・
「AIを業務で使いたいけど、データを外部に送るのは不安…」「便利そうだけど、機密情報を扱う仕事では使いにくい」
AIが便利なのはわかっていても、セキュリティが気になって踏み出せない……これは多くの企業に共通する悩みです。
こうした課題への選択肢のひとつが、Metaが公開している大規模言語モデルLlamaです。自社のサーバーやPCで動かせるため、データを外部に出さずにAIを活用できます。
本記事では、Llamaの特徴や具体的な活用事例から、実際にローカル環境で機密文書の要約や議事録作成を検証した結果まで、実践例を交えて紹介します。
セキュリティを保ちながらAIを活用し、業務効率を高めるためのヒントをお届けします。
ChatGPTやLlamaといったAIツールを業務に取り入れる際、「回答結果をどうやってチームに共有しよう?」といった壁にぶつかっていませんか?
Yoomなら、問い合わせフォームの内容をChatGPTで整理してSlackに通知するフローや、Asanaのタスク更新時に必要なデータだけ抽出してMicrosoft Teamsに送るフローもノーコードで自動化可能です。
他にもAIを活用したテンプレートが豊富にそろっているので、ぜひチェックしてみてくださいね！
■概要
お問い合わせフォームに寄せられるお客様からのご質問は、内容が長文で意図を把握するのが難しいことはないでしょうか。担当者が内容を確認し、要点をまとめてから関係者に共有する作業は、手間がかかり対応の遅れに繋がることもあります。このワークフローは、フォームに入力された内容をChatGPTが自動で整理・要約し、その結果をSlackに通知するため、問い合わせ内容の迅速な把握と共有を実現します。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
■概要
Asanaでのタスク更新や変更が発生するたび、その情報を手作業で確認し、Microsoft Teamへ通知するのは手間がかかる作業ではないでしょうか。特に多数のプロジェクトやタスクを管理している場合、情報共有の遅れや漏れは業務の進行に影響を与えかねません。このワークフローを活用すれば、Asanaでタスクが更新された際に、AIが必要な情報を自動で抽出し、Microsoft Teamへ通知するプロセスを自動化でき、これらの課題解消に繋がります。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
・Asana、Microsoft TeamsのそれぞれとYoomを連携してください。
・Microsoft365（旧Office365）には、家庭向けプランと一般法人向けプラン（Microsoft365 Business）があり、一般法人向けプランに加入していない場合には認証に失敗する可能性があります。
・分岐はミニプラン以上のプランでご利用いただける機能（オペレーション）となっております。フリープランの場合は設定しているフローボットのオペレーションはエラーとなりますので、ご注意ください。
・ミニプランなどの有料プランは、2週間の無料トライアルを行うことが可能です。無料トライアル中には制限対象のアプリや機能（オペレーション）を使用することができます。
・トリガーは5分、10分、15分、30分、60分の間隔で起動間隔を選択できます。
・プランによって最短の起動間隔が異なりますので、ご注意ください。
Llamaは、Metaが公開している大規模言語モデルのシリーズです。一般的にオープンソースに近い形で語られますが、正確にはモデルの「重み（学習済みデータ）」が公開されているオープンウェイトモデルという性質を持ちます。
Llamaはモデルの内部構造や重みが公開されているため、自社サーバーでの動作が可能です。ただし、学習に使用された具体的なデータセット自体は公開されていないため、どのような情報を元に構築されたかという点は一部ブラックボックスであることを理解しておく必要があります。
Llamaはコミュニティライセンスの下で提供されており、多くの場合で自由に活用できます。ただし、月間アクティブユーザー（MAU）が7億人を超える大規模プラットフォームでの利用には個別の許可が必要です。
特定の禁止事項（利用規約）も定められているため、大規模な商用利用を検討する際は、これらのライセンス条件を事前に確認することが重要です。
近年のモデルでは、効率的な処理を実現する特殊なアーキテクチャが採用されています。これにより、テキストに加えて画像（静止画）を理解できるマルチモーダル機能が実装されています。
なお、音声対話や動画解析については、外部の音声認識ツールやフレーム抽出技術と組み合わせることで実現可能です。
Llamaはマルチモーダルな進化を遂げたことで、より幅広い分野で活用されています。
実際に、無料で利用できるツールを活用し、外部ネットワークから切り離したローカル環境でLlamaを動作させてみました。2つのシナリオで、その実用性を検証しています。
以下の2つのシナリオで、Llamaがオフライン環境でどこまで実務に使えるかを確認しました。
【想定されるユースケース】
社外秘の情報セキュリティ基本方針の内容を、経営者層向けに要約する。
【検証項目】
【想定されるユースケース】
機密性の高い社内会議中に急いで取った断片的・乱雑なメモから、議事録を作成する。
【検証項目】
各シナリオの検証方法をまとめます。
はじめに、オフラインで機密文書を要約する検証手順をまとめます。
今回は、情報セキュリティ基本方針のPDFファイルを用意しました。
添付の文書は、「社外秘」を前提とした社内向けの情報セキュリティ基本方針です。
経営層向けに、A4 1枚程度の要約を作成してください。
▼要約の条件
- 文書の「目的」「適用範囲」「情報資産の定義」「機密情報の扱い」「物理的・技術的なセキュリティ対策」「教育・訓練」「事故発生時の対応」の7点を必ず含めてください。
- 不要な細かい表現は省き、「何を守るために」「誰が」「何をしなければならないのか」が一読で分かるようにしてください。
- 箇条書きと短い段落を組み合わせて、経営会議資料にそのまま転記できるレベルのビジネス文書としてまとめてください。
- 「社外秘文書であること」「外部への提供・送信に慎重であること」も明示してください。
LM Studioを開き、「Download for Mac」をクリックしてインストールします。
軽量版のLlama-3.2-3B-Instruct-Q4_K_Mを選択し、ダウンロードします。
※注意：Llama 3.2シリーズのうち、マルチモーダル機能に対応しているのは11Bおよび90Bモデルのみです。今回使用する1Bおよび3Bモデルはテキスト処理専用の軽量モデルであり、画像や視覚情報の解析機能は備わっていません。本検証では、オフライン環境でのテキスト処理能力を確認することを目的としています。
