LLM(大規模言語モデル)とは

LLM(大規模言語モデル)とは?仕組み・種類・活用事例5選を徹底解説

はじめに 近年、生成AIサービスは急速に進化を遂げ、私たちの日常生活やビジネスシーンにおいて重要な役割を果たすようになっています。特に、ChatGPTをはじめとするテキスト生成型AIは、効率的かつクリエイティブなアウトプットを可能にし、多くの業界で注目を集めています。 その中心に位置するのが、大規模言語モデル(LLM)です。LLM(大規模言語モデル)とは、膨大なデータをもとに学習され、人間のような自然な文章生成や高度な文脈理解を実現します。この技術は、コンテンツ制作やカスタマーサポート、データ分析、翻訳など、多岐にわたる用途で活用されており、AIサービスの中核技術として欠かせない存在です。 本記事では、LLMに関する基本的な知識をわかりやすく解説するとともに、LLMの種類や活用例、さらには代表的な製品についてご紹介します。生成系AIの可能性を最大限に引き出すための第一歩として、ぜひ参考にしてください。 LLM(大規模言語モデル)とは LLM(大規模言語モデル)とは、テキスト認識や生成をはじめとするさまざまなタスクを実行できる人工知能(AI)プログラムです。「大規模」という名前が示す通り、LLMは膨大なデータセットをもとにトレーニングされています。この技術は、特にトランスフォーマーモデルと呼ばれるニューラルネットワークを活用した機械学習によって構築されています。 簡単に言うと、LLMは大量のサンプルを学習することで、人間の言語やその他の複雑なデータを認識・解釈できるコンピュータープログラムです。大規模言語モデルと従来の言語モデルでは、「データ量」「計算量」「パラメータ量」が大きく異なります。 データ量:入力される情報量 計算量:コンピューターが処理する計算量 パラメータ量:確率計算を行うための係数量 さらに、LLMは「ディープラーニング」と呼ばれる機械学習の一種を使用して、文字、単語、文章がどのように構成されているかを理解します。ディープラーニングは、非構造化データの確率的分析を行い、人間の介入なしで内容の違いを認識できるようにモデルを進化させます。 LLM(大規模言語モデル)の歴史 初期の言語処理は、厳密なルールに基づく「ルールベース」のアプローチから始まりました。その後、膨大なデータを活用した「統計的手法」へと移行し、自然言語処理の分野における大きな進化が実現されました。言語モデルでは、人間が使う言い回しや意味を理解した上で、次にどの単語が続くのかを推測します。LLMの開発歴史は以下の表に示します。 発表年 […]

LLM(大規模言語モデル)とは?仕組み・種類・活用事例5選を徹底解説 続きを読む

ChatGPTとCopilotの違い

ChatGPTとCopilotの違いとは?特徴や6つの活用事例について解説

はじめに 近年ではAI技術の進化により、世界ではChatGPTをはじめとしたさまざまな生成AIが登場するようになりました。その中でもMicrosoft社からリリースされた「Copilot(コパイロット)」は、生成AI技術を活用して、ユーザーの業務を効率化するためのツールです。 これらのツールをビジネスに活用できると、資料作成の要約やルーチンワークの効率化やアイデア出しなどに活躍します。しかし、ChatGPTやCopilotにはそれぞれの特徴があり、自社での使用用途によって異なります。 ChatGPTやCopilotは、情報の新しさやMicrosoft製品を使用する頻度によってそれぞれ得意分野に違いがあるからです。例えば、CopilotはGPT-4で最新情報を知りたいときに取得できる分、ChatGPTは新しいアイデアが欲しいときに使用できます。 自社にChatGPTとCopilotを導入を検討したいけど違いについて知りたい方や業務の生産性を上げたいと気になる方は多いはずです。 そこで、ChatGPTとCopilotの違いについて具体的に解説していきます。本記事では、ChatGPTとCopilotの違いから特徴・6つの活用事例について詳しくご紹介していきます。 Microsoft Copilot とは Microsoft Copilotとは、自然言語処理とMicrosoft AIモデルを組み合わせたチャットベースのアプリです。Copilotは作業ウィンドウを開き、自分の知りたいことをCopilotに伝えるだけで、タスクの実行や情報の検索などを行うことができます。 Copilotは、2023年3月にMicrosoft社で発表され、11月から企業向けに公開が開始されたAIチャットサービスです。Copilotはプロンプトで指示を出し、その内容を基にアウトプットが生成される仕組みです。 CopilotはMicrosoft365を活用するスキルがなくても、高い処理速度で回答することができます。ここでは、Microsoft

