O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.

LiBRA 10.2019 / 総集編

1.009 visualizações

Publicada em

https://libra.netcommerce.co.jp/

Publicada em: Tecnologia
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

LiBRA 10.2019 / 総集編

  1. 1. 最新のITトレンドと これからのビジネス 2019年10月版
  2. 2. 本プレゼンテーションは、ロイヤリティ・フリーです。ご自身の資料として、 加工編集して頂いても構いません。 知識の確かな定着と仕事の生産性向上のために、ご活用下さい。 ネットコマース株式会社 斎藤昌義 http://libra.netcommerce.co.jp/ 最新のアップデートは、「ITビジネス・プレゼンテーション・ライブラリー/LiBRA」にて随時更新しております。
  3. 3. 最新トレンドを理解するために おさえておきたいITの歴史と基礎知識
  4. 4. コンピューターとは何か 4 抽象的な「数」を物理的な動きを使って演算する道具 Calculator Computer 演算するための道具 Calculate 演算する Compute 複数の演算を組み合わせ 何らかの結果を導く 複数演算の組み合わせを 実行する道具 複数演算の組み合わせを 実行するヒト(計算者) 蒸気機関や電気の動力 電子の動きモノの動き
  5. 5. コンピューターとは何か 抽象的な”数”を物理的な動きを使って演算する道具 蒸気機関や電気の動力 電子の動きモノの動き データ量と計算需要 の爆発的増大 ムーアの法則 の限界 量子力学によって明らかにされた 量子の動き/現象を利用して演算 微細な世界 の物理現象 量子 コンピュータ
  6. 6. 近代コンピュータ発展の歴史 6 コンピュータの原理を数学的に 定式化し動作原理モデルを設計 電子回路でチューリング・マシ ンを作るための原理を設計 ノイマン型コンピュータチューリング・マシン 量子コンピュータ Quantum Computer 量子ゲート方式 量子アニーリング方式 メインフレーム ミニコンピュータ パーソナルピュータ スマートフォン IoT/エッジ デバイス ニューロ・モーフィック コンピュータ 1950年代〜 1970年代前半〜 1970年代後半〜 2007年〜 2000年〜 2010年〜 1936年 1945年 スーパー・コンピュータ 1976年〜
  7. 7. Human+への進化 コンピュータ インターネット 人工知能(AI) ロボット ブロックチェーン 量子コンピュータ 5G+(高速移動体通信網) 計算力 コミュニケーション力 知的労働力 肉体的労働力 自律分散力 AR/VR(拡張現実/仮想現実)時空間超越力
  8. 8. コンピュータの構成と種類 サーバー・コンピュータ データセンターなどの専用設備に設置 複数のユーザーが共用 クライアント・コンピュータ 個人が所有する、あるいは交代で利用する 個人ユーザーが一時点で占有して使用する 組み込みコンピュータ モノの中に組み込まれている それぞれのモノの機能や性能を実現している ソフトウェア ゲーム ブラウザー ワープロ データベース 通信制御 認証管理 OS(Operating System) ハードウェア CPU(中央演算処理装置) メモリー(主記憶装置) ストレージ(補助記憶装置) ネットワーク機器 電源装置 コンピュータ
  9. 9. 情報システムの構造 業務や経営の目的を達成するための 仕事の手順 ビジネス・プロセス 情報システム ビジネス・プロセスを効率的・効果 的に機能させるためのソフトウエア アプリケーションの開発や実行に共 通して使われるソフトウエア ソフトウエアを稼働させるための ハードウェアや設備 アプリケーション プラットフォーム インフラストラクチャー 販売 管理 給与 計算 生産 計画 文書 管理 経費 精算 販売 管理 給与 計算 生産 計画 文書 管理 経費 精算 データベース プログラム開発や実行を支援 稼働状況やセキュリティを管理 ハードウェアの動作を制御 ネットワーク 機器 電源設備サーバー ストレージ
  10. 10. ビジネスの大変革を迫る デジタル・トランスフォーメーション Digital Transformation / DX
  11. 11. IT投資並びに情報サービス産業の市場推移 (出典)平成30年通信利用動向調査 インターネット普及率 端末普及率 情報化投資の推移
  12. 12. IT投資並びに情報サービス産業の市場推移 (出典)平成30年通信利用動向調査 インターネット普及率 端末普及率 情報化投資の推移 デジタル市場の飽和・成熟 デジタルだけでは成長できなくなった フィジカル市場とデジタル・テクノロジーの融合 フィンテック/ネオ・バンキングの台頭 小売・流通・物流における自動化・高速化 製造業におけるインダストリー4.0 様々な産業分野における”XTech”化 デジタル・テクノロジーによる 産業構造の転換 「データ×キャッシュ」企業の攻勢
  13. 13. 異業種からの破壊者の参入が既存の業界を破壊する UBER airbnb NETFLIX Spotify PayPal タクシー・レンタカー業界 レンタル・ビデオ業界 ホテル・旅館業界 レコード・CD業界 銀行業界(決済・為替)
  14. 14. 「破壊者」は何を破壊するのか 14 業界という枠組み は存在する 一旦確立された 競争優位は継続する破壊 業界を越えた破壊者 ビジネス環境が変化し続けることが常識であり業界を越えた 変化に柔軟・迅速に対応できれば事業は維持され成長できる ビジネス環境の安定が正常であり、業界の枠組みの中で起こ る変化に適切に対処することで、事業は維持され成長できる
  15. 15. 前提となるITビジネスの環境変化(〜5年) IaaS 運用 保守 開発 仮想化 ウオーターフォール+運用・保守 半年〜1年/工数積算 専用線 IP-VPN 4G LPWA など 階層型 アーキテクチャ 情報システム部門 アプリケーション 実行環境 システム開発 運用・保守 ネットワーク アーキテクチャ 主な顧客 PaaS コンテナ/サーバーレス アジャイル+DevOps 1ヶ月〜3ヶ月/成果連動 マイクロサービス アーキテクチャ 事業部門・経営者 第5世代 通信システム スピード × アジリティ × スケール
  16. 16. デジタル化:デジタイゼーションとデジタライゼーション デジタル技術の利用により ビジネス・プロセスを変換し 効率化やコストの削減、付加価値を向上させる デジタイゼーション Digitization ユーザー・インターフェイス 効率化・合理化・付加価値  アナログ放送→デジタル放送  紙の書籍→電子書籍  人手によるコピペ→RPA デジタル技術の利用により ビジネス・モデルを変換し 新たな利益や価値を生み出す機会を創出する デジタライゼーション Digitalization ユーザー・エクスペリエンス 競争力・差別化・新しい価値  自動車の所有→カーシェア  ダウンロード→ストリーミング  物販→サブスクリプション デジタル・トランスフォーメーションデジタル化
  17. 17. デジタルとフィジカル (1) スピード 複 製 組合せ・変更 遅い 劣化する 困難 早い 劣化しない 容易 フィジカル Physical デジタル Digital 規模の拡大が 容易で早い 状況を即座に 把握し即応できる エコシステムが 容易に形成 IoT IoT イノベーション を加速!
