2017年11月

27

【クラウドとデザイン思考】日本企業にはイノベーションの素養がある ~IBM デザイン・シンキング~(後編)

interviewee:長尾 政明 氏

IBM iX Creative & Design 統括
IBM デザイン思考推進リーダー
IBM Studios Tokyo スタジオリーダー

interviewer:NI+C パートナーズ 企画推進部 加古

前編からのつづき ~


– それでは、IBM がデザインシンキングを導入していった過程についてお聞かせいただけますか。

IBM では、2012 年に IBM におけるデザインプログラム 第2章 として、IBM Design という組織を立ち上げ、最初の IBM デザインシンキングのトレーニングを製品開発チームに対して行いました。その時は、まず希望者を募ったため、各チームから 1,2名ずつの参加となりました。約1週間、デザインシンキングのトレーニングを実施しましたが、トレーニングを受けた後、現場に帰ったその方達は、「周りのチームメンバーが、全然理解できていない。自分達だけが遊んでいるみたいだ」、と感じたのだそうです。

この教訓を活かし、トレーニングには、チーム単位(5~10名)で参加させることにしました。こうして、現場に戻ってもやらざるを得ない環境作りもサポートしたのです。

 

デザイン・シンキングのトレーニングはマネジメント層にも必須

実は、それで全てが上手くいったわけではなく、プロジェクトを進めていくと、今度は該当製品開発チームのマネージメント層から「何をやっているんだ」、「これまでの尺度で報告しろ」という意見が出るなど、マネージメントがチームの活動を理解してくれない、IBM デザインシンキングのアプローチで推進できないという相談が トレーニング参加者からありました。そこで、トレーニングを受講するチームのマネジメント層もセットで デザインシンキングのトレーニングを受けてもらうようにしました。マネジメント層に対する1週間のトレーニングは難しいため、0.5日から1日で基本的なことと、なぜ必要なのかということを理解してもらいました。更にメンタルモデルの変化、コーチング方法の変更をについても理解してもらい、ようやく回り始めたのではないかと思います。

 

このように、IBM でも何度か失敗しているのです。個人だけでなくチーム全体、更にマネジメント層まで浸透させ、評価制度まで変えないと、日本の企業においてデザイン・シンキングの導入、更に変化を起こすことは、難しいのだと思います。

― 日本の IBM 社内では、どのくらいのトレーニングを実施されているのですか?

営業チームに実施しているのは1日のトレーニングです。1日以上拘束することが、難しいため、与えられた時間で出せる結論までにしています。その内容を元にお客様に提示してみる、営業チームで試してみる、そのように回る仕組みを目指して実施しています。来年からは、少し変更して、デザイン・シンキングそのものだけではなく、 ユーザー・リサーチ(観察)もしっかり実施するようなコース開発も行っています。

e ラーニングも社内では準備しているのですが、デザイン思考に関しては受動的な学習では理解が難しいので、アクティブ・ラーニングによるトレーニングという形を重要視しています。

 

IBM デザイン・シンキングの進化

― IBM デザイン・シンキング自体に変化はありますか?

当初 IBM のデザイン思考は、以下のイメージのように”シーケンシャル”に進むイメージで書かれていました。


上記のように以前は 4ステップ あったのですが、今は単純化されて、「Observe(観察)」、「Reflect(洞察)」、「Make(施策)」の 3ステップ です。
※()内の和訳は、『IBMの思考とデザイン』 からの引用です。

更に、これらはループします。なぜこの形に行き着いたかと言うと、IBM の製品開発がアジャイル的にどんどん進化したからです。その進化の中で、デザイン・シンキングをステップ通りに進めなければならない、とは もはや言えなくなったのです。どのプロセスからも入ることができるモデルが必要となりました。まずは作り、その結果を熟考してみて、その リフレクション(振り返り、学び)を元に変更を加えて…というやり方でも良くなり、もちろん、従来からのお作法通りに進めても良いのです。

― アジャイルは、IBM の中でも当たり前のように浸透し、そのアジャイルに適応し、融合するため、このモデルの変更されたのですね。

 

他のプラクティス、アジャイルリーンスタートアップと融合することでより強力なツールに

この新しいモデルが強力なのは、アジャイルという手法に対し、どういうものを作るか?というアイデアを出す部分をデザイン思考が補完するところにあります。補完して、メイク部分をまずはプロト的に紙芝居のようなものでアジャイル的に作り出していく。アジャイルのプレイヤー達と一緒にどんどんこのサイクルを回していく、ということができます。デザイン思考だけではなく、アジャイルもなくてはならない存在です。加えて、お客様の既存システムといったイメージではなく、新しい事業やサービスラインを作るなどの場合は、リーンスタートアップ ※1 的な手法もここに入ってきます。お客様での成果を見て、実際のアイデアと開発内容に反映します。

これらの手法は、絡み合っています。どれか1つだけでは、片手落ちです。デザイン・トランスフォーメーションを例にとると、企業が目指しているものを明確にし、そこに対してデザイン思考アジャイルリーン・スタートアップなど、新しい手法を適材適所に組み合わせて実践します。