ChatGPTとCopilotの違いとは?特徴や6つの活用事例について解説 続きを読む

Perplexity AIとChatGPT

Perplexity AIとChatGPTの違いとおすすめなケース3選について解説

はじめに 今年では、生成AIを利用したデータ収集や文書作成がビジネスに関して注目を集めています。生成AIでは2022年12月に公開された「ChatGPT」と「Perplexity AI」がいま多くのユーザーに利用されています。 Perplexity AI (パープレキシティ エーアイ) は、その情報の提供に優れ、信頼性も高いということもあり、ビジネス分野での活用が増えてきました。 とりあえず、ChatGPTは文書作成などの概略タスクに対応している点が大きな特徴です。主にデータセットで学習した知識をベースにテキストを元にして回答を生成するため、最新の情報は限りません。 検索エンジン機能を備えたAIとして注目を集めているのが、Perplexity AI(パープレキシティエーアイ)です。Perplexity AIは、生成した文章出典元のセキュリティや公安の情報対応にもできるモデルで、ChatGPTと明確に異なるAI技術を利用できます。 そのため、自社で生成AIを導入したい際は、Perplexity AIとChatGPTの違いや特徴・おすすめなケースなどを解説します。ここでは、Perplexity

Perplexity AIとChatGPTの違いとおすすめなケース3選について解説 続きを読む

Copilotの活用事例8選とプランごとの特徴について徹底解説

はじめに 近年では、Microsoft製品を利用している企業の間で、Microsoft  Copilotと呼ばれる生成AIが注目を集めています。Microsoft Copilotとは、多くの企業で活用されているOffice製品をさらに便利に使用するためのAIアシスタントです。  Copilotは多くの企業が活用するWordやExcel・PowerPoint・TemasなどのツールをCopilotで大幅に効率化することができます。今後はMicrosoft CopilotがWordやExcelなどのMicrosoft製品に組み込まれる予定となっていて、資料作成やメール作成・データ分析などをAIが自動化してくれるようになります。 一方、自社にMicrosoft  Copilotを導入するときにどのような特徴・費用か知りたい方は多いはずです。Copilotには無料版と有料版のプランが分かれており、使用用途によって機能が異なります。Copilot Pro有料版では、Microsoftアプリとの連携ができるようになり、最新モデルを高速で使用することができます。 そのため、効率化したい業務によって契約するプランや導入目的をしっかりチェックすることが必要です。 そこで今回は、Microsoft  Copilotの特徴や料金体系・活用事例などについて分かりやすく解説します。本記事では、Copilotの活用事例とプランごとの特徴について具体的にご紹介していきます。 Microsoft Copilot(コパイロット)とは

Copilotの活用事例8選とプランごとの特徴について徹底解説 続きを読む

HBLAB、2026年度 Pleasanter パートナー会に参加

株式会社エイチビーラボジャパン(以下、HBLAB JAPAN)は、2026年6月19日にPleasanter Loungeで開催された「2026年度 Pleasanter パートナー会」に参加しました。 本イベントは、Pleasanterのパートナー企業を対象に開催されたもので、Pleasanterの今後の方向性や最新の活用事例、各パートナー企業の取り組みについて共有する場として実施されました。当日は、パートナー企業によるLT(ライトニングトーク)や情報交換、ネットワーキングも行われ、Pleasanterエコシステムにおけるさらなる連携の可能性を確認する機会となりました。 HBLAB JAPANは、Pleasanterのパートナー企業として本イベントに参加し、「Pleasanter + AI – 知識情報の有効活用 -」をテーマに発表を行いました。 PleasanterとAIを組み合わせた業務活用の可能性

