大型モデルの時代では、ほぼすべてのアプリケーション ソフトウェアは作り直す価値があります。

中関村科技金融は最近、中国初の企業知識ビッグモデル、AgentGraphアプリケーション開発プラットフォーム、そしてAIGCアプリケーション「Super Employee」シリーズを正式にリリースし、企業にすぐに利用でき、費用対効果の高いドメイン特化型ビッグモデルサービスを提供しています。これは、対話型AI技術ソリューションプロバイダーとして、中関村科技金融がビッグモデルに基づく再構築と変革を完了したことを意味します。

大規模モデルの実践パス

AI分野における最も重要なブレークスルーの一つである大規模モデルは、様々な業界に変革をもたらしてきました。数週間前、ガートナーは企業が2024年に検討すべき戦略的テクノロジートレンドのトップ10を発表しました。これらの半分以上がAI関連です。ガートナーは、2023年初頭には5%未満であったのに対し、2026年までに企業の80%以上が生成AI APIまたはモデルを使用するか、本番環境に生成AIをサポートするアプリケーションを導入すると予測しています。

生成AI（AIGC）とは、大規模モデルの能力です。汎用的な大規模モデルは、現状では汎用的な能力を備えているものの、専門分野への対応が難しく、錯覚問題に陥りやすいという問題があります。そのため、大規模モデルの実用化には、様々な産業への参入を可能にする、分野特化型の大規模モデルの開発が不可欠です。

中関村科技金融の張傑副社長は、大規模モデルは非構造化テキストを正確かつ低コストで理解できると指摘しました。しかし、基本的な大規模モデルは、汎用性を確保するための特化という点では比較的弱いです。これは、企業がドメイン特化型の大規模モデルを導入する機会となります。中関村科技金融は、大規模モデルを用いて知識プラットフォームを構築することが、現段階の企業にとって最適な参入ポイントであると考えています。

大規模モデルは現実世界のシナリオに実装する必要があることを理解しています。張傑博士は、エンタープライズナレッジプラットフォームは孤立したシナリオではなく、ドメイン特化とシナリオ許容度の2つの次元に基づいて分類でき、より多くの適用シナリオに拡張できると指摘しました。例えば、ChatGPTは専門性が比較的低く、日常​​的な会話に使用され、エラーに対する許容度が高いです。社内従業員向けのナレッジQ&Aや検索シナリオ、マーケティングコピーライティングシナリオは、高度に専門化されており、エラーに対する許容度が高いです。将来的には、大規模モデルの出力のセキュリティとコンプライアンスがある程度保証されれば、エンタープライズナレッジプラットフォームを基盤として、マーケティング、サービス、運用、生産、研究開発などのシステムと統合することができます。

もちろん、企業が大規模モデルの適用を導入するのは一朝一夕でできるものではありません。張傑博士は、企業が大規模モデルを導入し、実装する際には、ドメイン固有の大規模モデルとドメイン固有の知識ベースを組み合わせることを提案しています。これには、大規模モデルの微調整やトレーニングといった一連の技術的アクションが含まれており、業界のノウハウを大規模モデルに取り込むことで、業界特有の専門的能力を身につけることができます。

2023年大規模モデルフロンティアフォーラムで、張潔博士は、中関村科技金融が、さまざまな企業の規模と需要に基づいて、汎用大規模モデル+ヒントエンジニアリング、汎用大規模モデル+ドメイン知識ベース+ヒントエンジニアリング、ドメイン大規模モデル+ドメイン知識ベース+ヒントエンジニアリングの3つの異なるパスを設計し、企業の大規模モデルアプリケーションのニーズに徐々に応えていると紹介しました。

中関村科技金融は、統合型（企業知識ビッグモデル）と二つの翼（ドメインビッグモデルファクトリーとドメイン知識ベースファクトリー）からなる技術基盤を開発しました。この技術基盤に基づき、インテリジェントマーケティング、インテリジェントサービス、インテリジェントオペレーション、スーパー従業員という4種類の製品を開発し、企業のライフサイクル全体にわたるヒューマンマシンコラボレーションプラットフォームを構築しています。

ドメイン固有の大規模モデル ファクトリーは、ドメイン ナレッジを注入し、オープンソースの基本的な大規模モデルをエンタープライズ固有のドメイン固有の大規模モデルに変換するために使用されます。これにより、基本的な大規模モデルの錯覚問題が大幅に軽減され、専門性とコンプライアンスが向上します。大規模モデルとナレッジ グラフ上に構築されたドメイン ナレッジ ベース ファクトリーは、従来の AI 機能とマルチモーダル機能を活用して、大規模モデルの前後で広範な前処理と後処理を実行し、大規模モデルから簡単にアクセスできるようにします。メモを取るのと同じように、一般的な大規模モデルはドメイン知識を学習して、ドメイン固有の大規模モデルになります。ただし、すべてのデータを大規模モデルに格納する必要はありません。ロングテール、低頻度、またはエンタープライズ固有のデータは、ドメイン ナレッジ ベース ファクトリーに格納され、そこでセグメンテーション、変換、その他の処理を受けて、大規模モデルから簡単にアクセスできる知識コーパスになります。

さらに、今回リリースされたAgentGraphアプリケーション開発プラットフォームは、両翼と4種類の製品をつなぐ中間層として機能します。10種類以上のオープンソース基本モデルに柔軟に対応し、強力な互換性を備え、ワンクリック切り替えをサポートし、50種類以上のアプリケーションテンプレートを備え、200種類以上のAI機能をモジュール化しています。ゼロコードで数分で新しいアプリケーションの作成を実現し、顧客のイノベーションコストをさらに削減し、開発サイクルを短縮します。

