感情を分析・認識するAI！種類や仕組み、活用事例を徹底解説
生成AIの進歩が目覚ましく、実際のビジネスや生活の現場でもAIを活用する場面が増えています。そんな中で注目を浴びているのが、生成AIの感情認識です。感情を持たないはずの生成AIですが、人間の感情を理解することはできるのでしょうか。
今回は生成AIの感情認識についてわかりやすく解説します。生成AIの感情認識についての基本的な内容やメリット・デメリット、最後には生成AIの感情認識を利用した具体的なツールもご紹介しますので、ぜひ最後までご覧ください！
＼生成AIを活用して業務プロセスを自動化／
生成AIの登場で注目が集まる感情認識
生成AIの感情認識に、大きな注目が集まっています。感情認識を上手に活用することで、生成AIをより便利に活用でき、日々の生活が豊かに効率的になります。まずは基本となる「生成AIの感情認識の基礎知識」について見ていきましょう。
感情認識とは
生成AIの感情認識とは、人工知能が人間の感情を理解し、識別する技術です。このプロセスでは、生成AIが様々な情報・データから人間の感情を読み取ります。例えば音声のトーンや速度、顔の微細な動き・テキストの言葉遣いから、喜び・悲しみ・怒りなどの感情を判定します。
この技術はカスタマーサポート・セキュリティ・ヘルスケアなど様々な分野で応用可能とされており、人とコンピューターとの相互作用をより自然で直感的なものにします。
感情認識AIが注目されている理由
感情認識AIが注目を集めている理由はいくつかあります。まず、人間とAIのコミュニケーションをより自然にする可能性がある点です。自然なコミュニケーションが取れれば、感情を理解するチャットボットは、より共感的な対応が可能になるでしょう。
次に、ビジネスにおける意思決定の質を向上させる点があります。顧客の感情を正確に把握することで、製品やサービスの改善ができます。感情認識AIをEコマースサイトで活用すれば、ユーザーの感情分析を通じて、より効果的な商品の提案や顧客体験の向上につながるでしょう。
さらに、医療や教育分野での活用も期待されています。患者の精神状態の把握や、生徒の学習意欲の分析など、人々の生活の質を向上させる可能性があります。
一部の教育アプリでは、基本的な感情認識機能を無料で提供し、学習者の理解度や興味を測定しています。オンライン学習サイトで活用すれば、生徒の感情を分析し、個別化された学習体験を提供することも可能になります。※1
またセキュリティ面でも、異常な感情状態を検知することで、犯罪の予防に役立つかもしれません。
感情認識AIが注目を集めている背景には、この分野の研究論文が急増していることも挙げられます。感情認識技術の進歩や新たな応用事例を報告する論文が、学術界で高い関心を集めています。
感情認識の種類
感情認識技術には、主に以下の種類があります。
- 表情分析による感情認識：人の顔・表情を分析して感情を識別する方法。顔の微細な変化を捉え、基本的な感情を判断します。
- 音声分析による感情認識：音声のトーン・ピッチ・速度などの特徴から感情を読み取る方法。話し手の声の変化を分析して、その感情状態を理解するのに用いられます。
- テキストベースの感情認識：テキストデータや文章から感情を識別する方法。言葉遣い・文の構造・使用される単語から、感情や意見を判定します。
- 生体データによる感情認識：心拍数・皮膚の電気活動・体温などの生理的反応を分析して感情を判断する方法。これらの生理的変化は、人の感情状態に密接に関連しています。
これらの技術は、単独または組み合わせて使用され、より正確な感情認識を実現するために開発が進められています。
なお、他にも生成AIの活用方法について詳しく知りたい方は、下記の記事を合わせてご確認ください。
近年、注目されているAIによる自動化。AI自動化で業務効率化をしたいと検討している企業様には必見の記事になっています。
続きを読む
感情分析AIとは
「感情分析AI」とは、人間の感情や気持ちを自動で認識できるAI技術です。これは、AIが画像認識技術やカメラ、マイク、センサーを通じて人間の喜怒哀楽を数値化し、そのデータに基づいて感情を認識します。
機械が人間の気持ちを理解できるのかと聞くと、不思議に思う方も多いでしょう。従来、人間の感情を把握できるのは人間のみであり、機械で測定することはできませんでした。
しかし、技術の進化によりAIも人間の感情を理解し、適切に対応できるようになってきています。
なお、画像認識について詳しく知りたい方は、下記の記事を合わせてご確認ください。
AIが感情を分析・認識する仕組み
