“Fine-tune” という動詞は日本語で “微調整する” と訳されている。しかし「精度を挙げる」や「仕上げる」といった訳の方が適切だと思う。いずれにせよ、AIを自分用に tuning できる時代が来た。Questetra社としても、トレーニング用データの整備を頑張ろうと考えている。

1. “Fine-Tune” という動詞

例文を作ってもらって（by GPT-4）、『Google翻訳』と『DeepL』に翻訳してもらった。

• The band spent the entire afternoon trying to fine-tune their sound before the evening performance.
  • バンドは午後中ずっと、夜の演奏の前にサウンドの 微調整 に費やした。
  • バンドは午後中、夜の公演を前にサウンドの 微調整 に努めた。
• As a photographer, he spent hours trying to fine-tune the lighting for his latest portrait session.
  • 写真家として彼は最新のポートレートセッションのために照明を微調整するのに何時間も費やした。
  • 写真家として、彼は最新のポートレート・セッションの照明を微調整するのに何時間も費やした。
• The chef continued to fine-tune the recipe, adjusting the spices until he was completely satisfied with the taste.
  • シェフは味に完全に満足するまでスパイスを調整しながらレシピを 微調整 し続けた。
  • シェフはレシピの 微調整 を続け、味に完全に満足するまでスパイスを調整した。
• The team of engineers worked diligently to fine-tune the robot’s movements, ensuring precision and efficiency.
  • エンジニアのチームはロボットの動きを 微調整 するために熱心に働き、精度と効率を確保した。
  • エンジニアのチームは、ロボットの動きを 微調整 し精度と効率を確保するために熱心に取り組んだ。

どうやら “微調整” と訳すヨウダ。

たしかに、”sound” や “lighting” や “recipe” や “robot’s movements” であれば 微調整 して頂いてもイッコーに構わない。「イイ感じ（fine）に、調整（tune）する」 という複合語としてのニュアンスにも近い。

2. AI の “微調整” ？

しかし「AIを微調整する」という表現は、日本語としては理解しづらい。（と思う）

というか「現場の誤解」を招きそうな気がする！　延いては「日本のDX」のアシカセになるやも知れない！！　（←などと書きつつも、すでに何度も読み聞きして慣れてしまいつつある…）

つまるところ、（かなりの主観なのだが）、 “微調整” などという甘っちょろい言葉（？）では “変化した感” がしない のだ。もっともっと “変化させたぜ感” を表現してほしい のだ。（過去に縛られてはイケナイ！）

＃「微調整された人間」ではない。それ即ち「強化人間」なのだ。的な。。。　実際、（その動機は様々だろうが）、「精密調整する」と訳されたり、カタカナで「ファインチューニングする」と書かれたりする例もある。

3. ファインチューニングとは？

ちなみにAI分野における専門用語 “Fine-Tune” は「再トレーニングの行為」を表現している。

具体的に言えば「Pre-training 済みモデル」（Pre-trained Model）に対して、更に Training を施すのだ。そうすると、Fine-Tuned MODEL が出来上がる！

＃ウチのCTO曰く、「新卒社会人」（GPT-4）に「業務知識をに教え込むこと」。　（「ベテラン社員」が出来上がる？）

…でアレバ！…だ。「精度を挙げる」とか、「（バキバキに）仕上げる」といった “変化した感” のある訳し方をして欲しいのだ。　（わー、やっぱり、ただの主観だなぁ）

⇒ 強化モデル、特化モデル、精緻モデル、細密モデル、博識モデル、精進モデル、修練モデル、鍛錬モデル！

4. ちなみに “微調整” のコストは？

「お金」の面ではケッコー軽微だが、「時間」の面ではメンドウになるかもしれない。現時点（202307）においても、”Pending ステータス” はソコソコ長い。（それだけに “微” だと思えない）（「イイ感ジニ調整シテイル」のなら待てる！？！）

