インテリジェントオートメーション（IA）という言葉を耳にしたことがある方も多いでしょう。これは、業務プロセス管理（BPM）、人工知能（AI）、ロボティックプロセスオートメーション（RPA）を使用してエンドツーエンドのワークフローを自動化するコグニティブオートメーションの一種です。

現在、生成AIの出現により、組織は既存の自動化ソリューションと新しいテクノロジーを使用して、AIコンプライアンスとAIガバナンスを維持しながら、より良い価値を実現する方法を模索しています。

従来のAI自動化が魅力的な新しいエンジンを搭載する中、車を動かす構成要素に注目したいと思いますが、その前に、まずマニュアルを開いてみましょう。

• 生成AIは、学習データに基づいて画像、動画、テキストなどのコンテンツを生成できます。
• RPAは、人間の行動を模倣して、ルールベースの反復作業を実行できます。
• AIシステムは、人間の知能をシミュレーションして意思決定を行います。
• BPMは、システム、人、デジタルワーカーをオーケストレーションします。
• 機械学習アルゴリズムは、データから学習できます。
• 自然言語処理（NLP）は、人間の言語を処理するAIのサブセットです。バーチャルアシスタントやAIチャットボットが人とコミュニケーションできるようにします。

これまでに、生成AIと予測AIを比較しています。また、RPAと機械学習（ML）や、生成AIに備える方法についても紹介してきました。ここでは、一歩踏み込んで、生成AIと機械学習の別個の実行と、システム内での実行について見てみましょう。このガイドでは、以下の点について説明します。

• 生成AIとMLの連携方法。
• AIとMLの違い。
• 業務プロセスの改善にMLを活用する方法。

生成AIは機械学習と同じなのか

MLは生成AIの構成要素の一つです。

インテリジェントオートメーション（IA）を自動車にたとえると、機械学習（ML）はGPSに従って正しい方向に車を運転する新しいドライバーです。GPSは、大規模なデータセットで生成AIモデルに学習を行う大規模言語モデル（LLM）であると考えてください。良質な学習データは、車が道を間違えたり、断崖絶壁に行き当たったりすることがないようにします。

MLの優れた点は、過去の経験から学習することです。新米ドライバーのように、マシンが同じ地域の道を走行する時間が長くなればなるほど、マシンは新しい近道を自分で考え出せるようになります。

そこに生成AIが加わると、自動運転車が誕生します。生成AIが車載コンピューターを引き継ぎ、人の介入を必要とせずに。ドライバーと同じように最適なルートを学習します。そうなると、ドライバーは、読書をしたり、仕事の電話に応じたり、昼寝をしたりできるようになります（いずれそうなると期待されてはいますが、自動運転車の技術はまだ完成から程遠いところにあります）。

機械学習と生成AIの違い

機械学習は、アルゴリズムを使用してデータを分析し、そこから学習し、そのデータに基づいて予測と情報に基づいた意思決定を行うAIのサブセットです。MLを使用すると、すべてのルールを明示的にプログラムして、コンピューターに動作を指示する必要はありません。MLアルゴリズムは、統計的手法を使用してパターンを識別し、入力と出力の関係を検出することで、経験から自動的に学習し、改善します。

一方、生成AIは、機械学習技術を使用して新しいコンテンツを作成するAIの一分野です。生成AIモデルは、データセット内のパターンと関係を十分に学習して、学習データに似た新しいデータを作成できます。

言い換えると、生成AIは創造が中心であり、MLは学習が中心です。そして、MLは生成AIの機能を支援しています。

生成AIのユースケース

ここでは、業界のユースケースを詳しく見てみましょう。

• マーケティング：ほとんどの人が最初に思いつくユースケースでしょう。生成AIは、画像やビデオ、音楽を作成できるだけでなく、ロゴやデザインの作成を支援することで、デザイナーにアイデアを提供することもできます。
• 医療：放射線科医が医用画像からがんの影を検出できるようにすることで、臨床医による患者の早期診断を支援します。生成AIは、大規模な非構造化データを読み取って、人間よりも迅速かつ適切に異常を特定できる十分な機能を備えています。
• 銀行・金融：金融専門家による不正の早期発見や、ポートフォリオ管理を支援します。
• IT：プログラミング技術の膨大なデータベースを使用してコードを生成する生成AIにより、開発者のコーディングを高速化できます。

