More Related Content
![【図解】コレ１枚でわかる最新ITトレンド [増強改訂版]](https://cdn.slidesharecdn.com/ss_thumbnails/170403ittrend2-170413083829-thumbnail.jpg?width=640&height=640&fit=bounds)
Similar to LiBRA 11.2018 / 総集編
More from Masanori Saito
LiBRA 11.2018 / 総集編
- 1.
- 2.
- 3.
- 4. 1. ITトレンドとサイバーフィジカルシステム 2. ビジネスの大変革を迫るデジタル･トランスフォーメーション 3.IT利用の常識を変えるクラウド･コンピューティング 4. ソフトウエア化するITインフラストラクチャー 5. 新たなビジネス基盤となるIoT（モノのインターネット） 6. 人に寄り添うITを実現する人工知能/AI 7. 取引や信頼の基盤として期待されるブロックチェーン 8. ビジネススピードの加速に対応する開発と運用 9. デジタル･トランスフォーメーション時代のビジネス戦略 10.いま求められる人材
- 5. ITトレンドとサイバーフィジカルシステム IT Trend &Cyber-Physical System
- 6.
- 7. amazon go：無人のスーパー・マーケット 7 No lines,no checkout!
- 8.
- 9. MaaS（Mobility as aService） 9
- 10.
- 11.
- 12. ITトレンドとサイバーフィジカルシステム IT Trend &Cyber-Physical System
- 13.
- 14.
- 15. コンピュータ誕生の歴史 バベッジの解析機関（未完成） 蒸気機関で駆動 プログラム可能な最初のコンピュータ パンチカードでプログラムとデータを入力 出力装置（プロッタ・プリンタ）も設計 論文「計算可能数について」 コンピュータの原理を数学的に定式化 コンピュータの動作原理モデルを設計 （チューリング・マシン） ENIAC エッカートともモークリーにより開発 真空管による電子式コンピュータ プログラムは大変面倒なパッチパネルで設定 弾道計算を高速で行うため EDVAC エッカートともモークリーにより開発 プログラム内蔵式の最初の機械 現在のコンピュータの基本原理を実装した最初 の機械（ノイマン型コンピュータ） 磁気テープ読取/書込装置を装備/1953年・パン チカード装置、1954年・磁気ドラムメモリ、 1958年・浮動小数点演算装置を追加 ENIACの課題と改善方法を報告 電子回路でチューリング・マシンが実現できる ことを数学的に証明 どのように作ればいいかの原理を設計 （ノイマン型コンピュータ） 1836年に最初の論文 1946年 1936年 1945年 1949年（〜1961年まで稼働）1822年 バベッジの階差機械 蒸気機関で駆動 歴史上最初の機械式用途固定計算機 （カリキュレータ） 汎用性（多項式の数表を作成するよう設計、 対数も三角関数も多項式にて近似） プリンターにて数表を印字
- 16. ノイマン型コンピュータ 5大機能 制御装置 プログラムの読み込みや データの読み書きを制御 演算装置 数値演算、論理演算 を実行 記憶装置 プログラムやデータ を格納 入力装置 プログラムやデータ 人間からの指示を入力 出力装置 演算結果を外部へ出力 ノイマン型 (プログラム内蔵方式/ストアードプログラム方式)のデジタル・コンピュータでは プログラムやデータを記憶装置に格納して順次読み込みながら演算処理を行う CPU 中央演算処理装置 入力命令 出力命令 演算命令 データの流れ 制御の流れ プログラムを入れ替えることで 任意の計算を実行できる機械 プログラム内蔵方式 補助記憶装置 （ストレージ）
- 17. 歴史から見たITトレンド 紀元前150〜100年頃 アンティキティラ島の機械 1670年代 ライプニッツの計算機 1645年代 パスカルの計算機 1946年 ENIAC 1951年 UNIVAC1 1981年 1995年 1964年 IBM System/360 MS InternetExplorer 1.0 2007年 iPhone 2004年 2006年 2011年 量子コンピュータ 202X年 ニューロ・モーフィング コンピュータ 古代の計算機械 Calculator 現代の計算機械 Computer 近未来の計算機械 AI 19世紀半（未完成） バベッジの解析機関 IBM PC 5150 1990年〜 Internet
- 18.
- 19. インターネットに接続されるデバイス数の推移 億人 億台 台/人 2003年 2010年 2015年2020年 世界人口 インターネット 接続デバイス数 一人当りの デバイス数 63 68 72 76 5 125 250 500 0.08 1.84 3.47 6.50
- 20. コレ1枚でわかる最新のITトレンド データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／CyberWorld Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム
- 21.
- 22.
- 23. デジタル・トランスフォーメーションとCPS データ収集 IoT/Mobile/Web データ解析 データ活用 Webサービス ヒト・モノ 日常生活・社会活動 環境変化・産業活動 現実世界／PhysicalWorld サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム デジタル トランスフォーメーション
- 24.
- 25. デジタル・トランスフォーメーションとは ビジネス･プロセスに関わる 人間の制約を排除し 品質・コスト・期間などの 限界をブレークスルーして ビジネスに新しい価値基準 をもたらす取り組み 人間を前提に最適化された ビジネスの仕組み から 機械を前提に最適化された ビジネスの仕組み への転換 ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション
- 26. UBERとTaxi Taxi タクシー資産 コールセンター運営経費 施設維持管理 事務・管理経費 など ドライバー収入 運賃 UBER アプリ開発・保守費 クラウド利用量など ドライバー収入 機械を前提とした ビジネスプロセス の最適化 人間を前提とした ビジネスプロセス の最適化
- 27.
- 28. デジタル・トランスフォーメーションの実際 World’s largest taxi company, Ownsno vehicles. World’s most popular media owner, Creates no content. World’s most valuable retailer, Has no inventory. World’s largest accommodation provider, Own no real estate. 世界最大のタクシー会社ですが、 車両は一台も所有していません。 世界一有名なメディアですが、 コンテンツは作りません。 世界で最も種類が豊富な商店ですが、 在庫は一切ありません。 世界最大の旅行代理店ですが、 不動産は一切所有していません。 自前の資産を 持たない／小さい 対象とする市場は 最初からグローバル サービスが プラットフォーム デジタル・ディスラプター（デジタル・テクノロジーを駆使した破壊者）
- 29. デジタル・ディスラプターの創出する新しい価値 コスト・バリュー 無料／超低価格 購入者集約 価格透明性 リバース・オークション 従量課金制（サブスクリプション） エクスペリエンス・バリュー カストマー・エンパワーメント カストマイズ 即時的な満足感 摩擦軽減 自動化 プラットフォーム・バリュー エコシステム クラウド・ソーシング コミュニティ デジタル・マーケットプレイス データ・オーケストレーター 自前の資産を 持たない／小さい 対象とする市場は 最初からグローバル サービスが プラットフォーム デジタル・ディスラプター（デジタル・テクノロジーを駆使した破壊者）
- 30. もし、変わることができなければ 1996 $ 28 billion 145,000 2012 $0 17,000 2012 $ 1 billion 13 企業評価額: 従業員数 : vs Facebook が買収 倒産
- 31.
- 32. アマゾンのデジタル・トランスフォーメーション 広範な顧客接点 ビッグデータ 最高の顧客体験 機械学習による最適解 経営戦略･製品／サービス戦略 & 0.1to One マーケティング テクノロジーを駆使して徹底した利便性を追求 顧客理解のための情報を徹底して収集する 業務（デジタル） 業務（アナログ） IT 40機の航空機 数千台のトラック
- 33.
- 34. デジタル･トランスフォーメーションを加速するサイクル 顧客がサービス を利用する 顧客データ を収拾する 機械学習 で分析する 戦術的施策 魅力的で便利な顧客体験 を提供 買いたくなる品揃えや サービスを充実 個々人の趣味嗜好や子購 買動向に基づき推奨 戦略的施策 顧客の期待に応える事業 施策 サービスの質や効率を高 める仕組み作り 新たな市場や顧客を開拓 するための施策
- 35. 「スピード」と「俊敏性」に応えられるIT ビジネス環境の不確実性の増大、加速する変化のスピードに 即応できないと生き残れないという危機感 Infrastructure asCodeで運用管理から属人性を排除 マイロサービスや自動化などによるCI/CDの実現 コンテナ化による安定稼働と俊敏性の両立 DevOps 予測不能なリソースや機能への対応 インフラやネットワークの構築や運用管理を無くす 最新のテクノロジーをビジネスに活かす クラウド コンピューティング アジャイル開発 ビジネス価値に貢献するプログラム・コードだけ 計画通りには行かない・変更が前提 バグフリーでリリース 現場のニーズにジャスト・イン・タイムで サービス（システムではない）を提供できること
- 36.
- 37.
- 38.
- 39.
- 40. DXを支えるテクノロジー ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション IoT（Internet ofThings）/ CPS（ Cyber-physical System ） コンテナ × マイクロサービス サイバー･セキュリティ デジタル・ビジネス・プラットフォーム Digital Business Platform ビッグデータ × AI SaaS/API PaaS/FaaSクラウド・コンピューティング
- 41. DXを支えるテクノロジー アプリケーション プラットフォーム インフラストラクチャー デバイス AR（拡張現実） / VR（仮想現実）/ MR（複合現実） Augmented Reality / Virtual Reality / Mixed Reality ディープラーニング（深層学習）と関連技術（深層強化学習/DQN、敵対的ネットワーク/GANなど） Deep Learning ブロックチェーン Block Chain HTAP（OLTP/業務系・基幹系とOLAP/分析系の実行基盤を統合） Hybrid Transaction and Analytics Processing LPWAネットワーク Low Power,Wide Area Network 5G通信 5th Generation エッジ・コンピューティング（デバイス側での学習や推論/高機能演算） Edge Computing 量子コンピュータ Quantum Computer 〜2017 2018 2019 2020 2021〜
- 42. DXを実現する4つの手法と考え方 現場に足を運ぶ 現物を手に取る 現実を自分で確認する デザイン思考リーン・スタートアップ アジャイル開発 DevOps デザイナー的なクリエイティ ブな視点で、ビジネス上の課 題を解決する 最小限の機能に絞って短期間 で開発しフィードバックをう けて完成度を高める ビジネスの成果に貢献するシ ステムを、バグフリーで変更 にも柔軟に開発する 安定稼働を維持しながら、開 発されたシステムを直ちに・ 頻繁に本番環境に移行する 共感（Emphasize） 問題定義（Define） 創造（Ideate） プロトタイプ（Prototype） 検証（Test） 構築（Build） 計測（Measure） 学習（Learn） 開発と運用の協調 自動化ツールの整備 継続的デリバリー （Continuous Delivery） 反復／周期的(Iterative) 漸進的(Incremental） 適応主義(Adaptive) 自律的(Self-Organized) 多能工(Cell Production） イノベーションとビジネス・スピードの融合 イノベーションの創発 ジャスト・イン・タイムで提供 ＋ エスノグラフィー
- 43. デジタル・トランスフォーメーションのBefore/After ITは道具 本業は人間 ITは本業を支援する手段 ITは企業のコアコンピタンスではない ITはコストセンター コスト削減がミッション コスト削減のために外注化 管理と統制のための自前主義 Before ITは本業 本業はITが前提 人間はITで本業を革新する方法を決定 ITは企業のコアコンピタンスを実現 ITはプロフィットセンター 利益拡大がミッション 戦略的価値を創出するための内製化 スピードと俊敏性のためのクラウド化 After
- 44.