※1. 「リーンスタートアップ」: コストをかけず。最低限の製品やサービス、機能の試作品を短期間で作り、顧客に提供し、顧客反応を得て、観察し、観察結果を分析し、改善し、再び顧客に提供する。このサイクルを繰り返す手法。

IBM でデザイン・カルチャーを作る、という目的を実現するための方程式があります。それは、” People “、” Practice “、” Place ” が重要という考え方です。

IBM デザイン・シンキングを支える「

― 先ほどお話いただいたのは方程式のなかで、Practice 「実践」の部分だと思いますが、では、Place 「場」についてお聞かせください。

 

ここ(IBM Studios)は、共創するための場です。一般的な会議室だと、いきなりセッションを実施したとしても難しいことがあります。やはり集まりやすく、ここに来ると何か面白そうなことが起こるのでは?という雰囲気を感じられることがとても重要です。ここはもちろんセキュリティが厳しいのですが、ソニー社では、1階の受付を通らずすぐ入れるような メイクスペースをお持ちです。  Yahoo 社も Yahoo lodge を開設されています。外部の人の入りやすさであったり、社内の人もそこに来る、そんな場で、様々なことが発生する。このような環境づくりもオープン・イノベーションを謳う企業にとって非常に重要な部分になるのでは、と思います。

 

多種多様な”人を繋ぐ場” とデザイン・シンキング

IBM でもこの「」というものを非常に大切にしています。その場に来るとデザイナーがいて、ノンデザイナーとデザイン思考を使いながら、お客さんと一緒に問題解決をする。共創し、形にするための道具として、デザイン思考があり、様々なバックグラウンドの人々を繋ぐ役目を果たしています。デザイン思考は、仕事の仕方、ひいては働き方のための OS 、インフラやフレームワークのようなものとして機能し、それを有効的に使える 「」として、 IBM Studios が存在しているのです。IBM Studio は、現在、世界43箇所に設置され、社内外の人が共創活動を行っています。

 

お客様にも、「ふらっと来て、デザイナーと話せる、相談できる、そのような場を持つことも重要です。」とお伝えするようにしています。中には、「では、空いてる部屋をこれに使おうか」と、自ら場づくり、空気作りにも取り組もうとされているお客様もいらっしゃいます。

― 確かに、昔ながらの会議室で堅苦しく机を囲んでいるのでは、「さぁ、アイデアを出しましょう!」と言われても活発に思ったことを言い合う雰囲気にはなり辛いですよね。アイデアを出す場合、座っているより、立っている方が良い、ホワイトボードがあって、付箋紙貼れる方が良い、最も重要なのは、多種多様なバックグラウンドを持った人々が気軽に集い参加できる「場」があること、なのですね。

 

IBM デザイン・シンキングでは特に「」を重要視している

― それでは、3番目の 「People」 についてお聞かせください。

ありきたりなシステム開発ではなく、ユーザーにとって本当に価値のあるものを見つけ、提供するといった場合、デザイン思考のバックグラウンドを持った人が、ユーザーを理解することから始めます。アイデアを出して簡単に試作をして、評価するということをぐるぐる回して理解します。このような問題の理解から始めないと、本当の価値を見つけ、提供する、ということことはできません。

 

チーム全体が共感し合うことが大事

その時は、個人的に誰が良くやった、ということではなく「チーム」として成功も失敗も経験するということが重要です。IBM デザインシンキングの中では、特に「チームが大事」ということが言われます。また「共感」が重要とも言われています。ユーザーに共感するだけではなく、チームメンバーにも共感する。チームの各メンバー同士が共感していないと、「私のアイデアが…」といったメンバー間の競争になってしまいます。ユーザーに共感する前に、まずはチームの中で共感し合いながら、お互いの強みや弱みを理解することにより、最大限良いものが出せる、という思想です。

IBM のプロダクト部門があるオースティンを中心にこの取り組みが進んでいます。同じ IBM のオフィスであっても雰囲気が全然違います。助け合いというか、お互いに共感し、オープンな雰囲気があります。そういう意味では、昔の町工場的なイメージです。

 

単体のチームだけでなく複数チームによる”異種交配の場”をつくる

例えば、オースティンの Watson IoT や Watson Health のような製品開発チームの良い例があるのですが、彼らは、作っているものや、やっている事についての情報を通路に張り出しています。それは、ただ、自分たちが行っていることを発信しているだけでははないのです。その通路に張り出された情報に対し、他のチームの人が自由に意見を書き込んだり、アドバイスしたりと、オープンに意見交換を行っているのです。彼らはこれを花粉の受粉に例えて、”クロスポリネーション”と表現しています。異種の花同士の交配、これを起こさなければならない。チームの中でだけでは新しい意見や発見がなかなか出てこないと考えています。オースティンでは、その中での情報がオープンで共有できる環境をつくるため、オフィスのセキュリティーは非常に厳しく・・・・実は、私は毎度行くたびにロックアウトされてしいまうのです(笑)。ですが、それ位厳しいからこそ、実現できているのだと思います。

