諸外国に後れを取る日本のICT産業。その発展を担うICT人材不足も深刻だ。企業や行政は、どのようにして優秀なICT人材を育成すべきだろうか。「天才プログラマー」との呼び声もあるソフトウェアおよび通信ネットワーク研究者であり、「シン・テレワークシステム」の開発者でもある登 大遊氏に話を聞いた。 ソフトウェアおよび通信ネットワーク研究者。SoftEther VPNを開発・製品化・オープンソース化し、全世界に500万ユーザーを有する。外国政府の検閲用ファイアウォールを貫通するシステムの研究で、筑波大学で博士（工学）を取得。2017年より独立行政法人情報処理推進機構（IPA）サイバー技術研究室を運営。2020年にNTT東日本に入社して特殊局を立ち上げ、シン・テレワークシステムを開発。ソフトイーサを17年間経営中。筑波大学産学連携准教授 テレワーク難民を救った「シン・テレワークシステム」 新型コロナ

Amazon Virtual Private Cloud（Amazon VPC）は、アマゾンがAWS上で提供している機能の1つで、AWSアカウント内に構築できる仮想ネットワークです。このネットワークの中で、仮想サーバ「EC2」など多くのAWSのサービスが起動します。「やさしく学ぶAWS入門」第3回ではVPCについて、その特徴、作成手順や構成例などを説明していきます。実際にVPCを自分でも設定しながら読んでもらうと、理解が深まるでしょう。

中国は今、あらゆる産業分野でのAI活用に力を入れています。ボストンコンサルティンググループ（BCG）の「企業の人工知能（AI）の導入状況に関する各国調査」において、中国はアクティブプレーヤーの割合が世界トップレベルであることが示されました。それに対し、日本は全体的に低調で、特に医療（ヘルスケア）においては大きく水をあけられています。医療へのAI導入に関しては他国も進んでいるとは言えず、中国が突出しているのは明らかです。これには、いくつかの中国特有の事情があります。 合同会社Noteip代表。ライター。米国の大学でコンピューターサイエンスを専攻し、卒業後は国内の一部上場企業でIT関連製品の企画・マーケティングなどに従事。退職後はライターとして書籍や記事の執筆、WEBコンテンツの制作に関わっている。人工知能の他に科学・IT・軍事・医療関連のトピックを扱っており、研究機関・大学における研究支援活

デジタルトランスフォーメーション（DX）に取り組む企業は、さまざまな問題に直面している。中でも深刻なのが人材不足だ。AIやIoTに精通したエンジニアはもちろん、業務のデジタル化を担うエンジニアも不足している。ただし、これはすべての企業に当てはまることだ。であれば、人材不足を嘆いても仕方がない。それを前提条件として何ができるかを考えるべきだろう。ここでは、その具体的な対策を解説する。 9割以上の企業が「デジタル人材不足」 いまや、企業はこぞってDXに取り組んでいる。ただし、すべての企業が順調というわけではない。むしろ、取り組みを始めると、次々と課題に直面する企業がほとんどだ。その1つが深刻な人材不足である。 一般社団法人日本情報システム・ユーザー協会（JUAS）の調査によると、東証上場企業およびそれに準ずる企業において、IT部門の増強は比較的順調に進んでいるものの、業務のデジタル化を担うデジ

論点1：DX人材に求められるケイパビリティは？ ではDX人材にはどのようなケイパビリティ（能力・強み）が求められるのでしょうか。 もちろん、デジタル技術に関する知識やスキルは必要となりますが、これらは教育によって習得可能です。筆者は、DX人材に求められるケイパビリティとして重要なのは、「知の探索」や「ゼロベース思考」であると考えます。 「知の探索」とは、既知の範囲にとどまらず、新たな知を探すことです。経営学におけるイノベーション理論では、この「知の探索」と、ある範囲の知を深堀りする「知の深化」をバランスよく進める「両利きの経営」が必要であり、特に知の探索を怠らないことが重要であると言われます。 「ゼロベース思考」は、イノベーションを実現する際に必要と言われる思考法の1つです。今まで持っていた前提知識や思い込みをいったんゼロにして、ベースがない状態から顧客にとっての価値を考えることを指します

