2016年06月

02

【てくさぽBLOG】IBM iモバイルソリューションを触ってみた -LANSA LongRange-

こんにちは。てくさぽBLOGメンバーの原田です。

今回は、IBM i モバイルソリューションの第2弾として、LANSA LongRange (*) のソリューションについてご紹介します。
(*) 当ページにて製品紹介リーフレット、事例情報資料のダウンロード案内を掲載(追記:2018/02/06)

※第1弾は以下をご参照ください
IBM iモバイルソリューションを触ってみた -Db2 Web Query for i-

IBM iをご利用中のお客様にとって、業務効率の改善が期待できるお勧めのモバイルソリューションです。是非ご一読ください。

1. LongRangeとは

株式会社ランサ・ジャパンが提供する、IBM i 開発者のためのスマートデバイス向けネイティブ・アプリケーション開発ツールです。業務アプリを開発する際の、以下のような各種ハードルを取り除くことができるのが特徴です。

  • RPG/COBOL/CL のみを使用してネイティブアプリの作成が可能
  • Objective C や Java のスキルがなくても開発可能
  • 一日もかからずに短時間で、モバイル・アプリケーションを作成し、実用も可能
  • 一度作成すれば、Apple のモバイルデバイス、Android のモバイルデバイスのどちらにも配布が可能
  • GPS やカメラ、バーコード、電話等のモバイルデバイス特有の機能との連動も可能

2. LongRangeの仕組み

LongRange はサーバーサイドの管理サービス(LongRange サーバー)とモバイルデバイス上でネイティブに動くアプリ(LongRange モバイル・アプリ)から成っています。ユーザーはアプリをモバイルデバイスにダウンロードしてサーバーに接続すれば、ビジネス・アプリケーションを使用する準備が完了します。

モバイルデバイスのユーザーがLongRangeモバイル・アプリのフォームビューを起動する際、LongRange サーバーに要求を送り、アクションが関連するRPG/COBOL/CLプログラムを呼び出します。

モバイルデバイスのユーザーがLongRange モバイル・アプリのフォームビューを起動する際、LongRange サーバーに要求を送り、アクションが関連するRPG/COBOL/CLプログラムを呼び出します。これらのプログラムは他のRPG 、COBOL 、Java 、CL、Webサービス、メッセージ待ち行列なども呼び出すことができます。プログラムは処理を行ない、画面を送るコマンドを発行します。 LongRangeサーバーはアプリに画面を送り、モバイルデバイス上で画面を表示します。LongRangeモバイル・アプリは、画面を表示したり、 ユーザーアクションに応答する際、ブラウザベースのモバイル・アプリよりも処理が速いのが特徴です。

3. LongRange導入のメリット

◆ユーザー部門にとっては、以下のようなメリットが期待できます。

■業務効率の大幅改善が見込めます
  • 事業所、座席に戻らなければできなかった業務が外出先で可能になります
  • 人手・紙・電話・メールを使わなければできなかった業務がモバイル端末で可能になります
■同業界内で先行導入することが企業イメージのアップにつながります
  • 今までパソコンの業務とは無縁だった業務シーン(倉庫・物流現場や工事現場等)においていち早くモバイルデバイスを活用することで企業イメージ、業界イメージの刷新につながります
■社員の業務モチベーションがアップします
  • 業務効率が改善することで本来の業務により一層専念できます

◆システム部門にとっては、以下のようなメリットが期待できます。

既存のスキル・環境でのアプリ開発が可能です
  • 新たなモバイル・アプリ用の開発スキルは不要なため、少ない投資で新規の開発に取り組めます
■ユーザーニーズに迅速に対応できます
  • 同じRPG/COBOL/CL プログラムでiOS と Android の両方のデバイスに対応します
  • ネイティブ・アプリのユーザー・インターフェースが色々な画面サイズ(タブレットやスマートフォン)に合うように自動的にサイズや表示方法を変更します

 

「IBM i モバイルソリューション~LANSA LongRange~事例情報およびご紹介資料」
無料ダウンロード

 

4. LongRangeモバイルソリューションデモを触ってみよう!

それでは、前置きはここまでにしてLongRangeのモバイルソリューションデモを実施してみましょう。

準備するものは以下の2点です。
・モバイル端末(iPad,iPhone,Android)及びApple StoreかGoogle PlayのID
・モバイル端末に導入するアプリケーション「LongRange」(無償)

