌　「企業における生成AI活用とリスク対応の実態」
　　［4］　Macbee Planet　「生成AIを活用中のマーケティング担当者を対象にマーケティングへの生成AI活用の実態調査を実施」
　　［5］　Gartner　「2025年にはソフトウェア開発リーダーの半数以上が生成AIの監督を任されるとの予測を発表」
　　［6］　モルガン・スタンレー　「ギグワークの市場規模拡大と生成AIの影響」
　　［7］　Bain ＆ Company　「生成AIに関するフェーズ移行、3つの誤解」

3-4　生成AIに関する認知・問題意識動向

第4章　生成AIに対する各国の対応／ルール策定を巡る動き

4-1　概況・近況

4-2　生成AIを巡りG7各国で活発な議論

4-3　AI規制に関する世界の動向
　　他

4-4　生成AI活用普及協会（GUGA）　安全な生成AI」の社会実装に向け本格始動

4-5　生成AIリテラシー向上策

4-6　各種製品群への生成AI組み込みの可能性

4-7　生成AIなどの技術革新に伴う国際ルール形成

4-8　生成AIの法的な問題／知的財産権に関する問題

第5章　AI・生成AIのビジネス開発と投資動向

5-1　「新しい資本主義」改訂案／新たな産業創出に向けた生成AI開発の強化

5-2　拡大を続ける生成AI投資のビッグウェーブ
　　［1］　アクセンチュア　「AIに30億米ドルの驚愕投資を発表」
　　他

5-3　Similar Web and Sensor Tower　「生成AI市場動向調査」

5-4　a16z　「世界の生成AIトップ50社の分析と市場動静に関する考察」

5-5　a16z　「画像世代の成長による影響」

5-6　a16z Internal benchimarking／Similar Web　「生成AIと非生成AI：　オーガニック獲得の対比」

5-7　PitchBook　「企業数と調達資金の比較」

5-8　Similar Web and Discord　「生成AIの成長」

5-9　Similar Web and Sensor Tower　「アプリからのトラフィックの製品別割合」

5-10　Similar Web and Sensor Tower　「製品別アプリからのトラフィックの割合」

5-11　有力スタートアップ／資金調達動向

5-12　生成AIで業績を伸ばす有力銘柄

5-13　投資動向

ソフトバンクグループ　OpenAIへの投資検討

第6章　生成AI／LLMのベースモデル／フレームワーク

6-1　ファンデーションモデル（ファンデーションモデル）

6-2　トランスフォーマー（機械学習モデル）

6-3　ビジョントランスフォーマー

6-4　生成的な事前学習済みトランスフォーマー

6-5　教師あり学習ではなく強化学習による微調整

6-6　プロンプトエンジニアリング／プロンプト・コンストラクション
他

第7章　生成AIの根底に流れる思想・哲学・概念

7-1　ジェネレイティブ

7-2　自然言語理解

7-3　知識マップ、コンセプトマップ、ストーリーマップ、認知オーガナイザーと生成AI

7-4　コンテクストアウェアネス（文脈認識）

7-5　生成AIと人間の心理学・応用心理学の類似性・比較分析

7-6　メタ認知

7-7　進化モデルと生成AI
　　［1］　ミーム／ミームティクス

7-8　自己組織化的生成型AI

第8章　生成AIの課題・対策状況［1］

8-1　言語モデルにおける懸念点と目指すべき原則

8-2　生成AI・LLMとインフォデミックリスク

8-3　生成AIモデルと信頼性

8-4　生成AIとアクセシビリティ

8-5　幻覚／AIのバイアス／偽情報の助長と防止対策

8-6　権利侵害・プライバシー侵害の可能性

8-7　テキストから画像への変換・拡散モデルにおける著作権保護問題
　　［1］　テキストから画像への変換モデルと著作権の問題
　　［2］　Google　「AI生成画像への「透かし」による安全対策」
　　［3］　Google　「写真編集機能「Magic Editor（マジックエディター）」
　　［4］　Natureが画像や動画での生成AIの使用を許可しない理由
　　［5］　AI生成画像の見分け方、注目ポイントを専門家が伝授
　　［6］　Microsoft　「Copilotの企業顧客が著作権侵害による訴訟の結果生じる不利な判決には責任を持つと表明」