感情認識AIの基本的な仕組みは、データの収集、特徴抽出、感情分類の3つのステップから成り立ちます。まず、カメラやマイク、テキスト入力などからデータを収集し、次にそのデータから感情に関連する特徴を抽出します。最後に、機械学習アルゴリズムを使って、抽出された特徴をもとに感情を分類します。
AIが感情を分析・認識するプロセスでは、機械学習や自然言語処理、コンピュータビジョンなどの技術が活用されています。
テキストベースの感情分析では、AIは大量のデータを使って特定の単語やフレーズが持つ感情の特徴を学習します。文章全体の感情や意図を推測する際には、「嬉しい」や「楽しい」といったポジティブな言葉の多さや、「悲しい」や「怒り」といったネガティブな言葉の頻度をもとに判断します。
音声分析では、声のトーンや速度、リズムの変化を解析し、話し手の感情を認識します。また、コンピュータビジョン技術を用いて画像や映像から表情の変化の解析も可能です。
コンピュータビジョン技術とは、コンピューターが人間の目のように画像や映像を見て、その中に何が写っているのかを理解する技術です。この技術で、写真の中の人の顔を認識したり、動きや表情の変化を捉えたりします。笑顔は喜び、眉をひそめる表情は不満や困惑を示すと解釈されることが一般的です。
感情認識AIの仕組みについては、多くの研究論文が発表されています。例えば、表情認識や音声分析、テキスト解析などの手法を組み合わせた感情認識システムの開発に関する論文が数多く存在します。※2
生成AIで感情認識はできるの？
実際に生成AIを使って感情認識をすることは可能なのでしょうか？例えば大規模言語モデル（Large Language Models、LLM）を使えば、文章・テキストベースの感情認識が可能です。実際にやってみましょう。
ChatGPTのモデルであるGPT3.5を使って、以下のようにテキストの分類を依頼してみます。
テキストの意味を理解し、中立的な感情を読み取っています。さらに、言葉のニュアンスを「ネガティブ」と「ポジティブ」に振り分けてもらいます。
以上のように「なんてひどい番組なんだ」という言葉を「ネガティブ」と解釈できています。このように、生成AIを活用することで感情認識が可能になります。
生成AIによる感情認識のメリット
生成AIを使って感情認識を行うことにより、様々なメリットを得ることができます。人間では作業の限界があることでも、AIが大量の情報を処理し感情認識を行うことで、ビジネスや日常生活の生産性が向上します。
口コミ・評判を数値化できる
まず1つ目のメリットは口コミ・評判を数値化できることです。これにより企業は、顧客の感情や意見を定量的に把握し、製品やサービスの改善点を具体的に特定できます。感情認識AIを活用することで、大量のテキストデータからもポジティブな評価やネガティブなフィードバックを迅速に識別し、トレンド分析や顧客満足度のモニタリングに役立てることが可能です。
このアプローチは、市場のニーズや顧客の要望に敏感に反応し、ビジネス戦略をデータに基づいて最適化するための強力なツールとなります。
顧客満足度の向上につながる
また生成AIの感情認識は、顧客満足度の向上にもつながります。企業が顧客の感情をリアルタイムで捉え、個々のニーズに合わせた対応を行うことで、顧客体験を大きく向上させることができます。例えばカスタマーサポートにおいて、生成AIが顧客の不満や要望を的確に理解すれば、すぐに適切な解決策を提供することが可能になるでしょう。
感情認識技術を利用することで、顧客の期待を超える体験を提供し、ブランドロイヤルティの向上に貢献します。
分析結果をコンテンツに反映できる
さらに分析結果をコンテンツに反映できる、という利点もあります。AIによる感情認識を通じて収集したデータは、マーケティング戦略やコンテンツ制作の指針として活用可能です。例えば、特定の製品に対するポジティブな感情が強いと分かれば、その製品を前面に出したプロモーションを強化できます。
逆にネガティブな反応が多ければ、メッセージの調整や新たなアプローチを考えることができるでしょう。このようにして、顧客の感情に基づいたコンテンツの最適化を行うことで、エンゲージメントの向上と効果的なコミュニケーションが実現します。
なお、生成AIのメリットを活かした活用事例についてさらに知りたい方は、以下の記事をご覧ください。
生成AIによる感情認識のデメリット
生成AIによる感情認識には様々なメリットがありますが、デメリットも存在します。AIを頼りすぎてしまうと思わぬところで失敗する可能性があるので、事前にデメリットやリスクを理解した上で活用するようにしましょう。
