現在、AIに関する議論は情報過多の状態です。毎週のように、エージェント型AI、推論型LLM、バイブコーディングといった新しい用語や略語が登場し、それに伴い、組織はAI戦略を策定したりプラットフォームを採用したりするよう、新たなプレッシャーにさらされています。しかも、こうした動きに取り残されるリスクも常に付きまとっています。JMPを使用している科学者やエンジニアも、このプレッシャーとは無縁ではありません。彼らは経営陣からこうしたプレッシャーを聞かされており、日々の業務で頼りにしているツールにとって、それが何を意味するのかを私たちに問いかけています。
私たちの答えはシンプルです。JMPの核となる価値観は変わっておらず、今後も変わることはありません。変わったのは、その価値観をより身近に、より発見しやすく、より拡張性の高いものにする能力です。そして、AIインフラストラクチャは、それを実現する上で重要な役割を果たしています。しかし、私たちは意図的に、お客様のご都合に合わせて、この取り組みを進めています。
JMPの分析ワークフローが依然としてかけがえのないものである理由
The JMP analytic workflowJMP分析ワークフロー
AIがどのような役割を果たすかを議論する前に、JMPが言語モデルでは再現できないどのような機能を持っているのかを明確にしておく価値がある。
JMPは、対話型であることを前提にゼロから設計されました。ユーザーはグラフビルダーに列をドラッグするだけで、コードも構文もプロンプトも不要で、データが瞬時に表示されます。グラフ上のポイントをクリックすると、データテーブルと分析セッション全体の他のすべてのグラフでそのポイントがハイライト表示されます。しかし、この相互接続性は単なる機能ではなく、哲学そのものです。つまり、専門知識と適切な分析環境を備えた科学者やエンジニアこそが、発見の原動力となるのです。
JMPの分析ワークフローは左から右へと進みます。まず、人と問題から始まります。JMPはビジネス上の疑問を分析的な疑問に変換し、ユーザーを適切な手法へと導き、洞察が迅速に得られるインタラクティブで視覚的な環境を提供します。JMP Liveは、その価値を組織全体に拡張し、作業の可視化、実績のある手法の共有、そして分析作業を個人のノートパソコンから企業全体のコラボレーションへと移行させます。
大規模な言語モデルは、このワークフローの中心に位置するものではありません。特定の箇所に組み込まれ、ワークフローの一部を高速化する役割を果たします。分析を主導し、価値を提供するのは、依然として科学者やエンジニアです。
すべてを説明する曲線
JMP gets more valuable as problems get harder and rarer.問題が難しくなり、発生頻度が低くなるにつれて、JMPの価値は高まる。
JMPとLLMが競合関係にない理由を視覚的に理解するのに役立つ方法があります。問題の複雑さをX軸としたグラフを想像してみてください。左側には一般的で十分に文書化された問題が、右側にはまれで価値の高い問題が配置されています。
問題が複雑化し、発生頻度が低くなるにつれて、LLM（学習モデル）のトレーニングデータ量は急激に減少します。そして、LLMの有効性もそれに伴って低下します。基本的なPythonスクリプトの書き方や一般的なエラーのデバッグ方法といった一般的な問題については、オンライン上に何千もの例があり、LLMはこうした問題に非常に有効です。しかし、曲線の右側、つまり斬新な実験計画、複雑な多変量解析、そして業界で誰も解決したことのない問題へと進むにつれて、LLMの有効性は崩壊します。まだ存在しない結果に対するトレーニングデータは、単純に存在しないのです。
JMPの有効性は、むしろ逆の方向に作用します。問題が難しく、稀少になるほど、JMPの価値は高まります。実験計画法、探索的データ分析、未知なるもののフロンティアにおける発見――これらはJMPの得意分野です。ここで明確に述べておきたいのは、トレーニングデータの豊富さがビジネス価値に直結するわけではないということです。LLMは一般的な事柄に基づいて訓練されています。組織にとって解決する価値のある問題は、利用可能なトレーニングデータが最も少ない問題なのです。
