AI Shift Academy

AI Shift Academy（#シフアカ）前回に引き続き、ボイスボット開発の現場を支えるエンジニアたちが、LLM（大規模言語モデル）の登場による「破壊的進化」と、その裏に隠された「泥臭い苦労」を赤裸々に語ります。【今回のトピック】LLMと「速度」の壁： 0.1秒の遅延が致命傷になる音声会話の世界。「間（ま）」の恐怖： 人間はなぜ1秒の無音に耐えられないのか？フィラー（えーっと、少々お待ちください）の重要性： 違和感を消すためのエンジニアの工夫。音声認識の罠： 「チャンネル登録お願いします」と勝手に話し出すハルシネーション問題。技術の総合格闘技： 音声認識、LLM、音声合成を組み合わせる難しさ。最先端のAI技術を「実用」レベルに落とし込むための、現場ならではの試行錯誤が詰まったエピソードです。ぜひ最後までお楽しみください！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回のテーマは、以前も取り上げたボイスボット（音声対話システム）開発の裏側に迫る第二弾前編です。LLM登場以前、ボイスボットはIVR（自動音声応答）と併用されることが多く、開発現場では特有の課題がありました。・「55」や「9」など、数字・アルファベットの音声認識の難しさ・「はい/いいえ」の単純な質問に、ユーザーが長々と背景を語ってしまう問題・渋谷、戸田市、246号線など、地名や略称の認識エラー・ハンズフリー通話による雑音混入と認識精度の低下など、テキストのチャットボットにはない音声ならではの苦労話をAI Shiftの二人が語ります。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回のテーマは「SF作品と現在のAI」。MLエンジニアの曽田が、AI開発に携わる今だからこそ感じるSF作品のリアリティや、現代技術との共通点について語ります。星新一『肩の上の秘書』に見るChatGPT的な意図解釈、アイザック・アシモフ『われはロボット』から考えるAIへの愛着、テッド・チャン作品における「AIの育成」など、古典SFが示唆していた課題を深掘り。また、カスタマーサポートAIに「謝罪」を求める人間の心理や、AIアバターに対する独特なコミュニケーションなど、技術の進化に伴う人間側の行動変容についても議論します。SFはもはや予言書？技術者視点のSFトークをお楽しみください！【トークテーマ】星新一『肩の上の秘書』とChatGPTアシモフ『われはロボット』とAIへの愛着テッド・チャン作品とAIの育成AIに対する人間の心理・行動▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回は、2023年の登場以降、再び注目を集めている「ローカルLLM」を特集！クラウド型のAI（ChatGPTやGeminiなど）が主流の今、なぜあえて自前環境でAIを動かす「ローカル」が熱いのか？そのメリットから最新の技術動向まで、エンジニアの視点で分かりやすく深掘りします。ローカルLLMとは？：自前環境でAIを動かす定義と、OSS（オープンソース）との違いなぜ今、再注目されているのか：モデルの軽量化やハードウェアの進化、精度の向上についてローカルLLMを選ぶ4つの理由：機密性とセキュリティ：社外秘データを安全に扱うコストパフォーマンス：高リクエスト環境での逆転現象ガードレールのカスタマイズ：特定の役割への特化（悪役ロールプレイなど）文化的多様性と安全保障：日本独自の文化継承やAI自給率の観点主要モデル紹介：Llama 3、Qwen、Gemma、DeepSeekなど、今すぐ試せる注目モデル手軽にローカルLLMを試してみたい方は、以下のソフトウェアがおすすめです。Ollama：エンジニア以外でも使いやすいUILM Studio：直感的な操作でモデルを動かせる▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回は、前回に引き続き「LLM登場以前のチャットボット」の歴史と技術（後半）です。シナリオ型（ルールベース）ならではの、「無限に増える分岐」や「表記ゆれへの対応」など、当時の泥臭い開発の裏側を語ります。【今回のハイライト】シナリオ型の限界：複雑化する分岐とメンテナンスの地獄、「その他」ばかり選ばれる問題。言葉のゆらぎ：「はい/いいえ」で答えられない曖昧な返答や、表記ゆれ（iPhone vs アイフォンなど）への手動対応。人間 vs ボット：文脈を無視した相談や、ボット相手への不満など、コミュニケーションの難しさ。今ではChatGPTなどが自然に行っている処理も、当時は手動と工夫で乗り越えていました。技術の進化と当時のエンジニアの奮闘をぜひお聴きください！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）チャットボットの「FAQ型」と「シナリオ型」の違いと、それぞれの運用課題について深掘りします。FAQ型は、ユーザーの質問に対して事前に用意したQ&Aから回答を検索するタイプ。一見シンプルですが、実際には・表記ゆれや類義語の認識精度・「解決しましたか？」というフィードバックボタンの押下率の低さ・質問意図の汲み取り不足など、運用担当者を悩ませる課題が山積みです。これらの課題に対する具体的な解決策や、ユーザー体験を向上させるためのヒントを語ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）後編では、RAGシステムの運用フェーズにおけるリアルな課題に迫ります。