異種の芽というのを入れる。デザイン・シンキングそのもののチーム構成は、ビジネスの人だけを入れれば良い、 IT の人だけでチームを構成してしまうと、その分野のエキスパートではありますが、多種多様な意見を引き出すのは難しくなります。様々な人を入れて、問題に対してアプローチする、意見を言ったりする、アイデアを出したりする。異質とか多様性からの創造、チームでもいろんなチームが存在する環境の中で、有機的に交わりながらモノづくりするというのがデザインカルチャーの根底にあるような気がします。

昔の印象とは全然違う姿があり、日本の方がまだまだ個人やチーム間が協力し合っていないイメージにあるように思います。

 

-そうですね。デザイン・シンキングを実践する人数やメンバー構成を考える上では、やはり出来る限り多様なメンバーを揃えるというのが重要ということですね?

はい、そうだと思います。

人数の部分からお答えすると、決まった人数というのはありません。 IBM の製品開発でのデザイナーとエンジニアの最適な人員構成は、元々は 1:50 だったり、1:33 だったり、色々な数字がありました。今は、1:8  にしようとしています。デザイナーが、1,600 人になって、このデザイナーとエンジニアの比率はこれぐらいが良いのでは、となっています。最近のスタートアップ、例えば創業者がデザイナーの Airbnb では、1:2、1:3 の比率とのことです。IBM は製品が複雑で、専門的なスキルが必要ですので、将来的にもその割合にはならないとは思います。

- そうなのですね、確かに 1:8 ぐらいに落ち着きそうですね。

はい、エンジニアは、これぐらい必要だと思います。

 

デザイナーを大胆に配置し売り上げが倍増

2010 年に買収された企業から Phil Gilbert が IBM に加わり、 BPM チームを任されました。当初、40 ぐらいあったプロダクトを 4 つに整理しました。人も 1,000 人いたディベロッパーを 600 人減らしました。正確な数字は分からないですが、デザイナーを増やし、プロジェクト・マネージャーと合わせて、700 人ぐらいにしました。人を 30 % 減らし 、更に 4 つにプロダクトラインを減らしたのですが、この次の年の売上は 2 倍増になったとのことです。このような人の構成で、有機的に反応し合い、進めるのが良いということがわかりました。ある意味できすぎた話に聞こえてしまうのですが、 IBM では、オファリングマネージャとデザイナー、エンジニアとデザイナー、など組織での比率を常に意識しているのです。

 

IBM ではデザイナーとエンジニアの比率は 1:8 を理想としていますが、一般企業で言うとどうでしょうか。IT 部門で何か新しいシステムを作るという場合、 1:50 に近い数字のイメージではないでしょうか。しかし、サービスを作るとなると、デザイナーが重要になってきますので、比率はもっと変わってくるのではないかと思います。

―最後に今後、デザイン思考やってみようとか試してみようとかという企業やビジネスパートナーに向けて、何から手をつけて良いかアドバイスいただければと思います。

 

理想から言ってしまいますと、とにかくとりあえずやってみましょう、体験してみましょう、ということになります。

今、 IBM 社内 の営業担当者向けにワークショップを実施しています。その内容を是非パートナーさんにも広めたいと思っています。実現するにはその方法を考えなければならないのですが、ワークショップやセッションという形で体験してみていただければ、その体験を通して、これならお客様とも一緒にできる、という感覚を持っていただけるはずです。まずは、このようなステップを踏んでいただけれたら良いかと考えています。

デザイン思考については、頭で考え始めても悶々とするだけですので、考えるのは体験してからで良いと思います。

 

デザイン・シンキングはパートナー様の強みにできる

実は、お客様が本当にどう困っているのかが、わかっていないことがありますが、デザイン思考を使って、パートナー様自らリサーチし、仮説を立案することができます。また、自社のセールス・プランニングのツールとしても使うことができます。また、デザイン・シンキングを含む他の手法をアピール材料に、新たなお客様へアプローチする手もあります。

 

単純にこの製品を入れましょう、ということだけではなく、例えば、マーケティング・オートメーションのツールだとすると、ユーザーは自動でメール配信ができるのは理解したが、では配信効果が出るのはどのタイミングなのか?ということを実際に配信した結果を元に考えませんか?など、デザイン思考ならではの使い方や取り組みができます。

今後、これらのきっかけとなるセッションをどう実現するか、という課題は残ります。もちろん、課題は課題としてとらえ、日本で IBM として、デザイン・シンキングを広めていくためにできることを考えていきたいと思っています。

 

2回に渡り、IBM デザイン・シンキングについて、特に IBM 社がどのようにデザイン・シンキングを企業の血や肉としてきたかをお聞かせいただきました。
ツールとしてのデザイン思考に注目が集まりがちですが、そのツールを使う「人」や「場」を準備し、ようやく回り始めるという状況だということがわかりました。

また、単純に推進役だけがデザイン思考というツールを知るだけでなく、チーム全体、マネジメント層の理解を得ることももちろんのこと、ひいては評価制度に至るまで、変えていかなければならない、ということに改めて気づかされました。

