<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
	<channel>
	<title>データサイエンス | 大和総研</title>
		<link>https://www.dir.co.jp/report/technology/datascience/index.html</link>
		<language>ja</language>

		<item>
			<title>KDD 2025（AI国際会議）出張報告：複数AIの協働と専門ツール統合が新潮流に</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250903_025289.html</link>
			<pubDate>Wed, 03 Sep 2025 10:15:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆2025年8月3日から7日にかけて、データマイニング分野のトップ国際会議であるKDD 2025（AI国際会議）へと出張する機会を得た。本稿では、数多くのプログラムの中から「AIエージェント」「時系列分析」「信頼できるAI」に焦点を絞り、金融分野やヘルスケア分野への応用を含む論文や講演などを紹介しつつ、得られた示唆を報告する。

◆全体を通じて、AI開発の焦点が、単一モデルの性能向上から、複数の専門AIエージェントやAI以外のツールを組み合わせる「アーキテクチャ設計」へと移行しつつあることが示された。その象徴が、自律的に思考・協働する「AIエージェント」の進化である。金融分野では、専門家役のAIエージェントとの対話を通じて組織の暗黙知を学習する財務アナリストAIエージェントや、金融市場の変化に適応し陳腐化しない投資戦略を自律的に探求する投資戦略AIエージェントが報告された。

◆時系列分析の領域では、大規模言語モデル（LLM）を直接の予測ツールとせず、専門的な分析ツール群を的確に使いこなす「司令塔」として活用するハイブリッドアプローチが新たな潮流となった。さらに、仮想ニュースを生成して金融市場の因果関係を学習させるなど、単なる相関分析を超えた、より本質的な理解への挑戦が始まっている。

◆さらにAIの社会実装が本格化する中、「信頼できるAI」の確保が課題として議論された。AIエージェントの脆弱性を体系的に分析するフレームワークや、AI自身がAI攻撃への防御策を構築する免疫システム、医療現場におけるAIの潜在的バイアスを監査する手法など、安全性や公平性を担保するための具体的な技術が数多く提示された。

◆これらの動向は、今後のAI活用の成否が、課題やドメイン知識に基づき、最適な技術要素を組み合わせる「アーキテクト」としての設計能力にかかっていることを強く示唆する。日本企業においても、この設計思想に基づいた戦略的な人的資本投資と組織能力の構築が急務であろう。

        ]]></description>
		</item>
			
		<item>
			<title>フィジカルAIの進展で注目の人型ロボット</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250901_025285.html</link>
			<pubDate>Mon, 01 Sep 2025 14:45:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆AIが現実世界で行動する「フィジカルAI」への関心が高まっている。日本政府も、AIとロボットの融合による社会変革に注目しており、首相によるAI戦略会議での言及などを通じて、政策的な関心の高まりがうかがえる。フィジカルAIとは、物理環境と直接相互作用しながら柔軟にタスクを遂行するAI技術であり、その応用領域は「モビリティ融合型」「産業用途型」「サービス・生活支援型」「人型・汎用型」の4つに分類される。ロボットや自動運転車など、現実世界での多様な活用が期待されている。

◆フィジカルAIが注目される背景には、技術の進歩と社会的ニーズの高まりがある。フィジカルAIは、生成AIの次なる応用領域として注目されており、ロボット基盤モデルの登場により、物理空間での行動や適応能力が大きく進化しつつある。社会的ニーズとしては、労働力不足や高齢化、災害・高所作業などの危険作業の代替に加え、医療・教育・観光分野での新サービス創出への期待が高まっている。

◆フィジカルAIの中でも、人型ロボットは特に注目されている。人間に近い形状と動作を持つことで、既存の人間向け環境との親和性が高い。さらに、生成AIやロボット基盤モデルの進歩により、柔軟かつ汎用的なタスクへの対応も可能になりつつある。こうした特性により、導入コストの抑制や柔軟な運用が期待でき、他のロボット形態と比べて社会実装が進めやすいとされている。