RAGを導入したものの、精度評価が難しく、結局担当者の感覚（バイブス）で「良くなった気がする」と判断してしまう「バイブスチェック問題」。定量的な評価指標の欠如や、ユーザーの質問リテラシーによる検索精度のばらつきなど、運用現場ならではの悩みを紹介します。さらに、AIに過度な期待を寄せる「魔法の箱」幻想と現実のギャップ、そして継続的なナレッジ更新の難しさについても議論します。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回はAIワークフロー構築において欠かせない技術「RAG（検索拡張生成）」の現場の課題に焦点を当てます。#1でも取り扱いましたが、AIに社内ドキュメントなどの外部知識を参照させるRAG。一見便利な技術ですが、実際に開発してみると・表記ゆれやフォーマットの乱れによる検索精度の低下・LLMへのコンテキスト過多によるハルシネーション・「分かりません」と正直に言えないAIの挙動など、様々な壁にぶつかります。AI ShiftのMLエンジニア目線で、実務で直面した具体的な課題と、現時点での解決アプローチを赤裸々に語ります。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回は、AI開発の現場で起こりつつある新たな課題「AIワークフローのコンテキストオーバー」について、AI Shiftの及川と戸田が深掘りします！複数のAI処理を繋げて自動化する「AIワークフロー」・プロンプトに気合いを入れすぎて情報過多に・1つのワークフローに詰め込みすぎて複雑化など、中級者が陥りがちな落とし穴を実例を交えて解説。「Few-Shot」が逆にハルシネーションを招いた失敗談や、業務棚卸しの重要性など、2025年以降のAI開発に必須の知見をお届けします。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）前回に続き、ボイスボット開発の裏側を深掘り！今回は、AIと人間らしい対話を実現するための試行錯誤に焦点を当てます。・ ストリーミング認識の落とし穴スムーズな会話のために導入したストリーミング認識。しかし、「どこで会話を切るか」という難問に直面。ボットが「ずっと空気を読んでしまう」現象とは？・ 人間らしさ vs 機械のわかりやすさ人間のような「間」や「相槌」は本当に必要なのか？あえて機械的に振る舞うことで、ユーザーの心理的ハードルを下げる逆説的なUX設計について議論します。・ アバター接客の衝撃体験ホテルでのアバター接客から見えた、プロの接客術とAIの現在地。最新のLLMでも超えられない「文脈理解」の壁とは？・ 割り込み機能「バージイン」の失敗談ユーザー体験向上のために実装した「割り込み機能」が、なぜ全く使われなかったのか？技術とユーザー心理のギャップに迫ります。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回のシフアカは、方向性を変えて開発の「現場トーク」をお届けします！テーマは、AI Shiftのプロダクト「ボイスボット」の立ち上げ秘話。2019年、ボイスボットの始まりは「秘書さんサポート」だった！？「土日」が「兄貴」に聞き間違えられるなど、精度がまだ低く、運用が定まっていなかった当時の音声認識とどう戦ったのか。・独自の「聞き間違い辞書」の作成・「こう言ってください」と誘導するUXの工夫など、LLM登場以前のエンジニアの泥臭い試行錯誤を語ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）パイプラインからE2Eへ！最新音声対話技術の現在地 人間のように自然で低遅延な対話を実現する「E2E型音声モデル」へのパラダイムシフトを徹底解説します。・ Half-duplex vs Full-duplex爆速応答の「LLaMA-Omni」と、話しながら聞く同時双方向を実現する「Moshi」。それぞれのアーキテクチャと訓練手法の違いとは？・ 技術の裏側OpenAI Realtime APIの「擬似」Full-duplexの仕組みや、音声コーデック「Mimi」によるトークン化（Semantic/Acoustic）の構造を深掘り。・ 課題と展望対話データの不足やセキュリティ評価、今後のマルチモーダル化について議論します。音声AIの最前線をキャッチアップしたい方は必聴です！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回のテーマは「対話システムの歴史と未来」です。音声対話の基礎となるテキスト対話の進化を、1966年の元祖ELIZAから最新のLLMまで深堀りします。・ELIZAとSHRDLU：黎明期の対話と擬人化現象・主導権の変遷：一方通行から混合主導型へ・技術の進化：ルールベースから確率モデル、深層学習へChatGPT以降、AIは言葉を理解できるようになりました。では次の競争軸は何か。答えは理解の正確さから「体験の心地よさ（UX）」へのシフトです。技術の先にある、これからの対話デザインの核心に迫ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回のテーマは、音声対話システムの核心「対話制御とモデルの変化」について。ユーザーの発話をAIはどう理解し、記憶し、次の応答を決めているのか？