  18. 18. デジタルとフィジカル(2) フィジカル Physical デジタル Digital IoT フィジカルな世界でのものごとやできごとを デジタルに変換して価値を生みだし デジタルの価値をフィジカルに取り込む
  19. 19. OMO(Online Merges with Offline) 19 フィジカル Physical デジタル Digital IoT OMO(Online Merges with Offline) デジタルとフィジカルを分けて考えるのではなく デジタルが統合するひとつの仕組みとして考える
  20. 20. インターネットに接続されるデバイス数の推移 億人 億台 台/人 2003年 2010年 2015年 2020年 世界人口 インターネット 接続デバイス数 一人当りの デバイス数 63 68 72 76 5 125 250 500 0.08 1.84 3.47 6.50
  21. 21. コレ1枚でわかる最新のITトレンド データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム
  22. 22. コレ1枚でわかる最新のITトレンド IoT ソーシャルメディア モバイル・Web 機械学習 シミュレーション アプリケーション サービス ヒト・モノ クラウド・コンピューティング 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム 高速化 見える化 最適化 予 測 最適解 ビジネス の最適化 現実世界の デジタルコピー デジタル ツイン 現実世界の ものごとやできごと
  23. 23. デジタル・トランスフォーメーションとCPS ヒト・モノ現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム 高頻度多接点 データを収集 データを解析し テーマ・課題を 見つける UI/UX&プロダクト ビジネスプロセスを 高速に改善する デジタル トランスフォーメーション
  24. 24. デジタル・トランスフォーメーション デジタル・テクノロジー × 心理的安全性 変化に俊敏に対応できる企業の文化と体質への変革 デジタル・トランスフォーメーションとは 24 業界の枠組みを越えた 競合の予期せぬ参入 市場環境の変化の拡大 と予測不可能性の拡大 顧客嗜好の多様性 と流動性の高まり 不確実性の増大 圧倒的なビジネス・スピード 高速に見える化 高速に判断 高速に行動
  25. 25. デジタル・トランスフォーメーションとは何か 異業種からの予期せぬ参入 環境変化と予測不可能性の拡大 顧客嗜好の多様化と流動性 不確実性の増大 圧倒的なビジネス・スピード デジタル・トランスフォーメーション 意思決定サイクル の短縮 現場への 大幅な権限委譲 流水化された ビジネス・プロセス デジタル・テクノロジーを駆使してビジネス・プロセスを加速 自律的なチームによる 運営と管理 現場や顧客の 「見える化」 バリューストリームの 管理と把握 (ヒト、モノ、カネ、情報)
  26. 26. デジタル・トランスフォーメーションとは何か 異業種からの予期せぬ参入 環境変化と予測不可能性の拡大 顧客嗜好の多様化と流動性 不確実性の増大 デジタル・トランスフォーメーション オープン 自律分散 多様性 「心理的安全性」に支えられた行動習慣と思考パターン 意思決定サイクル の短縮 現場への 大幅な権限委譲 流水化された ビジネス・プロセス デジタル・テクノロジーを駆使してビジネス・プロセスを加速 圧倒的なビジネス・スピード
  27. 27. デジタル・トランスフォーメーション デジタル・トランスフォーメーションとは何か 変化に俊敏に対応できる企業文化・体質を実現すること 働き方改革 新規事業の開発 ビジネスモデル の転換 意思決定サイクル の短縮 現場への 大幅な権限委譲 流水化された ビジネス・プロセス オープン 自律分散 多様性 「心理的安全性」に支えられた行動習慣と思考パターン デジタル・テクノロジーを駆使してビジネス・プロセスを加速
  28. 28. アマゾンのデジタル・トランスフォーメーション 広範な顧客接点 ビッグデータ 最高の顧客体験 機械学習による最適解 経営戦略・製品/サービス戦略 & 0.1 to One マーケティング テクノロジーを駆使して徹底した利便性を追求 顧客理解のための情報を徹底して収集する 業務(デジタル) 業務(アナログ) IT 40機の航空機 数千台のトラック
  29. 29. デジタル・トランスフォーメーションとOMO IT デジタル 業務 フィジカル コア・コンピタンス/ケイパビリティ 企業 アナログ デジタル 顧客 課題/ニーズ フィジカルとデジタルを デジタルで統合して 一体化された 仕組みとして 機能させる デジタライゼーション デジタル・トランスフォーメーション デジタル優位 デジタル前提 の社会へのシフト OMO(Online Merges with Offline)
  30. 30. DXによって企業にもたらされる2つの力 IT ビジネス 受発注・配送手配・商品管理 レコメンデーションなと 現場に必要な 製品やサービスを ジャスト・インタイムで 提供できる能力 即応力 生産性・価格・期間 などの常識を覆す能力 破壊力 配送・リアル店舗・接客 カスタマー・サービスなど
  31. 31. 変わるビジネスとITの関係 開発・運用 開発・運用 少ない生産量(工数)で開発・運用のサイクルを高速で回転させる 現場のニーズにジャストインタイムで成果を提供し続ける
  32. 32. VeriSMとは何か 32 Value-driven (価値主導) Evolving(発展、展開する) Responsive(敏感に反応する) Integrated(統合、結合された) Service(サービス) Management(マネジメント) デジタル・トランスフォーメーションとは、全てのビジネスをサービス化すること ITだけでなく企業レベルでサービス管理に取り組むことが必要 全てのビジネスが サービス化 デジタル・トランスフォーメーションを実現するには、業種や業態によ らず、すべての企業や組織が、IoTやAI、クラウド・ネイティブなどの 最新ITを活かしたサービスを提供するプロバイダーになることが必要と される。 ITサービス管理から 企業レベルのサービス管理 が必要 全てのビジネスをサービス化すると企業レベルでサービスを管理するこ とが必要となる。ITサービス管理のフレームワークであるITILでは不十 分でビジネス部門も含めた企業レベルのサービス管理としてのSIAM、 アジャイル開発やDevOpsなどを組み合わせる必要がある。 全ての企業が利用可能な テーラーメイドアプローチ が必要 サービスの種類、ビジネスにおける優先事項、業界の制約、組織の規模、 文化、人の能力・スキルなどに相違がある前提で、オーダーメイド可能 なサービス管理のアプローチを提供する必要がある。アジャイル開発や DevOpsなどはその実現手段となる。 企業レベルでサービス管理を行うための 運 用 モ デ ル
  33. 33. DXを支えるテクノロジー ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション 機械学習×データサイエンス クラウド・コンピューティング IoT エッジ・コンピューティング DXプラットフォーム 5G(第5世代通信網) アジャイル開発 × DevOps データ
  34. 34. DXのシステム実装 生産管理 販売管理 会計管理 人事管理 アプリケーション連携 ストリーミング処理 機器認証 個人認証 機械学習 ビジュアライズ 機器制御 ・・・ アプリケーション DXプラットフォーム ERPシステム 生産工程管理 機械制御 交通管制 自動運転 物流管理 自動倉庫 ・・・ 店舗管理 在庫管理 統合データベース
  35. 35. DXを実現する4つの手法と考え方 デザイン思考 リーン・スタートアップ アジャイル開発 DevOps デザイナー的なクリエイティ ブな視点で、ビジネス上の課 題を解決する 最小限の機能に絞って短期間 で開発しフィードバックをう けて完成度を高める ビジネスの成果に貢献するシ ステムを、バグフリーで変更 にも柔軟に開発する 安定稼働を維持しながら、開 発されたシステムを直ちに・ 頻繁に本番環境に移行する イノベーションの創発 ジャスト・イン・タイム での提供 イノベーションと ビジネス・スピード の融合 変化に俊敏に対応できる企業文化・体質を実現すること
  36. 36. デジタル・トランスフォーメーションのBefore/After 支援 人間主体でビジネスを動かしITが支援する 生産性向上・コスト削減・期間短縮 安定×高品質の徹底追求 ITはコスト、削減することが正義 コスト削減の手段としての外注 常にコスト削減の圧力に晒される 仕様書通りQCDを守って 情報システム完成させる Before DX 人間とITが一体となってビジネスを動かす 変化への即応力・破壊的競争力・価値の創出 柔軟×迅速と試行錯誤 ITは競争力の源泉、投資対効果で評価 競争力の源泉として内製 ビジネスに貢献できれば投資は拡大する 変化に柔軟・迅速に対応し ビジネスを成功させる After DX
  37. 37. デジタル・トランスフォーメーションのBefore/After 支援 人間主体でビジネスを動かしITが支援する 生産性向上・コスト削減・期間短縮 ITはコスト、削減することが正義 クラウド化+自動化 モダナイゼーション Before DX 人間とITが一体となってビジネスを動かす 変化への即応力・破壊的競争力・価値の創出 ITは競争力の源泉、投資対効果で評価 内製化支援 アジャイル+DevOps DXプラットフォーム After DX 省力化とコスト削減
  38. 38. DX事業・DX案件とは 顧客:事業部門 内容:内製化支援 目標:事業の成功 デジタル・トランスフォーメーション事業とは 人間とITが一体となってビジネスを動かす 変化への即応力・破壊的競争力・価値の創出 変化に柔軟・迅速に対応し ビジネスを成功させる After DX 変化に俊敏に対応できる企業文化・体質を実現すること ITをコアコンピタンスと位置付け事業部門主体で内製化 共創 または 協創 業績評価基準の転換 売上や利益での業績基準では評価できず、現場のモチベーションを維持できないから。
  39. 39. デジタル・トランスフォーメーションの実践 見える化 判断 行動 共創 デザイン思考 リーン・スタートアップ データ 高速 最適
  40. 40. DX案件の獲得にソリューション営業は通用しない  こののまでは大変なことになる  ITの戦略的活用を推進したい  ビジネスのデジタル化を実現したい 変革への意欲はある どう取り組めば いいの分からない  課題やテーマがはっきりしない 課題やテーマを教えて頂ければ、 解決策を提供します! あなたは何を言ってるんですか? 提言 「あるべき姿」と実現の方法 共創 技術×価値×体験の共有 お客様は、課題やテーマについての正解を教えて欲しいのではない。 自分たちは 何をすべきか=課題やテーマ そのものを教えて欲しい。 課題やテーマが分かれば正解は 機械(AI)が教えてくれる
  41. 41. 「提言」をきっかけに案件を創る お客様のあるべき姿を描き そこに至る道筋/地図を示すこと お客様からぜひ、そうなりたい!や ぜひ、お願いしたい!を引き出すこと お客様の現実に真摯に向き合い 共感し対話し議論して合意すること お客様の 「共創」への期待と意欲 を引き出す
  42. 42. 「共創」ビジネスの実践 共創 様々なステークホルダーと協働して 共に新たな価値を創造すること 2004年、米ミシガン大学ビジネススクール教授、C.K.プラハラードとベンカト・ラマスワミの共著 『The Future of Competition: Co-Creating Unique Value With Customers』で提起された概念 Co-Creation お客様とガチに向きあって、これまでにはなかった 新たなビジネスやビジネスプロセスを生みだすこと 案件をお客様から「もらう」のではなく、新たに「生みだす」 理解:お客様の事業についての知識と考察 技術:お客様が欲しいと願う技術力を蓄積 人格:お客様と価値観を共有し信頼を醸成 一緒に仕事をしたいと 相手に惚れさせること 自分たちがDXを実践し、 その体験から得たノウハウやスキルを模範を通じて提供すること
  43. 43. DXと共創の関係 変化に俊敏に対応できる企業文化・体質を実現すること DXとは 「あるべき姿」を提言する その実現に向けて牽引する 教師/医師となって助ける 共創お願いするな! お願いされよ! そのために、あなたは何をしますか?  「営業」や「エンジニア」などの与えられた名前と役割  自分たちが売っているもの、やっていること、信じていること  自分とITとお客様との関係、ITのもたらす価値や働き方 そのためには、当たり前や常識を疑え!
