2025年、GenAIコピロットがビジネスとデータ管理を変えるキラーアプリとして登場する

毎回の技術革新には、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。ジェネレーティブAI（GenAI）にとっても、コピロットの急速な普及により、その時期がやってきました。

GenAIとしての技術は、過去数年で大きな進歩を遂げてきました。しかし、ヘッドラインやハYPE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とテクノロジー担当エグゼクティブの調査によると、調査対象者の9％がGenAIを採用しており、34％が来年中に採用する予定であると回答しています。 エンタープライズストラテジーグループによる最近の調査によると、GenAIの採用率は30％です。しかし、調査はすべて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GenAIを本番環境で使用する

GenAIの採用は、生産性と利益性を向上させるために重要であると見なされており、ほとんど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する必要があります。具体的には以下の通りです。

• データの品質が低い：GenAIは使用するデータの品質に依存し、多くの企業はまだデータの信頼性に自信を持っていません。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、非常に優れたGenAIチームによって行われ、計算資源のコストは数百万ドルに達します。したがって、代わりに回復強化生成（RAG）という手法を使用しています。しかし、RAGを使用する場合でも、データにアクセスして準備し、専門家を集めることは早期に高額になることがあります。
• 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ド作成が必要でした。このグループは成長していますが、依然として専門家の不足があります。
• 幻覚：GenAIは完璧ではありません。幻覚を起こし、間違った答えを出します。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データを、許可されていない人に公開する可能性があります。データ漏洩を防ぐためのセキュリティ対策を実装する必要があります。

幸いなことに、ソフトウェア業界は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が本流になる年になるようです。

予測2. モジュラーRAGコピロットがGenAIの最も一般的な使用法になる

GenAIの最も一般的な使用法は、人々が情報を見つけるのを助けるアシスタント、またはコピロットを作成することです。コピロットは通常、RAGパイプラインを使用して構築されます。RAGは、最も一般的なGenAIの使用方法です。大規模言語モデル（LLM）は、すべてのデータや最新のデータを持っていないため、プロンプトを増強する必要があります。
コピロットは、ナレッジワーカーがより生産的に作業できるようにし、以前に答えられなかった質問に回答し、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。コピ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書いたり、レガシーコードを最新化したりするのを支援することです。

しかし、コピロットはIT以外の分野で使用された場合に、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、コピ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トしたり、パスワードのリセットやアカウント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スコアを向上させることができます。
• 製造業では、コピロットは、テクニシャンが複雑な機械を診断し、特定のアクションや修理を推奨するのを支援し、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、臨床医はコピロットを使用して、患者履歴と関連する研究にアクセスし、診断と臨床ケアを支援し、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、ほとんど同じ方法で動作しています。最初のステップは、ナレッジベースをベクトルデータベースに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、ベクトル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をプロンプトで呼び出し、取得した情報をコンテキストとして使用し、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、すべてのコピロットを同じ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、各ステップで異なるモジュールを使用できるモジュラーRAGアーキテクチャに進化しました。

• インデックス作成、データチャンキング、組織化
• 事前取得、プロンプトエンジニアリング、最適化
• 取得、リトライバーのファインチューニング、他のテクニック
• 事後取得、ランキング、選択
• 生成、ジェネレーターのファインチューニング、複数のLLMの使用と比較、検証
• オーケストレーション、プロセス管理、イテレーションによる最適な結果の取得

コピロットをサポートするために、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

ここまでで、GenAI RAGは非常に複雑で、急速に変化していることがわかりました。新しいベストプラクティスが不断に登場しているだけではなく、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、テクノロジーのいくつかを交換する必要があるか、複数のテクノロジーをサポートする必要があります。また、GenAIはモジュラーRAGだけではなく、回復強化ファインチューニング（RAFT）やフルモデルトレーニングもコスト効率が良くなってきています。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、ベストな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ています。これらは、先頭のデータソース、ベクトルデータベース、LLMをサポートし、モジュラーRAGやデータを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することを可能にします。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ピ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提供します。高度なデータチャンキング、プロンプトエンジニアリング、ランキング、選択、マルチ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できます。

予測4. コピロットとエージェントの間の境界が曖昧になる

GenAIコピロットは、チャットボットのようなエージェントであり、人々をサポートします。最終的には、人々が生成された結果に基づいて何をするかを決定します。しかし、GenAIエージェントは、人間の関与なしに自動的に応答することができます。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つの別々の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。コピ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することを選択的に許可し、タスクを完了するために必要なステップを自動化しています。

コピロットは時間の経過とともに、コピ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成し、ストリームライン化するのと同様に、アシスタントは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々を含め、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が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の全ての利点を実現するために、ITが適応する必要があるからです。

ガートナーの2024年のデータ管理のハイプサイクルとして、ガートナーは、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、つまり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を変革的であると特定しました。これら3つのテクノロジーはすべて、データをこれらの新しいGenAIツールで使用することを容易にすることで、データを非常にアクセスしやすくします。

Nexlaは、この理由でデータプロダクトアーキテクチャをデータファブリック上に実装しました。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方法で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のサポートなど、特定のデータニーズに対して作成されます。

例えば、大手金融サービス企業は、リスク管理を強化するためにGenAIを導入しています。Nexlaを使用して統一されたデータファブリックを作成しています。Nexlaは自動的にスキーマを検出してコネクタとデータプロダクトを生成します。会社は、動的規制報告のために集約、クリーンアップ、変換されたデータを入力する特定のリスクメトリクスに対するデータプロダクトを定義します。Nexlaは、規制コンプライアンスを確保するために、データガバナンスコントロール、データライナンス、データアクセスコントロールを提供します。私たちの分析、運用、B2B、GenAIの統合プラットフォームは、データファブリックアーキテクチャ上に実装されており、GenAIは、再利用可能なコネクタ、データプロダクト、ワークフローを作成するために使用されています。Apache Icebergのようなオープンデータ標準のサポートにより、さらに多くのデータにアクセスすることが容易になります。

エージェントAIに向けてコピロットを活用する方法

これらの予測に基づいて、企業がGenAIを主流にするために準備する方法は何でしょうか？
まず、まだそうしていない場合、顧客や従業員のために最初のGenAI RAGアシスタントを開始します。すでに成功するために必要なナレッジベースを持っている、重要で比較的シンプルなユースケースを特定します。

2つ目は、正しいモジュラーRAGアーキテクチャと統合ツールをサポートするために、GenAIの専門家チームを少数人で構成することです。ノーコード/ローコードツールを持つ新しいベンダーを評価することを恐れないでください。

3つ目は、成功するために必要なデータ管理のベストプラクティスを特定し始めることです。これには、データファブリックやデータプロダクトの概念だけでなく、AIのためのデータを管理することも含まれます。

今がその時です。2025年は、多くの企業が成功する年です。後れを取らないでください。