データの法的性質、データ利用許諾契約の法的性質という基本的な内容から、データに関する契約について設けるべき条項や注意点、失敗しがちな点などについてを説明を行う。また、生成AIに関する出願を既に数十件行い、生成AIを用いたサービスの利用規約や、生成AIの利用に関する内部ルールの策定を多く行っている経験に基づき、企業として、生成AIあるいは生成AIを用いたサービスを利用する際の注意点や、法的な問題点についてわかりやすく説明を行う。

近年のAIの躍進には目を見張るものがあります。特に一連の生成AIの登場と短期間での進化は、連日世界中を驚かせています。本講演では、鍵を握る技術群（「世界モデル」「確率的プログラミング」）について触れつつ、AI技術の動向を述べます。 そして、企業でのAI活用の段階について、注目を集めつつある「人間中心のAI」（Human Centered AI)という考え方を参照しながら、今後の方向性も解説します。

生成AIの導入から約1年半。企業はアイデア創出や翻訳・要約などで一定の成果を上げつつも、「次のステップ」への課題を感じています。果たして、生成AIをより高度に活用するためには、どのような変革が必要なのでしょうか？本セッションでは「生成AI活用 2.0 〜プロンプトエンジニアリングからその先へ〜」と題して、生成AI活用に先んじて取り組んできた方々を迎えて、RAG（検索拡張生成）による社内データ活用や、生成AIの業務プロセスへの組み込みについて議論します。次世代のAI活用に向けた具体的な道筋を一緒に考えましょう。

日本光電工業株式会社様（以下、日本光電）では、全社的な収益改革の一環として、生成AIの活用により「年間140万時間の工数削減」　を目指すことになりました。本講演では同社における効果的な生成AIの導入・活用に向け、多種多様な社内データをどのように取り扱うか・利用者への定着化を図るか等、生成AI利用で誰もが工数削減できる環境を目指す日本光電の取り組みをご紹介します。

社内データを活用した生成AIアプリケーションの実現は、多くの企業にとって魅力的ですが、その道のりは決して平坦ではありません。Fine TuningやRLHF(Reinforcement Learning from Human Feedback)の重要性が指摘される中、近年ではRAG(Retrieval-Augmented Generation)だけでは精度に限界があり、Knowledge Graphと組み合わせての活用が注目されています。 このセミナーでは、海外の最先端情報を元に、社内データを活用した生成AIアプリケーションの作成手法を振り返り、共通する課題とその解決策として登場したテクノロジーを紹介します。 エンタープライズ環境におけるAI導入の為の最新の技術動向を把握する機会に活用いただければと思います。

現代、Webサービスを中心とした生活になり、ユーザーが求める期待値も上がってきています。
そのため多くの企業がビジネスを成長させるためのカギとして「顧客体験向上」を目指し、顧客データの活用やサービスの改善に注力しています。

本セッションでは、フレクトの大橋様をお迎えし、顧客体験向上に取り組んだ企業の事例、そしてその事例を通じて感じたベストプラクティスについて解説頂きます。

実際に企業が直面している課題「分断された顧客データ」とは何なのか。ビジネス価値を向上させるヒントが詰まったセッションです。是非この機会にご参加下さい。

2018年に経済産業省から発表された「DXレポート」の中で初めて使用された「2025年の壁」という言葉。みなさん準備は整いましたか？

本セッションでは、今やIT大国となったインドのテクノロジー会社Celebal Technologies社とともに、Global基準でみたときの日本のDXの現状、データテクノロジー、Global事例について議論していきます。

グローバルでの激しい変化で先行きの見通せないこの時代では、製造業を中心としたサプライチェーンマネジメント（SCM）の構築や高度化は重要な施策と言えます。 本セッションでは、テクノロジーを活用したコンサルティングを提供するマクニカとデータ活用のパイオニアであるブレインパッドの両社だからこそお伝えできるこれからの時代を見据えたSCM構築・高度化ポイントを３つのマネジメントの視点からお話します。

• ①不確実性を捉え機動性のあるデータマネジメント
• ②グローバルでのリスクマネジメント
• ③サスティナブル経営に向けたナレッジマネジメント

特に今後SCMの構築や高度化を推進される方々に有益な内容となっておりますのでどうぞお楽しみください。

昨今注目されているAI TRiSMという言葉はご存じでしょうか。 AI TRiSMとは、信頼（Trust）、リスク（Risk）、セキュリティ管理（Security Management）の頭文字をとった略称で、AIのリスクに対応し、AIの信頼性を高めるための取り組みです。 AIの導入が進むにつれ、AIモデルへの悪意のある攻撃や意図せぬ情報漏洩など、さまざまなリスクが顕在化しており、AIのセキュリティと信頼性をいかに確保するかが大きな課題となっています。 当セミナーでは、AIモデルや学習データに含まれるリスクを具体的に紹介し、データプライバシーの保護やAIモデルの信頼性の向上に向けた最新の対策や手法について詳しく解説いたします。 安心して生成AIを活用するための最先端の技術を学び、ビジネスの競争力を高めるためのこの機会に、ぜひご参加ください。

「業務の効率化に生成AIの技術を活かしていきたい」 こうしたニーズは近年の生成AIの急速な発展を背景に、益々高まりを見せています。しかし、実業務への生成AIの導入・実装のためにはシステム観点、業務適用観点においていくつかのハードルが存在します。本講演では、取り扱い製品の顧客問合せ窓口を担当する部署でのLLM活用事例を基に、陥りがちな失敗パターンと解決策を交えて、生成AI活用のヒントをご提供します。

近年非常に急速な進歩を遂げている生成AI活用先の1つとして、画像およびテキストといった非構造化データからの構造化データ抽出があります。本セッションでは、マルチモーダルLLMを活用したファッション商品画像からの情報抽出の実装を具体例紹介を中心に、人力での構造化データ作成における効率性や属人性の問題解決の進め方を説明します。

世界中に衝撃を与えたChatGPTの登場から約2年。技術トレンドの中心は生成AIであり、様々な企業様で生成AIの活用が検討されています。 一方で、クラウドサービスではデータ保護の観点から個人情報や機密情報等の貴重なデータを活用することができず、思うように生成AIの活用が進まないといったケースも見受けられます。 本セッションでは、生成AIの活用状況、生成AI活用の課題点に触れながら、NVIDIAのSDKを活用し、オンプレミス環境にローカルLLMを構築する際のポイントについてお話しします。

生成AIは業務プロセスの効率化と変革を実現する強力なツールですが、その導入には多くのハードルがあります。本セッションでは、ユーザーが抱える生成AI活用における抵抗感、社内データ活用の課題など、導入が進まない原因や課題を明らかにしながら、生成AIを業務に活用するための具体的な手法を説明します。生成AIのポテンシャルを最大限に引き出し、効果的な活用方法を提案して業務活用を推進に向けたポイントを説明します。

データが様々な場所に存在しており、かつその量も多い現代において、以下の様な課題を持たれているお客様は多いのではないでしょうか。 「ビジネスに活用するために必要なデータの収集ができていない」「ノイズとなるデータが多く、上手くデータ分析ができていない」 「エッジ」が、これらの課題に対する解決の鍵となります。エッジとは、データソースに近い場所のことを指しております。今後、より多くの種類のデータをエッジから「収集」し、エッジ側でデータの「分析」を行うことが重要となっております。 本セッションでは、現代のデータ活用に関わる課題をどのようにして「エッジ」にて解決するのか、具体的なユースケース・解決手段を交えながら解説いたします。