データインテリジェンスとAIトレンド：トップ製品、RAGなどの最新情報
Translation Review by saki.kitaoka 生成AI（GenAI）の熱気は冷める兆しを見せていません。強力なGenAI戦略を実行するためのプレッシャーと興奮が高まる中、データリーダーや実務者は、最適なプラットフォーム、ツール、ユースケースを探しています。 現実の世界ではどのように進行しているのでしょうか？私たちは、業界全体でAIへの取り組みを理解するために、10,000人のグローバル顧客からのデータを活用して 「2024 State of Data + AI」 を発表しました。このレポートでは、データ駆動型企業に関連する幅広いテーマをカバーしていますが、GenAIの旅における明確なトレンドが浮かび上がってきました。 今回の調査で明らかになった主なポイント： トップ10のデータおよびAI製品：GenAIスタックの形成 新しい技術が登場すると、開発者はどのツールが最適かを見極めるために多くの異なるツールを試します。 私たちのトップ10データおよびAI製品は、 Data Intelligenc
データとAI戦略 〜プラッ トフォームにフォーカスして〜
優れた AI の秘訣は優れたデータです。 AI の導入が急増するにつれ、データ プラットフォームはあらゆる企業のテクノロジー スタックの最も重要なコンポーネントになります。 生成AI システムは単一のモノリシックなものではなく、 連携して機能する さまざまなコンポーネントの組み合わせで あることがますます明らかになっています。データは最も重要な要素の 1 つですが、企業が モデルを 実際に 現実世界に 展開する には、他にも多くの機能が必要です 。 そのため、企業がデータと AI の幅広いニーズをサポートする基盤プラットフォームの構築を検討する際には、...
概要：オープンな基盤モデルの台頭
生成 AI アプリケーションを概念実証段階から本番運用段階に移行するには、制御、信頼性、データガバナンスが必要です。 組織は、モデルとトレーニングに使用するデータの両方をより厳密に管理することで、制御と出力へのより良い影響を与える能力を求めて、オープンソースの基盤モデルに注目しています。 Databricks は、何千ものお客様が生成 AI のユースケースを評価し、組織に最適なアーキテクチャを決定するのを支援してきました。 当社の顧客は、多くの場合困難でコストがかかる、本番運用品質のAIモデルの構築と展開の課題を私たちと共有しています。 その結果、ほとんどの CIO はモデルを本番運用に導入することに不安を感じています。 これには、制御、所有権、品質の欠如、予測不可能なパフォーマンス、これらの基本モデルのスケーリングに関連する高いコストなど、さまざまな理由があります。 私たちは顧客の行動の変化に気づきました。 効率性の向上とコストの削減のために、オープンソース モデルを採用する組織が増えています。 これに応えて、
モダンデータスタック：データアーキテクチャの進化がどのようにしてデータインテリジェンスプラットフォームをもたらしたのか
モダンデータスタックは、データの量と複雑さが増加し続ける中で、データの収集、保存、分析の難しさに対処するために設計されています。 ビジネスの成功がデータ主導の洞察とAIに依存するようになるにつれ、効果的で信頼性の高いデータ管理が不可欠です。 では、モダンデータスタックとはどのようなもので、データ活用を最適化するためにどのように設計されているのでしょうか。 モダンデータスタックとレガシーなデータスタックの違い、あらゆる業界のビジネスにもたらすメリット、データから成功を 収めるために必要なモダンデータスタックツールについて理解しましょう。 データとAIの目標を加速させる方法については、新しい エグゼクティブ・ガイドを ご覧ください。 モダンデータスタックとはどういう意味ですか？ 「データスタック」とは、生データを処理するさまざまなテクノロジーの集合体を指します。 モダンデータスタックは、データの取り込み、整理、保存、変換に使用されるツールで構成されています。 これらのツールは、データを「食べられないデータ」（扱えないデ
データの民主化：信頼されたデータの活用によるビジネスの変革
データの民主化は、単なるテクノロジー、技術のバズワードのように聞こえるかもしれませんが、組織が収集するデータは日々増加しており、企業がそこから価値を引き出したいのであれば、データの正確性、信頼性、アクセシビリティを優先する必要があります。 そこで、データの民主化が役立ちます。 しかし、データの民主化とは一体何なのでしょうか。また、高いレベルのガバナンスと信頼を維持しながら、それを達成するにはどうすればよいでしょうか。 データの民主化を成功させるためのステップと、それがビジネスにどのような利益をもたらし、人工知能（AI）戦略をどのようにサポートできるかをご覧ください。 データの民主化とは？ データの民主化とは、組織内のすべての人がデータに（適切に）アクセスできるようにすることであり、データを理解するために必要なツールやトレーニングを提供することです。 つまり、すべてのエンドユーザー（従業員、利害関係者、消費者）がデータを扱うことに自信を持ち、特にAIモデルに関して最終結果を信頼できるように、障壁を取り除き、教育を提
ビジネスにおけるAIはデータインテリジェンスでどう変わるか
