AIプロダクト
読み: AIプロダクト
AIプロダクトとは製品化の要点
AIプロダクトは人工知能技術を中核機能として組み込みユーザーの特定の目的達成を自律的に推進する製品やサービスである。単なる計算機ではなく文脈を理解し推論を行う点が特徴である。
かんたんに言うと
新入社員にマニュアルを渡して指示通りに動かすのが従来のシステムなら過去の膨大な議事録から文脈を読み取り勝手に要約を作り始めるのがAIプロダクトである。
ルールベースのソフトウェアとAIプロダクトの決定的な違い
従来のルールベースのシステムは条件分岐の塊である。Aという入力があればBを返す。それ以上でも以下でもない。例外処理はすべて人間が事前に定義しておく必要がある。
しかしAIプロダクトは違う。機械学習や自然言語処理を根底に持ち入力されたデータから確率的に妥当な解を導き出す。未知のデータに対しても過去のパターンから推論して答えをひねり出す。
例えば経理部門での経費精算を考えてみてほしい。従来のOCRは決められたフォーマットの領収書しか読めなかった。だがAIプロダクトは手書きのメモ書きが添えられたイレギュラーな領収書でも文脈から金額と日付を推論する。
ただこの確率的という性質が現場を混乱させる。
昨日正解を出したシステムが今日同じ入力で間違えることがあるのである。バージョンアップでモデルの挙動が変わることも日常茶飯事である。これを許容できる業務かどうか。判断が分かれるところである。
現場の泥臭い問題を解くAIプロダクト事例
営業部門ならSalesforce Einsteinが商談のネクストアクションを提案してくる。過去の失注データと現在の顧客の反応を照らし合わせて次に打つべき一手を提示する仕組み。法務部門ではAIによる文書分析ツールを使って過去の契約書から特定の条項を瞬時に引っ張り出しドラフト作成の時間を削る。
製造業の組み込みソフトウェア開発の現場でもGitHub Copilotがコードの続きを予測して提案してくる時代である。ChatGPTを社内向けにカスタマイズして人事部門が社員からの就業規則に関する問い合わせ対応に使うケースも増えた。
だがツールを入れただけで現場が回るほど甘くはない。
営業担当はEinsteinの提案を無視して自分の勘を信じるし法務担当者はNotion AIが出力した条項の法的根拠を疑って結局ゼロから調べ直す。現場のプライドとAIの出力のどちらを優先させるべきか。実に悩ましい。
導入の恩恵と制約そして評価基準
大規模言語モデルをAPI経由で叩くSaaS型のAIプロダクトは導入のハードルが低い。クレジットカード一枚で今日からでも使い始められる。だが機密情報を扱う法務や人事のデータを外部のクラウドコンピューティング環境に投げるリスクをどう評価するか。
情報漏洩を恐れてオンプレミス環境にこだわる企業もあるがインフラの調達からモデルの保守まで自前でやるとなれば運用コストは跳ね上がる。
さらに厄介なのがハルシネーションである。もっともらしい嘘を出力するAIをどうやって業務フローに組み込むのか。出力結果を人間がダブルチェックする体制を組むと結局工数が増えて本末転倒になる。
とりあえずPoCを回してROIを測ろうとする経営陣は多い。だがAIプロダクトの価値は短期的な数字だけでは測れない。現場の泥臭い運用テストを繰り返し使えない機能は切り捨てる。その泥沼のプロセスを許容できるかどうかが導入の成否を分ける。
当社の見解
AIプロダクトの導入で最も時間を食うのは技術の実装ではない。自社の業務プロセスを言語化する作業だ。ここを省略すると、どんなに優秀なツールを入れても使い物にならない。当社は企画から開発・運用まで全工程を自社で完結させることで、仕様伝達のロスをゼロにしている。理想は阿吽の呼吸で仕事ができるAIパートナーだ。間違った判断をしようとしたときは、忖度なく意見をくれる。それが信頼できる仕事の相棒だ。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。