Posts

はじめに この記事ではOpenAIのGPTシリーズや、AnthropicのClaudeシリーズ、GoogleのGeminiシリーズなどの主要モデルについて比較表にまとめています。 免責事項: 本記事の料金や仕様は公開時点の情報であり、変更される可能性があります。最新情報については各サービスの公式ドキュメントをご確認ください。 提供プロパイダー 各モデルの提供団体は以下の通りです。 プロパイダー モデル 設立 国 備考 OpenAI GPT 2015年12月11日 米国 GPTは「Generative Pre-trained Transformer」の略。2017年にGoogleが発表したLLM「Transformer」がベース。事前に大量のデータで訓練されたLLMを示す。 Anthropic Claude 2021年ごろ 米国 Claudeはフランス語圏に多い名前。 数学者クロード・シャノン（Claude Shannon）など Google Gemini 1998年9月4日 米国 Geminiはラテン語で双子座を意味する。Google社内の2つの研究チームが合併したこと、Geminiの共同技術責任者がLLM開発はロケットを打ち上げる精神と同じと共鳴したことが由来。 Meta Llama 2004年2月4日 米国 Large Language Model Meta AI 料金 以下のリンクから各LLMの料金をまとめたExcelを表示できます。 LLM料金表 注記: 最新の料金情報は各公式ドキュメントでご確認ください 料金参考リンク OpenAI系モデル OpenAI公式ドキュメント: OpenAI APIの料金 Azure公式ドキュメント: Azure OpenAIの料金 Anthropic系モデル Anthropic公式ドキュメント: Anthropic APIの料金 AWS公式ドキュメント: AWS Bedrockの料金 Google Cloud公式ドキュメント: Google クラウド Vertex AIの料金 Google系モデル Google Cloud公式ドキュメント: Google クラウド Vertex AIの料金 Meta系モデル AWS公式ドキュメント: AWS Bedrockの料金 Google Cloud公式ドキュメント: Google クラウド Vertex AIの料金 Model ID参考リンク OpenAI系モデル OpenAI公式ドキュメント: モデル一覧 Azure公式ドキュメント: モデル一覧 Anthropic系モデル Anthropic公式ドキュメント: モデル一覧 AWS公式ドキュメント: AWS BedrockのAnthropicモデルID覧 Google Cloud公式ドキュメント: モデルガーデン Google系モデル Google公式ドキュメント: Vertex AIのモデル一覧 Meta系モデル AWS公式ドキュメント: AWS BedrockのAnthropicモデルID覧 Google公式ドキュメント: Vertex AIのモデル一覧 機能要件 プラットフォーム 入力 出力 機能 モデル名 Azure AWS Google クラウド テキスト 画像 音声 動画 PDF テキスト 画像 音声 日本語対応 Thinking Streaming Fuction Calling Structured outputs GPT-4o 〇 〇 〇 〇 〇 〇 〇 〇 GPT-4o-mini 〇 〇 〇 〇 〇 〇 〇 〇 GPT-4.

