AIガバナンスとは?目的や生成AIのリスクについて解説
2026/11/20
AIの活用が広がるなかで「業務に取り入れたいものの、情報漏えいや誤情報などのリスクが不安」と感じる方も少なくありません。企業には、AIをどのような目的や基準で利用しているのかを説明できる体制が求められています。そこで必要となるのが、AIを安全に活用するための、利用ルールや管理体制を整える「AIガバナンス」です。
本記事では、AIガバナンスの概要や注目される背景をはじめ、体制を構築するためのステップ、ガイドライン、取り組み事例まで解説します。メリットと課題、関連資格も紹介するので、AI活用のリスクを抑えながら自社で適切に運用したい方は、ぜひ参考にしてください。
目次
AIガバナンスとは?定義や注目される背景
AIガバナンスとは、AIを安全かつ適切に活用するために管理体制を整える取り組みです。AIは業務の効率化に役立つ一方で、利用方法によっては誤った情報を出力したり、情報漏えいにつながったりするリスクがあります。そのため、導入するだけでなく「どの業務で使うのか」「誰が出力結果を確認するのか」「問題が起きたときに誰が責任を負うのか」まで決めておくことが重要です。
それでは、AIガバナンスの定義や注目される背景について説明していきます。
AIガバナンスの定義・目的
AIガバナンスとは、AIから得られるメリットを活かしながら、利用に伴うリスクを適切な範囲に抑えることを目的とした管理体制や運用の仕組みです。具体的には、社内規定の策定やリスク評価、監視、社員教育などが挙げられます。
AIガバナンスでは、透明性や公平性、説明責任だけでなく、安全性、プライバシー保護、セキュリティ、人間による適切な関与など、複数の観点からAIのリスクを管理する必要があります。 本記事では、その中でも特に理解しておきたい「透明性」「公平性」「説明責任」を取り上げます。
透明性
AIガバナンスにおける透明性とは、AIの利用目的や判断プロセス、データの出所が明らかになっており、関係者が必要な情報を把握できる状態を指します。
たとえば、AIを融資審査の支援に利用するケースで考えてみます。審査に通らなかった利用者から理由を求められた際、AIの判断プロセスがブラックボックス化(中身や仕組みが不透明で過程を把握できない状態)していると、判断が妥当だったのかを検証することが困難になってしまいます。つまり、AIによる判断への信頼性を保持するために、判断の根拠を把握できる仕組みが求められるのです。また、透明性を高めておけば、問題が発生した際にも原因を特定しやすくなります。
透明性を確保するには、使用したAIや入力データ、出力結果、人が確認した内容などを記録する仕組みが必要となります。利用目的や判断に用いた情報を整理し、関係者へ必要な範囲で説明できる状態を目指しましょう。
公平性
AIガバナンスにおける公平性とは、AIの出力結果に性別や人種、年齢などの属性にもとづくバイアス(偏り)が生じないようにすることを指します。
AIは、学習に使用したデータの傾向を出力結果に反映します。用いるデータに性別や年齢などの偏りが含まれていると、その傾向をAIが学習する可能性があります。選考や審査にAIを活用した結果、特定の属性を持つ応募者が不当に低く評価されるリスクに注意が必要です。
まずは、AIを導入する前に学習データの偏りを調べることが公平性の確保につながります。加えて、導入後も実際の出力結果を定期的に検証し、特定の属性に偏った結果が生じていないかを確認しましょう。
説明責任
AIガバナンスにおける説明責任とは、AIを用いた意思決定や出力結果について、企業や担当者がその根拠を説明できる体制を整える状態を指します。
AIが自動的に判断した場合でも、最終的な責任までAIへ移るわけではありません。AIを導入する部署やシステムを管理する部署、最終判断を行う担当者など、それぞれの役割と責任をあらかじめ明確にしておくことが重要です。責任の所在が曖昧なままだと、問題が発生した際に原因究明や対応が遅れる可能性があります。
説明責任を果たせる管理体制は、AIの適切な利用を促すとともに、顧客や取引先からの信頼確保にもつながります。
AIガバナンスが注目される理由