その上で「日本にはイノベーションの素養がある」と確信し、それには個人個人、そしてチームのマインドセットが重要との認識を更に強めました。

機会があれば、番外編として、「デザイン思考を実現するマインドセット」について考えてみたいと思います。

 

その他の記事

2024年04月08日

【てくさぽBLOG】watsonx Assistant + Watson Discovery + watsonx.aiを連携してみた

こんにちは。てくさぽBLOGメンバーの高村です。 ビジネスへの生成AI の取り込みに注目が集まっている今日、watsonx.ai をどう活用すればいいのか、多くのお客様からお問い合わせ頂いています。そこで前回の「【てくさぽBLOG】IBM watsonx.aiを使ってみた(Part2)」では、watsonx.ai のユースケースとして Retrieval-Augmented Generation(以下 RAG)をご紹介しました。 今回は、RAG の仕組みを利用し AIチャットボットを提供する「watsonx Assistant(以下 Assistant)」と検索エンジン機能を提供する「Watson Discovery(以下 Discovery)」、「watsonx.ai」を組み合わせた連携ソリューションをご紹介します。 目次 AssistantとDiscoveryの連携 watsonx.aiを取り入れた連携 Assistant + Discovery + watsonx.aiを連携してみた さいごに お問い合わせ AssistantとDiscoveryの連携 本来なら各製品を一つのブログで詳しくご説明したいところですが、今回は連携した結果についてのご紹介となりますので、Assistant と Discovery については今後のブログであらためてご紹介したいと思います。 Assistant は watsonx の大規模言語モデルが搭載され、自然言語の問い合わせを理解し、適切な回答を返すことができるチャットボット機能を提供する製品です。一方 Discovery はドキュメントから適切な情報を検索する検索エンジン機能、パターンや傾向を読み取る分析エンジンとしての機能を備えた製品です。 Assistant と Discovery を組合わせたユースケースでは Assistant にあらかじめ回答を用意してルールベースで回答させ、答えることが難しい問い合わせに対しては Discovery の検索結果を利用して回答します。 watsonx.aiを取り入れた連携 上記の連携では Discovery の検索結果がユーザーに表示される仕組みとなっていますが、watsonx.ai を介して回答を提供することでDiscovery が得た検索結果をさらに整理し、より理解しやすい形での返答が実現できます。 Assistant + Discovery + watsonx.aiを連携してみた Assistant、Discovery、watsonx.ai を連携してみます。 事前準備 利用環境 今回は IBM Cloud で提供される SaaS を利用して検証します。なお、Assistant と Discovery の Plusプランは30日間無償期間が付属されていますので、是非ご活用ください。 watsonx Assistant:Plusプラン(30日間無償期間あり、以降は有償) Watson Discovery:Plusプラン(30日間無償期間あり、以降は有償) watsonx.ai:Essentialプラン(有償) 検証の目的 検証では構築手順の他、以下の点を確認します。 「Assistant + Discovery + watsonx.ai」と「Assistant + Discovery」の連携による回答の違いを比較 言語モデルを変えて問い合わせを行い、回答の違いの比較 実施手順 以下の流れで検証を実施します。 Assistantのプロビジョニング Discoveryのプロビジョニング、検索対象とするデータの取り込み※取り込むデータは「IBM Power S1014 データシート」のS1014のPDF watsonx.aiのプロビジョニング Assistantの初期設定 Assistantのカスタム拡張機能からDiscoveryを繋げる Assistantのカスタム拡張機能からwatsonx.aiを繋げる Assistantアクションの作成、問い合わせの検証 言語モデルを変えて問い合わせの検証 検証実施 1. Assistantのプロビジョニング はじめに Assistant のプロビジョニングを行います。 IBM Cloud にログインし、カタログ画面から "Assistant" を選択します。 ロケーションとプランを選択し「作成」をクリックします。 しばらくすると以下の画面の様に、Assistant がプロビジョニングされます。 2. Discoveryのプロビジョニング 次に Discovery をプロビジョニングします。 カタログ画面から "Discovery" を選択します。 ロケーションとプランを選択し「作成」をクリックします。 しばらくすると以下の画面の様に、Discovery がプロビジョニングされます。※ここで、資格情報内にある「API鍵」と「URL」をメモに控えます 「Watson Discoveryの起動」をクリックし「New Project +」をクリックします。 Project name に任意の名前を入力、Project type では「Conversational Serch」を選択し「Next」をクリックします。 作成されたプロジェクトをクリックします。 「Integration Deploy」をクリックします。 「API Information」タブをクリックし「Project ID」をメモに控えます。 次に検索対象の PDF を Discovery に取り込みます。 