はじめに この記事では、岡山でシステムエンジニアとして就職、転職を希望している方向けに、岡山のIT産業やSierの特徴を記載し、就職・転職活動時に確認すべき観点を紹介します。 岡山に限らず、地方企業への就職を検討されている方や、Uターン・Iターン転職をされている方の参考になれば幸いです。 この記事の最新の記事はこちらになります。 岡山でのシステムエンジニア就職・転職ガイド2026 この記事を公開した経緯 著者は、中小企業のSierとして勤務していましたが、業界の労働環境と、若者・求職者が正しい情報をキャッチアップできない実態に疑問を感じ、この記事を作成しました。 1. 業界環境への疑問「会社や従業員の意識の低さ」 私が勤めていた職場では、業界の先輩から「世の中とはこういうものだ」「会社や仕事はこういうものだ」といった固定観念の押し付け、いわゆる先輩風を吹かす発言が多いと感じました。 その一方で、そうした発言とは裏腹に、社会人としての基本的なマナーや規範が欠けている方も少なくありませんでした。 会社は労働基準法を遵守せず、従業員もまた社内ルールや人との約束を軽んじ、責任の押し付け合う 些細なことで怒鳴ったり、感情をコントロールできずに無視をしたりする方 自己保身が強く、他者を助けようとしない方 私生活がだらしくなく、技術やビジネスへの興味が薄く、酒・タバコ・パチンコに時間とお金を費やすような方 役職者でありながら社員旅行で風俗店に行く方、年齢の離れた女性社員を個別に会食に誘うといった不適切な行動をとる方 真面目に仕事に取組み、努力されている方もいる一方で 職場全体のモラルやビジネスに対する意識の低さに強い違和感を覚え、「これでいいのかな?」と考えるようになりました。 2. 若者・求職者が正しい情報を得ることができない 上記のような業界の実態があるにも関わらず、以下の理由から若者や求職者が正しい情報を得ることが難しいと考えています。 企業や人材紹介会社からは「企業側の良い点」ばかりが発信され、求職者が悪い点を含めた本当の現場の様子をすることができない。 広報や採用担当の方も立場上、現実をそのまま話すことが難しい。 上下のコミュニケーションが不足しており、経験や知識が共有されていない。 指導できるレベルのモラル、知識を持った人材が中々いないため、相談できる相手がおらず、キャリアに悩んでも助けてもらえない。 近年、放送業界をはじめ各業界の労働問題がメディアで取り上げられ、社会的にも大きな問題になっています。 苦しみながら働いている方がいる、若者が望ましいキャリアを歩めないという実態がある、このままでいいだろうのか、業界としてもマイナスではないかと考えました。 そうした実態を踏まえ、誰か一人ぐらいは本当のことを伝えるいてもいいだろうと思い、この記事を公開することにしました。 この記事で伝えたいこと 仕事をしていると、自分の思い通りにならないことや理不尽な目にあうこともあるかと思います。 ただ、そうした事実があるということを事前に知っていれば、対処したり、心の準備をして耐えることができます。 岡山の企業や勤めている方を貶めることが目的ではなく、情報収集が困難な求職者側に事実を知っていただき、今後のキャリアに役立てていただくことがこの記事の目的です。 岡山のIT産業の特徴 県内最大手は両備システムズ 県内の最大手は、両備システムズです。 両備システムズは、行政・医療・福祉などの分野に強みを持つ、岡山県内最大の従業員数を誇る両備グループ配下のSierです。 両備システムズは、学生が選ぶ人気企業ランキング発表(株式会社ビザビ様調べ)でも学生の方からも高評価を得ており、 岡山県内に安定した人気を誇っている企業で、岡山のSierの就職、転職先として最も無難な選択肢と言われています。 両備システムズ公式サイト 富士通系とベネッセ系の案件が多い 岡山県では多くのSierは富士通と、岡山地場企業のベネッセがメインクライアントになっているケースが多く、 案件も富士通系、ベネッセ系が主流になるケースが多いです。 岡山県内の企業でシステムエンジニアとして活動するのであれば、両社の動向はチェックしておいたほうがいいかもしれません。 ベネッセコーポレーション公式サイト 富士通公式サイト 岡山でシステムエンジニアとして働くメリット 岡山の企業には課題もありますが、地方都市ならではの魅力も多くあります。 首都圏と比較した際の岡山で働く主なメリットを紹介します。 生活コストの低さ 岡山の最大のメリットは、生活コストの低さです。 首都圏と比較して、家賃や物価が大幅に安く、同じ給与でも可処分所得が高くなります。 家賃の比較例 間取り 東京23区 岡山市中心部 差額 1K/1DK 8-12万円 4-6万円 -4～6万円 2LDK 15-25万円 6-10万円 -9～15万円 年間で50万円以上の差が出ることも珍しくありません。 この差額を貯蓄や趣味に回すことで、豊かな生活を送ることができます。

