LINEは2020年1月29日、システム開発の中止に伴い、2019年12月期の連結決算（国際会計基準）で16億5500万円の損失を計上したと発表した。どういったシステムの開発を中止したかなどの詳細については「答えられない」（広報）としている。 LINEによると、システム開発の中止に伴い、当該システムの開発に要した費用の負担方法について交渉してきたという。その結果、2019年12月期の連結決算で、システム開発中止に関わる費用負担金として16億5500万円の損失を計上することになった。 交渉相手について、LINE広報は「システム関連会社」とのみ明かした。

2020年は「AIの民主化」が一段と進む。ユーザー企業はデータサイエンティストを抱えなくても、クラウド事業者が提供する「AIアプリケーション」を利用したり、「自動化されたAI開発技術」を使ったりするだけでAIのメリットを享受できるようになる。 背景にあるの2020年に起こる2つの変化だ。1つはAI（人工知能）を巡る大手クラウド事業者の競争が、ハードウエアなどの「プラットフォーム」からアプリケーションへと移る変化だ。AI技術を使って何ができるかをユーザー企業が考える時代は終わり、課題解決に向けて誰でも使える「ソリューション」を作り込んで提供する事業者がAI市場で優位に立つ。 もう1つがAIの開発技術の変化だ。人間が「教師データ」を与えなくても、AI自身が人間に頼らずに次々と学んで賢くなる機械学習手法が普及する。 顧客対応をAIが自動化 「顧客のビジネス課題を機械学習でどう解決するかが、我々に

自社のディープラーニング（深層学習）フレームワークである「Chainer」の新機能開発を終了し、米フェイスブック（Facebook）が開発する「PyTorch」に移行すると発表したPreferred Networks（PFN）。その決断の背景を詳しく見ていこう。 Chainer開発の責任者であるPFNの秋葉拓哉執行役員は、「PyTorchという非常に優れたフレームワークを使うメリットと、Chainerを使い続けるメリットとを比較した結果、PyTorchに移行すべきだと決断した」と説明する。「PyTorchは先進的なフレームワークで、機能や実行速度も優れている。PyTorchを利用することで、PFNの研究開発もより加速する。ChainerからPyTorchへの移行コストが低いことも決断を容易にした」（同氏）。 これだけ聞くと「国産深層学習フレームワークであるChainerが、フェイスブックと

LINEが2020年度中の開業を目指す新銀行の勘定系システムについて、富士通が開発を受注する見通しになった。地方銀行向けの勘定系ビジネスで苦杯をなめてきた富士通にとって、LINE新銀行から受注を勝ち取る意義は大きい。今後、LINE新銀行のようなモバイル専業銀行の設立が相次ぐ可能性が高いからだ。富士通はLINE新銀行からの受注を反転攻勢の一手にできるか。 静岡銀行、東邦銀行、みなと銀行――。富士通がここ数年で勘定系システムの開発・運用の受注が途絶えた主な既存顧客だ。一時は地銀の勘定系市場で日本IBMと首位を争った富士通だが、この15年ほどは競合他社のリプレース攻勢に押されている。それだけに、LINE新銀行の受注は久しぶりの朗報。銀行の勘定系システムの新規受注は大和ネクスト銀行以来、およそ10年ぶりとみられる。 みずほの意向が影響か LINEはみずほフィナンシャルグループ（FG）と組んで銀行業

LINEとみずほ銀行は2020年度中の開業を目指す新銀行の勘定系システムについて、富士通に開発を委託する方針を固めた。2019年11月8日までに日経 xTECHの取材で分かった。投資額は50億円前後とみられる。 富士通がネット銀行向けに開発したシステムをベースに、新銀行の勘定系システムを開発する。ソニー銀行などで稼働実績のあるシステムを活用することで、開発プロジェクトを着実に進める。 LINEは2018年11月に銀行業への参入を発表。翌2019年5月に子会社のLINE Financialが51％、みずほ銀行が49％を出資して準備会社を設立済みだ。決済、証券、保険と金融サービスのラインアップを急速に広げているLINEにとって、新銀行は「重要なパーツ」（LINEの出沢剛社長）。トラブルなく勘定系システムの構築を終えられるかが、新銀行の船出を左右する。

