HULFTイベントレポート：第16回
｢HULFT Technology Days 2023｣
今年も開催しました！（その2）

特別講演
生成AIを活用した業務プロセスの破壊と創造

小瀧 健太 氏
株式会社レッジ　代表取締役社長

小畑 正好 氏
株式会社FMB　制作開発部門　取締役CTO

現在世間で大変な話題になっているChatGPTは、利用者とチャット形式で対話をするAIで、技術的には大規模言語モデルをベースに開発された生成AIになります。こちらのセッションで話題になっていたものは、ChatGPTが話題になる前に話題になっていた、StableDiffusionやDALL-Eなどの画像生成AIの業務での活用事例になります。

具体的にはアパレル業界での活用事例の紹介をいただきました。業界の業務で必要になる様々な画像について、人が描いたりCGを作ったり写真を撮ったりする代わりに、生成AIによって自動生成する取り組みです。

そのために意識しないといけないハードルの例として最初に示されたものが以下の画像でした。知らない人からするとなんでもない画像かもしれませんが、画像生成AIを用いているのに画像が四枚とも「同じキャラクター」になっているところが注目すべきところです。

画像生成AIでは、例えば「馬に乗った男の人」というフレーズを入力すると、テキストの内容から画像を生成できます。しかし、画像に出てくる男の人は生成するたびに基本的に毎回違う人になり、同じキャラクターを違う構図で再度登場させることは難しいのです。しかし上記の例では四枚とも同じキャラクターです。

アパレル業界で利用するためには、モデルとして登場する人物が固定できないと使いづらいところがあります、そのため同じキャラクターで画像が生成されるように工夫した例というわけです。

ではその「追加データ」（LoRA）はどうやって用意するのでしょうか、というのが左側の画像です。例えば、学習させたい人をあちこちから映した画像をある程度たくさん、たとえば何十枚の画像を用意して学習用データとして用意し学習させて追加データを作ります。

学習させたデータをどうやって使うのでしょうか、というのが右側の画像です。画像生成AIの入力にはテキストだけではなく画像も使えます。ここでは顔を学習させた「追加データ」を用意しておき、顔以外（ポーズや衣装など）は欲しい画像になっている画像データを、CGとして生成、あるいは写真など何らかの方法で「顔を置き換える元の画像」として用意します。

そして顔の部分の画像をくりぬいて（画像上で黒い丸になっています）、画像生成AIに欠損した部分を補わせる処理をすると、先ほど学習させた顔のデータが利用されて「画像復元」され、無事顔が置き変わったという例です。このようにすれば顔以外を作り、その後で顔を同じ人に置き換えて揃えることができます。

画像全体を作る例です。背景画像を普通にプロンプト（ほしい画像の内容をテキストで書いたもの）を入力して生成します。ベースになる人物の画像について、欲しいポーズを同じようにCGのツールなどで簡易に生成し、そして顔などを消して置き換えて欲しいポーズ欲しい顔のキャラの画像を作り、背景と合成します。

ただし単に切り抜いて画像を生成させただけでも思った通りにならならないことや、不自然な画像になってしまうこともあるので、泥臭いテクニックが必要なことがあります。生成AI側での工夫が難しい場合にはフォトショップで画像加工することもあります。

衣装でも同じように調整を行って生地の質感やシワの加減など、望んだ画像を引き出すことができます。

このような取り組みの業務上の効果ですが、衣装を生地から作ってモデルを呼んで写真撮影すると、お金もかかりますし一か月はかかってしまいます。一方でデータの準備がすでにある場合には生成AIで画像生成をすればわずか一日で、データの準備がなくても一週間で画像生成ができるそうです。業務として効率的に画像を用意したい場合には、大きな可能性を持つことがわかります。

こちらについては5Gなどの、低遅延でサーバ側（クラウド側）を呼び出せる通信技術が普及すると状況が大きく変わるだろうという予想でした。通信遅延が小さいとデータを送って瞬時に結果が返ってくるためにリモートからのリアルタイム処理が可能になります。

そうなるとリモートから人間のポーズのデータなどを送信するとリアルタイムでバーチャルヒューマンにレンダリング処理されて戻ってくるようなことが可能になり、実在の人の見た目をバーチャルヒューマンで置き換えるようなことが可能になります。

お客様事例　DX
データ連携も二刀流！HULFT Squareで実現するファストシステム開発

日髙 大輔 氏
日本航空株式会社 IT企画本部 IT推進企画部 生産系システム推進グループ グループ長

松尾 健史 氏
株式会社JALインフォテック サービス事業本部 IT基盤事業部 共通サービス基盤部 データ連携基盤グループ グループ長

そのため、自社で時間をかけて全部作る旧来型のITシステムや開発スタイルから、クラウドサービスを活用した素早いシステム開発を基本にした、新しい開発文化への変革に取り掛かります。

わかりやすく「どのように判断すべきか」をスライドでご説明いただきました。「SaaSで解決できるならSaaSで済ませる」「ノーコードやローコードで済むならPaaSを用いて済ませる」それで無理でも昔通りにスクラッチ開発をせず「サーバレスなどのAWSのマネージドサービスが利用可能か検討する」、それでもなお無理でも「IaaSを利用して開発する」というITを選ぶルールです。

社内ではすでに多数のシステムが導入されており、それらシステム間で多数のデータ連携処理がバラバラに実現されていました。そこでまず、バラバラだったシステム間連携を、全社的な連携基盤として整理することに成功します、500近いシステムとの連携、3000を超えるデータ連携による基盤として整理されます。

しかし、連携基盤はしっかりできたものの、連携基盤への変更や追加開発にまたもや工数と時間がかかるようになり、連携基盤にもファストさが必要になりました。

業務をまさしく支えているデータ基盤、特に日本航空様ではシステムトラブルが一切あってならないような、一般的なITシステムとは要求水準が隔絶しているシステムもあります。そのようなシステムはこれまで通り安定稼働第一でしっかり開発しなければいけません。一方で、厳密な安定稼働を死守するよりも、ビジネスニーズに柔軟かつ素早く対応できることが望まれる場合もあります。

続いて、kintoneなどクラウドサービスだけでの開発では実現が難しく、iPaaS（HULFT Square）との組み合わせ活用が活躍している例です。kintone単体では難しい「複雑な処理」を外部で処理して解決した例。Google SpreedSheetにデータを書き出すことで、システム開発側はデータを書き出すだけ、利用者側は自分自身でデータを活用できる環境が実現した例です。

最後にHULFT Squareを導入して活用した感想をいただきました。開発者は基盤チームに依頼せずとも自分たちで開発可能になり、基盤チームからも都度対応する必要がなくなって手離れが良くなり、これまで対応できていなかったデータ連携の様々なニーズに対応できるようになりました。ITの裏方としての業務で手一杯だったのが、価値を生む取り組みやビジネス的な取り組みに貢献できるようになりました。

IT企画部門からもシステムが実現するまでの期間が大幅に短縮するだけでなく、利用規模に応じた課金になるメリットもありました。

各社でノーコードやローコード製品の導入や内製化の取り組みは進められていますが、アプリケーションだけをファストで開発できても不十分であり、データ連携やデータ基盤も同時に刷新しなければいけません。そのために活用いただけるものが、私たちが提案している「つなぐ」技術であり、DataSpiderやHULFT Squareになります。

HULFTイベントレポート 一覧