はじめに この記事では、Azure、Google クラウド、Google Cloudの3大クラウドサービスのAIサービスの新規機能リリース履歴をまとめています。 主に以下のURLの情報をもとに新機能のキャッチアップを行っています。 Azure公式ドキュメント: Azure OpenAI Serviceニュース Azure公式ドキュメント: Azure AI Agent Serviceニュース Github: Azure公式ドキュメント管理リポジトリ Github: Azure OpenAI APIプレビューバージョン一覧 Github: Azure OpenAI API安定版バージョン一覧 [Google Cloud公式ドキュメント: Google クラウド Bedrockリリースノート](https://docs.Google クラウド.amazon.com/bedrock/latest/userguide/doc-history.html) Google Cloud公式ドキュメント: Vertex AIリリースノート Anthropic公式ドキュメント: APIバージョン一覧 Azure 2025年11月18日: Anthropic ClaudeモデルがMicrosoft Foundryで利用可能に Claude Sonnet 4.5、Haiku 4.5、Opus 4.1モデルがMicrosoft Foundryでパブリックプレビューとして提供開始されました。 これにより、AzureはClaudeとGPTの両方のフロンティアモデルへのアクセスを1つのプラットフォームで提供する唯一のクラウドプロバイダーとなりました。 主な特徴： Microsoft Azure Consumption Commitment (MACC)の対象 既存のAzure契約と請求システムで利用可能（別途ベンダー承認不要） Python、TypeScript、C# SDKでアクセス可能 コード実行ツール、ウェブ検索・取得、引用、ビジョン、ツール使用、プロンプトキャッシングなど、Claude Developer Platformの各種機能をサポート 戦略的パートナーシップ：

はじめに Azure App ServiceへのアプリケーションデプロイにおいてCI/CD（継続的インテグレーション/継続的デリバリー）の導入は、開発の効率化と品質向上に不可欠です。 本記事では、GitHub Actionsを使用してAzure App Serviceへ自動デプロイする方法を解説します。 GitHub Actionsとは GitHub Actionsは、GitHubが提供するCI/CD（継続的インテグレーション/継続的デリバリー）プラットフォームです。 リポジトリ内で直接ビルド、テスト、デプロイのワークフローを自動化できます。 特徴： リポジトリと統合: GitHubリポジトリと密接に統合され、プッシュやプルリクエストなどのイベントに応じて自動実行 豊富なアクション: GitHub Marketplaceで公開されている数千のアクションを活用可能 無料枠: パブリックリポジトリは無料、プライベートリポジトリも一定時間まで無料 基本概念 ワークフロー（Workflow） 自動化されたプロセス全体を定義するYAMLファイル。.github/workflows/ディレクトリに配置します。 ジョブ（Job） ワークフロー内で実行される作業の単位。複数のジョブを並行または順次実行できます。 ステップ（Step） ジョブ内で実行される個別のタスク。コマンドの実行やアクションの呼び出しを行います。 アクション（Action） 再利用可能な処理単位。GitHub Marketplaceで公開されているものや、自作のものを使用できます。 ランナー（Runner） ワークフローを実行する仮想マシン。GitHubホステッドまたはセルフホステッドを選択できます。 ワークフロー構文の基礎 基本的なワークフロー構文を見てみましょう： name: 'ワークフロー名' # トリガー条件 on: push: branches: - main pull_request: branches: - main # 環境変数 env: APP_NAME: my-app PYTHON_VERSION: '3.10' # ジョブ定義 jobs: # ビルドジョブ build: runs-on: ubuntu-latest steps: - uses: actions/checkout@v4 - name: Setup Python uses: actions/setup-python@v5 with: python-version: ${{ env.