▼4行JSONLの場合

2023-07-26T08:00:26.000Z	info	Created fine-tune: ft-pYZvA9NP5ddBbe6ud6Mexjne
2023-07-26T11:48:44.000Z	info	Fine-tune costs $0.01
2023-07-26T11:48:44.000Z	info	Fine-tune enqueued. Queue number: 0
2023-07-26T12:00:40.000Z	info	Fine-tune is in the queue. Queue number: 3
2023-07-26T12:12:46.000Z	info	Fine-tune is in the queue. Queue number: 2
2023-07-26T12:13:18.000Z	info	Fine-tune is in the queue. Queue number: 1
2023-07-26T12:13:31.000Z	info	Fine-tune is in the queue. Queue number: 0
2023-07-26T12:14:44.000Z	info	Fine-tune started
2023-07-26T12:15:43.000Z	info	Completed epoch 1/4
2023-07-26T12:15:44.000Z	info	Completed epoch 2/4
2023-07-26T12:15:45.000Z	info	Completed epoch 3/4
2023-07-26T12:15:46.000Z	info	Completed epoch 4/4
2023-07-26T12:16:05.000Z	info	Uploaded model: curie:ft-questetra-2023-07-26-12-16-05
2023-07-26T12:16:06.000Z	info	Uploaded result file: file-526WjgJtypVc9A2gcR1BWh9m
2023-07-26T12:16:06.000Z	info	Fine-tune succeeded

▼16行JSONLの場合

2023-07-26T06:57:15.000Z	info	Created fine-tune: ft-lN1WPLOp8rtoalbMG5Nctc0T
2023-07-26T10:19:09.000Z	info	Fine-tune costs $0.04
2023-07-26T10:19:09.000Z	info	Fine-tune enqueued. Queue number: 1
2023-07-26T10:21:50.000Z	info	Fine-tune is in the queue. Queue number: 0
2023-07-26T10:22:11.000Z	info	Fine-tune started
2023-07-26T10:23:16.000Z	info	Completed epoch 1/4
2023-07-26T10:23:19.000Z	info	Completed epoch 2/4
2023-07-26T10:23:23.000Z	info	Completed epoch 3/4
2023-07-26T10:23:26.000Z	info	Completed epoch 4/4
2023-07-26T10:23:43.000Z	info	Uploaded model: curie:ft-questetra-2023-07-26-10-23-43
2023-07-26T10:23:44.000Z	info	Uploaded result file: file-tOsEJP0WH3BTcLxyBMz1aLX2
2023-07-26T10:23:44.000Z	info	Fine-tune succeeded

※ 実業務で使えそうな JSONL ファイル〔1000行以上〕は、まだ試していない。 （←ていうかナイ）

5. 各社がファインチューニングする時代

OpenAI 社のアナウンスを素直に読めば、2023年中に、各社それぞれが “GPT-4” をチューニングできるようになる。（バキバキに！？！）

つまるところ、もはや「再トレーニング用のデータを整備し続ける」は多くの会社にとって必要不可欠な作業なのだ。

では、トレーニング用のデータをどう整備すべきか？

う～む。それは各社それぞれで工夫するしかない。業種業態によっても大きく異なる。ただ、一つ言えることは「その整備作業自体もAIに手伝ってもらうべき」だ。Questetra社もゼッサン模索中である。（がんばるぞー）

• On July 6, 2023, we announced the deprecation of ada, babbage, curie and davinci models. These models, including fine-tuned versions, will be turned off on January 4, 2024. We are actively working on enabling fine-tuning for upgraded base GPT-3 models as well as GPT-3.5 Turbo and GPT-4, we recommend waiting for those new options to be available rather than fine-tuning based off of the soon to be deprecated models.
  • 2023 年 7 月 6 日に、ada、babbage、curie、davinci モデルの廃止を発表しました。 微調整バージョンを含むこれらのモデルは、2024 年 1 月 4 日にオフになります。私たちは、アップグレードされたベース GPT-3 モデル、GPT-3.5 Turbo および GPT-4 の微調整を可能にすることに積極的に取り組んでいます。間もなく非推奨になるモデルに基づいて微調整するのではなく、これらの新しいオプションが利用可能になるまで待つことをお勧めします。
  • 2023年7月6日、アダ、バベッジ、キュリー、ダヴィンチの各モデルの非推奨化を発表しました。これらのモデルは、ファインチューニング・バージョンを含め、2024年1月4日に廃止されます。GPT-3、GPT-3.5ターボ、GPT-4のアップグレードモデルのファインチューニングを可能にするために積極的に取り組んでいます。

