特に生成 AI の時代では、企業がビジネスを改善できるユースケースのアイデアに迷うことは少なくなってきています。しかし、これらの問題に対処するための技術的リソースやノウハウがあるかどうかは別の話です。
Everyday AI New Yorkのセッションの要約では、Dataiku ソリューション (一般的なユースケース向けの既製のスタータープロジェクトとアセット) がどのように役立つかについて、Antoine Villedieu de Torcy (Dataiku のシニア ソリューション データ サイエンティスト) から主要な点をハイライトにて確認いただけます。チームの価値創出のスピードを加速し、ほんのわずかな時間で業界の課題を解決します。
→ セッション全体を視聴する: Dataiku ソリューションを使用した生成 AI の実世界への応用
生成AIの3つの明確なパターン
この 1 年、私たちは新しいテクノロジー (ChatGPT) への簡単なアクセスから、「生成AI は私のビジネスをどのように変革するのか?」「優先順位を変更する必要があるのか?」「コスト削減はできるのか？」などの無数の新しい質問に移ってきました。生成AIを機能させる(そしてこれらの重要な質問に答える)事を考えると、構造化、生成、回答という 3 つの明確なユースケースパターンが現れます。以下でそれぞれについてもう少し詳しく見ていきます。
構造化
「構造化」カテゴリのユースケースには、生の非構造化データから構造化データへの変換を加速することが含まれます。例としては、分類の高速化、センチメント分析の簡素化、エンティティ抽出の簡素化などが挙げられます (これらのトピックは、標準的なNLP技術とLLM の導入により、生成AIを用いて実行でき、価値実現までの時間が大幅に短縮されます)。では、LLMは私たちが以前に行っていたことを置き換えるのでしょうか? 答えは、単なる純粋な置き換えよりも少し複雑です。
→動画：Generative AI Usecase: Customer Review Analyzer
LLM が登場する前は、これらのタスクには、アプリケーションの種類、使用される言語等ごとに専用のモデルが必要でした。したがって、多くのNLPの専門知識と多くの時間が必要でした。LLMはさまざまなユースケースと言語で事前トレーニングされているため、モデルをNLPのとして直接使用できます。ただし、トレードオフもあります。LLMの規模ははるかに大きいため、以前のオプションよりも本質的にコストが高くなります。
Dataiku の生成 AI を利用した顧客満足度レビューのユースケースにより、チームは生のテキストからエンティティを構造化できます。チームはLLMを使用してレビューから要素を抽出し、サイズ、フィット感、品質、生地、色、その他の製品固有の値などの特定の製品の寸法に関するセンチメント分析に至るまで、エンティティ認識メタデータを含めることができます。入力が検証され、構造化データセットに追加されると、セルフサービス分析アプリケーションを通じて簡単に洞察を得ることができるようになります。
→動画：LLM-Enhanced Next Best Offer use case
生成
「生成」ユースケースは、（予測）分析をカスタマイズされたコンテンツ（つまり、ダッシュボード、画像、ストーリー）に変換します。例えば、カスタマイズされたメッセージングの作成、分析ベースのレポートの作成、予測分析からの簡単なセルフサービスの洞察などが含まれます。従来の機械学習 (ML) モデルは構造化された予測を行うようにトレーニングされるのに対し、LLM はコンテンツを生成するようにトレーニングされます。これは、LLM がこれらのモデルに置き換わるのではなく、むしろ MLの効果を最大限に引き出すために使用されることをさらに強化するものです。従来のMLモデルを使用してLLMに情報を提供できるため、LLMはコンテキスト内で学習して強力なコンテンツを生成できます。
DataikuのLLMを利用したNext Best Offerの使用例は、最適な推奨システムを予測して、顧客ごとに専用のマーケティング キャンペーンを作成することを目的としています。このユースケースは銀行専門家向けに設計されており、 従業員は影響力の高い電子メールを迅速に作成し、顧客エンゲージメント戦略に組み込むことができます。このユースケースはコンポーネント化可能です。つまり、顧客データ、Dataiku及び生成AI 内で構築および実行されている既存の予測モデルを利用します。
→動画：https://videos.dataiku.com/watch/BH1tjdRtsBAejYhYgVR98t?
回答
「回答」カテゴリのユースケースでは、クエリが大幅に簡素化され、ドキュメントやその他の非構造化データが活用されます。例としては、文書を参照して会話し、複数の情報源から回答を得て、棚に眠っている社内の知識を活用することが挙げられます。DataikuのLLM拡張 ESG ドキュメント インテリジェンスの使用例は、組織が大規模で複雑なドキュメント からESGに関する洞察を数秒で収集および生成できるように設計されています。このユースケースでは、文書からの質問に答えるために、 検索拡張生成として知られるアプローチを採用しています。
→動画：https://videos.dataiku.com/watch/9PvmKeaeJYJ33zZ7pqnQbd?
LLMはAIビジネスへの影響を加速できるので、是非活用してください!
LLMは実際に多くのデータタスクにおいて従来のMLを置き換え、NLP 領域でのユースケースの提供を加速します。他の分野では、MLのビジネス価値を高め、MLの影響をラストワンマイルまで取り込み、生データとしての予測を利用可能な洞察に変え、煩雑なコンテンツ制作タスクを大幅に削減します。簡素化されたQ&Aを通じてドキュメントの可能性を解き放ち、多くのビジネス プロセスに利益をもたらします。全体として、LLM は、機能や業界全体での AI の完全な民主化と AI の影響の加速における重要な一歩です。
Everyday AI New York のセッション全体を見る
ここで説明したセッションを好きな時間に視聴してみませんか? または、Everyday AI の他のセッションもチェックしてみてください。イベントのすべてのセッションについては、こちらからご覧ください。
原文：Real-World Applications of Generative AI With Dataiku Solutions