「Manage collections」から「New collection +」をクリックし、「Collection name」に任意の名前を入力、「Select language」を「Japanese」に設定します。 Upload files の領域に PDF をドラッグアンドドロップして「Finish」をクリックします。 アップロードが完了しました。次に、Smart Document Understanding機能(以下 SDU)を利用して PDF内のヘッダーやテキストなどのフィールドを定義します。 SDU は、PDFをはじめとする非構造化データの文書構造を理解して検索や分析の精度を向上させる機能です。例えばタイトルと定義した箇所を検索キーとしたり、検索対象をテキストと定義した箇所のみとするなど可能になります。 「Identify Field」タブをクリックします。 取り込んだ PDF が表示されるので右側の Field labels からヘッダー箇所やタイトル箇所などをドラッグアンドドロップして指定していきます。 ページの定義が終わったら「Submit page」をクリックして次の頁を定義していきます。 SDU では数ページ指定すると自動的にヘッダー箇所やテキスト箇所を認識してくれるので、何ページもあるドキュメントには便利な機能です。 今回は SDU を使って PDF の文書構造を定義しました。SDU以外の Discovery の機能については、また別の機会にご紹介したいと思います。 3. watsonx.aiのプロビジョニング ※watsonx.ai のプロビジョニング方法は「【てくさぽBLOG】IBM watsonx.aiを使ってみた(Part1)」をご参照ください。 4. Assistantの初期設定 Assistant の初期設定を行います。 Assistant を起動します。 起動後、以下の項目を入力します。 Assistant name:任意の名前を入力 Assistant Language:「English」を選択※日本語を選択することが可能ですが、Assistant のスターターキットは英語での利用を想定しているため今回はEinglishを選択します Assistant の公開先を「web」に設定します。※"Tell us about your self" 以降はご自身の情報を入力ください 入力後「Next」をクリックします。 デフォルトのチャットUI を利用するため「Next」をクリックします。 プレビュー画面が表示されるので「Create」をクリックします。(以下の画面は「Create」が隠れてしまっています) 「Congratulations!」と表示されたら初期設定は完了です。 5. Assistantのカスタム拡張機能からDiscoveryを繋げる 「Githubのassistant-toolkit」から "watson-discovery-query-openapi.jsonファイル" をダウンロードします。 Assistant のメニューから「Integration」をクリックします。 下にスクロールし「Build custom extension」をクリックします。 以下の画面が表示されるので「Next」をクリックします。 「Extension name」に任意の名前を入力し「Next」をクリックします。 先程ダウンロードした watson-discovery-query-openapi.jsonファイルをドラッグアンドドロップでアップロードします。 以下の画面が表示されるので「Finish」をクリックします。 追加した Extension の「Add +」をクリックします。 以下の画面が表示されるので「Next」をクリックします。 以下の画面が表示されるので、選択および入力します。 Authentication type:「Basic auth」を選択 Username:「apikey」と入力 Password:メモに控えたWatson DiscoveryのAPI鍵 discovery_url:メモに控えたWatson DiscoveryのURLから"http://"を除いた値 ※以下の画面ショットは discovery_url入力箇所が切れてしまっていますが、実際は「Servers」の下に discovery_url の項目があります 以下の画面が表示されるので「Finish」をクリックします。 Extension が「Open」となっていることを確認します。 これで watsonx Assistant と Watson Discovery が連携できました。 6. Assistantのカスタム拡張機能からwatsonx.aiを繋げる 次に、Assistant のカスタム拡張機能から watsonx.ai を利用できるように設定します。 設定には IBM Cloud の APIキーと watsonx.ai のプロジェクトID が必要です。取得方法は「【てくさぽBLOG】IBM watsonx.aiを使ってみた(Part2)」をご参照ください。なお、今回は東京リージョンで watsonx.ai をプロビジョニングします。 Github の「assistant-toolkit」から "watsonx-openapi.json" をダウンロードします。 Visual Studio Code などで東京リージョンの URL に編集し保存します。 Discovery の連携と同様に、Assistant のメニューから「Integration」「Build custom extension」をクリックします。 以下の画面が表示されるので、任意の Extension name を入力して「Next」をクリックします。 編集した watson-discovery-query-openapi.jsonファイルをドラッグアンドドロップでアップロードして「Next」をクリックします。 