検証できる作業から始める
有用な結果とは何かを明確にします。
社内文書の検索と業務結果の予測では、必要なデータや評価方法が異なります。入力、出力が支援する判断、誤った場合の影響を確認し、検討すべき手法、必要な根拠、利用前に人が結果を確認すべき箇所を明確にします。
対象を絞った実現可能性の検証により、大規模なアプリケーションの範囲を合意する前に、具体的な技術上の疑問を解消できます。
AIアプリケーション開発
文書処理、情報検索、コンテンツの下書き作成を支援するアプリケーションを構築します。関連する業務プロセスの中で、参照資料、必要な出力、確認手順を定義します。
- 文書処理
- 選定した知識情報の横断検索
- コンテンツ作成支援
チャットボット・アシスタント開発
承認済みの情報と連携サービスを使う対話型インターフェースを開発します。扱う話題の範囲とアクセスルールを定め、追加の説明を求めたり、人の担当者へ引き継いだりできるようにします。
- 対話型ユーザーインターフェース
- 知識情報源との連携
- 有人サポートへの引き継ぎ
機械学習開発
予測や分類のためのデータを準備し、候補モデルを開発して、適切なベースラインと結果を比較します。代表的な例と業務上の問いに適した指標を用いて評価します。
- データ準備
- 予測・分類モデル
- モデルの比較と評価
AIの組み込みと評価
選定したモデルをアプリケーションに接続し、業務フロー全体の動作を確認します。有用なフィードバックを記録し、未知の入力、情報源の欠落、注意を要する出力があるケースを検討します。
- アプリケーションとモデルの連携
- 評価用の例と基準
- モニタリングとユーザーの意見収集
コンピュータービジョンのイメージ例
物体を検出し、その根拠を確認します。
この建設現場の例は、画像処理フローにおける物体検出を示したものです。実際のプロジェクトでは、物体のカテゴリと代表的な例を定め、見逃しや誤検出を検証してから、出力の利用方法を判断します。
- 重要な物体と状況を定義します。
- 誤検出と見逃した物体を確認します。
- 合意した人による確認手順に、出力をつなげます。
AIアプリケーションの例
出典を確認できる社内文書検索。
社内アシスタントを使い、選定した社内文書の中から社員が回答を探せるようにする例です。アプリケーションは利用者に閲覧権限のある資料を検索し、出典付きの回答を作成します。評価では、出典が回答の根拠になっているか、文書が欠落、陳腐化、矛盾している場合にどう応答するかを確認します。
- 資料を取得する前に、文書のアクセスルールを適用します。
- 有用な回答だけでなく、回答できない質問もテストします。
- 情報源の確認や、人への問い合わせにつながる導線を用意します。
- 質問社員が業務に関する質問を入力します。
- 検索アプリケーションが利用を許可された文書情報源を検索します。
- 回答アシスタントが出典付きの回答を作成します。
- 確認利用者が出典を確認するか、追加の支援を求めます。
仮想的なアシスタントの利用例です。実現可能性と出力品質は、選定した情報源を使って評価する必要があります。
AIプロジェクトの進め方
評価結果を、次の判断につなげます。
プロトタイプは、作業、データ、提案した手法について合意した問いに答えるときに有用です。
ユースケースを評価する
入力サンプル、情報源へのアクセス、期待する出力をお客様のチームと確認します。評価例、成功基準、手法が不適切となる条件を定義します。
お渡しする成果物ユースケースの範囲と評価計画開発して比較する
対象を絞ったプロトタイプやモデルを構築し、結果を評価します。失敗例を調べ、候補となる手法を比較し、組み込み前に解消すべき制約を特定します。
お渡しする成果物プロトタイプと検証結果の文書組み込み、確認する
合意したアクセス制御と人による確認を備えて、選定した手法をアプリケーションに組み込みます。モニタリング、意見収集、将来のモデルや情報源の変更をどう確認するかを文書化します。
お渡しする成果物統合された業務フローと確認手順
独自の機械学習モデルは必要ですか？
作業の内容によります。既存モデル、検索を中心としたアプリケーション、従来型ソフトウェアで要件を満たせる場合もあります。独自モデルの開発を推奨する前に、データの入手可能性、評価結果、運用上の制約を検討します。
業務データが不完全でも始められますか？
代表的なサンプルの確認から始められます。その結果、データ準備、情報源の拡充、最初の作業範囲の絞り込みが必要だと分かることがあります。また、現時点で検証できる内容と、追加情報が必要な内容を区別する助けにもなります。
AIの不正確な回答にはどう対応しますか？
出典の提示、人による確認、代替動作、フィードバック収集を設計に組み込めます。これらは作業に応じて選択し、代表的な質問で検証します。誤りへの対応に役立ちますが、すべての出力が正しくなるわけではありません。
次のステップ
AIプロジェクトで、どの作業に取り組みますか？
入力例、必要な出力、それが支援する判断をお聞かせください。初期評価の範囲を定めます。