従来のAIと生成AI：ITリーダー向けガイド

人工知能（AI）は、コンピューターが人間のような推論、コミュニケーション、意思決定をシミュレートする技術を指す広義の用語です。機械学習（ML）、自然言語処理（NLP）、ディープラーニング、ニューラルネットワーク、大規模言語モデル（LLM）を用いてデータを分析し、パターンを識別し、洞察を生成します。AIの目標は、様々な分野において自動化を行い問題解決を強化することです。人工知能には、エージェント型AIを含む複数の種類のAIが存在しますが、AI分野の主要なプレイヤーは従来のAIと生成AIです。

従来のAIはルールベースまたは決定論的AIであり、事前にプログラムされたタスクまたは一連のタスクを完了するように訓練されたAIです。特化型AIとも呼ばれる従来のAIは、履歴データを分析しパターンを特定することで正確な予測と意思決定を行い、明確に定義された問題を解決し、反復的なタスクを自動化するように設計されています。

従来のAIを使用すると、セキュリティオペレーションセンター（SOC）でのトリアージと調査を自動化できるため、チームはセキュリティイベントのコレクションを要約し、複雑な分析および管理タスクを自動化し、推奨される行動方針をランク付けできます。

たとえば、Randstad Netherlandsは、SOCでAIを活用し、わずか2.5人のフルタイム従業員で、数十のセキュリティ、クラウド、その他のアプリケーションから大量のデータを迅速に取り込み、検出、エンジニアリング、アラートのトリアージを行っています。

今日、決定木、ニューラルネットワーク、ロジスティック回帰、教師あり学習、強化学習は、データストアやナレッジベースと連携して、従来のAIシステムがパターンを識別し、データを分類し、予測を行います。

生成AIは、コンテンツを作成する人工知能の一種です。膨大なデータセットを用いて学習し、データのパターンと関係性を認識することを学びます。これにより、学習した構造から外挿し、人間の創造性を模倣した出力を生成することで、新しく独創的なコンテンツを作成できます。つまり、生成AIは画像、動画、コード、音楽を作成したり、言語を翻訳したり、質問に答えたりすることができます。

たとえば、Elastic Support Assistantは生成AIを利用したチャットエクスペリエンスで、幅広い製品に関する質問に答えるように設計されており、検索拡張生成（RAG）を使用して検索の有効性を高めています。

生成AIモデルにはいくつかの種類が存在します。たとえば、Gemini、Grok、Claudeなどのアプリケーションは、Generative Pretrained Transformer（GPT）モデルです。Transformerモデルは、さまざまな要素間の関係をマッピングするためにアテンションメカニズムに依存します。敵対的生成ネットワーク（GAN）は、生成ネットワークと識別ネットワークの2つのニューラルネットワークで構成されています。それらが連携し、生成と洗練のプロセスを通じてコンテンツを作成します。

その結果、生成AIは従来のAIの能力を超え、イノベーションの可能性を大幅に高める、より高度な人工知能の形態を表します。

従来のAIと生成AIは、特にその機能、アプリケーション、学習方法において、重要な点で異なります。比較してみましょう。

従来のAIモデルはより硬直的であるのに対し、生成AIモデルは新しい問題に適応できます。これは、従来のAIモデルが機能するためには明示的なルールが必要であり、新しいシナリオでは手動による介入が必要だからです。一方、生成AIモデルは、膨大なデータからパターンや関係性を学習するためにトレーニングされます。従来のAIモデルが繰り返し学習するのに対し、生成AIモデルは学習することを学びます。その結果、従来のAIと生成AIの能力には大きな違いが生まれます。

• 従来のAI：データを分析し、予測を行い、ルールベースのタスクを自動化します

• 生成AI：オリジナルコンテンツを生成し、動的なインプットに適応します

従来のAIと生成AIの能力は異なるため、それらが最も有用な状況も異なります。

• 従来のAI：不正検知、レコメンデーションシステム、プロセス自動化などの複雑な分析タスクに最適です。

• 生成AI：従来のAIの「分析と予測」機能を超えて、テキスト、動画、音声、コード、画像などのコンテンツを生成し、ドキュメントの要約などデータを統合し、セキュリティアナリストやSREのアシスタントとして役立ちます。