- 45. 異なるビジネス 45 オンプレ＋ハイブリッド オール･イン･クラウド 技術的選択 機能・性能・コストで選ぶ 経営的選択 ビジネス価値で選ぶ 情報システム部門 事業部門 売上や利益の増大 新しい市場で優位なポジョンを構築 顧客や従業員の満足度向上 コスト･パフォーマンスの向上 運用管理負担の軽減 トラブルの減少・安定性の向上 既存システムの維持・強化デジタル･トランスフォーメーション クラウド・ネイティブオンプレ+クラウドとの差異 マイクロサービス・コンテナ アジャイル・DevOps サーバーレス・FaaS 仮想化・ストレージ・ネットワーク ウォーターフォール開発 サーバー･IaaS 専門性の高い技術力やスピード調達力と低価格 既存システム／主に「守りのIT」 新規システム／主に「攻めのIT」 ＜主管部門＞ ＜システム形態＞ ＜選択基準＞ ＜テクノロジー＞ ＜評価軸＞ ＜競争優位性＞
- 46.
- 47.
- 48.
- 49.
- 50.
- 51.
- 52.
- 53. 「自家発電モデル」から「発電所モデル」へ 工場内・発電設備 設備の運用・管理・保守は自前 需要変動に柔軟性なし 電力供給が不安定 自前で発電設備を所有 工場内・設備 電 力 電力会社・発電所 大規模な発電設備 低料金で安定供給を実現 設備の運用・管理・保守から解放 需要変動に柔軟に対応 工場内・設備 送電網 データセンター 大規模なシステム資源 低料金で安定供給を実現 設備の運用・管理・保守から解放 需要変動に柔軟に対応 システム・ユーザー デ ー タ ネットワーク
- 54.
- 55.
- 56.
- 57. セルフ･サービス・ポータル 調達・構成変更 サービスレベル設定 運用設定 ・・・ 数分から数十分 直近のみ・必要に応じて増減 経費・従量課金／定額課金 クラウド システム資源のECサイト 見積書 契約書 メーカー ベンダー サイジング 調 達 費 用 数週間から数ヶ月 数ヶ月から数年を想定 現物資産またはリース資産 従来の方法 調達手配 導入作業
- 58.
- 59. 徹底した標準化 大量購入 負荷の平準化 APIの充実・整備 セルフサービス化 機能のメニュー化 クラウド・コンピューティングのビジネス・モデル クラウド・コンピューティング オンデマンド 従量課金 自動化・自律化 システム資源 の共同購買 サービス化 低コスト 俊敏性 スケーラビリティ SDI (Software Defined Infrastructure)
- 60.
- 61.
- 62.
- 63. クラウドの定義／サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム インフラストラクチャ PaaS Platform asa Service Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア & OS 設備 & ハードウェア プ ラ ッ ト フ ォ ー ム IaaS
- 64. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義／配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別･少数企業不特定・複数企業／個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
- 65.
- 66.
- 67. クラウドの分類と関係 個別システム ホステッド プライベート クラウド SaaS（Software as aService） PaaS（Platform as a Service） IaaS（Infrastructure as a Service） SaaS PaaS IaaS プライベート・クラウド パブリック･クラウド／クラウド事業者資産を使用 オンプレミス・システム／自社資産として所有 ハイブリッド･クラウド プライベートとパブリックの連係･組合せ マ ル チ ・ ク ラ ウ ド 複 数 の パ ブ リ ッ ク を 連 係 ・ 組 合 せ
- 68.
- 69.
- 70.
- 71.
- 72. 構築事例：従来型のWebアプリケーション・アーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 EC2 EC2 EC2 冗長化 冗長化EC2 EC2 WebAP DB死活監視 DNS DNSのセットアップが必要 APはそのまま移行。ただし、セッション管理等、一部改修が 必要な場合がある。 ミドルウェアが必要 （Oracle、 SQLServer、死活監視ソフト等の購入） DBMSのセットアップが必要 EC2：1台 365日24時間稼働：$175.2 EC2：9台 365日24時間稼働：$1576.8 ELB：1台 365日24時間稼働：$236.52+α ELB：2台 365日24時間稼働：$473.04+α リージョン:東京 ＜EC2＞ インスタンスタイプ：t2.micro （最少） 料金：$0.020/1時間 ＜ELB＞ 料金：$0.027/1時間 +$0.008/1GB 年間：約$2049.84 約254,980円 ※2015/3/20時点
- 73. 構築事例：AWSサービスを活かしたアーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 冗長化 Web APDB DNS Route 53に 設定するのみ 死活監視のソフトウェア不要 基本的に無料／アラーム設定でメール通知 DBMSはインストール不要 Oracle、SQL Server等のライセンス料込 EC2の接続先を変更するだけ 冗長構成はMulti-AZを選択するのみ EC2：4台 365日24時間稼働：$700.8 ELB：2台 365日24時間稼働：$473.04+α RDS： 365日24時間稼働：$455.52 Route53： 1年間：$26.4（最少） リージョン:東京 ＜EC2＞ インスタンスタイプ：t2.micro （最少） 料金：$0.020/1時間 ＜ELB＞ 料金：$0.027/1時間 +$0.008/1GB ＜RDS＞ インスタンスタイプ： t2.micro （最少） 年間：約$1655.76 約198,691円 Cloud Watch Route 53 RDS(Master) RDS(Slave) DynamoDB セッション 管理 ※2015/3/20時点
- 74. 構築事例：AWSサービスを最大限活かしたアーキテクチャ Internet クライアント Cloud Front 画面表示は、 クライアント側 アプリ メールサーバー不要 冗長構成、拡張・データ再配置 はAWS任せ リージョン:東京 ＜S3＞ 料金：$0.0330/GB +リクエスト数+データ転 送量 ＜CloudFront＞ 料金：$7.2/年 （試算した結果） <Lambda> 料金：$0 ＜DynamoDB＞ 料金：$0 （試算した結果） 年間：約$7.56 約907円 Cloud Watch JavaScript 入力ページ（HTML） コンテンツ 非公開コンテンツ Log等 S3 DynamoDB LambdaNode.js テーブル Cognito Webサーバー機能 3箇所以上で自動複製、容量無制限 キャッシュ SSL証明書 任意のタイミングで処理実行 負荷分散、障害対策はAWS任せ AWS認証 アプリ認証 SignedURL発行 サーバ側アプリ ※2015/3/20時点 ※条件によって料金は異なります
- 75.
- 76.
- 77. クラウドがもたらすビジネス価値 構築や運用からの解放 最新テクノロジーの早期利用 資産から経費へのシフト アプリケーションの質的向上にリソースをシフトできる ビジネス・スピードの加速に迅速柔軟に対応できる 試行錯誤が容易になってイノベーションを加速する テクノロジーの進化をいち早くビジネスに取り込める 初期投資リスクが削減でき、IT活用範囲を拡大できる ビジネス環境の変化に柔軟に対応できる
- 78.
- 79.
- 80.
- 81.
- 82. 誤解２：ガバナンスが効かない？ インフラ プラットフォーム 運用管理 アプリケーション 業務対応 自社対応 クラウド 自社所有 IaaS PaaSSaaS 責任分界点が変わる：運用管理 × セキュリティ対応
- 83.
- 84.
- 85.
- 86. 銀行システムにおけるクラウド活用の動き 日本ユニシスとマイクロソフト、「BankVision on Azure」実現に向け共同プロジェクトを開始 2018年3月23日 日本ユニシス株式会社と日本マイクロソフト株式会社 は23日、日本ユニシスのオープン勘定系システム 「BankVision」の稼働基盤として、Microsoft Azureを 採用するための取り組みを推進するため、共同プロ ジェクトを4月から開始すると発表した。 いかに費用を抑え、最新技術も取り入れた上で短期間 でのシステム開発を行うかという課題に対応するため、 クラウドを選択。現在はクラウド最大手の米アマゾン ウェブサービスと組み、業務システムの一部から移行 を進めている。 5年間で100億円のコスト削減 1000超のシステムの約半分をクラウド化 週刊ダイヤモンド2017.5.17 https://diamond.jp/articles/-/128045
- 87. クラウド・バイ・デフォルト原則 政府情報システムにおけるクラウドサービスの利用に係る基本方針（案） クラウド・バイ・デフォルト原則（クラウドサービスの利用を第一候補） 政府情報システムは、クラウドサービスの利用を第一候補として、その検討を行う 情報システム化の対象となるサービス・業務、取扱う情報等を明確化した上で、メリット、開発の規模及び経費等を基に検討を行う https://www.kantei.go.jp/jp/singi/it2/cio/dai77/siryou.html Step0：検討準備 クラウドサービスの利用検討に先立ち、対象となるサービス・業務及び情報といった事項を可能な限り明確化する。 Step1：SaaS（パブリック・クラウド）の利用検討と利用方針 サービス・業務における情報システム化に係るものについて、その一部又は全部がSaaS（パブリック・クラウド）により提供されてい る場合（SaaS（パブリック・クラウド）の仕様に合わせ、サービス・業務内容を見直す場合も含まれる。）には、クラウドサービス提 供者が提供する SaaS（パブリック・クラウド）が利用検討の対象となる。 Step2：SaaS（プライベート・クラウド）の利用検討 サービス・業務における情報システム化に係るものについて、その一部又は全部が、府省共通システムの諸機能、政府共通プラット フォーム、各府省の共通基盤等で提供されるコミュニケーション系のサービスや業務系のサービスを SaaS として、当該サービスが利用 検討の対象となる。 Step3：IaaS/PaaS（パブリック・クラウド）の利用検討と利用方針 SaaS の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、民間事業者が提供する IaaS/PaaS（パブリック・クラウド）が利用検討の対象となる。 Step4：IaaS/PaaS（プライベート・クラウド）の利用検討 IaaS/PaaS（パブリック・クラウド）の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、 サーバ構築ができる政府共通プラットフォーム、各府省独自の共通基盤等を IaaS/PaaS として、当該サービスが利用検討の対象となる オンプレミス・システムの利用検討
- 88.