中関村科学技術金融における変化と不変

張潔博士は、中関村科技金融（中関村科技金融）は対話型AI技術ソリューションの提供者としての地位を堅持し、対話型AI分野に深く根ざしていると説明した。今回の発表は、同社の既存製品と蓄積されたAI機能を大規模モデルに基づいて再構築し、集中的に紹介するものである。今年初めのIT168698とITPUBのインタビューで、張潔博士は、中関村科技金融は、AIによるマーケティングコピーの生成、24時間365日体制での顧客からの問い合わせへの対応、新入社員への実際のビジネスシナリオをシミュレートした没入型トレーニングの提供、デジタルヒューマンの形でのオンラインビジネス対応など、対話型AIをエンタープライズサービス分野にどのように実装するかに重点を置いていると述べていた。

企業クライアントの会話型 AI に対するニーズは、主に次のカテゴリに分類されます。

1. ビジネス成長のニーズ：多くのクライアントは、エンドユーザーの意図を正確に特定し、コンバージョン率を高めるシステムを重視しています。こうした製品は、アウトバウンドコールロボットや営業アシスタントといった形態をとる場合もあります。

2. コスト削減と効率性向上のニーズ: これらは主にカスタマー サービス センターのシナリオで発生し、エージェントの交代、苦情の削減、または二次マーケティングの機会の創出を目的としています。

3. 従業員研修のニーズ：一部のオフラインチェーン小売業者や労働集約型産業は、採用難や高い離職率といった課題に直面しています。新入社員が迅速にスキルを習得し、研修コストを削減する方法は、彼らにとって重要な課題です。低コストでナレッジベースを構築し、従業員向けにパーソナライズされたレビュー・分析レポートを作成できる製品が求められています。

4. プラットフォーム構築のニーズ: これらのクライアントは、多くの場合、すでに複数の AI プロジェクトを実装しており、「サイロの構築」や「車輪の再発明」を回避するためにプラットフォーム レベルで機能を統合する必要性を認識している金融機関や業界リーダーです。

現在、中関村科技金融は、大型モデルの再構築を基盤として、AIGC時代への変革を完了しました。対話型AIの本来の技術路線を一貫して堅持し、大型モデルの能力を最大限に活用して、従来の対話型AI製品群を全面的にアップグレードし、よりインテリジェントで、より効率的で、より正確な製品にしています。

例えば金融業界では、中関村科技金融科技有限公司が自社開発した企業知識ビッグデータモデルとインテリジェントカスタマーサービステクノロジーを活用し、ノアホールディングスのインテリジェントナレッジベースを構築しました。ノアホールディングスのWeChatと資産管理プラットフォームiNoah APPを連携させ、ナレッジアシスタントの形で企業知識文書に基づくインテリジェントQ&Aクエリ機能を従業員とユーザーに提供しています。これにより、カスタマーサービスシステムのQ&A意図認識と応答精度が大幅に向上し、テキストカスタマーサービスの運用負荷が70%以上削減され、回答効果が50%以上向上しました。マーケティング分野では、マーケティングコピーライティングアシスタントとして、ファイナンシャルアドバイザーがマーケティングコピーを作成する力を高めることができます。以前は10分かかっていたマーケティングコピーの作成が、今では10秒で完了します。

小売業界では、大手小売企業が新しいシナリオに対応するアウトバウンドコールロボットを構築するのに以前は約2～3週間かかり、高度なスキルを持つコール担当者が必要でした。しかし現在では、中関村科技金融が構築したドメイン特化型モデルの助けを借りて、わずか1～2日で納品できるようになり、納品コストを大幅に削減し、納品効率を向上しています。

張傑博士は、顧客はアプリケーションシナリオに対して支払うのであって、生産ツールに対して支払うのではないと説明しました。中関村科技金融は包括的なソリューションを提供しています。最終的に顧客が優先するのは、上記の例が示すように、精度とコスト削減／効率向上です。中関村科技金融の企業知識モデルは、10万カロリー日の計算能力を消費して、アトミックタスク間の協調ゲイン関係グラフを作成し、効率的な微調整、壊滅的な忘却の回避、そして精度向上を実現しています。このモデルは、10種類以上の基本的な大規模モデルに柔軟に適応し、指示データの継続的な蓄積、週次反復処理、シングルカード推論を実現します。企業にすぐに使えるインテリジェントツールを提供することで、ビジネスとテクノロジーの連携を深め、生産性を向上させ、コストを削減することで、手頃な価格を実現します。これは、今日のコスト削減と効率向上が求められる環境において特に重要であり、企業が単一の基本的な大規模モデルに縛られることを防ぎます。

中関村科技金融は近年、海外市場への進出を加速させ、海外事業部を設立し、シンガポールに支店を設立しました。現在、中関村科技金融は、ジャイアント、キーエンス（中国）、メアリーケイ、メイバンク、カシコン銀行、富邦銀行（中国）、南洋BNPパリバ・コンシューマーファイナンスといった有名企業にサービスを提供しています。

現在、AIGCの導入はまだ初期段階にあり、多くの企業が周辺事業でのパイロットプロジェクトから開始し、徐々にコア事業へと拡大しています。大規模モデルを効果的に適用するには、十分に健全で正確なコーパスと、データガバナンス能力が不可欠です。大規模モデルの時代が到来し、探求する価値のあるシナリオはまだまだ数多く存在します。