8-8　デジタルクローニング／ディープフェイク

8-9　コンテンツの来歴と真正性に関する問題
　　［1］　AIラベリング／画像や動画に出所や編集履歴を示すラベルを付与するプロトコル「C2PA」を巡る動向
　　［2］　生成エラーを体系的に特定するファクトチェック（事実性検出）

8-10　ドリフト（生成AIの知能低下）問題／回答生成プロセスの透明度低下問題

8-11　脱獄問題（「AIに有害情報を答えさせるための情報偽装」

8-12　データ汚染による「再帰の呪い」問題

8-13　過学習（学習データの過度な最適化による障害）の問題

8-14　AI利用に伴う倫理問題／差別助長などのリスク

8-15　生成AIのリスク管理／経団連　「倫理的発展のためのガイドライン（案）」

8-16　生成AI普及がもたらすデータセンターのエネルギー消費量5倍増の問題

8-17　サイバーセキュリティ対策

第9章　生成AIの課題・対策状況［2］

9-1　概説
　　［1］　オープンAIなど10社による自主ガイドライン
　　他

9-2　生成AIによる著作権侵害への検討・対策
　　［1］　概要
　　［2］　ユーザー側が考慮するべき要点
　　［3］　生成AIサービスのプロバイダーにおけるリスク
　　［4］　「知的財産推進計画2023」原案／生成AIによる著作権侵害への対策検討
　　［5］　文化庁の「AIと著作権」の解釈
　　［6］　JASRAC　「生成AIと著作権の問題に関する基本的な考え方」を発表

9-3　機密情報漏洩の可能性

9-4　生成AIの利用・開発で留意すべきリーガルリスク
　　［1］　概要
　　［2］　AI開発・学習段階における検討ポイント
　　［3］　「知的財産に関するデータ」を学習に用いる場合
　　［4］　契約による利用制限の可否（オーバーライド問題）
　　［5］　データ提供契約に基づく利用制限
　　他多数

9-5　生成AI自体の性能変化のリスク

9-6　AI用GPU（画像処理半導体）インフラの確保

9-7　最新動向・事例
　　［1］　OpenAIがコンテンツ収集に用いるウェブクローラー「GPTBot」をブロックする試み
　　他

9-8　外部ツールとの連携


第10章　生成AI／LLMで実装・発現される技術群［1］

10-1　文章抽出／テキストの自動要約

10-2　テキストデータマイニング（TDM）／ニュースアグリゲーション

10-3　自然言語生成／明示的な意味解析／リライティング

10-4　知識抽出・知識作成／データベースからの抽出・変換

10-5　情報検索／データマイニング／主題別インデクシング／XML検索

10-6　レビュー／探索的データ解析／自動分類／多目的最適化問題

第11章　生成AI／LLMで実装・発現される技術群［2］

11-1　センチメント分析

11-2　データマイニング／ナレッジディスカバリー（知識発見）

11-3　情報科学とオントロジー／データモデル

11-4　メタサーチエンジン／サーチアグリゲーション

11-5　データキュレーション
　　［1］　データキュレーション

11-6　バイオキュレーション
　　［1］　バイオキュレーション
　　［2］　全ゲノムシーケンス分析

11-7　コンピュータビジョン

11-8　パーシーバー／非構造化データのトランスフォーマー

第12章　生成AI／LLMで実装・発現される技術群［3］

12-1　有効な取引戦略エディターとしての生成AI

12-2　価格トレンド分析と取引戦略支援

12-3　市場トレンド

12-4　生成AIによる取引戦略

12-5　アルゴリズム取引における生成AIの活用

12-6　デイトレードにおける生成AIの活用

12-7　行動ファイナンス／市場のセンチメント分析と投資支援

12-8　不動産トレンド分析と生成AIの活用

12-9　トレーディング戦略を向上させるための生成AI活用

第13章　チャットAI／AIアシスタントと生成AI

13-1　概説

13-2　AI型チャットボット

13-3　シナリオ型チャットボット

13-4　生成AI・文脈理解で進化するチャットボット

13-5　主な生成AIチャットボットの基本特性
　　［1］　OpenAI　「ChatGPT」
　　［2］　マイクロソフト　「Bing ChatGPT」
　　［3］　Jasper　「Jasper」
　　［4］　YouChat 　「YouChat」
　　［5］　Chatsonic／Google　「Chatsonic」
　　［6］　Socrates　「Socrates」
　　［7］　Amazon　「音声認識アシスタントAlexaに生成AIを導入／複雑なリクエストにも対応可能に」
　　［8］　Google　「Google ChatをSlackやTeamsなどの他プラットフォームと相互運用可能に」

