北海道共創ラボ_TED_Modeki_20260626_共有用

2.7K Views

June 29, 26

#AIエージェント #データ活用 #Microsoft Fabric #生成AI #RAG

スライド概要

Haruhisa Homma

@2559613

スライド一覧

hello

（ダウンロード不可）

関連スライド

猫でも分かるUnreal Engineの学び方 - 超初心者向け編 - 2023 v1.0

ue4 ue5 ue-beginner

エピックゲームズジャパン 1.7M

Unreal Engine5 Lumenの仕組みと肝心なところ

ue5 ue-rendering ue-lumen

エピックゲームズジャパン 1.5M

UE5レンダリングフロー総おさらい(2024) 基礎編！[CEDEC+KYUSHU 2024]

ue5 unreal engine ue-rendering

エピックゲームズジャパン 1.4M

Meta XR SDK(V66-74)でQuestアプリを開発

spatial anchor unity quest pro shaperecognizeractivatestate oculus integration transformfeaturestateprovider building blocks transformrecognizeractivestate ovrsemanticclassification jointdeltaprovider ovrscenemanager jointvelocityactivestate オクルージョン sequenceactivestate scene manager ambisonic depth api metaxraudiosource playerlocomotor meta xr sdk quest3 ovrplayercontroller マルチモーダル meta haptics studio direct touch ui meta xr haptics sdk ovrspatialanchor ovrtrackedkeyboard hapticclipplayer fingerfeaturestateprovider hapticclip ワイドモーションモード wmm mruk mr utility kit voice sdk jointrotationactivestate meta horizon os ui set asw application spacewarp ovr metrics tool unityscene manager colocation discovery コロケーション mx ink passthrough camera api hand tracking microgestures webcamtexturemanager passthroughcamerautils cameraviewermanager hand pose selector recorder

あうぜん 1.2M

猫でも分かる UE5.0, 5.1 におけるアニメーションの新機能について【CEDEC+KYUSHU 2022】

ue5 cedec+kyushu ue-animation ue-optimize ue-bp ue-physics ue-sequencer

エピックゲームズジャパン 1M

【DeNA】新卒エンジニア向け会社説明資料

DeNA新卒採用 1M

各ページのテキスト

現場で実際に直面してきた「よくある勘違い」と「解決策」をリアルな事例とともに語ります。

自己紹介茂出木裕也 (もできゆうや) 東京エレクトロンデバイス株式会社 (仙台オフィス在籍) クラウドIoTカンパニーエッジクラウドソリューション部アーキテクトグループクラウドソリューションアーキテクト Microsoft のパートナー(CSP:クラウドソリューションプロバイダー) のエンジニアとして Microsoft 製品のご提案や技術サポートを提供 3年くらい BIOS開発のエンジニア (Intel x86 アセンブラ言語) 9年くらい組込み系エンジニア (Windows Embedded OS) 9年くらいクラウドエンジニア (Microsoft Azure IoT/AI) 【受賞歴】 2013年～2017年 Microsoft MVP Award (Windows Embedded) 2018年～2023年 Microsoft MVP Award (Azure / Internet of Things) 2023年7月 Microsoft Top Partner Engineer Award (Business Applications部門) 2024年7月 Microsoft Top Partner Engineer Award (AI部門) 2025年7月 Microsoft Top Partner Engineer Award (Azure-Data-AI部門)

データ活用の民主化を実現するSaaS型データ基盤：Microsoft Fabric 生成AI ローコード・ノーコード現場のユーザー AI アシストデータエンジニアデータサイエンティスト自社データを活用した生成AI Azure OpenAI Service Copilot in Fabric データ統合加工 DWH データサイエンスリアルタイム可視化アラート Data Factory Data Engineering Data Warehouse Data Science Real-Time Intelligence Power BI Data Activator コンピュート Copilot Studio ストレージ統一されたデータ基盤 Dataverse Google OneLake Amazon Azure マルチクラウド・ストレージへのショートカット (データ仮想統合) Copyright © Tokyo Electron Device LTD. All Rights Reserved. 4 S3互換ストレージ

