生成ＡＩと、ＢＩの共存や競合について。「情報にも原価」視点が必要になりつつある。

2月 17, 2025 2月 17, 2025

guruken-admin

2025年に入ってからも、生成AIの更新情報は加速の一方です。この起稿時の話題は、Deep Researchがホットです。
BIと異なり、AIによる情報探索は、ハルシネーションを始め、いくつかの落とし穴が未だあります。ゆえに癖を理解して使う必要があります。基本的に生成AIは平均情報を探してくるので、特異な内容が除外される点では、問題の特定には向いていないとも考えられる反面、人間では到底出来ない範囲から情報は集めてくれます。また、屁理屈のようですが、「平均的な」に前提をつけまくると、必要な母集団の平均がとれる訳で、その点では生成AIの方が、BIよりも優秀といえる可能性は残ります。
ただ、2024＋年の時点では、、まだまだ生成AIだけでは使えません。SQLなどのデータを特定する構文をAIに尋ねて定量情報を照会する方が早いです。2025年初にGoogle workspaceに、Notebook LＭがバンドルされたので、請求書を「ソース」として登録し、自然言語で紹介してみました。フォーマットが完全に統一されており、数件の検証でＯＫな時には使えそうです。初めは上手くいったので感動しましたが、いくつかの請求書レイアウトを試すと、うまく行かない『モノモアル』状態で、まだまだ数字が信頼できる次元でなくがっかりした事を記録しておきます。
しかし、生成AIは日進月歩なので、時間が直ぐに解決するでしょう。また、GeminiのDeep Researchが、Notebook LMが動けば、もしかすると今時点でも充足は出来るのかも。

ただし、また一方で、まだまだ生成ＡＩには『コスト』面での課題が残ります。人間のニューラルネットワークがいかによくできているか、知識が少ない私でも関心します。サブスク利用者側には見えにくいですが、熱、電気、半導体（単価）のコストが「照会」の後ろにはあるので、無用な分析は今後はご法度になっていくのかもしれません。もし、情報にも原価があるという考え方は、ある意味新鮮ですが、生成AI時代になって、少しずつ一般化されていくのかもしれません。その点、BIは、人間が考える点で使い分けが十分に活きるし、必要な情報照会のメソッドという事が言えるでしょう。
情報は資産であるわけですから、それに原価が発生しても問題はないはずです。そして原価管理的には、低い原価で高い価値を作る方が管理会計では正解です。小難しい時代になりましたが夢も広がります。今の時点では、Google Notebook LMに会計実績データ（特に帳票）を読ませて、自然言語によるクエリーと、Google Looker Studioによる非定型クエリーを両方準備してあげる事がよいのかなーという所感です。