2024-12-07 AWS re:Invent 2024: ジェネレーティブAIでエネルギー産業の未来を実現する

出展元

https://youtu.be/9vSlR_vwe2I?si=F0__Z1Z1OHOzf-S4

キーワード

ジェネレーティブAIエネルギー産業エージェンティックワークフローデータプラットフォーム

初回調査日

Mar 17, 2025 12:33 PM

※本記事は、AWS re:Invent 2024での「Powering the Future」セッションの内容を基に作成されています。このセッションでは、NextEra EnergyがAWSの支援を受けてジェネレーティブAIを活用し、エネルギー事業における変革を実現した事例が紹介されています。セッションの詳細情報はAWS re:Invent（https://go.aws/reinvent ）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、本記事の内容はセッションの内容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、オリジナルのセッション動画をご視聴いただくことをお勧めいたします。また、AWSの他のイベント情報（https://go.aws/3kss9CP ）やAWS動画チャンネル（http://bit.ly/2O3zS75 ）、AWSイベント動画（http://bit.ly/316g9t4 ）もご参照ください。

1. はじめに

1.1. 講演者紹介

Joseph Aria：こんにちは、皆さん。本日のセッション「Powering the Future」にご参加いただきありがとうございます。NextEraのジェネレーティブAIの旅について詳しくお話ししていきます。私はJoseph Ariaで、AWSのエネルギー産業バーティカルのソリューションアーキテクチャおよび顧客成功管理ディレクターを務めています。私のチームの基本的な役割は、最大手のエネルギー顧客と並んで座り、AWSクラウドを使ってビジネスと技術の問題を解決することです。本日はNextEraのパートナーであるJoseにもご参加いただいています。Jose、自己紹介をお願いできますか？

Jose Medina：こんにちは、Jose Medinaと申します。NextEraのAIとイノベーション担当シニアディレクターです。本日ここに参加できて光栄です。AWSやすべてのパートナーと協力して、素晴らしい変革的なソリューションを提供し、私たちのコミュニティや顧客の生活を向上させることができています。今日はその一端をお話しできることを嬉しく思います。

1.2. セッションの概要

Joseph Aria：今日の議題は大きく二つのセクションに分かれています。まず私から、エネルギー産業におけるジェネレーティブAIの重要性と、お客様がジェネレーティブAIをどのようにスケールしていくかをサポートしている方法についてお話しします。また、エネルギー分野で考慮すべきトレンドや重要事項についても触れていきます。

その後、Joseに引き継ぎ、NextEraでのジェネレーティブAIのスケーリングの旅についてご説明いただきます。NextEraはジェネレーティブAIの早期採用者の一つで、他社が実験段階で疑問を持っていた時期に彼らはその可能性を真剣に見据えていました。彼らは電力会社の中でジェネレーティブAIに関して最も進んだ顧客の一つです。Joseはまた、技術面だけでなく文化的側面についても触れ、彼らが取り組んでいる将来の展望についても少し紹介してくれます。

2. エネルギー業界におけるジェネレーティブAIの重要性

2.1. エネルギー需要の増加と課題

Joseph Aria：エネルギー産業が直面している最も大きな課題の一つは、経済の大部分の電化によるエネルギー需要の急増です。これは運輸部門の電化やデータセンターの増加によるものですが、米国エネルギー情報局(EIA)の予測によると、2050年までに現在より50%多い発電量が必要になります。しかも、これは単に発電量を増やすだけでなく、環境に過度な負担をかけない持続可能な方法で行わなければなりません。さらに、それが十分ではないかのように、発電は信頼性があり、回復力があり、そして手頃な価格でなければならないのです。

私たちは、クリーンでありながら手頃な価格で、過去数十年間と同じように信頼性の高いエネルギー源をどうにかして拡大する方法を見つけなければなりません。実際、商品としての電気は最も信頼性の高いものの一つです。スーパーマーケットに行くと、ほとんどの場合は牛乳があるでしょうが、時々ないこともあります。しかし、照明がついていて冷凍庫が動いていることは確実です。これは非常に信頼性の高い商品であり、その状態を維持する必要があります。

2.2. 持続可能で信頼性の高いエネルギー供給の必要性

Joseph Aria：現実には、これらの変化に対応するために必要な技術の多くはまだ発明されていないか、あるいは発明されていたとしても、先ほど述べた課題に対応できるレベルにまでスケールされていません。この問題を解決する方法は、イノベーションを通じて、既存の問題や、この移行が進むにつれて生じる新たな問題を解決するための新しいものや方法を発明することです。そしてジェネレーティブAIは、その変革やイノベーションの重要な要素になるでしょう。

私たちはNextEraを含む顧客がジェネレーティブAIの導入を進化させているのを見て、本当に喜ばしく思います。約18ヶ月前、実験の初期段階では、顧客はこの技術を使い始めたばかりでした。彼らはいくつかの概念実証を構築し、主な焦点は学習と、おそらく単純なプロセスの解決でした。彼らは自社のデータを取り込んでいない一般的なモデルを使用していました。それらは他のシステムと連携せず、質問をして回答を得るだけのものでした。これが当時、大多数の顧客が位置していた段階でした。

2.3. イノベーションとジェネレーティブAIの役割

Joseph Aria：現在、多くの顧客は第二段階に入っています。企業全体でジェネレーティブAIをスケールしている段階です。彼らが行っていることは、自分たちのデータを見て、「非常に強力な汎用モデルがあるが、数十年にわたって蓄積してきた膨大なデータもある。このデータを使って、他の方法では解決できないかもしれない問題を解決したり、より良い顧客体験を提供するにはどうすればよいか？」と考えています。また、LLMをアクションや後に続くことができる処理と結びつけ、エネルギーシステムに接続し始めています。

最終的な目標は、ジェネレーティブAIで強化されたプロセスを持ち、おそらく完全にジェネレーティブAIによって実行・自動化されたエンドツーエンドのプロセスを実現することです。オペレーターはジェネレーティブAIによって駆動される真に自律的なエネルギーシステムを検証することができるでしょう。この旅において、顧客はこのプロセスを進んでいます。大多数の顧客はフェーズ2にあり、まだフェーズ3に到達した顧客はいないと思います。一部の顧客はまだフェーズ1にいますが、約80%の顧客はフェーズ2にいると言えるでしょう。

3. ジェネレーティブAI導入の段階

3.1. 初期段階：実験と学習

Joseph Aria：すべての旅がそれぞれ異なるものの、私たちは顧客間でいくつかのパターンを見ています。例えば、多くの顧客は実現したいビジネスケースやユースケースを持っています。大手顧客は平均して、バックオフィスからフロントオフィス、運用に至るまで、企業全体で75〜150のユースケースを特定しており、ジェネレーティブAIに可能性を見出しています。しかし、ビジネスケースを定量化し、どれを優先すべきかを理解するのに苦労しています。

また、これらのユースケース全体にパターンがあることに気づいています。RAG（検索拡張生成）やチャットボットなどのパターンがあり、それらを活かして車輪の再発明を避け、多くのユースケースに展開できる方法を構築したいと考えています。彼らはビジネスをエンパワーしたいと考えており、プラットフォームを作成していますが、構築されるビジネスソリューションが承認されたサービスを使用していることを確認したいと思っています。また、これらのソリューションやモデルが行う各インタラクションが、セキュリティの観点から確立したガイドラインやガードレールに沿った方法で行われることを確認したいと考えています。