AIガバナンスが注目される背景には、AIの急速な普及によって社会や企業活動への影響が大きくなっている点があります。AIは文章作成や検索だけでなく、採用、マーケティング、顧客対応、システム開発など、幅広く活用されています。
AIの活用範囲が広がるほど、不適切な利用による情報漏えいや誤った判断などのリスクも
増加します。結果として、利用目的やリスクに応じて、安全かつ適切に運用するための仕組みづくりが注目されているのです。
世界各国でAIに関する法的規制や指針の整備が進んでいる点も、AIガバナンスへの関心が高まる理由のひとつです。EUではAI法が施行され、AIがもたらすリスクの程度に合わせた規制が導入されています。日本でもAI事業者ガイドラインが継続的に更新されており、事業者が適切にAIを活用するための方向性が示されています。また、日本ではAIガバナンス協会が設立され、企業や有識者による知見の共有や、AIガバナンスに関するルール・ガイドラインの検討が進められています。
AI活用におけるリスク・懸念点
AIを活用する際には、以下のような懸念点をリスクとして考慮する必要があります。
- プライバシー・個人情報の侵害
- 著作権や知的所有権の侵害
- 誤情報・不正確な回答の拡散(ハルシネーション)
- バイアスや差別・偏見の助長
- セキュリティ・サイバー攻撃の脅威
なかでも、AI特有の問題として挙げられるのが「ハルシネーション」です。ハルシネーションとは、AIが事実とは異なる内容を正しい情報であるかのように回答する現象です。AIの回答を確認せずに顧客向け資料やWebサイトへ掲載すると、誤情報を広める原因になりかねません。
しかし、リスクを避けるためにAIの利用を全面的に禁止する方法にも課題があります。組織が把握できないところで従業員がAIを独自に利用すると、かえって管理が難しくなる恐れがあるためです。AIを制限することで、これからの時代で求められるAI活用スキルや判断力が育たず、企業の競争力が低下する可能性も考えられます。
AIを「使う・使わない」の二択で考えるのではなく、リスクを把握したうえで「どのように使うか」を決める姿勢が求められます。
AIガバナンスとAI倫理との違い
AI倫理はAIを活用する際に守るべき価値基準であり、AIガバナンスはそれを実現するための具体的な仕組みです。両者は関連していますが、同じ意味ではありません。
AI倫理は、AIを開発・利用する際に遵守すべき考え方を示します。たとえば「人を差別しない」「プライバシーを尊重する」などが該当します。組織がAIをどのように扱うべきかを考える際の土台となる価値基準です。
一方、AIガバナンスは、AI倫理で掲げた価値基準をルールや管理体制へ落とし込むための取り組みを指します。「差別を防ぐ」という方針を掲げるだけでは、実際のAIによる偏りを防げません。理想を実現するために、学習データを検証する担当者や、出力結果を確認する手順などを定める必要があります。
AIガバナンス体制を構築するためのステップ

AIガバナンス体制を構築する際は、いきなり社内規定を策定するのではなく、現在のAI利用状況を把握するところから始めます。また、AIや法制度の変化に合わせて体制を見直すことも大切です。
ここからは、AIガバナンス体制を構築するためのステップをひとつずつ解説します。
AI利用状況の把握
AIガバナンス体制を構築するときは、まず社内外で利用しているAIツールと、その利用状況を把握しましょう。会社が正式に契約しているAIはもちろん、承認を受けていないツールが業務で使われていないかも調査します。業務上の情報を入力している場合は、情報漏えいなどのリスクが生じる可能性があるためです。
「ツール名」「利用部署」「利用目的」「入力する情報」「出力結果の用途」「管理責任者」などを一覧にすると整理しやすくなります。
AIリスクの分析と評価
利用中のAIを洗い出したら、用途ごとにリスクを分析し、影響の大きさや発生する可能性をもとに優先順位を決めます。すべてのAIへ同じ管理ルールを適用すると、低リスクの業務まで制限や手続きが増え、現場での活用を妨げる可能性があります。
たとえば、AIを使って社内イベントの案内文をつくる場合は、誤りが発生しても影響が限定されるでしょう。対して、採用候補者の評価や融資審査など、人の権利や企業の将来へ影響する用途では慎重な管理が求められます。AIの利用目的とリスクの大きさに応じて管理レベルを変えることで、安全性と利便性のバランスを取りやすくなります。
