※本記事は、AWS re:Invent 2024で開催された「Driving value with AI: Reimagining Toyota's supply chain with AI on AWS (AIM236)」セッションの内容を基に作成されています。このセッションはIBM（AWSパートナー）による提供です。セッションの詳細情報およびオリジナルの動画は https://www.youtube.com/watch?v=tvrRYw-8o2E でご覧いただけます。本記事では、セッションの内容を要約しております。なお、本記事の内容はオリジナルのプレゼンテーションを正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご視聴いただくことをお勧めいたします。AWS re:Inventの詳細は https://go.aws/reinvent 、その他のAWSイベント情報は https://go.aws/3kss9CP をご参照ください。

1. イントロダクション

1.1 登壇者の紹介

Clay Sheriff：皆さん、水曜日の夕方、このセッションにご参加いただきありがとうございます。私はClay Sheriffで、IBMのトヨタ担当リードアカウントパートナーを務めています。今日は、このセッションのキックオフを担当させていただきます。まず何よりも、このような機会をいただき、Audreyと一緒に壇上に立てることをとても嬉しく、光栄に思います。Audrey Mitoはトヨタのサプライチェーン・フルフィルメント部門のグループマネージャーで、トヨタ・モーター・ノース・アメリカ全体で進行中のサプライチェーン変革を担当しています。

Audreyは本日、サプライチェーン変革の基盤としてAWSをどのように活用しているかについてお話します。そしてAudreyの後には、IBMのwatsonx.governanceディレクターであるHeather Gentileが登場し、今後のエコシステム全体で見込まれる4.5兆ドル規模のジェネレーティブAIビジネスについてお話します。

少し自己紹介をすると、私はPricewaterhouseCoopersからIBMに移ってきました。私とIBMのチームは、クライアントのビジネス変革を支援することに情熱を持っています。この数年間、まさにそのような取り組みに携わってきました。このセッションのタイトル「AIによる価値の創出：AWSでAIを活用したトヨタのサプライチェーンの再構築」は内容が多岐にわたりますが、要するに、AWSを基盤としてトヨタのサプライチェーンとフルフィルメントビジネスをどのように変革するかということです。Audreyが詳細を説明しますが、これは単なる技術の組み合わせではなく、それらがどのように連携してビジネスを変革するかということなのです。トヨタのサプライチェーンの規模と範囲を考えると、それは本当に驚異的です。

1.2 IBMとAWSのパートナーシップの概要

Clay Sheriff：IBMとAWSの関係は信じられないほど素晴らしく、この5年間で急速に成長しています。IBMがAWSと共に過去数年間で成し遂げたことを考えると、私たちはグローバルシステムインテグレーターとISVとして最も急速に成長しています。つまり、私たちがAWSプラットフォームに展開したすべてのソフトウェア製品の上で行う統合作業において、驚異的な成長を遂げているのです。

この成功は、私たちの上級幹部から始まりました。5年から10年前、誰かがIBMと言えば、「ああ、メインフレームと独自のソフトウェアね」と思われていたでしょう。しかし、当社のビジネス、戦略、ビジョンは変化しました。現在は、ハイブリッドクラウド戦略、オープンシステム、そしてAWSのようなエコシステムパートナーが中心となっています。私たちはビジネスモデルを完全に変え、それは社内だけでなく、特に私たちのクライアントとAWSにとって素晴らしいメリットをもたらしています。

IBMは信じられないほどオープンな企業になりました。実際に仕事を始めるまで、それを実感することはできません。先ほど言ったように、私はPricewaterhouseCoopersからの転職組ですが、PricewaterhouseCoopersにいた時の方がIBMでの現在より多くのメインフレーム関連の仕事をしていました。現在の私たちの仕事はすべてオープンシステムベースなのです。

現在、私たちは25,000ものAWS認定資格を持ち、2001年にはAWSエコシステム全体でライジングスター賞を受賞しました。今年も「グローバルデザインパートナー・オブ・ザ・イヤー」と「コラボレーションパートナー・オブ・ザ・イヤー」という賞を受賞しましたが、これらはトヨタとの仕事の仕方を表しています。私たちが行っていることは、未来のシステムをデザインすることについてです。トヨタは40年間メインフレームシステムで作業してきましたが、私たちはそれらのプロセスをAWSに移行し、データを公開し、データ上でAIを実行しています。そして、異なるエコシステムパートナー間の協力関係を構築しています。

トヨタの文化は非常に包括的でパートナーシップ主導型であり、誰もが発言権を持っています。私たちが「コラボレーション」に関する賞を受賞したとき、それは私がAudreyと過去4年間行ってきた仕事を思い出させてくれました。プログラムを開始し、協力し、共に学ぶこと。それはトヨタとのプログラムを立ち上げる素晴らしい旅であっただけでなく、変化を推進するためにAWSと日々交流することでもありました。私たちにとって、これはビジネスの変化と基盤の設定についてなのです。

2. Toyota Motor North Americaの背景

2.1 会社の規模と成長

Audrey Mito：皆さん、こんにちは。始める前に、トヨタ・モーター・ノース・アメリカについて少し背景をお話ししたいと思います。皆さんはトヨタ・コーポレーションについてはご存知だと思いますが、北米では1958年にトヨタ車の小さな米国ディストリビューターとして事業を開始しました。

それから大きく成長し、もはや単なる販売会社ではありません。現在は製造、研究開発、金融サービスも手がけています。ここにいくつかの統計データを示しています。私たちは米国の小売販売で第1位の自動車ブランドであり、北米に11の製造拠点を持ち、米国全土に1400以上のトヨタ・レクサスディーラーを展開しています。

Clay Sheriff：Audreyさん、北米でのトヨタの成長は本当に驚異的ですね。小さなディストリビューターから始まり、今では製造からR&D、金融サービスまで手掛ける総合的な自動車企業に成長されました。特に11の製造拠点を持っていることは、北米市場へのコミットメントの表れだと思います。

Audrey Mito：そうですね、Clay。私たちの成長は急速でしたが、計画的なものでした。現在、米国の小売販売でNo.1の自動車ブランドとなったことは、お客様からの信頼の証です。1400以上のディーラーネットワークを通じて、北米全土のお客様にサービスを提供できることを誇りに思っています。この規模は、後ほど説明するサプライチェーン変革の複雑さと規模を理解する上で重要な背景となります。

2.2 トヨタウェイの価値観と原則

Audrey Mito：私たちの重要な基盤の一つが「トヨタウェイ」です。これは私たちのビジネスの進め方、働き方を導く中核的な価値観と原則です。私たちはトヨタウェイをあらゆることに適用しており、それには私たちが取り組んでいるサプライチェーン変革も含まれています。

Clay Sheriff：トヨタウェイについて興味深いですね。これがサプライチェーン変革にどのように影響しているのか、もう少し詳しく教えていただけますか？

Audrey Mito：もちろんです。トヨタウェイは私たちの行動の指針となるだけでなく、変革の方法そのものにも影響を与えています。例えば、私たちの文化は非常に包括的でパートナーシップ主導型です。誰もが発言権を持ち、意見を述べることができます。このような文化があるからこそ、後ほど説明する共創アプローチも可能になっています。

また、継続的改善を意味する「カイゼン」の精神もトヨタウェイの重要な部分です。ただ、今回のサプライチェーン変革では、通常のカイゼンを超えて、より大きな飛躍が必要だと判断しました。しかし、その変革プロセスにおいても、トヨタウェイの価値観、特に人々を尊重し、チームとして協力することの重要性は常に中心にあります。

Clay Sheriff：つまり、トヨタウェイは単なる企業理念ではなく、実際の業務プロセスや変革の取り組みにも深く組み込まれているわけですね。私たちIBMとの協業においても、この価値観が生きていると感じています。

Audrey Mito：その通りです。私たちがIBMやAWSといったパートナーと協業するときも、トヨタウェイの原則に基づいています。変革は技術だけでなく、人々とプロセスにも関わるものです。トヨタウェイがあるからこそ、技術革新を進めながらも、人間中心のアプローチを維持することができるのです。

3. トヨタのレガシーシステムと変革の必要性

3.1 40年以上使用されてきたシステム

Audrey Mito：トヨタのレガシーシステムは40年以上もの間、トヨタに良くサービスを提供してきました。Clayも言及したように、私たちが変革を始める前にシステムを見てみると、1979年のCOBOLコードが今でも稼働していることがわかりました。私たちはそのシステムを継続的に構築し拡張してきました。輸入専用のシステムから、世界中どこからでも車両をサポートできるシステムへと発展させてきたのです。また、製造工場もシステムに追加してきました。