従来のAIユースケース

「Hey Siri」と言う時はいつでも、従来のAIを呼び出して、質問の答えを見つけたり、アラームの設定など事前定義されたタスクの実行を手伝ってもらうことになります。その他のユースケースには以下のものがあります。

• 不正検知：従来のAIアルゴリズムを使用して、銀行およびeコマースの取引データを分析し、取引がパターンから外れた場合に、不正行為を示している可能性を特定します。

• 予測分析：ヘルスケア、金融、マーケティングの分野では、AIモデルが履歴データを分析して将来の傾向を予測し、病気の発生を管理し、経済的意思決定を導き、キャンペーンを形成するのに役立ちます。

生成AIユースケース

生成AIは、データのコミュニケーションやアクセスのための、より直感的な方法を提供するため、生産性、効率性、労働環境の改善を目指す世界中の企業に急速に受け入れられています。

• コンテンツ生成：生成AIは、膨大なデータセットを分析し、インプットされたものから新しいコンテンツを生成する能力によって、コンテンツ生成に革命をもたらしています。たとえば、ElasticGPTはElasticの従業員が関連情報を迅速に見つけ、生産性を向上させるのに役立ちます。

• パーソナライズされた提案：生成AIは、ストリーミングサービスやeコマースプラットフォームでパーソナライズされたコンテンツや提案を生成することにより、ユーザーエクスペリエンスを向上させます。

• AIを活用したデザイン：生成AIは、新しい製品コンセプト、デジタルアート、マーケティング資料を作成することでデザイナーを支援します。

• カスタマーサービスボット：AI搭載のチャットボットは、自動化されたカスタマーサポートを提供し、一般的な問い合わせを迅速かつ効率的に解決しながら、組織のカスタマーサービスの向上を支援します。生成AI搭載のチャットボットは、自然言語で顧客と対話し、パーソナライズされた質問応答を用いて問題を迅速に解決するのに役立ちます。

従来のAIと生成AIには、異なるデータ、専門知識、インフラ要件に応じた個別の実装アプローチが必要です。

• 従来のAI：構造化データ、事前定義されたアルゴリズム、ルールベースのロジックに依存しています。特定のビジネスプロセスに実装するのが容易です。

• 生成AI：大規模なデータセット、広範な計算能力、洗練されたディープラーニングモデルを必要とし、実装はより複雑でリソース集約的になります。

AIの時代が到来しました。しかし、AIの未来はどのようなものでしょうか？確かに、世界中の組織で生成AIの導入が増加しており、経営幹部の93％が既に生成AIへの投資を行っているか、投資を計画しています。AIアシスタントと、そのスピードおよび効率性への関心は非常に高まっています。しかし、AIは倫理面とセキュリティ面の両方で多くの課題を突きつけており、規制当局は対応に苦慮しているため、この技術導入の動きは世界中で警鐘を鳴らしています。米国では、規制緩和の動きがイノベーションを後押ししている一方、EUでは、AI法によって安全性、基本的人権、そして人間中心のAIを保証することを目指しています。

AIバイアスに対する懸念により、企業における導入が遅れることがあります。結局のところ、AIは訓練されたデータの質に依存しているため、データにはしばしば固有のバイアスが含まれており、それがAIによって強化されることがあります。また、生成AIはハルシネーション（幻覚）を起こすことがあるため、AIの信頼性も疑問視されています。他の懸念は環境に関するものです。AIは多くのコンピューティング能力を必要とし、非常に多くのリソースを消費する技術です。

しかし、これらの課題にもかかわらず、AIは、特に責任を持って開発され、使用される場合、変革をもたらす技術的な機会を提供します。最新のAIモデルの波は、自己修正と独立した意思決定の能力を洗練させています。これはエージェント型AIと呼ばれます。

検索はAIの中核であり、Elasticは検索AI企業です。高度な検索機能、リアルタイム分析、機械学習の統合により、Elasticは企業がAIの力を効率的に活用できるよう支援します。カスタマーサポート、従業員の効率化、セキュリティ運用において、Elasticがどのように役立つかをご覧ください。

Elasticの生成AIツールと機能を深く掘り下げます。