AIへの業務の代替が進む中、課題はAIの予測不可能性の制御
こうした生成AIのトレンドを総して、森重氏は「『テイクアクション』がキーワードになる」と語る。CopilotのようなAIが他のツールを使って処理できるようになることで、より広範囲で業務を自動化できれば、人はより生産性を高め、「人にしかできない部分」に注力できる。
森重氏は「ワクワクする一方で、結構ドキドキハラハラもする」と語り、「生成AIがオーケストレーションツールとなり、画像検出など他のAIと連携することで、人が今行ってる業務が代替できると証明されたに近い」とその理由を述べた。つまり、まだ仕事がわかっていない新社会人が、ほぼ生成AIで置き換えられると言っても過言ではない。
しかしながら、実際に案件に携わる中では、現状ではまだ限界がある。そこで、SLMの活用や、ルールベースのロジックをLMSのワークフローに組み込んでいくなどの対応が必要になる。生成AIは「何でもできる」とはいえ、処理できるタスクの難易度に限界があり、部分的に条件分岐や深層学習モデルなどを組み合わせて、精度改善をすることが望ましい。タスク分解をして、「部分的に得意なものは得意なところに依頼をする」という戦略だ。それは、専門分野について士業に業務依頼をすることと同じと言えるだろう。
新田氏も「ソフトウェアとAIの掛け合わせは重要になってくる」と話す。現時点でモデルを選んで実際に業務に必要な実装をすることは、時によってはソフトウェア開発のほうが楽なこともある。プログラムは実行して返ってくるものが明らかだが、AIに対するプロンプトでは予測不能なことも多い。しかも自然言語的に制御するのは、会話設計とそのシステムにおける制御が必要だ。
新田氏は「AIはすごくオープンで、予測できないところを結果して返してくれるほか、ディスカバリーのような感覚。しかし、そればかりに頼ると発散してしまい、制度の高いシステムが組めない」とその難しさを表現する。
森重氏も「めちゃくちゃその通り」と同意し、「たとえば優秀なエースの人に仕事を依頼しすぎて、パフォーマンスが落ちることも、"発散"という文脈ではありうる。生成AIが難しいのは、1つ機能を追加しただけで急に動かなくなることがあるところ」と語った。
そのため、全体を見ながら、あるLLMに対してタスク量や難易度を試算しながら、システム設計としてワークフローやアーキテクチャをしっかりと組んでいく必要がある。そこが難しいところであり、面白いところだ。