以下の画面が表示されるので「Finish」をクリックします。 追加した Extension の「Add +」をクリックします。 以下の画面が表示されるので、選択および入力します。 Authentication type:「Oauth 2.0」を選択 Grant type:「Custom apikey」を入力 apikey:取得済みのIBM CloudのAPIキー Client authentication:「Send as Body」を選択 Header prefix:Bearer(デフォルト) Servers:https://jp-tok.ml.cloud.ibm.com(自動入力) 以下の画面が表示されるので「Finish」をクリックします。 Extension が「Open」となっていることを確認します。 これで Assistant と watsonx.ai が連携できました。 7. Assistantアクションの作成、問い合わせの検証 Github の「assistant-toolkit」から "discovery-watsonx-actions.json" をダウンロードします。 Assistant の「Actions」から「Global Setting」をクリックします。 「Upload/Download」タブをクリックし、Uploadスペースに discovery-watsonx-actions.json をドラッグアンドドロップしてアップロードします。 以下の画面が表示されるので「Upload and replace」をクリックします。 以下の画面の通り、3つのアクションが作成されます。 メニューから「Variables」「Created by you」をクリックします。 「discovery_project_id」の値をメモに控えていた Discovery のプロジェクトID を入力し「Save」をクリックします。 「watsonx_project_id」の値をメモに控えて置いた watsonx.ai のプロジェクトID を入力し「Save」をクリックします。 「model_id」の値で watsonx.ai で使用する言語モデルを指定します。2024年2月29日に GA された日本語で訓練された Granite-japaneseモデルを使用するため、「ibm/granite-8b-japanese」を入力し「Save」をクリックします。(その他変数はデフォルト値とします) 「Actions」から「Generate Answer」を選択し、「model_input」の値を以下の例の様に日本語に変更します。 例: ("<s>[INST] <<SYS>>\nあなたは親切で、礼儀正しく、誠実なアシスタントです。常に安全を保ちながら、できるだけ役立つように答えてください。答えは簡潔に日本語で回答してください。回答には、有害、非倫理的、人種差別的、性差別的、有毒、危険、または違法なコンテンツを含めてはいけません。回答が社会的に偏見がなく、本質的に前向きであることを確認してください。\n\n質問が意味をなさない場合、または事実に一貫性がない場合は、正しくないことに答えるのではなく、その理由を説明してください。質問の答えがわからない場合は、誤った情報を共有しないでください。\n<</SYS>>\n\n質問に答えることで、次のエージェントの応答を生成します。タイトルが付いたいくつかの文書が提供されます。答えが異なる文書から得られた場合は、あらゆる可能性について言及し、文書のタイトルを使用してトピックまたは領域を区切ってください。与えられた文書に基づいて回答できない場合は、回答がない旨を記載してください。\n\n").concat(passages).concat("\n\n[question]: ").concat(query_text).concat("[/INST]") 以上で設定は完了です。 さっそく Assistant から問い合わせをしてみます。 右下の「Preview」をクリックします。 チャットから S1014 の特徴について問い合わせしてみます。約18秒後に以下の回答が返ってきました。 「Inspect」をクリックすると、Discovery の検索結果が以下の通り watsonx.ai に渡されていることがわかります。 <s>[INST] <<SYS>> あなたは親切で、礼儀正しく、誠実なアシスタントです。常に安全を保ちながら、できるだけ役立つように答えてください。答えは簡潔に日本語で回答してください。回答には、有害、非倫理的、人種差別的、性差別的、有毒、危険、または違法なコンテンツを含めてはいけません。回答が社会的に偏見がなく、本質的に前向きであることを確認してください。 質問が意味をなさない場合、または事実に一貫性がない場合は、正しくないことに答えるのではなく、その理由を説明してください。質問の答えがわからない場合は、誤った情報を共有しないでください。 <</SYS>> 質問に答えることで、次のエージェントの応答を生成します。タイトルが付いたいくつかの文書が提供されます。答えが異なる文書から得られた場合は、あらゆる可能性について言及し、文書のタイトルを使用してトピックまたは領域を区切ってください。与えられた文書に基づいて回答できない場合は、回答がない旨を記載してください。[title]: IBM Power S1014 柔軟かつセキュアなハイブリッドクラウド・インフ ラストラクチャーで俊敏性を実現[document]: 1 コ ア 当 た り 4 つ の M a t r i x Math Acceleratorによる迅速 なAI推論のために洞察と自動 化を合理化 業界標準のDIMMより2倍優 れたメモリーの信頼性と可用 性を提供 IBM® Power® S1014 は、1ソケット、4U Power10プロセッサーをベースにしたサー バーで、IBM AIX®、IBM iまたは Linux®上のビジネス・クリティカルなワークロード 向けに設計されています。