AIガバナンスの責任体制を整える
大企業ではAIガバナンス委員会などの専門組織を設置する方法があります。一方、中小規模の企業では、既存の情報セキュリティ委員会やコンプライアンス部門などに役割を持たせる方法も考えられます。
AIのリスクは、技術面のみで判断できるものではありません。個人情報や著作権といった法的な問題など、複数の観点から確認することが重要です。そのため、委員会にはIT担当者だけでなく、法務、情報セキュリティ、人事、内部監査、事業部門などから必要な担当者を参加させましょう。各部門の知見を持ち寄ることで、特定の視点に偏らず、AI利用に伴うリスクを多角的に判断できます。
社内規定の策定と周知
AIの管理体制を整えたあとは、AI利用に関する社内規定の策定と周知を進めます。抽象的な理念だけでは、現場で「何をしてよいのか」を判断できないため、具体的な行動まで示すのがポイントです。
また、最初から完璧な規定を作ろうとすると策定に時間がかかります。まずは「利用が認められていないAIサービスに個人情報・機密情報を入力しない」「AIの出力は人が確認してから利用する」など、最低限守るべき項目から整備しましょう。その後、利用状況や新たなリスクに合わせてルールを追加・更新します。
また、ルールだけに頼らず、技術的な対策も組み合わせる必要があります。利用できるAIツールの制限やアクセス権限の設定、利用ログの保存などを導入すれば、従業員の注意だけに依存しない管理体制を整えられます。
AI人材の育成とリテラシー教育
AIガバナンスを機能させるには、実際にAIを利用する従業員への教育が必須です。ルールを用意しても、その理由やAIの特性を理解していなければ、現場で正しく判断できない場合があります。
最低限知っておきたいのは、ハルシネーションや情報漏えい、著作権、バイアスなどの基本的なリスクです。「AIは正しい回答を返すとは限らない」「機密情報は入力しない」といった実務に直結する内容を扱いましょう。リスクを避けるための教育に加えて、AIの得意・不得意や基本的な操作方法を学ぶ機会も設けるのが望ましいです。
評価・監視体制の整備
AIガバナンスは、体制やルールをつくった段階で完成するものではありません。AIが想定どおりに利用されているかを定期的に評価・監視し、問題があれば改善していきます。確認する項目としては、AIの利用状況や出力精度、社内ルールの遵守状況などが挙げられます。
なお、AIサービスでは、モデルの更新や仕様変更、利用環境の変化などによって、導入時と同じ結果が得られなくなる場合があります。また、導入時には問題がなかったAIでも、時間の経過とともに使用用途が変化したり、精度が低下したりする可能性があります。新たなリスクが見つかれば、社内規定や運用方法の見直しが求められます。
AIガバナンスがもたらすメリット
AIガバナンスによって期待できるメリットは、主に3つです。
- 社会的信頼の獲得
- AIリスクによる事業への影響を抑える競争力の強化
それぞれ説明します。
社会的信頼の獲得
AIガバナンスを整えるメリットの一つは、顧客や取引先からの信頼を得やすくなる点です。AIの利用が広がるなかで、「個人情報は適切に扱われているのか」「AIによる判断は妥当なのか」と不安を感じる方もいます。
企業がAIの利用方針や管理体制を明確にすれば、不安を軽減する材料になるでしょう。例として、AI利用ポリシーをWebサイトで公開し、利用目的や個人情報の扱いなどを説明する方法があります。透明性や公平性に配慮したAI運用は、トラブルを防ぐだけではなく、企業が責任を持ってAIを活用している姿勢を示す手段にもなります。
AIリスクによる事業への影響を抑える
AIガバナンスを整えることで、AIに起因する問題によって事業活動が止まるリスクを軽減できます。特に著作権や個人情報をめぐる問題では、損害賠償や契約上の責任が生じる恐れがあります。問題の影響が大きければ、サービスが一時停止となり、その期間の売上機会を失うケースも考えられます。