AIは至る所に存在します。携帯電話にも、コンピューターにも、そしてニュースの見出しにも頻繁に登場します。 しかし、すべての見出しの背後で、ビジネスにおけるAIの利用が不可欠となっており、今後もその使用が無くなる兆しはありません。 では、データインテリジェンスの未来は、企業にとってのAIにどのような影響を与えるのでしょうか？ 私たちは、AIが現在どのように活用されているのか、今後さまざまな業界でどのように活用される可能性があるのか、また、データ管理システムの内部と外部、そして独自の課題を探ることで、この問いに答え、データインテリジェンスがビジネスにおけるAIの活用にどのような革命をもたらすことができるのかを理解します。 ビジネスにおけるAI活用の現状 ワークフローの合理化からデータ分析まで、AIの活用はあらゆる規模、あらゆる業界のビジネスの主流となっています。 1. よりスマートなリスク管理 明確なリスク管理戦略を持つことは現代企業にとって必須ですが、個人が計画できることは限られています。 利用可能なデータの量が多
データ& AIスキルを最新のサービスで向上させましょう：Databricks Academy Labsとブレンデッドラーニング
Databricks、実習ソリューションとコホート型学習を開始 データ＋AIのエキスパートから、 Databricks Academy Labsと ブレンデッド・ラーニングという 、実務家が最先端のテクノロジーを活用するための2つのユニークな方法を発表します。 Databricks Academy Labsは、Databricks環境におけるオンデマンドのハンズオンガイド付きラボ体験です。 ブレンデッド・ラーニングは、あらゆるスタイルの学習者に対応できるよう、自習型とインストラクターによる週1回のセッションの両方を組み合わせ、コースの修了と知識の定着を最適化します。 Databricks Academy Labsとブレンデッドラーニングを組み合わせることで、自分のペースで学習できるものから、実践的、体験的、コホートベースの学習まで、さまざまな学習オプションが可能になります。 これらのコースは、それぞれ異なる学習嗜好に対応し、実りある学習体験ができるよう特別に設計されています。 期間限定で、Databricksはこ
『データ＋AI』戦略：人材に焦点をおいて
この記事はシリーズの一部です。 パート1： データ＋AIの三位一体：人材、プロセス、 プラットフォームをご覧ください。 人工知能（AI）や大規模言語モデル（LLM）の導入を急ぐあまり、多くのビジネスリーダーやテクニカルリーダーは、根本的なITの見直しにばかり目を向け、このテクノロジーが従業員や将来の働き方にもたらす大きな変化を過小評価しがちです。 プロセスを調整し、適切なプラットフォームを導入する技術的な作業は不可欠ですが、企業内でデータとAIの文化を成功させるには、経営層からエントリーレベルの従業員に至るまで、従業員の賛同も必要です。 すべての従業員が、データとAIを最優先する戦略が各自の役割にもたらす価値、それが生み出すビジネス上の成果、そして最終的には、それが解き放つキャリアの可能性を理解できるようにすることで、ビジネスリーダーは、変化への抵抗を抑え、モダナイゼーションの旅が力強くスタートするよう支援する社内チャンピオンを生み出すことができます。 人材に関する計画について、心に留めておくべきいくつかの成功戦
AIセキュリティリスクの管理：CISOのための新しいワークショップの紹介
AIの導入は、ほとんどの企業にとって必要不可欠である Machine Learning（ML）とジェネレーティブAI（GenAI）は、仕事の未来に革命を起こそうとしている。組織は、AIがイノベーションの構築、競争力の維持、従業員の生産性向上に役立っていることを理解している。同様に、企業は自社のデータがAIアプリケーションに競争上の優位性をもたらすことを理解している。これらのテクノロジーは、組織にとってチャンスであると同時に潜在的なリスクでもある。 顧客との会話では、データ損失、データポイズニング、モデルの盗難、コンプライアンスや規制の課題といったリスクが頻繁に挙げられている。最高情報セキュリティ責任者（CISO）は、こうしたリスクを迅速に軽減しながら、ビジネスのニーズに適応する必要に迫られている。しかし、CISOがビジネスにノーと言えば、チームプレーヤーではなく、企業を第一に考えているとみなされる。逆に、リスクのあることにイエスと言えば、不注意だと思われる。CISOは、ビジネスの成長、多様化、実験に対する意欲に追
独自データを用いたカスタムLLMは、価値ある知的財産を保護しながら、いかにして業務を飛躍的に向上させることができるか？
大規模言語モデル（ LLM ）は企業の世界を熱狂させ、誰もがその利点を利用したいと考えている。実際、 DatabricksとMIT Technology Reviewがテクノロジー・リーダーを対象に行った最近の調査 によると、企業の47％が今年のAI予算を25％以上増やすと見込んでいる。 このような勢いにもかかわらず、多くの企業は、LLM、AI、機械学習が自社の組織内でどのように利用できるのか、まだ正確には分かっていない。プライバシーやセキュリティに関する懸 念は、この不確実性をさらに大きくしている。情報漏洩やハッキングが発生すれば、多額の財務的損失や風評被害を招き、規制当局の監視の目にさらされる可能性があるからだ。 しかし、AIイノベーションを取り入れることで得られる報酬は、リスクをはるかに上回る。適切なツールとガイダンスがあれば、組織は非公開でコンプライアンスに準拠した方法でAIモデルを迅速に構築し、拡張することができる。ジェネレーティブAIが多くの企業の将来に影響を与えることを考えると、モデルの構築とカスタマ