多くの顧客はこれらのソリューションを構築するための十分な人材がいないことを認識しています。そのため、ジェネレーティブAIのスキル、知識、経験を持つビルダーを育成し、ソリューション構築を加速させる方法を模索しています。さらに、NextEraを含む多くの早期採用顧客は、現在はクラウド提供の一部となっているプラットフォームの多くのコンポーネントを自ら構築しなければなりませんでした。今、彼らは「このコンポーネントを構築し続け、運用・維持することは意味がない。AWS クラウドから提供される標準的なものを採用し、ビルダーをビジネスと一緒に75〜150のビジネスケースやユースケースの解決に集中させよう」と考えています。

3.2. 拡張段階：企業全体への展開

Joseph Aria：そのため、AWSでは専門サービスグループと協力して、適切なユースケースの選択、ビルダーの迅速かつ安全なアプリケーション構築の加速と権限付与、そしてポートフォリオ全体をカバーする方法でお客様を支援するフレームワークと方法論を構築しました。私は多くの役員と会っていますが、彼らは皆、「HRのユースケースを修正したい、正しいポリシーを見つけたい、休暇日数はどのくらいか、ITヘルプデスクはどうなっているか」と言います。しかし、より多くの場合、焦点はフロントラインにシフトしています。「より良い石油生産を得るにはどうすればよいか？コストを下げるには？電力網のバランスをとるには？より速く、より正確に電力フローシミュレーションを行うには？」といった質問です。顧客は企業のエンドツーエンドをカバーしたいと考えています。

彼らはバックオフィスでリスク管理を中心に始めましたが、今では急速にフロントオフィスに目を向けています。そして、これらすべては、持続可能な成長を可能にする運用とガバナンスモデルによって包括されています。このプラットフォームは「ジェネレーティブAIファクトリー」と呼ばれ、4つの層を持っています。最上位層は「人材とプロセス」です。

多くの課題が人材とプロセスに関するものであり、技術的な問題は少なくなってきていることにご驚きではないでしょう。例えば、ビジネスケースをどのように構築するか、モデルが返すトークン数のコストをどのように予測するか、どのような回答が得られるか、ハルシネーションが発生するか、どの程度正確かなどです。そのため、信頼性の高いビジネスケースを構築する良い規律を持つことが非常に重要です。顧客は企業内でのジェネレーティブAIの承認された使用方法に関するポリシーの作成など、コンプライアンスとガバナンスに多くの時間を費やしています。

3.3. 成熟段階：インテリジェントな自動化

Joseph Aria：私たちは顧客を支援するためにモデル、他の顧客から見たポリシーなど、彼らの環境にカスタマイズできるものを提供しています。法務チームとも多くの時間を過ごしています。実際、IBU（産業別事業部）には弁護士チームがあり、リスク管理範囲の検討などで顧客を支援し、最終的には承認する必要がある法務チームが安心してジェネレーティブAIの使用を承認できるようにしています。

同じことが制御にも当てはまります。おそらく皆さんはAmazon Guardrailsに精通していると思いますが、モデルに許可された使用方法や行動を捉える方法があることを確認しています。モデルがどんなインタラクションを持つことを望むか、どこから離れてほしいか、どんなタイプのインタラクションをしてほしいか、そしてこれらの制御が適切に行われているか、誰が何にアクセスできるかなどを考慮します。

また、リスク管理テンプレートも提供しており、何が間違っているか、顧客向けのものか、そうでないか、リスクをどう管理するかなど、リスクを理解するためにユースケースを評価できるようにしています。そして、レジリエンスについてですが、これは特に顧客がスケールし始めると重要になります。実験段階のフェーズ1では、コストやレジリエンス、レイテンシーなどを気にしないかもしれません。しかし、本番環境に移行し、スケールし始めると、これらのトピックが重要になってきます。

そのため、レジリエントな方法でプラットフォームを構築し始めたいと考えています。これが整ったら、繰り返しのプロセスで行いますが、いかにビルダーが適切かつ加速された方法でソリューションを生み出すのを支援できるかを検討します。パイプラインのパターン、データとの接続方法、Party RockやCanvas Studioを使った開発・サンドボックス環境の構築方法、そして安全なCICDパイプラインを通じて本番環境に持っていく方法について、顧客と協力しています。

4. 企業におけるジェネレーティブAI導入の課題とパターン

4.1. ユースケースの優先順位付け

Joseph Aria：多くの顧客から聞くのは、「実験やサンドボックスを行うための環境が欲しい。でもデータにつながったままで、それでいて管理され、許容可能なリスクであり、サンドボックス環境なので非常によく制御されている方法でそれを行う方法がよくわからない」ということです。そこで私たちは顧客を支援します。

顧客がそれを見て構築し始めると、パターンを把握していきます。企業全体で見られるRAGパターン、チャットボットのタイプ、コードを生成する方法、コードアシスタンスを向けるべきより良いライブラリ（推奨事項が常に最高の基準であることを確認するため）、いくつかのワークフローの内容、マルチステージの分岐ワークフローなどです。ファクトリーの一部として、効率的かつ俊敏な方法でこれらのパターンを保存し、再利用し続けることができるリポジトリとライブラリを作成しています。

最後に、もう一つの例はプロンプト開発です。プロンプトがこれらのアプリケーションから得られる価値に不可欠であることは皆知っています。にもかかわらず、多くの顧客はプロンプト管理の初期段階にあります。あるプロンプトが別のプロンプトよりも優れているかどうかをどのように知るのでしょうか？多くは定性的な指標です。顧客が今日、プロンプト間で比較する際、あるいはあるモデルから別のモデルに移行する際に使用している実際の指標やデータはあまりありません。そこで私たちは、プロンプトのバージョン管理、モデル評価、プロンプトフロー、そしてユースケースに最も価値をもたらすプロンプトを使用していることを確信できるようにするための異なる方法を提供しています。

4.2. ビジネスケースの定量化

Joseph Aria：これらのソリューションを構築している中で、ソリューション層の下には、ソリューションの構築基盤となるプラットフォーム層があります。ここには責任あるAI、責任あるAIサービスがあります。一貫したガードレールを使用し、すべての対話が一貫したガードレールのセットを通過してリスクを最小化することを確認したいと考えています。これは制限されたトピックを強制し、例えば公益事業では非常に重要なコンテンツのフィルタリング、PII（個人を特定できる情報）の編集など、顧客とのやり取りにおいて個人データをフィルタリングします。

また、スケーリングを始めると、可観測性とモニタリングを気にし始めます。コストを監視し、誰がどのサービスをどのように効率的に使用しているかを監視したくなるでしょう。先ほど言及したいくつかのプロンプト指標に戻ると、プラットフォームが望むように機能していることを確認できるよう、追跡のためにログ記録を開始したいと思うでしょう。

このプラットフォームを構築し、これらを一緒に組み立てる際、これらはいくつかの私たちが提供するコンポーネントであり、また何度か言及しているジェネレーティブAIガバナンスも含まれています。誰が何にアクセスできるか、アクセス制御リストを強制しているか、ジェネレーティブAIパターンへのアクセス権を持つのは誰か、プラットフォーム周りのアクセシビリティと制御を管理しているかなどです。これはすべてプラットフォームの一部です。

そして、Bedrockの多くのプリミティブ上に構築されていることに驚く人はいないでしょう。過去数週間、そして今日も昨日も、Bedrockで多くの追加プリミティブとサービスを発表しましたが、過去数年間にBedrockで何十もの追加プリミティブとサービス、機能を提供してきました。例えば、RAG用のナレッジベース、エージェントを支援するための方法などがあります。後ほど少し話します。モデルは、セキュリティとガバナンスを強制する重要なコンポーネントであるガードレール、リポジトリからデータを非常に簡単な方法で消費・抽出するためのAmazon Q、独自のモデルを構築している場合のカスタムモデルインポート（後ほど話します）も、Bedrockに保存してモデルライブラリの一部にすることができます。そして、他にも多くのセキュリティとプライバシーサービスがあります。

