内容紹介

【Azure×OpenAIでChatGPTシステムを構築！】

Microsoft AzureはChatGPTをはじめとするOpenAIモデルを利用できる、現在唯一のパブリッククラウドサービスです。本書はLLM（大規模言語モデル）に興味があるITエンジニアを対象に、AzureからOpenAIモデルにアクセスできる「Azure OpenAI Service」を使い、ChatGPTを利用した社内AIシステムの開発と導入を実現してもらうのが目的です。

前半では、生成AIとChatGPTモデルの基本的な概念とその仕組みを解説します。また、Azure OpenAI Serviceの概要と具体的な利用方法を解説し、プロンプトエンジニアリングについても紹介します。後半ではChatGPTを利用する社内システムの開発手法について、実際にAzure OpenAI Serviceを使いながら学んでいきます。RAGを利用した社内文章検索システムの実装を経て、LLMを組み込んだアプリケーション（Copilot）の構築へとステップアップしていきます。また、Azure OpenAI Serviceの利用におけるガバナンス実現に必要な共通基盤化と責任あるAIについても解説しています。

■こんな方におすすめ

OpenAIモデルやChatGPTに興味がある、また、それらを使ったシステムを開発したいITエンジニア

■目次

●第1部 Microsoft AzureでのChatGPT活用

第1章 生成AIとChatGPT

　　1.1 生成AIとChatGPTの衝撃

　　1.2 ChatGPTの仕組み

　　1.3 まとめ

第2章 プロンプトエンジニアリング

　　2.1 プロンプトエンジニアリングとは

　　2.2 基本的なテクニック

　　2.3 思考の連鎖（Chain of Thought）

　　2.4 その他のテクニック

　　2.5 まとめ

第3章 Azure OpenAI Service

　　3.1 Azure OpenAI Serviceとは

　　3.2 Azure OpenAIの始め方

　　3.3 チャットプレイグラウンドでChatGPTアプリを開発する

　　3.4 考慮するポイント

　　3.5 まとめ

●第2部 RAGによる社内文章検索の実装

第4章 RAGの概要と設計

　　4.1 ChatGPTの問題点と解決手法

　　4.2 Retrieval-Augmented Generationとは

　　4.3 検索システム

　　4.4 Azure AI Search

　　4.5 オーケストレータ

　　4.6 Azure OpenAI on your data

　　4.7 Azure Machine Learningプロンプトフロー

　　4.8 大規模言語モデル

　　4.9 Azure OpenAI API

　　4.10 まとめ

第5章 RAGの実装と評価

　　5.1 アーキテクチャ

　　5.2 社内文章検索の実装例

　　5.3 会話履歴の保持

　　5.4 検索機能

　　5.5 データインジェストの自動化

　　5.6 RAGの評価と改善

　　5.7 検索精度の評価

　　5.8 生成精度の評価

　　5.9 まとめ

●第3部 Copilot stackによるLLMアプリケーションの実装

第6章 AIオーケストレーション

　　6.1 Copilot stackとは

　　6.2 AIオーケストレーションとエージェント

　　6.3 独自Copilot開発のアーキテクチャと実装

　　6.4 まとめ

第7章 基盤モデルとAIインフラストラクチャ

　　7.1 基盤モデルとAIインフラストラクチャとは

　　7.2 ホスティングされたモデルの場合

　　7.3 公開モデルの場合

　　7.4 まとめ

第8章 Copilotフロントエンド

　　8.1 ユーザーエクスペリエンスの基礎

　　8.2 LLMの不確実な応答への対処

　　8.3 UX向上のための参考資料

　　8.4 まとめ

●第4部 ガバナンスと責任あるAI

第9章 ガバナンス

　　9.1 共通基盤とは

　　9.2 共通基盤のアーキテクチャ

　　9.3 認証・認可

　　9.4 ログ統合

　　9.5 課金

　　9.6 流量制限

　　9.7 閉域化

　　9.8 負荷分散

　　9.9 まとめ

第10章 責任あるAI

　　10.1 責任あるAIに対するMicrosoftの取り組み

　　10.2 責任あるAIの実践

　　10.3 コンテンツフィルタリング

■著者プロフィール

永田 祥平（ながた しょうへい）：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。大学院で分子生物学やバイオインフォマティクスを学んだあと、2020年より日本マイクロソフト株式会社に入社。クラウドソリューションアーキテクト（AI）として、主にエンタープライズのお客様を対象に、Azureビッグデータ分析基盤や機械学習基盤の導入・活用支援を行う。推しのプロダクトはAzure Machine Learning。第1部の監修と執筆、全体統括を担当。

伊藤 駿汰（いとう しゅんた）：日本マイクロソフト株式会社 クラウドソリューションアーキテクト／株式会社Omamori 取締役。本業でAI/ML開発（とくに自然言語処理方面）と利活用の技術支援、機械学習基盤やMLOps基盤の構築および活用の技術支援を行うクラウドソリューションアーキテクト、趣味・副業でソフトウェアエンジニア。第3部と付録Bの執筆を担当。

宮田 大士（みやた たいし）：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。情報学の修士号を取得後、製造業にてデータ分析、機械学習システムの構築、データ分析基盤の開発を経験し、日本マイクロソフトに入社。現職では、幅広い業界のお客様へのAIの導入／活用を支援。第2部の監修と執筆を担当。

立脇 裕太（たてわき ゆうた）：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。Softbank（SBT）、Deloitte、DataRobot、現在は日本マイクロソフトでビッグデータ、クラウド、機械学習を活用した企業のデータ活用を支援。MLOps Community（JP）のオーガナイザで、過去にはJDLA AIガバナンスとその評価研究会の研究員、QA4AIガイドラインの改訂、MLOpsやAIガバナンスに関する講演や記事執筆などを実施。第4部の監修と執筆を担当。

花ケ崎 伸祐（はながさき のぶすけ）：日本マイクロソフト株式会社 パートナーソリューションアーキテクト。NECソフト（現NECソリューションイノベータ）、IBM JapanのAIアーキテクトを経て、現在はパートナーAIソリューションの開発支援に携わる。画像認識プロダクト開発や医療画像解析などクロスインダストリーでのAIプロジェクトの開発・アーキテクトとして15年以上の経験がある。推しのプロダクトはAzure AI Search（旧称Azure Cognitive Search）。第3部の監修と執筆、第2部の執筆を担当。

蒲生 弘郷（がもう ひろさと）：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。大手システムインテグレータにてキャリアをスタート。自動車業界のDMSデータ活用基盤のコンサルティングおよび開発、エンタープライズブロックチェーンを活用した異業種間データ流通プラットフォームの立ち上げなどを担当。数年間、データサイエンティストとして社会インフラ関連企業を対象にしたデータ分析および機械学習システムの開発を経て、現在はソリューションアーキテクトとしてAI導入の技術支援やAzure OpenAI Serviceのエバンジェリスト活動などに従事。第1、2部と第4部の執筆を担当。

吉田 真吾（よしだ しんご）：株式会社セクションナイン 代表取締役。2023年5月にAzure OpenAI/Azure AI Search/Azure Cosmos DBを活用した人事FAQ 機能をリリース。Serverless Community（JP）やChatGPT Community（JP）を主宰。著書、監訳書に『ChatGPT/LangChainによるチャットシステム構築［実践］入門』（技術評論社）、『サーバーレスシングルページアプリケーション』（オライリー・ジャパン）、『AWSエキスパート養成読本』（技術評論社）、『AWSによるサーバーレスアーキテクチャ』（翔泳社）など。第3部の執筆を担当。