学習データには偏りがある
生成AIによる感情認識のデメリットとして、まず「学習データの偏り」が挙げられます。学習データに偏りがあると、AIは特定のグループや文化に対して偏った認識を持つ可能性があり、誤った感情解釈を引き起こすことがあります。これは特に多様性が求められる環境での使用において、不公平や誤解を生じさせるリスクを高めるでしょう。
さらに感情は複雑で微妙なものであり、コンテキストに大きく依存するため、AIが正確に理解し解釈することは困難な場合があります。これらの問題は、AIの感情認識を信頼性のあるものにするために克服しなければならない重要な課題です。
誤認識が起こりうる
また、誤認識が起こる可能性もあります。生成AIによる感情認識は、非言語的手がかりや微細な表情の変化を完全に解釈することが困難であるため、特定の状況や感情を誤って解釈するリスクがあります。特に皮肉やジョーク・文化的なニュアンスを含む表現は、AIが正確に理解するのが難しいため、誤った分析結果をもたらすこともあるでしょう。
生成AIの出力に100%はあり得ないので、完璧を求めることはできません。誤認識は、顧客との関係損傷や信頼性の低下を引き起こす可能性もあるので、感情認識技術の適用にあたっては十分に注意が必要です。正確性の向上と誤解の最小化には、技術の改善と継続的な評価が求められます。
情報流出のリスクがある
さらに情報流出のリスクにも備えなければなりません。感情認識の学習と実装には、個人の感情や反応に関する大量のデータが必要です。これらのデータは個人的な情報を含むため、不適切に取り扱われた場合、プライバシー侵害や情報の不正利用につながる可能性があります。
データのセキュリティを確保し流出を防ぐためには、高度な暗号化技術やアクセス制御などの厳格なセキュリティ対策が必要です。しかしこれらの対策を行ったとしても、ハッキングや内部からの情報漏えいのリスクを完全には排除できません。感情認識技術を使用する際は、データ保護とプライバシーの問題に対して十分な注意を払う必要があります。
感情分析AIの可能性と影響
感情分析AIは、さまざまな分野で大きな可能性を秘めています。この技術の進化により、より細かな感情の違いを識別できるようになる可能性があります。感情分析AIが発展すれば、人間とAIのコミュニケーションがより自然になり、さまざまな分野での応用が広がると期待されています。
例えば、医療の分野では、患者の表情や声のトーンを使って心の状態を分析し、早めの診断や治療に役立てられます。教育の現場では、生徒がどのくらい理解しているかや興味を持っているかをリアルタイムで把握し、それぞれの生徒に合った学び方を提供できるようになるでしょう。ビジネスでは、顧客の感情をより深く理解することで、製品やサービスの改善に結びつけられます。
感情分析AIの将来的な可能性については、さまざまな分野の研究者が論文を発表しています。医療、教育、マーケティングなど、幅広い分野での応用可能性が論文で議論されているのです。これらの研究は、感情分析AIの実用化の基盤となっています。
一方で、この技術が広まることでプライバシーの考え方が変わるかもしれません。また、感情データの利用について新しいルールや規制が必要になる可能性もあります。社会全体として、人々の感情をより深く理解し、共感する力が高まることが期待されています。
感情を分析・認識するAI製品
感情を分析・認識するAI製品は、多くの分野で活用されています。例えば、Appleの「Siri」やGoogleの「Googleアシスタント」があります。このAI製品は、ユーザーの声を分析して感情を理解することで、より自然な会話を実現しています。
またIBMの「Watson」は、テキストデータを解析して感情を判断し、ビジネスの意思決定をサポートしています。※4さらに、Affectivaの表情認識技術は、カメラを通じて人の表情を読み取り、感情を分析します。※5この技術は、広告やエンターテインメント業界で視聴者の反応を測定するために利用されています。
これらのAI製品は、音声、テキスト、表情などのデータを活用し、さまざまな場面で感情を理解する能力を持っています。感情認識AIは、顧客体験の向上や業務効率化に貢献し、今後も多くの分野で重要な役割を果たすでしょう。
感情認識ができる生成AIツール5選
感情認識ができる生成AIツールをご紹介します。既存のサービスを上手に活用することで、ビジネスや実生活の場面に生成AIの感情認識を取り入れることができます。気になるツールがあったら、ぜひ活用してみてください。
【ChatGPTプラグイン】Sentiment Analysis