富士通は近日中に発表する2019年4月1日付の組織改編と人事異動について、このほど社内に通達した。複数の富士通関係者によれば、4月1日付の組織・人事の骨子は次の3点である。 デジタルビジネスの本格化に対応する「次世代営業本部」を営業部門内に新設する システムとサービス、プラットフォーム（ハードウエア製品）を担うテクノロジーソリューション部門にあるアシュアランス本部や品質保証関連組織を、社長直下の「品質保証本部」として統合し、塚野英博副社長（社長補佐・最高財務責任者兼アメリカリージョン長兼グローバルコーポレート部門長）が担当する プラットフォームグループに5GやIoT（インターネット・オブ・シングズ）など新事業のクラウド展開に向けたビジネス企画・開発を担う「戦略企画本部」を新設する一方、「サービスオリエンテッドカンパニー」を掲げ始めた富士通におけるハード事業の今後の在り方を検討する「サーバー

「時間がない」。富士通の塚野英博副社長が今年の年賀状に書き添えた言葉である。賀状を受け取ったソフト開発会社のトップは驚いた。「例年は『改革する』と書かれていた」からだ。 このトップは次のように感じた。「秋草（直之）社長以降、任期は通例5年。田中（達也）社長も5年なら2020年6月末で退任。塚野さんも一緒だろう。あと1年しかなく道半ばで終わってしまうという焦りがあるのかな。時間がないのは内憂外患の富士通も同じだが」。 立て直しは節約から 塚野副社長は現在、社長補佐の最高財務責任者（CFO）である。2018年は最高戦略責任者（CSO）も兼務していた。業績会見で「節約」という言葉を好んで口にし、富士通幹部からは「節約が先行し兵糧を出し渋る。CSOのSは節約のS」という陰口も聞こえた。 塚野氏はCFO就任時の2014年度に1406億円あった設備投資に大ナタを振るい、2017年度には940億円に削減

カナダ・バンクーバーに2018年11月に新設。現地のAI関連の研究機関やスタートアップと協力しながら、富士通の各拠点で取り組むAI開発の「司令塔」の役割を果たす。世界で通用するAI製品/サービスの開発を目指す。 再び田中社長の独白が続く。 田中氏：今までとやり方を変えたいと思った。富士通のAI開発の歴史は30年以上ある。その中で特徴的な技術も幾つか出てきた。ただし、富士通がAIの分野で世界トップクラスと見られているわけではない。その状況を打破するためには従来と同じやり方ではいけない。 AIは収益性でいえばまだまだだ。むしろ守るものがない状況にある。ならば攻めればいい。思い切ってやってみるべきだ。 世界を意識した商品を開発しようとしたときに、必ずしも日本発である必要はない。外部との連携や人材の獲得などに最適な土地にグローバルの司令塔を置き、日本やアジア、欧州など世界中の事業部や研究所を束ねて

TOTOは同社のシステム基盤に米アマゾン・ウェブ・サービスのパブリッククラウド「Amazon Web Services（AWS）」の採用を決めた。受発注などの基幹業務システムだけでなく、3D CADや電話システムを含めて順次パブリッククラウドで稼働させる。一部のシステムは2018年11月から移行を始めており、2022年までに移行を終える計画だ。 同社は2018年10月に業務システムの実行環境を自社サーバーからNTTコミュニケーションズのプライベートクラウドに移し終えたばかりだった。それにもかかわらずAWSへのリプレースに踏み切ったのは、BCP（事業継続計画）を考慮してサーバーの冗長性や災害対応を強化するのに加え、AI（人工知能）やIoT（インターネット・オブ・シングズ）関連のサービスの柔軟な利用を考えたためだ。

NTTが国内外のITサービス事業を統括する新会社を年内に設ける方向で最終調整に入った。日経コンピュータの取材で2018年8月3日までにわかった。新会社の事業規模は富士通を上回り、日本最大のITサービス会社が誕生する。