Clay Sheriff：Audrey、1979年のCOBOLコードが現在も稼働しているとは驚きです。40年以上もの間、そのシステムが機能し続けてきたことは、当初の設計がいかに堅牢だったかを示していますね。しかし、そのような長期間にわたるレガシーシステムの維持は、どのような課題をもたらしましたか？

Audrey Mito：そうですね、Clay。もともとのシステムは非常に堅牢でした。しかし、時間が経つにつれて、さまざまな機能を追加し、異なるニーズに対応するために拡張してきました。最初は単純な輸入車両の追跡システムだったものが、世界中のあらゆる場所からの車両をサポートするシステムへと進化させました。そして北米での製造拠点が増えるにつれて、それらの工場もシステムに統合していきました。

このような継続的な拡張は、システムの複雑さを増大させました。例えば、新しい機能を追加するたびに、既存のコードに積み重ねていくような形になり、全体のアーキテクチャは当初の設計意図から徐々に離れていきました。また、COBOLなどの旧い言語で書かれたコードは、現代の開発者にとって扱いにくく、変更を加えるのも難しくなっています。

Clay Sheriff：その複雑さがサプライチェーン全体の俊敏性にも影響していたわけですね。新しい要件や市場の変化に迅速に対応することが難しくなっていったのではないでしょうか。

Audrey Mito：おっしゃる通りです。レガシーシステムは長年にわたって安定したサービスを提供してきましたが、変化のスピードが加速する今日の環境では、その限界が見えてきました。特に後ほど説明する市場や顧客の期待の変化に迅速に対応するためには、より柔軟で拡張性のあるシステムが必要だと判断しました。これが、私たちがAWSを基盤とした新しいデジタルプラットフォームへの移行を決断した大きな理由の一つです。

3.2 変化する環境と市場状況

Audrey Mito：しかし、環境は変化しています。私たちのサプライチェーンについて話すとき、おそらく多くの人が考えるサプライチェーンとは非常に異なります。トヨタのサプライチェーンは非常に広範で包括的です。私たちのサプライチェーンについて話すとき、それは需要と供給計画、発注、製造、価格設定、流通、完成品のロジスティクス、車両構成、在庫管理など多岐にわたります。各領域を掘り下げると、その下に恐らく10の異なるアプリケーションがあります。ですから、サプライチェーン変革について話すとき、私たちは計画を立て始めてから顧客に車両を届けるまでの全てを網羅した変革を意味しています。

Clay Sheriff：それは確かに一般的なサプライチェーンのイメージを超えていますね。トヨタのサプライチェーンがこれほど包括的であるということは、変革の複雑さも増しますね。では、なぜこのタイミングで変革が必要だと判断されたのですか？

Audrey Mito：なぜ変革するのか？私たちは景観の変化を目の当たりにしてきました。これに対応してきましたが、通常のカイゼンや継続的改善を超えたものが必要でした。より大きな飛躍が必要だったのです。

顧客の需要や期待が変化しています。顧客は購入時に自分で運転できる体験を期待しています。何を買いたいか、いつ買うか、どこで購入したいかを選択できることを望んでいます。車両がどこにあるか知りたいと思っています。まさに適切な車両を適切な場所で適切なタイミングで提供することが求められています。

自動車業界自体も変化しています。現代の車両はソフトウェアやデジタル技術により依存するようになっています。これはユーザー体験や機能だけでなく、車両自体の性能にも影響します。

Clay Sheriff：顧客体験とテクノロジーの進化が大きな要因ですね。チームメンバーへの影響についてはどうですか？

Audrey Mito：チームメンバーはトヨタにとって重要です。Clayも言及したように、私たちは非常に包括的な企業ですが、私たちが行いたいことの一つは、最高のチームメンバーを採用し維持することです。そのためには、チームメンバーが付加価値のある仕事や楽しめる仕事をできるようにする必要があります。多くを達成したと感じられるような環境が必要なのです。システムが彼らの最善を尽くすことを妨げるなら、それは改善すべき点です。私たちは最適なワークフローをサポートするシステムが必要です。システムが理由で何かをせざるを得ないという状況ではなく、彼らがやりたいことをサポートするシステムが必要なのです。

そしてもちろん、COVID-19パンデミックは市場条件や環境の変化、そしてサプライチェーンの混乱に迅速に対応するためのアジリティ、対応力、柔軟性の必要性を示しました。これらは今日の日常生活の自然な一部となっています。

Clay Sheriff：なるほど、顧客の期待の変化、技術の進化、チームメンバーのエンパワーメント、そして予測不能な混乱への対応力。これらが変革を推進する主要な要因なんですね。これらの変化に対応するには確かに従来のカイゼンアプローチを超えた大きな変革が必要だと納得できます。

3.3 サプライチェーンの焦点の変化

Audrey Mito：私たちが見てきたもう一つの変化は、サプライチェーンの焦点がかつては主に運用効率に置かれていたことです。20年前、それが全てでした。誰もが運用効率やコスト削減だけを気にしていました。サプライチェーンにおいて、それが全ての人が注目していたことでした。価値創造を考慮する人はいませんでした。

しかし、私たちはこの分野で変化を目の当たりにしています。特に私がここで示している分野においてです。まず持続可能性について考えてみましょう。車両の配送方法、配送先、配送できる台数を指示する規制や法律の数が劇的に増加しています。私たちは、それらの制限や制約を考慮しながら最適に車両を配送する方法を決定するのに役立つサプライチェーンが必要です。

Clay Sheriff：その点は非常に興味深いですね。従来のサプライチェーンは効率性とコスト削減が中心でしたが、今は持続可能性という要素が加わり、複雑さが増しているわけですね。他にも焦点の変化はありますか？

Audrey Mito：もちろん、すでにアジリティについては触れましたので、そこは割愛します。もう一つの重要な点は顧客中心主義です。私たちのサプライチェーン変革の一部、あるいはその原動力は、顧客体験を向上させることです。私たちのサプライチェーンが顧客の期待を超える最高の顧客体験を提供できるようにしたいのです。

お客様が車を購入した後、「素晴らしい体験だった、何の不安もない、また取引したい、またこの会社と取引したい」と思ってもらえるようにしたいのです。それが私たちが構築しているものです。それが私たちのサプライチェーン変革の大きな焦点です。

Clay Sheriff：つまり、サプライチェーンは単なるバックエンドの運用プロセスではなく、顧客体験の中核部分になってきているということですね。これは大きなパラダイムシフトだと思います。

Audrey Mito：その通りです。そして当然、テクノロジーを活用し、サプライチェーンを通じて以前には提供できなかった新機能やサービスを提供する機会を探し続けることで、イノベーションを推進したいと考えています。

Clay Sheriff：Audreyさん、このサプライチェーンの焦点の変化は、実際にビジネスモデル全体の変革を示していますね。効率性だけでなく、持続可能性、アジリティ、顧客中心主義、イノベーションといった複数の価値創造の側面が重要になっています。これらの新しい要素に対応するためには、確かに従来のシステムを超えたものが必要だと理解できました。特に、サプライチェーンが顧客体験の重要な部分となっているということは、デジタル変革の重要性をさらに高めていますね。

4. トヨタのサプライチェーン変革アプローチ

4.1 変革の基本原則（People-Led, Data-Driven, Tech-Enabled）

Audrey Mito：私たちの変革の原則は、「People-Led（人材主導）」、「Data-Driven（データ駆動）」、そして「Tech-Enabled（技術活用）」です。まず、サプライチェーン領域で働くチームメンバーのスキル、専門知識、コラボレーション、そして幸福を優先しています。これが私たちの目標です。何かを始めるとき、私たちは常にそれがチームメンバーにとって何を意味するのか、サプライチェーンで働く人々にとって何を意味するのかを考えています。

Clay Sheriff：「People-Led」の原則はトヨタウェイと強く結びついていますね。技術導入の前に人を考えるというアプローチは印象的です。「Data-Driven」と「Tech-Enabled」についてはどのような考え方ですか？

Audrey Mito：データ駆動型であることも重要です。プロセスのあらゆる段階で、サプライチェーンにおける最適な意思決定を行うためにデータの活用を最適化したいと考えています。これにより効率性が向上し、顧客体験も向上します。そして当然ながら、テクノロジーはこれら全ての中核的な実現要因です。私たちの取り組みをサポートするために、常に最良のテクノロジーを求め続ける必要があります。