NLU（理解）→DST（記憶）→Policy（決定）という「対話の脳みそ」の仕組みを徹底解説します！▼主なトピック・ASR（音声認識）のストリーミング進化・対話制御3モジュールの役割と連携・LLM登場による「パイプライン型」から「End-to-End型」への構造変化・精度と柔軟性を両立する「ハイブリッド型」の現実解「AIがどう考えて話しているか」を知れば、技術トレンドがより深く見えてきます。是非ご視聴ください！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）なぜ私たちはスムーズに会話のキャッチボールができるのでしょう？今回のテーマは「ターンテイキング」（話す・聞くの順番交代）です。人間は相手の話の終わりを予測し、わずか0.2秒で交代していると言われます。この複雑な仕組みをAIでどう実現するのか？ターンテイキングの基礎、読み取る手がかり（声のトーン、視線など）から、LLMを活用した最新AIモデル（Turn GPT, VAP）、音声対話システムでの重要性（UX向上、「バージイン（割り込み）」）まで詳しく解説。会話AIの「間（ま）」の秘密に迫ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）ChatGPTのボイスモードなど、AIと「声」で話す仕組み＝「音声対話システム」が急速に進化しています。かつては、(1)音声検出 → (2)文字化 → (3)意図理解 → (4)文脈把握 → (5)応答決定 → (6)文章生成 → (7)音声合成、という7つの専門分野を組み合わせる「パイプライン型」が主流でした。しかし、この方法ではエラーが伝播しやすく、全体最適化が困難でした。現在は、LLMを中心に多くを統合する「End-to-End型」が標準に。さらに、音声のトーンや感情をそのまま理解する研究も進んでいます。とはいえ、人間のように自然な「間」で会話を切り返す「ターンテイキング」や応答速度にはまだ課題も。音声対話の技術的な変遷と未来の課題を解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）#2番外編として、ゲストパーソナリティの栗原から、言語処理学会「YANS」について紹介します。毎年実施されている言語処理学会「YANS」20代〜30代前半の研究者が中心で、活気ある雰囲気が特徴です。発表者と直接対話できる「ポスターセッション」がメインとなっており、参加者が自由にディスカッションできる場となっています。番組では、特に印象的だった研究として、「言い淀み」や「ノリ」といった即興性を含むリアルな会話の再現を目指す「自発音声」の研究を紹介。また、LLM（大規模言語モデル）を活用したデータセット作成など、学会で見られた最新の研究トレンドにも触れています。AI研究の最前線がわかるエピソード、ぜひお聴きください！▼おたよりは⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）AIの「賢さ」を測るモノサシが変わる？従来の「難しい問題が解けるか」という評価（ベンチマーク）だけでは、AIの真の実力は測れなくなりつつあります。これからのAI評価は、・ウェブ探索能力 (BrowseComp)・ツールの使い方 (LiveMCP)・研究能力や洞察の深さ・マルチモーダルや対話能力など、より実践的なスキルが問われます。また、「Chatbot Arena」のようなユーザー投票や、人間が評価ループに入る「Human-in-the-Loop」も再注目されています。「AI版ムーアの法則」と呼ばれるタスク完遂速度や、安全性・バイアス（RedTeaming, HELM）など、評価軸はどんどん複雑で多角的に。AI評価の未来を解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）TECH BLOG「LLM-as-a-Judgeにまつわるバイアスまとめ」はこちらから。今回は「AIの評価」評価における課題についてお話しています。特にLLMの性能評価における信頼性の問題を深掘りします。今回の放送では、AI評価者や人間に内在し、結果を歪める「バイアス」の体系的な分析から始めます。さらに、評価データが学習データに混入する「データ汚染」が如何にベンチマークを無意味にするか、そして評価AIの癖に最適化し実用性を損なう「ジャッジへの過適応」の危険性を指摘。問題設定自体の誤りや環境依存性といった、スコアの再現性を揺るがす要因も解説。AIの能力を正しく見極める上で、開発者や研究者が直面する深刻な課題を論じます。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回は「AIの評価」LLM as a Judgeについてお話しています。従来のAI評価は、自動指標では精度に、人手評価ではコストと時間に大きな課題がありました。そこで登場したのが、GPTのような高性能LLMを「評価者」として使う新手法「LLM as a Judge」です。人間による評価と遜色ない精度を実現しつつ、高速・低コストで大規模な評価を可能にします。評価の質はプロンプト設計が鍵を握り、明確な基準を与えることで人間の判断をスケールさせることができます。RAGの性能評価や、AIからのフィードバックでAIを強化するRLAIFなど応用も多彩。AI開発の常識を変えるこの技術を詳しく解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠から