山田

お客さまへの提案機会が多いプロモーションメディア事業部とセキュアサービス事業部の営業担当者に、協力してもらいました。

鹿角

過去の提案書をデータベースに登録し、実際にシステムを活用してもらいました。

山田

想定したメインユーザーは「若手の営業担当」です。経験が少ない若手が、過去に先輩たちが作成した提案書を探す際に、より短い時間で発見できることをイメージしました。

鹿角

そうですね。現場ならではの視点からフィードバックを受け、さらに改良させることができました。かなり視野が広がった実証実験になったと思います。

山田

実際に精度の高い検索結果が得られたときは、確かな手応えを感じました。

鹿角

いままではフォルダ内のキーワード検索で過去の提案書を探していたそうですが、ファイルがなかなか見つからなかったり、一回ごとにファイルを開いて中身を確認する必要があったりと、かなり非効率だったそうです。

山田

このシステムを使って検索を行うと、検索結果一覧に提案内容の「要約」が出てくるので、手間を省くことができます。

鹿角

そうですね。しかし、狙い通りの検索結果を得られるようにするまでが大変でした。生成AIを使った検索では、キーワードでの検索に加えてそのキーワードと意味の近い言葉の検索も行います。例えば、「食品メーカー向けの店頭プロモーションの提案書」と検索すると、「小売向け販促キャンペーン」「スーパー店頭イベント」のような、意味の近いものも見つけてくれます。しかしうまく設定しないと、狙いと違った検索結果になってしまいます。ベストなバランスを探るのが大変でした。

鹿角

生成AIは完全ではないということを前提にすべきだと思っています。生成AIが事実と異なる情報や存在しない情報をもっともらしく生成してしまう「ハルシネーション」という問題があります。現在の技術ではこれを防ぐことは難しく、最終的には「人の判断」が重要になります。ハルシネーションを最小限にできるシステムを実現しつつ、人が確実に、しかし少ない労力で確認できる。そんな使い方を実現したいですね。

山田

ローカルLLMを実務で活用しようと取り組んでいる企業は少なくありませんが、なかなかうまくいっていないようです。ローカルLLMは機密情報も扱えるという大きなメリットがありますが、先ほど説明した「構造化」、つまり生成AIが扱いやすいデータに加工・編集する作業が、ハードルになっているようです。

鹿角

その通りです。当社には、実証実験で得たノウハウに加えて、データベースの取り扱いや分析サービスで培った「データを扱いやすい形に加工・編集し、管理する力」があります。これをうまく活用して、お客さまのローカルLLM導入をしっかり支えたいと思っています。

山田

さらにもう一つ、「ノウハウの属人化」という問題の解決にも、ローカルLLMをうまく活用していきたいですね。

山田

提案書の作成や、過去の提案内容の把握・管理は、属人的な部分が大きいと感じています。

鹿角

そうですね。これらは個人的な経験を重ねないと得るのが難しい「暗黙知^※2」で、若手社員が得るには時間がかかります。

山田

提案書の構造化データのなかに暗黙知も加えることで、「今回の提案内容に近い過去の提案書はどれか」だけでなく、「どうすればもっといい資料をつくれるか」なども知ることができると考えています。

鹿角

社員の頭のなかを言語化し、構造化して、価値の高いデータとしてほかの社員や未来の社員にも引き継げるようにする、といったことができればいいと思っています。

山田

当社の暗黙知を利用できる「チャットボット」みたいなサービスがあると、便利かもしれません。

鹿角

そうですね。今後も「支える」ための道具として、ローカルLLMをはじめとした生成AIをうまく活用していきたいと思います。