  44. 44. 新しいお客様との関係 要望 要請 検討 企画 要件定義 仕様書 設計 開発 納品 検収 運用管理 保守 事業 部門 情シス 部門 SIer IT事業者 提案 開発と運用(アジャイル開発とDevOps) 検討 対話 決定 合意 要望 対話 内製化支援 技術力+労働力 事業 部門 情シス 部門 SIer IT事業者 変更・追加への要望 継続的対話 提言
  45. 45. DX事業の類型 プラットフォーム ソフトウェア製品 ビジネス・サービス コンサルティング システム インテグレーション 共同事業内製化支援 コーチ・研修 IT アウトソーシング スキル提供 工数提供 個別受託 サービス 特化型SI DX事業 従来型事業
  46. 46. ソフトウェア化する ITインフラストラクチャー IT Infrastructure
  47. 47. 仮想化とは
  48. 48. 仮想 virtual 表面または名目上はそうでないが 実質的には本物と同じ 本来の意味 「仮想化」の本当の意味 本来の意味 仮想化 Virtualization 物理的実態とは異なるが、 実質的には本物と同じ機能を実現する仕組み 日本語での語感 虚像の〜 実態のない〜 It was a virtual promise. (約束ではないが)実際には約束も同然だった。 He was the virtual leader of the movement. 彼はその運動の事実上の指導者だった。
  49. 49. 仮想化とは何か コンピュータのハードやソフト 物理的実態 実質的機能 自分専用の コンピュータ・システム 周りの風景や建造物と 重ね合わされた情報 3Dで描かれた地図や 障害物や建物の情報 仮想マシン/仮想システム 仮想現実 仮想3Dマップ 仮 想 化 を 実 現 す る ソ フ ト ウ エ ア
  50. 50. 物理資源・物理機械 サーバーの仮想化 ストレージの仮想化 Java仮想マシン データベースの仮想化 パーティショニング 分 割 アグリゲーション 集 約 エミュレーション 模 倣 仮想化 (Virtualization) ひとつの物理資源を 複数の仮想資源に分割 複数の物理資源を ひとつの仮想資源に分割 ある物理資源を 異なる資源に見せかける 仮想化の3つのタイプ
  51. 51. ソフトウェア化とはどういうことか(1) 51 掃除 機能 掃除 機械 レンジ 機能 レンジ 機械 テレビ 機能 テレビ 機械 作表 機能 文書作成 機能 会計管理 機能 汎用機械 オペレーティング・システム(OS) 家電製品 コンピュータ 専用一体 専用一体 専用一体 ソフトウェア Software ハードウェア Hardware
  52. 52. ソフトウェア化とはどういうことか(2) 52 一般的なインフラ ソフトウェア化されたインフラ ソフトウェア Software ハードウェア Hardware 個別・専用 システム構成 共用・汎用 システム構成 仮想化ソフトウェア
  53. 53. 「インフラのソフトウエア化」の意味・仮想化の役割 物理的実態(バードウェアや設備)と実質的機能(仮想化されたシステム)を分離 物理的な設置・据え付け作業を必要とせず、ソフトウエアの 設定だけで、必要とするシステム構成を調達・変更できる。 ユーザーは柔軟性とスピードを手に入れる 標準化されたハードウェアやソフトウエアを大量に調達してシ ステムを構成し、運用を自動化・一元化する。 運用管理者はコスト・パフォーマンスを手に入れる *「抽象化」とは対象から本 質的に重要な要素だけを抜き 出して、他は無視すること。
  54. 54. 仮想化の種類
  55. 55. 仮想化の種類(システム資源の構成要素から考える) 仮想化 サーバーの仮想化 クライアントの仮想化 ストレージの仮想化 ネットワークの仮想化 デスクトップの仮想化 アプリケーションの仮想化 仮想LAN(VLAN) SDN(Software-Defined Networking) ブロック・レベルの仮想化 ファイル・レベルの仮想化 画面転送方式 ストリーミング方式 アプリケーション方式 ストリーミング方式 ハイパーバイザー方式 コンテナ方式/OSの仮想化 仮想PC方式 ブレードPC方式
  56. 56. サーバー仮想化 OS サーバー (ハードウェア) ミドルウェア アプリ OS ミドルウェア アプリ OS ミドルウェア アプリ OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ CPU メモリ CPU メモリ CPU メモリ CPU メモリ サーバー (ハードウェア) サーバー (ハードウェア) CPU メモリ CPU メモリ CPU メモリ 物理システム 仮想システム
  57. 57. サーバー仮想化とコンテナ 57 OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ サーバー仮想化 ハードウェア コンテナ管理ソフトウエア OS ミドルウェア アプリ ミドルウェア アプリ ミドルウェア アプリ コンテナ コンテナ コンテナ コンテナ ライブラリ 環境変数 ライブラリ 環境変数 カーネル カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 隔離されたアプリケーション実行環境を提供(クラッシュの分離、独自のシステム管理とユーザー・グループ) 実行イメージのスナップショットをパッケージとしてファイルにして保存できる アプリケーションに加えて仮想マシン・OS の実行イメージを持つ必要がある アプリケーションとOSの一部 の実行イメージを持つ必要がある デプロイするサイズ 大きい 起動・停止時間 遅い デプロイするサイズ 小さい 起動・停止時間 早い 異なるOS 可 異なるOS 不可 メモリーやディスクの消費量が大きい = リソース効率が悪い メモリーやディスクの消費量が大きい = リソース効率が良い 構成の自由度が高い 異なるOS・マシン構成を必要とする場合など 軽量で可搬性が高い 実行環境への依存が少なく異なる実行環境で稼働させる場合など サンド・ボックス化 Sand Box
  58. 58. 仮想マシンとコンテナの稼働効率 58 ハードウェア 仮想マシン ミドルウェア アプリケーション OS 仮想マシン OS 仮想マシン OS ミドルウェア アプリケーション ミドルウェア アプリケーション ハードウェア OS コンテナ管理機能 カーネル ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 コンテナ仮想マシン
  59. 59. コンテナのモビリティ 59 ハードウェア OS コンテナ管理機能 カーネル ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ いま使っているシステム環境 59 ハードウェア OS コンテナ 管理機能 カーネル ハードウェア OS コンテナ 管理機能 カーネル ハードウェア OS コンテナ 管理機能 カーネル ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ コンテナ・レベルで稼働は保証されている 他のシステム環境
  60. 60. デスクトップ仮想化とアプリケーション仮想化 ネットワーク 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 メモリーストレージ ハイパーバイザー PC用OS (Windows7など) プロセッサー 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 画面表示 仮想PC サーバー PC用OS (Windows7など) 文書 作成 表 計算 プレ ゼン ・・・ 仮想PC メモリーストレージ OS プロセッサー サーバー ターミナル・モニター 文書 作成 表 計算 プレゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 入出力操作 通信 クライアントPC 文書作成 画面表示 デスクトップ仮想化 アプリケーション仮想化
  61. 61. シンクライアント ネットワーク 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 メモリーストレージ ハイパーバイザー PC用OS (Windows7など) プロセッサー PC用OS (Windows7など) PC用OS (Windows7など) 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 仮想PC 仮想PC 仮想PC サーバー ストレージ 文書作成 表計算 プレゼン ・・・ 入出力操作 通信 アプリケーション PC / Windows・Mac OS など 画面表示 データとプログラムの保管 プログラムの実行 は、PC内にて処理 データとプログラムの保管 プログラムの実行 は、サーバー内にて処理 シンクライアントは 画面表示と入出力操作
  62. 62. Chromebook インターネット データ 文書作成 表計算 プレゼン ・・・ ブラウザ 画面表示・入出力操作 通信 画面表示・入出力操作 通信 オフィス・アプリ データ 文書作成 表計算 プレゼン ・・・ オフィス・アプリ クラウドサービス Google Apps for workなど ブラウザ 文書作成 表計算 プレゼン ・・・ PC / Windows・Mac OS など Chromebook / Chrome OS
  63. 63. クライアント仮想化 クライアントの仮想化 (アプリケーション方式) 仮想化 ソフトウェア ハードウェア クライアントPC オペレーティング・システム (ホストOS) アプリケーション OS (ゲストOS) アプリケーション クライアントの仮想化 (ハイパーバイザー方式) 仮想化ソフトウェア (ハイパーバイザー) ハードウェア クライアントPC アプリケーション OS アプリケーション OS 仮想マシン仮想マシン仮想マシン CPU メモリ CPU メモリ
  64. 64. ストレージ仮想化 2TB 実データ 3TB 実データ 5TB 実データ 10TB 10TB 10TB 仮想ストレージ ブロック仮想化 10TB 実データ 30TB ストレージ(ハードウェア) 8TB 7TB 5TB 未使用領域 20TB ボリュームの仮想化 10TB 10TB 10TB 仮想ストレージ シンプロビジョニング 10TB 実データ 30TB ストレージ(ハードウェア) 容量の仮想化 未使用領域 0TB 必要な時に 追加 2TB 実データ 3TB 実データ 5TB 実データ 8TB 7TB 5TB 仮想ストレージ 重複排除 ストレージ(ハードウェア) データ容量の削減 D A B C E F A B ファイル 2 ファイル1 D A B C E F重複データ を排除
  65. 65. SDNとNFV QoS・セキュリティ 機 能 制 御 パケットの種類に応じて設定 物理構成に依存 機器ごとに個別・手動制御 物理 ネットワーク A 物理 ネットワーク B 物理 ネットワーク C 従来のネットワーク アプリケーションに応じて設定 物理構成に関係なく、ソフトウエア設定で機能を構成 機器全体を集中制御・アプリケーション経由で制御可能 仮想化 仮想 ネットワーク A 仮想 ネットワーク B 仮想 ネットワーク C 物理 ネットワーク 集中制御 SDN(Software Defined Networking)