技術が最新で関連性があり、サプライチェーンの目標達成に役立つことを確認したいのです。これら3つの原則は私たちの変革アプローチの基盤となっています。

Clay Sheriff：これらの原則がどのように実際のプロジェクトに反映されているか具体例はありますか？例えば、「People-Led」の原則はチームの構成やトレーニングにどう影響していますか？

Audrey Mito：良い質問です。例えば、新しいソリューションを設計する際には、常にエンドユーザーであるチームメンバーを設計プロセスに参加させています。彼らは日々の業務でシステムを使用するため、彼らの視点と経験は不可欠です。

「Data-Driven」については、以前は直感や過去の経験に基づいて意思決定を行うことが多かったのですが、現在はあらゆる意思決定に関連データを活用しています。例えば、どの車両をどのディーラーに割り当てるかを決める際にも、過去の販売データ、地域の嗜好、在庫回転率などの要素を分析しています。

「Tech-Enabled」に関しては、単に最新技術を導入するだけでなく、ビジネス課題を解決するための最適な技術を選択しています。例えば、後ほど説明するETA予測のためにAIとMLを導入しましたが、それは単に技術が新しいからではなく、その特定の問題を解決するのに最も効果的だったからです。

Clay Sheriff：なるほど、これらの原則は単なる理念ではなく、具体的な行動指針として機能しているのですね。特にサプライチェーンのような複雑な領域では、人材、データ、技術のバランスが重要だと思います。この3つの原則は、IBMとトヨタの協業においても私たちが共有している価値観です。

4.2 変革の時系列

Audrey Mito：2020年に私たちは変革を開始しました。非常に小さなグループが集まり、理想的な顧客旅行がどのようなものになるかを特定するために協力しました。私たちはサプライチェーンのために持っているものと必要なものを棚卸しし、サプライチェーンの小さな部分に焦点を当てた小規模なPOC（概念実証）に取り組みました。文字通り、車両のETAをどう追跡するかということでした。それが私たちのPOCでした。

Clay Sheriff：興味深いアプローチですね。小規模な具体的な問題から始めることで、より大きな変革への基盤を築いたわけですね。その後はどのように発展したのでしょうか？

Audrey Mito：2022年初頭までに、状況は一気に拡大しました。サプライチェーンプログラムは、以前に私が話したサプライチェーンのエンドツーエンド全体を含むまでに成長しました。つまり、非常に小規模なものから、約1年半、少し1年を超える期間で巨大なものへと成長したのです。

Clay Sheriff：わずか1年半で小さなPOCから包括的なエンドツーエンドのサプライチェーン変革へと拡大したのは印象的です。そのような急速な拡大においても、当初の原則や方向性を維持することができたのでしょうか？

Audrey Mito：はい、維持できました。実は、小規模なPOCから始めたことが大きな成功要因だったと思います。車両ETAの追跡という具体的な問題に取り組むことで、私たちのアプローチを証明し、チームの信頼を築くことができました。そこで得た教訓が、より大きな変革への道筋を示してくれました。

また、最初からPeople-Led、Data-Driven、Tech-Enabledの原則に忠実であったことも重要でした。小規模なプロジェクトでも、チームメンバーを巻き込み、データを活用し、適切な技術を選択するというアプローチを実践しました。これにより、規模が拡大しても同じ原則を適用することができたのです。

Clay Sheriff：その段階的なアプローチは賢明ですね。急速な成長にもかかわらず、基本原則を維持できたことが成功の鍵だったということですね。我々IBMとしても、トヨタの変革の旅にこの初期段階から参加できたことを嬉しく思います。小さな一歩から大きな変革へと発展する様子を見ることができました。

4.3 パートナーシップと協力の重要性

Audrey Mito：このすべてを通して、パートナーシップは私たちの成功の鍵となっています。パートナーたちとの協力なしには実現できませんでした。チームの設定において共創することが重要です。共創する際には、ビジネス、IT、そしてビジネスパートナーすべてが、私たちの旅がどのようなものになるかを一緒に創り上げています。全員が発言権を持ち、誰もが手を挙げて「それには同意できない」と言うことができます。そして、私たちが構築しようとしているものについて健全な議論を行います。

Clay Sheriff：共創アプローチは特にトヨタの文化に適合していますね。IBMとして私たちも、従来のベンダー・クライアント関係ではなく、真のパートナーシップを築くことの価値を実感しています。他にパートナーシップの要素はありますか？

Audrey Mito：もちろん、アクセラレーターも重要です。私たちは迅速に構築しています。おそらく通常の2倍以上の速度で構築していると言えるでしょう。通常なら2年かかるものを、私たちは6ヶ月で本番環境に導入しています。これはパートナーの支援なしには不可能です。

また、エコシステムパートナーは、私たちにとって最適なプラットフォーム技術が何かを判断する上で重要です。私たちはそのような決断をするために、他者の力に頼っています。そして当然ながら、私たち全員が優れた成果物の提供に取り組んでいます。私たちは常に構築・提供しているものを改善する方法を探しています。

Clay Sheriff：アクセラレーターについて言及されましたが、通常2年かかるものを6ヶ月で納品するというのは印象的です。これはどのように実現されているのでしょうか？

Audrey Mito：これは複数の要因によるものです。まず、パートナーの専門知識を活用できることが大きいです。例えば、IBMはAWSプラットフォーム上での開発経験が豊富で、その知識を私たちのプロジェクトに直接適用することができます。

また、アジャイル開発手法を完全に採用したことも大きく貢献しています。以前のような長い要件定義フェーズや設計フェーズではなく、小さな機能単位で素早く開発・テスト・リリースしています。そして、得られたフィードバックを次の開発サイクルに反映させるという流れです。

そして何より、パートナーシップにおいては一方的な関係ではなく、お互いが学び合い、成長することが重要です。私たちとIBMの関係は、単なるサービス提供ではなく、真の協力関係です。これにより、通常では考えられないようなスピードでの開発が可能になっているのです。

Clay Sheriff：全く同感です。この協力関係の中で、私たちIBM側も多くを学んでいます。特にトヨタの文化や価値観、意思決定プロセスについての深い理解は、他のクライアントとの協業にも役立っています。パートナーシップは双方向の学びの旅なのです。これが、単なるベンダー関係を超えた真の協力関係の力だと思います。

4.4 反復的な開発アプローチ

Audrey Mito：私たちのアプローチは、規模での提供を実現するために反復的です。先ほど述べたように、これらのチームが協力して私たちの仮説や考え、やりたいことを迅速に作り上げます。そして直ちにイノベーションとテストのプロセスに入ります。私たちはテストを行い、POCを実施し、何が機能するか、何が機能しないか、何が好ましいか、何を変更する必要があると考えるかを確認するために、素早く簡易な方法で検証します。チームが集まって解決策を見つけ、コンセプトが証明された瞬間から構築を開始し、提供して本番環境に投入します。

Clay Sheriff：その反復的アプローチについてもう少し詳しく教えてください。特に、テストと実装のサイクルはどのように管理されていますか？

Audrey Mito：私たちはMVP（実用最小限の製品）から始め、常に構築を続けています。具体的には、小さな機能単位で開発し、それを短期間でテストして評価します。うまくいかない部分があれば、すぐに修正または方向転換します。うまくいく部分は拡張していきます。

例えば、ETAの予測モデルを開発した際は、最初は限られた地域と車種でモデルをテストしました。そこで得られた洞察を基に改良を加え、徐々に対象範囲を拡大していきました。このようなアプローチにより、大きな失敗のリスクを減らしながらも、イノベーションを推進することができます。

Clay Sheriff：その反復的なプロセスは、従来の「ウォーターフォール」型開発と比べてどのような利点をもたらしていますか？

Audrey Mito：最大の利点は、早い段階で価値を提供できることです。従来の開発モデルでは、すべての要件を最初に定義し、設計を完了させてから開発を始め、最後にテストするというアプローチでした。これには長い時間がかかり、最終的に完成したシステムが当初の期待に合わないリスクがありました。

反復的なアプローチでは、小さな単位で開発とテストを繰り返すため、より早く価値を提供できます。また、実際のユーザーからのフィードバックを開発途中で取り入れることができるので、最終的な製品が実際のニーズに合致する可能性が高まります。

例えば、私たちのパイプライン可視化ツールは、最初は基本的な機能だけでリリースしました。しかし、ユーザーからのフィードバックに基づいて継続的に機能を追加し、現在では当初の想像を超える価値を提供しています。