データ活用の民主化を実現するSaaS型データ基盤：Microsoft Fabric 生成AI ローコード・ノーコードデータエンジニアデータサイエンティスト現場のユーザー AI アシストコンピュートローコード・ノーコードでデータ活用＋生成AIでの操作支援 Copilot in Fabric データ統合加工 DWH データサイエンスリアルタイム可視化アラート Data Factory Data Engineering Data Warehouse Data Science Real-Time Intelligence Power BI Data Activator ストレージ統一されたデータ基盤 OneLake 構造化データ・非構造化データの両方を扱うことが可能 Dataverse Google Amazon Azure マルチクラウド・ストレージへのショートカット (データ仮想統合) Copyright © Tokyo Electron Device LTD. All Rights Reserved. 自社データを活用した生成AI 5 S3互換ストレージ Azure OpenAI Service 生成AIシステムのための Copilot Studio データ基盤

構造化データと非構造化データ生成AI+RAG は”構造化データ”の扱いが苦手構造化データ非構造化データ定義定義行と列（テーブル）で整理されていること事前に定義されたスキーマ（行・列）に従い、 RDBやCSV等に格納されるデータ固定スキーマを持たず、多様な形式（テキスト・画像・音声等）で存在するデータ例メール / PDFドキュメント / 画像・動画 / SNS投稿 / 音声データ例 Excel / CSV / RDB / 顧客マスタ / 製品マスタ / センサーログ / 売上データなど Copyright © Tokyo Electron Device LTD. All Rights Reserved. 7

生成AIはRAGでナレッジを拡張できる RAG: Retrieval-Augmented Generation（検索拡張生成）外部データから関連情報を検索（Retrieval）して補い、その情報をもとにLLMが回答を生成（Generation）する仕組み社内ドキュメントなど DB / 検索エンジン 1. 検索（Retrieval） 2. 拡張（Augmentation） 3. 生成（Generation）ユーザーの質問を解析し、ベクトルDBや検索エンジンから関連情報を探す。（例：社内マニュアル、PDF、FAQ、Webページなど） Azure AI Search 等 ① 事前登録検索で得た文書を、ユーザーの質問に“付け加えて”LLMに渡す。 → LLMに「参考資料を読ませた状態」を作る。 ③ 検索 RAG 検索拡張生成 ② 問い合わせ LLMが、追加された文書を根拠にして回答を生成する。 → ハルシネーションが大幅に減る。 ④ LLMへ送信 LLM ユーザー ⑤ 回答生成 Copyright © Tokyo Electron Device LTD. All Rights Reserved. 8

よくある勘違い × RAGを使えば、どのようなファイルでも生成AIにナレッジとして参照させる事ができる！ × 社内のデータベースやCSVファイルのログデータとかも、 RAGのナレッジに追加しておけば上手く回答してくれるんでしょ？事実、生成AI + RAG は”構造化データ”の扱いが苦手 Copyright © Tokyo Electron Device LTD. All Rights Reserved. 9

10.

RAGの仕組み (テキストなど、非構造化データの場合) DB / 検索エンジン Azure AI Search 等 ① 事前登録チャンクされた情報だけが参照データとしてLLMに渡される (トークン節約のため) ③ 検索 RAG ドキュメントは細かい単位にチャンク(分割)された状態で登録される検索拡張生成 ② 問い合わせ LLM ユーザー ⑤ 回答生成 Copyright © Tokyo Electron Device LTD. All Rights Reserved. ④ LLMへ送信 (チャンク) 10

11.

チャンクの仕組み ― 文書を「意味のある単位」に分割する長い文書をそのまま扱わず、小さな断片（チャンク）に分けてベクトル化・検索する。必要な部分だけをピンポイントで参照できる。元の文書チャンク 1 (社内マニュアル等) 文書の一部分ベクトル化重複(オーバーラップ) 分割各チャンクを Embedding チャンク 2 文書の一部分重複(オーバーラップ) チャンク 3 ベクトルDB 文書の一部分チャンク単位で格納・検索重複(オーバーラップ) チャンク 4 文書の一部分 ※ チャンク同士を少し重ねて、文脈の途切れを防ぐ ✓ トークン上限に対応 Copyright © Tokyo Electron Device LTD. All Rights Reserved. ✓ 必要な箇所だけ検索 → 精度向上 11 ✓ 関連部分をピンポイント参照

12.

13.

14.

15.

16.