4.3. パターンの特定と再利用

Joseph Aria：顧客とどのように進めるかについてですが、通常、私たちは数週間続く「アラインと評価」フェーズから始めます。なお、この方法論は必ずしも私たちと一緒に行う必要はありません。「これを社内で実行したい、強力なチームがあるけど、Joseph、あなたが言っていることが気に入った、共有できるか？」と言われれば、もちろん喜んで共有します。あるいは、協力しているパートナーがいて、参考やフレームワークとして使用してもらいたい場合も、もちろん喜んで共有します。

通常、私たちのアプローチは、アラインと評価のフェーズから始まります。ここでは、あなたがどこにいるか、何をうまくやっているかを見ます。何かをうまくやっているなら、それをやり直す必要はなく、残りを統合し、うまくやっているものの周りにラップを置きます。何を達成しようとしているのか、特にどのユースケースを優先したいのかに多くの時間を費やします。なぜなら、次のフェーズである「動員」では、プラットフォームだけを構築するのではなく、ユースケースを構築する時に行うからです。

顧客からのフィードバックは、「プラットフォームだけをくれるのではなく、これらのユースケースのいくつかを有効にしながら、一緒にプラットフォームを構築するのを手伝ってくれ」というものでした。そこで、5つのユースケースを選び、人々のトレーニングを始めます。認定、学習ニーズ評価、イマージョンデイを行い、チームを有効にするために多くの時間を費やします。また、コントロールライブラリ、パターンリポジトリ、モデル選択やプロンプト最適化のためのツールキットなどの機能構築も行います。

そして、これらのユースケースを構築しながらそれを行い、実際の経験を持ち、ある時点で完全に独立し、自分自身でスケールできるようにします。そして最終的には、ビジネスと顧客に価値を提供できるよう、スピードを上げます。それが私たち全員がジェネレーティブAIを通じて達成しようとしていることです。

4.4. リソース不足と人材育成

Joseph Aria：ここで注目すべきパターンをいくつか紹介します。まず一つ目はエージェンティックワークフローです。これはアンドリュー・ング博士の言葉を引用すると、彼は当社の取締役会のメンバーであり、非常に有名な科学者ですが、彼はエージェンティックワークフローが今年、次世代モデル以上に価値と進歩を推進するだろうと考えています。

皆さんはおそらくエージェント、つまりこれらのモデルが周囲からデータを取得し、コンテキストを得て、そして単に質問に答えるだけでなく、一連のステップを連結する能力があることをご存知でしょう。今では洞察を得て、それらの洞察をエージェントを通じて活動やワークフローに結びつけることができます。

これは比較的シンプルな例ですが、非常に強力です。比較的単純なエージェントでも、ビジネスを変革することが可能です。大規模な資源投資が必要というわけではありません。例えば、私たちの業界は資産、物理的資産が非常に多いため、機器のメンテナンスとモニタリングが重要です。ここにいる顧客は皆、すでにデータストリームとIoTを持っており、資産を監視し、確実に異常を検出しています。問題は異常を検出した後の対応です。

現在の典型的な対応は、誰かがその異常を評価し、検査する必要があります。何かしなければならない場合、ディスパッチャーは派遣できる、訓練された利用可能な技術者を見つける必要があり、部品が必要かもしれないなら調達しなければなりません。これらはすべて、エージェンティックワークフローで連結できることです。そのパターンを拾うのは難しくありません。そのためにジェネレーティブAIは必要ありません。しかし、ジェネレーティブAIを使えば、トリアージの一部を開始できます。

故障している機器メーカーのいくつかのPDF、サポートやメンテナンスの小冊子、メンテナンスの近い履歴、どの部品かを調べ、提案部品の構築を始めることができます。派遣できる誰かを探し始めることができます。エージェントまたは一連のエージェントで行動計画を立て始めることができ、それにより「何かが検出された」から「人間がプランをレビューし、承認し、部品が注文され、人々が派遣され、ダウンタイム通知が送信される」までのプロセスが可能になります。そしてこれはすべて、比較的単純なエージェントで実現できるのです。

4.5. プラットフォーム構築から標準化へ

Joseph Aria：今年8月、ヒューストンでのAWSエネルギーシンポジウムで、私たちは「エネルギー向けエージェント」を発表しました。一部の顧客や社内で協力して、エネルギーのためのエージェントワークフローの構築アジェンダを加速するのに役立つエージェントのライブラリを構築してきました。

エネルギー向けエージェントの基本的な内容は、事前構築されたエネルギーエージェントのライブラリです。私たちは4つのエージェントを構築しました：メンテナンス用、生産用、規制用、そして貯留層用です。私たちが持っているのは、基本的にコンテナ、ナレッジベースで、そこにはいくつかのサンプルデータがありますが、簡単にあなたのデータをそこに投入できます。そうすれば、エージェントはあなたの内部データを活用して、トレーニングされた、または構築された目的のタスクを実行することができます。

例えば、当社の貯留層エージェントは、見込みのある貯留層や活動中の生産井戸からのデータを見て、自然言語処理クエリを使用し、当社のOSDUプラットフォームへのAPIを持っています。つまり、エージェントを通じてOSDUデータを取得することができます。また、その貯留層を活用するための坑井計画や坑井最適化に関するいくつかの推奨事項も行えるよう構築されています。

つまり、私たちはこれらのコンポーネントを構築しており、あなたはそれを取り、データをコンテナまたは一連のコンテナに投入し、それからワークフローに埋め込むことができるエージェントを持つことができます。顧客から多くの関心を見ており、これらのアクションを実行するために背後で使用したいBedrockのモデルを選択する完全な能力を提供します。また、完全なトレーサビリティもあります。AWSインダストリーアクセスパビリオンの下階にエージェントのデモがあります。いくつかを見たい方はお気軽に共有させていただきます。

5. AWSによるジェネレーティブAIファクトリーフレームワーク

5.1. 人材とプロセス層

Joseph Aria：私たちが顧客間で見ている非常に急速な進化を遂げている興味深い分野は、顧客がジェネレーティブAIでデータを使用してユースケースを強化する方法です。これは明らかにプロンプトエンジニアリングから始まり、おそらく非常に単純なプロンプトを行い、その後比較的迅速にRAG（検索拡張生成）に移行しました。今日ほとんどの顧客は、RAGとナレッジベースの使用にかなり熟達しています。

しかし今、私たちは、蒸留のようなものがモデルの微調整や継続的なトレーニングを少し簡単にしているため、モデルを取り、それを行い始めている顧客を見始めています。現在、地下の地震探査履歴を調査し、地質物理学者や地球科学者を支援するためのモデルをトレーニングしている顧客が何社かあります。これは地下特性評価や石油発見の加速などに役立ちます。

また、ヨーロッパの顧客が持続可能性財団モデルを構築していることも言及しました。このモデルは、企業内での気候・持続可能性目標の達成方法について、自社や他社へ推奨事項を提供する専門家になります。スコープ1、スコープ2、スコープ3など、適切な行動は何かについてです。非常に専門化されたモデルです。

先ほど、このエネルギー移行を実行するために解決しなければならない問題について話しました。例えば、水素を生産したりCO2を捕捉するための新しい材料や新しいメカニズムを探している顧客がいます。このように、業界がこれらのモデルを採用して、より先端的で革新的なユースケースを行っているのが見え始めています。私たちがリリースしたサービスやTrainiumの使用などを通じて、微調整のコストを下げたり、継続的な事前トレーニングを行ったり、あるいは一部の顧客が行っているように、ゼロからモデルを構築する方法を検討することができます。