  66. 66. ゼロトラスト・ネットワーク・セキュリティ 66 ネットワーク境界 従来のネットワークベースのセキュリティ ネットワークを突破された侵入済みの脅威に対して脆弱 ネットワーク境界は 容易に越えられる 1台を乗っ取れば 他のデバイスに 侵入拡大 社外からの ID/デバイス/データ/アプリ への攻撃に対して無防備 ファイヤー ウォール デバイス ID データ ゼロトラスト・ネットワーク・セキュリティ “ID” をセキュリティ境界とし、ネットワークに依存しない これらの信頼度に基づいて動的に認証、認可 × × × × × 自動的な分類・保護・追跡 機密情報の保護 アプリ 標的型メールの 検出と排除 メールからの保護 機密情報の保護(監視) 未許可アプリ、不正な操作の監視 なりすまし検知・防止 ID の保護 (クラウド&オンプレ) PC への侵入検知・隔離 デバイスの保護
  67. 67. Microsoft 365Security Center での対応 67 標的型メール受信 未知のマルウェア、フィッシング PC への 侵入行為 ID の窃取 侵入範囲の拡大 偵察 情報への 不正アクセス 被害発覚 PC への侵入検知・隔離 Microsoft Defender ATP 標的型メールの検出と排除 Office 365 ATP 自動的な分類・保護・追跡 Azure Information Protection メールからの保護 デバイスの保護 ID の保護 (オンプレミス) ID の保護 (クラウド) 機密情報の保護(監視) 機密情報の保護 なりすまし検知・防止 (クラウド) Azure Active Directory Premium なりすまし検知・防止 (オンプレミス) Azure ATP 未許可アプリ、不正な操作の監視 Cloud App Security セキュリティ統合監視:Microsoft 365 Security Center
  68. 68. ユーザーに意識させない・負担をかけないセキュリティ 68 Security Orchestration Automation Response SOAR セキュリティ製品間の連携 手動 → 自動 自動調査&対処 MTTI Mean Time To Identify MTTR Mean Time To Remediation 自動化 SOAR
  69. 69. IT利用の常識を変える クラウド・コンピューティング Cloud Computing
  70. 70. クラウドの新しい常識
  71. 71. 銀行システムにおけるクラウド活用の動き 日本ユニシスとマイクロソフト、「BankVision on Azure」実現に向け共同プロジェクトを開始 2018年3月23日 日本ユニシス株式会社と日本マイクロソフト株式会社 は23日、日本ユニシスのオープン勘定系システム 「BankVision」の稼働基盤として、Microsoft Azureを 採用するための取り組みを推進するため、共同プロ ジェクトを4月から開始すると発表した。 いかに費用を抑え、最新技術も取り入れた上で短期間 でのシステム開発を行うかという課題に対応するため、 クラウドを選択。現在はクラウド最大手の米アマゾン ウェブサービスと組み、業務システムの一部から移行 を進めている。 5年間で100億円のコスト削減 1000超のシステムの約半分をクラウド化 週刊ダイヤモンド 2017.5.17 https://diamond.jp/articles/-/128045
  72. 72. クラウド・バイ・デフォルト原則 政府情報システムにおけるクラウドサービスの利用に係る基本方針(案) クラウド・バイ・デフォルト原則(クラウドサービスの利用を第一候補)  政府情報システムは、クラウドサービスの利用を第一候補として、その検討を行う  情報システム化の対象となるサービス・業務、取扱う情報等を明確化した上で、メリット、開発の規模及び経費等を基に検討を行う https://www.kantei.go.jp/jp/singi/it2/cio/dai77/siryou.html Step0:検討準備 クラウドサービスの利用検討に先立ち、対象となるサービス・業務及び情報といった事項を可能な限り明確化する。 Step1:SaaS(パブリック・クラウド)の利用検討と利用方針 サービス・業務における情報システム化に係るものについて、その一部又は全部が SaaS(パブリック・クラウド)により提供されてい る場合(SaaS(パブリック・クラウド)の仕様に合わせ、サービス・業務内容を見直す場合も含まれる。)には、クラウドサービス提 供者が提供する SaaS(パブリック・クラウド)が利用検討の対象となる。 Step2:SaaS(プライベート・クラウド)の利用検討 サービス・業務における情報システム化に係るものについて、その一部又は全部が、府省共通システムの諸機能、政府共通プラット フォーム、各府省の共通基盤等で提供されるコミュニケーション系のサービスや業務系のサービスを SaaS として、当該サービスが利用 検討の対象となる。 Step3:IaaS/PaaS(パブリック・クラウド)の利用検討と利用方針 SaaS の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、民間事業者が提供する IaaS/PaaS(パブリック・クラウド)が利用検討の対象となる。 Step4:IaaS/PaaS(プライベート・クラウド)の利用検討 IaaS/PaaS(パブリック・クラウド)の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、 サーバ構築ができる政府共通プラットフォーム、各府省独自の共通基盤等を IaaS/PaaS として、当該サービスが利用検討の対象となる オンプレミス・システムの利用検討
  73. 73. 米国政府の動き CIA(中央情報局) DOD(国防総省)
  74. 74. 評価対象としたアプリケーション アンケート登録/集計システム
  75. 75. 店舗入力 ダウンロード イベント ログイン画面 店頭用入力画面 集計ファイル作成画面 ダッシュボード画面 イベント用入力画面 Write Write Read Read 認証されたユーザのみ アクセス可能なページ 評価対象としたアプリケーション/処理フロー よ く あ り が ち な webシステム
  76. 76. 構築事例:従来型のWebアプリケーション・アーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 EC2 EC2 EC2 冗長化 冗長化EC2 EC2 Web AP DB死活監視 DNS DNSのセットアップが必要 APはそのまま移行。ただし、セッション管理等、一部改修が 必要な場合がある。 ミドルウェアが必要 (Oracle、 SQLServer、死活監視ソフト等の購入) DBMSのセットアップが必要 EC2:1台 365日24時間稼働:$175.2 EC2:9台 365日24時間稼働:$1576.8 ELB:1台 365日24時間稼働:$236.52+α ELB:2台 365日24時間稼働:$473.04+α リージョン:東京 <EC2> インスタンスタイプ:t2.micro (最少) 料金:$0.020/1時間 <ELB> 料金:$0.027/1時間 +$0.008/1GB 年間:約$2049.84 約254,980円 ※2015/3/20時点
  77. 77. 構築事例:AWSサービスを活かしたアーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 冗長化 Web AP DB DNS Route 53に 設定するのみ 死活監視のソフトウェア不要 基本的に無料/アラーム設定でメール通知 DBMSはインストール不要  Oracle、SQL Server等のライセンス料込  EC2の接続先を変更するだけ 冗長構成はMulti-AZを選択するのみ EC2:4台 365日24時間稼働:$700.8 ELB:2台 365日24時間稼働:$473.04+α RDS: 365日24時間稼働:$455.52 Route53: 1年間:$26.4(最少) リージョン:東京 <EC2> インスタンスタイプ:t2.micro (最少) 料金:$0.020/1時間 <ELB> 料金:$0.027/1時間 +$0.008/1GB <RDS> インスタンスタイプ: t2.micro (最少) 年間:約$1655.76 約198,691円 Cloud Watch Route 53 RDS(Master) RDS(Slave) DynamoDB セッション 管理 ※2015/3/20時点
  78. 78. 構築事例:AWSサービスを最大限活かしたアーキテクチャ Internet クライアント Cloud Front 画面表示は、 クライアント側 アプリ メールサーバー不要 冗長構成、拡張・データ再配置 はAWS任せ リージョン:東京 <S3> 料金:$0.0330/GB +リクエスト数+データ転 送量 <CloudFront> 料金:$7.2/年 (試算した結果) <Lambda> 料金:$0 <DynamoDB> 料金:$0 (試算した結果) 年間:約$7.56 約907円 Cloud Watch JavaScript 入力ページ(HTML) コンテンツ 非公開コンテンツ Log等 S3 DynamoDB Lambda Node.js テーブル Cognito Webサーバー機能 3箇所以上で自動複製、容量無制限 キャッシュ SSL証明書 任意のタイミングで処理実行 負荷分散、障害対策はAWS任せ AWS認証 アプリ認証 SignedURL発行 サーバ側アプリ ※2015/3/20時点 ※条件によって料金は異なります
  79. 79. クラウドは手段の負担を減らす仕組み アプリケーション データ ランタイム ミドルウェア オペレーティング システム 仮想化 サーバー ストレージ ネットワーク アプリケーション データ ランタイム ミドルウェア オペレーティング システム 仮想化 (必ずしも使わない) サーバー ストレージ ネットワーク アプリケーション データ ランタイム ミドルウェア オペレーティング システム 仮想化 (必ずしも使わない) サーバー ストレージ ネットワーク アプリケーション(アドオン) IaaS PaaS SaaS ア プ リ ケ ー シ ョ ン 利 用 す る 企 業 の 責 任 ク ラ ウ ド 事 業 者 の 責 任 プ ラ ッ ト フ ォ ー ム イ ン フ ラ ス ト ラ ク チ ャ ー
  80. 80. クラウドがもたらすビジネス価値 構築や運用からの解放 最新テクノロジーの早期利用 資産から経費へのシフト  アプリケーションの質的向上にリソースをシフトできる  ビジネス・スピードの加速に迅速柔軟に対応できる  試行錯誤が容易になってイノベーションを加速する  テクノロジーの進化をいち早くビジネスに取り込める  初期投資リスクが削減でき、IT活用範囲を拡大できる  ビジネス環境の変化に柔軟に対応できる
  81. 81. クラウド・コンピューティング で変わるITの常識