はじめに 2028年9月30日以降、Azure FunctionsのConsumption（従量課金）プランでLinuxの関数アプリを実行する機能は廃止されます。 Azure Functionsとは？ Azure Functionsは、サーバーの管理や設定を気にせずに、コードを実行できるMicrosoftのクラウドサービスです。特定のイベント（HTTPリクエスト、タイマー、データベースの変更など）が発生したときに自動的にコードが実行されます。 Function のスケールとホスティングオプション | Microsoft Learn なぜ廃止されるのか？ Microsoftは、より高性能で柔軟な新しいプラン（Flex Consumption）を提供するため、古いプランのサポートを段階的に終了します。 新しいプランは、従来のプランの課題（仮想ネットワーク非対応、コールドスタートの遅さなど）を解決しています。 よって、今後新規で作成するFunctionsのプランは**Flex Consumption（Flex従量課金）**にする方が好ましいです。 本記事では、Flex Consumption プランとConsumptionプランの違い、移行時の変更点について紹介します。 Flex Consumptionとは Flex Consumption プランは2024 年 11 月 に GA（一般提供）となった従来のCunsumptionプランの進化版的なプランで、より柔軟に利用することができるAzure Functionsの新しいプランです。 Azure Functions Flex Consumption プラン ホスティング | Microsoft Learn Flex Consumption と Consumption プランからの変更点 主要機能の比較表 機能 Consumption Flex Consumption ゼロスケール ✅ 可能 ✅ 可能 スケール動作 イベント駆動 イベント駆動（高速） 仮想ネットワーク ❌ 非対応 ✅ 対応 専用コンピュート（コールドスタート対策） ❌ なし ✅ 常時起動インスタンス（任意） 課金 実行時間のみ 実行時間 + 常時起動インスタンス 最大スケールアウトインスタンス数 200 1000 用語解説:

はじめに 生成系AI（LLM：Large Language Model）を使っていて、「あなたのナレッジカットオフは？」と聞いたときに、明らかに間違った日付を返されたことはありませんか？ 例えば、Redditのユーザー報告によると、Geminiに英語で「今日の日付は？」と聞くと「2024年6月11日」と答えることがあるそうです。これは一見すると単純なバグのように見えますが、実はLLMの構造的な特性によるものです。 この記事では、AIの「ナレッジカットオフ」と「トレーニングカットオフ」の違い、そしてなぜAIが現在の日付について虚偽の報告（hallucination）をしてしまうのかを解説します。 ナレッジカットオフとトレーニングカットオフの違い まず、2つの重要な概念を理解する必要があります。 トレーニングカットオフ（Training Data Cutoff） トレーニングカットオフとは、AIモデルの学習に使用されたデータの最終日付です。例えば： あるモデルが「2025年7月までのデータ」で訓練された場合、トレーニングカットオフは2025年7月となります この範囲内のデータは、すべてモデルの学習に使用されたことを意味します ナレッジカットオフ（Reliable Knowledge Cutoff） 一方、ナレッジカットオフは、モデルの知識が最も広範で信頼できる日付を指します。 トレーニングデータに含まれていても、すべての情報が同じレベルで学習されるわけではありません モデルが最も確実に知識を持っているのは、ナレッジカットオフまでの情報です 具体例：Claude Sonnet 4.5 Anthropicの透明性レポートによると、Claude Sonnet 4.5は以下のように定義されています： トレーニングカットオフ: 2025年7月 ナレッジカットオフ: 2025年1月 つまり、7月までのデータで訓練されていますが、最も信頼できる知識は1月までということです。これは、後半のデータが学習に含まれていても、その範囲の情報はまだ十分に網羅的ではない、または検証が不十分であることを示しています。 なぜAIは今日の日付を間違えるのか システム時刻へのアクセスがない LLMは、リアルタイムのシステム時刻にアクセスできません。これが問題の根本原因です。 通常のプログラムであれば、OSのシステム時刻APIを呼び出せば現在の日付を正確に取得できます。しかし、LLMは以下の理由でこれができません： 純粋な言語モデル: LLMは入力されたテキストに基づいて次のテキストを予測するだけ 外部APIへのアクセス制限: セキュリティやアーキテクチャ上の理由で、外部システムへの直接アクセスは制限されている 学習データからの推論: 「今日は何日ですか？」