そもそも生成AI+RAG の仕組みは「数値集計・条件指定分析」には “不向き” 実際にあった話 (具体例あるある話) ・csvやexcelをRAGで参照させたけど、上手く行かない・データベースからデータを検索させてみたけど、結果が間違ってる・この程度の事が出来ないんじゃ、生成AIまだまだ使えませんね！じゃあ、どうすれば良いのか？「自然言語 → SQLクエリ生成 → データベース実行 → 結果取得」が必要 Copyright © Tokyo Electron Device LTD. All Rights Reserved. 16

17.

18.

解決策: Fabric Data Agent (= 仮想データアナリスト) 自然言語による会話・指示でデータ検索を実現したい Fabric データエージェントを使用すると、自然言語で Fabric に保存されているデータについて会話し、回答を受け取ることができる！ユーザーの質問は構造化クエリ(T-SQL、DAX、または KQL)に変換され、データに基づいた具体的な回答が返される。 [Fabric Data Agent] AI Foundry/Copilot Studio (生成AI) から、 Fabricに蓄積されたビッグデータにアクセスさせるためのコネクタ Microsoft Fabric の OneLake 上にある構造化データに自然言語で質問 → Fabric Data Agent が裏で SQL を生成し、値を検索(取得)して回答データベースからXXXとXXXの条件を満たすデータを抽出して。【SQLクエリ】 SELECT … FROM … WHERE … データベース Fabric Data Agent Copyright © Tokyo Electron Device LTD. All Rights Reserved. 18

19.

20.

21.

22.

23.

24.

25.

26.

27.

AIエージェントを「使う・作る」 3つのアプローチ高より高度なエージェント開発 Y軸：構築難易度 (ノーコード / プロコード) Microsoft Foundry Level 3 意思決定・計画型自律トリガーマルチエージェントカスタムエージェントを簡単開発 Level 2 アクション実行型ナレッジ＋ツールシングルエージェント Level 1 知識回答型チャットボット For Developers Copilot Studio ローコードカスタムエージェントまずはここから！フルカスタムエージェント高度にフルカスタム・部分/全体最適化 For Makers 業務向けエージェントをローコードで作成 M365 Copilot ライトエージェント For End Users M365 Apps からユーザーが簡単に利用通訳サイトチャットプリビルドエージェントユーザー作成エージェントユーザー作成エージェント宣言型エージェントカスタムエージェント対話型対話型 / 自律型モデル系ナレッジ系タスク系生成 AI モデル生成 AI 最適化 DB フルカスタムアクションチューニングなどなど低 X軸：エージェントの作成リードタイム使いやすい！ Copilot UX 誰もが普段から使い慣れたアプリ Copyright © Tokyo Electron Device LTD. All Rights Reserved. 27 自社アプリで使える！個別 / 組込 UX 自律型エージェント / バックエンドエージェント等

28.

Copilot Studio とは実業務に特化した AI エージェントを「ローコード」で構築できるツール拡張 Microsoft Copilot の拡張お客様独自の企業シナリオで、1stパーティのMicrosoft Copilotsを拡張およびカスタマイズします。 Copilot Studioは、M365 Copilot ライセンスに含まれます。開発ローコードでエージェントを作成大規模な言語モデルと生成AIで強化された直感的な構築エクスペリエンスを使用して、組織のカスタムコパイロットを作成し、公開します。エージェントをCopilot に発行管理統合的プラットフォーム Azure AI Studio、Azure Cognitive Services、Azure Bot Framework、Power Platforms AIモデルなど、マイクロソフトのさまざまな会話AIテクノロジースタックを統合し公開します。 Copyright © Tokyo Electron Device LTD. All Rights Reserved. 例：エージェントが、どんなナレッジで、どんな受け答えをして、どんなアクションをするか？をデザインし、Copilot Chat エージェントや Webサイトに発行できるツール 28

29.

30.

https://x.com/oikon48/status/2064630668882272486

https://x.com/oikon48/status/2064630668882272486

31.

32.

https://x.com/chomado/status/2064631914196255068

https://x.com/chomado/status/2064631914196255068

33.

34.

https://zenn.dev/hackathons/microsoft-agent-hackathon-2026?tab=overview

https://zenn.dev/hackathons/microsoft-agent-hackathon-2026?tab=overview

35.