13-6　低スペックPCでも使える軽量チャット
　　［1］　Nomic AI　「GPT4ALL」

13-7　ニューラルネットワーク搭載型のチャットボット
　　［1］　Google　「Meena」
　　［2］　メルセデス・ベンツが米国車両の音声アシスタントにChatGPT導入、90万台以上に

13-8　信頼、助け合い、無害を再定義するAIアシスタント　「Claude」

13-9　サブスクリプション型AIチャットサービス

13-10　参入企業動向・活用事例

第14章　生成AI／LLMと次世代検索エンジン／Webインテリジェンス

14-1　概説

14-2　RAG（検索拡張）による生成的AI変革の第二の波

14-3　アダプティブ・ウェブサイト

14-4　Webインテリジェンス

14-5　Microsoft Bing（通称：Bing）

14-6　Google　「AI搭載の次世代検索エンジン」

14-7　生成AIとSEO技法への影響

第15章　生成AI／LLMを支えるハードウェア／高速コンピューティング／ネットワーキング技術

15-1　生成AIとGPU

15-2　生成AIとディープラーニング用GPUと適性

15-3　高速化されたコンピューティングとAIの統合
　　［1］　生成AIブームに乗るNVIDIA

15-4　RISC-Vの活用
　　［1］　基本的な特性

15-5　RISC-V活用の主な事例

15-6　大容量メモリと1EFLOPSの性能備えたAIスーパーコンピュータ

15-7　AIに特化した高速ネットワーキングプラットフォーム

15-8　生成AIの多様なニーズに応えるリファレンスアーキテクチャ

第16章　生成AIのファインチューニング

16-1　概説

16-2　特定のタスクに適合するためのchatGPTの微調整

第17章　生成AIを巡る知的財産権・特許の競争

17-1　生成AIと特許の最新動向

17-2　生成AIと特許の考察
　　［1］　概説
　　［2］　特許クレームと発明者意識

17-3　生成AI特許出願動向

第18章　主な生成AIの強み・弱み／新たな拡張シナリオ

18-1　GPT（Generative pre-trained transformers）
18-2　マイクロソフト　「インターネット全体を一度に取り込むことができる次世代生成AI：LongNet」