という質問に対して、学習データ内のパターンから「それらしい答え」を生成してしまう トレーニングデータの模倣 LLMは、学習データ内に含まれる「今日は〇〇年△△月××日です」という記述を模倣して答えを生成します。 例えば： 学習データに「今日は2024年6月11日です」という記述が多く含まれていた場合 モデルは「今日の日付を聞かれたら、2024年6月11日と答えるのが適切」と学習してしまう可能性がある これは、モデルが意図的に嘘をついているのではなく、学習データのパターンを忠実に再現しようとした結果です。 Hallucinationのメカニズム この現象は、AIの「hallucination（幻覚、虚偽の報告）」の一種です： 学習データ内の日付の分布: 学習データ内で最も頻繁に「今日」として言及された日付 パターンの強化: 訓練中に繰り返し学習された日付が強く記憶される 現実との乖離: 実際の現在日とは無関係に、学習データのパターンを再現してしまう 実例：各AIモデルの状況 Gemini（Google） Redditの報告によると：

はじめに 岡山でシステムエンジニアとして働く上で、技術力の維持・向上は重要な課題です。 地方では首都圏と比べて最新技術に触れる機会が少なかったり、技術コミュニティの規模が小さかったりと、スキルアップの環境面で不利な点もあります。 しかし、現代ではオンラインリソースの充実により、場所に関係なく技術力を高めることが可能になっています。 この記事では、岡山で働くSEが技術力を向上させるための実践的な方法を紹介します。 オンライン学習リソースの活用 プログラミング学習プラットフォーム 場所を問わず学習できるオンラインプラットフォームを活用しましょう。 Udemy 世界最大級のオンライン学習プラットフォームです。 セール時には90%オフで購入できることも多く、コストパフォーマンスに優れています。 特にAWS、Azure、React、Pythonなど実務で使える技術の講座が充実しています。 https://www.udemy.com/ Coursera / edX 大学レベルの本格的なコンピュータサイエンスを学べるプラットフォームです。 スタンフォード大学やMITなどの有名大学の講座を無料で受講できます。 英語が中心ですが、字幕付きの講座も多いです。 https://www.coursera.org/ https://www.edx.org/ Progate / paiza 日本語でプログラミングの基礎を学べるサービスです。 初心者の方や新しい言語を学ぶ際の入り口として最適です。 https://prog-8.com/ https://paiza.jp/ 技術書の読書 技術書典 同人誌形式で最新技術の書籍が手に入ります。 オンライン開催もあるため、岡山からでも参加可能です。 実務に即した知識が得られる良書が多く揃っています。 https://techbookfest.org/ O’Reilly Learning IT技術書の出版社O’Reillyの電子書籍読み放題サービスです。 月額49ドルで膨大な技術書にアクセスできます。 英語が読めるエンジニアには非常にお得なサービスです。 https://www.oreilly.com/ Kindle Unlimited 月額980円で対象の技術書が読み放題です。 入門書からある程度実践的な内容まで幅広くカバーされています。 岡山のエンジニアコミュニティへの参加 地域のコミュニティ活動に参加することで、同じ地域のエンジニアとの交流や情報交換ができます。 岡山エンジニア座談会 岡山のエンジニアが集まる定期的な勉強会です。 技術トークや情報交換の場として活用できます。 https://okayama-engineer.connpass.com/ 岡山WEBクリエイターズ Web制作やデザインに関する勉強会を定期的に開催しています。 フロントエンド技術やUI/UXに興味がある方におすすめです。 https://www.okaweb.jp/ GDG 岡山 Google技術を中心としたコミュニティです。 Google I/O Extendedなどのイベントを開催しています。 TechGuild Azureやクラウド技術に関するハンズオンセミナーを開催しています。 実践的なスキルを学べる機会です。 岡山.rb / 岡山.go など プログラミング言語ごとのコミュニティも存在します。 connpassやDoorkeeperで検索すると見つかります。