「Sentiment Analysis」はChatGPTのプラグイン機能として提供されていました。このプラグインは、テキストから人間の感情を読み取ります。テキストの感情値を数値化したり、特定のキーワードに対する感情を分析するのが得意でした。しかし、現在ChatGPTプラグインは利用できなくなっています。
以前は、ChatGPTの有料プラン「ChatGPT Plus」に加入しているユーザーがこのプラグインを利用できましたが、現在は別の機能やサービスでの感情分析AIをお勧めします。。企業で使用する場合は、ChatGPT TeamかChatGPT Enterpriseなどのプランが提供する他の機能も確認してみてください。
なお、ChatGPT Teamについて詳しく知りたい方は、下記の記事を合わせてご確認ください。
【カスタマーサービス】WASABI-LLM for 口コミ分析
「WASABI-LLM for 口コミ分析」は、LLM(大規模言語モデル)を活用することで、SNSや通販サイトの口コミ・レビューを正確に分析してくれるサービスです。競合分析や商品開発などさまざまなシーンで活用可能。既存の分析ツールでは難しかった文脈の把握や感情分析もGPT-4をベースとした独自の分析AIで分析を可能にしました。※6
【テキスト分析AI】IBM Watson Tone Analyzer
IBM Watson Tone Analyzerは、文章を解析して感情のトーンを検出するAIツールです。主に、顧客のレビューやフィードバックを分析するために利用されています。
文章中の言葉や文脈を詳しく調べ、喜びや怒り、悲しみなどの感情を特定します。この情報は、企業が顧客の感情を理解し、サービスや製品の改善に役立てるための貴重なデータです。例えば、顧客の不満が多い場合、どの部分を改善すべきかを判断する材料となります。
また、マーケティングにも活用され、ターゲット層に適したメッセージを作成するための指針となります。IBM Watson Tone Analyzerは、テキストを通じて感情を理解し、ビジネスの質を高めるための強力なツールです。※4
【感情認識AI】Affectiva
Affectivaは、顔の表情を分析して感情を読み取るAI技術を提供しています。
このツールは、広告業界や自動車産業で広く使われています。広告を見た視聴者の感情反応を測定することで、広告の効果を高めるためのデータ提供が可能です。自動車産業では、ドライバーの顔を監視し、注意力や感情状態をチェックします。運転中に注意が散漫になったり、疲労が見られる場合には警告を出すことで、安全運転をサポートします。
Affectivaの技術は、感情を理解することで、より良いユーザー体験を提供するための重要な役割を果たしています。企業はこの技術を利用して、製品やサービスの質を向上させることが可能です。※5
【リアルタイム感情分析】Microsoft Azure Emotion API
Microsoft Azure Emotion APIは、顔の表情をリアルタイムで分析し、感情を認識するAI技術です。
ゲームやバーチャルリアリティなどのアプリケーションでよく使われています。このツールは、ユーザーの顔をカメラで捉え、笑顔や驚き、怒りなどの感情を瞬時に判断します。この情報をもとに、ゲーム内のキャラクターがユーザーの感情に応じた反応を示すなど、より没入感のある体験を提供します。
また教育分野でも活用されており、生徒の感情を把握することで、授業の進行を調整する手助けをしています。Microsoft Azure Emotion APIは、感情の理解を通じて、より豊かな体験を生み出すための重要な技術です。※7
感情分析AIの導入事例
最近では、感情分析AIを導入している企業も存在します。AIがどのように活用されているのか、ぜひ参考にしてみてください。
事例①ベネッセコーポレーション
株式会社ベネッセコーポレーションでは、英語オンラインレッスンに表情の感情分析AIを導入し、講師の表情やジェスチャーをリアルタイムで解析しています。
これは、すべての講師が高い水準の指導を可能にするためです。
オンラインスピーキングは未就学児から中高生までが対象であるため、初めて外国人と話す子供も少なくありません。そのため、子供たちに安心してレッスンを受けられるために、笑顔やジェスチャーを重視しています。※1
事例②木村屋總本店
木村屋は、若年層の顧客を獲得するため、AIを活用した食品実績を持つNECとコラボレーションしました。ABEMAの恋愛番組「今日、好きになりました。」の会話データをAIで分析し、その結果、感情が似ている恋愛シーンと食品を紐づけました。