18-3　Google　「PaLM2」

18-4　Google　｢Bard｣

18-5　Google　「Gemini」

18-6　　Meta　「Llama 2」／ChatGPT超えの性能を発揮するか

18-7　Adobe　「Firefly」／「FireflyをCreative Cloudと統合」

18-8　SAP SE　「SAPのエンタープライズクラウド製品に直接組み込まれり生成AIアシスタント：　Joule」

18-9　Meet Pi（ChatGPTの新たな有力対抗馬）

18-10　Anthrpic　「Claude」

第19章　プロンプトエンジニアリング－活用のポイントと課題

19-1　プロンプトエンジニアリング／プロンプト・コンストラクション　概説

19-2　生成AIの成果を左右するプロンプトエンジニアリング

19-3　プロンプトの制約条件と緩和策

19-5　マルチモーダル・モデル
　　［1］　MultiModal-GPT（人間との多人数対話のための視覚・言語モデル）
　　他

19-6　プロンプト最適化ツールキット
　　［1］　Microsoft Research　「LMOps」

19-7　長文プロンプト入力
　　［1］　Google支援のAnthropic　「超長文プロンプト入力可能な生成AI」

19-8　事例
　　［1］　日本マネジメント総合研究所合／GPT研究所　「GPT監査活動を通じて編み出した汎用型プロンプト」

第20章　強化学習による人間の価値観と合わせた各種生成技法

20-1　RLHF（人間のフィードバックを使ってAIモデルを強化学習する手法）

20-2　SFT（Supervised Fine-Tuning：教師あり微調整）

20-3　RM（Reward Model：報酬モデル）

20-4　PPO（Proximal Policy Optimization：近接方策最適化

20-5　人間の評価を利用したGPT言語モデルの強化学習
　　［1］　Rinna　「強化学習済みの日本語に特化した対話GPT言語モデルの公開」

第21章　企業組織における生成AIの戦略的利活用

21-1　概説

21-2　経営者が考える生成AIのビジネス・社会への影響

21-3　AI導入による生産性向上と生成AI

21-4　生成AIの利用ガイドライン

21-5　生成AIによる財務情報分析

21-6　生成AIによる人事、総務、情シスなどの質問対応自動化

21-7　生成AIがコンサルタント／テクノロジーキャリアに与える影響

21-8　働き方／ワークスタイル／ワークフローに大きな変化をもたらす生成AI
　　
21-9　生成AIとエンタープライズ・ソフトウェアの連携

21-10　生成AIによる企業向けサービス

21-11　高速GPT-4でプライバシーも安全とされる企業向け「ChatGPT Enterprise」

21-12　生成AISaaS
　　［1］　NVIDIA／Snowflake　「SaaS上のデータ利用の独自AIアプリ構築環境提供」

21-13　Copilotプラットフォームと生成AIの相互運用・外部連携

21-14　Google　「Duet AI for Google Workspace」

21-15　Microsoft　データ分析基盤「Fabric」発表／DWH・AI・ストリーム分析を統合

21-16　オフィスのデジタル化（DX）と生成AI

21-17　決算説明会、株主総会等における想定問答の作成支援

21-18　生成AIを活用した仕入れ交渉

21-19　生成AIによる営業事務の支援・部分的な自動化

21-20　生成AIによるプロダクトディスカバリー

21-21　生成AIによるデジタル自動商品セットアップ

21-22　その他各種事例

21-23　生成AIに取り組む有力企業・団体動向

第22章　生成AIのトレーニング手法

22-1　概説

22-2　スタンフォード大学　「大規模言語モデル・生成AIを理解するためのAIベンチマーク」

22-3　事前学習済みモデルとファインチューニング（トレーニング）
　　［1］　メモリの消費量を激減させつつ少ないデータでトレーニングできる手法　「QLoRA」

22-4　プロンプトエンジニアリング教材
　　［1］　DeepLearning.AI／OpenAI　「プロンプトエンジニアリング教材を共同開発・無料公開」

22-5　AI／生成AIのトレーニングを大幅に安く高速化するLLM　「phi-1.5」

22-6　生成AIに関連した研修サービス

22-7　事例

第23章　生成AI・LLMとドキュメントインテリジェンス／組織におけるコンテンツ利用

23-1　自然言語処理と機械学習によるドキュメントインテリジェンス

23-2　生成AIによるドキュメント・インサイト・ウェアハウス

第24章　画像・動画・映画の生成／シントグラフィー

24-1　テキストから映像・動画を生成する技術

24-2　シントグラフィー（デジタルメディアを合成的に生成する手法）

24-3　ステイブル・ディフュージョン（ディープラーニングによるテキストから画像への変換モデル）

24-4　画像生成AIが変えるアニメーション作成フロー

24-5　DALLE／DALLE-E-3

24-6　Google Research／ボストン大学　「DreamBooth：テキストから画像へのモデルの微調整に用いられる深層学習生成モデル」

24-7　Microsoft AI　「MM-REACT」（視覚プールを組み合わせてマルチモーダル推論・行動を実現するシステム）

24-8　Google　「AIによる商品画像の生成と編集をサポート：Product Studio」

24-9　OpenAI　「ChatGPTに画像認識機能を搭載」