◆フィジカルAIは、単なる技術革新にとどまらず、雇用構造や社会の在り方に変化をもたらす可能性がある。日本は産業用ロボットに強みを持つ一方、AI分野では米国や中国に後れを取っている。フィジカルAIは、こうした技術的ギャップを埋める有望な領域とされ、国際的な存在感を高める契機としても期待される。技術力を社会実装に結びつけるには、戦略的な対応が欠かせない。対応が遅れれば、人材流出や技術主導権の喪失につながりかねず、AI技術の受け手にとどまるリスクもある。官民連携による制度整備や人材育成、スタートアップ支援など、総合的な取り組みが求められている。

        ]]></description>
		</item>
			
		<item>
			<title>AIとビッグデータ分析、社会科学の新潮流</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250730_025238.html</link>
			<pubDate>Wed, 30 Jul 2025 14:30:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆2025年7月2日～4日まで、ローマで開催されたCARMA（International Conference on Advanced Research Methods and Analysis）と呼ばれる学会に参加した。同学会では、経済学など社会科学に関連するビッグデータやAIを応用した研究発表が行われていた。

◆社会科学分野においてAIや機械学習等を用いた研究は学術分野に限らず、実務に応用されることも多い。政策立案や企業戦略における実務的な応用を意識した研究も多く見られ、発展途上の分野に対し、様々な切り口の分析が見受けられた。

◆広範なトピックに関する発表が行われていたが、特に重点的に話されていたのは、ビジネス需要の大きいESGの分野と、ホットトピックであるジェンダー、また社会的に問題が大きくなってきているSNSの研究であった。今回の学会では、これらのテーマに対して、自然言語処理（NLP）をはじめとする、AIや機械学習の先端技術を用いた分析手法が積極的に導入されており、社会科学分野における新たな研究の潮流が形成されつつある。

        ]]></description>
		</item>
			
		<item>
			<title>DeepSeekショックから半年、米国優位は続くか</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250624_025174.html</link>
			<pubDate>Tue, 24 Jun 2025 15:45:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆2025年初頭の「DeepSeekショック」以降、生成AIモデルの開発は加速し、オープン型（技術情報が公開されている）AIモデルの性能向上と軽量化および低コスト化が進展。限られた計算資源でも高い推論能力等を発揮するモデルが複数登場し、従来クローズ型（技術情報が非公開）AIモデルが保持していた技術的優位性は急速に揺らぎつつある。

◆軽量版モデルの性能向上により、ローカル運用や商用利用が現実的となり、企業の導入選択肢が拡大しつつある。これに対抗し、クローズ型AIモデル各社も価格引き下げや軽量版モデルの投入を進め、競争は激化している。米国企業は性能やクラウド連携の面等で優位を維持しているが、今後は価格や柔軟性、透明性も競争力の鍵となり、従来の優位性だけでは安泰とは言えない状況になりつつある。

◆また、高性能な計算資源であるGPUの需要は引き続き拡大している。軽量モデルの普及により、企業が自社環境やデータ処理を端末内で行うことが可能なエッジデバイスでAIを運用するケースも増え、GPUの需要は各所に広がっている。さらに生成AIの進化に伴い、GPUに求められる能力も多様化している。GPUの需要は数量だけでなく用途や性能面でも広がりを見せており、今後も減少する可能性は低いとみられる。

◆今後は、企業による生成AIの導大拡大が見込まれることから、各国では利用ポリシーや法制度の整備が急がれる。さらに今後は、フィジカルAI等の「行動するAI」の普及も注目される。生成AIは社会や産業の基盤を支える技術として新たなフェーズに突入しつつあり、新興企業が既存の技術覇権を揺るがす展開も十分に想定される。

        ]]></description>
		</item>
			
		<item>
			<title>AI時代の日本の人的資本形成（政府編）</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250530_025129.html</link>
			<pubDate>Fri, 30 May 2025 13:50:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆「AI時代の日本の人的資本形成」と題する本レポートシリーズでは、３回に分けて、AI時代の到来と日本型雇用の変容という新たな局面において、いかにして人的資本を形成し、変化の波を乗りこなしていくべきかという論点に対し、具体的な戦略的視座およびアクションプランを提示する。

◆最後となる第３回目の本レポートでは、生成AI時代における日本の人的資本戦略の方向性を示すため、「政府」に焦点を当てて現状の政策と構造的課題を分析し、具体的なアクションプランを提言する。