AIに関するリスクを完全になくすことは困難です。しかし、AIガバナンスを構築すればトラブルの発生確率や被害拡大を抑えやすくなります。事業への影響が大きいAIから優先して管理し、問題が起きた際の対応手順まで準備しておきましょう。
競争力の強化
AIガバナンスの目的は、AIに伴うリスクを減らすだけではありません。利用条件や責任の所在を明確にすれば、従業員が安全性を判断でき、AIを業務へ取り入れやすくなります。
社内ルールが整っていないと「使ってよいか分からないため利用しない」という状態になり、AIによる業務効率化の機会を逃す場合があります。「入力してよい情報」「利用可能なツール」「公開前の確認方法」が決まっていれば、AIによる業務効率化が進み、企業としての競争力の強化が見込めます。
AIガバナンスはAIを制限する仕組みではなく、適切な利用を促すための基盤として捉えましょう。AIガバナンス協会も、リスク管理だけでなくAIによる価値の最大化を目指しています。
AIガバナンスの課題
AIガバナンスの課題は、以下のとおりです。
- 専門人材・ノウハウの不足
- 説明責任の難しさ
- 継続的な運用が必要
- ルールを厳しくしすぎると現場で使われない
AIガバナンスの構築を考えている方は、ぜひ参考にしてみてください。
専門人材・ノウハウの不足
AIガバナンスを進める上で課題となるのが、専門人材や社内ノウハウの不足です。AIの管理には、AI技術・法務・情報セキュリティなど複数分野の知識が求められるため、AIを使いこなせる人材は不足傾向にあります。専門人材を獲得するのはもちろんですが、社内の既存人材を育成する取り組みも並行して進めることが重要です。
具体的には、社内研修や関連資格の取得を通じて、AIの基礎知識やリスク、セキュリティに関する理解を深める方法が考えられます。自社だけで対応が難しい場合は、コンサルティングや外部のプロ人材サービスを利用するのも選択肢の一つです。
説明責任の難しさ
AIガバナンスでは、AIによる判断を説明できる体制が求められます。しかし、AIの仕組みによっては、その結果に至ったプロセスを人間が説明することが難しい場合があります。
特に複雑なAIモデルでは、入力と出力の関係を単純なルールとして示せない「ブラックボックス問題」が生じやすいです。AIの判断過程を詳しく説明するには、技術的なハードルがあります。ただし、AIの内部処理をすべて説明できなくても、運用面から説明責任を補うことは可能です。AIの利用目的や入力情報、出力結果、人が確認した内容、最終判断などをログとして記録しておけば、判断の根拠となり得ます。
継続的な運用が必要
AIガバナンスは、一度体制やルールを整えれば終わりではなく、継続的な運用が不可欠です。AI技術や利用方法、法制度は変化するため、管理方法も継続的に見直さなければなりません。
特にAI分野では、新しいモデルやサービスが次々と登場し、既存サービスにも新機能が追加されます。利用できる機能が増えれば、想定されるリスクも変化します。導入時に定めた社内ルールが現状に合っているかを定期的に確認し、必要に応じて更新する姿勢が求められます。
また、AIの利用状況を確認し、事故のほか「問題になりかけた事例」も集めましょう。実際のトラブルがなくても、「顧客情報を入力しかけた」「誤情報を公開前に発見した」といった事例はルール改善の材料になります。見直しを行う担当者と時期を決め、評価から改善までを繰り返せる仕組みを整えることがポイントです。
ルールを厳しくしすぎると現場で使われない
AI利用のルールを厳しくしすぎると、申請や確認の負担が増え、現場でAIを活用しにくくなる可能性があります。手続きに時間がかかることで、業務効率化や新しいアイデアの検証が困難になるケースも考えられます。
そのため、すべてのAI利用に同じ承認プロセスを求めるのではなく、利用目的や扱うデータ、AIによる意思決定への影響度などに応じて、管理レベルを調整することが重要です。
AIガバナンスに関する国内外のガイドライン・規制
AIガバナンスにまつわる国内外の法規制を紹介します。
- 日本|AI事業者ガイドライン
- EU|AI法(AI Act)
- アメリカ|SR-26-2
AIに関するガイドラインの動向を知り、AIガバナンスの構築に活かしましょう。
日本|AI事業者ガイドライン