24-10　DeepFloyd IF　「自然言語モデルの知識を利用した画像生成モデル：Imagen」

24-11　訴訟リスクの少ないクリーンな画像生成AI　「Emi」

24-12　Leonardo.Ai

24-13　＆NovelAI

24-14　Getty Images　「画像生成AIに参入／完全な法的確実性をクリエイターに補償」

24-15　その他近況・事例など
　　［1］　マイクロソフト　ブラウザーから手軽に使える画像生成AI　「Bing Image Creator」
　　他多数

第25章　自律的な生成AIシステムによるジェネレーティブデザイン

25-1　ジェネレーティブデザイン

25-2　生成AIによる3Dモデル自動生成
　　［1］　OpenAI　「3Dモデル自動生成AI「Shap-E」を発表」

25-3　ジェネレーティブデザインの応用分野

第26章　生成AIによるエンジニアリング情報管理（EIM）／システムエンジニアリング支援

26-1　学際としてのシステムズサイエンスとAI

26-2　エンジニアリング情報管理（EIM）と生成AI

26-3　システムエンジニアリングと生成AI

26-4　生成AIとデータ分析

26-5　メタモデリング

26-6　メタプログラミング

26-7　自動プログラミング

26-8　生成AI（自然言語）によるデータベース分析

26-9　自動的なエラー検知・バグフィックス
他

第27章　生成AIによるソフトウェアプロトタイピング／コーディング支援

27-1　概説
　　［1］　概要
　　［2］　生成AIが開発ワークフローのトランスフォーメーション
　　［3］　生成AIコーディングツールの設計と構築

27-2　AIベースのソフトウェア開発とデプロイメント

27-3　ソフトウェア開発者向け生成AI利用のベストプラクティス

27-4　ソフトウェアプロトタイピングと生成AI

27-5　AIとDevOpsの組み合わせ

27-6　生成AIによるソフトウェア開発・コーディング支援

27-7　Googleが見せた「生成AIを活用したシステム運用スタイル／コード化の未来像」

27-8　生成AIによるコード生成

27-9　開発支援AI　「GitHub Copilot」

27-10　生成AIによるバグ捕捉、プログラム改修

27-11　定番開発用エディタ「VSCode」から利用できるChatGPT

27-12　VSCodeとChatGPTの橋渡しをする拡張機能　「Genie AI」

27-13　生成AIによるソフトウェア開発における制約・課題

27-14　主要ベンダーの動向

27-15　主な開発者向け生成AIの特性

27-16　参入企業動向

第28章　生成AIと連携するアプリおよびアプリ作成ツール

28-1　ChatGPTを使ったアプリ作成
　　［1］　概説
　　［2］　自然言語入力によるChatGPT連携アプリ作成ツール「MetaGPT」

28-2　生成AIにおけるアプリ開発高速化

28-3　主要プレーヤー動向

28-4　参入企業動向

第29章　ChatGPTのコードインタープリターによる業務の自動化

29-1　概況・近況

29-2　ユースケース
　
第30章　マーケティング・営業支援

30-1　概説

30-2　生成AI で変わる顧客接点・顧客体験（エンゲージメント）

30-3　生成AIによるインサイトやアイデア開発

30-4　セールス活動における生成AIの活用

30-5　ChatGPT連携タレントロボット／商談デモとしての活用

30-6　マーケティングにおける生成AI／その他AIの活用例（海外）
　　［1］　IBM
　　［2］　Google
　　［3］　Salesforce
　　他多数

30-7　AIによる新商品の需要予測・顧客行動分析

第31章　顧客プロセスと統合された生成AI

31-1　生成AIとカスタマーエクスペリエンス向上

31-2　生成AIを活用したアンケート調査

31-3　Webサイトの評価・改善の支援
　　［1］　「B2BフォームAI診断」を無料提供（WACUL）

31-4　生成AIによる顧客サポート、接客サービス

31-5　生成AIによる電話応対・コンタクトセンターの効率化

31-6　参入企業動向
　　［1］　電通デジタル　「データアーティストとの合併／データ＆AI部門の新設」
　　［2］　フリークアウト・ホールディングス　「生成AIの活用推進をループ全体で強化」
　　［3］　Expedia　「ChatGPT をExpedia（旅行サイト）のモバイルアプリと統合」

第32章　金融業界向け生成AIの活用

32-1　概況・近況

32-2　生成AI導入に意欲をみせるメガバンク、損保大手

32-3　生成AIによる金融・財務タスクの自動化

32-4　生成AIによる株価予測

32-5　各種事例／実証実験動向

32-6　生成AIのニュースの見出しのセンチメント予測による株式予測

第33章　広告・広報・広告クリエイティブ制作の支援

33-1　概説

33-2　ターゲティング広告における生成AI活用

33-3　効果予測AIによる広告クリエイティブ制作支援

33-4　大規模言語モデル（LLM）活用による広告効果の高いテキストの自動予測・自動生成

33-5　生成AIが促す連動広告ビジネスモデルの変容

33-6　生成AIによるプレスリリースの自動生成

33-7　事例

第34章　自動コンテンツ制作支援／生成AIのクリエイティブ活用

34-1　概説
　　［1］　生成AIで増殖する「コンテンツファーム2.0」の新たな波

34-2　生成AIによるECの変容
　　［1］　コンテンツ監査・コンテンツインベントリー支援
　　［2］　コンテンツインベントリ
　　［3］　ウェブコンテンツのライフサイクル支援