注目すべきもう一つのことはマルチモーダルです。私たちはマルチモーダルに関する多くの発表を行いました。紹介した6秒のビデオや、それが可能にするすべてのことに関する多くの顧客フィードバックを聞いています。私たちは非常に物理的な産業にいます。機器状態に関するビデオ検査やドローンなどがあります。また、以前私は公益事業で働いていましたが、地下に通じるガスパイプラインの、ほぼ100年前の図面がありました。それらの図面はデジタル化され、GISに入っていて、図面を取り出すことはできましたが、図面のパラメータはネットワークモデルに埋め込まれていませんでした。抽出されて埋め込まれていなかったのです。しかし今、解釈とマルチモーダルに非常に優れたこれらのモデルでそれを行うことができます。

5.2. ソリューション構築層

Joseph Aria：おそらく最も受け入れられているベンチマークはMMOU（Massive Multi-dimensional Multi-disciplinary Multimodal Understanding）で、これは芸術、人文科学、科学、技術に関する約10,000の大学院レベルの質問のセットです。そこには、楽譜からチャート、写真、画像、音まで、最大30の異なるデータ表現があり、70%の精度を達成しています。

つまり、これらのモデルを実際に信頼し始め、画像、音声、ビデオなどのマルチモーダルに依存するユースケースを構築できる段階に来ています。私たちの業界には、そのようなユースケースが数多く存在します。これで、NextEraのジェネレーティブAIの旅について話してもらうためにJoseを招待したいと思います。

Jose Medina：ありがとう、Joseph。皆さん、こんにちは。問題があります。あなたは仕事に向かっている途中で、ダッシュボードにチェックエンジンライトが点いたため、会議に遅れそうです。あなたは車を止め、ボンネットを開け、エンジンを見ますが、どう解決したらいいのか見当もつきません。

一瞬、信頼できるメカニックのアシスタントを呼び、その状況全体を案内してもらい、問題を解決して、仕事に向かうことができると想像してみてください。もちろん、ほとんどの人にはこのようなアシスタントはいませんが、しばしばそれがあればと願いますよね。皆さんはチェックエンジンライトを見たことがありますか？ああ、そうですね。私だけではないようですね。

では、この状況が地上から100フィートの高さ、風力タービンの頂上で起きると想像してみてください。あなたはうるさい故障コードに遭遇しています。これは多くのことを意味する可能性があります。特定の故障コードが出る理由は様々です。その一部はまさにチェックエンジンライトのようなもので、どのようにトラブルシューティングすればいいのかよくわからないのです。

5.3. プラットフォーム層

Jose Medina：NextEraでは、本当に優れたアシスタント、非常に有能なジェネレーティブAIアシスタントを構築しました。この取り組みは2023年初頭に始まりました。当時はAWSで現在利用可能な多くの再利用可能なコンポーネントがまだ存在していませんでした。私たちは初期段階で多くの機能を独自に組み合わせる必要がありました。

現在、私たちは900人の技術者がこのツールを使用していることを誇りに思っています。彼らはこのツールから多くの恩恵を受け、非常に複雑な故障コードをすばやくトラブルシューティングできるようになり、大きな効率性をもたらしています。私たちはこの機能を様々な場所に展開しました。その一つはサービスプランナー機能です。

サービスプランナーは非常に重要な機能です。おそらく皆さんにとっては思い出になるかもしれませんが、公益事業にとって、つまり電柱や電線にとって、本当に回復力のあるグリッド（電力網）を設計することを確保することが重要です。フロリダは訪問するのに素晴らしい場所であり、家族を育てるのに素晴らしい場所であり、旅行するのに素晴らしい場所です。そのため、多くの人々がフロリダパワー＆ライトの顧客ベースの一部になるためにフロリダに移住しています。

それに伴い、本当に回復力のあるシステムを設計する必要があります。そして、それは非常に複雑です。多くの要求があります。エンジニアリング要件や規制要件、満たすべき期限があります。現在、サービスプランナーには、一日の計画を立て、何が要求されているかを本当に理解し、複雑なエンジニアリング資料を取り出し、顧客の要求に応える作業をしながら、彼らと並んで座るアシスタントがいます。これは本当に誇らしいことです。

私たちはNextEraです。ここでその物語を少し語らせていただきます。NextEraエナジーを構成する二つの本当に信じられないほどの企業があります。一つは地球上で風と太陽から再生可能エネルギーを最も多く生成している企業です。私たちは41の州とカナダで事業を展開しています。また、フロリダパワー＆ライト、約590万人の顧客を持つ米国最大の電力会社の一つであることも非常に誇りに思っています。そして、まさに素晴らしい成功物語です。

5.4. AWSプリミティブとBedrock

Jose Medina：この瞬間を本当に重要なものにしているのは、私たちがエネルギー分野で現在いる転換点です。私たちは皆それを目の当たりにしています。歴史的に見れば、私たちは平坦な電力需要、再生可能エネルギーの成長が主に石炭などの旧技術の引退と連動し、単一のポイントソリューションが個々の顧客の需要によって推進される状況から、今後は大きく変わります。

先を見ると、今後7年間で再生可能エネルギーの驚異的な成長、実際には3倍の成長が見込まれています。これはすべて、最も安価でクリーンな資源である再生可能エネルギーによってもたらされます。つまり、経済を移行させ、脱炭素化するために私たちが展開しなければならない多くのソリューションの中で、AIがその変化を調整するために最前線に立つことになります。

NextEraはこれをどのように考えていたのでしょうか？約1年前、いや、もっと前、約18〜19ヶ月前に私たちが始めたとき、あなたの移行とジェネレーティブAI採用の旅程によって、これらの教訓がどのようにあなたの役に立つかについて話し合いましょう。

最初に共有したいのは、非常に早い段階で私たちが意思決定を導くためのいくつかの原則を確立しようとしたことです。なぜ原則について考えることが重要なのでしょうか？なぜある種の原則の周りに集まることが重要なのでしょうか？それは意思決定をより早く行えるようにし、会社を変革するのに役立つ本当に重要なことに集中していることを確認するのに役立ちます。そして、もう一度言いますが、脱炭素化と再生可能エネルギーの拡大という課題に取り組むことができます。

6. 顧客支援の方法論

6.1. アラインと評価フェーズ

Jose Medina：主要な原則の一つは人間中心設計でした。人間を尊重することが本当に重要です。彼らが実際に使いたいと思う製品やサービスを提供することを確実にしてください。私たちはみな、人生で十分なアプリやソフトウェアを使って、本当に使いたいと思うもの、何度も戻って使いたいと思うものと、あまり良くなくて二度と使いたくないと思うものの違いを知っています。そして、私は給料を賭けてもいいですが、機能するのは人間中心設計を持っているものです。人間が部屋にいて開発を導き、それが責任あるものであり、大きな価値を提供するように設計されていることを確認しています。

トップダウンの優先順位付けは非常に重要です。ニードルを動かす本当に重要なイニシアチブに焦点を当てていることを確認すること。これについては別の原則として後で話します。そして、19〜20ヶ月前に私たち全員に起こったことは、誰もがこの技術を試したいと思ったことです。一部の人々は少し躊躇し、サイドラインで待っていて、変化を恐れていたかもしれませんが、NextEraの文化は変化を受け入れ、新しいことを試すことに本当に興奮しています。

そこで私たちが認識したのは、空白を埋める必要があるということでした。安全な使用を促進する環境と再利用可能なコンポーネントのセットを構築する必要がありました。それは、会社全体で追加のユースケースを推進するために活用できることを願っていました。そこで私たちはそれを構築し、すぐにそれについて話します。

