厳格なセキュリティ環境でAI活用を加速！dotDataが「Self-Managed」方式と生成AI対応「TextSense 1.2」を発表
企業データ保護の新たなスタンダード：dotData Cloud Private – Self-Managed
1. 「Self-Managed」方式とは？自社管理のメリット
2. 安定運用を支える充実した技術支援
生成AIでテキストデータを深く理解：dotData TextSense 1.2
dotDataの核となる「特徴量自動設計」技術とは
1. データの「特徴量」とは？
2. 特徴量自動設計がデータ分析を革新する理由
まとめ：データプライバシーとAI活用の両立へ
1. 関連情報
2. 製品・サービスに関するお問い合わせ先

厳格なセキュリティ環境でAI活用を加速！dotDataが「Self-Managed」方式と生成AI対応「TextSense 1.2」を発表

近年、AI（人工知能）の活用は企業の競争力を高める上で不可欠な要素となっています。しかし、特に金融機関など、機密性の高いデータを扱う企業にとって、AI導入に伴うセキュリティやデータプライバシーの確保は大きな課題でした。このような背景の中、AI技術でデータ分析を革新するdotData, Inc.は、企業の厳しいセキュリティ要件に応えるための新たなデプロイ方式「dotData Cloud Private – Self-Managed」と、生成AIを活用したテキスト分析ツール「dotData TextSense 1.2」を発表しました。

この度の発表は、企業がより安全かつ柔軟にAIを活用できる環境を整備し、データから新たな価値を引き出すことを強力に支援するものです。本記事では、AI初心者の方にも分かりやすい言葉で、これらの新機能と、それが企業にもたらすメリットを詳しく解説します。

企業データ保護の新たなスタンダード：dotData Cloud Private – Self-Managed

AIを活用するためには、多くのデータをAIに学習させる必要があります。しかし、企業が保有するデータの中には、顧客情報や企業秘密など、外部に漏洩してはならない機密性の高い情報が数多く含まれています。従来のクラウドサービスでは、データがサービス提供者の管理する環境に置かれることが多く、セキュリティ要危惧を持つ企業にとっては導入のハードルが高いという課題がありました。

「Self-Managed」方式とは？自社管理のメリット

今回発表された「dotData Cloud Private – Self-Managed」は、この課題を解決するための画期的なデプロイ（導入・運用）方式です。これまでの「dotData-Managed」方式が、dotDataの技術者がユーザーのクラウド環境にdotData環境を構築・運用・保守する形式であったのに対し、「Self-Managed」方式では、dotDataの技術支援を受けながらも、ユーザー自身が自社のクラウド環境（AWS、Azure、Databricks、Snowflakeなど）にdotData環境を構築し、運用・保守を行うことが可能になります。

この「Self-Managed」方式の最大の特長は、データが常にユーザー自身の管理下にあるという点です。これにより、以下のようなメリットが享受できます。

厳格なセキュリティ要件への対応: 金融機関や政府機関など、特に高いセキュリティ基準が求められる組織でも、外部にデータを出すことなくdotData製品を利用できます。これにより、情報漏洩のリスクを最小限に抑え、企業のデータプライバシーポリシーを完全に遵守することが可能になります。
完全なデータガバナンス: 企業は自社のデータガバナンス（データの管理・運用に関するルール）を完全に適用し、データのアクセス制御や利用状況を詳細に監視できます。これにより、データの透明性と信頼性が向上し、コンプライアンス要件への対応も容易になります。
既存のクラウドインフラの活用: 多くの企業は既にAWS、Microsoft Azure、Databricks、Snowflakeといった主要なクラウドサービスやデータ基盤を利用しています。「Self-Managed」方式では、これらの既存基盤上にdotData環境を構築できるため、新たなインフラ投資を抑えつつ、使い慣れた環境でAI分析を開始できます。
データ移送コストの削減とシームレスな統合: 既存のデータが蓄積されている場所にdotData環境を構築することで、大量のデータを別の環境へ移送する手間やコストを削減できます。また、既存のデータパイプライン（データが生成されてから分析・利用されるまでの一連の流れ）とのシームレスな統合が実現し、運用効率が大幅に向上します。