34-3　自動コンテンツ制作支援
　　［1］　CMSとChatGPTを連携した自動コンテンツ制作を支援
　　［2］　生成AIによる文章一行（ワンセンテンス）のWebサイト構築

34-4　AIによるタイトル生成・タイトル提案

34-5　AI生成記事の校正サービス

34-6　コメントの自動応答／選択肢に応じたメッセージ自動返信

34-7　FAQの自動生成

34-8　生成AIによるコンテンツ生成とサービス展開

34-9　生成AIによる製品レビュー生成

34-10　主なAIコンテンツ生成ツール

34-11　参入企業動向
　　［1］　グーグル　ニュース記事作成AI「Genesis」
　　［2］　メルカリ　「メルカリShopsにおけるChatGPTを活用した自然対話の商品検索」
　　［3］　ブイキューブ／ポケトーク　「イベントDXソリューションに同時翻訳・通訳を組み合わせたソリューション」
　　他多数

34-12　事例
　　［1］　ITmedia NEWSは記事執筆フローにChatGPTなどAIを導入する

第35章　生成AIによるレコメンドシステム（レコメンダーシステム）

35-1　概説
　　［1］　概要
　　［2］　生成AIによるレコメンドシステムの特性

35-2　アプローチ別特性

35-3　テクノロジー

35-4　応用サービス
他

第36章　建設・建築分野における生成AIの活用

36-1　概説

36-2　生成AIによるコンセプト立案、パース作成

36-3　構造ヘルスモニタリング（SHM）

36-4　生成AIによる建築プランナーのインタビューおよびパース作成の自動化ソリューション

36-5　テキストプロンプトから建設テクスチャ付き3Dアセットを生成する技術　「Text2Room」

36-6　生成AIとBIMの結合
　　［1］　概説
　　［2］　BIMと設備管理

36-7　生成AIによる3Dモデルの設計変更とデジタルツインプラットフォームへの統合

36-8　事例

第37章　製造業における生成AI活用

37-1　概況・近況

37-2　生成AIによる保守点検支援

37-3　生成AIによる経営の資源としての人、資材、設備を有効に活用した生産システムの構築・改善

37-4　マイクロソフト　「Dynamics 365」にChatGPTを搭載した「Dynamics 365 Copilot」

37-5　生成AIによる作業支援

37-6　クラウドサービス／オンプレミスの両方に対応

37-7　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」

37-8　NVIDIA　「自動車、建築業向けの専用生成AI活用支援」

37-9　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」

37-10　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」

37-11　生成AIによる現場の異常の自動判別・報告

37-12　生成AIによる熟練技能継承・現場訓練支援

第38章　化学・材料分野、マテリアルズ・インフォマティクスにおける生成AI活用

38-1　概況

38-2　生成AIを活用した用途探索

38-3　マテリアルズ・インフォマティクスを活用した新材料の開発・探索

38-4　生成AIとハイブリッド・クラウドで新素材設計

第39章　生成AIによるデジタルライブラリー／機関リポジトリの運用支援

39-1　概要

39-2　生成的AIが情報リテラシーとレファレンスに与える影響

39-3　書誌データベース支援

39-4　コレクション・マネジメント

39-5　アーカイブスマネジメント
他

第40章　生成AIによるキュラトリアルプラットフォームの運用支援

40-1　概要

40-2　デジタル・キュレーションの世界における生成AI

40-3　「全社横断のAIプロジェクトチームを新設／Notionを活用したポータル上に業務関連のプロンプトを公開」

第41章　自律的な生成AIシステムによるジェネレイティブ・アート

41-1　概説

41-2　コンピュテーショナル・クリエイティビティ

41-3　ジェネレイティブ・アートの主な思想的・理論的支柱

41-4　機械学習によるコンピュテーショナル・クリエイティビティ

41-5　テキストから画像への変換・拡散モデル