総務省と経済産業省が「AI事業者ガイドライン」を策定し、AIを安全・安心に活用するための基本的な考え方を示しています。初版は2024年4月に公表され、2026年3月には第1.2版が取りまとめられました。
ガイドラインでは、AIに関わる事業者を「AI開発者」「AI提供者」「AI利用者」という3つの立場に分け、それぞれが取り組むべき内容を整理しています。安全性や公平性、プライバシー保護、セキュリティ確保など、AIを活用する上で事業者が取り組むべき事項を幅広く扱っている点が特徴です。
参考URL:経済産業省|AI事業者ガイドライン
EU|AI法(AI Act)
EUの「AI法(AI Act)」は、AIによるリスクレベルに応じて要件・規制を設ける法律です。2024年8月に施行され、2026年8月から原則として本格適用されています。
AI法では教育や雇用、医療機器、重要インフラなどに関わる一部のAIが「ハイリスクAI」に分類されています。対象となるAIには、リスク管理やデータガバナンス、技術文書の作成、人的監視措置などが求められます。なお、ハイリスクAIに関する規定の適用時期は種類によって異なり、2027年12月または2028年8月から適用される予定です。
なお、設立場所がEU域内か第三国かは問わず、「AIシステムをEU域内で市場に投入する又は稼働させる提供者」をAI法の対象としています。EU市場でAIを提供・利用する企業は、自社が規制対象となるか確認しておきましょう。
参考URL:欧州連合日本政府代表部|EU AI法の概要(pptダウンロード)
アメリカ|SR-26-2(金融機関のモデルリスク管理)
アメリカの「SR 26-2」は、AIそのものを対象とした包括的なAI規制ではなく、金融機関におけるモデルリスク管理について示した監督上の指針です。連邦準備制度理事会(FRB)と通貨監督庁(OCC)、連邦預金保険公社(FDIC)が2026年4月に共同で公表したもので、2011年4月に公表された「SR 11-7」を改訂・置き換える位置づけです。
SR 26-2の主な対象は、総資産300億ドル超の銀行組織です。従来の年次レビューを前提とした考え方から、モデルの重要度やリスクに応じてレビューの頻度を設定するリスクベースの考え方へと見直されています。そのほか、検証方法や継続的な監視など、モデルリスクを管理するための考え方が示されています。
参考URL:FRB|SR 26-2: Revised Guidance on Model Risk Management
AIガバナンスに関連する資格・検定
AIガバナンスの推進に役立つ資格を4つピックアップしました。
- AIGP(AI Governance Professional)
- AAIA(Advanced in AI Audit)
- G検定
- 生成AIパスポート
資格によって対象者や学習内容は異なるため、ひとつずつ解説していきます。
AIGP(AI Governance Professional)
AIGP(AI Governance Professional)は、プライバシーやデジタルガバナンス分野の専門団体IAPP(International Association of Privacy Professionals)が提供する資格です。
試験では、AIガバナンスの基本原則からAIに関する法規制、リスク管理などAIを適切に運用するための知識が幅広く問われます。そのため、AIガバナンスを専門的に学びたい方や、海外の法規制を含めてAI管理を学びたい方に向いています。
参考URL:テクニカ・ゼン株式会社|AIGPトレーニングコース(IAPP公式トレーニングパートナー)
AAIA(Advanced in AI Audit)
AAIA(Advanced in AI Audit)は、ISACA(Information Systems Audit and Control Association)が提供する、AI監査とガバナンスに特化した上級国際資格です。
AIガバナンスやリスク管理、AI監査にまつわる実践知識を学べる点が特徴です。ただし、専門性の高い資格であり、受験にはCISA(公認情報システム監査人)やCIA(公認内部監査人)などの資格を保有していることが条件となります。
参考URL:アビタス|AAIA(Advanced in AI Audit)とは?