Clay Sheriff：確かに、このような反復的アプローチは、特に不確実性が高い環境や技術が急速に変化している領域では非常に効果的です。IBMとしても、伝統的な大規模プロジェクトから、より機敏なアプローチへの移行を推進しています。トヨタのような大企業がこのアプローチを採用し成功していることは、業界全体にとって重要な事例となっていますね。

5. CUBEデジタルオペレーショナルプラットフォーム

5.1 プラットフォームの概要

Audrey Mito：CUBE（キューブ）は、AWSで構築された私たちのデジタルオペレーショナルプラットフォームです。私たちが構築するものはすべてCUBE上に構築されています。サプライチェーンに関するすべてのものが、AWS CUBE システム上に構築されているのです。

こちらが、構築したものの一部のリストです。すべてを載せることはできなかったので、ほんの一握りです。これらは、CUBE上で提供した製品のほんの一部です。いくつかについては後ほど詳しく説明しますが、例えば「パイプライン」は私たちのエンドツーエンドのパイプライン可視化ツールです。「コントロールタワー」は、ETAをモニタリングするための最初の製品の一つで、6ヶ月以内に構築しました。「デマンドマッチング」は、顧客リクエストと受注済み注文のフルフィルメントを最適化する方法です。

ETA予測については後ほど少し詳しく説明しますが、これは車両がディーラーに到着する時期を予測するものです。スマートフルフィルメントエンジンは、顧客の購入決定と利用可能なものを支援するマッチングエンジンです。そして、車両コンフィギュレーターは、構成バリデーターとして機能する企業全体の車両ハブです。

Clay Sheriff：CUBEは本当に包括的なプラットフォームのように見えますね。これらすべての製品が単一のAWSベースのプラットフォーム上に統合されているとのことですが、これによってどのような利点が得られていますか？

Audrey Mito：最大の利点は、データの一元化と統合です。以前は、異なるシステムや部門間でデータが分断されていました。これにより、車両やサプライチェーンの全体像を把握することが非常に困難でした。CUBEでは、すべてのデータが一貫した形式で単一のプラットフォームに保存されるため、より適切な分析と意思決定が可能になります。

また、AWSの強力なスケーラビリティとパフォーマンスを活用できることも大きな利点です。日々何百万ものデータポイントを処理し、リアルタイムの洞察を提供する必要がありますが、AWSプラットフォームによってこれが可能になっています。

Clay Sheriff：そして、これらすべての製品が共通のデザイン原則や技術スタックに基づいて構築されていることも重要ですね。これにより、異なる製品間の一貫性と相互運用性が確保されます。これは、後ほど詳しく説明する設計標準の重要性にも関連していますね。

Audrey Mito：その通りです。CUBEは単なる技術プラットフォームではなく、私たちのビジネス変革を支える基盤なのです。技術的な統合だけでなく、ビジネスプロセスとユーザーエクスペリエンスの統合も提供します。これにより、エンドツーエンドのビジビリティと、より素早い意思決定が可能になっているのです。

5.2 エンドツーエンドパイプライン可視化

Audrey Mito：こちらは私たちが構築した最も大規模な製品の画像です。IBMがパートナーとしてこの構築を支援してくれました。これは私たちのエンドツーエンドパイプライン可視化ツールで、車両の注文時点から小売顧客への販売までを追跡します。

このシステムの重要な点は、まず第一に、以前私たちが可視化に使用していた緑色の画面よりもはるかに優れていることです。しかも、以前のシステムではエンドツーエンドの可視化すらできませんでした。かつてのメインフレームが示していた内容を理解するためには、実際に流通とサプライチェーンに精通している必要がありました。一方、私たちのエンドツーエンドパイプラインでは、すべてが平易な言葉で表現されています。一般の人でも見れば「ああ、パイプラインを見てください。これがすべての車両の場所です」と言えるほど分かりやすいのです。

Clay Sheriff：これは革命的な変化ですね。以前は専門知識がないと理解できなかったものが、今では誰でも直感的に把握できるようになったわけですね。組織全体での情報共有という点でも大きな前進だと思います。

Audrey Mito：その通りです。このツールにより、エンドツーエンドのパイプライン可視性が組織全体でアクセス可能になりました。これは以前には決してできなかったことです。以前は、サプライチェーンの専門家のところに来て「状況はどうなっていますか？問題はありますか？在庫レベルは足りていますか？」と尋ねる必要がありました。今では誰もが自分で確認できます。すべての情報が誰にでも見えるようになっています。

しかし、重要なのは、これが私たちが現在開発中のジェネレーティブAIチャットボットに必要なフレームワークを提供していることです。これにより、このアプリケーションのアクセシビリティがさらに組織全体に拡大されます。なぜなら、人々はどこに行けばいいのかさえ知らなくても、単に質問を入力して「25年モデルのカムリの在庫レベルはどうなっていますか？」と尋ねることができるからです。システムがそれを探して回答してくれるのです。

これは私たちにとって非常に大きな進歩です。サプライチェーンの人々にとって、これは本当にエキサイティングなことなのです。

Clay Sheriff：このエンドツーエンドの可視化が、将来のジェネレーティブAIチャットボットの基盤になるという点は非常に興味深いですね。データの民主化と透明性の向上が、次世代のAIツールへの道を開いているわけです。このような可視化がもたらす実際のビジネス価値についてもう少し教えていただけますか？

Audrey Mito：もちろんです。この可視化がもたらす最も重要な価値の一つは、問題の早期発見と解決です。以前は、サプライチェーンの問題が表面化するまでに時間がかかり、その時点では対応が遅すぎることもありました。例えば、特定の地域で特定のモデルの在庫不足が発生していても、それが明らかになるまでに数週間かかることもありました。

今では、リアルタイムでこれらの傾向を見ることができるため、予防的な措置を講じることができます。また、データが平易な言葉で表現されているため、サプライチェーンの専門家でない経営幹部も状況を理解し、より良い戦略的決定を下すことができます。これはビジネスのアジリティと意思決定の質の向上につながっています。

5.3 ETA予測システム

Audrey Mito：ETAについてお話しましょう。車を購入するとき、車がすでにディーラーにない場合、「車はいつ利用可能になりますか？」という質問ができることを期待しますよね。これは私たち全員が慣れていることで、Amazonがこれを必須のものにしました。

ETAは私たちの2番目に古い製品であり、AIとMLモデルを使用して、車両がディーラーに到着する予定時間の見積もりウィンドウを作成しています。最初のモデルは、レガシーシステムを置き換えるために本番環境に導入するのに約4ヶ月かかりました。そして、それを行ったとき、私たちはETA精度を大幅に向上させました。場合によっては4ヶ月間で2倍にもなりました。

Clay Sheriff：わずか4ヶ月で精度が2倍になったというのは驚異的ですね。どのようにしてそのような改善を実現したのでしょうか？

Audrey Mito：それ以来、私たちはモデリングを継続的に強化し、より細かい粒度を構築してきました。画面上に表示されている小さな画像を見てください。あの点々は私たちのサプライチェーンを通過する車両を示しています。線は車両のETAを計算するのに役立つ、私たちが持つすべての異なるモデルを示しています。

現在、私たちは生産ラインでの製造が始まる前でさえ、車両のETAを予測することができます。つまり、車両が実際に製造される前でも、ETAを予測し投影することができるのです。同時にETA精度も向上させています。

Clay Sheriff：製造前でもETAを予測できるというのは印象的です。これはどのようなデータポイントに基づいているのですか？また、顧客体験にはどのような影響がありますか？

Audrey Mito：私たちは、過去の製造データ、輸送パターン、地域ごとの特性、季節的要因など、様々なデータポイントを活用しています。例えば、特定の車種の過去の生産時間データや、出荷ルートごとの平均輸送時間などを考慮します。これらを組み合わせることで、車両が実際に製造される前でも高い精度でETAを予測できるようになりました。

顧客体験の観点では、これは適切な期待を設定することでお客様満足度を向上させる大きな成果です。以前は、見積もりが不正確だったり、かなり遅い段階でしか提供できなかったりしたため、顧客はしばしば不満を感じていました。今では、購入プロセスの早い段階で、より正確な情報を提供できるため、顧客体験全体が向上しています。

Clay Sheriff：このETAシステムは単なる予測ツール以上のものですね。顧客満足度の向上に直接貢献し、同時にディーラーや内部オペレーションの計画立案にも役立っています。また、AIとMLを活用した具体的なビジネス価値の良い例だと思います。データ駆動の意思決定とテクノロジーを活用した顧客体験の向上という、トヨタの変革原則がここにも表れていますね。