AIエージェントは「自分で作る」時代に自分が必要なAIエージェントは、自分で作るのが一番良いその業務を一番良く知っている人(自分・あなた)の強み技術力よりドメイン知識が大事・AIエージェントを簡単に開発できる環境が整ってきている・SIベンダーも意識変革が必要 → 受託開発だけではなく、エンドユーザーの伴走型支援の提案も → FDE (Forward Deployed Engineer) 顧客の現場に常駐し、AIの導入から成果創出まで担う役割 Copyright © Tokyo Electron Device LTD. All Rights Reserved. 35

36.

Microsoft 365 Copilot / Copilot Studio 利活用支援サービス TED の Microsoft 365 Copilot / Copilot Studio 利活用支援サービスでは、エンドユーザー企業様に向けて導入支援や業務活用設計支援、 PoC 支援など幅広く提供しています。サービス提供時には経験豊富なコンサルタントが、お客様の業務プロセスを深く理解し、導入計画の策定から社内トレーニング、運用支援まで一貫して伴走するため、初めて導入される方でも安心です。Microsoft 社との長年のパートナーシップや豊富な技術ノウハウ・経験を活かし、貴社とお客様の生産性向上と DX 推進を全力で後押しさせていただきます。 Microsoft 365 Copilot 利活用支援サービス評価環境• • Microsoft 365 Copilot 有効化支援導入準備支援 • Microsoft 365 Copilot 基礎教育 Copilot Studio 利活用支援サービス • Copilot Studio 環境確認・初期設定評価環境• 導入準備支援ユーザー教育• 活用定着化支援運用支援 • 活用ガバナンス整備支援 • 導入計画支援 • POC 環境構築 • 利用データの整理方針策定支援業務活用設計支援 • Copilot Studio ハンズオントレーニング（基礎） POC 支援 • RAG・ナレッジ連携 • ユースケース別教育 • Copilot Studio 開発者教育 • プロンプト習熟支援 • 生成 AI システム構築支援 • オンライン教材 / 活用トレーニング伴走支援サービス • 生成 AI システム回答精度向上支援 • 推進人材教育 • 高度な AI エージェント連携構築支援 • 利活用相談対応 • Copilot Studio 技術 Q&A サポート • 管理者向けトレーニング • 活用効果測定支援 TED C S P Standard サポート運用支援 • 管理者向けトレーニング • セキュリティ・ガバナンス設計支援 Microsoft のクラウドサービスに関して、一問一答形式で回答させていただく技術サポートです。

37.

Microsoft Fabric伴走支援サービス Microsoft Fabricを、お客様主導で導入・活用いただくために伴走型でご支援させていただきます。要件ヒアリングの結果やお客様のご要望に合わせて、支援メニューを選択してご提案させていただきます。費用は個別見積もりとなります。支援サービスは、TEDあるいはTEDパートナーから提供されます。準委任契約での対応となります。デモンストレー要件ヒアリングション評価環境構築支援データ統合支援必要な分析対象データを取り込んだり、連携させることで一元化されたデータ環境の整備を行います。 ⚫ 仮想統合 ⚫ データインポート ⚫ 前処理データ分析支援データから洞察を得るための準備作業や、分析手法を習得します。 ⚫ データ加工 ⚫ 可視化 ⚫ 統計解析 ⚫ 機械学習生成AI活用支援蓄積されたデータを活用し、業務支援を行う生成AI を導入します。 ⚫ 生成AIボット連携 ⚫ RAG構成 ⚫ プロンプト最適化運用立ち上げ支援お客様でMicrosoft Fabricを運用いただくための立ち上げを支援します。 ⚫ 運用標準整備 ⚫ ユーザー教育 Microsoftのクラウドサービスに関して、一問一答形式で回答させていただく技術サポートです。 TED CSP Standard サポート事前対応 Copyright © Tokyo Electron Device LTD. All Rights Reserved. 伴走型支援 37

38.

まとめ ⚫ RAGは万能ではない → 構造化データを扱うには「Text-to-SQL」の考え方が必要！ ⚫ Microsoft Fabric のデータエージェントなら、生成AIで構造化データと非構造化データの両方を扱える！ ⚫ Copilot Studio なら、ローコード・ノーコードで AIエージェントが作れます！ Copyright © Tokyo Electron Device LTD. All Rights Reserved. 38

39.

共に創る新たな価値を「Connect Beyond」は、ステークホルダーの皆さまの期待と信頼に応えるため、あらゆる既成概念を超えて、皆さまと共に新たな価値の創造に挑戦するという私たちの姿勢を表しています。