はじめに この記事では、Azure、AWS、Google Cloudの3大クラウドサービスのAIサービスの新規機能リリース履歴をまとめています。 主に以下のURLの情報をもとに新機能のキャッチアップを行っています。 Azure公式ドキュメント: Azure OpenAI Serviceニュース Azure公式ドキュメント: Azure AI Agent Serviceニュース Github: Azure公式ドキュメント管理リポジトリ Github: Azure OpenAI APIプレビューバージョン一覧 Github: Azure OpenAI API安定版バージョン一覧 AWS公式ドキュメント: AWS Bedrockリリースノート Google Cloud公式ドキュメント: Vertex AIリリースノート Anthropic公式ドキュメント: APIバージョン一覧 Azure 2025年10月01日: Microsoftがエージェント型AIアプリ開発基盤「Microsoft Agent Framework」を発表 エージェント型AIアプリを開発するためのSDKとランタイム「Microsoft Agent Framework」を発表し、パブリックプレビューを開始されました。 概要：AutoGenとSemantic Kernelを統合し、エンタープライズ対応のマルチエージェント開発基盤として設計。 AutoGen＝Microsoft開発のA2A（Agent to Agent）連携用フレームワーク。 Semantic Kernel＝Microsoft開発のエージェント内部の機能・プラグイン・メモリ管理を担うフレームワーク。 今後の統合計画：

はじめに 2025年10月、MicrosoftはCopilotの秋の大型アップデートを発表しました。 今回のアップデートでは、共同作業を強化するグループ機能や、新しいAIアシスタントMico、健康情報提供機能など、12の新機能が追加予定とのことです。 本記事では、それらの新機能をわかりやすく解説します。 Microsoft Copilot 12の新機能アップデート 1. グループ機能 アップデート内容 最大32人までのユーザーが同時に同一のCopilotチャットセッションに参加できる機能が追加されました。 Copilotが会話の文脈を保持し、要約やタスク管理も自動的に行います。 ユースケース チームブレインストーミング：マーケティングチームが新製品のキャンペーンアイデアを複数人で同時に出し合い、Copilotが提案を整理・要約いたします プロジェクト計画立案：開発チームがスプリント計画を共同で作成し、タスクの割り振りをCopilotに支援してもらうことができます 共同文書編集：複数の部署にまたがるレポート作成時に、リアルタイムで意見を交換しながら文書を完成させることが可能です 2. Imagine アップデート内容 AI生成コンテンツを共同で作成・リミックスできる空間が提供されます。 ビジュアル、マーケティング資料、トレーニング素材のプロトタイプ作成に最適化されています。 ユースケース マーケティング資料作成：広告チームが複数のビジュアル案をAIで生成し、チーム内で編集・改良を重ねることができます 研修教材開発：人事部門が新入社員向けのトレーニング資料を視覚的に作成し、複数の講師で内容を調整できます プレゼンテーション素材：営業チームが顧客向け提案資料のビジュアルを共同で作成・改善することが可能です 3. Mico（ミコ） アップデート内容 雫をモチーフにしたキャラクターのAIアシスタントが導入されました。 感情表現が豊かで、Cortanaの進化版のような位置付けとなっております。 現時点ではキャラクターのアニメーション表示が主な機能で、ビジネス的な用途は限定的になると思われます。 ユースケース カジュアルな対話体験：ビジネス以外の場面で、よりフレンドリーなインターフェースを通じてAIと対話することができます 教育現場での活用：学生や子供向けに、親しみやすいキャラクターを通じて学習支援を提供できます 4. Real Talk アップデート内容 ユーザーの話し方に合わせて会話スタイルを調整し、建設的な対話や「ソクラテス式」の問題解決を支援する機能が追加されました。 ソクラテス式とは、古代ギリシャの哲学者ソクラテスが用いた対話による思考法で、質問を通じて相手の考えを深掘りし、矛盾や曖昧さを明らかにすることで、より明確で論理的な理解に導く方法です。 ユースケース コーチング・メンタリング：マネージャーが部下との対話スキルを向上させるための練習ツールとして活用が期待されます 5. メモリーとパーソナライズ アップデート内容 ユーザーの好み、目標、文脈を長期的に記憶する機能が実装されました。記憶内容は編集可能で、プライバシーにも配慮されております。 ユースケース 継続的なプロジェクト管理：過去の会話や決定事項を記憶し、プロジェクトの文脈を保持したまま作業を継続できます パーソナライズされた提案：ユーザーの業務スタイルや好みを学習し、より適切な提案を行うことが可能です 長期目標の追跡：四半期目標や年間目標を記憶し、進捗状況に応じたアドバイスを提供いたします 6. コネクター アップデート内容 OneDrive、Outlook、Gmail、Google Drive、Googleカレンダーなどと連携し、自然言語で横断検索が可能になりました。 ユースケース 統合情報検索：「先月の営業会議の資料」と尋ねるだけで、複数のクラウドサービスから関連ファイルを検索できます スケジュール管理：異なるカレンダーサービスをまたいで、会議の空き時間を一括で確認することが可能です メール・ファイル統合管理：GmailとOutlookの両方から特定のプロジェクトに関する情報を一度に取得できます 7.