ボトムアップの民主化を実現することも本当に重要です。人々がジェネレーティブAIをどのように使って変革するかについて本当に話せるようにすることです。このボトムアップの部分で本当に魔法的なのは、あなたの組織があなたにジェネレーティブAIを受け入れる方法を教えてくれるということです。私たちは皆、ジェネレーティブAIがビジネスや顧客をどのように助けることができるかについて、独自の先入観を持ってやってくるでしょう。そして、私は常に、ただの従業員や顧客から出てくる驚くべき物語、この技術を活用しようとする有機的な物語にどれほど驚かされるかを知っています。

実証可能な価値を解き放つことも重要です。早い段階では、多くのPOC（概念実証）、多くの「Hello World」プロトタイプがありましたが、どこにも行かないPOCに私たちは皆うんざりしていると思います。だからこそ、高い価値のあるユースケースのトップダウンの優先順位付けに戻り、本当にニードルを動かすものに焦点を当て、それを測定して、上級リーダーシップチームやあなたの資金を提供している人々の善意を継続的に持ち、テーブルに食べ物を置き続けられることを確認することが重要なのです。

6.2. 動員フェーズ

Jose Medina：これらはすべて脇に置いて、これがより技術的な話であることは承知していますが、再利用可能なパターンについて少し話しましょう。そして最後に文化についても少し触れます。なぜなら、私たちが旅のさらに先に進むことができた理由の違いであり、私たちが先を行き続けることができる理由だと思うからです。

まず第一に、おそらく皆さんもご存知のように、基調講演でも述べられていましたが、データはジェネレーティブAIの燃料であり、一般的にAIの燃料です。あなたのデータを持たないAIはハルシネーション（幻覚）を起こし、物事を作り出し、あまり役に立たず、大きな不満を引き起こします。NextEraが早い段階で行ったことの一つは、企業データプログラムに大きく投資したことです。

私たちの企業データプログラムは、AWS上に構築されたツール群で、すべてのデータセットを活用します。風力タービンや太陽光発電所から何十万ものタグとデータポイントを取り込み、財務データも入れ、人的資本データも大量に入れています。これらすべてを一緒に混ぜ合わせ、まとまりのあるリポジトリに取り込むことで、追加のAIユースケースの限界コストを下げています。典型的なデータサイエンティストやMLエンジニア、ソフトウェア開発者と話すと、彼らはデータの整理に多くの時間を費やすことなく、すぐに新しいプロトタイプの作成や概念の実験に着手できます。この基盤的な「配管工事」は必要です。必ずしも最も刺激的なことではないかもしれませんが、将来的に多くのユースケースを解き放つために本当に重要です。

6.3. 独立と加速フェーズ

Jose Medina：このスライドには多くの情報がありますので、左から右へ説明します。まず、再利用可能なコンポーネントについて少し説明しましょう。左側には、データソースがあります。先ほど言及したEDP（Enterprise Data Program）は、私たちの環境における大きなデータソースです。また、ユーザーが独自の特定ソースを持ち込む能力も提供しており、特定の外部ソースを持ち込みたい場合も対応できます。

取り込み層では、ご覧のとおり、AWS サービスの組み合わせを使用して接続、埋め込み、チャンキング、インデックス作成を処理しています。また、グラフデータベースとグラフ処理が役立つ特定のユースケースでは、その機能も対応しています。処理されたデータが長期保存や、データを参照して参照整合性を維持する能力が必要な場合、それはS3に保存されます。そして一連のデータハブがあり、最終層である消費層でそのナレッジを提供できるようになっています。ここでは、ナレッジベースとやり取りするための抽象化の異なる層とLLMの相互交換性があります。

これは、現在AWSで発表され利用可能なサービスと似ているように見えるはずです。しかし、約20ヶ月前には、すぐに使える完全なソリューションは何もなく、多くのものをカスタムで構築する必要があったことを覚えておいてください。私たちはサイドラインで待っているような組織ではありませんでした。技術の可能性を見て、ユースケースをすばやく解放するために迅速に動きたいと考えていました。

では、これがどのように価値を解放するかをすぐに説明しましょう。私たちは早い段階で、このようなコンポーネントベースのアプローチで構築すれば、多くの異なるユースケースが可能になることに気づきました。例えば、法務部門が法的文書に基づいたチャットボットやアシスタントを作成したい場合、問題ありません。このアーキテクチャの特定の要素が、コードの重複を最小限に抑えて、ユースケースに応じてアクティブ化または非アクティブ化されます。これは本当に重要なポイントです。なぜなら、何百ものユースケースに対応し、可能な限りセルフサービスを提供したいからです。もし本当にカスタムの何かを構築しているなら、限られた有能なデータサイエンティスト、MLエンジニア、ソフトウェアエンジニアのリソースを、本当に価値の高い複雑なことに注力させ、より単純なチャットボットのユースケースを持つ人々がセルフサービスできるようにしたいのです。

7. 注目すべきトレンド

7.1. エージェンティックワークフロー

Joseph Aria：私たちが注目すべきいくつかのパターンを紹介します。1つ目はエージェンティックワークフローです。これはアンドリュー・ング博士の言葉を引用すると、彼は当社の取締役会のメンバーであり非常に有名な科学者ですが、エージェンティックワークフローが今年、おそらく次世代モデル以上に価値と進歩を推進するだろうと彼は考えています。

おそらく皆さんはエージェント、つまりこれらのモデルが周囲からデータを取得し、コンテキストを得て、単に質問に答えるだけでなく一連のステップを連結する能力を持っていることをご存知でしょう。今では洞察を得て、それらの洞察をエージェントを通じて活動やワークフローに結びつけることができます。

これは比較的シンプルな例ですが、非常に強力です。比較的単純なエージェントでさえ、ビジネスを本当に変革することができます。つまり、大規模なリソース投資が必要なわけではありません。この場合、私たちの業界は物理的資産が非常に多いため、機器のメンテナンスとモニタリングが重要です。ここにいる顧客の皆さんはすでにデータストリームとIoTを持っており、資産を監視し、確実に異常を検出していることでしょう。問題は異常を検出した後の対応です。

現在の典型的な対応は、誰かがその異常を評価し、検査する必要があります。何かしなければならない場合、ディスパッチャーは派遣できる訓練された利用可能な技術者を見つける必要があり、部品が必要かもしれないなら調達しなければなりません。これらはすべて、エージェンティックワークフローで連結できることです。そのパターンを拾うのは難しくありません。そのためにジェネレーティブAIは必要ありません。しかし、ジェネレーティブAIを使えば、トリアージの一部を開始できます。

故障している機器メーカーのPDF、サポートやメンテナンスの小冊子、メンテナンスの近い履歴、どの部品かを調べ、提案部品の構築を始めることができます。派遣可能な人を探し始め、エージェントまたは一連のエージェントで行動計画を立て始めることができます。これにより「何かが検出された」から「人間がプランをレビューし承認し、部品が注文され、人々が派遣され、ダウンタイム通知が送信される」までのプロセスが可能になります。これはすべて、比較的単純なエージェントで実現できるのです。

7.2. エネルギー向けエージェント

Joseph Aria：今年8月、ヒューストンでのAWSエネルギーシンポジウムで、私たちは「エネルギー向けエージェント」を発表しました。一部の顧客や社内で協力して、エネルギー企業がエージェントワークフローを構築する際の加速を支援するエージェントのライブラリを構築してきました。

エネルギー向けエージェントとは基本的に、事前構築されたエネルギーエージェントのライブラリです。私たちは4つのエージェントを構築しました：メンテナンス用、生産用、規制用、そして貯留層用です。私たちが持っているのは基本的にコンテナ、ナレッジベースで、そこにはいくつかのサンプルデータがありますが、簡単にあなたのデータをそこにドロップすることができます。そうすれば、エージェントはあなたの内部データを活用して、トレーニングされた、または構築された目的のタスクを実行することができます。