富士通はオフコン機の販売をやめ、日立製作所はEMSへの委託を決めた。一方で米IBMは汎用機の新機種を投入するなどハード事業の強化を続ける。国産2社とIBMとの間で、戦略の違いが一段と鮮明になってきた。

今回はある技術者のぼやきから。「ウチのエンジニアは事実上、『事務職扱い』。どんなに技術を磨いても評価されない。モチベーションは上がらないよ」。 こう語るのは、大手製造業のIT部門で管理職を務めたA氏。インフラ技術者として入社したものの、結局エンジニアらしい仕事はやらせてもらえなかった。だから評価もされない。 この会社では技術を伴う仕事は、グループのIT会社やビジネスパートナーに外注するのが昔からの慣習だった。若手エンジニアのモチベーションも下がるばかり。不満が限界に達したA氏はついに同社を辞め、ITベンダーに転職。今はイキイキと仕事をしている。 IT部門に所属していながら、会社からの扱いは事務職の1人。そのせいでIT部員のモチベーションが下がるケースは少なくない。ちなみにエンジニアなのに事務職扱いとは、大きく2つの意味がある。 ・エンジニアなのに、評価制度やキャリア体系が事務職と同様 ・エ

SIという名の人月商売はまもなく衰亡する――。私は3年ほど前から「極言暴論」などの記事を通じて一貫して主張してきた。当初、ITベンダーの多くは「過去に何度も聞いた話」「システム開発への顧客のニーズが無くなるわけがない」などと歯牙にもかけていなかったが、ようやく最近になって「あなたの言うとおり」と言い出し、人月商売に代わる新たなビジネスの創出に本気になりつつある。 実際に、大手ITベンダーを中心に新規事業チームが続々と誕生している。例えば富士通が2017年1月に設置したデジタルフロントビジネスグループは、初年度に200人（最終的には1200人）の技術者をSIの現場から引きはがし、赤字を厭わず新規事業の創造を目指す。あとで説明するが、ITベンダーがこの時期に新規事業チームを創り、一線級の技術者をSIの現場から引きはがすのは、実は画期的なことなのだ。 SIはシステムインテグレーションの略称だから

ロボットが自ら考えているかのように箱の中の商品を判別し、別の箱に移していく──。2017年7月27日〜30日、世界をリードするロボットの競技会「アマゾン・ロボティクス・チャレンジ」が愛知県名古屋市で開かれた。世界10の国・地域から16チームが参加し、賞金総額25万ドルを争った。 アマゾン・ロボティクス・チャレンジが日本で開催されるのは初めて。2017年が第3回目にあたる。2015年、2016年は「アマゾン・ピッキング・チャレンジ」としてそれぞれ米国、ドイツで開催。今年から名称を変更した。主催は米アマゾン・ドット・コムの子会社アマゾン・ロボティクスである。 競技内容は、各チームの開発したロボットが箱に入れられた複数の商品から目的の商品を取り出して移動するというもの。一定時間内にどれだけ多くの商品をどれだけ正確に移動できるかが勝負となった。

今月発売の日経Robotics 7月号の読みどころをご紹介します。 日経Roboticsはロボット専門誌ですが、創刊以来、ロボット技術だけでなく、ディープラーニング（深層学習）などのAI技術も積極的にカバーして参りました。将来のロボットの技術動向を見極めるには、どちらもカバーする必要があるという認識からです。 さて、今号では、そうしたロボット技術とディープラーニング技術の融合の事例をお届けしました。 移動ロボットの中核技術であるSLAM技術が、ディープラーニング技術と融合し始めたのです。これまでほとんど接点がなかったといっても過言ではないこれら2つの技術が、ついに組み合わさり始めました。 取り組んだのは、SLAM研究の名門であるドイツTUM（Technical University of Munich）とキヤノン。深層学習とSLAM、2つの技術の特徴をうまく組み合わせ、意義のある世界的成果