G検定
G検定は、一般社団法人日本ディープラーニング協会(JDLA)が実施する、AI・ディープラーニングの活用リテラシーにまつわる検定です。
ディープラーニングをはじめとしたAI技術や、事業で活用するための基礎知識を学べます。AIガバナンスだけを対象とした資格ではありませんが、「AIに何ができて、何ができないのか」を理解する土台となります。エンジニアだけでなく、企画や管理などでAIに関わる方にもおすすめです。
参考URL:一般社団法人日本ディープラーニング協会|G検定とは
生成AIパスポート
生成AIパスポートは、一般社団法人生成AI活用普及協会(GUGA)が実施する、生成AIの基礎知識にまつわる資格試験です。
生成AIの基礎知識や使い方、情報漏えい・権利侵害などのリスクについて学べます。生成AIパスポートはAI初心者も対象としており、生成AIを安全に使うための基礎知識を身につけたい方に向いています。また、専門的な開発知識よりも利用者側のリテラシーを重視しているため、社内研修や従業員教育の一環として活用するのも方法の一つです。
参考URL:生成AI活用普及協会(GUGA)|生成AIパスポート
AIガバナンスの取り組み事例
総務省の資料をもとに、AIガバナンスの取り組み事例を「公平性」「透明性・アカウンタビリティ」「その他」の3つに分けて紹介します。
AIガバナンスの具体的な方法を考える際は、すでにAIを活用している企業の取り組みが参考になります。ただし、他社と同じルールをそのまま導入するのではなく、自社の利用目的やリスクへ置き換えて考えることが大切です。
それぞれ解説していきます。
参考URL:総務省|AIガバナンスに関する取組事例(PDF)
事例1:公平性
公平性を確保する主な取り組み事例は、具体的に以下のとおりです。
- 学習データやAIの出力結果にバイアスがないか品質チェックリストなどで確認し、必要に応じて偏りを取り除く
- 顔認証AIについて、人種差別の観点から問題が生じる可能性を考慮して、公共の場では利用しない方針を設ける
- AIのデータやモデルのバイアス測定ツールを、一部オープンソースとして公開する
- 学習データに年齢や人種などの偏りがないかを検査し、検査内容を顧客へ公開する
- AIの出力の傾向が分かるように、透明性の高いアルゴリズムを活用してモデルの挙動を説明する
- AIの設計者・運用者・利用者などを集めたワークショップを開催し、公平性の観点から重視すべき価値観を抽出・数値化してAI開発へ反映する
- 地域や性別、人種などによって生じるさまざまなバイアスを抽出し、AIの精度とのバランスを考慮しながら偏りを軽減する
- AIだけで最終判断を行わず人間が判断する仕組みを設け、不公平な結果にならないように対応する
事例2:透明性・アカウンタビリティ
透明性・アカウンタビリティを確保する主な取り組み事例は、具体的に以下のとおりです。
- 「説明可能なAI(XAI)」に関する技術やツールを開発する
- 設計やPoC(概念実証)の段階で、AIがどのようなロジックでアウトプットを出しているかを顧客へ説明し、納得を得たうえで運用・納品する
- AIのメリットだけでなく、使用方法を誤った場合に誤認識が生じる可能性など、AIのリスクも顧客へ説明する
- AI開発方法論やAI品質アセスメントにおいて、モデルや予測の解釈性について開発したAIの品質評価を行う
