# 生成AI（GenAI）の基礎

> 生成AI（GenAI）の基礎 - データへの接続、LLMブループリントの構築と比較、コンプライアンスの自動化、登録とデプロイといった、GenAIワークフローの構築の基礎を学びます。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.661068+00:00` (UTC).

## Primary page

- [生成AI（GenAI）の基礎](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-fundamentals.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [GenAIの概要](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-fundamentals.html.md#genai-overview): In-page section heading.
- [GenAIのプロブレムステートメント](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-fundamentals.html.md#genai-problem-statement): In-page section heading.
- [DataRobotのソリューション](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-fundamentals.html.md#datarobot): In-page section heading.
- [続けて読む](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-fundamentals.html.md#read-more): In-page section heading.

## Documentation content

ワークベンチで利用可能な [Generative AI (GenAI)](https://docs.datarobot.com/ja/docs/agentic-ai/index.html.md) では、エンタープライズレベルの生成AIソリューションを自信を持って構築、ガバナンス、運用できます。 このソリューションは、クラウド環境全体で、選択した最高のコンポーネント（LLM、ベクターデータベース、埋め込みモデル）を使用して、迅速に革新し、適応する自由を提供します。 DataRobot GenAIは以下のことを行います。

- LLMを拡張し、生成AIエクスペリメントのコストをリアルタイムで監視することで、独自のデータを保護します。
- 選択したツールを使用して、安全で高品質な生成AIアプリケーションとソリューションを作成、デプロイし、本番環境で維持できるようにします。
- 運用中のLLMに対する管理とガバナンスを自信を持って行い、予期しない動作や望ましくない動作を迅速に検出して修正できます。
- 予測モデリングとユーザーフィードバックにより、GenAIアプリケーションを継続的に改善します。

このページでは、機能の概要について説明します。

> [!NOTE] トライアルユーザーの場合
> DataRobotトライアルユーザーの場合、トライアル固有の機能に関する情報については [FAQ](https://docs.datarobot.com/ja/docs/get-started/day0/trial-faq.html.md) を参照してください。 予測AIと生成AIのDataRobotトライアルを開始するには、このページの上部にある 無料トライアルを開始 をクリックします。

## GenAIの概要

DataRobot GenAIプラットフォームには、APIとGUIの両方のオプションが用意されており、個々のプロンプトと回答レベルで定性的および定量的な比較を行うことで、最適なGenAIコンポーネントを実験、比較、評価できます。 DataRobot AI Platformでは、一般的なLLMを試してみることができます。また、お気に入りのライブラリの持ち込み、LLM、ベクターデータベース、埋め込みの持ち込みや選択、サードパーティーツールの連携も可能です。

### GenAIのプロブレムステートメント

クラウドプロバイダーが提供するオープンソースクラスターやGPUクラスターを利用すれば、GenAIのワークフローを自前で構築することは可能ですが、エンタープライズ環境でこうしたソリューションを導入するのは簡単ではありません。 コンプライアンスとパフォーマンスの基準を満たしながら、自信を持ってワークフローを本番環境に導入できるように、ガバナンスとガードレールを整備するのは大変な作業です。 コンサルタントがエージェントアプリケーションを構築する場合、時間の経過とともにニーズが変化しても、実装を柔軟に調整することはできません。

「すべてがモデル次第」であるという認識がありますが、実際には、値はGenAIのエンドツーエンド戦略により異なります。 ベクターデータベースの品質（使用されている場合）、プロンプト戦略、監視、メンテナンス、ガバナンスはすべて成功の重要な要素です。

### DataRobotのソリューション

DataRobotは、DIYのオープンソースオプションと、GenAIのワークフローやエージェントを構築してくれるコンサルタントによる手厚いサポートの中間に位置し、以下を提供します。

- 生成AIでビジネスをサポートするために必要なものを何でも構築できるAIプラットフォーム。
- 一般的なユースケース向けにエンドツーエンドのソリューションを実装する方法を示すアプリケーション群。
- 取込みデータレイヤー、クラウドプロバイダー、消費レイヤーに関係なく、すべてのユーザーに対して1つの統合されたエクスペリエンス。

DataRobotは、データインフラストラクチャ（下図の左側の非構造化データ）と消費レイヤーの間に位置する「AIインテリジェンスレイヤー」です。

DataRobotは、GenAIワークフローを構築および評価するための包括的なツールスイートを提供します。 すぐに利用できるオブザーバビリティと最先端の推論により、ワークフローを拡張し、本番環境およびライフサイクル全体で何が起こっているかを把握できます。 ガバナンス機能により、エンタープライズ環境でのワークフローを安心してご利用いただけます。 アプリケーションテンプレートには、一般的なユースケース向けに構築済みのアプリケーションと、その実装に関連するコードが用意されています。 これにより、アプリケーションのあらゆる面の動作を現在および将来にわたってカスタマイズし、ユースケースのニーズを確実に満たすことができます。

DataRobotの基本的なアーキテクチャは、データの準備、構築と最適化、インサイトの共有のいずれにおいても、 [生成AI](https://docs.datarobot.com/ja/docs/agentic-ai/index.html.md) と [予測AI](https://docs.datarobot.com/ja/docs/workbench/index.html.md) の両方に使用されます。 ワークベンチでのエクスペリメントから [レジストリへのデプロイ](https://docs.datarobot.com/ja/docs/workbench/nxt-registry/index.html.md) まで、 [コンソール](https://docs.datarobot.com/ja/docs/workbench/nxt-registry/index.html.md) の本番機能を通じてすべてのモデルを管理および監視できます。 これには、ガバナンス、デプロイと管理の機能、継続的な監視が含まれます。

> [!TIP] ヒント
> プレイグラウンドでの生成モデルの構築手順に関する [一般的な説明](https://docs.datarobot.com/ja/docs/get-started/day0/genai-start/genai-workflow.html.md) を参照してください。 あるいは、 [GenAIの基本ステップ](https://docs.datarobot.com/ja/docs/get-started/how-to/genai-walk-basic.html.md) でご自身で試してみてください。

## 続けて読む

- GenAIの基本ステップ では、複数のRAG（検索拡張生成）パイプラインを比較します（ 動画はこちら ）。 完了すると、評価、アセスメント、ロギングが組み込まれた複数のエンドツーエンドのパイプラインができ、ガバナンスとガードレールが提供されます。
- AIリーダーにとって、どのようなAIツールが期待に応えられていないのか （ブログ）
- Everything You Need to Know About LLMOps （ホワイトペーパー）
- 10 Key Considerations for Generative AI in Production （ホワイトペーパー）
- エージェント型AIへのエンタープライズの道筋 （ブログ）
- AIエージェント：現実のビジネスへの影響、エンタープライズ対応のソリューション （ブログ）
- GenAI Accelerators GitHub repo