https://platform.openai.com/docs/guides/fine-tuning

• GPT-4 is our most capable model. Millions of developers have requested access to the GPT-4 API since March, and the range of innovative products leveraging GPT-4 is growing every day. Today all existing API developers with a history of successful payments can access the GPT-4 API with 8K context. We plan to open up access to new developers by the end of this month, and then start raising rate-limits after that depending on compute availability. Based on the stability and readiness of these models for production-scale use, we are also making the GPT-3.5 Turbo, DALL・E and Whisper APIs generally available. We are working on safely enabling fine-tuning for GPT-4 and GPT-3.5 Turbo and expect this feature to be available later this year.
  • GPT-4 は当社の最も高性能なモデルです。 3 月以来、何百万もの開発者が GPT-4 API へのアクセスをリクエストしており、GPT-4 を活用した革新的な製品の範囲は日々増加しています。 現在、成功した支払い履歴を持つすべての既存の API 開発者は、8K コンテキストを備えた GPT-4 API にアクセスできます。 今月末までに新しい開発者にアクセスを開放し、その後はコンピューティングの可用性に応じてレート制限の引き上げを開始する予定です。これらのモデルの安定性と実稼働規模での使用の準備に基づいて、GPT-3.5 Turbo、DALL・E、および Whisper API も一般公開しています。 私たちは GPT-4 および GPT-3.5 Turbo の微調整を安全に有効にすることに取り組んでおり、この機能は今年後半に利用可能になる予定です。
  • GPT-4は当社の最も高性能なモデルです。3月以来、何百万人もの開発者がGPT-4 APIへのアクセスを要求しており、GPT-4を活用した革新的な製品の範囲は日々拡大しています。GPT-4を活用した革新的な製品の種類は日々増えています。現在、支払い実績のあるすべての既存API開発者は、8KコンテキストでGPT-4 APIにアクセスできます。今月末までには新しい開発者にもアクセスを開放し、その後はコンピュート利用可能性に応じてレートリミットの引き上げを開始する予定です。これらのモデルの安定性とプロダクション・スケールの使用への準備に基づき、GPT-3.5 Turbo、DALL・E、Whisper APIも一般的に利用できるようにしています。我々は、GPT-4とGPT-3.5 Turboの微調整を安全に行えるように取り組んでおり、この機能は今年後半に利用可能になる予定です。

https://openai.com/blog/gpt-4-api-general-availability

PS

付随して “モデル” の適訳はナニ？　という議論もある。

典型的には “模型” なんだろう。。。　が、もはや訳さない方がイイ。

そもそも、“モデル” は概念的に「簡単化した図式数式」であり「理想的なスタイル」だ。（対象を “簡略化” し、”本質” を表している）

• ワークフロー定義（業務プロセス定義）のコト: “プロセスモデル”
• データ格納方法を定めたソフトウェア開発文書: “データモデル”
• 企業が利潤を得る構造（誰が何に対し支払う）: “ビジネスモデル”
• 彫刻や写真の題材提供のためにポーズをとる人: “モデル”

したがって “大規模言語モデル” （LLM / Large Language Model）も「言語模型」でしかない。しかしながら他方、（その中身が “模型” であるかどうかはサテオキ）、多くの人は彼らの出力に「知性らしきもの」を感じている。

つまるところ “モデル” は文脈によって「人工知能」（Artificial Intelligence）と訳してしまえば良い。（と思う）（暴）〔鍛錬済み人工知能〕

と言いつつも、（ウシロメタサがあるので／ハバカラレルので）、日頃は “MODEL” と表記するようにしている。（←小市民）〔鍛錬済みMODEL〕

システム連携ネタでよくブログを書いている日下です。

最近は生成 AI に関するニュースを聞かない日はありませんね。テキスト系では Google Vertex AI PaLM API 等も気になりますが、まだまだ ChatGPT の話題が一番多いでしょうか。

