スマートエンタープライズ：ジェネラティブAIを企業で利用可能にする

スマートエンタープライズ：ジェネラティブAIを企業で利用可能にする' can be condensed as 'スマートエンタープライズ：ジェネラティブAIの企業利用' in English.

ここから始めましょう：はい、Generative AI（GenAI）の機会は膨大です。はい、それは私たちが知っている世界を変革しています（そして私たちの多くが予測していたよりも速く）。そして、はい、テクノロジーはよりスマートになっています。ただし、テキスト、画像、物語を生成する能力を持つGenAIの企業やビジネスへの影響は、一般の人々への影響とは非常に異なります。なぜなら、ほとんどのビジネスは詩や物語を書かないからです（それはChatGPTのユーザーに人気です）、彼らは顧客にサービスを提供します。

多くの企業は自然言語処理（NLP）や低レベルのチャットボットに経験を持っていますが、GenAIはデータを統合、解釈、ビジネスの成果に変換する方法を加速しています。したがって、彼らは迅速に最も重要なビジネス上の課題を解決し、成長を促進するためのGenAIの使用事例を特定する必要があります。企業が自分たちのデータを使用してGenAIをエンタープライズレディにする方法を理解するために、このポイントに至るまでの経過を見直すことが重要です。

NLPから大規模言語モデル（LLM）への道のり

技術は数十年にわたり自然言語を理解しようと試みてきました。人間の言語自体は進化した形の人間の表現である一方、人間が世界中でさまざまな方言に進化したことは、テクノロジーがビットやバイトなどのより単純なデジタル通信手段に頼ることを残しました。

私は10年前にNLPプログラムの開発を始めました。当時は、言語の分類学とオントロジー、エンティティの抽出、そして複数のエンティティ間の複雑な関係と文脈を維持し、検索クエリを理解し、ワードクラウドを生成し、結果を提供するための原始的な形のグラフデータベース（主にXML）に関連していました。それには数学的な要素はありませんでした。分類学データベースを構築するためのヒトの関与が多くありましたし、XMLの解析も多くありました。そして何よりも、たくさんの計算とメモリが必要でした。言うまでもなく、いくつかのプログラムは成功し、ほとんどは成功しませんでした。その後、機械学習が登場し、ディープラーニングやニューラルネットなどの複数のアプローチがNLPの理解（NLU）と自然言語の推論（NLI）を加速しました。ただし、3つの制約要因がありました。複雑なモデルを処理するための計算能力、機械に教えることができるデータの量へのアクセス、そして主にフレーズ間の時間的な関係を形成することによって自己学習と自己修正ができるモデル。

• 「リオール・ハキム、Hour Oneの共同創設者兼CTO – インタビューシリーズ」
• 「ディープニューラルネットワークのデプロイのための自動チューニング」
• 「Flick Review リーチを向上させるための最高のInstagramハッシュタグツール」

20年後、GPUは大量の計算能力を提供し、自己学習と進化するニューラルネットワークが一般的になり、教師あり/教師なし/半教師あり学習モデルが存在し、さらにはさまざまな言語で大量のデータにアクセスできるようになった。これらのモデルはトレーニングすることができます。その結果、AIエンジンは自然言語であなたと接続し、クエリの感情と意味を理解し、人間のように聞こえ、人間のように応答できるようになりました。

私たちは皆、ソーシャルメディアの存在を通じて、このエンジンをトレーニングするための「ヒト」で「ループ」であることを知らずにいました。私たちは現在、何兆ものパラメータでトレーニングされたエンジンを持ち、数百、数千の入力パラメータを取り、それらの言語で私たちに応答すると主張しています。これまでにGPT4/5、PaLM2、Llamaなどの他のLLMが公開されていますが、それらはより文脈に即した特定の問題解決者として現れています。

エンゲージメントシステムとレコードシステム

NLPからLLMへの旅は、シリコンの進化、データモデル、私たちが生成した大量のトレーニングデータのおかげで素晴らしかったですが、小売業者、製造業者、銀行などの企業は、この技術の非常に異なるアプリケーションを必要としています。まず、企業はAIの幻覚を許すことができません。AIと対話するユーザーに対して0％の幻覚と100％の正確性が求められるクエリの範囲があります。たとえば、「ホテルには利用可能な部屋がいくつありますか？」「ファーストクラスのチケットはありますか？」などのビジネスに何らかの役立ちをもたらすためには絶対的な正確性が必要です。