5.4 スマートフルフィルメントエンジン

Audrey Mito：私たちのスマートフルフィルメントエンジンは、最後に紹介する製品です。これは実際に、顧客の問い合わせに基づいてパイプライン内の車両を推奨することで、購入プロセスにおいて顧客を支援するAIとMLエンジンです。

例えば、顧客がオンラインで何かを探し、車両の仕様を決めて「これが欲しい」と言ったとします。私たちのスマートフルフィルメントエンジンは、顧客が求めているものを調べ、完全に一致するものや最も近いマッチを探し、それを顧客に提案するように設計されています。「こちらがあなたが利用できるオプションです。待ち時間やそれらがどこにあるか、もしご興味があればお知らせします」というようなメッセージを表示します。

Clay Sheriff：これは顧客体験にとって大きな改善ですね。顧客自身が一致する車両を探す手間を省けるわけですね。このエンジンは現在、実際の環境で稼働していますか？

Audrey Mito：はい、顧客体験の観点からは、彼らが探す必要はありません。何が利用可能かを知り、私たちが支援できます。このエンジンは実際に本番環境で稼働しており、toyota.comやlexus.comで実際に動作しているのを見ることができます。これは私たちのプログラムの一部であり、今日の顧客によって使用されています。

Clay Sheriff：これは非常に素晴らしいですね。実際の顧客に既に価値を提供していて、しかもトヨタとレクサスの両方のウェブサイトに統合されているというのは印象的です。このスマートフルフィルメントエンジンはどのようなテクニカルコンポーネントで構成されていますか？また、従来のマッチングシステムと比較してどのような違いがありますか？

Audrey Mito：技術的な面では、このエンジンはAWSのサービスを最大限に活用しています。機械学習モデルは、顧客の好みを理解し、最も関連性の高い車両を特定するために使用されています。システムは顧客の要望と在庫データをリアルタイムで処理し、最も適切なマッチングを提案します。

従来のシステムとの大きな違いは、単なる検索エンジンではなく、インテリジェントなレコメンデーションエンジンだということです。例えば、顧客が特定の色と特定の機能を持つ車両を探している場合、完全一致が見つからなければ、システムは顧客の優先順位を理解し、最も近い代替案を提案します。「この車は希望の色ではありませんが、他のすべての機能は一致しています」といった具合です。

また、このシステムは継続的に学習しており、顧客がどのような提案に反応するかに基づいて推奨アルゴリズムを改善しています。これにより、時間の経過とともに推奨の質が向上し、顧客満足度とコンバージョン率の向上につながっています。

Clay Sheriff：顧客中心のアプローチがここにも表れていますね。単なる在庫検索ではなく、顧客の好みを理解し、最適なオプションを提案するインテリジェントなシステムを構築されたことがわかります。これはまさに、データ駆動で技術を活用した顧客体験の向上という、トヨタの変革ビジョンを体現していると言えるでしょう。

6. IBMの差別化とAWS連携の価値

6.1 プロアクティブなサプライチェーンの構築

Clay Sheriff：Audreyに感謝します。ここで私たちが移行していくにあたって、IBMの差別化の観点からお話ししたいと思います。このような規模のプログラムを実行し、AWSを活用する場合について考えると、Audreyも少し触れていましたが、以前のビジネスは反応型でした。彼らは質問を受け、グリーン画面に行き、何が起きているかを調査する必要がありました。今では、データを可視化し、何が来るかを見て、顧客の需要を見ることができるようになっています。

しかし、サプライチェーンをどうプロアクティブにするか？つまり、データが揃っていて、その上にGenAIとAIを載せ、顧客の需要を予測し始め、顧客が期待する車両を先回りして顧客に提供するにはどうすればよいでしょうか？

Audrey Mito：それこそが私たちが目指している方向です。反応的なサプライチェーンから予測的なサプライチェーンへの移行は、まさに私たちのビジョンです。データを可視化するだけでなく、そのデータから将来の傾向を予測し、先手を打って行動することが重要です。

Clay Sheriff：そのために、ここに4つの異なる柱があります。右端には、オートメーション、GenAI、MLがあります。しかし、トヨタのような組織の規模と、彼らが持つデータ量、そして40年間のシステムを考えると、単純にそれをオフにして新しいシステムを立ち上げることはできません。年間200万台の車両が米国中で移動している場合、それは不可能です。

従って、左側の柱がなければ、GenAIモデルを実行することはできません。単純に不可能なのです。左側に戻ると、これは実行と基盤を構築するためのリーダーシップのことです。単純に聞こえるかもしれませんが、日々の基盤を実行し構築する規律を持つことが重要です。協力について少し話をすると、AWSとIBMチーム、トヨタ、その他のシステムインテグレーターとの協力は、日々のコードのリリースと実行に関わる大きな仕事です。私は昨年の本番環境への500回のリリースについて考えていますが、これは相当な量の作業です。

Audrey Mito：そうですね、その実行力と規律は私たちの変革の重要な部分です。特に注目すべきは、技術的な変革だけでなく、業務プロセスと組織の変革も同時に進行していることです。プロアクティブなサプライチェーンを構築するためには、技術だけでなく、人々の働き方も変える必要があります。

Clay Sheriff：まさにその通りです。技術と人材の両方の変革があってこそ、本当のプロアクティブなサプライチェーンが可能になります。データを持っていても、それを活用して予測や意思決定ができなければ意味がありません。トヨタとIBM、そしてAWSとの協力によって、データ駆動の意思決定文化と技術的能力の両方を構築できていると思います。これこそが真の差別化要因だと考えています。

6.2 実行と設計標準の重要性

Clay Sheriff：Audreyが誇りに思っている二つ目の要素は設計標準です。北米全体のエンタープライズアプリケーションを構築し、それをグローバルに拡張する可能性がある場合、建築、データ、ユーザー体験、AI Opsの設計を確立して堅固にしなければ実現できません。なぜなら、もし誰かがサプライチェーンの別の領域で自分のデータを取り、独自に何かを構築した場合、短期的には機能するかもしれませんが、長期的には、システムが今後40年間持続するための速度、アジリティ、基盤を持つことはできないでしょう。

Audrey Mito：その点は非常に重要です。私たちは過去のシステムの教訓から学んでいます。40年前に作られたシステムは優れたものでしたが、時間が経つにつれて様々な機能が追加され、統一性のない複雑なシステムになってしまいました。今回の変革では、最初から設計標準を確立し、それに忠実であることを重視しています。これにより、将来の拡張性と保守性が大幅に向上します。

Clay Sheriff：そうですね、どのようにAWS上に正しい基盤を構築するかを考えると、5年後に変更を加えることができ、基盤が確立されていることを人々が理解し、標準的なUIがあり、AIオペレーションが整備され、日々の変更を処理するチームがいることが重要です。

これは単なる技術的な問題ではありません。例えば、ユーザーエクスペリエンスの標準化を考えてみてください。以前のグリーン画面からエンドユーザーフレンドリーなインターフェースへの移行は、技術的な変更以上のものです。これは、サプライチェーン情報へのアクセスと理解の方法を完全に変えるものです。

Audrey Mito：まさにその通りです。設計標準は、単にコードの書き方や技術的なアーキテクチャだけではなく、ユーザーインターフェースからデータモデルまで、エンドツーエンドの体験全体に及びます。例えば、新しい機能を追加する際には、既存のデザイン言語に準拠し、同じデータモデルを使用し、一貫したユーザー体験を提供する必要があります。

設計標準があることで、複数のチームが並行して作業しても、すべてのコンポーネントが統合されたときに一貫したシステムになります。これは単なる効率性の問題ではなく、最終的なユーザー体験の質に直接影響します。

Clay Sheriff：また、設計標準はサプライチェーンの透明性と可視性という目標にも直接寄与します。標準化されたデータモデルとインターフェースがあることで、異なるシステム間でのデータの流れがスムーズになり、エンドツーエンドの可視性が向上します。これにより、意思決定プロセスが改善され、より予測的で先見的なサプライチェーンが実現します。

6.3 人材と能力の確保

Clay Sheriff：私たちはすでに人材について話しました。実行、設計標準、ビジョンの間のギャップを埋めることができる有能なチームメンバーが必要です。単に命令を受けて従うだけの人ではなく、立ち上がってAudreyに「なぜこのようにしているのですか？」と質問する意欲のある人材が必要です。ビジョンがプロアクティブで予測的なサプライチェーンなのであれば、なぜ私たちは日々このような決断をしているのでしょうか？