Power S1014を使用することで、ワークロードはより 少数のサーバーに統合され、ソフトウェア・ライセンスの数、電力と冷却のコスト を削減します。Power S1014サーバーは、プロセッサー上でのメモリー暗号化を 使用してエンドツーエンドからデータを安全に保護し、ラック型またはタワーフォー ム・ファクターで購入できます。 プロセッサー・レベルでのメモリー暗号化と、POWER9 と比較してすべてのコア で4倍の暗号化エンジンによりコアからクラウドまでのデータを保護 ますます高度に分散した環境に存在するデータには、もはや境界線を設定すること は不可能です。 [question]: S1014の特徴は?[/INST] Assistant と Discovery のみの連携で検索した結果は以下の通りです。watsonx.ai を使用した方がより簡潔で分かりやすい回答を得られることが分かります。 8. 言語モデルを変えて問い合わせの検証 言語モデルを "llama-2-70b" にして同様の問い合わせをしたところ、約24秒後に回答が返ってきました。箇条書きで丁寧な印象です。 言語モデルを "elyza-japanese" にした際は10秒ほどで回答がありました。主語として「S1014の特徴は」とあることで、問いに対する回答が分かりやすくなっています。 言語モデルを変えて試した結果、llama-2-70B は箇条書きで回答し丁寧な印象を受けましたが、回答が得られるまでに24秒かかりました。一方 Granite-japanese や elyza-japanese はシンプルな回答を生成し、Granite-japanese は18秒、elyza-japanese は10秒というより短い時間で回答を得られました。 Watson Discovery の検索結果に基づき watsonx.ai で回答を生成するので、ある程度時間がかかると予想していましたが、elyza-japanese は速い回答で主語を添えてわかりやすく回答してくれました。 また、llama-2-70B は汎用的で使いやすいモデルですが、プロントで「日本語で回答して」と指示をしても問い合わせ内容によっては英語で回答することがありました。日本語の回答精度を求める場合は、Granite-japanese や elyza-japanese を使用した方が精度の高い回答を得ることができます。 モデルを変えて問い合わせてみると、モデルごとに得意なタスクが異なることがわかりました。数百億のパラメータで訓練された大規模言語モデルを一概に選択するのではなく、言語やタスクの特性に合わせて最適なモデルを選定することが重要になりそうですね。 さいごに いかがでしたでしょうか。Github から提供されているスターターキットを使って Assistant、Discovery、watsonx.ai を繋げてみましたが、ほどんど躓くことなく UI から簡単に設定することができました。 接続自体に高度な難しさは感じませんでしたが、問い合わせに対して正確な情報を得るためには Assistant の検索設定を調整する必要があります。今回は1つの PDFファイルの検索を行いましたが、複数の PDFファイルから情報を引き出す際には Assistant で query を設定することで特定の PDFファイルからの検索が可能です。 このように PDF などの非構造化データを検索対象として精度の高い回答を得るには、Discovery において文書の構造を明確に定義し、Assistant の検索設定を調整することが必要です。 実際にヘルプデスクなどの Webチャットで利用する場合は、Assistant にあらかじめ用意した回答をルールベースで回答させ、それでも解決できない問い合わせについては Discovery を通じて検索を行い、watsonx.ai を用いて回答を生成するという流れが効果的です。 ただし、生成AI によって生成される回答は常に”100%正確な回答”ではないので、より高い精度の回答を追求するためにはプロンプトの調整などチューニングを施すことが必要です。その結果、より使いやすい Webチャットの実現が期待できます。 お問い合わせ エヌアイシー・パートナーズ株式会社E-Mail:nicp_support@NIandC.co.jp   .highlighter { background: linear-gradient(transparent 50%, #ffff52 90% 90%, transparent 90%); } .anchor{ display: block; margin-top:-20px; padding-top:40px; } .btn_A{ height:30px; } .btn_A a{ display:block; width:100%; height:100%; text-decoration: none; background:#eb6100; text-align:center; border:1px solid #FFFFFF; color:#FFFFFF; font-size:16px; border-radius:50px; -webkit-border-radius:50px; -moz-border-radius:50px; box-shadow:0px 0px 0px 4px #eb6100; transition: all 0.5s ease; } .btn_A a:hover{ background:#f56500; color:#999999; margin-left:0px; margin-top:0px; box-shadow:0px 0px 0px 4px #f56500; } .bigger { font-size: larger; }