  82. 82. ネットワーク コレ1枚でわかるクラウドコンピューティング インフラストラクチャー プラットフォーム アプリケーション 計算装置 記憶装置 ネットワーク データ ベース 運用管理 プログラム 実行環境 プログラム 開発環境 認証管理 電子 メール ソーシャル メディア 新聞 ニュース ショッピング 金融取 引 財務 会計 施設や設備
  83. 83. 「クラウド・コンピューティング」という名称の由来 アプリケーション プラットフォーム インフラ クラウド(Cloud) =ネットワークあるいはインターネット ネットワークの向こう側にあるコンピュータ(サーバー)を ネットワークを介して使う仕組み クラウド・コンピューティング Cloud Computing
  84. 84. クラウドによる新しいIT利用のカタチ 84 スペース:設置場所の制約 コスト 利用量・使う機能 に応じた課金 アジリティ 追加・変更 の柔軟性 スケール 規模の伸縮 弾力性 クラウド・コンピューティング Cloud Computing システム構築・運用 の負担軽減 アプリケーション展開 のスピードアップ
  85. 85. クラウド・コンピューティング の価値
  86. 86. セルフ・サービス・ポータル  調達・構成変更  サービスレベル設定  運用設定  ・・・ 数分から数十分 直近のみ・必要に応じて増減 経費・従量課金/定額課金 クラウド システム資源のECサイト 見積書 契約書 メーカー ベンダー サイジング 調 達 費 用 数週間から数ヶ月 数ヶ月から数年を想定 現物資産またはリース資産 従来の方法 調達手配 導入作業
  87. 87. 「自家発電モデル」から「発電所モデル」へ 工場内・発電設備  設備の運用・管理・保守は自前  需要変動に柔軟性なし 電力供給が不安定 自前で発電設備を所有 工場内・設備 電 力 電力会社・発電所 大規模な発電設備 低料金で安定供給を実現  設備の運用・管理・保守から解放  需要変動に柔軟に対応 工場内・設備 送電網 データセンター 大規模なシステム資源 低料金で安定供給を実現  設備の運用・管理・保守から解放  需要変動に柔軟に対応 システム・ユーザー デ ー タ ネットワーク
  88. 88. 歴史的背景から考えるクラウドへの期待 業務別専用機 業務別専用機 業務別専用機 業務別専用機 UNIXサーバー PC PCサーバー Intel アーキテクチャ 汎用機 メインフレーム IBM System/360 IBM System/360 アーキテクチャ 〜1964 汎用機 メインフレーム PC 1980〜 ミニコン オフコン エンジニアリング ワークステーション 汎用機 メインフレーム ダウンサイジング マルチベンダー 2010〜 PC+モバイル+IoT 汎用機 メインフレーム PCサーバー PCサーバー PCサーバー クラウド コンピューティング データセンター
  89. 89. 情報システム部門の現状から考えるクラウドへの期待 新規システムに投資する予算 既存システムを維持する予算 (TCO) 40% 60% 新規システムに投資する予算 既存システムを維持する予算 IT予算の増加は期待できない! 既存システムを 維持するための コスト削減  TCOの上昇  IT予算の頭打ち クラウドへの期待 「所有」の限界、使えればいいという割り切り
  90. 90. クラウドならではの費用対効果の考え方 システム関連機器の コストパフォーマンス リース コストパフォーマンスが 長期的に固定化 クラウド 新機種追加、新旧の入替えを繰り返し 継続的にコストパフォーマンスを改善 移行・環境変更に かかる一時経費 2006/3/14〜 50回以上値下げ
  91. 91.  徹底した標準化  大量購入  負荷の平準化  APIの充実・整備  セルフサービス化  機能のメニュー化 クラウド・コンピューティングのビジネス・モデル クラウド・コンピューティング オンデマンド 従量課金 自動化・自律化 システム資源 の共同購買 サービス化 低コスト 俊敏性 スケーラビリティ SDI (Software Defined Infrastructure)
  92. 92. IT活用適用領域の拡大 難しさの隠蔽 システム資源 エコシステム クラウドがもたらしたITの新しい価値 クラウド・コンピューティング IT利用のイノベーションを促進 ビジネスにおけるIT価値の変化・向上 新たな需要・潜在需要の喚起 モバイル・ウェアラブル ソーシャル 人工知能 ビッグデータ IT利用者の拡大 IoT ロボット 価格破壊 サービス化
  93. 93. クラウド・コンピューティング とは
  94. 94. クラウドの定義/NISTの定義 クラウド・コンピューティングは コンピューティング資源を 必要なとき必要なだけ簡単に使える仕組み 配置モデル サービス・モデル 5つの重要な特徴 米国国立標準技術研究所 「クラウドコンピューティングとは、ネットワーク、サーバー、ストレージ、アプリケーション、サービスなど の構成可能なコンピューティングリソースの共用プールに対して、便利かつオンデマンドにアクセスでき、最小 の管理労力またはサービスプロバイダ間の相互動作によって迅速に提供され利用できるという、モデルのひとつ である (NISTの定義)」。
  95. 95. クラウドの定義/サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム インフラストラクチャ PaaS Platform as a Service Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア & OS 設備 & ハードウェア プ ラ ッ ト フ ォ ー ム IaaS
  96. 96. クラウド・サービスの区分 自社所有 IaaS 仮想マシン CaaS PaaS FaaS ユーザー企業が管理 ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS SaaS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ IaaS ベアメタル クラウドサービス事業者が管理 連携機能 CaaS PaaS FaaS SaaS
  97. 97. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義/配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別・少数企業 不特定・複数企業/個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
  98. 98. ハ イ ブ リ ッ ド ク ラ ウ ド ベンダーにて運用、ネット ワークを介してサービス提供 パブリック クラウド 自社マシン室・自社データセ ンターで運用・サービス提供 プライベート クラウド 5つの必須の特徴 人的介在を排除 無人 システム TCOの削減 人的ミスの回避 変更への即応 ソ フ ト ウ ェ ア 化 さ れ た イ ン フ ラ ス ト ラ ク チ ャ 調 達 の 自 動 化 運 用 の 自 動 化 オンデマンド・セルフサービス 幅広いネットワークアクセス 迅速な拡張性 サービスの計測可能・従量課金 リソースの共有 注:SaaSやPaaSの場合、絶対条件ではない。
  99. 99. ハイブリッド・クラウドとマルチ・クラウド クラウド管理プラットフォーム オンプレミス(自社構内) データセンタ(自社設備) データセンタ(他社設備) コロケーション/ホスティング パブリック・クラウド パブリック・クラウド ホステッド プライベート クラウドハイブリッド・クラウド マルチ・クラウド インターネット/VPN/専用線 個別専用システム ハイブリッド・クラウド マルチクラウド
  100. 100. クラウドの分類と関係 個別システム ホステッド プライベート クラウド SaaS(Software as a Service) PaaS(Platform as a Service) IaaS(Infrastructure as a Service) SaaS PaaS IaaS プライベート・クラウド パブリック・クラウド/クラウド事業者資産を使用 オンプレミス・システム/自社資産として所有 ハイブリッド・クラウド プライベートとパブリックの連係・組合せ マ ル チ ・ ク ラ ウ ド 複 数 の パ ブ リ ッ ク を 連 係 ・ 組 合 せ
  101. 101. 変わる情報システムのかたち 戸建・定住 新築 建売り 建設業 一括売り切り 住み替え リフォーム 賃貸 サービス業 継続支払い
  102. 102. クラウドへの移行を成功させるための7原則 102 1. 既存システムの移行をゴールとしない、クラウド・ネイティブの実現を目指す 2. 絶対に今まで通りでなければならない、という要件を排除する 3. クラウドならではの作法、考え方を許容する 4. ユーザー自身で運用管理する。そのためのスキル獲得予算を確保する 5. クラウド・インテグレーションにスキルのあるIT企業に参画してもらう 6. クラウドにあるサービスを割り切って使用する 7. ビジネスのデジタル化を実現する前提として、IT利用の在り方を見直す “なぜ「不毛なクラウド議論」がなくならない? 論外なIT部門7つの特徴”を参考に作成
  103. 103. クラウドへ移行するための3つの戦略 103 新しく作る システム 変えた方がいい システム そのまま残す システム クラウド・ネイティブ クラウド ネイティブ そのまま 移行 ベア メタル 連 係 リ フ ト シフト クラウド・サービス
  104. 104. クラウドへの移行が難しい場合 104 モノリシックなシステム:  オンプレミスで実行する必要のあるアプリケーションと緊密に結びついており、そのアプリケーション と関連するデータベースと統合され、特定のランタイムや特定のバージョンのデータベースサーバに合 わせてチューニングされている場合。  パフォーマンスや信頼性を確保するために、特定のプラットフォームの特定のバージョンのデータベー スにチューニングされている場合。 頻繁なデータ出力:  パブリック・クラウドは、データのアップロードは無料だが、出力には料金を課している。データ出力 が頻繁に発生する場合、課金が高額になる場合がある。 複雑なデータ構造:  データ構造が複雑で、公開されても構わないデータと外部に流出するリスクを冒すことが絶対に許され ないデータが混在している場合。 低レイテンシ:  オンプレミスとクラウド・データセンター間の回線の制約から、大量のデータをデータセンターからク ラウドに移動させるには、数時間、あるいは数日かかる場合。  リアルタイムのユーザーデータのやりとり、高速なアナリティクス、パーソナライゼーション、レコメ ンデーションなどを利用するモダンなアプリケーション。  モノのインターネット(IoT)。ローカルのIoTデバイスから速いペースでデータを収集しているので あれば、クラウドに直接データを送信するのでは時間がかかりすぎる可能性がある。オンプレミスデー タベースおよびエッジ・サーバーが合理的。 Zdnetの記事を参考に編集:https://japan.zdnet.com/article/35132951/