AIの幻覚に対抗するために、エンゲージメントシステムとレコードシステムという古くからの概念が登場します。顧客、サプライヤー、従業員とのエンゲージメントシステムは、ビジネス固有のプロンプトに対してトレーニングされたGenAIベースの会話プラットフォームを使いやすく利用できます。これが「簡単な」部分です。課題は、レコードシステムを価値連鎖に組み込むことです。多くの企業は、静的なテーブルとエンティティベースの世界にとどまる傾向があり、組織や法人レベルでは静的であり、イベントやワークフローによってトランザクションレベルで動的になります。

次世代の対話プラットフォームについて話します。これらのプラットフォームは、会話、インターフェース、およびクエリに対応するだけでなく、顧客の旅を完了までサポートします。このような対話プラットフォームには、さまざまなアーキテクチャのアプローチがあります。即座のオプションとして、ベクトル化およびラベル付けされたエンタープライズデータとLLMによる対話のプロンプトの間に統合役割を果たすハイブリッドミドルウェアを使用することが考えられます。このハイブリッドミドルウェアは、消費者に対して0％の幻覚的な結果を提供します。

LLMエンジンに対して企業が理解可能なデータを作成するためには、大量のデータ準備作業が必要です。私たちは、従来のテーブルやエンティティ駆動型のデータモデルを平坦化すると呼んでいます。グラフデータベースは、関係データベースでは表現および保存できない方法でデータを表現および保存するため、この旅において新たな目的を見つけています。目標は、エンタープライズデータベースをより理解可能なグラフデータベースに変換し、コンテキストと意味を定義する関係を持つ関係を作成することで、LLMエンジンが学習しやすくし、対話型およびリアルタイムクエリの組み合わせを通じて最終顧客からのプロンプトに応答することを容易にすることです。エンタープライズデータをLLMに対応できるようにするこのタスクが、エンドツーエンドのエンゲージメントシステムからレコードシステムまでの体験を提供し、ユーザーエクスペリエンスを完全に実現するための鍵です。

次に何が起こるか

このようなデータとAIの進歩により、最も即座の影響が及ぶのはソフトウェアコードの生成の分野です。Microsoft CopilotやAmazon CodeWhispererなどのツールの台頭に証明されています。これらのツールは、時間とコストの懸念により頻繁に停滞している多くの既存の近代化プログラムを活性化させています。GenAIによってパワードされたコード生成ツールにより、近代化プロジェクトのスケジュールを20〜40％加速させることができます。グリーンフィールドのコード開発プロジェクトでは、これらのツールを使用して、開発者は時間と生産性の節約をデザイン思考やより革新的なプロジェクトに向けることができます。

ソフトウェアコード開発の先に、GenAIツールは、企業の最も重要な課題を解決するために目指される新たな垂直ユースケースやシナリオの創造につながっています。私たちはこれからも、小売業や物流業界でGenAIを活用していくことで、いくつかの問題や質問に取り組んでいます：

倉庫にはどれだけの在庫があり、いつ補充すべきですか？ 事前に在庫を持つことは利益になりますか？ 着地価格は適切ですか、それとも上昇する可能性がありますか？ どの商品をバンドルできますか、またはどのような個別化を提供して利益を高めることができますか？

このような質問には、対話型のフロントエンド、バックエンドの高精度なデータ駆動型クエリ、およびドメイン重視の機械学習モデルによる予測と将来のガイダンスの組み合わせが必要です。したがって、企業に対して私のアドバイスは、AIの探求者であろうとジェネレーティブAIの破壊者であろうと、ビジネスニーズに適したGenAIモデルを駆使し、確固たるAIの専門知識と堅牢なデータおよび分析能力を持つサービスプロバイダと提携することです。これにより、ビジネスのニーズに適したGenAIモデルを利用して、時代の最先端に立ち続けることができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!