- 89.
- 90.
- 91.
- 92. 仮想 virtual 表面または名目上はそうでないが 実質的には本物と同じ 本来の意味 「仮想化」の本当の意味 本来の意味 仮想化 Virtualization 物理的実態とは異なるが、 実質的には本物と同じ機能を実現する仕組み 日本語での語感 虚像の〜 実態のない〜 It was avirtual promise. （約束ではないが）実際には約束も同然だった。 He was the virtual leader of the movement. 彼はその運動の事実上の指導者だった。
- 93.
- 94. 物理資源・物理機械 サーバーの仮想化 ストレージの仮想化 Java仮想マシン データベースの仮想化 パーティショニング 分 割 アグリゲーション 集約 エミュレーション 模 倣 仮想化 (Virtualization) ひとつの物理資源を 複数の仮想資源に分割 複数の物理資源を ひとつの仮想資源に分割 ある物理資源を 異なる資源に見せかける 仮想化の3つのタイプ
- 95.
- 96. 仮想化の役割 1/2 必要とされるシステム（機能）構成A 必要とされるシステム（機能）構成B必要とされるシステム（機能）構成C 分割 集約 模倣 仮想化 実質的機能 使用目的に応じて必 要とされるシステム を調達・構成する。 物理的な設置・据え付 け作業を必要とせず、 ソフトウエアの設定だ けで、必要とするシス テム構成を調達･変更で きる。 柔軟性とスピード 演算 データ管理 ネットワーキング サーバー ストレージ システム資源 ネットワーク機器 物理的実態 ハードウェア プラットフォーム 設備 標準化されたハード ウェアやソフトウエア を大量に調達してシス テムを構成し、運用を 自動化・一元化する。 コスト･パフォーマンス 物理時実態から 実質的な機能や 性能を取り出す 物理インフラを ソフトウェア化
- 97. 仮想化の役割 2/2 必要とされるシステム（機能）構成A 必要とされるシステム（機能）構成B必要とされるシステム（機能）構成C 仮想化物理時実態から 実質的な機能や 性能を取り出す 実質的機能 使用目的に応じて必 要とされるシステム を調達・構成する。 物理的な設置・据え付 け作業を必要とせず、 ソフトウエアの設定だ けで、必要とするシス テム構成を調達･変更で きる。 柔軟性とスピード サーバー ストレージ システム資源 ネットワーク機器 物理的実態 ハードウェア プラットフォーム 設備 標準化されたハード ウェアやソフトウエア を大量に調達してシス テムを構成し、運用を 自動化・一元化する。 コスト･パフォーマンス 物理的実態の持つ機能や性能を抽象化*し その組合せや変更などの操作を物理的実態から分離することで 構築や運用の自由度を高め柔軟性とスピードを向上させる技術 ＊「抽象化」とは、対象から本質的に重要な要素だけを抜き出して、他は無視すること。 物理インフラを ソフトウェア化
- 98. Infrastructure as Code 仮想サーバー 物理サーバー 仮想ストレージ 物理ストレージ 仮想ネットワーク 物理ネットワーク 使用するシステム構成リソース・プール（物理リソース）プログラムによる定義 Infrastructure as Code 全てのシステム構成をソフトウェアで定義できる インフラの構築や運用管理での属人化による「暗黙知」をなくし ノウハウの蓄積や自動化を容易にする
- 99. Infrastructure as Codeとこれまでの手順 業務処理ロジックの プログラミング 日本語などの自然言語で 運用手順書の作成 人手による 運用管理 日本語などの自然言語で システム構成図作成 人手による システム構築 従来の手順 属人化による「暗黙知」化 人手の介在によるミスやスピードの制約 業務処理ロジックの プログラミング 運用手順の プログラミング システム構成の プログラミング 運用管理の 自動化 システム構成 の自動化 これからの手順 全手順のコード化によるノウハウの継承 開発〜本番の高速化と変更の俊敏性
- 100.
- 101.
- 102.
- 103. サーバー仮想化とコンテナ OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ サーバー仮想化 ハードウェア コンテナ管理ソフトウエア OS ミドルウェア アプリ ミドルウェア アプリ ミドルウェア アプリ コンテナ コンテナ コンテナ コンテナ ライブラリ 環境変数 ライブラリ 環境変数 カーネルカーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 隔離されたアプリケーション実行環境を提供する 実行イメージのスナップショットをパッケージとしてファイルにして保存できる アプリケーションに加えて仮想マシン・OS の実行イメージを持つ必要がある アプリケーションとOSの一部 の実行イメージを持つ必要がある デプロイするサイズ 大きい 起動・停止時間 遅い デプロイするサイズ 小さい 起動・停止時間 早い 異なるOS 可 異なるOS 不可 メモリーやディスクの消費量が大きい = リソース効率が悪い メモリーやディスクの消費量が大きい = リソース効率が良い 構成の自由度が高い 異なるOS・マシン構成を必要とする場合など 軽量で可搬性が高い 実行環境への依存が少なく異なる実行環境で稼働させる場合など
- 104.
- 105. デスクトップ仮想化とアプリケーション仮想化 ネットワーク 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 メモリーストレージ ハイパーバイザー PC用OS （Windows7など） プロセッサー 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 画面表示 仮想PC サーバー PC用OS （Windows7など） 文書 作成 表 計算 プレ ゼン ・・・ 仮想PC メモリーストレージ OS プロセッサー サーバー ターミナル・モニター 文書 作成 表 計算 プレゼン・・・ 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 入出力操作 通信 クライアントPC 文書作成 画面表示 デスクトップ仮想化 アプリケーション仮想化
- 106. シンクライアント ネットワーク 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 メモリーストレージ ハイパーバイザー PC用OS （Windows7など） プロセッサー PC用OS （Windows7など） PC用OS （Windows7など） 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 シンクライアント 文書作成表計算 プレゼン ・・・ 画面表示 仮想PC 仮想PC 仮想PC サーバー ストレージ 文書作成 表計算 プレゼン ・・・ 入出力操作 通信 アプリケーション PC / Windows・Mac OS など 画面表示 データとプログラムの保管 プログラムの実行 は、PC内にて処理 データとプログラムの保管 プログラムの実行 は、サーバー内にて処理 シンクライアントは 画面表示と入出力操作
- 107. Chromebook インターネット データ 文書作成 表計算 プレゼン ・・・ブラウザ 画面表示・入出力操作 通信 画面表示・入出力操作 通信 オフィス・アプリ データ 文書作成 表計算 プレゼン ・・・ オフィス・アプリ クラウドサービス Google Apps for workなど ブラウザ 文書作成 表計算 プレゼン ・・・ PC / Windows・Mac OS など Chromebook / Chrome OS
- 108.
- 109. ストレージ仮想化 2TB 実データ 3TB 実データ 5TB 実データ 10TB 10TB 10TB 仮想ストレージ ブロック仮想化 10TB 実データ 30TB ストレージ（ハードウェア） 8TB7TB 5TB 未使用領域 20TB ボリュームの仮想化 10TB 10TB 10TB 仮想ストレージ シンプロビジョニング 10TB 実データ 30TB ストレージ（ハードウェア） 容量の仮想化 未使用領域 0TB 必要な時に 追加 2TB 実データ 3TB 実データ 5TB 実データ 8TB 7TB 5TB 仮想ストレージ 重複排除 ストレージ（ハードウェア） データ容量の削減 D A B C E F A B ファイル ２ ファイル１ D A B C E F重複データ を排除
- 110.
- 111.
- 112.
- 113.
- 114. IoTの２つの意味 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／CyberWorld Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム 現実世界をデジタル・データに変換 モノそのものやそれを取り囲む環境の状態とその変化 広義のIoT＝CPS デジタル・データで現実世界を 捉え、アナログな現実世界を動 かす仕組み 狭義のIoT 現実世界の出来事をデジタル・ データに変換しネットに送り出 す仕組み
- 115.
- 116. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす２つのパラダイムシフト 1. 現実世界のデジタル・データ化 2.ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード＋ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア モノの価値は、 ハードウェアからソフトウェアへ そしてサービスへとシフト アナリティクス 人工知能＋シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT CPS社会の実現 「モノ」のサービス化 インターネット クラウド・サービス CPS：Cyber-Physical System
- 117. 電脳世界 （Cyber World） 現実世界 （Physical World） デジタル・コピー／デジタルツイン ビッグデータ 機械学習 センサ データ 最適解 制御 Cyber-PhysicalSystem 圧 力 ひずみ 振 動 重 量 電 流 ・・・ シミュレーション 現実世界をデジタルで再現し 条件を変えて実験を繰り返し 最適解を見つけ出す 変更や変化に即応して 最適状態・動きを実現
- 118.