- 画像認識AIで問題が発生した際、ディープニューラルネットワークの判断根拠を可視化できるXAIを活用して原因調査を行う
- 学習データやモデル構築のプロセスをまとめたファクトシートを作成し、標準化に向けた取り組みを進める
- バイアスが発生した際に、問題の原因を説明できるXAIツールをオープンソースとして公開する
- 判断のロジック・根拠に関する説明が特に求められる分野では、業務の特性を踏まえてAI活用の可否を慎重に判断する
事例3:その他
その他の取り組み事例は、具体的に以下のとおりです。
- AI・データ活用に関する共同研究契約や秘密保持契約を締結し、成果物の権利や帰属の取り扱いについて合意する
- 企画・開発・導入の各段階で品質保証部門がチェックし、基準を満たしていない製品・サービスは提供しない仕組みを設ける
- AI倫理に関する国際的な業界団体に参加し、研究活動のスポンサーになることにより、AI倫理の普及・啓発を進める
まとめ
AIガバナンスは、AIの利用を禁止・制限するための仕組みではなく、AIの可能性を引き出しながら、情報漏えいやバイアスといったリスクを管理するための仕組みです。体制を整えることで、顧客や取引先からの社会的信頼を得やすくなるほか、安全性を確保しながらAI活用を進められるため、企業の競争力強化にもつながります。
まずは社内で利用しているAIツールや用途を把握し、リスクの大きさに応じて管理ルールを整えましょう。国内外のガイドラインや、他社の取り組み事例も参考になります。なお、AI技術や法制度、社内の利用状況は変化するため、定期的に見直しながら自社に合ったAIガバナンスへ改善していくことがポイントです。
AIガバナンスを実現するには、ルールを策定するだけでなく、自社に適した形で、AIアプリケーション、LLM、RAG、AI Gateway、認証・アクセス制御、ログ・監視など、技術面を含めた仕組みづくりが重要です。OpenStandiaでは、OSSを活用したAI基盤の構築・運用支援を通じて、企業のAI活用を支援しています。
OpenStandiaサービス
OpenStandiaは野村総合研究所(NRI)が提供するオープンソースソフトウェア(OSS)利用の課題を解決する安心のワンストップサービスです。
OSS利用の課題を解決し、企業にもたらすOSSのメリットを感じていただくためのさまざまなサポート&サービスメニューをご用意しています。
関連ブログ
関連OSS
-
LiteLLM
LiteLLMは複数のLLM(大規模言語モデル)APIへのアクセスを統一的かつシンプルなインターフェースで提供するPythonライブラリです。
-
Langfuse
Langfuse は、LLM(大規模言語モデル)を活用したオープンソースの「LLM エンジニアリングプラットフォーム / LLMOps プラットフォーム」です。
-
Ollama
Ollamaは主要なオープンソースの大規模言語モデルをローカルコンピュータ上で簡単にセットアップし、実行するためのローカルLLMフレームワークです。
-
Dify
Dify(ディフィ)は、既存の大規模言語モデルに基づいたオープンソースのAIアプリ開発プラットフォームです。
-
MLflow
エムエルフロー。実験、再現、配備(デプロイ)、モデルの保存など、機械学習のライフサイクルを管理するためのオープンソースプラットフォームです。