中央大学 理工学部 教授の竹内 健氏のグループは、ディープラーニング（深層学習）を用いた画像認識に最適なSSD（solid state drive）を開発した。このSSDでは、画像データの価値を判定し、重要なデータは高信頼のメモリーセル、重要性が低いデータは信頼性が低いメモリーセルに格納するように制御する。Value-Aware SSDと呼ぶ。 データセンターなどでは、小型、高速、低電力のストレージとしてSSDが使われている。今後、リアルタイムのストリーム処理などでは、膨大なデータを、深層学習を使って学習、推論すると考えられ、SSDを使って深層学習を実行することが必要になる。 今回、中央大学が開発した深層学習向けSSDでは、3つのメモリー制御技術を開発し、深層学習に耐え得るSSDの高信頼化、高速化と高い画像認識精度を実現することに成功した。図1は、深層学習を用いた画像認識と開発したSSDで

脳の神経回路の構造を模倣 ディープラーニングは、大量のデータを学習するために、人間の脳の神経回路の構造を模倣（モデル化）した情報処理の仕組みであるニューラルネットワークを用いる。図3のニューラルネットワークは、「入力層」「隠れ層」「出力層」という3層で構成している。また、学習データは入力データとなる手書き文字の画素データと、正解データがセットになっている。 このニューラルネットワークのモデルを学習させるには、まず手書き文字画素データをピクセル単位に分割した上で、各ピクセル値を入力層に入力する。図3のモデルでは縦横28ドットで分割していることから、784個が入力層に並ぶ。 入力データを受け取った入力層は、受け取った値に「重み付け」をした上で、後段にある隠れ層のニューロン（神経細胞。CPUのような役割を担う）に伝達する。 同様に隠れ層の各ニューロンは、入力層から受け取った値をすべて加算し、その

道路に見立てた白線に沿って走行する模型の自動車（自律運転車）を作りました。「人工知能を使って何かしてみたい」というのが開発の動機でした。 自動車のベースには、タミヤの「バギー工作基本セット」を使いました。全長175mmとコンパクトな模型自動車です。これに制御用のRaspberry Pi Zeroと道路撮影用のRaspberry Pi Camera Boardを組み込んでいます。さらに、バギーの方向を変えるステアリング機構をサーボモーター（SG90）で実現しました。モーターの制御や電力供給のためのコントロール基板も新たに設計しています。パーツが多いので、バッテリーも二つ積んでいます（図1）。 続いてソフトウエアの開発です、今回はPython 2.7を使用しました。人工知能の手法の一つである、「ニューラルネットワーク」の処理には「PyBrain」という機械学習ライブラリを用いています。これによ

IT人材は2030年に最大79万人不足する―。経済産業省は2016年6月10日、「IT人材の最新動向と将来推計に関する調査結果」を発表した。この調査で対象にしているIT人材とは、ITベンダーおよび、ユーザー企業の情報システム部門に所属する人を指す。 調査の結果報告では、2016年時点で既にIT人材は17万1000人不足しており、2020年には最大36万9000人が不足するとも指摘。この数字だけ見ると、人材需要は拡大傾向で、ITエンジニアには明るい未来が待ち構えているように見える。だが内実はそんな単純な話ではない。 「不足しているのは『本物のITエンジニア』」。こう話すのは、「納品のない受託開発」を手掛けるソニックガーデンの倉貫義人氏だ。「ユーザー企業の内製指向が強まったり、スタートアップ企業が増えてきたりと、ITベンダー以外からのITエンジニアの需要は確実に増えている。こうした企業が求めて

「ITエンジニアはほかの人より得意なことがないとダメ。一方で裾野が広くないと、ほかの人の持つ技術力を正しく評価できない。この考えのもと、エンジニアとしての腕を磨いている」。 こう話すのはトレジャーデータでログ収集ツール「Fluentd」を含む各種OSS（オープンソースソフトウエア）の開発を手掛ける田籠（たごもり）聡氏だ。OSS関連のコミュニティーでは「モリス」という名前で活躍し、Twitterのアカウント（@tagomoris）には約5700人のフォロワーがいる有名人だ。