第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介

1
生成AIをエンタープライズで
活用するwatsonx.aiの紹介
—
Tsuyoshi Hirayama (平山毅)
Engineering Manager, IBM Client Engineering, IBM Technology
Takuya Okada (岡田拓也)
Data Scientist, IBM Client Engineering, IBM Technology
第79回 Machine Learning 15minutes!
Broadcast
2023年7月29日
© 2023 IBM Corporation

2
1.自己紹介（平山毅）
2.watsonx とは
3.デモ
4.自己紹介（岡田拓也）
5.watsonx の特徴、メリット、構成
6.評価プログラム (Tech Preview Program) ご紹介
Agenda

3
平山毅 Tsuyoshi Hirayama
日本アイ・ビー・エム株式会社テクノロジー事業本部
クライアントエンジニアリング本部
プリンシパルエンジニアリングマネージャー
金融・保険・新規事業開発、３つの部門を担当
IBM Technical Experts Council of Japan Steering Committee Member
東京理科大学理工学部卒業（同学SunSiteユーザーで電子商取引研究）。早稲田大学大学院経営管
理研究科ファイナンス専攻修了（AACSB EQUIS 認定MBA／ブロックチェーンファイナンス研
究）。GMOインターネット、サイバーエージェント、東京証券取引所、野村総合研究所、アマゾ
ンウェブサービスを経て2016年2月日本IBM入社。クラウド事業、Red Hatアライアンス事業、Data
AI事業、ガレージ事業、、立ち上げを経て2021年10月より金融保険チームを率い、2023年より新
規事業開発も兼務。グローバルカンファレンス登壇多数。著作7冊。早稲田大学ビジネススクール
ゲスト講師。事業構想大学院大学ゲスト講師。産業技術大学院大学情報アーキテクチャー専攻ゲス
ト講師、神奈川大学工学部電気電子情報工学科特別講義プログラム講師。
第３回 Machine Learning 15minutes! IBM Watsonの機械学習サービスとWatson Knowledge Studio-
第11回 Machine Learning 15minutes! Data Science Experience and Watson Machine Learning on Bluemix
第33回 Machine Learning 15minutes! AIバイアスとIBM Watson AI OpenScale & AI faireness 360 の活用
第50回 Machine Learning 15minutes! IBM Watson ML サービス最新 Update
第56回 Machine Learning 15minutes! IBM Cloud Pak for Data As a Service で始めるAI Laddar スモールスタート
第60回 Machine Learning 15minutes! IBM Data Fabricで実現するアカデミック分析アプローチ
第65回 Machine Learning 15minutes! 業界ごとのデータ分析を支援するIBM IBM Data and AI Acceleratorsのご紹介
第73回 Machine Learning 15minutes! IBM AI Foundation Models への取り組み
に過去登壇
自己紹介(平山毅)

Client Engineering チームでの豊富なAIエンジニアとデータサイエンティストが生成AI導入を支援
https://www.ibm.com/blogs/solutions/jp-ja/category/cocreation/
前回
今回

5
ビジネス全体におけるAIのインパクトを増大させるために設計された、
「エンタープライズ向けのオープンで信頼性のあるデータAIプラットフォーム」
です。 IBM Cloud SaaSからも提供
watsonx とは、
• ビジネスにおける価値創造をエンパワメントする全体設計
• エンタープライズでのビジネス利用に適したデータ＆AIのガバナンス機能
• IBM開発のAIモデルに加え最良のオープンソースAIも利用可能で、独自モデル開発も可能

6
watsonx を構成する３製品
• AI 構築のための次世代エンタープラ
イズ AI スタジオ
• 従来の機械学習と、基盤モデルを活用
した生成 AI 機能を集約
• 基盤モデルは、ビジネス向けのIBM独
自モデルや厳選されたオープンソース
モデルを活用
• 少ないデータから、短時間で実務上の
ユースケースを構築
watsonx.ai watsonx.data
watsonx.governance
watsonx.governance
watsonx.ai watsonx.data
• オープンかつレイクハウスを活用したアーキテ
クチャー上に構築されたデータ・ストア
• セキュアな環境でお客様データを管理し、会社
内で安全かつ誰もが利用可能な環境を提供
• お客様データが、他社のトレーニングに使用さ
れることはありません
watsonx
• OpenShift上にプラットフォームとして構築
• 洗練されたUI/UX
• IBMのビジネス向け他製品への接続・統合が可能
watsonx 製品共通
• 責任・透明性・説明可能性を満たして、AI
ライフサイクルを管理
• ライフサイクルガバナンス、リスク管理、
法規制遵守といった機能を提供

7
watsonx.ai
オープンかつ直感的なユーザー・インターフェースを通じて、従来の機械学習と、基盤モデルを活用した新しい生成AI機能の
両方を学習・検証・調整（ファイン・チューニング）・デプロイできる、AI構築のための企業向けスタジオ
• AI構築のための企業向けAIスタジオ
• 従来の機械学習と基盤モデルを活用した生成AIの両方を支援
• さまざまな学習／微調整（カスタマイズ）の方法をサポート
• オンプレや他社クラウド環境を含む多様な実行環境
• IBM独自のビジネス利用に適した基盤モデルの提供
• fm.code：コード生成
• fm.NLP: 大規模言語モデル（LLM）
• fm.geospatial：地理空間データ
• 厳選されたオープン・コラボレーション
• Hugging Face社との提携によりオープンソースモデルの利用
• PyTorch、Ray、ONNX等のオープン・コミュニティとの協力
SaaS版は2023年7月GA済
https://www.ibm.com/products/watsonx-ai
Pre-processing Model training Validation fm.studio Model serving
学習・検証チューニング
IBM基盤モデルライブラリー
fm.code fm.NLP fm.geospatial
オープン・コラボレーション
・・・・
Prompt Lab
zero/few-shotラーニング
の実験
Tuning Studio
企業のデータを使った
下流タスクへの適応
ModelOps
Automated
Development
Team
Collaboration
Decision
Optimization
オープンソース
モデル
オープン
コミュニティ

8
DEMO
watsonx

15
Group Name / DOC ID / Month XX, 2020 / © 2020 IBM
Corporation
T a k u y a O k a d a
LinkedIn Profile: https://www.linkedin.com/in/takuya-okada-7329611a6/
IBM Technology
岡田拓也
Senior Data Scientist
Data Scientist Role Leader
金沢大学大学院自然科学研究科修了。コニカミノルタでのデータサイエンティスト、日
本マイクロソフト出向を経て、2021年7月日本IBM入社。製造業を中心にデータ活用、
データドリブンな課題解決の支援に参画し、2022年11月よりCE Japan Data Scientist
Role Leadを担当。2023年より新規事業を担当。
Profile Works
Skill & Tools
自己紹介
【自動車部品製造企業様】
組み立て作業動画分析によ
る職人技の技能伝承
【電気機器製造企業様】
発電所のトラブルに対する
対処方法のレコメンド
チャットボット作成、ナ
レッジグラフDB化
【建設機器製造企業様】
建設現場写真のタグ付け支
援Webアプリ – どんどん賢
くなるAIの実現
Design
Thinking
Data Science Artificial
intelligence
Azure Presentation Facilitation
Cloud Pak for
Data
Python R
https://www.credly.com/badges/15f79588-
da5e-48a5-9ca4-7ed604964ff2

16
watsonxの4つの特徴
watsonxは、AIの専門知識を持たない現場のユー
ザーがDataやAIモデルをセキュアに利用可能
1.誰でも、安全に使える
2.既存データも安全に管理
3.ガバナンス
4.構築環境
新規データ以外にも、企業に蓄積された既存デ
ータも安全に利用可能
watsonx製品群はどこでも構築可能で、クラウ
ドロックインもない
データやAI利用について、企業が求めるガバナ
ンスを利かせることができる

17
IBMが考えるAI倫理
IBM は AI 倫理について、
• 「AI の目的は、人間のインテリジェンスを高めること」
• 「データと洞察はそれを生み出した企業に帰属する」
• 「AI をはじめとする新しいテクノロジーは透明性があり、
説明可能なものでなければならない」
という 3 つの原則を定めています。

18
IBMが考えるAI倫理
生成 AI についてもそれは同じで、お客様と IBM のデータや知的財産は、個人情報保護を
含めた全ての法律に従って守ることが重要です。
• 市場に提供されている生成AIツールの多くは、インターネットにアップロードされたデータを学習に利用しており、著作権の
取り扱いが不明確であることが指摘されています
• 特に無償サービスにおいて、対話型AIサービスに入力される文章を保存し、AIの追加学習に利用することも行われており、情
報漏洩のリスクを孕んでいます
OpenAI社のGPTは、１つの巨大言語モデルを様々な用途に活用できるという特性を持つ㇐
方で、学習データが明らかでないなど透明性に課題があります。
• ㇐方で watsonxや Hugging Face は、複数の言語モデルから適切なモデルを選択して使えるという特性を持つと共に、データと
モデルのメタデータに関するAIファクトシートの提供や、オープンなモデルやデータを選択できるという面で透明性に優れて
います

19
watsonx.ai で
従来の機械学習と基盤モデルを活用した生成AIの両方を支援
従来の機械学習
従来の自然言語処理 (NLP) タスクと、人間＋AI による新しい反復型ワークフローの両方をサポート
タスクごとに数百万の
ラベル付きデータ
Zero-shot プロンプティング Few-shot プロンプティングデータ駆動チューニング
ラベル付きデータ不要タスクごとに1～10 の
タスクごとに数百～数千の
タスクタスク
モデルモデル
ラベル付け
された
学習データ
ラベル付け
された
学習データ
タスクタスクタスクタスクタスクタスク
学習済み基盤モデル
手動作成された例
ラベル付けされた
チューニングデータ
生成 AI

20
生成AI watsonx.ai - Prompt Lab
Prompt Labでは、IBMモデルだけでなくOSSモデルを含めてGUI上で即座にさまざまなモデ
ル・タスクを試すことが可能です。
① サンプルプロンプト: プロンプトの使い方が学べるサンプル集。各機能別
のサンプルが用意されているので、初めて使用する方は、最初にこちらを参
照することをお勧めします。(英語です)
② 命令文(Instruction): モデルに対して、指示内容を記入します。オプション
扱いです。
③ 実例(Examples): モデルに対して実行する命令に関するヒントとなる内容を
実例として与えます。オプション扱いです。
④ 実行対象(Test your prompt): 命令文や実例で与えた指示を適用する対象(内
容)です。
⑤ モデル: 使用するファウンデーション・モデルです。
⑥ モデルパラメータ: すっかりお馴染みになった Temperature や最大トークン
数等、の指定が可能です。
https://qiita.com/yanagih/items/60d3263518da7acc126e
引用元：

21
シナリオ作成
1
レポート作成
2
メルマガ作成
3
エントリーシート作成
4
論文執筆
5
読書感想文作成
6
文章校正
7
文章の子供向け変換
8
ブログ記事作成
9
ツイート作成
10
問題作成
14
学習スケジュール作成
15
論文指導
16
自動採点
17
面接練習
18
授業計画作成
19
フォント指定
26
キャラクター生成
27
アイコン検索
28
カラーパレット作成
29
SEO対策
39
LP制作
40
文章作成系
生活のお悩み相談
11
キャリア相談
12
法律相談(簡易)
13
相談系
教育系
翻訳
20
英会話
21
語学系
バグ発見
22
アプリ開発(簡易)
23
ゲーム開発(簡易)
24
コーディング
25
プログラミング系
デザイン系
口コミ検索
30
資料アジェンダ作成
31
アンケート質問作成
32
インタビュー案作成
33
ネーミング
34
議事フォーマット作成
35
文章の図解化
36
イベント企画
37
市場規模調査
38
ビジネスサポート
Web業務サポート
旅行プラン提案
41
トレーニング提案
42
レシピ考案
43
日常サポート
大喜利
44
作詞
45
占い
46
感情分析
47
オセロ対戦
48
しりとり
49
漫才
50
その他
想定されるユースケース例
営業日報データを用いれば、
現状の要約・整理、活動の推奨・計画策定、
などに生成AI watsonx を活用できます

22
IBMにおける watsonx 活用の技術スタック
Red Hat
OpenShift
Enterprise Linux
Ansible Automation Platform
ハイブリッド
クラウド・
プラットフォーム
watsonx
watsonx.ai
watsonx.data
watsonx.governance
AI+データ
プラットフォーム
Cloud Paks
アプリケーション
モダナイゼーション
API Connect
サステナビリティー
Envizi
EIS
Maximo
セキュリティー
QRadar
MaaS360
ITオートメーション
Turbonomic
Instana
デジタルレイバー
Watson Orchestrate
Watson Assistant
Planning Analytics
IBM
ソフトウェア
ソフトウェア、SaaS
パートナーとの協業
• watsonx は Openshift 等ハイブリッドクラウドプラットフォーム上に構築可能
• インフラとアプリケーションを一貫して統合管理することで、迅速に価値を発揮します

23
生成AI watsonx の無償評価プログラム*を用いた共創
• お客様の価値検証のため、IBM専任AIチームと共創する無償の技術検証プログラム* (1ヶ月
程度) をご用意しています
1. Briefing 2. Workshop 3. watsonx PoV
生成AI及び watsonx 活用の成果を
実感するべく、代表的なユースケー
スを基に、貴社業務で実際に活用可
能なパイロットプロダクトを創出し、
価値検証する
生成AI及び watsonx が貴社業務に
おいてどのようなビジネス価値を発
揮するかを見定め、無償環境による
ハンズオンにより技術を体感し、後
続PoVの計画を策定する
生成AI 及び watsonx についての
理解を深め、貴社業務への適用
により、どのようなビジネス成
果が期待できるかを理解する
生成AI、watsonx、無償検証プ
ログラムを理解し、無償PoVの実
施可否を判断する
目的
実業務への
生成AI watsonx ご活用の価値検証
生成AI watsonx の
ユースケース策定、ハンズオン体感、
PoV計画策定
業務適用イメージアップ、
課題出しと期待出し
無償検証プログラム実施の
可否判断
ゴール
1-4週間（目安）
2~8時間 (e.g., 2時間x4回)
1時間～数時間
適宜
期間
• TechPreview環境 (SaaS) でMVP構
築
• 各種基盤モデルのライブラリ
• API/SDK Pythonライブラリ
• 他IBM製品
• 成果の検証、課題の整理
• ネクストアクション、ロードマップ
概要の策定
• 生成AI watsonx の詳細説明
• ユースケース特定に向けた議論
• ハンズオンラボによる技術体感
• PoV計画策定
• 技術的スコーピング
• MVP設計
• 生成AI watsonxの概要ご説明
• お客様事例のご紹介
• 適用可能性の高いユースケース
のご紹介・ユースケース創出に
向けたディスカッション
• 生成AI watsonxの概要ご説明
• お客様事例のご紹介
• 適用可能性の高いユースケース
のご紹介
• デモ
• 無償検証プログラムのご紹介
• ネクストアクションの策定
Agenda
技術の体感、
実地検証
0. Assessment
共創によるPilot：SaaS環境での価値検証
（お客様の成熟度に応じた進め方となります）
適宜デモを実施させていただきます
*プログラム内容は変更になる可能性がありますので、詳細は直接お問い合わせください

24
生成AI watsonx の無償評価プログラム*を用いた共創
• 無償プログラム*ですが、お客様にも２、３のお願いがございます
お客様の投資
 PoV成功の確実性を高める専任Focalのアサイン
 IBMご支援活動への積極的なご参加
 事前アセスメントのためのお打ち合わせへのご協力
 プログラム完了後のアンケート調査へのご協力
IBMの投資
 SaaS 環境への無償アクセスご提供
 IBM主導のWorkshop[s]開催
 基盤モデルの概要
 プロンプトエンジニアリング等のハンズオン
 ユースケース開発とScoping
 IBM伴走による共創活動 (2-4 週間)
 貴社ビジネス向けユースケース開発
 サンプルビジネスアプリへのAPIインテグレーション
 IBM 専任チーム (AI Engineer, Client Enginering
Squad) + 各種SMEs
*プログラム内容は変更になる可能性がありますので、詳細は直接お問い合わせください

第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to 第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介

Similar to 第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介 (20)

More from Tsuyoshi Hirayama

More from Tsuyoshi Hirayama (20)

第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介