【ITニュース解説】PwCがテクノロジー、メディア、情報通信業界における生成AI利用の最新調査結果を発表

PwCコンサルティングが、テクノロジー、メディア、情報通信（TMT）業界における生成AIの利用状況に関する最新の調査結果を発表した。この調査は、生成AIが急速に注目を集める中で、業界の企業が現在どのように活用し、将来どのような展望を描いているのか、そして導入においてどのような課題に直面しているのかを詳細に分析したものだ。システムエンジニアを目指す者にとって、この調査結果は、将来のキャリアにおいて生成AIとどのように向き合うべきか、重要なヒントを与えてくれる。

まず、生成AIとは、大量のデータから学習し、新しいテキスト、画像、音声、動画、コードなどを生成できる人工知能の一種である。近年、特に大規模言語モデル（LLM）の進化により、その応用範囲は劇的に広がっている。TMT業界は、ソフトウェア開発、コンテンツ制作、広告、通信サービスといった分野を包括しており、情報そのものを扱う特性から、生成AIとの親和性が非常に高い。この業界の企業は、顧客サポートの自動化、新しいコンテンツのアイデア出し、マーケティング資料の生成、ソフトウェアコードの記述支援など、多岐にわたる用途で生成AIの活用を検討している。例えば、メディア企業は記事の要約やドラフト作成に、テクノロジー企業は開発者のコーディング支援やテストケース生成に、通信企業は顧客対応の効率化に生成AIの可能性を見出しているのだ。

しかし、このPwCの調査で明らかになった最も重要な点は、生成AIを実際にビジネスに実装する上で、企業が直面する最大の課題が「技術インフラの準備」であるという事実だ。これは、単にAIモデルを導入すれば良いという話ではなく、それを支える土台となるITシステム全体を整備する必要があることを意味する。システムエンジニアを目指すならば、この「技術インフラの準備」が具体的に何を指し、なぜそれが大きな壁となるのかを深く理解することが不可欠だ。

技術インフラの準備とは、主に以下の要素を指す。 第一に、計算資源の確保である。生成AIモデル、特に大規模言語モデルは、膨大な計算能力を必要とする。モデルの学習や推論（生成処理）には、高性能なGPU（Graphics Processing Unit）を搭載したサーバーが不可欠であり、これらは非常に高価だ。オンプレミス（自社保有）で構築するか、Amazon Web Services（AWS）やMicrosoft Azure、Google Cloud Platform（GCP）といったクラウドサービスを利用するかの選択も重要になる。クラウドを利用する場合でも、適切なインスタンスタイプを選び、コストとパフォーマンスのバランスを取るための専門知識が求められる。

第二に、データの準備と管理だ。生成AIは、高品質で大量のデータから学習することでその性能を発揮する。しかし、企業内に散在するデータを収集し、適切な形式に整理・クレンジング（不適切なデータを取り除く）し、AIの学習に適した状態に加工する作業は、非常に手間と時間がかかる。また、データのプライバシー保護、セキュリティ、ガバナンス（管理体制）も厳しく問われる。誰がどのデータにアクセスできるのか、データはどこに保存され、どのように利用されるのかといったルール作りとそれを実現するシステムが必須となる。

第三に、ネットワークの整備である。生成AIモデルがクラウド上に展開される場合、大量のデータをアップロードしたり、モデルに問い合わせをして結果を受け取ったりするために、高速で安定したネットワーク環境が求められる。ネットワークの遅延は、生成AIを利用するアプリケーションのパフォーマンスに直結し、ユーザー体験を損なう要因となるからだ。

第四に、セキュリティ対策の強化だ。AIモデルや学習データは企業の重要な資産であり、これらが外部に漏洩したり、不正に操作されたりすることは許されない。AIシステム特有の脆弱性（例えば、敵対的攻撃によるモデルの誤動作誘発など）への対策も考慮する必要がある。また、生成AIが出力する情報が、機密情報を含まないか、倫理的に問題ないかといった運用面での監視体制も重要だ。

第五に、既存システムとの連携と統合である。多くの企業は既に多様なITシステムを運用しており、生成AIを単独で導入するのではなく、これらの既存システムと連携させて、業務プロセスに組み込む必要がある。API（アプリケーション・プログラミング・インターフェース）を利用した連携や、データ形式の変換、システムの変更など、複雑なインテグレーション作業が伴う。レガシーシステムとの連携は特に難易度が高く、システム全体の見直しが必要になるケースも少なくない。

これらの技術インフラの準備は、単に高額な投資を伴うだけでなく、高度な専門知識と経験を持った人材を必要とする。AIインフラの設計、構築、運用、そしてセキュリティ対策まで、多岐にわたるスキルが求められるため、これらの技術者を確保できないことも企業にとって大きな課題となっている。

システムエンジニアを目指すならば、生成AIのモデルそのものの知識ももちろん重要だが、それを支える基盤技術、つまりサーバー、ネットワーク、データベース、クラウドコンピューティング、セキュリティ、そして既存システムとの連携といった広範なITインフラに関する深い理解と実践的なスキルを磨くことが、将来のキャリアにおいて極めて有利に働くことがこの調査から示唆されている。生成AIを導入しようとする企業は、これらの技術的な課題を解決できるエンジニアを強く求めているからだ。PwCの調査結果は、生成AI時代のシステムエンジニアにとって、どのような能力が求められるのかを明確に示していると言えるだろう。