安定運用を支える充実した技術支援

「Self-Managed」方式はユーザー自身が運用を行うとはいえ、dotDataは手厚い技術支援を提供します。dotData製品自体の構築・運用・管理はもちろんのこと、製品構築の前提となるクラウド環境のセットアップまで含めた総合的なサポートが受けられます。これにより、専門的なインフラ知識に過度に依存することなく、迅速かつ安定的に高度なAI分析基盤を立ち上げることが可能となり、AI導入の障壁が大きく下がります。

生成AIでテキストデータを深く理解：dotData TextSense 1.2

現代社会では、顧客からの問い合わせ、SNSの投稿、契約書、レポートなど、日々膨大な量のテキストデータが生成されています。これらのテキストデータの中には、顧客のニーズ、市場のトレンド、ビジネス上のリスクなど、ビジネスにとって非常に価値のある情報が隠されています。しかし、人間が手作業でこれらの情報を全て読み解き、分析することは現実的ではありません。

テキスト特徴量化とは？AIによる“意味”の抽出

ここで活躍するのが「テキスト特徴量化」という技術です。これは、テキストデータからAIが理解できる数値データ（特徴量）を自動的に抽出するプロセスを指します。例えば、「この顧客は製品Aに不満を持っている」というテキストから、「製品A」「不満」といったキーワードや、その感情の度合いを数値化することで、AIがそのテキストの“意味”を理解し、分析できるようになります。

「dotData TextSense 1.2」は、このテキスト特徴量化をさらに高度化し、生成AIの力を借りて“意味”の抽出能力を飛躍的に向上させたツールです。

Python連携による分析パイプラインの自動化

「TextSense 1.2」では、新たにPythonライブラリ版が提供されます。Pythonはデータサイエンスの分野で広く利用されているプログラミング言語であり、多くのデータサイエンティストにとって使い慣れた環境です。Pythonライブラリとして提供されることで、以下のようなメリットが生まれます。

定期実行と運用自動化: テキストからのラベル抽出処理や特徴量化プロセスをPythonスクリプトとして記述し、定期的に自動実行することが可能になります。これにより、常に最新のテキストデータを分析に活用し、ビジネスの変化に迅速に対応できます。
既存システムへの組み込み: 企業の運用システムやデータ分析パイプラインにTextSenseの機能をシームレスに組み込むことができます。これにより、データの前処理からAIモデルの構築、運用までの一連のワークフローが効率化されます。
データサイエンティストの効率化: データサイエンティストは、使い慣れたPython環境から離れることなく、複雑なテキスト解析をワークフローに組み込むことができます。これにより、分析から商用環境へのデプロイメント（展開）までのリードタイムが劇的に短縮され、より多くのビジネスインサイトを迅速に提供できるようになります。

Amazon Bedrock連携とSelf-Managedデプロイによるセキュリティ強化

「TextSense 1.2」は、「dotData Cloud Private – Self-Managed」方式をサポートしており、ユーザー自身のクラウド環境内でTextSenseを利用できます。さらに、生成AIサービスとしてAmazon Bedrockを新たにサポートする点が特筆されます。

Amazon Bedrockは、Amazonが提供する生成AIサービスであり、高度な大規模言語モデル（LLM）を利用できます。TextSense 1.2がAmazon Bedrockと連携することで、以下のようなメリットがあります。

閉鎖環境でのLLM活用: AWSの完全な閉鎖網（外部から隔離されたネットワーク）からデータを出すことなく、最新のLLMを活用した強力な意味抽出が可能になります。これにより、機密性の高いテキストデータを扱う企業でも、情報漏洩リスクを最小限に抑えながら、生成AIによる高度なビジネスインサイトを獲得できます。
高度な意味抽出: LLMの強力な自然言語処理能力を活用することで、テキストの表面的なキーワードだけでなく、文脈やニュアンスまでを深く理解し、より精度の高い特徴量を抽出できるようになります。これにより、これまで見過ごされていたビジネスチャンスやリスクを発見する可能性が高まります。

dotDataの核となる「特徴量自動設計」技術とは

dotDataのAIプラットフォームの根幹をなすのが、「特徴量自動設計（Feature Automation）」という世界最先端のAI技術です。AI初心者の方には聞き慣れない言葉かもしれませんが、これはAIがデータから“宝の地図”を自動で作るようなものだと考えてください。

