日本語 English

"AIでビジネス変革を"

生成系AI（Generative AI）／大規模言語モデル（LLM）技術の活用により、
生産性の向上やプロセスの最適化など
新しいビジネス価値を創造・変革するための、
導入支援やコンサルティングなど各種サービスを提供します。

llm_01chatgpt

生成系AIシステム導入支援

生成系AIアプリケーション／ChatGPTシステムの構築に必要な基盤モデルを提供する「Amazon Bedrock」「Azure OpenAI Service」を利用した各種システムを導入から運用まで一貫してご支援します。

  • 社内システムのQ＆Aボット
  • ECサイトのカスタマーサポート自動化
  • RAG構成による検索拡張システム
llm_03con

LLM活用コンサルティング

大規模言語モデル（Large Language Model／LLM）を効果的に活用するための導入戦略やリスク検討、具体的な利用方法をご提案します。

  • アセスメント実施／計画策定
  • LLM利用のガイドライン整備
  • ワークショップ／トレーニング実施
llm_02sys

生成系AIシステム開発

お客様のビジネスニーズに対応した生成系AIシステムの設計・開発、業務の効率化と品質向上を実現する最適なソリューション開発を提供します。

  • 生成系AIアーキテクチャー設計
  • プロンプトデザイン／ファインチューニング
  • 既存サービスとの連携・組み込み

生成系AI / LLM

ソリューション事例

オープンハウスグループ 様

アジアクエスト、オープンハウスグループの生成AI活用に向けた共同実証実験開始

オープンハウスグループは、本実証実験において、米国マイクロソフトのクラウドサービス「Microsoft Azure」のAzure OpenAI Serviceを活用し、複数種類の生成AIを活用したファインチューニングを行います。これにより、業務課題への改善策を検証し、お客様へのサービス向上案を検討します。アジアクエストは、技術アドバイザーとして、オープンハウスグループがAzure OpenAI Serviceを用いて業務課題の解決策を検討、実際の活用法を探る過程でのサポートを行います。定期的なディスカッションを通じて、生成AIの本格的な活用に向け、2社共同で本実証実験を進めます。－2023年7月11日プレスリリースより

プレスリリースを見る

0707AIkensho

情シスQ&A bot.

ChatGPTとSlackを連携して社内の問い合わせ対応業務を効率化

日々寄せられる情報システム部への画一的な問い合わせの対応業務を自動化/効率化、一方で 例外的な問い合わせおよび対応内容をナレッジ化/効率化することを目的として実証実験を開始。  Slackの情シス向け問い合わせチャンネルとChatGPTを連動させ、1.問い合わせ内容の解析と迅速かつ最適な対応内容の提示、2.過去の問い合わせ履歴と対応内容および関連資料を紐づけ、情シスの対応ナレッジの蓄積および社内共有の促進を行っています。

プレスリリースを見る

chatgpt_0524_pr

生成系AIを活用した主要サービスにも対応いたします

Amazon Bedrock

生成系AIアプリケーションの構築、スケーリング環境を提供

  • 主要な基盤モデル（ FM ）を選択AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Amazon など、さまざまな高性能 FM と連携可能な使いやすいデベロッパーエクスペリエンスを提供
  • 簡単なカスタマイズビジュアルインターフェイスを通じて独自のデータを使用して FM をプライベートにカスタマイズ
  • フルマネージド型のAPIエージェントAPIの動的呼び出しによる複雑なビジネスタスクを実行するエージェントを構築
  • RAGのネイティブサポートAmazon Bedrockのナレッジベースを使用することでデータソースに安全に接続し検索するRAG構成を構築
  • データセキュリティセキュリティとプライバシーの要件をサポートする複数の機能

Amazon Bedrock + Amazon Kendraによる
RAG構成アーキテクチャ

llm_amazonbedrock-1

 

Azure OpenAI Service

Microsoft社とOpenAI社によるエンタープライズレベルの生成AIモデルの機能を提供

  • トレーニング済みの生成AIモデルを使用
    OpenAIによる大量のデータを用いて事前にトレーニングされた生成AIモデルを使用し幅広いビジネスやシナリオに対応
  • 微調整（fine-tuning）ユーザーが独自のデータを使用してAIモデルを微調整（fine-tuning）する機能を提供　トレーニング済みのモデルを特定の用途やドメインに特化可能
  • 有害なユースケース検出ユーザーが責任を持って AI を実装できるよう、有害なユース ケースを検出しインシデント発生リスクを軽減
  • 高度なセキュリティレベルロールベースのアクセス制御 (RBAC) とプライベート ネットワークを使用したエンタープライズ レベルのセキュリティ

  • Azure OpenAI + Azure Cognitive Searchによる
    RAG構成アーキテクチャ 

    • llm_azureopenai



 

AIシステムの企画・設計・運用までトータルにご支援します。

Requirements
要件定義フェーズ
Requirements
  • アセスメントの実施・計画策定
  • 生成系AIシステムの要件定義
  • PoC実施
    （実証検証、プロトタイプ作成）
Design
設計フェーズ
Design
  • 生成系AI基盤アーキテクチャ設計
    （Amazon Bedrock、Azure OpenAI Service）
  • 生成系AIアプリケーション設計
  • セキュリティ、ガバナンス、運用設計
Development
実装フェーズ
Development
  • 生成系AIモデル基盤の構築
    （Amazon Bedrock、Azure OpenAI Service）
  • 生成系AIアプリケーション開発、
    システム連携
  • システムテスト
Operation
運用フェーズ
Operation
  • 生成系AI基盤の運用保守
  • 生成系AIアプリケーションの
    精度、評価
  • 生成系AIモデルの再学習、
    ファインチューニング