エピソード14 - 企業のトップ3 AI活用事例
目次
- AI自己生成技術 (Generative AI) と大規模言語モデルプロジェクトの選択について
- 最も人気のあるプロジェクトから選ぶ
- 2.1 自動文書処理 (Automated Document Processing)
- 2.2 検索に対する補完や生成技術 (Retrieval Augmented Generation)
- 2.3 大規模言語モデルを使用した自然言語検索 (Unified Natural Language Query)
- 基本的なデモを見てみよう
- 3.1 自動文書処理のデモ
- 3.2 検索に対する補完や生成技術のデモ
- 3.3 大規模言語モデルを使用した自然言語検索のデモ
- 各プロジェクトの詳細を紹介していきます
- 4.1 自動文書処理の詳細
- 4.2 検索に対する補完や生成技術の詳細
- 4.3 大規模言語モデルを使用した自然言語検索の詳細
- 最適なプロジェクトの選択方法
- 5.1 プロジェクトごとの影響と工数のトレードオフ
- 5.2 プロジェクトを選ぶ際のガイドライン
- AI戦略の立て方
- 6.1 初めのAIプロジェクトの提案方法
- 6.2 プロジェクトの資金調達方法
- まとめ
- よくある質問と回答
👉 AI自己生成技術と大規模言語モデルプロジェクトの選択について
AI自己生成技術 (Generative AI) と大規模言語モデルプロジェクトは非常に素晴らしい技術ですが、選択肢がありすぎてどれを選ぶべきか迷ってしまうこともあるかもしれません。大丈夫です、私がお手伝いします。
最初に、最も人気のあるプロジェクトから選ぶことで選択肢を絞り込むことができます。以下でそれぞれのプロジェクトについて詳しく見ていきましょう。
👉 2. 最も人気のあるプロジェクトから選ぶ
2.1 自動文書処理 (Automated Document Processing)
- コントラクトやメールなどのテキストを、要約や分類、エンティティ抽出などの自然言語処理技術(NLP)を使って変換する能力。
- 自然言語処理のタスクを一つの大規模言語モデルに指示することで、これらの一連の処理を簡単に行うことができます。
2.2 検索に対する補完や生成技術 (Retrieval Augmented Generation)
- パワフルなテキスト検索やQ&Aの機能を持つために、文章の埋め込みを作成します。
- 例えば、銀行のコンプライアンスオフィサーが内部のポリシーを数千件一貫性を持たせる必要がある場合、400ページのMSRBルールブックなどの規制と銀行のポリシーの埋め込みを作成することで、意味の近い部分を検索できます。
- さらに、埋め込みはドキュメントのQ&Aにも使用できます。従業員が「教会で行っているボランティア活動を開示しなければならないか」と尋ねた場合、埋め込みを使用して関連するセクションを検索し、llmに回答生成させることができます。
2.3 大規模言語モデルを使用した自然言語検索 (Unified Natural Language Query)
- 顧客の行動に関する質問をする銀行マネージャーを想像してみましょう。llmは顧客や製品、アカウントに関する情報を持ったテーブルにアクセスできます。
- 例えば、「最近誰が普通預金口座を開設したか」という質問に対して、llmエージェントがSQLを生成し、顧客の名前がJohn Thompsonであることを特定します。
- このように、大規模言語モデルを使用した自然言語検索は、企業全体のデータを解放し、SQLを学ぶことなく回答を得るためのシンプルなインターフェースを提供します。
以上が最も一般的な初期のAIプロジェクトです。次のエピソードではそれぞれをより詳しく取り上げます。それでは、あなたに最適なプロジェクトを選んでいきましょう。
## 💡 ハイライト
- AI自己生成技術 (Generative AI) と大規模言語モデルプロジェクトの選択について
- 最も人気のあるプロジェクトから選ぶ
- 基本的なデモの紹介
- 各プロジェクトの詳細
- 最適なプロジェクトの選択方法
- AI戦略の立て方
この中から自分に最適なプロジェクトを選んで、AIプロジェクトを始めましょう!
👉 3. 基本的なデモを見てみよう
AIプロジェクトのデモを通じて、具体的な例を見てみましょう。
3.1 自動文書処理のデモ
- 公開されている企業のSEC報告書からプレゼンテーションセクションの基本を抽出し、要約や重要な要素の抽出、透明性スコアの付与などの自動文書処理を行いました。
- これらの一連のNLPタスクは、llmへのシングルメッセージで簡単に行うことができます。
- また、ワークフローには人物を含めて、レビューや編集を行うこともできます。
3.2 検索に対する補完や生成技術のデモ
- 銀行のコンプライアンスオフィサーが400ページのMSRBルールブックなどの規制と内部のポリシーの埋め込みを作成し、意味の近い部分を検索する例を見てみましょう。
- また、埋め込みはドキュメントのQ&Aにも使用することができます。
3.3 大規模言語モデルを使用した自然言語検索のデモ
- 銀行マネージャーが顧客の行動に関する質問をする例を見てみましょう。llmは顧客や製品、アカウントに関する情報を持ったテーブルにアクセスできます。
- 大規模言語モデルを使用した自然言語検索は、SQLを学ぶことなく回答を得るためのシンプルなインターフェースを提供します。
以上が基本的なデモの紹介です。次は各プロジェクトの詳細を見ていきましょう。
Table of Contents:
1. AI自己生成技術 (Generative AI) と大規模言語モデルプロジェクトの選択について
2. 最も人気のあるプロジェクトから選ぶ
- 2.1 自動文書処理 (Automated Document Processing)
- 2.2 検索に対する補完や生成技術 (Retrieval Augmented Generation)
- 2.3 大規模言語モデルを使用した自然言語検索 (Unified Natural Language Query)
3. 基本的なデモを見てみよう
- 3.1 自動文書処理のデモ
- 3.2 検索に対する補完や生成技術のデモ
- 3.3 大規模言語モデルを使用した自然言語検索のデモ
4. 各プロジェクトの詳細を紹介していきます
- 4.1 自動文書処理の詳細
- 4.2 検索に対する補完や生成技術の詳細
- 4.3 大規模言語モデルを使用した自然言語検索の詳細
5. 最適なプロジェクトの選択方法
- 5.1 プロジェクトごとの影響と工数のトレードオフ
- 5.2 プロジェクトを選ぶ際のガイドライン
6. AI戦略の立て方
- 6.1 初めのAIプロジェクトの提案方法
- 6.2 プロジェクトの資金調達方法
7. まとめ
8. よくある質問と回答