例えば、当社の貯留層エージェントは、見込みのある貯留層や活発に生産中の井戸貯留層からのデータを見て、自然言語処理クエリを使用し、当社のOSDUプラットフォームへのAPIを持っています。つまり、エージェントを通じてOSDUデータを取得することができます。また、その貯留層を活用するための坑井計画や坑井最適化に関する推奨事項も行うように構築されています。

つまり、私たちはこれらのコンポーネントを構築しており、あなたはそれを取り、データをコンテナまたは一連のコンテナに投入し、それからワークフローに埋め込むことができるエージェントを持つことができます。顧客から多くの関心を見ており、これらのアクションを実行するために背景で使用したいBedrockのモデルを選択する完全な能力を提供します。また、完全なトレーサビリティもあります。AWSインダストリーアクセスパビリオンの下階にエージェントのデモがあります。いくつかを見たい方はお気軽に共有させていただきます。

7.3. データ活用の進化

Joseph Aria：私たちが顧客間で見ている非常に急速な進化を遂げている分野の一つは、ジェネレーティブAIでのユースケースを強化するためのデータ活用方法です。これは明らかにプロンプトエンジニアリングから始まり、おそらく非常に単純なプロンプトを使い、その後比較的迅速にRAG（検索拡張生成）に移行しました。今日、ほとんどの顧客はRAGとナレッジベースの使用にかなり熟達しています。

しかし今、私たちは蒸留などの技術によってモデルの微調整や継続的なトレーニングが少し簡単になったため、顧客がモデルを取り、そのような取り組みを始めるのを見ています。地下の地震探査の歴史を見て、地質物理学者や地球科学者を支援するために地下探査のモデルを訓練している顧客が数社あります。これらは地下特性評価や石油発見の加速などに役立っています。

また、ヨーロッパのある顧客が持続可能性財団モデルを構築していることも言及しました。このモデルは、自社だけでなく他社に対しても、気候および持続可能性目標、つまりスコープ1、スコープ2、スコープ3などを達成するための適切な行動についての推奨事項を提供する専門家になります。

これらは非常に専門化されたモデルです。先ほど、エネルギー移行を実行するために解決する必要がある問題について話しました。例えば、水素を生産したりCO2を捕捉するための新しい材料や新しいメカニズムを探している顧客がいます。このように、業界がこれらのモデルを採用して、より先端的で革新的なユースケースに取り組み始めているのが見えてきています。私たちがリリースしたサービスやTrainiumの使用を通じて、微調整のコストを下げたり、継続的な事前トレーニングを行ったり、あるいは一部の顧客が行っているように、ゼロからモデルを構築する方法を見出すことができます。

7.4. マルチモーダルモデルの可能性

Joseph Aria：あなたが注目すべきもう一つのことはマルチモーダルです。私たちはマルチモーダルに関する多くの発表を行いました。紹介した6秒のビデオや、それが可能にするすべてのことに関する多くの顧客フィードバックを耳にしています。私たちは非常に物理的な産業にいます。機器状態に関するビデオ検査やドローンなどがあります。

また、以前私は公益事業で働いていましたが、地下に通じるガスパイプラインの、ほぼ100年前の図面がありました。それらの図面はデジタル化され、GISに入っていて、図面を取り出すことはできましたが、図面のパラメータはネットワークモデルに埋め込まれていませんでした。抽出されて埋め込まれていなかったのです。今ではこれらの解釈とマルチモーダルに非常に優れたモデルでそれを行うことができます。

おそらく最も広く受け入れられているベンチマークはMMOU（Massive Multi-dimensional Multi-disciplinary Multimodal Understanding）で、これは芸術、人文科学、科学、技術に関する約10,000の大学院レベルの質問のセットです。そこには、楽譜からチャート、写真、画像、音まで、最大30の異なるデータ表現があり、モデルは70%の精度を達成しています。

つまり、これらのモデルを実際に信頼し始め、画像、音声、ビデオなどのマルチモーダルに依存するユースケースを構築できる段階に来ているのです。私たちの業界には、そのようなユースケースが数多く存在します。以上で私の説明を終え、NextEraでのジェネレーティブAIの旅について話してもらうためにJoseに引き継ぎたいと思います。

8. NextEraのジェネレーティブAI導入事例

8.1. 風力タービンの問題解決アシスタント

Jose Medina：一つの問題があります。あなたは仕事に向かっている途中で、ダッシュボードにチェックエンジンライトが点いたため、会議に遅れそうです。あなたは車を止め、ボンネットを開け、エンジンを見ますが、どう解決したらいいのか見当もつきません。

一瞬、信頼できるメカニックのアシスタントを呼び、その状況全体を案内してもらい、問題を解決して、仕事に向かうことができると想像してみてください。もちろん、ほとんどの人にはこのようなアシスタントはいませんが、しばしばそれがあればと願いますよね。チェックエンジンライトを見たことがある方はどれくらいいますか？ああ、そうですね。私だけではないようですね。

では、この状況が地上から100フィートの高さ、風力タービンの頂上で起きると想像してみてください。あなたは厄介な故障コードに遭遇しています。これは多くのことを意味する可能性があります。特定の故障コードが出る理由は様々です。その一部はまさにチェックエンジンライトのようなもので、どのようにトラブルシューティングすればいいのかよくわからないのです。

NextEraでは、私たちは本当に有能なアシスタント、ジェネレーティブAIアシスタントを構築しました。この取り組みは2023年初頭に始まりました。当時はAWSで現在利用可能な多くの再利用可能なコンポーネントがまだ存在していませんでした。私たちは初期段階で多くの機能を独自に組み合わせる必要がありました。

8.2. サービスプランナー機能への展開

Jose Medina：サービスプランナーは非常に重要な機能です。おそらく皆さんにとっては思い出になるかもしれませんが、公益事業、つまり電柱や電線にとって、本当に回復力のあるグリッド（電力網）を設計することが重要です。フロリダは訪問するのに素晴らしい場所であり、家族を育てるのに素晴らしい場所であり、旅行するのに素晴らしい場所です。そのため、多くの人々がフロリダパワー＆ライトの顧客ベースの一部になるためにフロリダに移住しています。

それに伴い、私たちは本当に回復力のあるシステムを設計する必要があります。そして、それは非常に複雑です。多くの要求があります。エンジニアリング要件や規制要件、満たすべき期限があります。現在、サービスプランナーには、一日の計画を立て、何が要求されているかを本当に理解し、複雑なエンジニアリング資料を取り出し、顧客の要求に応える作業をしながら、彼らと並んで座るアシスタントがいます。これは本当に誇らしいことです。

9. NextEraのプロフィール

9.1. 再生可能エネルギーリーダーとしての位置づけ

Jose Medina：私たちはNextEraです。ここでその物語を少し語らせていただきます。NextEraエナジーを構成する二つの本当に信じられないほどの企業があります。一つは地球上で風と太陽から再生可能エネルギーを最も多く生成している企業です。私たちは41の州とカナダで事業を展開しています。また、フロリダパワー＆ライト、約590万人の顧客を持つ米国最大の電力会社の一つであることも非常に誇りに思っています。そして、それは非常に素晴らしい成功物語です。

この瞬間を本当に重要なものにしているのは、私たちがエネルギー分野で現在いる転換点です。私たちは皆それを目の当たりにしています。歴史的に見れば、私たちは平坦な電力需要、再生可能エネルギーの成長が主に石炭などの旧技術の引退と連動し、単一のポイントソリューションが個々の顧客の需要によって推進される状況から来ています。