HBLAB、2026年度 Pleasanter パートナー会に参加 続きを読む

Dataverseとは

Dataverseとは?特徴・SharePointとの違いや導入事例3選を徹底解説

はじめに 近年、企業におけるデータ活用がますます重要になりました。売上データや顧客情報、問い合わせ履歴など、活動のあらゆる場面で企業がデータ活用されるようになりました。 しかし、「データをどのように管理すればよいのかわからない」「スプレッドシートでの管理に限界を感じている」と悩んでいる企業も少なくありません。このような課題を解決する手段として注目されているが、Microsoftが提供するクラウド型データ プラットフォームDataverse です。Dataverse は、業務アプリやデータ管理を効率化できるクラウド型データベースとして、多くの企業で導入が進んでいます。 この記事では、データベースの知識がなくても安心して導入できるよう、Dataverseの基本概念から具体的な活用メリット、他のツールとの違いまでをわかりやすく解説します。 Dataverseとは Dataverseとは、Microsoftが提供しているPower PlatformやDynamics 365のデータ保管に使用されているデータベースです。Microsoft Power Platformの中核となるデータ基盤であり、企業の業務データを安全かつ効率的に管理できる仕組みを提供します。 例、基幹システム・営業支援ツール・Webアクセスログなどからデータを集め、時系列やテーマ別に整理してテーブルを保存します。

Dataverseとは?特徴・SharePointとの違いや導入事例3選を徹底解説 続きを読む

AIレコメンド活用事例

AIレコメンド活用事例5選|業界別の導入効果と成功ポイントを解説

はじめに ECサイトや小売、動画配信、不動産、金融サービスなど、さまざまな領域でAIレコメンドの活用が広がっています。ユーザーの閲覧履歴・購買履歴・検索条件・行動データなどをもとに、一人ひとりに合った商品やコンテンツを提案することで、顧客体験の向上や購買率の改善が期待できます。 一方で、AIレコメンドは単に「おすすめ商品を表示する機能」ではありません。どのデータを使うか、どのタイミングで提案するか、どのように精度を改善するかによって、成果が大きく変わります。そのため、導入前には具体的な活用事例を確認し、自社のサービスや業務にどのように応用できるかを整理することが重要です。 本記事では、AIレコメンド活用事例・基本概念・導入するメリット・成功させるためのポイントをわかりやすく解説します。あわせて、HBLABが支援したAIレコメンドの活用事例も紹介しますので、AIレコメンド導入を検討する際の参考にしてください。 AIレコメンドの基本概念 AIレコメンドとは、ユーザーの行動データや属性データ、購買履歴、閲覧履歴などを分析し、一人ひとりに合った商品・コンテンツ・サービスを自動で提案する仕組みです。ECサイトで表示される「あなたへのおすすめ」や、動画配信サービスのおすすめ作品・不動産サイトの物件提案などが代表的な例です。 従来のレコメンド機能では、人気商品やカテゴリ別ランキングなど、あらかじめ決められたルールに基づいておすすめを表示するケースが一般的でした。一方、AIレコメンドでは、機械学習やデータ分析を活用し、ユーザーごとの興味関心や行動パターンをもとに、より精度の高い提案を行える点が特徴です。 AIレコメンドは、単に商品を表示するための機能にとどまらず、顧客体験を最適化し、購買率・クリック率・リピート率の向上につなげるための重要なマーケティング施策でもあります。 ※ 関連記事: AIレコメンドとは?仕組み・種類・活用事例5選をわかりやすく解説 AIレコメンドを導入するメリット AIレコメンドの導入は、単なる利便性の向上にとどまらず、購買率やリピート率の改善、顧客体験のパーソナライズ、継続的なデータ活用など、事業全体に幅広いメリットをもたらします。ここでは、AIレコメンドを導入することで期待できる主なメリットを紹介します。 購買率・クリック率の向上につながる

AIレコメンド活用事例5選|業界別の導入効果と成功ポイントを解説 続きを読む

AI Agent Day - AI Agent集大成

HBLAB Japan、AI Agent Day 2026に参加

AI Agent・Copilotの最新動向を把握し、Microsoft AIエコシステムとの連携を強化 2026年6月16日、HBLAB Japanは、日本マイクロソフト本社で開催された「AI Agent Day – AI Agent集大成」に参加しました。 本イベントは、Microsoft Generative AI関連のパートナー企業を対象としたミートアップであり、AI AgentやCopilotを取り巻く最新動向、ソリューションの事業化に向けた方向性、そしてパートナー企業間のネットワーキングを目的として開催されました。

