Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Product Utilization of Large Language Models St...

y_matsuwitter
October 04, 2024

Product Utilization of Large Language Models Starting Today

YAPC::Hakodate 2024にて

y_matsuwitter

October 04, 2024
Tweet

More Decks by y_matsuwitter

Other Decks in Technology

Transcript

  1. © LayerX Inc. 6 なぜやるのか LayerXについて ⼈⼝減少社会 ⼈の⽣産性 “すべての経済活動を、デジタル化す る”

    ⽇本社会の構造的課題 LayerXの課題認識 LayerXの事業/ミッションとのつながり ⼈⼝減社会で起こる課題の解決を、ソフトウェアでサポートする お⾦の⽣産性 データの⽣産性 バクラク事業 Fintech事業 AI‧LLM事業
  2. © LayerX Inc. 7 「すべての経済活動を、デジタル化する。」をミッションに掲げ、 法⼈⽀出管理サービス「バクラク」や企業内業務のデジタル化を⽀援するサービスを提供してい ます。 事業紹介 バクラク事業 企業活動のインフラとなる法人支出

    管理(BSM)SaaSを開発・提供 Fintech事業 ソフトウェアを駆使したアセットマネジメ ント・証券事業を合弁会社にて展開 AI・LLM事業 文書処理を中心とした、LLMの活用による プロセスのリデザイン
  3. Confidential © 2022 LayerX Inc. 13 ⾃⼰紹介 松本 勇気 (@y_matsuwitter)

    株式会社LayerX 代表取締役CTO 株式会社三井物産デジタル‧アセットマネジメント取締役 ⽇本CTO協会 理事 Fintech/AI‧LLM事業部を主に管掌 趣味は筋トレと料理
  4. © LayerX Inc. 16 機械学習(Machine Learning、AI) LLMという技術の波 ソフトウェアにとっての⽬、⼀定ルールを⾃動化。実世界の物事を機械が解釈可能な形式に変換するエン ジンと捉える。⼀⽅、その実現には⾼い専⾨性やコストが求められる。 デジタルデータ化

    既存のソフトウェア へ連携 専⽤の機械学習 アルゴリズム ⽂章 画像 動画 ⾳声 ...etc ⽤途に合わせて 学習させる必要 ⼗分な需要や効果がなければ 開発不可能 タグ付け 専⽤の機械学習 アルゴリズム フィルタ...etc 専⾨的スキルが必要 難易度⾼ 既存ソフトウェアで扱えない曖昧な領域 課題
  5. © LayerX Inc. 17 事前に様々な巨⼤データから学習。これまでのAIと違い、Prompt次第で多様なタスクに対応可能であ り、また⽂書等の処理能⼒はこれまでのAIよりも⾼い。インターネット‧スマートフォンの次の波。 ⽣成AI、特にLLM LLMという技術の波 巨⼤なデータを元に 事前学習

    様々なタスクに 対応可能 これまでコスト的にML対応出来 なかった領域へも対応可能に ⾮構造データのより ⾼度な取り扱い デジタルデータ化 構造データ化 既存のソフトウェア LLM ⽂章 画像 動画 ⾳声 ...etc タグ付け フィルタ...etc 既存ソフトウェアで扱えない曖昧な領域 Prompt Prompt
  6. © LayerX Inc. 23 LLMの活⽤の軸 LLM活⽤のパターン 私の場合、プロダクトで利⽤する場合、以下のような軸でタスクのあり⽅を判断している。 構造化出⼒ ⾮構造化出⼒ ⼈と対話する

    ソフトウェアと対話する 出⼒形式 出⼒先 JSONやCSV等の決まった形式を出⼒する。出⼒の評価 はしやすい。形式のミスが発⽣する。 ⽂章など形式が決まっていないものを出⼒させる。評 価がしにくいが、エラーが少ない。 ⼈間に対してアウトプットを提⽰する。⼈に評価され るため、⼈によるフィードバックが可能。 ソフトウェアに⽣成物を連携する。⾃動化などに利⽤ するが、ケースによっては型の厳密さ故にエラーに。
  7. © LayerX Inc. 24 LLMの利⽤の⼤まかなパターン LLM活⽤のパターン プロダクト活⽤のヒントとして、以下のようなパターンでの活⽤がプロダクトの中であり得る。 アドバイス‧判断の⽀援 ワークフローとプロセス⾃動化 知識の活⽤‧⽣成

    X as Codeとの組み合わせ ルールに沿って、⼈間に⼀定の⽰唆や判断を与える。 業務をLLMに置き換える。 社内などの知識を使って、コンテンツや質問への回答を⽣成する。 ソフトウェア等のConfigを⾃動化し、カスタマイズなどを⾏う。 ML的機能のプロトタイピング 機械学習機能をソフトウェアエンジニアが簡易に実現する。
  8. © LayerX Inc. 28 X as Codeとの組み合わせ LLM活⽤のパターン DSL等によってシステムの設定‧カスタマイズを可能にすることで、セットアップ等の重い1shotなタス クをLLMで⾃動⽣成するパターン。今後増えると思われる。

    システム設定⾔語 サービスの設定等を DSLや設定⾔語で記述 可能にしておく ユーザーの カスタマイズニーズ LLMでカスタマイズさ れた設定を⽣成 必要に応じて ユーザー等が レビュー LayerXでの⽤途例:(検証中だが)ワークフローエンジンの設定⾃ 動⽣成、お客様向けテナントのセットアップ⾃動化
  9. © LayerX Inc. 30 LLM活⽤のパターン 例:簡単に作るレコメンド 参考: 今⽇から始める ChatGPT+Zapierで雑パーソナライ ズ情報収集

    ⽂章が⾃分の好みにあうかLLMに条件 を渡しつつTrue/Falseを返させて判定 している。
  10. © LayerX Inc. 34 LLMはこれからのプロダクトの当たり前要素の⼀つ まとめ スマホの登場はUIやサービス設計に⼤きな影響を与えましたが、LLMもこれから、⾒たこと無いシステム 設計が次々⽣まれてくると思います。 LLMの衝撃 新たな使い⽅

    の模索 より柔軟に多様なタスクを実⾏可能なAIの登場。 また、コーディング能⼒等の論理タスクが進化する⼀⽅で、 年々安価になっている。 知識探索や判断、MLの代わりなど様々な⽤途がある。今後モデ ルの進化とともに更に実装パターンが⾒つかると思われる。 ⾃分のプロダクトにとっての新しい価値を考えて実装しよう!!