Audrey Mito：その点は非常に重要です。単に技術を導入するだけでなく、その技術を最大限に活用できる人材が必要です。プログラムに関わる人々が単なる実行者ではなく、ビジョンに興奮し、それに貢献したいと思うような環境を作りたいのです。

Clay Sheriff：人材の観点は、私たちがプログラムで働いている人々に対して持つ願いです。彼らがビジョンに興奮してほしいのです。「私はこの一部になりたい」と言ってほしいのです。レクサスを購入し、フルフィルメントプロセスがどのようなものか、そして自分の車がどのように届くのかを理解したいと思ってほしいのです。

Audrey Mito：その通りです。私たちのチームメンバーは単なる技術者ではなく、変革の代理人です。彼らがビジョンを理解し、それに熱意を持つことで、彼らは日々の意思決定においてそのビジョンを実現するための選択をします。また、彼らが顧客体験を本当に理解していることも重要です。だからこそ、私たちはチームメンバーが実際の顧客が体験することを体験することを奨励しています。

Clay Sheriff：そして、これは「People-Led」という原則に直接つながりますね。技術的なスキルだけでなく、ビジョンとその実現方法を理解できる人材が必要です。これがなければ、私たちは単に古いシステムを新しい技術で複製することになりかねません。真の変革は、技術とそれを活用する人材の両方から来るのです。

Audrey Mito：全くその通りです。また、人材の多様性も重要です。異なる背景、スキルセット、視点を持つチームメンバーがいることで、より革新的で包括的なソリューションが生まれます。技術的な専門知識と業務知識の両方を持つ人材が協力することで、真に価値のあるソリューションが生まれるのです。

Clay Sheriff：そして、忘れてはならないのは、これらの人材を引き付け、維持するための環境を作ることです。意味のある仕事、継続的な学習の機会、そして明確なキャリアパスを提供することが、最高の人材を確保するために不可欠です。特にAIやクラウドといった急速に進化する分野では、継続的な学習と成長の文化が極めて重要です。

6.4 AWSサービスの活用

Clay Sheriff：時間の都合上、CUBE全体で使用されているサービスについて進みます。トヨタはAWSを基盤として全面的に採用しています。AWS以外にもサービスはありますが、私たちが話しているのはビジネスに提供するエコシステムパートナーについてです。トヨタのCEOは、このプログラムで何が起きているかを毎週把握しています。つまり、このプログラムはそのレベルにあるのです。

小川CEOは何が起こっているか、新しい技術をどのように活用してビジネスに価値を還元しているかを知りたがっています。彼は最終消費者への価値について尋ねています。お客様体験、ディーラー体験、そして重要なのは従業員体験をどう向上させるかということです。Audreyと彼女のチームメンバーの日常生活はどのように改善されているでしょうか？彼らはどのように会社の価値に貢献しているのでしょうか？

Audrey Mito：その通りです。CEOのコミットメントがこの変革の重要な推進力となっています。私たちが利用しているAWSのサービスは、単なる技術的なツールではなく、ビジネス価値を創出するための手段です。例えば、Amazon SageMakerを使用して当社のETA予測モデルを構築していますし、AWS Lambdaを使用してサーバーレス機能を実装しています。

Clay Sheriff：そして、Heatherに話を渡す前に一言。AWSはクラウドプラットフォームです。私たちがここにいるのには理由があります。コスト削減、スケーラビリティ、セキュリティについての言葉をここで読むことができます。AWSは選択された基盤クラウドプラットフォームです。IBMとAWSのパートナーシップは非常に順調に成長しています。今週、新しいセキュリティに関する発表がありました。私たちには何千もの認定と実務者がいることは既に述べました。

私たちの立場を伝えるなら、トヨタをメインフレームからAWSに移行しているということです。私たちはその取り組みを主導しています。なぜなら、オープンエコシステムを信じているからです。最後に、私たちはどこに向かっているのでしょうか？Amazon Q、Bedrock、IBMのGraniteモデル、AIモデルの上に構築されるwatsonx.governanceなどです。

Audrey Mito：AWSとの協力によって、私たちは最新のクラウド技術とAIを活用して、サプライチェーンを根本的に変革することができています。これはただの技術移行ではなく、ビジネス価値創出のためのプラットフォームの構築なのです。AWSのサービスを使うことで、スケーラビリティ、俊敏性、そして最新の技術へのアクセスという利点を得ています。

Clay Sheriff：そしてサプライチェーンを見ると、これをアフターマーケットにまで拡張することもできます。製造業にさらに深く入り込むこともできます。Qプラットフォームに関しては、信じられないほどの機会があります。

7. AI成熟度と将来の方向性

7.1 AIの市場価値と成熟度曲線

Heather Gentile：本日の議論を締めくくるにあたり、AIが今後どのように展開していくのか、そしてIBMがAWSとのエコシステムパートナーとしてどのように協力しているかについて少し展望をお話ししたいと思います。まず文脈を設定するために、業界で何が起きているかをお伝えします。

ジェネレーティブAIは実質的にわずか2年前にメインストリームになりました。しかし、McKinseyと共同で行った最近の調査によると、ジェネレーティブAIは年間4.4兆ドルの価値を世界の利益にもたらすと予測されています。これがAIがビジネスにもたらす可能性のある影響です。では、それはどのように進展しているのでしょうか？

Clay Sheriff：4.4兆ドルというのは驚異的な数字ですね。AIの潜在的な影響力の大きさがわかります。Audreyと私が話してきたトヨタのサプライチェーン変革も、この大きな流れの一部と言えますね。AI成熟度のステージについてもう少し詳しく教えていただけますか？

Heather Gentile：AIの導入の進展について少しお話ししましょう。現在の状況は「Plus AI」の段階です。これは、組織が主に内部のユースケースで実験し、AIの導入によってさまざまな効率性を得ようとしている段階です。そのため、従業員の生産性やカスタマーケアに大きな焦点が当てられています。特に、ヘルプデスクのスタッフが単一のLLM内ですべての最適な情報にアクセスできるようにすることで、ヘルプデスクを非常に効率的にすることを重視しています。これにより、従業員はより迅速に顧客に回答を提供できるようになり、その結果としてNPSスコアが向上するといった効果が見られます。

Audrey Mito：トヨタでも「Plus AI」の段階での取り組みを進めています。特にETAの予測システムや、スマートフルフィルメントエンジンなどは、AIを活用して特定の領域の効率を高める取り組みです。次のステージには何がありますか？

Heather Gentile：組織が実験を重ね、これらのモデルがどのようにパフォーマンスを発揮するかを理解し始めると、次のステップはRAGと微調整に移行し、内部の管理されたデータをモデルに取り込み、出力の結果を向上させることに焦点を当てます。

そして転換点に到達します。これはITオートメーションが注目される段階です。転換点とは、企業内で行った作業と、おそらく開発者の視点からコードを生成するための効率性の開発を組み合わせる時です。私たちはwatsonx Code Assistantでそれを見始めています。

金融サービスと政府機関の両方から大きな関心を集めているプロジェクトの一つは、COBOLコードをJavaに変換することです。COBOLコードのプログラマーを見つけるためのスキル制約や、このコードに依存する非常に効率的なレガシーシステムを考えると、コードを効率的に変換し、開発者がレビューする必要のあるコード量を制限する能力は、より近代化されたアプリケーションへ移行するための大きな機会となります。

そして、最終的にはエージェントへと曲線を進んでいきます。これについては後ほど少し説明します。

7.2 AIの基盤要素（データ、モデル、ガバナンス）

Heather Gentile：将来の構成要素として、私たちはユースケースに焦点を当てています。AIに何を支援させたいのでしょうか？確かに強力なデータ基盤が最初の部分です。データ基盤と適切なモデルを見つけることについて少し戻りましょう。

実験においては、モデルが何をできるかに多くの焦点が当てられてきましたが、現在はROI（投資収益率）に対する関心が高まっており、パフォーマンスの観点だけでなく、そのモデルを継続的に実行するコストはどのくらいになるのかという観点からも、ユースケースをサポートするための適切なモデルをどのように選択するかが重要になっています。これにより、求めている価値の還元が実際に得られるのです。

なぜなら、そこには多くの異なる選択肢があるからです。そのため、その強力なデータ基盤を適切なモデルと組み合わせ、それをエンドツーエンドのガバナンスでサポートすることが重要です。ガバナンスは、ビジネスからユースケースが要求された時点から本当に始まります。