こうして、音声の感情分析AIによる「恋AIパン」が開発されたのです。以下のXの投稿では、「恋AIパン」について書かれています。
このパンは全部で5種類の味があり、それぞれ「初めてのデート味」や「結ばれる両想い味」など、恋愛に関連した名前が付けられています。※2
事例③株式会社ベネッセコーポレーション
株式会社ベネッセコーポレーションは、通信教育「進研ゼミ」の英語オプション教材「オンラインスピーキング」において、CACの表情・感情認識AIを活用したレッスン品質向上システムを2022年3月に導入。未就学児から中高生を対象とした英語オンラインレッスンでは、初めて外国人と英会話をする子どもも多く、講師の表情や雰囲気、接し方といった非言語コミュニケーションが学習効果を大きく左右します。
しかし、これまでは講師の指導テクニックが経験値や感覚に依存しており、全講師が高い水準の指導を実現することが課題でした。導入されたシステムは、Web会議のコミュニケーションを円滑化するCACのソフトウェア「心sensor for Communication」をベースに開発されたもので、レッスン中の講師の表情とジェスチャーをリアルタイムに解析。
レッスン終了後すぐに、講師自身の表情やジェスチャーの回数が分かるレポートがPCモニターに表示され、即座に振り返りができる仕組みです。
テスト導入段階で、顧客評価が高いレッスンには「感情表現が豊かでジェスチャーが多用されている」という共通の傾向が見られ、特に「笑顔の頻度」が重要であることが数値で明らかになりました。
これにより、経験の浅い講師でも効果的な指導方法を具体的に理解し、実践できるようになっています。※3
事例④体調・コンディショニング管理
三菱電機が開発した「Maisart Driver Monitoring」は、車載カメラ1台だけで運転者の生体情報と感情状態を同時に読み取るシステム。
顔の頬部分のわずかな色の変化を分析して脈拍を計測し、さらに表情の変化と組み合わせることで、危険な精神状態を事前に察知します。
このシステムの優れた点は、眠気が表れる前段階の「集中力の低下」と「イライラ感」を組み合わせて検知できることです。
危険が顕在化する数秒前に警告を発することで、自動で路肩に停車するなどの安全制御につなげることが可能になります。2030年の実用化を目指して開発が進められており、感情的な要因による事故を防ぐ新しい安全技術として注目されています。※4
感情分析AIをPythonで実行する
感情分析AIはさまざまありますが、テキストから感情分析を行うのは自分でも作ることができます。
下記のコードをgoogle colaboratoryに貼り付けて実行すれば、テキストから感情分析を行うことが可能。
サンプルコードはこちら
!pip -q install transformers torch protobuf fugashi unidic-lite
from transformers import pipeline
# Zero-shot 感情分類パイプライン
clf = pipeline(
"zero-shot-classification",
model="Formzu/bert-base-japanese-jsnli"
)
labels = ["安心", "怒り", "期待", "戸惑い"]
sample_reviews = [
"注文から発送までがスムーズで安心できました。",
"見た目はいいけど、すぐ壊れてガッカリした。",
"値段のわりに機能がしっかりしていて期待以上。",
"ボタンが反応しなくてイライラする。",
"使い方がよく分からず、ちょっと戸惑った。"
]
for text in sample_reviews:
result = clf(
sequences=text,
candidate_labels=labels,
hypothesis_template="この文章は{}という感情である。"
)
print(f"\n📝 Review: {text}")
for label, score in zip(result["labels"], result["scores"]):
print(f" → {label}: {score:.3f}")
結果はこちら。
📝 Review: 注文から発送までがスムーズで安心できました。
→ 安心: 0.557
→ 期待: 0.424
→ 戸惑い: 0.016
→ 怒り: 0.003
📝 Review: 見た目はいいけど、すぐ壊れてガッカリした。
→ 戸惑い: 0.530
→ 期待: 0.211
→ 怒り: 0.159