9.2. エネルギー業界の転換点

Jose Medina：先を見ると、今後7年間で再生可能エネルギーの驚異的な成長、実際には3倍の成長が見込まれています。これはすべて、最も安価でクリーンな資源である再生可能エネルギーによってもたらされます。つまり、経済を移行させ、脱炭素化するために私たちが展開しなければならない多くのソリューションの中で、AIがその変化を調整するために最前線に立つことになります。

NextEraはこれをどのように考えていたのでしょうか？約1年前、いや、もっと前、約18〜19ヶ月前に私たちが始めたとき、どのようにこれらの教訓があなたの移行とジェネレーティブAI採用の旅に役立つかについて話しましょう。

10. NextEraのジェネレーティブAI導入の指針

10.1. 人間中心設計

Jose Medina：主要な原則の一つは人間中心設計でした。人間を尊重することが本当に重要です。彼らが実際に使いたいと思う製品やサービスを提供することを確実にしてください。私たちは皆、人生で十分なアプリやソフトウェアを使って、本当に使いたいと思うもの、何度も戻って使いたいと思うものと、あまり良くなくて二度と使いたくないと思うものの違いを知っています。そして、私は給料を賭けてもいいですが、機能するのは人間中心設計を持っているものです。人間が部屋にいて開発を導き、それが責任あるものであり、大きな価値を提供するように設計されていることを確認しています。

10.2. トップダウンの優先順位付け

Jose Medina：私たちが認識したのは、空白を埋める必要があるということでした。安全な使用を促進する環境と再利用可能なコンポーネントのセットを構築する必要がありました。それは、会社全体で追加のユースケースを推進するために活用できることを願っていました。そこで私たちはそれを構築し、すぐにそれについて話します。

10.3. 安全な使用環境の構築

これらはすべて脇に置いて、これがより技術的な話であることは承知していますが、再利用可能なパターンについて少し話しましょう。そして最後に文化についても少し触れます。なぜなら、私たちが旅のさらに先に進むことができた理由の違いであり、私たちが先を行き続けることができる理由だと思うからです。

10.4. ボトムアップの民主化

Jose Medina：ボトムアップの民主化を実現することも本当に重要です。人々がジェネレーティブAIをどのように使って変革するかについて本当に話せるようにすることです。このボトムアップの部分で本当に魔法的なのは、あなたの組織があなたにジェネレーティブAIを受け入れる方法を教えてくれるということです。私たちは皆、ジェネレーティブAIがビジネスや顧客をどのように助けることができるかについて、独自の先入観を持ってやってくるでしょう。そして、私は常に、ただの従業員や顧客から出てくる驚くべき物語、この技術を活用しようとする有機的な物語にどれほど驚かされるかを知っています。

典型的なデータサイエンティストやMLエンジニア、ソフトウェア開発者と話すと、彼らはデータの整理に多くの時間を費やすことなく、すぐに新しいプロトタイプの作成や概念の実験に着手できます。この基盤的な「配管工事」は必要です。必ずしも最も刺激的なことではないかもしれませんが、将来的に多くのユースケースを解き放つために本当に重要です。

このスライドには多くの情報がありますので、左から右へ説明します。まず、再利用可能なコンポーネントについて少し説明しましょう。左側には、データソースがあります。先ほど言及したEDP（Enterprise Data Program）は、私たちの環境における大きなデータソースです。また、ユーザーが独自の特定ソースを持ち込む能力も提供しており、特定の外部ソースを持ち込みたい場合も対応できます。

10.5. 実証可能な価値の創出

Jose Medina：実証可能な価値を解き放つことも重要です。早い段階では、多くのPOC（概念実証）、多くの「Hello World」プロトタイプがありましたが、どこにも行かないPOCに私たちは皆うんざりしていると思います。だからこそ、高い価値のあるユースケースのトップダウンの優先順位付けに戻り、本当にニードルを動かすものに焦点を当て、それを測定して、上級リーダーシップチームやあなたの資金を提供している人々の善意を継続的に持ち、テーブルに食べ物を置き続けられることを確認することが重要なのです。

これはあなたにとってどのように関連するでしょうか？あなたもおそらく私たちと同じ課題に苦しんでいるでしょう。組織のあらゆる部分から何百ものアイデア、要求があり、おそらくそれらのアイデアの10%だけが大きく針を動かすでしょう。それは他の90%が価値がないということではなく、まだ初期段階にあり、それらのニーズにも対応する方法を提供する必要があるということです。それが再利用可能なコンポーネントやセルフサービスオプションを提供する能力が本当に重要な理由です。

人々を置き去りにしたくないし、避けられない限られたリソースを、よりカスタマイズされた複雑なソリューションのためにどうバランスさせるかを確実にしたいのです。これは私たちにとって本当に大きな成功でした。従業員からの本当にカラフルな引用がいくつかあります。あるグループは実際に彼らのアシスタントに名前を付けました。会社中に面白い話がありますが、人々はAIにとても慣れてきています。

19〜20ヶ月前はそうではなかったことを言っておきます。多くの躊躇がありました。それが自分たちの生活や仕事をどう変えるのか心配している人々がいましたが、NextEraの基盤的な民主化レイヤーまたはチャットボットを通じてジェネレーティブAIと自然に対話する能力、自分のデータを持ち込み、NextEraで安全に実験する能力を導入したので、オープンな文化、共有の文化、アイデアが花開く文化を作り出し、本当に変革的なものを浮き彫りにして優先順位をつけることができました。

11. NextEraのテクノロジーアーキテクチャ

11.1. データソースとエンタープライズデータプログラム

Jose Medina：まず第一に、おそらく皆さんもご存知のように、基調講演でも述べられていましたが、データはジェネレーティブAIの燃料であり、一般的にAIの燃料です。あなたのデータを持たないAIはハルシネーション（幻覚）を起こし、物事を作り出し、あまり役に立たず、大きな不満を引き起こします。NextEraが早い段階で行ったことの一つは、企業データプログラムに大きく投資したことです。

11.2. 取り込み層と処理

11.3. ストレージと提供層

Jose Medina：処理されたデータが長期保存や、データを参照して参照整合性を維持する能力が必要な場合、それはS3に保存されます。そして一連のデータハブがあり、最終層である消費層でそのナレッジを提供できるようになっています。ここでは、ナレッジベースとやり取りするための抽象化の異なる層とLLMの相互交換性があります。

私たちが早い段階で行ったことの一つは、企業データプログラムに大きく投資したことです。私たちの企業データプログラムは、AWS上に構築されたツール群で、すべてのデータセットを活用します。風力タービンや太陽光発電所から何十万ものタグとデータポイントを取り込み、財務データも入れ、人的資本データも大量に入れています。これらすべてを一緒に混ぜ合わせ、まとまりのあるリポジトリに取り込むことで、追加のAIユースケースの限界コストを下げています。

11.4. コンポーネントベースのアプローチ

Jose Medina：では、これがどのように価値を解放するかをすぐに説明しましょう。私たちは早い段階で、このようなコンポーネントベースのアプローチで構築すれば、多くの異なるユースケースが可能になることに気づきました。例えば、法務部門が法的文書に基づいたチャットボットやアシスタントを作成したい場合、問題ありません。このアーキテクチャの特定の要素が、コードの重複を最小限に抑えて、ユースケースに応じてアクティブ化または非アクティブ化されます。