◆現状、日本では政府が「人への投資」を強化している。しかし、歴史的に企業主導のOJT（On-the-Job Training、職場内訓練）が主流であったこともあり、訓練への公的支出の割合は低い。この点は、個人の主体性や訓練の質・市場適合性を重視する諸外国の政策設計と異なる。

◆さらに構造的課題も存在する。具体的には、AI戦略策定プロセスでの労働者視点の欠如、企業経由の支援への偏重、個人主導の学びを妨げる要因（市場の失敗や制度の複雑さ）が挙げられる。また、非正規・若年層へのアクセス格差、訓練の質保証と効果測定（EBPM：証拠に基づく政策立案）の大きな改善余地も指摘できる。

◆これらの課題に対し、①AI戦略への労働者視点の統合、②個人学習勘定導入の検討や所得保障強化による、個人の主体的な学びの徹底支援、③包摂的なアクセス確保、④訓練成果の可視化と市場適合性向上によるEBPMの確立、⑤AIを活用した労働政策の一層の強化、が急務である。

        ]]></description>
		</item>
			
		<item>
			<title>生成AIの進化と企業に求められる対応</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250529_025122.html</link>
			<pubDate>Thu, 29 May 2025 11:30:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆生成AIはここ数年で急速に技術進化を遂げているが、日本国内の利用率は米国や中国と比べて依然として低い。その主な理由は「使い方がわからない」「自分の生活には必要ない」といった認識にあり、生成AIサービスの内容や課題に関する具体的な理解が十分に浸透していないと考えられる。

◆日本では、生成AIが専門性の高い役割を担える可能性を認識している一方で、現時点ではその期待に届いていないという慎重な見方も根強い。しかし、現在最新のモデルでは専門家を上回る性能が確認されており、生成AIの能力は着実に向上している。

◆生成AIモデルの性能は期待する水準に近づきつつあり、今後は日常的に生成AIに触れる機会が急速に増えていくと予想される。このような状況を踏まえると、今すぐにでも生成AIへの理解を深める必要がある。その際、「自分の生活に必要ない」と考える層に対しては、職場環境等における利用環境の整備が重要となる。

◆職場環境で生成AIサービスの利用を開始するにあたっては、適切なサービスの選定に加え、情報管理、コスト、法令遵守といった観点からの慎重な準備が求められる。また、活用を促進するためには、組織文化の醸成や社員のリテラシー向上といったソフト面での対応も不可欠である。

◆職場環境における生成AIサービスの利用環境の整備や、活用を促進するための組織文化の醸成に向けた取り組みは、いずれも決して容易ではない。政府による支援の重要性が高まる一方で、支援の整備を待つだけでは生成AIの変化のスピードに対応しきれない可能性が高い。だからこそ、企業は専門人材の確保・育成にいち早く取り組み、利用環境の整備や活用文化の醸成を進めることが必要だ。早期に生成AIに触れ、活用の可能性を探る姿勢が、企業の将来的な競争力を左右する鍵となるだろう。

        ]]></description>
		</item>
			
		<item>
			<title>AI時代の日本の人的資本形成（企業編）</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250527_025120.html</link>
			<pubDate>Tue, 27 May 2025 15:00:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆「AI時代の日本の人的資本形成」と題する本レポートシリーズでは、３回に分けて、AI時代の到来と日本型雇用の変容という新たな局面において、いかにして人的資本を形成し、変化の波を乗りこなしていくべきかという論点に対し、具体的な戦略的視座およびアクションプランを提示する。

◆第２回目の本レポートは、「企業」に焦点を当て、人をコストではなく資本と捉え、戦略的に能力開発へ投資する経営を行うための戦略的視座とアクションプランをまとめている。具体的には、人事制度の柔軟な見直し、学習文化の醸成と環境整備、人的資本の可視化と情報開示について論じる。

◆人事制度の柔軟な見直しは、人的資本形成を加速させる土台となる。画一的なキャリア構造から脱却し、ジョブ型雇用や複線型のキャリアパス、学びを支援する仕組みの整備を通じ、社員が専門性を発揮しながら多様な働き方を選べる環境づくりが求められる。