41-6　デジタルモルフォジェネシス

41-7　ビジョントランスフォーマー／CLIPモデル

41-8　シーナリージェネレーター（風景画像・3Dモデル・アニメーションの自動生成ソフトウェア）

41-9　モーションジェネレーター／フェイシャルモーションジェネレーター

41-10　画像や動画の認識・生成のために設計された自己教師付きフレームワーク　「DiffMAE」

41-11　キャラクター音声の生成・配信

41-12　テキスト-ビデオ生成・音楽の視覚化のための生成的AIシステム
他多数

第42章　情報およびデータの品質管理／データ検証／検証・妥当性確認（V&V）

42-1　概説

42-2　データガバナンス

42-3　生成AIによるマスターデータ管理

42-4　生成AIによるリファレンス・データ管理

42-5　生成AIによるデータ統合

42-6　データ・情報の可視化／データとグラフィック要素間のマッピング

42-7　生成AIによるビジネスセマンティクスマネジメント（BSM）
他

第43章　行政・自治体組織における生成AIの導入・活用

43-1　行政・自治体組織、都市インフラにおける生成AIの可能性

43-2　地域活性化・観光活性化と生成AI活用

43-3　自治体における生成AI導入検討・利用禁止の動向

43-4　自治体におけるAIチャットボットの導入

43-5　生成AIの業務利用に関するルール制定・条例化動向

第44章　生成AIとリーガルテック／生成AIとレグテック

44-1　概説
　　［1］　リーガルテック／レグテックに新時代をもたらす生成AI
　　［2］　生成AIが企業内法務に与える影響
　　［3］　法律業界における生成AIの活用
　　［4］　リーガルテック分野において想定される生成AIの使用パターン
　　［5］　法務省指針　「リーガルテックについて、サービス「適法」の見解を示す」
　　［6］　法務省　「企業契約書の審査においてAI活用を容認する指針を公表」
　　他

44-2　関連機関の報告書

44-3　リーガルテック／レグテック概説

44-4　レグテックを構成する技術と生成AI

44-5　レグテック・ソリューションの需要

44-6　データ駆動型の規制とコンプライアンスモデルの調和

44-7　レグテック・ソリューションのターゲットおよび特徴

44-8　高度なアナリティクスとAIの適用例
44-9　企業法務部門における生成AI関連の取り組み

44-10　生成AIによる特許書類の自動作成

44-11　生成AIによる社会保険労務士の業務支援

44-12　参入企業・参入ベンダー動向
　　［1］　Eigen Technology
　　［2］　Waymark Tech
　　［3］　（株）LegalOn Technologies
　　［4］　リーガルオンテクノロジーズ　「ChatGPTで契約審査業務を効率化」
　　［5］　弁護士ドットコム　「新興リセと提携・AI契約書審査に参入」
　　［6］　PKSHA Technolog　「PKSHA LLMSを活用し、弁護士ドットコムの生成AI活用を技術支援」
　　［7］　MNTSQ　「ChatGPTに指示しながら契約書を作成できる機能を開発」
　　［8］　Sansan　「AIによる契約管理サービスの機能拡張」
　　［9］　マネーフォワード　「電子契約・保管サービス上で締結前の法務相談や条文審査に関する工程管理サービス」
　　［10］　リーガルスケープ　「司法試験の一部科目で合格水準の正答率を出せる対話型AIを開発」

44-12　ユーザ事例

第45章　生成AIと次世代情報インフラ／次世代情報セキュリティ

45-1　概説

45-2　スケーリング効率の課題

45-3　生成AIによるデータセンターで冷却性能の向上

45-4　生成AI向けGPUクラウド・サービス

45-5　メモリ増強・メモリ削減LLM／限られたGPUメモリでLLM高スループットで処理する生成エンジン

45-6　枝刈りアルゴリズムによるメモリ使用量削減

45-7　生成AI／LLMと画像分析の統合によりインタラクティブに被災状況を把握する技術

45-8　本格化する生成AIのセキュリティー分野への応用

45-9　UCB／スタンフォード大学／CMU／Meta他　「FlexGen」
　　［1］　ChatGPTの場合、10,000基のNVIDIA GPUのスケーラリビティを活用