- 119. 「モノ」のサービス化 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ走行データ作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
- 120. 使 用 の現場 センサーコンピュータ ソフトウエア モノ・製品 モノのサービス化の本質 ものづくり の現場 開 発 製 造 保守 サポート ソフトウェア 改修・更新 インターネット 直 結 ・ 連 係
- 121. ビジネス価値の進化 コア・ビジネス 既存ビジネス 蓄積されたノウハウ 確実な顧客ベース 付加価値ビジネス 収益構造の多様化 既存ノウハウの活用 顧客ベースの囲い込み 新規ビジネス 顧客価値の拡大 ノウハウの創出 顧客ベースの拡大 製造・販売製造・販売 製造・販売 走行距離に応じた 従量課金サービス Pay by Mile 出力×時間に応じた 従量課金サービス Pay by Power 工事施工 自動化サービス Smart Constriction 建設機械 遠隔確認サービス KOMTRAX 安全・省エネ運転 コンサルティング 予防保守・交換 燃料費節約 コンサルティング 予防保守・交換
- 122. モノのサービス化 TOYOTA MaaS /e-Palette Concept KOMATSU SMART construction 土木工事における作業の自動化と高度化を実現す ることに加え、前後工程も効率化して、工期の短 縮に貢献できるパッケージ化したサービス 移動、物流、物販など多目的に活用できるモビリ ティサービス（MaaS）と、これを実現する専用 次世代電気自動車（EV） モノを売り収益を得るビジネス。サービスはモノ売りビジネスを支援する手段 サービスを提供し収益を得るビジネス。モノはサービスを実現なする手段
- 123. これからのビジネスの方向 価値 モノ モノ 価値価値 モノ プロダクト価値を買う モノを手段として使う モノを買う 価値が提供される デジタルテクノロジーを駆使 継続的な顧客との関係を維持 顧客の体験を進化させ続ける モノ自体の機能と性能を極め 使いこなすための支援を継続 顧客体験をモノに合せ最適化 価値＝サービス体験に対価を払う モノ＝機能や性能に対価を払う
- 124. テクノロジーの進化が求めるモノのサービス化 124 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／CyberWorld Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム センサー＋デジタル化された 顧客接点・プロセス ビッグデータと機械学習 クラウド･サービス
- 125.
- 126.
- 127.
- 128. コレ１枚でわかる第５世代通信 1G 2G 3G 4G 高速・大容量データ通信 10G〜20Gbpsのピークレート どこでも100Mbps程度 大量端末の接続 現在の100倍の端末数 省電力性能 超低遅延・超高信頼性 1m秒以下 確実な通信の信頼性担保 5G 音声 テキスト データ 動画 IoT 多様なサービスへの適用を可能にする 異なる要件のすべてを1つのネットワークで実現する。 各要件をに応じてネットワークを仮想的に分離して提供する（ネットワーク・スライシング）。 1984年〜 1994年〜 2001年〜 2010年〜 2020年代〜
- 129. 5Gの3つの特徴 先送り 高速・大容量 大量端末接続 超低遅延・高信頼性 100万台/k㎡ 1ミリ秒 20Gビット/秒 1Gビット/秒 10万台/k㎡10ミリ秒 20 倍 当面はLPWA 5G 4G
- 130. 5Gの適用範囲 高速・大容量データ通信 10G〜20Gbpsのピークレート どこでも100Mbps程度 大量端末の接続 現在の100倍の端末数 省電力性能 超低遅延・超高信頼性 1m秒以下 確実な通信の信頼性担保 5G 多様なサービスへの適用を可能にする 異なる要件のすべてを1つのネットワークで実現する。 各要件をに応じてネットワークを仮想的に分離して提供する（ネットワーク・スライシング）。 2020年代〜 ２時間の映画を ３秒でダウンロード ロボット等の 精緻な遠隔操作を リアルタイムで実現 自宅内の約100個のモノ がネットに接続 (現行技術では数個) 現在の移動通信システムより 100倍速いブロードバンドサー ビスを提供 利用者がタイムラグを意識 することなく、リアルタイ ムに遠隔地のロボット等を 操作・制御 スマホ、PCをはじめ、身の 回りのあらゆる機器がネッ トに接続
- 131.
- 132. 第５世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング SIM SIM SIM 閉域網 閉域網 閉域網 SIM SIM SIM(subscriberidentity moduleもしくはsubscriber identification module/SIMカード)とは、電話番号を特定するための固有のID番号が記録された、 携帯やスマートフォンが通信するために必要なICカードのこと。
- 133. LPWA(Low Power WideArea)ネットワークとは 低 速 最大数十キロbps 低消費電力 規定の電池容量で数ヶ月から数年使用可 広域通信 基地局から数キロから数十キロをカバー 低コスト @10円/月程度からの使用料 利点 制約
- 134. LPWA(Low Power WideArea)ネットワークの位置付 け 134 0.01 1 10 100 Mbps km以上 100m 1m 10m LPWA SIGFOX LoRaWAN NB-IoT 無線LAN(Wi-Fi) Bluetooth Wi-SUN ZigBee Z-Wave NFC 4G/LTE 高消費電力低消費電力 データ転送速度 通信距離 http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx
- 135. LPWAネットワークの位置付け SIGFOX 上り：100bps 下り：600bps 料金：100円〜/年 LoRaWAN 上り：3kbps 下り：3kbps 料金：360円〜/年 NB-IoT 上り：27kbps 下り：63kbps 料金：10〜300円/月 通 信 料 金 回線速度 http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx ＊利用する月間データ量による
- 136. LPWA主要3方式の比較 920MHz帯 125kHz キャリア事業者 の通信網 LTEと同帯域 200kHz 920MHz帯 100Hz オープン仕様 免許不要 携帯電話 国際標準 免許要 仏SIGFOX社 独自仕様 免許不要 0.3〜50kbps 0.3〜50kbps 27kbps 63kbps 100bps 600bps 数km 〜数十km 最大40km 最大数十km 周波数帯 周波数幅 仕 様 免 許 通信速度（上） 通信速度（下） 通信距離 （半径） LoRaWAN NB-IoT （LTECat-NB1） SIGFOX ゲートウェイ 基地局 基地局 ネットワークサーバー クラウド・サービス アプリ・サーバー アプリ・サーバー アプリ・サーバー モノ/デバイス モノ/デバイス モノ/デバイス 3G ：下り最大14.4Mbps /上り最大5.76Mbps LTE ：下り最大 150Mbps /上り最大 50Mbps
- 137. ソフトバンクのIoT通信サービス 137 規格名 特徴 技術仕様周波数 最大通信速度 用途 （下り／上り） NB-IoT 低価格化・省電力化に特化し、LTEと共存可能 3GPP LTEバンド 27kbps／63kbps スマートメーター やパーキングメー ターなどRelease 13 Cat. M1 LTEの一部の周波数帯域のみを利用して通信モジュール の低価格化・省電力化を実現。音声通話にも対応 0.8Mbps／1Mbps エレベーターや運 送管理など 1. ソフトバンクのIoTプラットフォームと併用する場合（1回線当たり） プランA プランB プランC プランD 月額通信料 10円 20円 50円 200円 月間データ量 10KBまで 100KBまで 600KBまで 2MBまで 超過データ通信料 0.6円／KB 0.4円／KB 0.3円／KB 0.2円／KB 2. ソフトバンクの通信ネットワークのみを利用する場合（1回線当たり） 単体プランA 単体プランB 単体プランC 単体プランD 月額通信料 100円 150円 200円 300円 月間データ量 10KBまで 100KBまで 600KBまで 2MBまで 超過データ通信料 1円／KB 0.5円／KB 0.4円／KB 0.3円／KB
- 138. Wi-SUN 138 Wireless SmartUtility Networkの略で、「Smart Utility Network」とは、ガスや電気、水 道のメーターに端末機を搭載し無線通信を使って、効率的に検針データを収集する無線通信シ ステム サブギガヘルツ帯と呼ばれる900MHz前後の周波数帯の電波で通信。日本では2012年、 920MHz帯が免許不要で利用できる帯域として割り当てられている。 無線LANなどで利用される2.4GHz帯と比べ、障害物などがあっても電波が届きやすく、他の 機器などからの干渉も少ない周波数帯。
- 139. LPWA(Low Power WideArea)ネットワーク 通信規 格一覧 139 http://itpro.nikkeibp.co.jp/atcl/column/16/071500148/072000003/
- 140.
- 141.
- 142.
- 143.
- 144.
- 145.
- 146. 「東ロボくん」の実力と代替可能な職業 146 国公立大学 172校 内23校 30学部 53学科 合否判定80%以上 私立大学 584校 内512校 1343学部 2993学科 合否判定80%以上 MARCH /関関同立の学科を含む
- 147.
- 148. 第3次AIブームの背景とこれから 1960 1970 19801990 2000 2010 2020 2030 第1次AIブーム 推論・探査など ゲームや迷路などに 用途は限られ実用性は 無かった 第2次AIブーム ルールベースなど エキスバーとシステムと して実用化されたが汎用 性が無かった 第3次AIブーム 機械学習（統計確率論や深層学習など） 汎用性、実用性が高まり、様々な分野の適用 が期待されている 大型コンピューター メインフレーム パーソナル・コンピューター スマート フォン IoT ビッグデータ時代の到来 ARPAnet 米国・インターネット 商用利用開始 日本・インターネット 商用利用開始（IIJ） World Wide Web が開発され公開 画像が扱えるWWWブラウザー Mozaicが開発され公開 Windows95発売 IEが付属し、ブラウザーでの インターネット利用者が拡大 ISLVRCにて ディープラーニング圧勝 1969 1990 1993 1995 2012 Googleによる 猫認識 2011 Jeopardyにて IBM Watson勝利 電脳将棋 竜王戦 開始 1997 チェス・チャンピオンに勝利 IBM Deep Blue 2007 iPhone 発売 1981 IBM PC 5150 発売 汎用人工知能 Artificial General Intelligence 登場の可能性 ムーアの法則／コンピュータ性能の加速度的向上1965〜 ムーアの法則の限界／新たな選択肢の登場 GPGPU、ニューロモーフィング・チップ 量子コンピュータ等 IBM S/360 メインフレーム 1964 ニューラル ネットワーク 考案 Intel 404 マイクロプロセッサ 1971 データ流通量 1957 1956 ダートマス 会議 1982 第５世代 コンピュータ プロジェクト
- 149.
- 150.