◆ただし、これらの人事制度改革には慎重さが求められる。ジョブ型雇用等の導入は、本来、専門性の尊重、公平な処遇、自律的キャリア形成を目的とするが、その手段が目的化し、短期的なコスト削減や形式的な体裁整備に陥る危険性がある。目的達成に向けた実効性のある運用設計が不可欠だ。また、日本企業の強みである長期的育成やチームワークとの調和を図る、ハイブリッド型ジョブ型制度の検討も有効であろう。

◆学習文化の醸成と環境整備は、制度の有効性を実現するための鍵である。社員が挑戦を恐れず、主体的に学び続けられる風土の構築が欠かせない。学習時間・手段・フィードバックを企業が支援するだけでなく、失敗を許容する文化や上司との継続的な対話を通じて、学びと成長が日常的に結びつく組織運営が求められる。

◆人的資本の可視化と情報開示は、企業の成長戦略と人材戦略を結びつける重要な手段となる。人的資本に関する情報開示のガイドラインであるISO30414の活用や人的資本KPIの整備を通じて、投資対効果を測定し、開示する仕組みが企業価値の新たな評価軸となりつつある。単なる開示にとどまらず、自社のビジョンと連動したストーリーを打ち出すことで、人的資本への本気度が内外から問われる時代になっている。

        ]]></description>
		</item>
			
		<item>
			<title>AI時代の日本の人的資本形成（個人編）</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250522_025106.html</link>
			<pubDate>Thu, 22 May 2025 16:30:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆「AI時代の日本の人的資本形成」と題する本レポートシリーズでは、３回に分けて、AI時代の到来と日本型雇用の変容という新たな局面において、いかにして人的資本を形成し、変化の波を乗りこなしていくべきかという論点に対し、具体的な戦略的視座およびアクションプランを提示する。

◆第１回目の本レポートは、「個人」に焦点を当て、主体的なキャリア設計と人的資本形成のための戦略的視座とアクションプランをまとめている。具体的には、AIとの関係性、AIを活用した学習戦略、ライフステージ別の実践ポイントを論じる。

◆AIが個人に与える影響は一様ではない。そのため、個人は自身の状況を「AI共存・活用層」、「AI代替リスク層」、「AI影響軽微層」のいずれかに位置づけ、戦略的に対応する必要がある。AI共存・活用層はAIを戦略的パートナーとし人間固有の価値向上を目指すことが求められる。AI代替リスク層はスキル棚卸とポータブルスキルを核とした段階的スキルシフトを図るべきである。AI影響軽微層も技術の非連続的進歩を念頭に、将来への備えと周辺業務の効率化を怠ってはならない。

◆生成AIは個人の学習を加速する強力なツールとなり得るが、ハルシネーション（AIが事実に基づかない情報を生成する現象）等のリスクを理解し、批判的思考を持って、賢く活用するリテラシーが不可欠である。同時に、基礎的な認知能力を土台としつつも、AIが容易には模倣できない人間ならではの能力である「高次スキル」や、学び方そのものを学ぶ能力である「メタ認知スキル」の強化が一層必要である。さらに他者との協調的な学びを促す学習コミュニティへの参加は、学びの深化と人的ネットワーク形成に寄与する。

◆ライフステージ別では、学生はAIネイティブとしての基盤構築と主体的な探求、若手・中堅層は専門深化とキャリア複線化による変化適応力の向上、ベテラン層は経験資本とAIの融合による独自の価値創出が求められる。変化を好機と捉え、キャリア自律の姿勢で継続的に学び続けることが、未来を切り拓く鍵となる。

        ]]></description>
		</item>
			
		<item>
			<title>CPI先行指数としての「大和PSI」の可能性</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250507_025083.html</link>
			<pubDate>Wed, 07 May 2025 16:00:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆本レポートは、島本高志・新田尭之「大和物価センチメント指数開発の試み」（大和総研レポート，2024年12月26日）（※１）で開発した「大和物価センチメント指数」（以下「大和PSI」）について、その詳しい性質を分析した（※２）。