データの「特徴量」とは？

AIが何かを予測したり分類したりする際には、データの中にある「特徴」を手がかりにします。例えば、ある顧客が商品を購入するかどうかを予測する場合、「年齢」「性別」「過去の購入履歴」「ウェブサイトの閲覧履歴」などが特徴となります。これらの特徴を数値化したものが「特徴量」です。

しかし、現実のビジネスデータは非常に複雑で、複数のデータソースにまたがり、膨大な量の情報が含まれています。人間がこれらのデータから、AIにとって最適な特徴量を手作業で見つけ出し、設計する作業（特徴量エンジニアリング）は、非常に時間と労力がかかり、高度な専門知識を要する、データ分析において最も難しい部分とされてきました。

特徴量自動設計がデータ分析を革新する理由

dotDataの「特徴量自動設計」技術は、この困難なプロセスをAIが自動で行います。具体的には、以下のような革新的なメリットを提供します。

分析時間の劇的な短縮: 従来、数週間から数ヶ月かかっていた特徴量設計のプロセスを、わずか数時間で完了させることが可能になります。これにより、企業はより迅速にデータからのインサイト（洞察）を獲得し、ビジネス上の意思決定に活かせます。
人間のバイアスからの解放: 人間が特徴量を設計する場合、どうしてもこれまでの経験や知識に基づいた「バイアス（偏り）」が入り込んでしまうことがあります。dotDataの自動設計技術は、データそのものから客観的に最適な特徴量を発見するため、人間では気づかないような新たな法則性や関係性を発見する可能性があります。
透明性と説明可能性の向上: AIが自動で設計した特徴量は、その生成過程が明確であるため、AIの予測結果がなぜそうなったのかを人間が理解しやすくなります。これは、AIの導入において信頼性を高める上で非常に重要な要素です。
幅広いビジネス課題への対応: dotDataのAIプラットフォームは、この特徴量自動設計技術を基盤として、予測分析だけでなく、生成AIと組み合わせることでビジネスアナリティクス（ビジネス状況の分析）まで、企業の幅広い課題に応えるAIソリューションを提供します。

詳細については、特徴量自動発見・抽出プラットフォームをご覧ください。

まとめ：データプライバシーとAI活用の両立へ

今回のdotDataの発表は、企業がAIを活用する上で長年の課題であった「セキュリティとデータプライバシーの確保」と「高度なテキストデータ分析の実現」という二つの側面から、大きな進歩をもたらすものです。

「dotData Cloud Private – Self-Managed」の提供により、金融機関をはじめとする厳格なセキュリティ要件を持つ企業が、自社管理下の安全な環境でAI分析基盤を構築できるようになります。これにより、データプライバシーを完全に保護しながら、AIの恩恵を最大限に享受することが可能になります。

また、「dotData TextSense 1.2」は、Python連携とAmazon Bedrock対応により、機密性の高いテキストデータから、生成AIの力を借りてこれまで以上に深く、かつセキュアにビジネスインサイトを抽出することを可能にします。これにより、顧客の声や市場の動向を迅速かつ正確に把握し、ビジネス戦略に活かす道が開かれます。

現代は変化の激しい時代であり、どの業界や業務においても、AIが生み出すインサイトはビジネスの成長やイノベーションのためのゲームチェンジャーとなり得ます。dotDataは、これらの新サービスを通じて、より多くの企業がデータから価値を引き出し、ビジネスを加速できるよう支援し続けるでしょう。

dotDataの提供するAI技術とソリューションは、多くのフォーチュン500企業に選ばれており、その信頼性と実績は折り紙付きです。企業のAI活用に関するさらなる情報は、dotDataのAIが生み出すインサイトで確認できます。

製品・サービスに関するお問い合わせ先

E-mail: contact-j@dotdata.com