はじめに 以前は画像生成AI技術はなかなか思い通りの画像が生成されなかったり、日本語テキストの生成の精度が低いなどの課題がありましたが、 昨今ではOpenAIやGoogleなどが提供している画像生成モデルの精度が大幅に向上し、ビジネスにおいても活用の幅が広がっています。 この記事ではChatGPTやMicrosoft Copilotで画像生成AIを使って思い通りの画像を生成するためのプロンプトの書き方について説明します。 ※初心者向けのため、応用的な内容ではなく、基本的な内容になります。 ビジネスにおける画像生成のユースケース ビジネスにおいての画像生成系AIの活用事例として以下のようなものがあります。 1. デザイン・コンテンツ制作 製品ロゴやアイコン、サムネイル画像、キャラクター、書籍表紙、UI素材などの生成。 新しく生成するコンテンツに対して、AIにアイディアを提案させたい場合に使用します。 例 (新製品の画像をAIに提案させる) 最先端感のある最新スペックPCのデザインを提案せよ。 例 (新製品のアイコンをAIに提案させる) 新しいAIチャットサービス「Hogehoge AI」のアイコンを生成せよ 2. マーケティング・プロモーション 商品画像、広告用画像、イベント告知画像などの生成。 販売促進や集客目的で視覚的訴求を強化したい場合に使用します。 例 (イベント告知用画像を生成系AIに作成させる) 10月開催のテックカンファレンス告知用のSNS投稿用の画像 3. 業務・資料作成支援 図解、構成図、スライド背景、資料添付用画像などの生成。 文章だと分かりづらい事柄を図で表現させたり、資料作成の素材を生成させたい場合に使用します。 例 (図解: 生成系AIとチャットしていて分からなかったことなどを図で表現させる) 今までの会話内容をもとにLLMの概念について説明する画像を作成して 例: PowerPointのスライド背景 テクノロジー×イノベーションを象徴するデザインのスライド背景を生成して 既存画像への編集 最新の生成系AIでは既存の画像に対しての編集も可能になっており、以下のようなことができます。 テロップ挿入 キャッチコピーの挿入 タイトルの挿入 日付情報の挿入 この画像にキャッチコピーを追加した画像を生成して 画像の一部を別の画像と差し替え 商品や人物画像の背景を変更し、商品、人物にあった背景を検証 商品や人物画像を変更し、背景にあった商品、人物を検証 画像内の花瓶をコーヒーカップに変更した画像を生成して 画像の一部を削除 商品写真の余計な影や撮影機材を削除 観光地やイベント写真の通行人を消去 画像内の机を削除して 特に最新の画像生成AIモデルは日本語の生成精度が上がったことにより、テキスト画像の生成が期待した通りの結果が得やすくなっており、テロップ挿入などがビジネスツールとしてかなり強力になってきています。