◆第一に、大和PSIは、上昇局面の変動要因（外生的要因：原材料・為替等、内生的要因：人件費等）を特定可能である。また、先行性について分析したところ、外生的要因が主導する場合、大和PSIはコアCPI（除く生鮮食品）に対し約３カ月先行する一方、内生的要因が主導する場合は先行性を持たないか、約１カ月遅行する可能性が示唆された。

◆第二に、大和PSIはCPIとの相関や予測用データとしても、既存の有力先行指標である企業物価指数より良好な結果を示した。また、その他の物価指標である、日銀短観の販売価格判断DIや、家計最終支出デフレータ、CPI刈込平均値とも密接な関係を持つ。

◆結論として、大和PSIは上昇局面における変動要因の特定や、外生的なインフレ圧力の早期把握などに有用である。各種データと補完的に活用することで、物価動向分析の精度向上に貢献し得るだろう。

        



    
                    
			（※１）大和物価センチメント指数開発の試み（大和総研レポート，2024年12月26日）
		
              
    
    
        
    
    （※２）本レポートの作成に当たっては、研究前の段階で肥後雅博教授（東京大学）から有益な助言やコメントを頂戴した。ここに記して感謝申し上げる。また、研究中は当社デジタルソリューション研究開発部の栗山太吾氏より、有益な助言やコメントを頂戴した。本レポートに残された誤り等は、全て筆者個人の責任である。なお、本レポート内の所見は全て著者の個人的見解であり、当社の物価見通しを示すものではない。

        ]]></description>
		</item>
			
		<item>
			<title>国際学会から見る次世代AIの現在と未来</title>
			<link>https://www.dir.co.jp/report/research/economics/japan/20250411_025033.html</link>
			<pubDate>Fri, 11 Apr 2025 16:15:00 +0900</pubDate>
			<description><![CDATA[
    
    ◆2025年2月25日から同年3月2日に、人工知能分野で最も権威ある学会の1つである、Association for the Advancement of Artificial Intelligence（AAAI）の年次会議へと出張する機会を得た。現地では3,029件に及ぶ研究が発表されており、交流や基調講演を通じて、第一線を走る研究者たちの声を直接聞くことができた。

◆AIの長期的な方向性に関して、この分野の第一人者で基調講演者だったAndrew Ngスタンフォード大学教授の予想は必見だ。彼がかねて発展を主張していた、自律的に作業できるAIが一連の流れを作り作業する「エージェント・ワークフロー」は、今や現実となりつつある。そして、10倍の影響力を持つ頭脳労働者「10倍プロフェッショナル」の出現予想などは、今後AI時代に企業や労働者がどう対処すべきかを示唆する。

◆金融経済分析へ直接的に応用できそうな研究としては、LLMに政治家の個人情報やスポンサー情報を入力した法案投票シミュレーションなどが興味深かった。経済関連法案や日本銀行の金融政策などへの拡張が期待される。また、時系列シミュレーション結果を統合する公衆衛生分野向けの手法のDTW＋Sなども興味深い。政策立案者による複数の経済政策シミュレーション間のコンセンサス形成を、より高度にする可能性がある。

◆社会に与える影響の点では、「Mamba」と「連合学習」の2技術が注目される。Mambaは現状のLLM等が依拠する技術を代替する可能性がある。その高速で高性能な様子は、著者としてはDeepSeekショックを想起する。また、連合学習はプライバシーを保護したAI学習を可能とし、多分野での大規模なモデル開発等を加速させそうだ。

◆中長期的には、「時系列基盤モデル」という、全ての時系列データの分析や予測を1つのモデルで行う手法も注目だ。現状では金融経済分野で実用レベルに至らないが、もし花開けば、例えば個人投資家向けの分析アプリ開発競争が始まるかもしれない。

◆AIの性能向上には、半導体の計算能力向上だけでなく、画期的な新手法での計算量削減や画期的な新使用方法の発展も影響する。今回のAAAIで得た知見を踏まえると、しばらく発展は止まらないだろう。その中で、金融資本市場は便利な手法などを積極的に取り入れつつ、急に金融資本市場の潮目が変化する局面などを警戒する必要がある。また、頭脳労働者や企業は、自身や従業員が持つスキルを、AI時代に相応しいものへと変えていかなければならないだろう。 

        ]]></description>
		</item>
			
	</channel>
</rss>