今回はiPadを使ってデモを実施します。

まずは、iPadにLongRangeのアプリを導入します。
App Storeから「LongRange」と検索してみると、「LR」のロゴのアプリが見つかりました。早速インストールしてみます。

image

インストールがうまくいったので、アプリを起動してみます。
まず初めに、「新規プロファイル作成」をタップしてデモ用のプロファイルを作成します。以下の画面で、「プロファイル名」、「サーバー名」、「サーバーポート」、「スキーマ名」を以下画面の通り入力して、画面左上の「設定」をタップするとプロファイルが作成されます。

image

あっという間に「LongRangeデモ」のプロファイルが作成されました。右上の「完了」をタップして保存します。

013

これで iPadでLongRangeのデモを行う準備が整いました。iPadをほとんど使ったことがない私でも、ここまで比較的サクサクっと設定できましたよ!

それでは引き続き、デモを開始してみましょう。
当デモには4つのメニューがあります。
1.『インシデント報告』は、保険会社における事故(インシデント) 報告です
2.『家具販売』は、家具販売店の店頭での販売業務アプリケーションです
3.『工程管理』は、工場での生産(作業) 実績報告です
4.『配送デモ』は運送会社での配送状況をリアルタイムに報告するアプリです

今回は1.と2.のデモを実施してみます。

「IBM i モバイルソリューション~LANSA LongRange~事例情報およびご紹介資料」
無料ダウンロード

~LongRangeデモ①「インシデント報告」~

LongRangeのアプリ画面に戻り、画面左のメニューから「インシデント報告」をタップします。

image

 

「インシデント報告」は事故情報などを報告するアプリです。

あなたは、某保険会社の契約者だとします。不幸にも自動車事故を起こしてしまいました。しかし幸いなことに死傷者はいませんでした。警察への連絡が済んだあと、自動車事故現場の報告を保険会社に行います。

下記画面から画面右上の「新規」をタップして報告書を作成してみましょう。

002

下記は新規報告書の作成画面です。事故の報告にあたり、様々な情報を入力する必要があります。

当画面では、ほとんどプルダウンで選択して簡単に入力できるようになっています。

image

 

まずは上から2つ目の「タイプ」を入力しましょう。「新規インシデント報告」をタップすると、プルダウンメニューが表示されます。今回は自動車事故なので、メニューから「自動車事故」を選択してタップします。

001

 

次に、上から3つ目の「ステータス」を入力します。「ステータス」項目は、現在の案件の状況を示しています。今回あなたは初めて事故報告を提出するので、メニューから「オープン。初回の審査待ち」を選択します。

ふむふむ。だんだん操作にも慣れてきました。

003

「メモ」項目欄には、現場の状況を詳細に残すことができます。
「メモ」右横の数字「0」をタップすると詳細情報を入力する画面が表示されます。
タイトルを「物損事故」、テキスト本文には「衝突事故。死傷なし。」と入力して、「~にメモを追加するにはここにタッチ」をタップして入力内容を保存します。

004

 

事故報告には、現場の写真が不可欠です。当アプリでは、モバイル端末のカメラ機能と連動して簡単に写真を添付することができます。
「写真」右横の数字「0」をタップしてみます。下記のような選択画面が表示されます。写真は縦と横が選択できます。ここでは横(LANDSCAPE)を選択します。

005

 

写真は新規に撮影することもできますし、あらかじめ撮った写真から選択することもできます。
「新規撮影」をタップするとカメラが起動します。撮影してみましょう。

006

写真を添付するには、最下部の「~に写真を添付するにはここにタッチ」をタップします。写真項目の数字が「1」に変わります。
この「1」をタップすると添付した写真が呼び出せます。(注意:このデモでは写真を保存できない仕様となっています。)

007

次に、あなたの姓、名を入力し、電話番号を入力します。電話番号と連携して、電話機能を利用できます。報告書を受け取った保険会社担当者があなたに連絡を取るために、電話番号の右横のボタンをクリックすると、「電話をかける」「メッセージを送る」がポップアップします。モバイル端末上で別途アプリを起動することなく、報告書に記載された内容から、電話をかけたり、メッセージを送ることができるのはとても便利ですね。

これで、最後に画面左下の「保存」をタップして保存すれば事故報告は完了です。

008

いかがでしたか?