弊社サービス Questetra BPM Suite のお客様からも生成 AI の話題をよく聞きます。その中で Azure OpenAI Service の ChatGPT と Questetra BPM Suite との API 連携についての相談があります。

本記事では、本家 OpenAI 社が提供する ChatGPT と Microsoft 社が提供する Azure OpenAI Service の ChatGPT との違いに触れつつ、Azure OpenAI Service の ChatGPT と Questetra BPM Suite との API 連携方法について説明します。
（Azure OpenAI Service の ChatGPT はモデルデプロイまでできているものとし、Azure OpenAI Service の操作方法等については触れません。ご了承ください）

1: Azure OpenAI Service（AOAI）とは

「AOAI」は、ChatGPT をはじめとする OpenAI 社の多様な生成 AI モデルを、Microsoft 社の Azure のクラウドプラットフォーム上で利用できるサービスです。Azure Cognitive Services のラインナップの1つでもあります。OpenAI 社が提供するサービスを利用するよりも、セキュリティが高く、データ保護の観点で優れています。

※Azure OpenAI Service（Microsoft社サイト）

2: 「本家ChatGPT」と「AOAI ChatGPT」の違い

「AOAI ChatGPT」は、認証方式・接続方式を選択でき、セキュアに利用したいというニーズに対応できる点で、「本家ChatGPT」より企業向けに適していると考えられます。

また、「本家ChatGPT」では入力データを学習に利用する可能性がある、と謳われています。API を介した入力データは学習に使わない、ということですが、一般利用者が適切に区別できるかどうか、システム管理者としては不安を感じるものと想定されます。そのため、データ保護・漏洩防止の面からも「本家ChatGPT」より「AOAI ChatGPT」の方が安心感があると考えられます。

3: 「AOAI」の API リファレンス

「AOAI」に限らず、Microsoft 社のドキュメントは量が多く、新旧の情報が混在していて、探しにくい・どれが正しいかわかりづらいと感じることが多いです。「AOAI」についても同様です。
以下 API リファレンスには最新情報が記載されていないようでした・・・

Azure OpenAI Service の REST API リファレンス

例えば

https://YOUR_RESOURCE_NAME.openai.azure.com/openai/deployments/YOUR_DEPLOYMENT_NAME/completions

ではなく

https://YOUR_RESOURCE_NAME.openai.azure.com/openai/deployments/YOUR_DEPLOYMENT_NAME/chat/completions

について記載が見当りませんでした・・・

以下の Swagger 向け JSON ファイルをよく見てみると、/completions だけでなく /chat/completions についての記載も見つけることができました。（2023/8時点の話で、2023/9/8現在ではリファレンスに /chat/completions の記載があることを確認）

Swagger 向け JSON ファイル2023-06-01版

ということで、これらのドキュメントを参考にしながら、「AOAI ChatGPT」と「Questetra」との API 連携の動きを確認することとしました。

4: 「AOAI」の API 利用時の認証

前述の「AOAI」の API リファレンスの冒頭に記載の通り、以下の2通りの認証方法があります。

• APIキー認証
• Azure Active Directory認証

試行錯誤するも Azure Active Directory 認証がうまくいかず・・・（2023/9/6時点）

ということで、「Questetra」の Ver.15.1 で対応された HTTP カスタムヘッダ（api-key が指定可能に！）を使って、APIキー認証を利用することとしました。

5: 「AOAI ChatGPT」と「Questetra」との API 連携を容易に実現するには

ここまでの内容を踏まえ、悪戦苦闘の末、「AOAI ChatGPT」と「Questetra」との API 連携が実現できました。そして、「Questetra」の「アドオンXML」（フロー設計で利用できる追加部品）を準備しました！

以下の「本家ChatGPT」向け「アドオンXML」をベースに作成しました。「AOAI ChatGPT」特有の設定項目があること、「アドオンXML」の設定項目に上限数の制限があることを考慮して、一部機能を削った形で準備しました。