さらに詳しくは、生成AIのユースケースに関する当社のブログをお読みください。

生成AIのメリット

この定義は今後数年間で大幅に拡大していくと考えられますが、ここでは、生成AIのメリットを一部紹介します。

• 創造性を高める：生成AIは、プロンプトに基づいて新しいアイデアを提供することで、人間の創造性を高めます。多様な出力結果で創造性を刺激することも可能です。
• 単調な作業を自動化する：IAを生成AIの安全なプロセスラッパーとして使用することで、反復作業を自動化し、組織の時間とリソースを節約できます。
• コストを削減する：生成AIは、ワークフローを効率化して諸経費を削減し、リソースをより効果的に割り当てることができます。
• データを合成する：生成AIは、合成データを生成して既存のデータセットを補強したり、AIモデルの学習用シナリオをシミュレーションしたりできます。
• 意思決定を強化する：生成AIは、意思決定を支援するために、洞察、推奨事項、さらには代替案を提供できます。また、シミュレーションや予測、シナリオを生成することもできます。

機械学習のユースケース

MLは以前から存在しており、業務プロセスの改善や業務補助用にさまざまな業界で活用されています。機械学習の用途には次のようなものがあります。

• 画像認識：MLは、監視における顔認識などの用途のために、物体、人、風景を識別できます。
• 予測の実行：生成AIの登場以前、MLは、需要予測、売上や顧客離れの予測、在庫管理の効率化などに使用されていました。
• 推奨：MLは、オンラインショッピング中のユーザーの好みに合わせて商品を推奨したり、ユーザーの好みに応じた音楽をおすすめしたりできます。
• 異常の検出：MLは、パターンを分析して理解する機能を備えており、データの異常な動作や外れ値を検出するように設計されています。これは、金融における不正や製造における設備故障の検出に役立ちます。

機械学習のメリット

MLには、業界や部門全体で活用できる大きな可能性があります。IAの傘と併用することで、さらに多くのことが可能になります。

• 傾向とパターンを簡単に特定：MLは、大量のデータを確認して、人間にはわからない特定の傾向を発見できます。これにより、ユーザーは効率的に作業を行い、質の高いデータ評価を行うことができます。
• パーソナライズ：MLは、ユーザーの行動、好み、インタラクションを分析し、それに基づいてカスタマイズした体験を提供することで、ユーザー体験をパーソナライズします。
• 効率と最適化：MLアルゴリズムは、ボトルネックや非効率性を特定できるようにすることで、プロセスとワークフローを最適化します。これにより、プロセスを自動化しようとする組織にとっては、実行しやすくなります。
• コスト削減：生成AIと同様に、MLもタスクを自動化し、運用コストを削減することで、企業のコスト削減を支援できます。
• 拡張性：MLシステムは、大量のデータやユーザーベースを処理するよう拡張できるため、あらゆる規模の企業に適しています。
• リスクマネジメント：MLは、潜在的な不正行為を特定し、障害を予測し、信用度を評価することで、リスクを軽減できます。

機械学習と生成AIの連携

生成AIは当然、MLを含んで機能しています。これは、長年のデジタル技術の次世代の進化形です。MLアルゴリズムは、パターンを理解することで個性を発揮させ、生成AIはこれを使用して新しい素材を合成します。

扉をたたいて訪れるのは未来

多くの点で、（生成AI同士でもより大きな生成AIの傘下に吸収されているのと同じように）MLは生成AIのようなテクノロジーの布石となっています。数年後には、別のコグニティブテクノロジーに目を向けて、その技術がどのように発達してきたのか不思議に思うようになるでしょう。理想的な世界では、生成AIが人間らしさを機械と融合させ、人の手を煩わす必要のない作業を自動化し、人間が創造的で革新的で興味深い存在であり続けられるように支援してくれます。

つまり、インテリジェントオートメーションと生成AIの背景には、将来に向けての展望を続けるという考えがあります。まさにそれが、SS&C Blue Prismの使命です。私たちは、テクノロジーには境界がなく、人間（そして機械）の想像力にしか限界はないと信じています。現在の状況は、10年後には大きく変わっているでしょう。だからこそ、私たちは企業が生成AIと自動化を利用して可能性を拡張するよう推奨しているのです。