EYストラテジー・アンド・コンサルティングは、文書や映像、音声の波形などを組み合わせたマルチモーダル生成AIを活用した技術支援コンサルティングサービスを4月1日に始めた。これまで文書だけ、画像だけのシングルモーダルな生成AI活用が多かったが、複数モーダルを融合させることで「人間の五感により近い認識を生成することが可能となる」（山本直人・テクノロジーコンサルティングAI＆Dataパートナー）と、企業の価値創造を担う企画部門や研究開発部門で役立つとみている。
 
　マルチモーダルAIに着目した背景には、人の認知能力を超えるAIの特性が挙げられる。人は少ない情報をきっかけに過去の記憶や経験を基に直感的に物事を判断・認識する能力には長けているが、大量の情報は処理できないなど、能力の限界がある。「マルチモーダルAIはこの部分を補える」（同）と指摘。具体的には、雑踏の映像や音声波形などの大量なデータの集まりから瞬時に傾向を読み取ったり、文書に要約したりできる。継続的に認識・分析可能な点も強みだ。