（2/4）AI×LIMSで分析データを「保管」から活用へ～AI時代のLIMS活用と業務標準化の実務～

LIMSパートナーズ合同会社 代表社員 青木 祥晃 氏

セミナーポイント

■講座のポイント
生成AIの登場で、蓄積した分析データを解析からレポートの作成まで、分析業務は幅広く変わりつつあります。一方で、AIに何をどこまで任せてよいかは、多くの現場でまだ整理されていません。
本セミナーでは、機密性と再現性の観点からAI活用の線引きを整理したうえで、LIMSが解決する課題と、LIMSに蓄積した分析データをAIで活用する方法を解説します。自社の業務に置き換えて考えられるよう、AI解析の実演も交えてお伝えいたします。

主な受講対象者
・品質管理・品質保証・研究開発・製造技術部門で、生成AIの業務活用を検討している方
・分析・試験データの管理にExcelや紙を使っており、限界を感じている方
・LIMSの導入を検討中の方、または導入すべきかどうか判断したい方
・分析データを外部のAIサービスに出してよいか、社内ルールを決める立場にある方
・蓄積した分析データを、ご自身で解析・活用したい方

受講後、習得できること
・分析データをAIサービスに入力する際の選択肢と、機密性の観点からの判断基準
・AIの出力を業務記録や判断に組み込む際の線引きと、再現性を確保する実装の考え方
・AIで活用しやすい分析データの構造化・業務標準化の要点ンと、導入前の準備にAIを使う方法
・AIによる文書作成・レビューの型と、ハルシネーション対策としての人によるレビューの設計

セミナー内容

1.　生成AIで何ができて、何ができないか
　1.1　生成AIの得意・不得意と、分析業務での使いどころ
　1.2　分析データをAIにどこまで入力するか／AIの出力を業務でどこまで使うか

2.　分析データをAIにどこまで入力するか：機密性から見たAIサービスの選択肢
　2.1　前提の整理：AIモデルとクラウド基盤の関係、オープンウェイトモデルとは何か
　2.2　5つの選択肢と現実的な落としどころ：個人プラン・法人プラン・APIで何が違うか
　2.3　選択肢を2軸で比べる：データの所在と、条件を誰が変えられるか
　2.4　最初に決めるべき社内ルール3点

3.　AIの出力を業務業務でどこまで使うか：再現性と責任の線引き
　3.1　出力の使い方で線を引く：3層の整理
　3.2　2つの実装と再現性・県商政の違い
　3.3　入力／出力の条件から、必要なAIサービスを決める

4.　分析データの構造化：業務標準化とLIMS導入前の準備
　4.1　構造化されていないデータの典型
　4.2　構造化とは何か
　4.3　データインテグリティ(ALCOA＋＋)
　4.4　LIMS導入前の準備におけるAI活用

5.　LIMSは何を解決するか：導入判断、設計の考え方、失敗の型
　5.1　LIMSの全体像
　5.2　LIMSが解決する課題
　5.3　何をどう蓄積するか：データベース設計の考え方と段階導入
　5.4　導入の失敗パターンと回避策

6.　AIによる文書作成・レビュー
　6.1　文書作成にAIを使うときの型：プロンプトの組み立て方
　6.2　ハルシネーションと、人によるレビューの設計
　6.3　AI利用の責任分界点：規制当局の指摘事例と規制動向の参照点

7.　AIを用いた分析データの解析(実演)
　7.1　実演：データ解析を、担当者自身がAIで行う
　7.2　自社のLIMSデータで行うと何が起きるか
　7.3　持ち帰り：自社の入出力の整理

(質疑応答)

出典：株式会社情報機構（https://johokiko.co.jp/seminar_chemical/AD270298.php）。掲載は情報機構との提携によります。