2025年、GenAIコパイロットがビジネスとデータ管理を変革するキラー・アプリとして登場する

毎回の技術革命には、特定のユースケースが技術を広く採用するきっかけとなる時期があります。その時期が、ジェネレーティブAI（GenAI）にとって訪れたと言えるでしょう。コパイロットの急速な普及により、GenAIが注目されるようになりました。

GenAIとしての技術は、過去数年で著しく進歩しました。にもかかわらず、企業によるGenAIの採用はまだ初期段階にあります。 2024 Gartner CIO and Tech Executive Survey によると、調査対象者の9%のみがGenAIを採用しており、34%が来年中に採用する予定です。 Enterprise Strategy Groupによる最近の調査 では、GenAIの採用率は30%と報告されています。しかし、すべての調査は2025年について同じ結論に達しています。

予測1. 2025年末までに、多くの企業が本稼働環境でGenAIを使用するようになる

GenAIの採用は、生産性と利益性の向上に不可欠であると見なされており、多くの企業にとって最優先事項となっています。しかし、企業はこれまでのGenAIプロジェクトで経験した課題を克服しなければなりません。その課題とは以下の通りです：

• データの品質が低い：GenAIは使用するデータと同じだけしか優れませんが、多くの企業はまだ自社のデータを信頼していません。データの品質、不完全なデータ、偏ったデータはすべて、結果が悪くなる原因となっています。
• GenAIのコスト：ChatGPTのようなGenAIモデルをトレーニングすることは、ほとんどの場合、最も優れたGenAIチームのみによって行われており、数百万ドル相当のコンピューティングパワーが必要です。したがって、代わりに、回復増強生成（RAG）という手法を使用しています。しかし、RAGを使用していても、データにアクセスして準備し、成功するために必要な専門家を集めることは、すぐに高額なコストがかかるようになります。
• スキルセットが限られている：GenAIの初期導入では、GenAIの専門家による多くのコーディングが必要でした。専門家グループは成長していますが、依然として実際的な不足があります。
• 幻覚：GenAIは完璧ではありません。GenAIは幻覚を見せ、間違った答えを出しますが、正しいと思っている場合があります。間違った答えがビジネスに影響を与えないようにするための戦略が必要です。
• データのセキュリティ：GenAIは、トレーニング、ファインチューニング、またはRAGのために使用されたため、データを間違った人に公開しました。データ漏洩を防ぐためのセキュリティ対策を実施する必要があります。

幸いなことに、ソフトウェア業界は過去数年間にこれらの課題に対処してきました。2025年は、これらの課題が解決され、GenAIが主流になる年となりそうです。

予測2. モジュラーRAGコパイロットがGenAIの最も一般的な使用方法となる

GenAIの最も一般的な使用方法は、情報をより迅速に検索するのを支援するアシスタント、またはコパイロットを作成することです。コパイロットは通常、RAGパイプラインを使用して構築されます。RAGは方法です。これは、GenAIを使用する最も一般的な方法です。LLM（Large Language Model）は、すべてのデータや最新のデータを持っていないため、質問（プロンプト）を増強する必要があります。
コパイロットは、ナレッジワーカーがより生産的になるのを支援し、以前は答えの出なかった質問に答え、専門家の指導を提供し、時にはルーチンタスクを実行します。コパイロットを使用する最も成功したユースケースの1つは、ソフトウェア開発者がコードを記述またはレガシーコードをモダナイズするのを支援することです。

しかし、コパイロットはITの外部で使用される場合に、より大きな影響を与えることが予想されています。例としては以下の通りです：

• カスタマーサービスでは、コパイロットはサポートの問い合わせを受け取り、人間の介入を必要とする場合にはエスカレーションしたり、パスワードのリセットやアカウントへのアクセスなどのシンプルな問い合わせには解決策を提供し、CSATスコアを高めることができます。
• 製造業では、コパイロットは技術者が複雑な機械の診断と修理を支援し、ダウンタイムを短縮することができます。
• ヘルスケアでは、臨床医はコパイロットを使用して患者の履歴と関連する研究にアクセスし、診断と治療を支援して効率と臨床結果を向上させることができます。

RAGパイプラインはほとんど同じように動作してきました。最初のステップは、ベクターデータベースにナレッジベースをロードすることです。誰かが質問をすると、GenAI RAGパイプラインが呼び出され、質問をプロンプトに変換し、ベクターデータベースを検索して最も関連性の高い情報を見つけ、LLMをプロンプトとコンテキストで呼び出し、結果を評価してフォーマットし、ユーザーに表示します。