  105. 105. クラウド利用の推移 105 SaaS 汎用業務の移管 アプリケーション 独自業務の移管 仮想マシン クラウド・ネイティブでの構築 コンテナ&サーバーレス 仮想マシンによるハイブリッド・クラウド クラウド技術で作られたオンプレ製品 コンテナによるハイブリッド&マルチ・クラウド サーバーレスによるクラウドネイティブ 独自性の高い業務は個別専用システム 独自性の低い汎用業務はSaaS IaaS PaaS Office365 G-Suite Box など Amazon Outposts Microsoft Azure Stack Google GKE-On-Prem AWS EKS Google GKE Microsoft AKS
  106. 106. 「クラウド・ネイティブ」とは 106 開発者は他社と差別化できるビジネスロジックに集中したいのに 付加価値を生み出さない作業で負担を強いられる  ミドルウェアの設定  インフラの構築  セキュリティ・パッチの適用  キャパシティ・プランニング  モニタリング  システムの冗長化  アプリケーションの認証・認可  APIスロットリング など この負担から開発者を解放 マイクロ・サービス アーキテクチャ コンテナ DevOps アプリケーションを 継続的にそして高速にアップデートし ビジネス・ニーズに即座に対応
  107. 107. クラウドに吸収されるITビジネス 107 アプリケーション・ビジネス • ビジネス開発 • システムの企画 • システム設計 • プログラム開発・テスト • 開発・テスト環境の構築 • 本番実行環境の構築 • セキュリティ対策 • 運用管理 • トラブル対応 ネットワーク・ビジネス • ネットワークの設計 • ネットワーク機器の導入・設定 • セキュリティ対策 • 監視・運用管理 • トラブル対応 インフラ・ビジネス • インフラの設計 • インフラ機器の導入・設定 • セキュリティ対策 • 監視・運用管理 • トラブル対応 クラウド・データセンター内 ネットワーク クラウド・データセンター間 バックボーンネットワーク 5G通信網のタイムスライス SIMによる閉域網  サーバーレス/FaaS・PaaS  コンテナ運用・管理マネージドサービス SaaS Google GKE Azure AKS  AWS Outposts  Google On-prem  Microsoft Azure Stack  オンプレミス型マネージド・システム アジャイル 開発 DevOps
  108. 108. 異なる文化の2つのクラウド戦略 コスト削減のためのクラウド 競争力強化のためのクラウド 生産性向上・納期短縮・コスト削減  投資負担の軽減  運用管理負担の軽減  高い運用品質の維持 コスト削減  資産固定化の回避  最新技術の活用  俊敏性の実現 投資対効果 差別化・競争力・変化への即応力  既存システムのIaaS移行  運用管理の自動化  開発と運用の順次化  コンテナ×Kubernetes  PaaS×サーバーレス  開発と運用の同期化 クラウド・リフト 戦略 クラウド・ネイティブ 戦略 守りの文化 by 情報システム部門 攻めの文化 by 事業部門・経営直下 両者は異なるクラウドであることを前提に考える 予算と人材と戦略の一体化と適切な配分
  109. 109. 新たなビジネス基盤となるIoT モノのインターネット/Internet of Things
  110. 110. IoTとは何か
  111. 111. IoTの2つの意味 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム 現実世界をデジタル・データに変換 モノそのものやそれを取り囲む環境の状態とその変化 広義のIoT=CPS デジタル・データで現実世界を 捉え、アナログな現実世界を動 かす仕組み 狭義のIoT 現実世界の出来事をデジタル・ データに変換しネットに送り出 す仕組み
  112. 112. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす2つのパラダイムシフト 1. 現実世界のデジタル・データ化 2. ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード+ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア モノの価値は、 ハードウェアからソフトウェアへ そしてサービスへとシフト アナリティクス 人工知能+シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT CPS社会の実現 「モノ」のサービス化 インターネット クラウド・サービス CPS:Cyber-Physical System
  113. 113. 電脳世界 (Cyber World) 現実世界 (Physical World) デジタル・コピー/デジタルツイン ビッグデータ 機械学習 センサ データ 最適解 制御 Cyber-Physical System 圧 力 ひずみ 振 動 重 量 電 流 ・・・ シミュレーション 現実世界をデジタルで再現し 条件を変えて実験を繰り返し 最適解を見つけ出す 変更や変化に即応して 最適状態・動きを実現
  114. 114. 「モノ」のサービス化 モノの価値は、 ハードウェアからソフトウェアへ、 そしてサービスへとシフト ハードウェア ソフトウェア サービス 機能・性能を随時更新可能 機能・性能の固定化 機能・性能を継続的更新可能 モノの価値を評価する基準がシフト
  115. 115. 「モノ」のサービス化 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ走行データ 作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
  116. 116. 使 用 の現場 センサー コンピュータ ソフトウエア モノ・製品 モノのサービス化の本質 ものづくり の現場 開 発 製 造 保守 サポート ソフトウェア 改修・更新 インターネット 直 結 ・ 連 係
  117. 117. ビジネス価値の進化 コア・ビジネス  既存ビジネス  蓄積されたノウハウ  確実な顧客ベース 付加価値ビジネス  収益構造の多様化  既存ノウハウの活用  顧客ベースの囲い込み 新規ビジネス  顧客価値の拡大  ノウハウの創出  顧客ベースの拡大 製造・販売製造・販売 製造・販売 走行距離に応じた 従量課金サービス Pay by Mile 出力×時間に応じた 従量課金サービス Pay by Power 工事施工 自動化サービス Smart Constriction 建設機械 遠隔確認サービス KOMTRAX 安全・省エネ運転 コンサルティング 予防保守・交換 燃料費節約 コンサルティング 予防保守・交換
  118. 118. モノのサービス化 TOYOTA MaaS / e-Palette Concept KOMATSU SMART construction 土木工事における作業の自動化と高度化を実現す ることに加え、前後工程も効率化して、工期の短 縮に貢献できるパッケージ化したサービス 移動、物流、物販など多目的に活用できるモビリ ティサービス(MaaS)と、これを実現する専用 次世代電気自動車(EV) モノを売り収益を得るビジネス。サービスはモノ売りビジネスを支援する手段 サービスを提供し収益を得るビジネス。モノはサービスを実現なする手段
  119. 119. MaaS(Mobility as a Service) 119 電車 タクシー バス レンタカー自家用車 配車サービス カーシェア 自転車シェア 電車 タクシー バス レンタカー自家用車 配車サービス カーシェア 自転車シェア MaaS 経路検索 支払 予約 配車手配 現 在 MaaS あなたのポケットに全ての交通を個人で所有・個別に手配 手段の提供:マイカーの所有や個別の手配・予約ではできない最適化された「移動体験」提供 価値の実現:マイカー利用を減らし環境負荷の低減や移動の利便性・効率化を実現
  120. 120. IoTとAR/MR デジタル・ツイン (ビッグ・データ) 機械学習 シミュレーション クラウド IoT ものごと・出来事 現実世界のデジタルコピー 機器制御 作業指示 情報提供 デジタル フィジカル AR (拡張現実/Augmented Reality) MR (複合現実/Mixed Reality) デジタルとフィジカルの 一体化された世界の実現
  121. 121. これからのビジネスの方向 価値 モノ モノ 価値価値 モノ プロダクト価値を買う モノを手段として使う モノを買う 価値が提供される  デジタルテクノロジーを駆使  継続的な顧客との関係を維持  顧客の体験を進化させ続ける  モノ自体の機能と性能を極め  使いこなすための支援を継続  顧客体験をモノに合せ最適化 価値=サービス体験に対価を払う モノ=機能や性能に対価を払う
  122. 122. インダストリー4.0(第4次産業革命)とERP 122 第1次産業革命 Industry 1.0 第2次産業革命 Industry 2.0 第3次産業革命 Industry 3.0 第4次産業革命 Industry 4.0 機械化 効率化 自動化 最適化 水力・蒸気機関 手仕事から機械を利用 電力・科学的管理 統計的手法と電気による制御 コンピュータ 労働力を機械に置き換え デジタル 生産性を維持し個別最適 製造業 製造業 製造業 製造業 + 非製造業 18世紀後半 20世紀前半 1970年代以降 2015年代以降 科学的管理 ERP 情報の一元管理と連係 前工程 生産 後工程 デジタル 社内外を含めたデジタル連係 自 動 化 自 動 化 自 動 化 自 動 化 自 動 化 第2.5次産業革命 Industry 2.5
  123. 123. IoTセキュリティ 123 大項目 中項目 指針 主な要点 IoTセキュリティ 対策の5つの指針 方針 指針1 IoTの性質を考慮した 基本方針を定める ■経営者がIoTセキュリティにコミットする ■部門性やミスに備える 分析 指針2 IoTのリスクを認識する ■守るべきものを特定する、つながることによるリスクを想定する 設計 指針3 守るべきものを守る 設計を考える ■つながる相手に迷惑をかけない設計をする ■不特定の相手とつながれても安全安心を確保する設計にする ■安全安心を実現する設計の評価・検証を行う 構築・接続 指針4 ネットワーク上での 対策を考える ■機能及び用途に応じて適切にネットワークを接続する ■初期設定に留意する ■認証機能を導入する 運用・保守 指針5 安全安心な状態を維持し 情報発信・共有を行う ■出荷、リリース後も安全安心な状態を維持する ■出荷、リリース後もIoTリスクを把握し、関係者に守ってもらいたいことを伝える ■IoTシステム、サービスにおける関係者の役割を認識する ■脆弱な機器を把握し、適切に注意喚起を行う 一般利用者のためのルール ■問い合わせ窓口やサポートがない機器やサービスの購入、利用を控える ■初期設定に気をつける ■使用しなくなった機器については電源を切る ■機器を手放すときはデータを消す 出典:IoT推進コンソーシアム「IoTセキュリティーガイドラインバージョン1.0」