→ 安心: 0.100
📝 Review: 値段のわりに機能がしっかりしていて期待以上。
→ 期待: 0.634
→ 安心: 0.323
→ 戸惑い: 0.031
→ 怒り: 0.012
📝 Review: ボタンが反応しなくてイライラする。
→ 怒り: 0.602
→ 戸惑い: 0.322
→ 期待: 0.058
→ 安心: 0.017
📝 Review: 使い方がよく分からず、ちょっと戸惑った。
→ 戸惑い: 0.731
→ 安心: 0.162
→ 期待: 0.055
→ 怒り: 0.052感情認識AIを比較
| ツール名 | 仕組み | 主な用途 | 無料プラン |
|---|---|---|---|
| Affectiva | 顔の細かな動きを分析し、7つの基本感情を識別 | 広告業界の視聴者反応測定 | なし |
| IBM Watson Tone Analyzer | テキストベースの感情分析で5つの感情トーンに分類 | カスタマーサービスやソーシャルメディア分析 | なし |
| Microsoft Azure Emotion API | 顔の表情から8つの感情を識別 | APIとして自社アプリケーションへの組み込み | 一定量まで無料 |
感情認識AIツールはそれぞれ独自の仕組みを持っています。例えば、Affectivaは顔の細かな動きを分析することで、7つの基本感情を高精度で識別します。これは主に広告業界で使用され、視聴者の反応をリアルタイムで測定できます。
一方、IBM Watson Tone Analyzerはテキストベースの感情分析に特化しており、文章を5つの感情トーンに分類します。このツールはカスタマーサービスやソーシャルメディアの分析に最適です。
またMicrosoft Azure Emotion APIは、顔の表情から8つの感情を識別する機能を提供しており、APIとして利用可能なため、開発者が自社のアプリケーションに簡単に組み込めます。
感情認識AIを選ぶ際には、分析対象（顔、音声、テキスト）や必要な感情の種類、そしてウェブサイトやアプリケーションへの実装の容易さを考慮することが重要です。
多くの感情分析AIツールは有料ですが、一部のサービスでは無料トライアルや限定的な無料プランを提供しています。例えば、Microsoft Azure Emotion APIは一定量まで無料で使用できるため、小規模なプロジェクトや実験的な利用に最適です。
生成AIの感情認識について理解し、上手に活用しよう
生成AIの感情認識について解説しました。生成AIは文章・声・ 表情・生体データなど、様々な情報やデータから人間の感情を読み取ります。生成AIによる感情認識には、
- 口コミ・評判を数値化できる
- 顧客満足度の向上につながる
- 分析結果をコンテンツに反映できる
などのメリットがあります。
その一方で、
- 学習データには偏りがある
- 誤認識が起こりうる
- 情報流出のリスクがある
といったデメリットも存在します。感情分析を利用できるツールもあるので、状況に合わせて生成AIを上手に活用していきましょう。
※1：表情認識とリズム遊びアプリ「エモリズム」
※2：表情認識や音声分析、テキスト解析などの手法を組み合わせた感情認識システムの開発に関する論文
※3：文化差や個人差を考慮した感情認識モデルの構築に関する論文
※6：LLM(大規模言語モデル)による分析AIシリーズ「WASABI-LLM for 口コミ分析」をリリース
最後に
いかがだったでしょうか？
GPT-3.5 Turboの最新アップデートで、より高速かつ低コストでのAI活用が可能になりました。自社での導入・活用を検討する際に、最適なモデル選定や活用方法について、一緒に考えてみませんか？
弊社では
・マーケティングやエンジニアリングなどの専門知識を学習させたAI社員の開発
・要件定義・業務フロー作成を80%自動化できる自律型AIエージェントの開発
・生成AIとRPAを組み合わせた業務自動化ツールの開発
・社内人事業務を99%自動化できるAIツールの開発
・ハルシネーション対策AIツールの開発
・自社専用のAIチャットボットの開発
などの開発実績がございます。
まずは、「無料相談」にてご相談を承っておりますので、ご興味がある方はぜひご連絡ください。
➡︎生成AIを使った業務効率化、生成AIツールの開発について相談をしてみる。
「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。
セミナー内容や料金については、ご相談ください。
また、サービス紹介資料もご用意しておりますので、併せてご確認ください。