しかし、すべてのコパイロットを同じRAGパイプラインで同等にサポートすることはできないことがわかりました。したがって、RAGは、さまざまなモジュールを使用できるモジュラーなアーキテクチャであるモジュラーRAGに進化しました。

• インデックス作成、データのチャンキング、組織化を含む
• クエリ（プロンプト）エンジニアリングと最適化を含む事前取得
• リトライバーミングと他のテクニックを含む取得
• ポストリトライバルランキングと選択
• ジェネレーターファインチューニング、複数のLLMの使用と比較、検証を含む生成
• このプロセスを管理し、最良の結果を得るために反復処理を行うオーケストレーション

複数のコパイロットをサポートするには、モジュラーRAGアーキテクチャを実装する必要があります。

予測3. ノーコード/ローコードGenAIツールが主流になる

この段階で、GenAI RAGは非常に複雑で急速に変化していることがわかっているはずです。これは、新しいベストプラクティスが不断に登場していることだけではなく、GenAIパイプラインで使用されるすべてのテクノロジーが非常に速く変化しているためです。したがって、最終的にはこれらのうちの1つを交換する必要があり、または複数をサポートする必要があります。また、GenAIはモジュラーRAGのみではありません。回復増強ファインチューニング（RAFT）やフルモデルトレーニングも費用対効果の高いものになってきています。アーキテクチャはすべての変化をサポートし、エンジニアから複雑さを隠す必要があります。
幸いなことに、最も優れたGenAIノーコード/ローコードツールは、このアーキテクチャを提供します。これらは、先頭のデータソース、ベクターデータベース、LLMのサポートを不断に追加し、モジュラーRAGを構築したり、データをLLMにフィードしてファインチューニングまたはトレーニングしたりできるようにしています。企業はこれらのツールを使用して、内部リソースを使用してコパイロットを展開しています。

Nexlaは、GenAIを使用して統合を簡素化するだけでなく、モジュラーRAGパイプラインアーキテクチャを備えており、先進的なデータチャンキング、クエリエンジニアリング、ランキングと選択、多LLMサポート、結果のランキングと選択、オーケストレーションなどをすべてコードなしで構成可能にします。

予測4. コパイロットとエージェントの境界が薄れる

GenAIコパイロットであるチャットボットは、エージェントであり、人々を支援します。最終的には、人々が生成された結果に基づいて決定を下します。しかし、GenAIエージェントは、人間の関与なしに自動的にレスポンスを生成できます。これらは、エージェントまたはエージェントAIと呼ばれることがあります。

一部の人々は、これらを2つの異なるアプローチと見なしています。しかし、現実はより複雑です。コパイロットはすでに基本的なタスクの自動化を開始しています。ユーザーがアクションを確認してタスクを完了するために必要なステップを自動化するオプションもあります。

コパイロットは、時間の経過とともに、コパイロットとエージェントの組み合わせに進化することが予想されます。アプリケーションがビジネスプロセスを再構築して合理化するのと同様に、アシスタントは、サポートするタスクの中間ステップを自動化するために使用されるべきです。GenAIベースのエージェントも、例外を処理するために人間を含め、LLMを使用して生成されたプランを承認する必要があります。

予測5. GenAIはデータファブリック、データプロダクト、オープンデータ標準の採用を推進する

GenAIは、次の数年間でITに最も大きな変化をもたらすと予想されています。なぜなら、企業がGenAIの全面的な利点を実現するために、ITが適応しなければならないからです。

Gartner Hype Cycles for Data Management 2024の1つとして、Gartnerは、データ管理とデータに依存する組織にとって、3つのテクノロジーを変革的であると特定しました。データファブリック、データプロダクト、オープンテーブルフォーマットです。これら3つすべてが、データをこれらの新しいGenAIツールで使用するために、データをよりアクセスしやすくするのに役立ちます。

Nexlaは、この理由からデータファブリックに基づくデータプロダクトアーキテクチャを実装しました。データファブリックは、フォーマット、速度、またはアクセスプロトコルの違いに関係なく、すべてのデータを同じように管理するための統一レイヤーを提供します。データプロダクトは、RAGのために、特定のデータニーズをサポートするために作成されます。