第46章　生成AIで変わるデジタルエンゲージメント形態／ゲーム開発／VR・MR・メタバースとの連携モデル

46-1　概説

46-2　GPT-4 を搭載したARグラス

46-3　大規模言語モデルの出力を表示できるスマートグラス

46-4　AR技術と生成AIによるカウンセリング・チャットボット

46-5生成AIを搭載したAR・スマートグラスの課題

46-6　生成AIによるゲームのドラフト、スクリプト、プログラムコード生成

46-7　テキストから3D（立体）モデル生成・3Dプリンター出力

46-8　メタバースにおいて生成AI技術が果たす役割の広がり

46-9　裸眼立体視デバイス「Looking Glass Portrait」の可能性を広げる画像生成AI

第47章　生成AIと次世代教育モデル

47-1　概説

47-2　教育評価／自動小論文採点（AES）

47-3　生成AIによるコーチング支援

47-4　生成AIによる医学教育テーマの問題解決

47-5　中等学校・高等学校における生成AI活用の進展

第48章　医療エコシステム支援／医療関連業務支援

48-1　概況・近況

48-2　医療文書・診療記録に関する生成AI

48-3　AIによる患者ポートレートの自動作成

48-4　AIによる電子カルテ整備支援
　　［1］　Realyze Intelligence　「電子カルテからハイリスク群を抽出するAIプラットフォーム」

第49章　医療診断支援

49-1　概説

49-2　医療サイバネティクスと生成AIの結合

49-3　臨床業務のシステム化／臨床文書改善（CDI）

49-4　看護記録の構造化

49-5　ECG測定とAI構文認識機能による心臓のパターン認識・診断支援

49-6　生成AIによる各種医療診断支援

第50章　生成AIによる創薬・治療薬の創出

50-1　創薬におけるChatGPT

50-2　生成AIによる治療薬の創出が現実に

50-3　AI創薬のInsilico Medicine　「生成AIで臨床試験の第Ⅱ相から第Ⅲ相の予測に成功」

第51章　ヘルスケア支援／医療カウンセリング支援

51-1　生成AIを用いたメンタルヘルスツールの台頭

51-2　健康情報プラットフォームと生成AI

51-3　各種事例・動向

第52章　日本語に特化した言語モデル（LLM）／生成AI

52-1　日本語特化の生成AI

52-2　汎用PC／スマートフォンで実行できる生成AI
　　［1］　OpenAI　「ChatGPTのスマートフォンアプリ配信／音声認識システム「Whisper（ウィスパー）」の機能を統合」
　　［2］　Nomic AI　「ノートPCでも実行可能な70億パラメータのチャットボット：GPT4ALL」

52-3　国産LLM開発の支援
　　［1］　AWSジャパン　「国産LLMの開発を支援／600万ドルのAWSクレジット提供」

52-4　生成AI／LLMの実装支援・活用支援等

第53章　生成AIクラウド・サービス／プラットフォーム・サービス

53-1　概要

53-2　アマゾン・ウェブ・サービス（AWS）と生成AIサービス

53-3　Google Cloudと生成AIサービス

53-4　Google　「Duet AI」

53-5　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」

53-6　Google Cloud　AI/ML開発プラットフォーム　「Vertex AI」

53-7　Google　生成AIプラットフォーム　「Vertex AI」

53-8　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」

53-9　Microsoft Azureと生成AIサービス

53-10　Oracle　「Oracle Cloud Infrastructure（OCI）をコアにした生成AIの推進」

53-11　生成AIクラウド・サービス関連参入企業動向（国内）

第54章　主な参入ベンダー動向

54-1　概況

54-2　OpenAI

54-3　Microsoft

54-4　Google／Google Cloud

54-5　Meta

54-6　Amazon／Amazon Web Services（AWS）

54-7　NVIDIA

54-8　Slack

54-9　Apple
他多数

第55章　生成AIの主なスタートアップ／ユニコーン動向

55-1　概況・近況

55-2　生成AIユニコーン動向

55-3　xAI（マスク氏 新会社）

55-4　DataBrix

55-5　生数科技（Shengshu-ai）

55-6　Cohere

55-7　anthropic

（中略）

55-25　ヤンデックス

55-26　プリファード・ネットワークス（PFN）

55-27　HEROZ（株）

55-28　ランサーズ（株）／ランサーズグループ

55-29　ジークラウド／Legal AI　「士業向け生成AIを共同開発」

55-30　（株）YOUTRUST

55-31　ウェル・ビーイング（株）
他多数