  124. 124. IoTと通信
  125. 125. コレ1枚でわかる第5世代通信 1G 2G 3G 4G 高速・大容量データ通信  10G〜20Gbpsのピークレート  どこでも100Mbps程度 大量端末の接続  現在の100倍の端末数  省電力性能 超低遅延・超高信頼性  1m秒以下  確実な通信の信頼性担保 5G 音声 テキスト データ 動画 IoT 多様なサービスへの適用を可能にする  異なる要件のすべてを1つのネットワークで実現する。  各要件をに応じてネットワークを仮想的に分離して提供する(ネットワーク・スライシング)。 1984年〜 1994年〜 2001年〜 2010年〜 2020年代〜
  126. 126. 5Gの3つの特徴 先送り 高速・大容量 大量端末接続 超低遅延・高信頼性 100万台/k㎡ 1ミリ秒 20Gビット/秒 1Gビット/秒 10万台/k㎡ 10ミリ秒 20 倍 当面はLPWA 5G 4G
  127. 127. 第5世代通信のインパクト 127 5G4G3G2G1G 音声 テキスト データ 動画 時空間 同時コミュニケーション 非同期コミュニケーション 同時体験共有 高解像度動画/大量データを低遅延で共有
  128. 128. 5Gの適用範囲 高速・大容量データ通信  10G〜20Gbpsのピークレート  どこでも100Mbps程度 大量端末の接続  現在の100倍の端末数  省電力性能 超低遅延・超高信頼性  1m秒以下  確実な通信の信頼性担保 5G 多様なサービスへの適用を可能にする  異なる要件のすべてを1つのネットワークで実現する。  各要件をに応じてネットワークを仮想的に分離して提供する(ネットワーク・スライシング)。 2020年代〜 2時間の映画を 3秒でダウンロード ロボット等の 精緻な遠隔操作を リアルタイムで実現 自宅内の約100個のモノ がネットに接続 (現行技術では数個) 現在の移動通信システムより 100倍速いブロードバンドサー ビスを提供 利用者がタイムラグを意識 することなく、リアルタイ ムに遠隔地のロボット等を 操作・制御 スマホ、PCをはじめ、身の 回りのあらゆる機器がネッ トに接続
  129. 129. 第5世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング 高効率 ネットワーク・スライス 低遅延 ネットワーク・スライス 高信頼 ネットワーク・スライス セキュア ネットワーク・スライス 企業別 ネットワーク・スライス エネルギー 関連機器の 監視や制御 農業設備や 機器の監視 や制御 物流トレー サビリティ 遠隔医療 各種設備機 器の監視と 制御 ゲーム 災害対応 自動車 TISや自動運転 公共交通 機関 医療 遠隔医療や 地域医療 自治体 行政サービス 金融 サービス 企業内 業務システム 各種クラウド サービス ・・・
  130. 130. 第5世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング SIM SIM SIM 閉域網 閉域網 閉域網 SIM SIM SIM(subscriber identity moduleもしくはsubscriber identification module/SIMカード)とは、電話番号を特定するための固有のID番号が記録された、 携帯やスマートフォンが通信するために必要なICカードのこと。
  131. 131. 人に寄り添うITを実現する人工知能/AI Artificial Intelligence
  132. 132. AIとは何か
  133. 133. 判断/決定 「情報」を意味する3つの英単語の違い 様々なデータ・ソースから生 成される数字や記号など Dataを目的に応じて基 準を与え、分類・構造化 し、報告や検討しやすく 整理したもの Informationに内在する ルールや法則などの関係 を考察し、価値評価を加 えたもの Intelligenceによって示 された価値評価に基づき 判断し意志決定を行なう 情 報 data information intelligence 素材 整理 価値 decision データ・ソース 抽出・変換 分析・考察
  134. 134. 人間と機械 Q1.穴掘りの生産性はどちらが高いだろう? Q2.ショベル・カーが登場したことで、人間は不要になったのか? Q3.ショベルカーの登場により、人間の役割はどう変わったのか? VS
  135. 135. 人間は何を作ってきたのか 135 鳥のように空を飛びたい 馬のように速く走りたい 魚のように海に潜りたい
  136. 136. 人工知能の2つの方向性 視覚(See) 聴覚(Listen) 対話(Talk) 汎用型人工知能 異なる領域で多様で複雑な問題を解決する 特化型人工知能 個別の領域において知的に振る舞う 自己理解・自己制御 意識・意欲を持つ 自ら課題を発見し 自律的に能力を高めてゆく 人間が課題を発見し 人間が能力を高めてゆく
  137. 137. 特化型と汎用型の違い 137 オープンな問い  自分は何をすべきか?  生きるとはどういうことか?  世界はどうあるべきか? クローズドな問い  「これ」について教えて欲しい?  「これ」でいいのだろうか?  「これ」でうまくいくだろうか? 専門的 総合的 汎用型人工知能  哲学や芸術  発明や発見  運動 など 特化型人工知能  画像診断  将棋や囲碁  音声認識 など
  138. 138. 人工知能とは? 138 人間を超越した知性や知能を実現するテク ノロジー。人工知能は、やがて神のような 存在となり、人間を奴隷のように支配する ようになる。 人間の知性や知能についての解釈は多様。脳の仕 組みも未だ十分には解明されていない。従って、 人間を超越する知能や知性をとせのように創れば いいのか分からないので、実現不可能。 自然な会話や学習による知識の獲得、状況 に応じた判断などの知能を必要とする作業 を、コンピューター上に構築した人工的な 知能を用いて再現する仕組みや研究のこと 人工知能についての国際的な定義は存在しない。 但し、言語理解や論理的思考など、人間がこれま で脳内で行ってきた知的作業を再現することがで きるテクノロジーと研究分野を意味している。 人間の内に取り込む知能 人間と対立する知能 拡張知能 Extended Intelligence Augmented Intelligence
  139. 139. 「自動化」と「自律化」の違い 139 「触るとやけどをするから触らないように」 と指示され、その通りそれに従う 火を触るとどうなるかを自分で確かめ やけどを負った後、二度と触らないとい あるいは、どこまでなら近づけるか といったルールを自分で作る 自動化 Automation 自律化 Autonomous 決められたやり方をその通りにこなす 自分で学習してルールを生成する
  140. 140. 「東ロボくん」の実力と代替可能な職業 140 国公立大学 172校 内 23校 30学部 53学科 合否判定80%以上 私立大学 584校 内512校 1343学部 2993学科 合否判定80%以上 MARCH /関関同立の学科を含む
  141. 141. 「人工知能」と言われるものの4つのレベル 141 単純制御:指示されたことをそまま行う 予め定められたルールに従い制御する(人工知能搭載○○)。  気温が上がるとスイッチを切るエアコン  洗濯物の重さで洗濯時間を自動的に変更する洗濯機  ひげの伸び具合で剃り方を変える電気シェーバーなど ルールベース:指示されたことを自ら考えて実行する 外の世界を観測することによって振る舞いを変える。 振る舞いの種類・パターンを増やすため、予め多数のルールを用意しておく。  「駒がこの場所にあるときは、こう動かすのがいい」といった予め決められたルールに従って、 これからの打ち手を探索して打つことができる囲碁や将棋のシステム  与えられた知識ベースに従って、検査の結果から診断内容や処方する薬を決めて出力する医療診断システム 機械学習:着眼点は人間が教え、対応パターンを自動的に学習する 人間があらかじめルールを細かく決めて組み込んでおかなくても、 大量のデータから対応パターンを自ら見つけ出す。 ただし学習のための着眼点(特徴量)は人間が設計。  「駒がこの場所にあるときは、こう動かすのがいい」ということを設定しておかなくても、 対戦を繰り返すことでコンピュータ自身が自分で学習する将棋や囲碁のシステム  診断データや生体データを多数読み込み、ある病気とある病気に相関があるということを自分で学ぶ医療診断システム 深層学習:着眼点を人間が教えずに、対応パターンを自動的に学習する 学習に使う変数(着眼点/特徴量)を自分で学習して見つけ、 対応のパターンを見つけ出す。  一連の症状が患者の血糖異常を表していて、複数の病気の原因になっているようだ、 ということを自分で見つけ出すことができる医療診断システム  状況に応じて、最適な判断をおこなう自動運転の自動車 レ ベ ル 1 レ ベ ル 2 レ ベ ル 3 レ ベ ル 4
  142. 142. 各時代のAI(人工知能)と呼ばれるもの ルールとゴールが決められているゲームの中 で、コンピュータがなるべくゴールにたどり つけるように選択肢を選んでいくもの。 できること:  パズルや迷路を解く  数学の定理を証明する  チェスを指す など トイプロブレムから脱却し、現実の問題を解 くために専門家(エキスパート)の知識をコ ンピュータに移植することで現実の複雑な問 題を解かせようとするもの。 できること:  患者の症状から病名を特定する  起こっている現象から、機械の故障を診断する  患者の症状から、細菌感染の診断をする 人間がルールを与えるのではなく、データを 分析することで、そこに含まれるパターンを 見つけ出し、機械にルールを獲得させるもの。 できること:  画像を認識して分類する  自然な表現の文章に翻訳する  CTやレントゲン写真から癌の病巣を発見する 推論と探索 ルールベースと エキスパートシステム ディープ・ラーニング を含む統計的機械学習 第一次AIブーム 第二次AIブーム 第三次AIブーム 1960年代 1980年代 2010年代 帰納法:事実や事例(データ)から導き出される傾向から結論を導く方法 演繹法:人間の経験や観察による一般的かつ普遍的な事実から結論を導く方法 ルールとゴールが厳密に決まっ ていることが前提。ルールが記 述しきれず、ルールやゴールが 曖昧である現実世界では役にた たない(トイプロブレム/おも ちゃの問題)。 ルールとして教え込まなければ ならないし、互いに矛盾する ルールも出てくると処理できな い。また、教えていない例外的 な事例が出てくると対処できな い。 画像処理、音声認識、証券取引 といった用途ごとに特化した技 術が現状。人間の知能のように 汎用的で、意識や心も宿すよう な技術ではない。