IBM i + LongRange なら、カメラ機能や電話機能、GPS機能を活用したこのようなアプリケーションが、RPGやCOBOLで簡単に作成することができます。登録したデータは、リアルタイムで共有できますので、迅速な事故対応プロセスが可能になることをご理解いただけたのではないでしょうか。

「IBM i モバイルソリューション~LANSA LongRange~事例情報およびご紹介資料」
無料ダウンロード

~LongRangeデモ②「家具販売」~

続きまして、家具販売のデモを実施してみましょう。
LongRangeのホーム画面から、画面左メニューの「家具販売」をタップします。

image

あなたは某家具販売店の仙台支店の社員です。お客様が展示品のダイニングテーブルを見て、購入したい、とおっしゃっています。まずは当製品の在庫状況を確認してみましょう。下記画面にて「在庫確認」をタップします。

image

在庫確認をタップすると、商品のバーコードを読み取るために自動的にカメラ機能が起動します。当デモアプリでは、QRコードや12桁のバーコードであれば何でもスキャンします。お手元にあるバーコードを、ダイニングテーブルの商品コード という想定でスキャンしてみます。(このデモでは、スキャン結果としてダイニングテーブルが必ず表示されるようになっています。)

image

ご覧ください!各店舗ごとのダイニングテーブルの在庫状況が即座に表示されました。
基幹システムの在庫データベースに直接アクセスしているので、全国の店舗のリアルタイム在庫情報をもとに、お客様に対応することができますね。

仙台店には在庫がないため、最寄の東京本店の在庫から引き当てします。「東京本店」の在庫の数量「10」をタップします。

009

商品の写真が表示されることにより、お客様がご所望の商品と同一かどうかを確認できます。
東京本店の在庫から、商品1卓を引き当ててよいか確認メッセージが表示されますので、「次へ」をタップします。

010

次に配送業者を指定します。ここでは「関東物流」を選択します。

011

商品の配送可能日を確認し、「確定」をタップすると、あっという間に発注処理が完了しました。

012

IBM i の基幹システムのアプリですので、在庫紹介-引き当て-配送指示-配送可能日回答 までの一連のプロセスを、お客様を接客しながらリアルタイムに進めることができますので、販売機会の増大、販売員の生産性向上、そしてお客様満足度に繋がりますね。

「IBM i モバイルソリューション~LANSA LongRange~事例情報およびご紹介資料」
無料ダウンロード

 

5. 最後に

今回デモを実施したLongRangeですが、iPadの操作にさえあまり慣れていない私でも直観的に操作を進めることができました。また、アプリ内からカメラやバーコード、電話機能を呼び出して利用することができる点についても、とても便利です。

このようなモバイルアプリやモバイルソリューションは、アイデア次第で日頃の業務にいくらでも適用できる場面があるのでは、と思います。今回のデモ事例をヒントに、”IBM i + モバイルソリューション”のご提案にお役立ていただければ幸いです。
 

お問合せ先

この記事に関する、ご質問は下記までご連絡ください。

エヌアイシー・パートナーズ株式会社

技術支援本部
E-Mail:nicp_support@NIandC.co.jp

商標帰属

すべての名称ならびに商標は、それぞれの企業の商標または登録商標です。

「IBM i モバイルソリューション~LANSA LongRange~事例情報およびご紹介資料」
無料ダウンロード

参考情報

MERITひろばサイト(※): Power System “IBM i “ご提案の際に利用できるソリューション製品の情報が盛りだくさん!

メーカー 製品名 機能概要
LANSA LongRange
  • IBM i 開発者のための iPhone, iPad, Android などのスマートデバイス向けネイティブ・アプリケーション開発ツール。
  • PC や IT の恩恵を受けられていない紙、電話、アナログ・ベースの現場業務を効率化し業務改革を実現。
aXes
  • IBM i  5250 アプリをソースコードを変更せず自動的にブラウザベースに変換、既存アプリをそのまま Web で利用可能に。
  • ユーザー・インターフェースのデザインやレイアウトをカスタマイズするツールも提供。
Visual LANSA
  • Windows ベースの統合開発環境(IDE:Integrated Development Environment) を提供。
  • シングル・スキルで Web,Windows,Mobile,IBM i 等のマルチ・プラットフォーム対応のアプリ開発・保守を実現。
Bitis Quick-EDD
  • 「想定外」に備える、進化を続ける IBM i の HA(ハイ・アベイラビリティ)ソリューション。
  • 確かな品質とサポートで運用負荷を最低限に抑えます。
Justi
  • 内部統制で必要な PDCA(Plan・Do・Check・Action)の4つのステップを網羅した IBM i の セキュリティー・ツール。
  • GUI クライアント画面も提供されており、セキュリティー運用管理の負荷を軽減します。

※ビジネスパートナー様専用サイト(MERITひろば)のコンテンツです。ログイン or  新規会員登録が必要となります。

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