法学修士（LLM）に「次の大ヒット薬を設計し、絶対にミスをしないように」と指示することはできません。JMPのユーザーは、まだ知られていない領域の最先端で作業しており、そのワークフローはAIだけで自動化できるものではないのです。
JMPエコシステムにおいてLLMが真に価値を付加する場所
LearnBotラーニングボット
その基盤が確立されたことで、LLM（法学修士）がJMPのワークフローを加速させる、真に意義のある機会が生まれる。
新規ユーザーの価値実現までの時間を短縮します。JMPは習得期間が短いものの、習得には時間がかかります。科学分野の知識はあってもソフトウェアの操作方法がよくわからない初心者は、最初の数時間で壁にぶつかってしまうことがあります。LearnBot（JMP Marketplaceで入手可能） は、このフラストレーションに直接対処します。LearnBotは、JMPの豊富な学習コンテンツ、ドキュメント、JSLスクリプトインデックスをLLMで強化されたナレッジベースに読み込むことで、新規ユーザーが自然言語で質問し、正確で最新のJMPコンテンツに基づいた回答を受け取ることができるようにします。初期の成果は良好です。
ポイントアンドクリック操作と自動化の間のギャップを埋める。JMPのスクリプト言語であるJSLは非常に強力です。カスタムアプリケーション、統合、組織固有のツールを構築できます。しかし、テレメトリデータによると、JMPユーザーの大多数はJSLを記述したことがなく、最も基本的なJSL操作であるスクリプトをデータテーブルに保存することでさえ、使用率はわずか16%です。この利用率の低さは大きなボトルネックとなっています。ユーザーは平易な言葉で希望する内容を記述し、それに対して動作するJSLを受け取ることができます。JSLによって可能になる自動化とカスタマイズは、組織が通常頼りにしている少数の専門家グループだけでなく、すべてのユーザーが利用できるようになります。
JMPの隠れた機能を発見しやすくする。世界中の組織が30年以上にわたりJMPの価値を高く評価してきました。しかし、JMPの機能は、赤い三角形のメニューやプラットフォームオプションの裏に隠れていて、ほとんどのユーザーが見つけられない場合があります。自然言語インターフェースによって、これらのツールを誰でも利用できるようになります。ユーザーはやりたいことを説明すれば、メニューでは見つけられなかったツールでも、JMP内の適切なツールにたどり着くことができます。
JMPワークフロー内で自由形式のテキスト分析を可能にします。LLM Prompt Runner拡張機能を使用すると、データテーブルの内容をLLMに直接渡し、構造化された結果（感情分析、根本原因の抽出、分類など）をデータテーブルに返すことができます。ユーザーはJMPワークフロー内で作業を続けながら、得意とするタスクにLLMの機能を活用できます。
私たちが構築しているインフラ
JMP Scripting Index JMP スクリプティング インデックスJMP は、特定のベンダーに依存するのではなく、最大限の柔軟性を実現するために構築されています。単一の LLM プロバイダーが勝利すると想定しているわけではありません。当社の重点は、お客様が JMP を、お客様の標準や環境に適合するモデルやサービスに接続できるようにするインフラストラクチャとインターフェースにあります。
それらは以下のようにして結びつきます。
まず、知識ベースについてです。JSL.jmp.comには、法学修士課程の学生が理解しやすい形式で2万件以上のJSLスクリプトの抜粋を公開しており、さらに1万件を追加予定です。その結果、法学修士課程の学生はJSLの理解と記述能力を著しく向上させており、今後もさらに向上していくでしょう。
第二に、翻訳レイヤーです。検索拡張生成（RAG）を使用して、誤認識を最小限に抑え、ユーザーが質問をした際に、正確で関連性があり、最新のJMPコンテンツに基づいた応答が得られるようにします。
3つ目は、連携機能です。エンドポイントコネクタを介して、JMPとお客様が選択したLLMを簡単に接続できるようにすることで、お客様が特定のプロバイダーに縛られることがなくなります。この機能は2027年3月に提供開始予定です。いち早くお試しになりたい方は、 JMP早期導入プログラムにご参加ください。皆様からのフィードバックをお待ちしております。