上記の「AOAI ChatGPT」向け「アドオンXML」を使うことで、手強い Microsoft 社の API リファレンスと格闘しなくても「AOAI ChatGPT」との連携が実現できます！（「AOAI ChatGPT」向け「アドオンXML」の設定については、上記リンク先の Notes をご確認ください）

6: まとめ

「Questetra」は以下フォームからのお申込で、すぐに無料トライアルが可能です！日頃の業務に生成 AI との連携を取り入れたい、という方は、ぜひお試しください。

また「本家ChatGPT」「AOAI ChatGPT」ほか、生成 AI との連携を含む業務フローサンプルを以下の一覧ページでいろいろ準備しております。ぜひ参考にしてください！

OpenAI 関連のサンプルフローや「アドオンXML」一覧

チームリーダには戦略立案が求められる。その戦略は、チームメンバの統率のとれた行動を導き、延いてはチーム目標を実現する。とは言うものの、戦略立案にはどんな準備が必要で、どんな考察が必要で、どんなアウトプットが必要なのだろうか？ “業務プロセス定義” （ビジネスプロセス）として具現化するまでの手順について考える。

1. 組織目標と戦略

組織が ≪高い目標≫ を達成するためには【戦略】が不可欠だ。

理想としては、、、その【戦略】（戦略文書）には、≪目標≫ に到達するための「方向性」が記されている。くわえて「活動計画」（アクションプラン）や「進捗計測方法」（KPI）まで書かれている場合もある。その結果、、、

　資金や労働力（リソース）が、集中的に投下されるようになる。
　組織メンバは全員、無駄のない調和のとれた行動が取れるようになる。

“2人以上の集団” であるなら（組織であるなら）、どんな ≪目標≫ に対しても【戦略】を決めるべきだと言える。

• ≪目標≫ 資料請求件数: 1000件/月 以上
  • ▽目標到達のための広告戦略候補▽
  • “SEO戦略”： 検索上位に表示されるようWebコンテンツを最適化する。
  • “認知向上戦略”: テレビ・ラジオ・オンラインなど組み合わせてブランド広告。
  • “SNS広告戦略”： Facebook／Instagram／Twitter等でターゲットに絞って広告。
  • “メールマーケティング戦略”： 新着情報や特別プロモーションをOpt-inメール。
• ≪目標≫ 顧客推奨度: NPS 0% 以上
  • ▽目標到達のための顧客サポート戦略候補▽
  • “カスタマーサクセス戦略”： 成功指標を顧客と共に定め積極助言
  • “迅速対応戦略”： 目標時間（eg:2h）以内に一次回答
  • “オムニチャネル戦略”： メール・チャット・電話・対面など境目なく支援
  • “Personalizedオンボーディング戦略”： 属性や目標に合わせたトレーニング内容に

ちなみに、1人ボッチでも、≪目標≫ の達成には【戦略】があったほうがイイ。『京都大学に合格する』、『花子さんへのプロポーズを成功させる』、『100kgになってしまった体重を70kgにまで落とす』など。　マッタクの「無戦略」（無策）では、”体重” は、きっと、減らない。。。Orz

2. 戦略の階層構造

【部署レベルの戦略】（自部署の戦略）を考える際、最初に押さえておくべきことは、「【戦略】には階層がある」ということだ。

つまり【会社レベルの戦略】は ≪会社レベルの目標≫ が議論された結果なのだ。きっと、ライバル他社の動向などから “売上高:100億円” といった ≪会社レベルの目標≫ を立てられ、そのうえで「コスト戦略」「差別化戦略」「ニッチ市場戦略」（ポーターの基本戦略）あたりが議論されたのだ。もちろん、彼ら（重役たち）は、社員一人ひとりの「活動計画」（アクションプラン）までは考えていない。

• ≪目標≫ 売上高: 100億円
  • ▽全社レベル戦略の例▽
  • “無料トライアル戦略”: サービスを一定期間無料提供、品質を実体験してもらう戦略
  • “エコシステム戦略”: 他社サービスと連携可能とする戦略（API公開戦略）
  • “ブルーオーシャン戦略”: 新市場を創出し、他社との競争を回避する戦略