これは本当に重要なポイントです。なぜなら、何百ものユースケースに対応し、可能な限りセルフサービスを提供したいからです。もし本当にカスタムの何かを構築しているなら、限られた有能なデータサイエンティスト、MLエンジニア、ソフトウェアエンジニアのリソースを、本当に価値の高い複雑なことに注力させ、より単純なチャットボットのユースケースを持つ人々がセルフサービスできるようにしたいのです。

12. 成功事例とユーザー受け入れ

12.1. 従業員からのフィードバック

Jose Medina：これは私たちにとって本当に大きな成功でした。従業員からの本当にカラフルな引用がいくつかあります。あるグループは実際に彼らのアシスタントに名前を付けました。会社中に面白い話がありますが、人々はAIにとても慣れてきています。

12.2. 組織全体での採用状況

Jose Medina：私は文化について多く話しましたが、これが技術的な部分だったことは承知しています。ここで文化に少し触れたいと思います。なぜなら、それは私たちが少し早く前進できた理由の違いであり、今後も先を行き続けることができる理由だと思うからです。

これは私たちのドローン、FPL Air Oneの写真です。私たちはFAA外で米国初の商用固定翼ドローン飛行者でした。これは私たちにとって本当に重要なことです。いくつかのことを象徴しています。フロリダパワー＆ライト、美しい天気が一年のほとんどですが、時にはハリケーンに見舞われます。だからこそ、迅速に対応し、フロリダの生活を通常に戻すことが本当に重要です。

このドローンが役立ちます。継続的に飛行し、LIDARデータを引き出し、LIDARデータを分析し、被害を評価し、できるだけ影響を最小限に抑えるために適切なリソースを適用して復旧できるようにします。繰り返しますが、NextEraの文化を象徴しており、私たちの利害関係者や顧客に可能な限り価値を提供するために新しいことを試みています。

13. NextEraのイノベーション文化

13.1. ドローン技術の活用例

13.2. AIと早期の言語モデル実験

Jose Medina：私たちは数年間、いくつかの基盤的な分野に焦点を当ててきました。そして繰り返しになりますが、このような焦点の一例がこのドローンです。AIの広範な実験、トレーニング、使用、初期の言語モデルを含みます。私たちはGPT 1.0、2.0で実験していました。自分たち自身の言語モデルをトレーニングしていました。当時はそれほど大きくありませんでした。大きいと思っていましたが、その時点ではそれほど大きくなかったのです。しかし、数年前に自分たちのモデルをトレーニングする実験を行っていました。

このように、私たちはこの瞬間を予測しようとしていました。2022年と2023年に向けての一種のドレスリハーサルでした。先ほど述べたように、私たちは企業データプラットフォーム上でデータを結合するために大きく投資しています。それは本当に重要です。なぜなら、繰り返しになりますが、それはあなたが導入することを決めた追加のAIユースケースごとのコストを下げるからです。これは、AIをあなたの会社でより簡単にするために必要な「配管工事」なのです。

そして、私たちはAIとデータイノベーションの文化に継続的に投資しています。私たちは毎年サミットを開催し、従業員を集めて彼らのウィジェット、技術、誇りに思っているものを競い合い、展示します。今年は、AIソリューションだけでなく、ロボティクスやドローンも豊富にありました。そのため、文化として、私たちはこの種の実験を奨励し、安全な環境を作ることで安全な方法でそれを奨励しています。

13.3. エンタープライズデータプラットフォームへの投資

Jose Medina：先ほど述べたように、私たちは企業データプラットフォーム上でデータを結合するために大きく投資しています。それは本当に重要です。なぜなら、繰り返しになりますが、それはあなたが導入することを決めた追加のAIユースケースごとのコストを下げるからです。これは、AIをあなたの会社でより簡単にするために必要な「配管工事」なのです。

13.4. イノベーションエコシステムと35 Mulesプログラム

Jose Medina：また、スタートアップを取り込むイノベーションエコシステムにも大きく投資しています。これは35 Mulesという組織の写真です。35 Mulesはスタートアップを支援する組織としては変わった名前ですが、約100年前のフロリダパワー＆ライトの始まりを振り返ると、当時は35頭のラバを使って氷やその他の商品を運んでいました。そこで35 Mulesと呼んでいますが、これは早期段階のスタートアップを取り込み、アイデアを提案し、資金を得て、NextEraやフロリダパワー＆ライト内の専門家と提携して、彼らの事業が成功するよう支援する、非常に成功したプログラムです。

私は文化について多く話しましたが、これが技術的な部分だったことは承知しています。ここで文化に少し触れたいと思います。なぜなら、それは私たちが少し早く前進できた理由の違いであり、今後も先を行き続けることができる理由だと思うからです。私たちは数年間、いくつかの基盤的な分野に焦点を当ててきました。AIの広範な実験、トレーニング、使用、初期の言語モデルを含みます。私たちはGPT 1.0、2.0で実験していました。自分たち自身の言語モデルをトレーニングしていました。このように、私たちはこの瞬間を予測しようとしていました。2022年と2023年に向けての一種のドレスリハーサルでした。

14. 将来の展望

14.1. エージェンティックシステム

Jose Medina：さて、次に私たちが何に興奮しているか、そして皆さんが興奮すべきことについてお話しします。この会議に参加されているなら、おそらく皆さんも同じ考えでしょう。私たちは4つのことに本当に興奮しています。

まず、エージェンティックです。Josephもエージェンティックについて多く話しましたが、私たちは完全に同意します。これが財団モデルとそれらがプロセスを変革するために活用される方法における次の大きなことだと考えています。プロセス変革から逃れる方法はないと思います。これは技術をより親しみやすくするでしょうが、プロセスや部門、視点を変革して、エージェンティックを受け入れるための人々の心と思いを勝ち取るのに必要な組織的・文化的な「配管工事」があります。これを過小評価してはいけません。変革にとって非常に大きな要素です。

14.2. 小規模言語モデル

Jose Medina：小規模言語モデルは、私たちの考えでは、どこにでも存在し、様々な方法で役立つでしょう。顧客サービスや財務、人事などの非常に特定の実装や、評価の層として、次の大きなことだと考えています。私たちはすでにこれらをかなり実験し始めています。

ビジョンにも本当に興奮しています。2020年からのものだと感じるかもしれませんが、ウェアラブルデバイス上の言語モデルとペアになったビジョンが、運用環境で技術者を本当に安全にするのに役立ちます。実質的に、ハンズフリーで作業でき、本社のスタッフが技術者が見ているものを見て、AIだけでなく本社の技術者とも自然に対話できるようにします。これは本当に変革的になるでしょう。LLMは古いテクノロジーにとっても本当に強力な倍増装置です。そして、ビジョンも私たちにとって本当に変革的になると考えています。

14.3. ビジョンAI

Jose Medina：ビジョンにも本当に興奮しています。2020年からのものだと感じるかもしれませんが、ウェアラブルデバイス上の言語モデルとペアになったビジョンが、運用環境で技術者を本当に安全にするのに役立ちます。実質的に、ハンズフリーで作業でき、本社のスタッフが技術者が見ているものを見て、AIだけでなく本社の技術者とも自然に対話できるようにします。

これは本当に変革的になるでしょう。LLMは古いテクノロジーにとっても本当に強力な倍増装置です。そして、ビジョンも私たちにとって本当に変革的になると考えています。

14.4. 音声インターフェース

Jose Medina：最後に、音声についてです。音声対音声、私たちはこれが新しいUIだと考えています。機械や互いの対話方法を変えると思います。既に音声、特に音声対音声の実験を始めており、次に何が来るのか、どのように音声対音声を受け入れてビジネスプロセスを変革できるかを予測しようとしています。

以上で、皆さんの時間をいただきありがとうございました。Josephにも司会をしていただきありがとうございます。これが皆さんにとって有用だったことを本当に願っています。