第4に、ツールについてです。JMPは、ユーザーをサポートし、ワークフローを改善し、コーディングの必要性を軽減する、価値の高いAIおよび機械学習拡張機能のライブラリを継続的に構築しています。ユーザーはこれらの拡張機能をインストールし、組織のポリシーに合わせて設定し、必要に応じて変更できます。
そして最後に、JMPマーケットプレイスです。JMPマーケットプレイスを通じて、お客様はニーズに合ったLLMまたはAI拡張機能を選択できます。これらの拡張機能をコア製品に組み込むのではなく、JMPマーケットプレイスを通じて提供することで、JMPはAIを強制ではなくオプションとして提供しています。
セキュリティ、プライバシー、コンプライアンス – お客様のご都合に合わせて
データプライバシー、セキュリティ、コンプライアンスは、特にAIが関わる場合、最優先事項となることを私たちは理解しています。JMPは、セキュリティおよびコンプライアンスチームが必要とする回答を簡単に見つけられるようにしました。
JMPのトラストセンターでは、JMPがお客様のデータとプロンプトをどのように取り扱うか、データプライバシーをどのように確保しているか、どのようなセキュリティ保証を提供しているか、そしてEUのコンプライアンス要件にどのように対応しているかについて説明しています。JMP生成AI利用規約では、LLM搭載の拡張機能を使用する際にプロンプトがどのように処理されるかを具体的に説明しています。各拡張機能には、使用されているモデルを特定し、モデルプロバイダーのドキュメントへのリンクを提供するモデル情報シートも含まれています。また、 JMP責任ある使用ポリシーでは、倫理的なAIの実践に対する当社の取り組みを概説し、許可されている使用例と許可されていない使用例の両方についてユーザーをガイドしています。
これらのリソースはすべて公開されており、セキュリティおよびコンプライアンスチームと共有することができます。
JMPがやっていないこと
JMPが何をしているのかを説明するのと同じくらい、JMPが何をしていないのかを明確にすることも重要です。
- 私たちは、JMPの分析ワークフローを置き換えるためのチャットボットを開発しているわけではありません。JMPは分析ツールであり、会話型製品ではありません。
- LLMに計算をさせるつもりはありません。JMPが計算を行い、LLMは命令を作成します。
- 基盤となるモデルのトレーニングや微調整は行っていません。それは数十億ドル規模のGPUを使ったゲームであり、デスクトップ分析の範疇ではないからです。
- 私たちは合成データを生成していません。JMPのブランドは統計的な厳密さであり、LLMが捏造した数値によってその厳密さが損なわれることはありません。
- 私たちは、AI機能を望まないユーザーに強制的に利用させることはありません。
戦略とは、ビジネス成果とワークフローのことです。AIは、それを実現するためのツールの一つに過ぎません。
結論
JMPは強固な基盤と独自のワークフローを備えています。分析ワークフロー（視覚的な探索、統計的に妥当な手法、再現可能で共有可能な分析）は、チャットボックスにプロンプトを入力することとは全く異なります。プロンプトは、場合によっては劇的に役立つこともありますが、JMPが提供する厳密なエンドツーエンドのワークフローに取って代わるものではありません。
私たちが構築しているのはインフラストラクチャです。具体的には、LLM（法務・法務マネージャー）がJMP（ジャーナル・オブ・マネジメント）をより深く理解できるようになる知識ベース、正確なコンテンツに基づいて回答を作成する翻訳レイヤー、顧客がAIプロバイダーを柔軟に選択できるエンドポイントコネクタ、そしてAI機能をオプションで、かつ顧客の条件に合わせて提供するマーケットプレイスです。
JMPユーザーは新たな知識を生み出します。彼らは、これまで解決されたことのない問題に取り組み、どのモデルも扱ったことのないデータを使用します。このワークフローは今後も衰えることはありません。むしろ、AI時代においては、その重要性は増すでしょう。なぜなら、解決する価値のある問題とは、まさにLLM（学習モデル）が学習データを使い果たし、JMPの真価が発揮されるような問題だからです。
私たちは流行を追い求めているわけではありません。長期的な視点に立ち、そして皆様のために事業を展開しています。