そして ≪部署レベルの目標≫ として “資料請求件数: 1000件/月” といった数字が通達される。【部署レベルの戦略】は ≪部署レベルの目標≫ の実現方法を議論すれば良い。

≪部署レベルの目標≫ が達成されたのに、≪会社レベルの目標≫ が達成されなかったとしたら？　それは、1.他部署がサボった　2.重役たちがバカだった　のどちらかダ（アナタに責任は無い）。　ちなみに、【戦略】の名称はナンだって良いが、組織メンバの記憶に残る名前でなければならない。（一般論として、短い方がイイ）（←長いと覚えられナイ）　eg. “2％戦略”、”ピザ2枚戦略”、”ギフトカード戦略”、”チャット戦略”、”量産戦略”、”自動化戦略”・・・。

3. 戦略の鉄則

いわゆる “SWOT 分析” は、いつでも、誰でも、低コストで実施できる。【部署レベルの戦略】（自部署の戦略）の考察立案においても、とても大きなヒントになる。

たいがいの【戦略】は、”SWOT 分析の結果” のいずれかに合致する。

• Strength: 自社の強みを伸ばす方向性
• Weakness: 自社の弱みを克服する方向性
• Opportunity: 外部環境の機会に対応する方向性
• Threat: 外部環境の脅威に対応する方向性

イケテル【戦略】は、 “SWOT クロス分析の結果” のいずれかにも合致する。

• SO戦略: 強みを活かし、機会をとらえる戦略
• WO戦略: 弱みを改善し、機会に挑戦する戦略
• ST戦略: 強みを活かし、脅威を避ける戦略
• WT戦略: 弱みを理解し、脅威の影響を最小化する戦略

なお「機会」と「強み」が混同されるケースは少なくない。「機会」は社会変化や競合会社変化に起因するチャンスだ。政治の動向、法律や規制の動向、経済や景気状況、海外や国内の社会的動向、技術革新動向、などが該当する。（つまり社内発生イベントは「強み」だ）。ちなみに、機会と脅威の両面を持つ外部環境変化も少なくない。 eg: New Normal After the COVID-19 Pandemic (コロナ後のNewノーマル), Enhancing Economic Security (経済安全保障の強化), Automation with AI Technology (人工知能技術による自動化)

4. 戦略の中身

【戦略】の議論において “誰が何をするのか？” は、「アクションプラン」と呼ばれる。（業務プロセス管理活動における “業務プロセス定義” と同義）

つまり、メンバが【戦略】を理解するうえで最も効率が良い方法は、「アクションプラン」を読むことである。逆に言えば、リーダは【戦略】を理解させるために「アクションプラン」を書かなければならない。

• ≪目標≫ 花子さんへのプロポーズを成功させる
  • 【戦略】 “ラブレター量産戦略”
    • アクション1: ラブレターの下書きを毎日量産する
    • アクション2: それぞれの下書きにつき評価を受ける！
    • アクション3: 評価8点以上(10点満点)のみを清書する！！

最も大切なことは、リーダは “メンバのスキル” にあわせて「アクションプラン」を設計することだ。次に、「日常的な繰り返し作業」に落とし込むこと（日常化/Routinize）が推奨される。それはシンプルであればあるほど良い。そして、最後に望むべきは、何回繰り返せば ≪目標≫ に到達するか？を（予想して）明記しておくべきだ。

たしかに　命題「組織は戦略に従う」（チャンドラー）　⇔　命題「戦略は組織に従う」（アンゾフ）　の悩みは尽きない。だが、【小さな組織の戦略】ほど組織に従うべきだと思う。そしてその場合、「組織の能力以上の戦略など実現できない」という考えで留まらず、「組織の能力を上げていくことこそが戦略そのものの質を上げていく」と考えるようにしたいものだ。

5. 戦略の選択

【戦略】の多くは、やってみなければ分からない。アレもコレも試したくなる。しかし乱立させてはイケナイ。

多数の【戦略】が同時並行的に存在すると、メンバが混乱する。くわえてリソースが分散されてしまう。結果、「選択と集中」を実現できなくなる。つまるところ【戦略】の決定（≒【リソースの重点投入】）には “大きな決断” が必要となるのだ。