Clay Sheriff：データ基盤の重要性についてもう少し詳しく教えていただけますか？特にAIモデルの品質との関係について興味があります。

Heather Gentile：データはAI戦略を効果的に実行するための燃料です。予測MLから始まるデータガバナンスは常に重点的な分野でした。しかし、データの質が良ければ良いほど、モデルのパフォーマンスも向上します。モデルがどのように機能しているかについての信頼を持つことが不可欠です。

この例では、基盤モデルには膨大な量のパブリックデータが表現されています。しかし対照的に、通常、企業データのわずか1%だけがLLMに含まれています。したがって、AIを活用するためには、企業のサイロを打破してデータを接続する必要があります。

ここで、ハイブリッドバイデザインのアーキテクチャが、オンプレミスおよび複数のクラウドにわたる大量のデータを調整・管理するために必要な効率性を提供します。オープンソースと統合技術に基づくデータ基盤と、組織全体でデータを統合・共有する能力が必要です。

Audrey Mito：トヨタでも、そのデータ基盤の構築が重要な課題でした。レガシーシステムからのデータ移行やクレンジングは簡単ではありませんでしたが、質の高いデータがAIモデルの精度に直接影響することを実感しています。特にETAの予測やスマートフルフィルメントエンジンでは、様々なソースからのデータを統合し、一貫した形式で利用可能にすることが成功の鍵でした。

Heather Gentile：まさにその通りです。Audreyさん。データの質と一貫性が重要です。また、適切なガバナンスフレームワークを持つことも不可欠です。ガバナンスのベストプラクティスは統合されており、ユースケースの承認時に始まる完全な監査証跡を作成し、エンジニアリングフェーズでの意思決定を追跡・文書化し、そのモデルの動作が損なわれていないことを確認するために本番環境でのモニタリングフェーズまで継続します。

これが私たちをアシスタンスに導きます。アシスタンスとエージェントは組織を生産性の新たな高みへと導くことができます。アシスタンスによって、特定のユースケースを非常に迅速にサポートすることができます。例えば、特定の目的のために従業員をサポートする非常に効率的なアシスタントを持つことができる「HR質問」のようなユースケースがあります。

7.3 効率的なAIモデルの重要性

Heather Gentile：次のステップは、適切なモデルが必要だということです。つい最近まで、高いベンチマークを達成するためのメガモデルについて多くの議論がありました。今や会話は変わりました。より小さく、高度にチューニングされた効率的なモデルにシフトしています。これらのユースケースをサポートするために、GPUではなくCPUを使用する機会が見えてきています。

効率的なアプローチを取るために、正しいデータ、ガバナンスされたデータから始め、それを分析、翻訳、要約などに焦点を当てた小さな目的特化型モデルと整合させます。これらのモデルはメモリ要件とコンピューティングニーズが低いため、柔軟で展開可能でコスト効率の良いソリューションとなります。これらは大きなモデルを実行するコストのほんの一部で利用できます。

Clay Sheriff：効率的なモデルについての議論は非常に興味深いですね。特に大規模な企業にとっては、コスト効率と性能のバランスが重要です。トヨタのようなグローバル企業では、小さく効率的なモデルが大きな価値をもたらす可能性がありますね。

Heather Gentile：ベンチマーキングについて少しお話ししましょう。コスト削減の観点からいくつか見てきたことについてお話します。これらの効率的なモデルがInstructLabを使用して訓練される場合、コストと時間の両方を節約できます。ROIの観点からは、モデルの訓練と展開にかかる時間を削減できることがわかっています。

また、Granite-8Bモデルのパフォーマンスに関するいくつかのハイライトを共有したいと思います。目的特化型モデルと呼んだ、CPUではなくGPUで実行されるこれらのGranite-8Bモデルについて、市場内の他の同様のサイズのモデルと比較を行いました。Graniteモデルでは、これらのユースケースをサポートするために、同等または優れたパフォーマンスを生成する能力があることがわかります。公開ベンチマークとIBMの独自ベンチマークの両方で、平均的に見て優れた結果を示しています。

Audrey Mito：効率的なモデルのアプローチは、トヨタのような大規模組織にとって非常に興味深いですね。特に、グローバルに展開する際のスケーラビリティを考えると、CPUで動作する小型で効率的なモデルは大きな利点があります。これらのモデルを当社の環境に統合するための具体的なアプローチはありますか？

Heather Gentile：もちろんです。IBMでは、お客様の既存のインフラストラクチャを最大限に活用できるようにモデルを設計しています。例えば、トヨタのような企業が既に大量のCPUリソースを持っている場合、新たにGPUインフラストラクチャに大規模投資することなく、そのリソースを活用してAIモデルを展開できます。また、特定のドメイン知識や業界固有のデータで微調整することで、さらにパフォーマンスを向上させることができます。

サプライチェーンの特定のユースケース、例えばETAの予測やサプライチェーンの異常検出などには、大規模な汎用モデルよりも、目的特化型の小型モデルの方が実際には良い結果をもたらすことがよくあります。これらのモデルは特定のタスクに最適化されているため、より効率的かつ効果的にその仕事を遂行できるのです。

7.4 AIガバナンスの課題と対応

Heather Gentile：これでガバナンスに話を移します。ガバナンスは組織にとって戦略的に重要な分野であり、エンタープライズ全体で責任あるAIを大規模に採用するための競争上の優位性となりつつあります。ガバナンスに関連するいくつかの課題があります。

まず、規制環境の問題があります。EU AI法は、これまでに見た中で最も規範的なコンプライアンス法であり、現在ヨーロッパでは、これらの要件に準拠するための多くの努力が行われています。米国では、全国的な法律がない状況で、17の州が独自の州レベルの法律を提案しており、その多くはEU AI法をモデルにしています。グローバルに法律の波が来ていることは分かっているので、特にグローバル組織にとっては、新しい要件に迅速に対応するために、今日、拡張可能なフレームワークを整備することが重要です。

Clay Sheriff：規制環境の複雑さは確かに大きな課題ですね。特にトヨタのような世界中で事業を展開している企業にとっては、様々な地域の規制に対応する必要があります。企業がAIガバナンスを効果的に実施するための他の課題はありますか？

Heather Gentile：他の課題としては、より多くのステークホルダーがAI採用プロセスの可視性を必要としていることが挙げられます。予測MLでは、これは一般的にビジネスによってサポートされ、データサイエンスとITによって行われる演習でした。ジェネレーティブAIでは、様々なユースケースに使用できる大規模で強力なモデルがあるため、状況が少し異なります。

そのため、多くの組織が、AI採用において何がうまく機能しているか、ギャップや盲点はどこにあるかを調査するために、サイロを打破する機会を捉えています。手動プロセスでは、不正確な文書化のリスクがあります。ポリシーと手順が企業全体で一貫して従われない場合、リスクが高まります。また、サイロ化した環境では、異なるツールとデータがあり、それがギャップと手動プロセスにつながることがよくあります。

Audrey Mito：AIガバナンスの課題については理解できました。トヨタでも、AIを活用したサプライチェーンシステムを拡大するにつれて、ガバナンスの重要性を認識しています。これらの課題にどのように対処することをお勧めですか？

Heather Gentile：これらの複雑さを管理するために、エンタープライズ全体でガバナンスを調整し、テクノロジーを活用してAIガバナンスフレームワークを運用し、自動化されたワークフローとステークホルダーの接続を使用して、組織全体にベストプラクティスを広める機会があります。

AI採用の統合プロセスの一部として収集されるデータは、ビジネスがユースケースを要求した時点から始まり、リスク評価、コンプライアンス評価を含み、ユースケースが承認される前にこれらのステップを自動的に文書化するエンドツーエンドの監査証跡を作成します。そして、エンジニアリングに進みます。

エンジニアリングが、どのモデルがユースケースに最適かを比較している場合、モデルメタデータをモデルカードのようなファクトシートに自動的にキャプチャすることができます。これにより、モデルに入ったすべてのデータ、選択された時点でのモデルのパフォーマンスのパフォーマンスベンチマークを取り、実行時に実際のパフォーマンスや偏りのドリフト、幻覚、憎悪、攻撃性、冒涜などのリスクな行動などのリアルタイム比較を行うことができます。

これらのリアルタイムアラートが送信されることで、モデルの行動が期待された出力と一貫しているかどうかを確認し、組織にとって費用のかかるエラーを引き起こす前に対処することができます。これは、説明可能性と透明性を維持し、精度を向上させるのに役立ちます。