2024年01月16日

【イベント開催レポート】IBM watsonx.ai ハンズオンセミナー

こんにちは。ソリューション推進部です。 2023年12月12日に、エヌアイシー・パートナーズ株式会社として初めてのハンズオンセミナー『「IBM watsonx.ai 」を利用したRAGのハンズオンセミナー』を開催しました。 今回のハンズオンセミナーは、以下の2つのことを目的として行いました。 パートナー様に製品の紹介とハンズオンを合わせて体験いただくことで、製品をより深く知っていただくこと 製品を活用したビジネスの新たな応用の可能性を見つけ出していただくこと 私たちのチームでは、パートナー様にご紹介・ご説明する製品を「実際に触ってみること」を大切にしています。これは私たち自身の技術力の向上という目的もありますが、パートナー様に私たちのリアルな経験を交えながら製品のご説明をすることが、お客様の具体的な課題発掘や案件創出に繋がっていると考えているためです。 今回のハンズオンを通して、パートナー様ご自身が製品の価値を体感しご理解いただくことで、新しいビジネス展開のイメージを創出するお役に立ちたいと考えました。 それでは、今回実施したセミナーの内容について簡単にご紹介いたします。 目次 レポート watsonx.ai紹介講義 ハンズオン実施 IBMさまによる最新情報紹介・講義 さいごに お問い合わせ レポート 1. watsonx.ai紹介講義 ハンズオンを実施する前に、watsonx.ai と RAG についての講義を行いました。 国内では生成AIビジネスが加速し、競争力やセキュリティなどの課題が増えています。これらの課題を解決する製品として、IBM watsonx をご紹介しました。 watsonx は「watsonx.ai」「watsonx.governance」「watsonx.data」という3つの製品から成り立っています。watsonx.ai は、基盤モデルをベースとした AI開発スタジオです。 ここでは、IBM が信頼できるデータを用いて事前に学習した基盤モデルや Hugging Face, Inc.* と連携したオープンソースの基盤モデルが利用可能で、ビジネスの状況や要件に応じて最適な基盤モデルを選択することが可能です。 また、RAG についての概念や利点、活用が期待されるシーンもご説明しました。RAG を用いた具体的なユースケースとしては、IBM Watson Speech to Text や Watson Discovery、watsonx.ai を活用したコールセンター業務の事例や、watsonx Assistant や Watson Discovery、watsonx.ai を活用した ECサイトの問い合わせの事例を取り上げました。 時間の制約からこれら2つの事例しかご紹介できませんでしたが、今後、watsonx.ai を活用した多様な事例を私たち自身も理解し、パートナーさまと共に議論を深めていきたいと思います。 *Hugging Face, Inc.:機械学習 アプリケーションを作成するためのツールを開発しているアメリカの企業。 2. ハンズオン実施 ハンズオンでは、受講者の方々に「RAG」を活用した watsonx.ai の Foundation Model(LLM)への問い合わせを体験していただきました。 RAG とは「Retrieval-Augmented Generation」の略で、LLM への問い合わせをする際に、事前に用意したベクターストアへデータ(今回はPDF)を取り込んでおき、問い合わせプロンプトをもとにベクターストアを検索し、その結果を付与して LLM へ問い合わせを行う、というテクノロジーです。 RAG を使うことで、一般公開されていない社内情報を活用して LLM を利用することが可能となるため、自社での利用やお客様の課題を解決するための方法として有効であると考えています。 ハンズオンの環境につきましては、準備に時間をかけずスムーズに始められるよう、事前に弊社にて PC や RAG を利用するための Jupyter Notebook を用意いたしました。 また、watsonx.ai では複数の Foundation Model を利用できるため、複数のモデルを使って挙動の違いを確認してみたり、取り込む PDFファイルを追加することで回答がどう変わるのか、など、ご自身で自由に検証をする時間を多く設けました。皆さまそれぞれに前提スキルは異なっていたかもしれませんが、「体験の時間が足りない…」ということはなかったかと思います。 今回ベクターストアへ取り込むのは PDF のみとしましたが、テキストファイルや PowerPoint なども取り込むことができるので、応用できる使い方が非常に広いということを理解いただけたのではないかと感じています。 3. IBMさまによる最新情報紹介・講義 日本アイ・ビー・エム データ・AI・オートメーション事業部 四元さまに「watsonx」に関して、最新事例と製品アップデート情報の2本立てで講義をしていただきました。 事例においては、IBM社内の watsonx活用事例(AskIT)は特筆すべきと言えるでしょう。 AskIT は、IBMの自然言語処理(NLP)能力を活かし、30万件を超えるサポートチケットから抽出された知見をもとに、重要なサポートトピックに迅速に対処する AIアシスタントとして開発されたそうです。このツールは4ヶ月で133,000人の IBM社員に利用され、問い合わせの75%以上が AI によるチャットで解決されるなど、非常に大きな成果を上げています。 製品アップデート情報のメインは、12月に発表された「watsonx.governance」でした。 AI を組織として採用するためには倫理感のある意思決定が必須であり、watsonx.governance は AIガバナンスとして以下の3つの機能を提供する製品である、というご説明をいただきました。 AIライフサイクルを通してAIモデルの実態を把握するための「モデル・インベントリ」 AIの性能や課題の管理などを行う「評価・モニタリング」 総合監視画面を提供しリスクを可視化する「モデル・リスクガバナンス」 モデル・インベントリでは、他社の AI商品である「Amazon SageMaker」「Azure Machine Learning」などの AIモデルも合わせて管理・監視できることが非常に興味深いです。 watsonx は、AIワークフローを一貫してサポートすることで倫理的かつ透明性の高い AI利用を可能にしています。これらの技術革新は私たちが直面している数多くの課題に対する解決策を見出し、先進的なビジネス環境を促進していく上での重要なステップと言えるでしょう。 日本アイ・ビー・エム株式会社 データ・AI・オートメーション事業部 四元 さま さいごに セミナー後には、参加いただいたパートナーさまとご支援いただいた IBMさまとの懇親会を開催いたしました。 当懇親会を通してパートナー様の生成AI に対する取り組みや課題を直に伺うことができ、大変有意義な場となりました。 2023年12月18日に弊社は10周年を迎えました。10年間で培った経験を糧にし、今後さらに新しい取り組みにチャレンジしていきたいと考えております。 本年も、ブログを通してパートナーの皆さまへ様々な情報をお届けさせていただきます!今後ともどうぞよろしくお願いいたします。 懇親会会場 お問い合わせ エヌアイシー・パートナーズ株式会社E-Mail:nicp_support@NIandC.co.jp   .highlighter { background: linear-gradient(transparent 50%, #ffff52 90% 90%, transparent 90%); } .anchor{ display: block; margin-top:-20px; padding-top:40px; } .btn_A{ height:30px; } .btn_A a{ display:block; width:100%; height:100%; text-decoration: none; background:#eb6100; text-align:center; border:1px solid #FFFFFF; color:#FFFFFF; font-size:16px; border-radius:50px; -webkit-border-radius:50px; -moz-border-radius:50px; box-shadow:0px 0px 0px 4px #eb6100; transition: all 0.5s ease; } .btn_A a:hover{ background:#f56500; color:#999999; margin-left:0px; margin-top:0px; box-shadow:0px 0px 0px 4px #f56500; } .bigger { font-size: larger; }

back to top