リーダは、勇気をもって、そして機動力をもって、決定と廃止を繰り返すしかないと言える。（【戦略】サイクル）

ちなみに「戦略／作戦／戦術」（Strategy, Operation, Tactics）のチガイを気にする人はケッコウ多い。が、それらを区分することにあまり意味はナイ（と思っている）。たとえば「戦略核兵器」と「戦術核兵器」（Strategic Nuclear Weapon vs Tactical Nuclear Weapon）は “射距離 500km” で区分される。が、しかし、「501 km のミサイル」と「499 km のミサイル」は同じようなものだ。（まぁ「お風呂の水」と「お風呂のお湯」を区別したがる気持ちも分かるがドッチも水…）

こんにちは、マーケティング部の林です。

本ブログの前編では、

AI によってライターの仕事は代替可能か？

ということを、私のライター経験に照らし合わせて検証しました。

この後編では、人間が AI と共存しつつ仕事を進めていく方法について、ワークフローの実例とともに解説していきます。

いまのところ、AI には人間が必要？

さて、前編では ChatGPT をはじめとする AI の台頭により、「ライターの仕事が奪われる」可能性について検証しました。

たとえばライターの仕事のうち、

与えられたテーマやキーワードを元に文章を作成する

という作業は AI の得意とするところであり、その精度も向上してきています。

一方、AI には意思や共感力といったものは無いため、記事のテーマや方向性を決めたり、取材対象に寄り添って話を深めたり、といったことは困難です。また AI が作成した記事を最終的にチェックする作業も、いまのところは人間の仕事といえます。

「アイデアの提案」や「草稿作成」を AI が肩代わりしたとしても、それは業務における部分的な工程（タスク）であり、ライターの仕事自体が無くなるわけではない、というのが前編で紹介した「タスクベース」の考え方です。

では、AI とどのように共存すればいいのか？

それでは上述した「タスクベース」の考え方に沿って、AI を

業務プロセス内で特定のタスクを処理する存在

と定義してみましょう。

そうすると、AI を効果的に活用するためには、

• 業務のどの部分を AI に担当させるのか？
• ヒトと AI の間での仕事の受け渡しをどうするのか？

といったことを明確にする必要性が理解できると思います。これは RPA ツールを導入する際と同じですね。

ちなみに「業務のどの部分を AI に担当させるのか？」を検討する際には、BPM （Business Process Management）の手法が大いに役立ちます。BPM は業務のモデリング（可視化・見える化）を重視する業務管理の手法ですが、この BPM の実践をサポートするのが BPM ツールと呼ばれるソフトウェアです。

BPM ツールを利用するとパソコン上でワークフロー図を簡単に作成でき、ヒトと AI の間での仕事の受け渡しをスムーズにすることも可能です。

Questetra BPM Suite はクラウド型のBPM ツールです。

Questetra BPM Suite では無料でご利用いただけるワークフローテンプレートを多数公開していますが、次の項ではその中の『回答作成プロセス』というテンプレートを例に取り、「ヒトと AI の連携」をスムーズにする方法について具体的に解説します。

AI が下書きする『 回答作成プロセス』

さて、ここでご紹介する『回答作成プロセス』は、国会での内閣答弁をモチーフにしたワークフローテンプレートです。

＜『回答作成プロセス』のワークフロー図＞

上図は複雑そうに見えるかもしれませんが、基本は

質疑質問を受けつけ、指名された担当者が回答文を作成する

というシンプルなフローです。

このワークフローテンプレートの最大のポイントは、「回答文の下書き」という工程を AI（ChatGPT）がおこなうこと。回答文の作成者が入力画面で[x1.AI 下書き]をクリックすると、作業は AI に受け渡されます。すると、AI（ChatGPT）はピンポイントで「下書き」という作業をおこない、それを元に人間が答弁書を仕上げます。

