By ダン・クレーマー

2023 年が生成 AI の実験の年なら、2024 年は実装の年になります。

あらゆる分野の企業は、今年自社の技術スタックに生成 AI アプリケーションとフレームワークを追加する必要があること、さもなければ取り残されることを認識しています。 AI ファーストの企業になるという考えに気が遠くなるような気がするのは、あなただけではありません。

最大手の企業でさえ、生成 AI を日常のビジネスに組み込む方法をまだ模索中です。

選択肢が多すぎるとどこから始めればよいでしょうか?

最良の方法の 1 つは、技術スタックに「GenAI イノベーション レイヤー」を構築することです。これを行うには、データ サイエンティストやエンジニアの大規模なチームは必要ありません。小規模な技術チームを持つ企業でも今すぐに実行できる手順があります。

まず、GenAI イノベーション レイヤーとは何ですか?非常に簡単に言うと、これは生成 AI を日常のビジネス活動に組み込んで、新しい創造的なワークフローを解き放ち、イノベーション プロジェクトを促進し、仕事をより迅速かつスマートに遂行する方法です。

以下では、ビジネス チームとクリエイティブ チームが新しいイノベーション製品を設計し、クリエイティブな成果を高めるのに役立つ GenAI イノベーション レイヤーを構築するための 5 つのステップのプロセスを説明します。

ステップ 1: 適切なチームを構築する

AI イノベーション層を作成するには、適切なチームが必要です。これは必ずしもデータ サイエンティストやソフトウェア エンジニアからなる大規模なチームが必要であることを意味するわけではありませんが、プロジェクトを主導する主要な人材は数名必要です。

最初に定義する最も重要なことは、プロジェクトをどのように構成するか、誰が重要なデータにアクセスできるか、そしてそのデータをどのように保護するかということです。そして、言うまでもなく、組織全体の全員が AI イノベーション層を構築することの重要性を「自分の隅に」置く必要があります。

AI イノベーション レイヤーの構築はサイド プロジェクトではなく、2024 年に向けた統合的なビジネス プロセスである必要があります。

ステップ 2: データを整理する

技術スタック全体に AI を組み込むには、まずデータが最高の順序で配置されていることを確認する必要があります。 AI レイヤーからアクセスできるように構造化データを整理する最も簡単な方法は、次のようなインデックス作成ツールをデプロイすることです。 クロマDB, 松毬 or ラマインデックス コンテンツのベクトル データベースを作成します。

構造化データには、顧客データ、ビデオトランスクリプト、ドキュメント、PDF、プレゼンテーション、スプレッドシートなどが含まれます。これらのシステムの利点は、ユーザーがインタビューの記録、顧客のフィードバックなどの非構造化データを処理し、文書を非常にうまく処理できることです。

これらのシステムで機密情報を収集、処理し、確実に編集または安全にするには、ある程度の技術が必要です。 LlamaIndex などの一部のツールは、この面倒な作業の一部を自動的に実行しますが、次のような他のデータベース ツールは、 エラスティック また、データベースがどのように使用されているかについてのセキュリティに関する洞察も得られます。

開発者には多くのオプションがあり、チームはプロジェクトの規模、セキュリティ、アーキテクチャの要件に最も適したものを選択する必要があります。すべてのデータをベクトル データベースに整理すると、すべてのデータの完全なミラーである「デジタル ツイン」が完成し、どの AI システムからもアクセスできるようになります。

ステップ 3: AI がデータをクエリできる構造を構築する

データが整ったので、次はそのデータ内でパターンを見つける必要があります。これを行うには、クエリを実行するカスタム AI エージェントを構築します。これらのエージェントには、人々の日常のワークフローに直接統合された、チャット バーなどの使いやすいインターフェイスを通じてアクセスできる必要があります。

これらのプロンプトの作成は 2 つの部分に分けて行う必要があります。まず、エージェントにどのペルソナを引き受けてもらいたいかを決めます。たとえば、消費者主導のデザインの専門家である経営コンサルタントのようにエージェントに話してもらうことができます。その後、エージェントに何をしてもらいたいのか、および応答する形式を指定する必要があります。ここで重要なのは、組織内で調査を行って、どの形式がチームのニーズに最も適しているかを理解することです。ターゲット ユーザーに対して、これらの内部エージェント プロンプトをテストして反復することをお勧めします。これらの内部エージェント プロンプトを作成する完璧な方法はありませんが、誰でも使用できる一般的なプロンプト方法はあります。 「あなたの考え方を説明し、それぞれの X と Y の測定可能な指標を表に示した 3 つの例を挙げてください。」などです。

ステップ 4: マルチエージェント プロンプトを試してみる

最後に、AI エージェントに質問する準備が整いました。質問で提供できるコンテキストが多ければ多いほど良いです。

日常のワークフローに統合される複数のプロンプトを構築したら、マルチエージェント システムと連携して動作するようにプロンプ​​トをトレーニングし始めることができます。ここでは、異なるが交差する役割を持つ複数の AI エージェントをつなぎます。

彼らは協力すると、1 人のエージェントよりも効率よくタスクを完了できます。このアプリケーションには、マルチエージェント仮想ソフトウェア会社である ChatDev などの例がいくつかあります。

マルチエージェントを構築する場合、人間中心の設計アプローチを採用することで最大の成功を収めています。プロンプトが単独で動作する場合も、複数のエージェントとして連携する場合も、共感的な考え方とユーザーの多様性に対する認識を持って動作するようにする必要があります。 「ユーザーのさまざまなエクスペリエンスに合わせて、共感、寛容、明確さを備えた回答を設計する」などのパラメーターを使用してプロンプトを作成できます。

この段階では、ある種のモデル監視を組み込むことができます。のようなツールを追加すると、 オープンレイヤー スタックにアクセスすると、システムがユーザーに対して長期的にどの程度パフォーマンスを発揮しているかを知ることができます。

ステップ 5: AI イノベーション層を測定する

AI をあらゆる活動に組み込むことは、企業がビジネス目標を達成し、新たな収益を生み出し、顧客により良いサービスを提供できる場合にのみ役立ちます。そのためには、AI イノベーション層が真の価値を提供していることを確認するための測定フレームワークを導入する必要があります。

新規顧客のサインアップ、製品のダウンロード、従業員の時間の節約など、測定する KPI を決定します。また、マルチエージェント プロンプトを使用して、製品、ビジネス成果、その他の測定可能なビジネス目標についての将来の潜在的なシナリオを生成することもできます。次に、マルチエージェント プロンプトを再度使用して視覚化を作成することで、これらのシナリオに対する実際の結果を測定できます。

生成 AI はすでに人々の働き方、考え方、創造の仕方を一変させていますが、主に個人が使用する実験的なツールでした。生成型 AI を技術スタックに組み込むことで、日常のクリエイティブおよびビジネス ワークフローに不可欠な部分となり、企業のデータ、プロセス、将来の戦略に対する新たな洞察を提供します。

ダン・クレーマー は、デザインとビジネス戦略の融合に関する創設者、思想的リーダー、教育者、そして国際的な講演者です。 の共同CEO兼共同創設者として IAコラボ、ジェネレーティブ デザインのレンズと分析的なビジネス戦略を組み合わせて、次のような企業を支援しています。 のAirbnb, オールステート, アウディ, フェデックス, ジョンソン＆ジョンソン, ナイキ, フィリップス, サムスン & SONOS 成長戦略を策定し、イノベーションを開発し、新しいビジネスを構築します。

関連する読書：

図： ドム・グスマン