HBLAB Japan、AI Agent Day 2026に参加 続きを読む

Vertex AIとは

Vertex AIとは?特徴・できること・料金・活用事例3選まで徹底解説

はじめに 近年、AI技術の進化により、企業だけでなく個人でも手軽に機械学習を活用できる環境がやっとてきました。 そこで注目されているのが、Googleが提供する統合型AIプラットフォーム「Vertex AI」です。Vertex AIとは、機械学習モデルの開発から運用までを一元管理できるプラットフォームであり、初心者でも使いやすい点が特徴です。 この記事では、Vertex AIの基本から主な機能、できること、他のAIとの違い・料金・活用事例までをわかりやすく解説します。 Vertex AIとは Vertex AIとは、Google Cloudが提供するフルマネージドなAI開発プラットフォームです。生成AIの活用から従来の機械学習の構築まで、データの取り込みからデプロイ、運用に続く連続のプロセスを統合された環境で実行できます。 従来は複数のツールを使用する必要がありましたが、Vertex AIでは集中的に管理が可能です。また、専門知識がなくても使える直感的な操作性と、独自モデルを構築できる柔軟性を考慮しています。

Vertex AIとは?特徴・できること・料金・活用事例3選まで徹底解説 続きを読む

ベトナムのintra-mart開発会社

ベトナムのintra-mart開発会社おすすめ5選|オフショア開発先の選び方と注意点

はじめに DX推進や業務プロセスの標準化が進む中で、ワークフロー・申請承認・社内ポータル・既存システム連携を効率化する基盤として、intra-martの活用が広がっています。intra-martは、単なるワークフロー製品にとどまらず、企業の業務アプリケーション開発やプロセス改善を支えるエンタープライズ向けのローコード基盤として位置づけられています。 一方で、intra-martを本格的に活用するには、ワークフロー設計だけでなく、Javaをはじめとする開発スキル、既存システムとの連携、運用保守、追加開発への対応が必要になります。特に日本国内では、業務システム開発やローコード開発に対応できるIT人材の確保が難しく、開発コストの増大やリソース不足が課題になりやすいのが実情です。 そこで選択肢の一つとなるのが、ベトナムのオフショア開発会社です。ベトナム企業は、コスト競争力に加え、日本向けの開発体制・ブリッジSEによる要件整理・業務システム開発の経験を活かし、intra-martの追加開発、周辺システム連携、運用保守、開発リソースの補完を幅広く支援できます。 本記事では、ベトナムのintra-mart開発会社を探している企業担当者に向けて、intra-mart開発の基本、ベトナム企業に依頼するメリット、おすすめの開発会社、選定時のポイントをわかりやすく解説します。自社に合う開発パートナーを検討する際の参考にしてください。 Intra-mart開発とは intra-mart開発とは、NTTデータ イントラマートが提供するintra-martを活用し、企業の業務プロセスや社内システムをデジタル化・効率化するための開発を指します。intra-martは、ワークフロー・BPM・業務アプリケーション開発・システム連携などを支援するエンタープライズ向けのローコード基盤として活用されています。 代表的な開発内容としては、稟議・経費精算・購買申請などの申請承認ワークフローの構築、基幹システムや外部サービスとの連携、社内ポータルや業務アプリケーションの開発、運用中システムの追加改修などが挙げられます。intra-martにはローコード開発機能が用意されているため、画面や業務ロジックを効率的に作成しやすく、業務部門とIT部門が連携しながらシステム改善を進めやすい点が特徴となっています。 一方で、実際のintra-mart開発では、単にツールを使って画面を作成するだけではなく、業務フローの整理、権限設計、データ連携、Javaなどを用いた個別開発、既存システムとの整合性確認が必要になるケースもあります。そのため、社内だけでは対応が難しい場合は、intra-martや業務システム開発に知見を持つ外部パートナーに依頼することが有効です。 Intra-mart開発をベトナム企業に依頼するメリット intra-mart開発を外部パートナーに委託する際、近年注目を集めているのがベトナムのオフショア開発会社です。ベトナムはIT人材の育成に力を入れており、日本向けの開発体制を整えた企業も増えています。コスト競争力の高さに加え、業務システム開発やローコード開発の経験を持つエンジニアも多く、intra-martの追加開発・運用保守・周辺システム連携まで幅広く対応できる点が魅力です。以下では、ベトナム企業に依頼する主なメリットを詳しく解説します。 国内で不足しがちな開発リソースを補完できる intra-mart開発では、ワークフロー設計、ローコード開発、既存システムとの連携など、複数のスキルが求められます。しかし、日本国内では業務システム開発に対応できるIT人材の確保が難しく、社内リソースだけで新規開発・追加改修・保守対応を継続することが課題になりやすい状況です。

ベトナムのintra-mart開発会社おすすめ5選|オフショア開発先の選び方と注意点 続きを読む

Scroll to Top