＜『回答作成プロセス』の入力画面サンプル＞

『回答作成プロセス』のダウンロードはこちら

実際のところ現在では、日本経済新聞の『決算サマリー』のように、AI が作成した原稿を「ヒトがチェック・修正しない」という試みもおこなわれています。しかし、こうした特殊な例を除くと、AI が作成した原稿はまだまだ校閲や修正が必要なケースも多いため、このワークフローアプリのように「ヒトと AI」が連携する形のプロセスのほうが汎用性が高く、実用的といえるでしょう。

参考資料

完全自動決算サマリー／日本経済新聞

Open AI API と連携できるアドオン

さらに弊社では、「Chat GPT」や「Whisper-1」といった Open AI API とQuestetra BPM Suite をスムーズに連携させるためのアドオンを複数ご用意しています（2023年4月現在）。これらを活用することで、「AI との対話」や「音声データの文字起こし」「音声データを英文テキストに翻訳」といった工程を自動でおこなうことが可能となります。

以下は、Open AI API と連携できるアドオンの一覧です。

Addon: OpenAI: Chat, 開始

OpenAI API (ChatGPT) との会話を開始します。使用される MODEL はデフォルトで “gpt-4” です（変更可能）。指示文（PROMPT）に対する応答文（COMPLETION）を自動的に取得します。

Addon: OpenAI: Chat, パラメータ付き対話

OpenAI API (ChatGPT) と通信します。デフォルト MODEL は “gpt-4” （変更可能）です。会話履歴をふまえた再質問や高度なパラメータの付与など、ほぼ全ての Chat 機能をサポートします。具体的には、サンプリング温度、上位％サンプリング、再出現禁止度、頻出禁止度、Logitバイアスなどが設定可能です。

Addon: OpenAI: Audio, 文字起こし

音声ファイルから文字を起こします。OpenAI API の “whisper-1” モデルによって、音声データがテキストデータに変換されます。略称や専門用語を概要文（PRMOPT）としてセットすれば、より高精度な文字起こしが実現できます。

Addon: OpenAI: Audio, WebVTT形式で文字起こし

音源ファイルから字幕ファイル WebVTT を自動生成します。OpenAI API の “whisper-1” エンジン等によって、オーディオファイルや動画ファイルに収録されている音声がテキストデータに変換されます。AIエンジンModelの変更も可能です。略語や専門用語を概要文（PROMPT）としてセットしておけば、より高精度な文字起こしが実現されます。

Addon: OpenAI: Audio, 英文へ翻訳

音声データから英文テキストに翻訳します。日本語等の音声が収録されている音源ファイルや動画ファイルから英文テキストデータが生成されます。OpenAI API の “whisper-1” モデルにより生成されます。概要文（PRMOPT）として、あらかじめ略称や専門用語をセットしておけば、より高精度な変換が実現できます。

最後に

最近では ChatGPTの盛り上がりの影響もあり、AI の進歩や台頭を懸念する声も多く聞かれるようになりました。こうした意見のなかには、「AI に頼ることで人間の能力が低下する」という危惧を訴えているものもあります。

たとえば、車ばかりに頼って歩かずにいると、当然ながら足の筋力は衰え、人間の「歩く能力」は低下します。AI は便利ですが、そこに頼りすぎてしまうと、人間の「自分で考え、選択し、決断するといった能力を衰えさせてしまうかもしれません。

そう考えると、人間が「自分で考える」ことを意識的に維持しつつ、AI と共存していくことは思いのほか重要なことなのかもしれませんね。

ちなみに Questetra BPM Suite は、パソコン上で業務の流れ（プロセス）を簡単に可視化でき、作成したワークフロー図に沿って業務を自動で進行するソフトウェアです。しかし、業務プロセスを考えるのはあくまで人間の仕事。それだけに、プロセスの中にどう AI を配置するかを「考える」のも、有意義でやりがいのある作業になり得ます。

前編はこちら ≫

AI の進歩でライターの仕事はなくなるのか？ （前編）

ChatGPT が引き続き話題となっていますが（2023年4月現在）、こうした AI ツール…

続きを読む

2023-04-042025-05-12