  143. 143. 統計と機械学習の違い 統計 Statics 機械学習 Machine Learning 記述統計 Descriptive Statistics 推測統計 Inferential Statistics 得られたデータの特徴や傾 向をわかりやすく表現する 一部のデータからそのデー タを含む全体の特徴を推測 する 収集したデータの統計量 (平均や分散など)を計算 してデータの示す傾向や性 質を知る 採取したデータ(標本やサ ンプルとも呼ぶ)から母集 団(全体のこと)の性質を 推測 人間が、データから規則・ルール・傾向を発見し、説明 することを支援する 予測 Prediction 分類・識別・判断 Classification/Identification/Decision 学習されたモデルから将来 を予測する 学習それたモデルから分 類・識別・判断を行う 学習のためのデータを計算 することで、予測のための モデル(推論モデル)を生 成する 学習のためのデータを計算 することで、分類・識別・ 判断のためのモデル(推論 モデル)を生成する 機械(ソフトウェア)が、データから規則・ルー ル・傾向を発見し、予測・識別・判断を自動化する
  144. 144. 人間が特徴量を教えることで データの中からパターンを見つ け出し、分類・整理する 人間が教えなくても森羅万象の 中からパターンを見つけ出し 世界を分類・整理する ディープラーニングが、なぜこれほど注目されるのか 機械学習 データを分析することで、そこに内在する規則性や関係性(パターン)を見つけ出す 従来型の機械学習 パターンを見つける時の着目点(特徴量) を人間が指定する 深層学習(Deep Learning) パターンを見つける時の着目点(特徴量) をデータの中から見つけ出す データ データ ルールベース 人間の経験や知見に基づいて、解釈のためのルールを作る
  145. 145. 機械学習がやっていること モデル 入力をどのように処理して 出力するかのルール 入力 出力 人間の思考で ルールを作る 実験・観察・思考 データ分析で ルールを作る 機械学習
  146. 146. 機械学習がやっていること モデル レントゲン写真から 「癌」の病巣を 識別するルール 入力 出力 癌 データ分析で ルールを作る 機械学習 癌の病巣が写っている 大量のレントゲン写真 ある患者のレントゲン写真 「癌」の病巣を表示 レントゲン写真から 「癌」の病巣を見つける「モデル」
  147. 147. AIと人間の役割分担 データを準備 意志決定 学習方式の選択 パラメーターの調整 可視化・分類・予測 問いを生みだす 解決したいこと・知りたいことを決める 膨大なデータの中から、人間 の経験に基づく先入観なしに 規則、相関、区分を見つける 新たな問いを生みだす 判断・制御 モデル 公式・ルール・関数など
  148. 148. ビジネス・プロセスのデジタル化 148 見える化 グラフ・モニター・イメージなど データ化 ビジネス・プロセスのデジタル化 分析 統計・機械学習 機械 人間 高速に結果 考察して仮説 なぜ? どうして? こうしたい! 疑問・仮説 そして判断
  149. 149. 一般的なプログラムと機械学習を使ったプログラム 149 達成目標 業務目的 処理プロセス アルゴリズム 判断や分類 のルール (一般的プログラムでは分岐条件) データによる 機械学習 人間の 経験や習慣 人間の 経験や習慣 一般的なプログラム 機械学習を使ったプログラム
  150. 150. 人工知能と機械学習と ディープラーニング
  151. 151. 人工知能と機械学習 151 人工知能(Artificial Intelligence) 人間の”知能”を機械で 人工的に再現したもの 基礎的 応用的 知識表現 推論 探索 機械学習 自然言語理解感性処理 画像認識 エキスパートシステム データマイニング 情報検索 音声認識ヒューマンインターフェース 遺伝アルゴリズム マルチエージェント ニューラルネット ゲーム プランニング ロボット 人工知能の一研究分野
  152. 152. ルールベースと機械学習 152 Sheep Dog を見分ける仕様 やルール = if XX Then XXX else XXX Mop を見分ける仕様 やルール = if XX Then XXX else XXX Sheep Dog を見分ける仕様 やルール 0101011101010 1110101001011 1110010101010 Mop を見分ける仕様 やルール 0111100101010 1101010001010 1110100100101 人間が記述 データから生成
  153. 153. 機械学習と推論(1) 153 機械学習 猫や犬のそれぞれの特徴を 最もよく示す特徴データの 組合せパターン(推論モデ ル)を作成する 対象データ 推論 どちらの推論モデルと 最も一致しているか の推論モデルに最も 一致しているので これは「猫である」と 推論する 学習 Learning 推論 Inference 大量の学習データ 推論モデル の推論 モデル の推論 モデル
  154. 154. 機械学習と推論(2) 154 耳 目 口 特徴量 猫と犬を識別・分類する ために着目すべき特徴 人間が 観察と経験で 決める 機械学習 統計確率的 アプローチ 機械が データ解析して 決める 機械学習 ディープラーニング (深層学習) 「特徴量」ごとに 猫/犬の特徴を 最もよく表す値を 見つけ出す 学習 猫の特徴を最もよく表す 特徴量の組合せパターン 犬の特徴を最もよく表す 特徴量の組合せパターン 猫の推論モデル 犬の推論モデル 大量の学習データ 大量の学習データ 犬 dog 猫 cat
  155. 155. 機械学習と推論(3) 155 特徴の抽出 推論モデルとのマッチング 猫 犬 推論モデル推論モデル 「猫」の推論モデルに 98%の割合で一致している 推論結果 だから「この画像は猫である」 「特徴量」に着目して それぞれの値を計算する 推論 特徴量未知のデータ 耳 目 口
  156. 156. 一般的機械学習とディープラーニングとの違い 156 耳 27% 目 48% 口 12% 特徴量 「特徴量」とは、猫と犬を識別・分類するために着目すべき特徴 正しく認識 82% 誤った認識 18% 認識結果 耳 27% 目 48% 口 12% 特徴量 学習 ディープラーニング 学習 推論 ディープラーニング 推論 正しく認識 82% 誤った認識 18% 認識結果 人間が認識結果が 最適になる組合せを 見つける 機械が認識結果が 最適になる組合せを 見つける 学習データ 教師付きデータ 学習データの一部 評価データ
  157. 157. 人工知能・機械学習・ディープラーニングの関係 1950年代 1960年代 1970年代 1980年代 1990年代 2000年代 2010年代 人工知能 Artificial Intelligence 機械学習 Machine Learning 深層学習 Deep Learning 人間の”知能”を機械で 人工的に再現したもの 人工知能の研究分野のひとつで データを解析し、その結果から 判断や予測を行うための規則性 やルールを見つけ出す手法 脳科学の研究成果を基盤にデー タの分類や認識の基準を人間が 教えなくても、データを解析す ることで、自ら見つけ出すこと ができる機械学習の手法 データ アルゴリズム 規則性やルール 遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、 ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット
  158. 158. なぜいま人工知能なのか インターネット アルゴリズム GPU(Graphics Processing Unit) 脳科学の研究成果を反映 高速・並列・大規模計算能力 人工知能(Artificial Intelligence) ビッグデータ IoT モバイル・ウェアラブル ソーシャル・メディア ウェブサイト WWW
  159. 159. 機械学習における3つの学習方法 159 機械学習 Machine Learning 教師あり学習 Supervised Learning 入力と正解例の関係を示したデータ を学習データとして入力し、その関 係を再現するように特徴を抽出、モ デルを生成する。 教師なし学習 Unsupervised Leaning なんの説明もない学習データを入力 し、抽出した特徴のパターンから類 似したグループを見つけ出し、それ ぞれのモデルを生成する。 強化学習 Reinforcement Learning 推論結果に対して評価(報酬)を与 えることで、どのような結果を出し て欲しいかを示し、その結果をもう まく再現できるモデルを生成する。 回帰 Regression 分類 Classification クラスタリング Clustering バンディット アルゴリズム Bandit Algorism Q学習 Q Learning 売上予測 人口予測 需要予測 不正検知 など 故障診断 画像分類 顧客維持 など レコメンド 顧客セグメンテーション ターゲットマーケティング など ゲーム 広告 自動運転 リアルタイム判断 など
  160. 160. 機械学習の活用プロセス 160 モデル運用 機械学習 モデル作成 学習データ 収集・加工 学習データ 定義 問題定義  問題発見  ゴール設定・KPI定義  業務方針決定  ノウハウの形式知化  目的変数の決定  説明変数決定  データソース決定  データ収集  加工プログラム開発  アルゴリズム選択  コーディング  パラメータチューニング  環境構築  コーディング  デプロイ&テスト  経営や業務  業務  IT  計算科学・統計学  計算科学・IT・業務 プロセス タスク スキルや知識
  161. 161. 「機械学習」の課題 161 大量の学習データ ・・・ 機械学習 少ない学習データ ・・・ 機械学習 「機械学習」の大きな課題の1つは、 その性能を上げるために大量の学習データを必要とすること ・・・ 機械学習 ルール 目標値 OR 解決策 移転学習 強化学習・GANs
  162. 162. 学習と推論の関係 学習 learning  大規模な計算能力  学習専用プロセッサー  長時間演算 推論 inference 学習モデル 学習モデル学習モデル 学習モデル学習モデル  比較的小規模な計算能力  推論専用プロセッサー  短時間演算 学習データ
  163. 163. 深層学習が前提となったシステム構造 深層学習フレームワーク 学習処理実行基盤 画像解析 動画認識 音声認識 話者認識 言語理解 文章解析 機械翻訳 知識表現 検索 コールセンター 顧客応対 営業支援 提案活動支援 医療 診断支援 創薬支援 その他 その他 文献データ 社内業務 データ 概念体系 辞書 音響データ 言語データ 画像データ 動画データ その他 アプリケーション ソリューション 認識系 サービス 学習基盤 知識ベース 学習データ A I プ ラ ッ ト フ ォ ー ム
  164. 164. 人工知能の可能性と限界
  165. 165. ミッシング・ミドル(失われた中間領域) 165 主 導 共 感 創 造 判 断 訓 練 説 明 維 持 増 幅 相 互 作 用 具 現 化 ト ラ ン ザ ク シ ョ ン 反 復 予 測 適 応 人間のみの活動 人間による 機械の補完 機械による 人間の能力の拡張 人間と機械の協働活動 機械のみの活動 「人間+マシン・AI時代の8つの融合スキルより(東洋経済社)/p.11」を参考に作成
  166. 166. IoT メカトロニクス 知能・身体・外的環境とAI 166 認識 意志決定 運動構成 感覚器 運動器官 骨格、関節、筋肉、靭帯、腱 外的環境 身体 知能 影響受容 AI(人工知能) 意識

×