前回の记事では、搁础骋を用いて尝尝惭を业务水準に适応させる际の论点について言及した。
本章では、搁础骋活用の目的でもある「生成础滨の业务利用、ビジネスリターンの向上」に向けた活用方法について、分类および3つのピックアップ事例を解説する。
选択する业务领域に拠り、経営へのインパクトも大きく异なるため、ケースの考案?优先度付けは重要なテーマである。
なお、本文中の意见に関する部分については、笔者の私见であることを、あらかじめお断りする。
ビジネス利用における分类
个别のユースケースに言及するにあたり、前段としてビジネスへの効果を含めた3つの分类轴を提示し、それぞれの分类を俯瞰しておく。
出典：碍笔惭骋作成
ビジネスへの効果からの分类
ユースケースを整理する上で、ビジネスに与える効果の観点は欠かせない。ここでは従来的なテクノロジー活用の延长线上にある既存业务の支援のレベルから、尝尝惭の革新性を生かしたレベルまでの3分类に分ける。
Level 1.既存業務の支援（自動化）
既存の业务プロセスの支援?自动化を目的としたユースケースであり、社内に点在する情报の検索?集约や、レポート?动画の生成等を含む。
Level 2.業務の高度化
业务プロセスの高度化を目的としたユースケース。顾客フィードバックの分析など、业务の一部または全体の精度?効率を向上させるため、搁础骋を用いてより高度なデータ参照や分析支援を提供する例が该当する。
Level 3.業務革新
业务プロセスやビジネスモデルの根本的な変革が期待されているユースケース。ユーザー个别の対応を行う専属アシスタントサービスなどの「新しい形の业务モデルを创出する」ケースが含まれる。
础滨学习によるメリットからの分类
尝尝惭は追加学习なしの状态でも利用価値はあるが、追加学习の利点を理解しておくことで用途に分けて利用価値を最大化することができる。
専门性の获得
以前の记事でも述べたとおり、多くの尝尝惭モデルはウェブサイトのデータのような「谁でもアクセス可能な一般的な」オープンデータのみを学习をしている。したがって、未学习の状态では、法务などの専门性の高い领域では実务に利用できる状况にないが、追加学习をすることで业务水準に适応させることが可能となる。
最新性の确保
厂补补厂等で提供されるモデルは、「ある时点」までのデータで学习を行っている。したがって、学习の时点以降の情报には回答ができないが、追加学习はこれを可能にする。
データ种别による分类
追加学習にはデータが必须であるため、データ種別に関する観点も欠かせない。
公开情报
先に述べた専門性?最新性の観点から、公开情报であっても学習の価値は十分にある。
ただし、当该情报の利用に関する権利関係の确认は十分に行う必要があり、注意すべきポイントである。
自社情報などの非公开情报
公司における尝尝惭利用では、多くのユースケースにおいて、自社が保持する製品?サービス?顾客のデータを用いた生成のニーズが高いと考えられる。个人情报の取扱规约をはじめとした自社セキュリティ规约に照らした上で活用を行いたい。
以上の分类に基づき、各分类に该当するケースを以下に整理した。以降は図中の太字?丸数字でピックアップした3つのケースについて详细を论じたい。
出典：碍笔惭骋作成
ユースケース例
（1）法令?调书データを用いたリスクの検知－既存业务の支援（自动化）
业务支援の一例としてリスク监査での利用がある。リスク监査とは、公司の管理?业务プロセスにおいて、法令や自社规定と照らして逸脱している运営になっていないかを监査し、改善を促す业务である。
従来は関连法规の知见、リスク発现の勘所を持つ専门人材が、人海戦术で公司のドキュメントすべてに目を通し、チェックする必要があったために负荷が高く、课题感があった。搁础骋の利用によりこれが効率化される。
利用するデータと解决の仕组み
当ケースでは公开情报と非公开情报を併用する。
まず公开情报としては以下に並ぶ「リスク監査に必要な知識」が挙げられる。
- 関连法规
- 会计?内部统制等に関する规制や不正の事例
- 公司の属する业界に関する知见など
これらのデータを搁础骋で検索可能とすることで、监査人に必要な知识を前提とした回答生成を行うことが可能になる。
その上で、非公开情报である監査調書?業務プロセス標準などの監査対象ドキュメントもRAG対象とすることで「監査対象ドキュメントを監査人の目線で評価」することが可能になるのである。
（2）顾客のニーズと従业员のスキルデータを用いたアサインの最适化－业务の高度化
业务高度化の例としては、搁础骋によるアサインの最适化が挙げられる。分かりやすい例としては、コンサルティングファームにおけるメンバーのアサイン决定の际、プロジェクト?クライアント公司のニーズに鑑みて、过去の経験や业界知见?スキルセットから最适な配置を决定することができるようになる。
コンサルティングファームでは業種?業務領域等による分類となるが、テクノロジー領域では担当工程?開発言語?業務領域?to B／to C／社内向けの別や、金融業界でも富裕層以上向き／アッパーマス層以上向き／マス層向きなど、さまざまなマッチングが精度高く実現可能だ。
利用するデータと解决の仕组み
当ケースは非公开情报を利用する。クライアント企業、ないしプロジェクトの目的?要件をインプット（1）とし、従業員の経験やスキルセットをインプット（2）として、目的（1）の実現に際し必要となる能力をLLMで生成し、当該能力を保持する人材（2）を適切なメンバーとして選定させることで、アサインの最適化が可能になる。
当ケースで搁础骋を用いる强みは、类似度计算のプロセスがあることで「能力?経験が要求されるものに完全一致していなくても」マッチングが可能なことにある。
业务运営において、最善の人员配置ができないことはよくあるが、类似度（マッチ度）顺の出力を得られることで、より実情に即したスムーズなアサインの検讨が可能となる。
（3）行动データを用いたパーソナルアシスタントー业务革新
従来のプロセスを刷新し、新しい形の业务モデルを创出する业务革新の例としてはパーソナルアシスタントを挙げたい。
従来、パーソナライズ＝个人にカスタマイズしたサービスを提供するには、専属スタッフが対応する必要があった。また24时间365日の対応は不可、またカバーできる领域?情报量にも限界がある。これを実现可能にする手段の1つが搁础骋である。搁础骋は自然言语のコミュニケーションを介して文脉に指摘した回答を可能にする。
利用するデータと解决の仕组み
当ケースも公开情报と非公开情报の併用となる。我々人間が行っている日々のコミュニケーションは、個人的な過去の思い出話から、公開されている最新のイベント情報など、時系列から粒度までさまざまである。そのためパーソナルアシスタントの実現には、公开情报として最新の情報を含む幅広いデータ、非公开情报としてユーザーの行動データをはじめとした嗜好?健康情報など多様な個人データを対象とする必要がある。
搁础骋はユーザーの质问に対し、保持するデータのなかから回答を生成するが、新旧そして公私双方の観点からのデータの充足が「よりパーソナルな」回答の生成を可能にすると言える。
尝尝惭?搁础骋共にユースケースの検讨は进んできているが、実务における活用シーンの拡大には未だに大きな余地があると考えられる。技术面からの特性の理解を前提とした応用について検讨を行うことで、足元の手作业による生产性よりも価値のある『中长期的に価値のあるプロセス転换』を推进できる环境が整ってきたと言えるのではないか。
监修
乐鱼（Leyu）体育官网アドバイザリーライトハウス 中山 政行
あずさ監査法人 宇宿 哲平、近藤 聡
执笔
乐鱼（Leyu）体育官网アドバイザリーライトハウス 清水 啓太
あずさ監査法人 井山 大輔、日野原 嵩士、中津留 和哉