8. AIアシスタントとエージェントの活用

8.1 実際の導入事例と成果

Heather Gentile：実験段階を超えて本番環境に移行する組織が増えるにつれて、セキュリティへの関心も高まっています。あらゆる技術と同様に、CISOが関与し、ランタイム時にモデルを保護するための制御に自信を持つ必要があります。これはAWSとの協力にも関連しています。

約1年半前に、SageMakerでユーザーが行っている作業にこれらのガバナンス統合ポイントを構築し始めました。そのため、すぐに使えるインテグレーションにより、SageMakerの顧客は今まさに説明した自動的な監査証跡を構築することができます。

さらに、IBM Securityの価値提案をそこに取り入れています。焦点は、ジェイルブレイク、プロンプトインジェクション、プロンプトポイズニングなどの本番環境で発生する脅威に移っています。また、クラウド上またはネットワーク上に存在する可能性があるシャドーAIモデルにも注目しています。これらは、モデルインベントリの一部ではなく、インベントリに組み込んでユースケースと整合させる必要があります。

その後、そのリスク評価プロセスを経て、組織が使用されているモデル、それらのリスクの程度を認識し、効果的な制御を提供することができます。

それではアシスタンスについて少し話しましょう。アシスタンスは組織全体でより高い効率性とパフォーマンスレベルを達成するために、調整され自動化されています。これらは特定のユースケースのためにAIを迅速に採用するためのビルディングブロックです。

効果的であるためには、これらはドメインと業界に合わせたものである必要があります。IBMはAWSクラウドを通じていくつかのアシスタンスを提供しており、顧客体験、デジタルレイバー、ITオペレーションに焦点を当てた有望な高インパクトなユースケースがあります。

Clay Sheriff：具体的な導入事例はありますか？特に定量的な成果が分かるようなものがあれば興味深いです。

Heather Gentile：ここでいくつかのハイライトと例を紹介します。まず、watsonx Assistantを使用したSicrediについてですが、顧客体験が10%向上しました。彼らはブラジルの金融大手で、6,500件以上の顧客問い合わせの管理を改善し、プロジェクト開始から最初の3ヶ月以内に顧客維持率の統計で10%の向上を見ました。

デジタルレイバーに関しては、SportClipsが注目すべき事例です。デジタルレイバーにより、3時間の候補者アウトリーチワークフローが3分のタスクに短縮されました。これはwatsonx Orchestrateを使用して実現しました。

最後に、Citiと協力しコーディングと開発者の生産性に焦点を当てました。彼らはwatsonx Code Assistantを使用してコード作成に関わる時間を62%削減することができました。これらはすべて、ibm.comのウェブサイトで公開されているビジネスケーススタディです。

Audrey Mito：これらの成果は印象的ですね。特にSporClipsの例は素晴らしいです。3時間のプロセスが3分になるというのは、生産性の飛躍的な向上です。トヨタでもこのようなアシスタントの活用を検討していますが、サプライチェーン特有のユースケースに適用できるような事例はありますか？

Heather Gentile：サプライチェーンの領域では、例えば異常検出と対応のためのアシスタントが効果的です。サプライチェーンのさまざまなポイントからのデータを監視し、潜在的な問題を早期に検出して、適切なチームメンバーに通知し、解決策を提案することができます。

また、需要予測のためのアシスタントも価値があります。過去のデータ、市場の傾向、季節的要因などを分析して、より正確な予測を提供します。これらのアシスタントは、人間の専門知識を置き換えるのではなく、意思決定プロセスを強化し、チームメンバーがより戦略的な活動に集中できるようにするものです。

8.2 アシスタントからエージェントへの進化

Heather Gentile：最後に、アシスタンスからアシスタンスを経てエージェントへの移行について見ていきましょう。アシスタンスは特定のタスクで非常に効率的になるように処方的であると考えています。エージェントでは、異なるモデルが協力して作業する、より自律的なマルチステッププロセスとなります。しかし、当然ながら、それらは企業全体で一貫したガードレールと安全性を持って行う必要があります。これはガバナンスが重要となる部分です。

Clay Sheriff：アシスタントとエージェントの違いについて、もう少し詳しく説明していただけますか？特に、エージェントが提供する追加的な価値は何でしょうか？

Heather Gentile：大きな違いは自律性のレベルと複雑さにあります。アシスタントは特定のタスクやドメインに特化して設計されています。例えば、ETAを予測するアシスタントや、顧客の問い合わせに応答するアシスタントなどです。これらは優れたパフォーマンスを発揮しますが、一般的に単一のモデルであり、限られた範囲内で動作します。

一方、エージェントはマルチモデルのアプローチを取り、異なるAIモデルが連携して動作します。これにより、より複雑で多段階のプロセスを自律的に処理できるようになります。例えば、サプライチェーンのエージェントは、需要予測モデル、在庫最適化モデル、配送ルート最適化モデルなど、複数のモデルを組み合わせて、エンドツーエンドのサプライチェーンプロセスを管理することができます。

Audrey Mito：そのようなエージェントは、私たちの目指すプロアクティブなサプライチェーンにとって非常に有望に聞こえます。しかし、これほど自律的なシステムを導入する際の課題や考慮事項はありますか？

Heather Gentile：そうですね、未来を見据えると、AIエージェントの展開を加速することから始まります。組織は事前構築されたアシスタンスから迅速に開始し、最初のステップとして、その後、AIエージェントをグループ化してオートメーションを効果的に設計、展開、作成することに進むことができます。しかし、レビュープロセスの一部として人間をループに入れ続けることも重要です。

なぜなら、AI採用の中心はあくまで人、プロセス、テクノロジーだからです。事前構築されたエージェントから始めて、必要なときに必要なものを提供するカスタムエージェントに進み、最終的には最適化とスケーリングを実現できるようになります。

watsonx基盤からのさまざまなビルディングブロックを活用し、組織がAI成熟度曲線に沿って前進するのを支援するために、多くの変化が私たちの方向に向かっています。

このようなエージェントの導入には確かに課題があります。特に透明性、説明可能性、そして何よりも適切なガバナンスが不可欠です。エージェントがより自律的になるほど、その決定プロセスを理解し、必要に応じて人間が介入できるようにすることが重要になります。

Clay Sheriff：トヨタのようなグローバル企業にとって、こうしたエージェントの展開は段階的に行うべきでしょうね。最初は限定的な領域での導入から始め、成功事例を積み重ねていくアプローチが効果的だと思います。

8.3 将来の展望

Heather Gentile：最後に、watsonx基盤のさまざまなビルディングブロックを活用することによる多くの変化が私たちに向かって来ています。これらの異なる機会領域に投資を続けることで、組織がAI成熟度曲線に沿って進んでいくのを支援していきます。

締めくくりとして、今日の最後のセッションに参加していただいた皆様に感謝します。一部のグラフィックの読み込みエラーで少し戸惑いましたが、共有したかったハイライトはすべてお伝えできたと思います。ありがとうございました。

Clay Sheriff：Heatherが説明してくれた将来の方向性を見ると、AIが企業にとってますます重要な差別化要因になることは明らかです。特に、サプライチェーンのような複雑な領域では、AIの活用による価値創出の機会が無限にあります。

Audrey Mito：私たちトヨタもこの旅の始まりに過ぎません。CUBEプラットフォームを構築し、いくつかの主要なAI機能を実装しましたが、これは将来の可能性のほんの一部にすぎません。Heatherが説明したような効率的なAIモデル、包括的なガバナンス、そしてより高度なエージェントへの進化は、私たちのロードマップの重要な部分です。

特に興味深いのは、より予測的でプロアクティブなサプライチェーンを構築する可能性です。顧客が何を望むかを予測し、その需要に先回りして対応する能力は、顧客体験を根本的に変える可能性があります。

Clay Sheriff：おっしゃる通りです。そして、AWS、IBM、トヨタの協力関係が、この変革を推進する原動力となっています。私たちが今日お話ししたことは、単なる技術的な話ではなく、真のビジネス変革についてです。最終的には、顧客、従業員、そしてビジネスに価値をもたらすことが目標です。

これからの道のりには課題もありますが、適切な基盤、適切なパートナー、そして明確なビジョンがあれば、ジェネレーティブAIやその他の新興技術がもたらす機会を最大限に活用することができます。私たちはこの旅の初期段階にありますが、すでに重要な成果を上げており、今後も継続的に価値を創出していくでしょう。