生産性向上のもっとも有効な手段。それは「仕事の自動化」です。労働時間を短縮できるだけでなく、空いた時間を付加価値を高めるために使えるので非常に効果的です。仕事を自動化するには何らかのツールが必要ですが、最近ビジネスパーソンの間でその決定版として注目されているのが「Python」というプログラミング言語です。AI活用で改めて注目を集めた言語ですが、海外では文系学生にもこの言語を習得させようとする動きもあります。今回は書籍『PythonでExcel、メール、Webを自動化する本』のプログラムを実際に動かして、Pythonによる自動化を体験していただきましょう。

AWS（Amazon Web Services）について、あなたはどれくらい知っていますか？アマゾンのサービスということは知っていても、誰かにしっかり説明することはできるでしょうか？本記事では、AWS認定資格12種類すべてを取得し実務でも運用に取り組んでいるNRIネットコムの上野氏が、AWSに関する基本事項の整理に加えて、その特長や理解に役立つリンク、最低限押さえておきたい代表的なサービスについて解説します。

日本ではもともと「高速開発」や「超高速開発」と呼ばれていた、ローコード（Low-Code）開発、あるいはローコードアプリケーションプラットフォーム（LCAP：Low Code Application Platform）が、ここにきて急速に世界的なトレンドになろうとしている。ツールの提供側を見るとマイクロソフトやセールスフォース、グーグルなども参入しているが、日本からもサイボウズはじめ、参戦する企業が多い。システム開発、あるいはアプリケーション開発の効率化は今後、企業の差別化にかかわるビジネススピードの確保、システムインテグレーターのビジネスモデルとそれに伴うIT部門の役割の変化などにも大きく関わってくる。ITがビジネスを左右する時代を象徴するかのような技術であるローコード開発について、基本中の基本から市場動向予測、導入企業の事例、13社におよぶベンダーの動向と比較のポイントなどについて幅広

今や企業システムで何らかのクラウドサービスを利用するのは当たり前の時代になりました。さまざまなクラウドベンダーがひしめくなか、業界のガリバーとされるのが「Amazon Web Services（AWS）」です。AWSが2006年にAmazon S3を開始してから14年、今では数多くのサービスを提供していますが、それを使いこなすには体系だった知識が欠かせません。その一助となるのがAWS認定資格です。ここではAWSに精通した専門家たちが同資格の全体像と取得メリット、初学者向けのAWS認定クラウドプラクティショナーについて紹介します。 佐々木拓郎 NRIネットコム クラウド事業推進部 部長。専門はクラウドに関するコンサルティングから開発まで。クラウドの対象範囲拡大にともない、AIやIoTなどさまざまな領域に進出することになる。趣味は新幹線でワインを飲みながらの執筆。新幹線で、ソムリエナイフでワイ

企業のレガシーシステムの問題の本質は、自社システムの中身がブラックボックス化していることにある。 ユーザー企業は自社のシステムの内部構造が複雑化し、自分自身で修正できない状況に陥っている状態だ。レガシーシステムの問題は技術的な側面だけでなく、適切なメンテナンスを行わないなどの不十分なマネジメントもブラックボックス化を引き起こしている。 自社のレガシーシステムがブラックボックス化していても、システムが稼働していれば大きな問題とはならない。しかし、多くの企業では、ブラックボックスの解明や新たな構築方法の検討などを、自社の経営課題として真正面から取り組まないまま時間が経過してしまっている状態にある。 レガシーシステムがブラックボックス化している現状には、いくつかの背景がある。 1つ目は「日本ではユーザー企業よりもSIerやベンダー企業にITエンジニアが多く所属している」点だ。ユーザー企業は、ベン

はい。2025年の崖を乗り越える人材とも関係してきますが、日本の産業構造は、ユーザーに、ITエンジニアの全体のうち、大抵7割がベンダーに所属していて、3割がユーザー企業に所属しています。 この比率は米国の場合は7対3、ヨーロッパでも5対5ぐらいと ユーザー企業が自分たちでエンジニアを抱えています。2025年以降のためにこうした構造の変革にも言及しています。 ──そうした構造もあり、米国ではソフトウエア開発の内製化が進んでいる一方で、日本では内製化が進んでいないですね。 米国の場合はシステムを構築する場合、多くのエンジニアを集めて構築し、一段落したら解雇してまた別のプロジェクト単位で雇用することが普通です。日本の場合、雇用はなるべく守るのが慣習です。最初から人材を抱えられないので、ベンダーに「外出し」しているというのもあります。 日本はユーザー企業側にITエンジニアが少なく、ITリテラシーが

システムは老朽化し、管理者は去る ──経済産業省では「2025年の崖」をどのように捉えていますか。 中野氏:2025年の崖と我々が呼んでいるものは、大きく2点ポイントがあります。 1つ目は、今、日本の企業は、基幹系システム、情報システムの老朽化という問題を抱えている点です。この老朽化したシステム、いわゆるレガシーシステムの問題は、古いシステムでもう維持管理が容易ではなくなっており、その維持管理費用がどんどん膨れ上がっています。 2つ目は、クラウドやAI、IoTなどの新しい「デジタル技術」への対応です。デジタル化が進むことで、システムの開発では、アジャイル開発も進んでいます。 今後、5G（第5世代移動通信システム）がより一般に提供されるようになると、そのデータの量が格段に増え、データ管理や活用できていないと、ビジネスが成り立たなくなる時代が来るでしょう。 このままレガシーシステムを使い続け、

A社は、巨大資本を持つBグループの傘下のネット専業銀行だ。Bグループの本業は金融ではないため、優秀な人材を他社から引き抜いて、A社の経営を任せた。巨大グループの中にあってもA社は、独自戦略を自由に打ち出せる立場だった。 こうした立場を生かしたA社は、2000年代には預金商品だけでなく、さまざまな商品やサービスを提供してきた。ビジネス的視点だけでなく、新技術にも精通したメンバーがいたため、コアな機能は自前で実装できる強みを持っていたのである。 A社の経営陣は近年、強い危機感を持っていた。さまざまな巨大IT企業が決済機能を持ち、その情報を活用する「情報銀行」を目指しているからだ。A社はデータ活用によるサービスの提供を重要プロジェクトと位置づけ、施策を練った。しかし、2000年代に構築したシステムはレガシー化し、機能を追加しようにも期待されるようなスピードで開発できていない。IT部門は発言力を失

半導体製造の前行程でAIを活用するプロジェクト 今回登場するのは、半導体メーカーのA社である。A社には研究部門があり、2010年代前半からディープラーニング（DL）に注目していた。新技術が次々に登場する中、外部の専門家の知識を取り入れたいという要望があったという。 2016年にAIの「AlphaGo」が人間のトップ棋士を破ったことで、経営層もその威力を知ることとなった。経営陣は多すぎる技術のバリエーションを追求するのではなく、企画部主導で課題を洗い出し、自社に有望な技術をAIスタートアップにピックアップさせて「AIプロジェクト」を開始した。具体的には、製品規格を統一して、スケールメリットを活かす計画生産を目指す取り組みだ。 同プロジェクトの責任者に選ばれたのが、B氏である。B氏は生産技術のエンジニアとして複数の工場で実績を積み、企画部に異動した人物だ。生産現場と個人的なパイプを持ち、いくつ

AI（人工知能）関連の技術は日月進歩で、日々、新しいものが登場している。キャッチアップも難しい中で、いかに企業はAIの研究・開発で価値を創出していけばよいのか。楽天の平手 勇宇氏、TISの久保 隆宏氏、LINEの並川 淳氏という日本を代表する開発者ら3名が集まり、自身の経験や知見をもとに、企業をまたいだAI活用の本音の議論を交わした。モデレータをつとめたのはFRONTEOの門前一馬氏だ。

小売業は歴史的にITと関係が深い。1970年代後半から1980年代にPOSレジシステムは急速に普及し、在庫管理、発注管理などと関係してきた。2000年以降はECによって消費者の行動を変化させた。 最近ではさまざまなAIベンダーが小売向け AI ソリューションをそろえてきている。典型的なものとして、店内の顧客導線の可視化、不審者・万引きの検出、需要予測、商品棚の欠品の検知、店員のシフトの最適化などがある。 今回取り上げるA社は小売業を営んでいる企業だ。店舗だけでなく、ECやデジタルマーケティングなど、テクノロジーの活用にも力を入れていることで知られている。近年ではオムニチャネルに早くから取り組んでいた。 A社の経営層は2018年のAmazon Goの登場で危機意識を持った。EC最大手のアマゾンが実店舗のビジネスを手掛けることによって、産業構造が変化する可能性に気づいたのである。 そこで自社が

「報道という性格上、被害者の名前など情報は正確を期さねばならず、字幕にもミスは許されません。また字幕送出のスピードも要求され、運用コストが安価でなければ24時間適用できません」 同社では現在、音声認識技術を利用した文字起こしエディター「もじこ」を開発中で、当初はこれを利用したシステム化も検討した。しかし、メインに据えるにはリアルタイム性に欠けた。 そこで思いついたのがプロンプタシステムの有効活用だ。プロンプタシステムは、キャスター向けに原稿を表示するモニターシステムだ。そのプロンプタシステムに用意する放送原稿を字幕で見せる原稿とすることにした。 結果的に、プロンプタシステム8割、従来の手入力による地上波字幕送出ログ1割、AIを利用した音声認識技術（開発中）1割の割合で構成される、「ハイブリッド方式字幕付与システム」が完成した。 最初の放送で送出された字幕はログ保存されて、録画放送サーバと連

大規模な分散処理フレームワークとしてHadoopが登場したことにより、ビッグデータのブームや、大規模なソーシャルゲームでのログ解析による改善、コマースサイトでの機械学習によるレコメンデーションなど、多くの変化が引き起こされてきました。そしてそのHadoop自体も、日々進化し続けています。Hadoopとはどういうソフトウェアであり、いまどのような状況になっているのか。NTTデータの濱野賢一朗氏が、先日行われた第2回 NHNテクノロジーカンファレンスで行ったセッション「日々進化するHadoopの『いま』」で分かりやすく解説しています。この記事ではそのセッションの内容をダイジェストで紹介しましょう。 ITジャーナリスト／Publickeyブロガー。大学でUNIXを学び、株式会社アスキーに入社。データベースのテクニカルサポート、月刊アスキーNT編集部 副編集長などを経て1998年退社、フリーランス

人工知能や機械学習の技術が進歩したことで、これまで人間が行っていた仕事はすごいスピードで自動化が進んでいます。とくにホワイトカラーのデスクワークは、人工知能に置き換えられる確率が高い。RPA（Robotic Process Automation）という仕組みを導入する企業も増えてきました。請求書を発行する、領収書を精算するといった定型的な業務はもう自動化できるようになっているんですね。 銀行や保険といった金融業界でも、リストラが本格化してきました。かつて、安定した職場として就職したい企業ランキングでも上位だったメガバンクも、数千～数万人規模の人員削減を計画しています。保険会社、たとえば富国生命保険も給付金を査定する部署の人員を3割削減しました。ちなみに、富国生命はIBMのWatsonを導入して査定業務を効率化したそうです。 残る仕事、消える仕事ランキングみたいな記事もよく見かけます。こうい

いま、「人工知能」という言葉を聞かない日はないほど、巷には人工知能に関する有象無象の情報があふれている。”人工知能”という言葉からは、まるで人間と同等かそれ以上の「知能」を持つマシンが既に実現しているのではないかというイメージを持ってしまう。 しかし、「人間の与えた計算を実行するマシン」は存在しても、人間の知能を代替するような「強い人工知能（汎用人工知能）」 の実現は、極めて難しいということが指摘されている。 強い人工知能の実現に向けて、最も大きな問題となっているものは何か。それは、端的に表現すると「意味の理解」である。 この記事では、機械が最も苦手とする、意味の理解について論じていきたい。「意味」というものが何なのかを理解することで、人工知能にできることとできないこと、そして、今後の人工知能研究が目指すべき方向性が見えてくる。 なぜ機械は「意味」を理解することが難しいのか 突然だが、機械