- 151. 「人工知能」と言われるものの４つのレベル 151 単純制御：指示されたことをそまま行う 予め定められたルールに従い制御する（人工知能搭載○○）。 気温が上がるとスイッチを切るエアコン 洗濯物の重さで洗濯時間を自動的に変更する洗濯機 ひげの伸び具合で剃り方を変える電気シェーバーなど ルールベース：指示されたことを自ら考えて実行する 外の世界を観測することによって振る舞いを変える。 振る舞いの種類・パターンを増やすため、予め多数のルールを用意しておく。 「駒がこの場所にあるときは、こう動かすのがいい」といった予め決められたルールに従って、 これからの打ち手を探索して打つことができる囲碁や将棋のシステム 与えられた知識ベースに従って、検査の結果から診断内容や処方する薬を決めて出力する医療診断システム 機械学習：着眼点は人間が教え、対応パターンを自動的に学習する 人間があらかじめルールを細かく決めて組み込んでおかなくても、 大量のデータから対応パターンを自ら見つけ出す。 ただし学習のための着眼点（特徴量）は人間が設計。 「駒がこの場所にあるときは、こう動かすのがいい」ということを設定しておかなくても、 対戦を繰り返すことでコンピュータ自身が自分で学習する将棋や囲碁のシステム 診断データや生体データを多数読み込み、ある病気とある病気に相関があるということを自分で学ぶ医療診断システム 深層学習：着眼点を人間が教えずに、対応パターンを自動的に学習する 学習に使う変数（着眼点／特徴量）を自分で学習して見つけ、 対応のパターンを見つけ出す。 一連の症状が患者の血糖異常を表していて、複数の病気の原因になっているようだ、 ということを自分で見つけ出すことができる医療診断システム 状況に応じて、最適な判断をおこなう自動運転の自動車 レ ベ ル １ レ ベ ル ２ レ ベ ル ３ レ ベ ル ４
- 152. 各時代のAI（人工知能）と呼ばれるもの ルールとゴールが決められているゲームの中 で、コンピュータがなるべくゴールにたどり つけるように選択肢を選んでいくもの。 できること： パズルや迷路を解く 数学の定理を証明する チェスを指す など トイプロブレムから脱却し、現実の問題を解 くために専門家（エキスパート）の知識をコ ンピュータに移植することで現実の複雑な問 題を解かせようとするもの。 できること： 患者の症状から病名を特定する 起こっている現象から、機械の故障を診断する 患者の症状から、細菌感染の診断をする 人間がルールを与えるのではなく、データを 分析することで、そこに含まれるパターンを 見つけ出し、機械にルールを獲得させるもの。 できること： 画像を認識して分類する 自然な表現の文章に翻訳する CTやレントゲン写真から癌の病巣を発見する 推論と探索 ルールベースと エキスパートシステム ディープ・ラーニング を含む統計的機械学習 第一次AIブーム 第二次AIブーム 第三次AIブーム 1960年代 1980年代 2010年代 帰納法：事実や事例（データ）から導き出される傾向から結論を導く方法 演繹法：人間の経験や観察による一般的かつ普遍的な事実から結論を導く方法 ルールとゴールが厳密に決まっ ていることが前提。ルールが記 述しきれず、ルールやゴールが 曖昧である現実世界では役にた たない（トイプロブレム／おも ちゃの問題）。 ルールとして教え込まなければ ならないし、互いに矛盾する ルールも出てくると処理できな い。また、教えていない例外的 な事例が出てくると対処できな い。 画像処理、音声認識、証券取引 といった用途ごとに特化した技 術が現状。人間の知能のように 汎用的で、意識や心も宿すよう な技術ではない。
- 153.
- 154.
- 155. 機械学習がやっていること モデル レントゲン写真から 「癌」の病巣を 識別するルール 入力 出力 癌 データ分析で ルールを作る 機械学習 癌の病巣が写っている 大量のレントゲン写真 ある患者のレントゲン写真「癌」の病巣を表示 レントゲン写真から 「癌」の病巣を見つける「モデル」
- 156.
- 157.
- 158.
- 159.
- 160.
- 161.
- 162.
- 163.
- 164.
- 165.
- 166.
- 167.
- 168. ルールを作るとはどういうことか ・・・・・ 入力層 出力層中間層（隠れ層） 入力と出力が一致するように 中間層の繋がりの重み付けを 調整してゆく。 ・・・・・ 入力層 出力層中間層（隠れ層） イヌ32% × ネコ 96% ○ ウシ 18% × 学 習 学習によって作られた 推論モデル ネコであることを 識別し分類する ルール 「ネコ」 である 教師データ 未知のデータ 教師データ
- 169.
- 170. どんな計算をしているか 170 大量のサンプル・データ（例えば、癌の病巣が写っているレントゲン写真）を特徴を独自に数字化する。これを 特徴量という。 これを座標軸＊として、空間（特徴空間）上にサンプル・データを配置した時、最もうまく分離する特徴量（座 標軸）の組合せを作る。これが最適化された「推論モデル」となる。 深層学習（ディープラーニング）以前の機械学習は、この座標軸=特徴量の組合せを人間が設定しなければなら なかったが、深層学習はこれをデータを分析することで、自分で見つけ出すことができる。 最適化された推論モデル ＊イラストは表現上の制約から3つの座標軸で表しているが、実際の座標軸は数百を越える。
- 171. 機械学習の仕組み／学習が不十分な状態 四角い 丸い 尖ってる光沢 40% 60% 40% 60% リンゴである確率 (40%+60%+40%+60%)/4 50% 四角い 丸い 尖ってる 光沢 40% 50% 50% 60% イチゴである確率 (40%+50%+50%+60%)/4 50% リンゴ or イチゴ？ ＜特徴量＞
- 172. 機械学習の仕組み／学習が十分な状態 四角い 丸い 尖ってる光沢 10% 90% 20% 80% リンゴである確率 (90%+80%)/4 85% 四角い 丸い 尖ってる 光沢 10% 70% 90% 30% イチゴである確率 (70%+90%)/2 80% リンゴ or イチゴ？ リンゴ イチゴ ＜特徴量＞
- 173. 人工知能・機械学習・ディープラーニングの関係 1950年代 1960年代 1970年代1980年代 1990年代 2000年代 2010年代 人工知能 Artificial Intelligence 機械学習 Machine Learning 深層学習 Deep Learning 人間の”知能”を機械で 人工的に再現したもの 人工知能の研究分野のひとつで データを解析し、その結果から 判断や予測を行うための規則性 やルールを見つけ出す手法 脳科学の研究成果を基盤にデー タの分類や認識の基準を人間が 教えなくても、データを解析す ることで、自ら見つけ出すこと ができる機械学習の手法 データ アルゴリズム 規則性やルール 遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、 ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット
- 174. なぜいま人工知能なのか インターネット アルゴリズム GPU（Graphics ProcessingUnit） 脳科学の研究成果を反映 高速・並列・大規模計算能力 人工知能（Artificial Intelligence） ビッグデータ IoT モバイル・ウェアラブル ソーシャル・メディア ウェブサイト WWW
- 175.
- 176.
- 177. 深層強化学習 deep reinforcementlearning 177 勝 勝 負 プラス評価 マイナス評価 プラス評価 ゲームを繰り返し、結果の勝（プラス評価）／負（マイナス評価） から、結果に至るプロセスひとつひとつを評価し、勝（プラス評 価）になる一番効果的／効率的なプロセスの組合せを見つけてゆく 強化学習 reinforcement learning ブロック崩しなどのゲーム 囲 碁 ゲームに勝つために有効な特徴（量）を画像から直 接見つけ出すために深層学習（deep learning）のア ルゴリズムであるCNN（convolutional neural network）を使用する。 複雑なゲームでも人間が何を基準に勝ち負けを評価 するかを教えなくても、自分で勝ちパターンを見つ け出す。 対戦ゲームの場合は、機械の中でお互いに対戦させ て、学習の回数を増やし、勝ちターンを見つけ出し て行く。 深層強化学習 deep reinforcement learning Deep Mind社のDQN（Deep Q-Learning）など 囲碁の世界チャンピオンに勝ったAlphaGo/Alpha Go Zeroが有名
- 178. 敵対的生成ネットワーク GANs: GenerativeAdversarial Networks 178 生成者 Generator 識別者 Discriminator 画像 画像 元データ レプリカ 元データの特徴から できるだけ本物に近い レプリカを生成する 元データの特徴から 元データと同じかどう かを識別しようとする 「生成者」はレプリカをできるだけ元データに近づけようとし、「識別者」は確実に見分けられるように互いに競い合う。 「識別者」の能力が次第に上がり元データとレプリカをうまく見分けられるようになり、「生成者」は更に本物に近いレプ リカを造れるようになる。 これを繰り返してゆくことで、「生成者」は元データと区別が付かないレプリカを造れるようになる。 認識や識別などの受動的機能 深層学習（ディープラーニング） 生成や復元などの能動的機能 敵対的生成ネットワーク（GANs）
- 179. 深層学習が前提となったシステム構造 深層学習フレームワーク 学習処理実行基盤 画像解析 動画認識 音声認識 話者認識 言語理解 文章解析 機械翻訳 知識表現 検索 コールセンター 顧客応対 営業支援 提案活動支援 医療 診断支援 創薬支援その他 その他 文献データ 社内業務 データ 概念体系 辞書 音響データ 言語データ 画像データ 動画データ その他 アプリケーション ソリューション 認識系 サービス 学習基盤 知識ベース 学習データ Ａ Ｉ プ ラ ッ ト フ ォ ー ム
- 180.
- 181.
- 182.
- 183. ある ない ある ない あるない ある （少ない学習データ） ある （膨大な学習データ） 高い 低い (ひとつの知的処理に特化) 高い 低い 低い 高い 人間は身体に備わる様々な感覚器からの情報も含め総合して知覚・認識 しているが、機械には身体がないのでそれができない。 自分が現在何をやっているか、今はどんな状況なのかなどが自分でわか る心の働きである意識により、人間は様々な知的処理を同時に実行し、 それを統合・制御しているが、機械にはできない。 人間は、自分の考えや選択を決心し、実行する能力、あるいは、物事を 成し遂げようとする意志を持っているが、機械にはない。 人間は少ない学習データからでも効率よく学習できる能力をそなえてい るが、機械は膨大な学習データとそれを処理できる膨大な計算能力（消 費エネルギー）を必要とする。 人間はひとつの脳で様々な種類の知的処理が可能だが、機械は特定の知 的処理に特化している。 人間は、神経の機能単位が消失しても、それを自律的に補填・回復させ ることができるが、機械にはそれができない。 人間の場合、１千億個のニューロンによる超並列処理がおこなわれてい るが、その数を増やすことはできない。しかし、機械のプロセッサーは 増やすことはできる。 人間の知性と機械の知性 意識 身体性 意志 学習能力 汎用性 可塑性 スケーラ ビリティ 高い 低い 人間の脳の消費エネルギーは思考時で21ワット/時程度のエネルギーを 消費するが、機械の場合はその数千倍から数万倍を必要とする。例えば、 GoogleのAlphaGoの消費電力は25万ワット/時とされている。 エネルギー 効率 ある ある 共に記憶能力はあるが、人間の場合は、身体的な感覚を含む記憶が可能 であり、記憶内容やメカニズムは必ずしも同じではない。 記憶能力 機 能 的 特 徴 器 質 的 特 徴 人間の知性 機械の知性 補足説明
- 184. AIやロボットに置き換えられるものと残るもの 184 繰り返し 繰り返し ではない タスク 分析的 マニュアル的 分析的マニュアル的 記録や計算 定型的顧客対応 選別と整理 定型的な組み立て 仮説設定 医療診断 説得/売り込み ビルの管理 トラックの運転 将来置き換えられ るか、既に置き換 えられている 雇用が維持される リンダ・グラットン 講演資料を参考に作成
- 185.
- 186.
- 187.
- 188.
- 189.
- 190.
- 191. 取引やデータの正当性を保証する手段 第三者の信頼できる機関や組織が台帳に取引の記録を残す ことで取引やデータの正当性を保証する 不正をしない 正確である 公正である 中央銀行民間銀行 証券取引所 登記所 物流会社 通貨 預金・送金 株式 土地 商品 病院・医療機関役所 法律・裁判所 カルテ・医療記録戸籍 契約 いつでも参照できる 秘密が守られる 改竄されない
- 192.
- 193. 取引 a 取引 b 取引c ・・・ ブロック ブロックを追加する手順 ブロックA ブロックB ブロックC ①「ブロックC」を追加する権利を持つ ノードが、全ノードに「ブロックC」を ブロードキャスト＊ ＊同時通報、不特定多数に同じ情報を同時に送ること ②「ブロックC」が正しいことを検証して追加 ③全体が「ブロックCが最新である状態に遷移 全ノードはP2Pネットワークで対等な関係で接続される 全ノードが同じ内容を同時に共有＝ 共有台帳＞分散台帳 検証可能なデータ構造を有し全員で正しさを保証し合う P2P/Peer to Peerネットワークとは、複数の端末間で通信を行う際のアーキテクチャのひとつで、対等の者（Peer）同士が通信をすることを特徴とする通信方式。 権限や信頼性を保証された 特定の管理者を不要にする
- 194. 取引のオープン化とはどういうことか 口座 A 口座 B 口座C Aから出金 Bに入金 Cに入金 Aに入金 ・・・ 12:01 12:02 12:04 12:18 マスターファイル トランザクション・データ ・・・ Aから出金 Bに入金 Cに入金 Aに入金 12:01 12:02 12:04 12:18 取引に関わる人が対等な関係 管理・制御の権限をだれも持たない トランザクションの合計を都度結果を計算 取引に 関わる人 ・・・ 取引マスターを管理・入力を制御する 権威や権限を与えられている企業や機関 銀行や保険会社などの金融機関、証券取引所や役所などの公的機関
- 195.
- 196. 取引 a 取引 b 取引c ・・・ ブロックB 前ブロックの ハッシュ値 取引 a 取引 b 取引 c ・・・ 前ブロックの ハッシュ値 取引 a 取引 b 取引 c ・・・ 前ブロックの ハッシュ値 取引 a 取引 b 取引 c ・・・ ブロックC ブロックD ブロックE ブロック･チェーンはなぜ改竄できないのか 前ブロックの ハッシュ値 取引 a 取引 b 取引 c ・・・ ブロックA 前ブロックの ハッシュ値 ある取引を改竄しようとすると膨大な計算が必要となり実際上は不可能＝改竄できない。 特定の取引を改竄する。 その取引を含むブロック以降の全てのブロックのハッシュ値を計算し直す必要がある。 一連のブロックの繋がりを全ノードで同時に改竄しなければならない。 前ブロックの ハッシュ値 取引 a 取引 b 取引 c ・・・ 前ブロックの ハッシュ値 取引 a 取引 b 取引 c ・・・ 前ブロックの ハッシュ値 取引 a 取引 b 取引 c ・・・ 前ブロックの ハッシュ値 取引 a 取引 b 取引 c ・・・ ブロックB ブロックC ブロックD ブロックE 改竄 改竄された取引以降の全ブロックのハッシュ値を計算し直し、改めて以降の全ブロックを全てのノードに追加し直す必要がある。 前ブロックをハッシュ値に変換し次ブロックの中に組み入れ。これを繋げてゆく。 ハッシュ値とはハッシュ関数によって生成される固定長の数字 同じデータからは必ず同じ文字列が生成される。 ハッシュ値から元のデータを復元できない。
- 197.
- 198. 送金決済 ：Ripple 著作権管理 ：Binded 第三者証明：Factom 電力売買 ：TransActive Grid 貿易金融 ：National Trade Platform 鑑定書管理 ：Everledger 選挙投票 ：Flux 仮想通貨 ：BitCoine ＊事例（リンクしています） ブロックチェーン 送金決済 仮想通貨 電力売買 選挙投票 第三者証明 貿易金融著作権管理 鑑定書管理 様々な取引や価値交換における 信頼性を確保するための汎用的な技術 〜現 在 ブロックチェーンの適用範囲の拡大 ブロックチェーン ビットコイン Bit Coin ビットコインにおける取引の 信頼性を実現するための技術 2008年〜
- 199.
- 200.
- 201.
- 202.
- 203. ウォーターフォール開発×オンプレミス×開発・運用業務委託の限界 これからの開発や運用に求められるもの アジャイル開発 Agile Development ビジネスの成果に貢献するコードだけを 変更に柔軟・迅速に対応して バグフリーで提供する DevOps Development & Operation 運用の安定を維持しながら 本番環境への迅速な移行と 継続的デリバリー クラウド Cloud Computing 高速で俊敏な開発実行環境の調達 経費化の拡大による不確実性への担保 運用やセキュリティから解放と人材の再配置 ビジネス環境の不確実性が増大 現場のニーズに ジャストインタイム で対応できる 即応力 デジタル・テクノロジーの劇的な発展 生産性・価格・期間など これまでの常識を 根底から覆す 破壊力
- 204. VeriSM アジャイル開発 Agile Development ビジネスの成果に貢献するコードだけを 変更に柔軟・迅速に対応して バグフリーで提供する DevOps Development & Operation 運用の安定を維持しながら 本番環境への迅速な移行と 継続的デリバリー クラウド Cloud Computing 高速で俊敏な開発実行環境の調達 経費化の拡大による不確実性への担保 運用やセキュリティから解放と人材の再配置 ITのスピードが高速化 ITのスピードにビジネス・プロセスが追いつかない 全ての組織がサービス・プロバイダー化する どの様にITサービスを提供し維持するのか Value-driven (価値主導） Evolving（発展、展開する） Responsive（敏感に反応する） Integrated（統合、結合された） Service（サービス） Management（マネジメント）
- 205.
- 206.
- 207. 早期の仕様確定がムダを減らすという迷信 0 3 69 12 25％ 50％ 75％ 100％ 時間経過（月） 要 求 の 信 憑 性 要求の時間的変質 24ヶ月後に 25％程度 平均的な値 変化が 大きくなっている
- 208. 不確実性のコーン システム企画 要件定義 基本設計詳細設計 プログラミング 4.0x 2.0x 1.0x 0.5x 0.25x 初期の プロダクト定義 承認された プロダクト定義 設計仕様 詳細設計 検収された ソフトウエア 要求仕様 見 積 金 額 の 変 動 幅 プロジェクトフェーズ スティーブ・マコネル著「ソフトウェア見積り 人月の暗黙知を解き明かす」 倍 の 振 れ 幅 16
- 209. 根拠なき「工数見積」と顧客との信頼関係の崩壊 手続き型プログラミング COBOLやPL/Iなど オブジェクト指向プログラミング JavaやC++など シーケンシャル・コーディング 上から順に書いてゆく １ヶ月に書けるステップ数は誰がやっても同じ 工数算定の根拠／基準が明確でぶれが少ない ファンクション・ポイント法 シーケンシャル・コーディングを前提 機能数や複雑さに応じて点数化 点数→ステップ数→工数の一致 妥当な工数が算定可能 開発生産性の飛躍的向上 設計次第／エンジニアのスキル次第で 工数が大幅に変動 KKD（Keiken + Kan + Dokyo）法 過去の経験と勘にもとづく規模感 過去に経験が無い場合は類似例を元に推計 赤字案件が増えコンティンジェンシを上乗せ 見積工数の積算根拠が曖昧 顧客との信頼関係を醸成 顧客との信頼関係が崩壊 利益確保と予測が可能 利益確保と予測が困難瑕疵担保 責任
- 210.
- 211. 早期の仕様確定がムダを減らすというのは迷信 Standish Group StudyReported at XP2002 by Jim Johnson, Chairman ほとんど／決して使われていない： 64% 常に／しばしば使われている： 20%
- 212.
- 213.
- 214.
- 215.
- 216. 前提となるInfrastructure as Code 業務処理ロジックの プログラミング 業務処理ロジックの プログラミング 運用手順の プログラミング システム構成の プログラミング 日本語などの自然言語で 運用手順書の作成 運用管理の 自動化 人手による 運用管理 システム構成 の自動化 日本語などの自然言語で システム構成図作成 人手による システム構築 従来の手順これからの手順 属人化による「暗黙知」化 人手の介在によるミスやスピードの制約 全手順のコード化によるノウハウの継承 開発〜本番の高速化と変更の俊敏性
- 217. サーバー仮想化とコンテナ OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ サーバー仮想化 ハードウェア コンテナ管理ソフトウエア OS ミドルウェア アプリ ミドルウェア アプリ ミドルウェア アプリ コンテナ コンテナ コンテナ コンテナ ライブラリ 環境変数 ライブラリ 環境変数 カーネルカーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 隔離されたアプリケーション実行環境を提供する 実行イメージのスナップショットをパッケージとしてファイルにして保存できる アプリケーションに加えて仮想マシン・OS の実行イメージを持つ必要がある アプリケーションとOSの一部 の実行イメージを持つ必要がある デプロイするサイズ 大きい 起動・停止時間 遅い デプロイするサイズ 小さい 起動・停止時間 早い 異なるOS 可 異なるOS 不可 メモリーやディスクの消費量が大きい = リソース効率が悪い メモリーやディスクの消費量が大きい = リソース効率が良い 構成の自由度が高い 異なるOS・マシン構成を必要とする場合など 軽量で可搬性が高い 実行環境への依存が少なく異なる実行環境で稼働させる場合など
- 218.
- 219.
- 220. DevOpsとコンテナ管理ソフトウエア オペレーティング システム サーバー （ハードウェア） コンテナ管理 動 作 保 証 オペレーティング システム サーバー （ハードウェア） コンテナ管理 動 作 保 証 オペレーティング システム サーバー （ハードウェア） コンテナ管理 アプリケーション 開発・実行環境 ミドルウェア コンテナ 動 作 保 証 Build,Ship and Run AnyApp,Anywhere アプリケーション開発者は、OSやインフラを意識することなくアプリ ケーションを開発し、どこでも実行できるようになる 開発しテストが完了したアプリは、すぐに本番環境で実行させることができる 本番環境テスト環境開発環境
- 221.
- 222. マイクロサービス・アーキテクチャ（Micro Service） ユーザー・インターフェイス 顧客管理 注文管理 在庫管理 出荷管理 Webブラウザ WebブラウザWebブラウザ 共有データ 顧客管理 注文管理在庫管理 出荷管理 Webブラウザ WebブラウザWebブラウザ 個別データ ユーザー・インターフェイス 個別データ 個別データ個別データ モノリス型アーキテクチャ マイクロサービス型アーキテクチャ マイクロ サービス 巨大な１枚岩のような 複数の独立した機能（マイクロサービス）を 組み合わせることでひとつの処理を実現する 大きな単一の機能によって ひとつの処理を実現する 単一の機能 独立した機能 内 部 は 複 数 の 機 能 で 構 成
- 223. マイクロサービス・アーキテクチャ（Micro Service） ユーザー・インターフェイス 顧客管理 注文管理 在庫管理 出荷管理 Webブラウザ WebブラウザWebブラウザ 共有データ 顧客管理 注文管理在庫管理 出荷管理 Webブラウザ WebブラウザWebブラウザ 個別データ ユーザー・インターフェイス 個別データ 個別データ個別データ モノリス型アーキテクチャ マイクロサービス型アーキテクチャ マイクロ サービス 巨大な１枚岩のような 単一の機能 独立した機能 内 部 は 複 数 の 機 能 で 構 成 マイクロサービス単位でマシンが必要各機能の単位でマシンが必要 ＊「マシン」とは物理マシンだけではなく仮想マシンやコンテナも含む。
- 224. マイクロサービス・アーキテクチャの6つのメリット 修正 修正 リリースの同期は必須 個別にリリース可能 Java JavaJava Java Java Java Java Ruby php C++ Java Script C# 言語は統一 機能にふさわしい言語を選択 影響？ 影響？ 影響？ 影響？ 変更 影響？ 一部機能変更・全体テスト 一部機能変更・対象機能のみテスト 変更 全体で拡張 個別に拡張 正常 正常 正常 正常 障害 正常 正常 正常 正常 正常 障害 正常 一部障害で全体停止 一部障害でも正常箇所は稼働 流用 流用 特定の機能流用は困難 特定機能の流用は容易 １．機能の独立性 ２．言語の独立性 ３．保守の容易性 ４．拡張の柔軟性 ５．障害時の可用性 ６．再利用の容易性 「これなら分かる！ マイクロサービス（入門編）〜モノリスと比較した特徴、利点と課題（CodeZin）」を参考に作成
- 225. マイクロサービス・アーキテクチャの3つの課題 機能間で通信は発生しない 機能間で通信が行われる 全体をひとつのチームで行うので 人の入替えやノウハウ共有が容易 各機能個別に組織が分かれるの 人の入替えやノウハウ共有が困難 過剰分割の影響は内部に留まる 一貫したユーザー体験を提供 過剰分割はパフォーマンスを劣化 機能別に異なるユーザー体験のリスク １．機能間の通信によりパフォーマンスが出にくい ２．人の入れ替えやノウハウの共有が難しく”人”や”知見” の活用効率が低くなる ３．プログラム構造次第でパフォーマンスやユーサー体験に悪影響 通信により組み合わせるという仕組みから、パフォーマンス を出しにくい。 性能向上のため各機能間は非同期通信とし、機能をまたがっ たトランザクション保証はしないため、正常終了した後に後 続処理がエラーとなることも想定した設計が必要。 個人ユーザー向けの決済処理のような再試行が難しい業務の 場合は、実装が難しい。 マイクロサービスを適用したアプリケーションを作るには、 個々の機能と同じように独立し完結した組織でなければなら ないが、それができる保証はない。 チームごとに独自文化が形成されチーム間でスキルの共用が 難しい。 文化の違いから人的ローテーションも難しくなる。 マイクロサービスの利点を生かすには、機能の境界を適切に 設定することが必須となるが、分ける範囲を誤れば機能間の 通信が大量に発生する。 分けるべきであった機能を一つにしてしまえば保守性や再利 用性などのメリットが満たせない。 独自性がすぎるとユーザー体験がちぐはぐになってしまう。 「これなら分かる！ マイクロサービス（入門編）〜モノリスと比較した特徴、利点と課題（CodeZin）」を参考に作成
- 226. なぜ、サーバーレスなのか Functions 開発者は他社と差別化できるビジネスロジックに集中したいのに 付加価値を生み出さない作業で負担を強いられる。 ミドルウェアの設定 インフラの構築 セキュリティ・パッチの適用 キャパシティ・プランニング モニタリング システムの冗長化 アプリケーションの認証・認可 APIスロットリング 上記の負担から開発者を解放 コスト削減 ＋ マイクロ・サービス化 アジャイル開発やDevOps
- 227. ハードウェアハードウェア FaaS（Function as aService）の位置付け ハードウェアハードウェア 仮想マシン 仮想マシン 仮想マシン 仮想マシン ミドルウェア アプリケーション コンテナ管理機能 ミドルウェア アプリケーション ミドルウェア アプリケーション コンテナ管理機能 ミドルウェア アプリケーション OS OS OS OS 自社所有 IaaS CaaS PaaS FaaS ユ ー ザ ー 企 業 が 管 理 ク ラ ウ ド サ ー ビ ス 事 業 者 が 管 理 ランタイム ランタイム ランタイム ランタイム データ データ データ データ 仮想マシン コンテナ管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア ハードウェア 仮想マシン コンテナ管理機能 ミドルウェア アプリケーション OS SaaS ランタイム データ 連携機能 Container as a Service Function as a ServiceInfrastructure as a Service Platform as a Service Software as a Service
- 228.
- 229. こんなことになってはいないでしょうか？ ❌ 営業なのに、事務仕事が忙しいからと客先にいけな いとは何事だ！ ❌ 経理や財務が、集計や定型レポート作成に忙しく、 分析や企画に時間が割けないとは本末転倒だ！ ❌マーケティングが、他社情報や比較資料を作るだけ で手一杯になり戦略や企画ができないでどうする！ ❌ データの確認や比較などの単純な作業に時間がとられ、 本来の仕事に十分な時間が割けないよ！ ❌ いろいろなシステムにデータがあって、それをまとめ てExcelに転記するなんて、誰かに任せたい！ ❌ 紙の伝票からの転記作業が大量で、人手が足りない！ こんなことになってはいないでしょうか？
- 230. こんなことになってはいないでしょうか？ ❌ 営業なのに、事務仕事が忙しいからと客先にいけな いとは何事だ！ ❌ 経理や財務が、集計や定型レポート作成に忙しく、 分析や企画に時間が割けないとは本末転倒だ！ ❌マーケティングが、他社情報や比較資料を作るだけ で手一杯になり戦略や企画ができないでどうする！ ❌ データの確認や比較などの単純な作業に時間がとられ、 本来の仕事に十分な時間が割けないよ！ ❌ いろいろなシステムにデータがあって、それをまとめ てExcelに転記するなんて、誰かに任せたい！ ❌ 紙の伝票からの転記作業が大量で、人手が足りない！ こんなことになってはいないでしょうか？定型×単純×反復×大量 そんな作業を減らしたい、なくしたい！ RPA Robotic Process Automation
- 231. RPAとは データ収集 Webページに表示さ れた申請書の項目別 に文字や数字を読み とる。 データ入力 読み取ったデータを 他アプリケーション 画面に転記・入力す る。 データ登録 入力修了後、他のア ブケーションで関連 データを検索、該当 すればそれを追記し て登録する。 次を処理 他アプリ を確認 データ 収集 確認 ルール 変更 データ 入力 データ 登録 データ 照合 複数のアプリケーションや画面を連係させておこ なう操作手順を登録 その手順に従い、人間に代わって作業をおこなう 定型×単純×反復×大量の作業にて効果絶大 RPA Robotic Process Automation（ロボティック・プロセス・オートメーション）とは、 パソコン上でのコピペや転記、照合や入力などの画面、キーボード、マウスを操作 して行う作業を自動化させる仕組み。「ロボット」と呼ばれるソフトウェアが人力 で行っていた作業を代行する。
- 232.
- 233. RPAとは 人間がキーボード・マウスを操作し実施しているパソコンでの作業手順 をソフトウェア が記録し業務の自動化を実現 EXCELマクロと違い、複数のアプリをまたがる操作の自動化が可能 人間の判断を必要とする場合は、それを告知 人 RPAシステム 準 備 コ ス ト ス キ ル 業務のトレーニング マニュアルでの説明 トレーニングの コストが発生 プログラミング スキル不要 操作の記録 低コスト 短期間 プログラミング スキル不要 専用プログラムの 開発 開発コストが高い 期間が長い プログラミング スキルが必要 ITスタッフのみ 対応可能 不備 チェック 申込書 読み取り データ 入力 審査 手続き 不備 チェック 申込書 読み取り データ 入力 審査 手続き 確認 (人) ■人からRPAへ（例16名→2名） ■従来手段とRPAとの比較
- 234. 対象となる業務 定型×単純×反復×大量 一定のルールが確立されている定型業務 大量データを扱うため長時間かかる業務 定期的な作業で期限が決まっている業務 作業単位が小さくシステム化されてない システム化されていても使い勝手が悪い 異なるシステム／アプリをまたがる作業 対応コストが かかりすぎる EXCELで手作業 人間でなければ できない作業 人間でなければ できない作業 労働時間短縮とワークライフバランス改善 人間でなければできない仕事へのシフト イノベーション創発と働きがい意識の拡大
- 235. RPAの機能 作業プロセス生成画面操作の認識・記憶 Web検索・抽出 集計加工 他サービス活用入力・登録 帳票出力・作成 従業員と同等の ID&パスワード 作業手順の 記録と再生 アプリケーションやサービスの画面 入力や操作の画面を認識し位置判別 データ AとデータBを比較して、Aが大きければ処理Cを行い、Bが大きければ処理Dを行う 項目AにデータがあればExcelにその項目を書き写す。なければ、なかったことを記録する 指定したWebを巡回し、指定したデータを抽出、その集計をExcelの表とグラフにまとめる
- 236. RPAにおける作業プロセス生成の方法 3.再生2.編集１.記録 PC操作をシナリオとして 記録 繰り返し、分岐条件の設定 など、シナリオを編集 シナリオを再生(ロボット 実行) 実行指示 実 行 実 行 実 行 実 行 クリック 入力 クリック ・ ・ ・・ ・ 完成 「ノンプログラミング」で業務を開発可能 人が実施しているPC操作を記録し忠実に再現(Webアプリ、ブラウザ、Excel) 既存の業務プロセスや業務アプリを改修することなく、自動化を実現
- 237. システム開発とRPAの違い 既存の業務プロセス/作業手順 ○ 業務の効率化 ○ 業務プロセス・作業手順の改善 効率化や改善をはかるための 要件や方法を検討 新しい業務プロセス/作業手順 を設計 システム仕様を策定 システム開発 システム開発：長期継続的な改善 コ ス ト ・ 期 間 ・ 専 門 ス キ ル 大 ○業務の効率化 Ｘ 業務プロセス・作業手順の改善 作業プロセス生成 RPA：短期即効的な効果 コ ス ト ・ 期 間 ・ 専 門 ス キ ル 少
- 238.
- 239. RPA活用が進むと思われる業務 既に、間接業務や金融業務を中心に様々な分野 で活用され始めている経理・購買 人事 営業事務 •請求処理 • 売掛金/買掛金の仕訳 • 財務レポート作成 • 経費精算、入金消込 • 財務マスタデータ管理 • 購買発注の検証 など • 採用・退職管理 • 勤怠管理 • 従業員情報入力/更新 • 休暇申請の処理/管理 • 人事考課入力管理 など • 申込書入力 • 不備チェック • 顧客情報入力 • 名寄せ処理 • 手配書の作成と送付 • 受注情報の集計 など 金融業、不動産業 小売業 通信業 • ローン審査 • クレーム照合処理 • 新規口座開設の認証 • レポート作成 • 新規アカウント作成 • 保険請求処理 など • 在庫状況や商品情報の アップデート • ウェブ注文情報の入力 • 注文情報の入力 • ECの商品登録 • 在庫連携 • 事業者間の情報連携 • 価格調査 など • 顧客データの収集 • アプリ間の情報転送 • 競合価格情報抽出 など 公共など • 各種手続きの照合情報 • 新旧システム情報統合 • 特許情報の収集 など
- 240. RPA導入の期間と効果 導入期間：47%が4週間以内 導入効果：97%が 5割以上 出典：日本RPA協会、RPAテクノロジーズ、アビームコンサルティング2017年1〜16月に実施した「RPA導入企業の実態把握」
- 241. 進化の可能性 データ入力や複数アプリの連携が必要な定型業務 教えられた手順に従い、特定の単純作業をこなす 意思決定が必要な場合は人間が対処する 情報の入力、取得 モニタリング チェック、転記 Class 1 : Basic（現状） 定型業務の自動化 単純作業の労働者 例えば、人事・経理・総務などの間接部門の事務・管理業務、販売管理や経費処理など ルール処理エンジン スクリーン収集 ワークフロー Class 3 : Cognitive 業務の自律的なAI化 真のデジタル労働者 大量データを学習して最適判断が必要な業務 目的に沿って自らプロセスを分析・改善 与えられた指示を適切に解釈し時には人や他の RPAと連携しながら、自律的に仕事をこなす 高度な分析、判断 自律的な改善、連携 自然言語処理 ビッグデータ分析 機械学習 個別最適化処理 例えば、ヘルプデスクや天候に左右される仕入れ管理、経済情勢を加味した経営判断など AI Class 2 : Enhanced 非定型業務の自動化 特定業務の労働者 構造化されていない データや知識の処理 非構造データの読取 蓄積データからのルール作成 知識ベースからの問合わせ回答 非構造化データの収集や分析 自然言語処理やディープラーニング を利用し、非構造データを扱う業務 や分析に基づくルールベースの業務 例えば、ログの分析、様々な要因を加味した売上予測、Web のレコメンド広告などの分 析処理など AI
- 242.
- 243.
- 244.
- 245.
- 246.
- 247.
- 248.
- 249.
- 250.
- 251. ビジネスのデジタル化 ビジネスビジネス IT IT 1960年代〜1980年代 1990年代〜2000年代 2010年代〜 ビジネス＋IT （ITと一体化したビジネス） 商品としてのIT SoRSystem of Record 結果を処理するシステム SoE System of Engagement 結果を創出するシステム文化 対立
- 252. ビジネス価値と文化の違い ユーザー部門のITへの期待の変化 顧客に製品やサービスを“いかに買ってもらうか”を狙う 顧客が製品やサービスを“買ってから”を処理、格納する ユーザー部門の要求は明確 IT部門はその要求に応える 求められる価値：スピード 求められる価値：安定性 SoE SoR Systemof Engagement System of Record 『キャズム』の著者Geoffrey A. Mooreの言葉を参考に作成 ユーザー部門は要求が不明 IT部門はその要求を一緒に探す ERP SCM 販売管理など CRM MA ECなど 結果を処理するシステム 結果を創出するシステム ≈ モード2 モード1 ≈
- 253. モード1とモード2の特性 モード1 モード2 安定性重視 速度重視 ウォーターフォールアジャイル IT部門が集中管理 ユーザー部門が分散管理 予測可能業務 探索型業務 武士:領地や報酬を死守 忍者:何が有効なのかを探る 運用者(オペレーター) 革新者(イノベーター) 効率性やROI 新規性や大きなリターン 統率力や実行力 機動力や柔軟性 月次〜年次 日次(or 時次)〜週次 性向 手法 管理 業務 例え 対象 期待 実践 期間 トップダウン ボトムアップ経営 方針が確定した後に軍隊的統率力で実行する力 方向性が見えない状況での探索能力や機動力
- 254.
- 255. ３つのIT：従来のIT／シャドーIT／バイモーダルIT SIer／ITベンダー SIer／ITベンダー SIer／ITベンダー モード1 SoR モード1 SoR モード2 SoE 情報システム部門情報システム部門 事業部門 事業部門 事業部門 モード1 SoR モード2 SoE 堅牢性 安定性 正確性 安全性 完全性 迅速性 柔軟性 スケーラビリティ 低コスト そこそこ/使える 堅牢性 安定性 正確性 安全性 完全性 情報システム部門 迅速性 柔軟性 スケーラビリティ 低コスト そこそこ/使える 堅牢性 安定性 正確性 安全性 完全性 従来のIT シャドーIT バイモーダルIT
- 256.
- 257.
- 258. デジタル･トランスフォーメーション デジタル･トランスフォーメーションを実践するステップ 3つの原則 課題の実感 トレンドの風を読む 試行錯誤 ステップ １戦略：ビジネス・モデル あるべき姿と シナリオを示す ステップ ２ 作戦：ビジネス・プロセス ITの可能性を 最大限に活かす ステップ ３ 戦術：使い方や見栄え 新しい常識で 選択肢を模索する
- 259.
- 260.
- 261.
- 262.
- 263. 注意すべきITベンダー・SI事業者の行動特性 自分たちの「できること」でしか 解決策を示そうとしない。 これからのテクノロジーやその可能性について 分かりやすく説明できない。 機能や性能については説明できるが 経営や事業の成果にどのような貢献が できるのか説明できない。 新しい方法論や見積を求めても 旧来のやり方で提案しようとする。 新しい方法論やテクノロジーの適用を求めると 保証できない、実績がない、時期尚早などの ネガティブ・ワードで翻意を迫る。 注意すべきITベンダー・SI事業者の行動特性 自分たちの収益を優先して考えている。 新しいコトへのリスクを嫌っている。 経営やリソースに余裕がない。 勉強していない。あるいはその習慣がない。 分かってもらおうという意欲が欠如している。 自分たちのできないことに関心がない。 お客様の立場で考える習慣がない。 経営や業務に関心や知識がない。 お客様の成果より自分たちの成果を優先している。 仕事のやり方を変えたくない。 読めないリスクはできるだけ避けたい。 自分たちの業績評価基準に反する。 相手の想いを理解しようという意欲がない。 そもそも知識がなく、学ぶ意欲も乏しい。 新しいコトへチャレンジする意欲がない。 このような行動特性を示す理由
- 264. 一緒に仕事をしたいITベンダー・SI事業者 自分たちの事業や経営の価値を意識しているか ITが自分たちの事業や経営にどのような価値を提供してくれるのかを具体的に説明してくれる 売上増やコスト削減とIT活用をロジカルに分かりやすく結びつけて説明してくれる 自分たちにできることだけではなく、他社も含めた「世の中常識」を客観的に説明してくれる 自分たちの個別の事情に配慮してくれているか 自社の業種や規模などの個別事情を考慮した説明をしてくれる 自社の個別の事情や課題、要件について理解し、営業やエンジニアの誰もが共有できている 自社の業種や業態に関連した専門的知識やスキルを持った人が担当してくれる 一緒になって成功しようという意欲を持っているか 専門用語を乱発することなく、難しいことでも理解できるようにわかりやすく説明してくれる ヒアリングシートなどが体系化されており、人に依存しない品質維持が確保されている 標準の提案書を手直しするのではなく、自社向けに作る提案書を提示してくれる 初期段階から技術や業務のわかるエンジニアが同席し、生産性の高い議論ができる 自らのリスク・テイクする覚悟でコミットしてくれる 「教師」あるいは「良き相談相手」となれるひとが、参加してくれている
- 265.
- 266.
- 267.
- 268.