GREE Tech Conference 2023で発表された資料です。 https://techcon.gree.jp/2023/session/TrackA-4
目指すは自分専用アシスタント!?~社内向けAIチャットボットの開発とその展望~グリー株式会社開発本部 情報システム部 エンジニア萩原 勝
View Slide
自己紹介● 名前○ 萩原 勝(はぎわら まさる)● 略歴○ ソフトウェアエンジニア →SE→社内SEを経て、2023年4月グリー株式会社入社。● 所属○ グリー株式会社開発本部 / 情報システム部 / ITマネジメントグループITサービスオペレーションチーム● 業務内容○ 社内ITシステムの企画・運用2
グリーの社内ツール3SlackZoomConfluenceクラウドストレージ電子署名業務システムAdobe SignワークフローServiceNowサービスデスクJIRASlackデータ共有Google DriveBoxファイルサーバCohesity問い合わせナレッジ共有WikiPortalSharepoint Online横断検索Google Cloud SearchコミュニケーションビジネスチャットWeb会議コラボレーション開発基盤アプリケーション開発Google Cloudデータ連携WorkatoGoogle Workspace設備-ネットワーク 設備-オフィスAzure Active DirectoryClient VPNGlobal Protect無人受付システムRECEPTIONISTビジネスフォンINNOVERAレポートLooker StudioVDIAmazon WorkspacesSSOGoogle Sitesビデオ会議システムDTEN, Neat Bar
本日の内容● 生成AIを取り巻く状況● 情シスにおける生成AIへの取り組み○ Azure OpenAIの利用検討○ 自社データに答えてくれる AIチャットボットを目指すに至った経緯○ 技術的な実装例○ 現状のサンプル● 今後の展望について4
生成AIを取り巻く状況昨年11月にChatGPTがリリースされて以降、各社生成AIを用いたサービスを次々にリリース。● OpenAI社:ChatGPT(Enterprise含)● Microsoft社○ Bing Chat(Enterprise含)○ Microsoft 365 Copilot○ Azure OpenAI Service● Google社○ Bard○ Duet AI○ Google Cloud Vertex AI(PaLM2)● その他ツール○ Atlassian(Jira,Confluence) : Atlassian Intelligence○ Slack :Slack AI○ etc..5
生成AIを取り巻く状況6● ChatGPT● Bing Chat● Bardコンシューマー向けビジネスユース向け● ChatGPT Enterprise● Azure OpenAI Service● Google Cloud VertexAI(PaLM2)開発型● Bing Chat Enterprise● Microsoft 365 Copilot● Duet AI● Atlassian Intelligence● Slack AIツールネイティブ型
生成AIを取り巻く状況7● ChatGPT● Bing Chat● Bardコンシューマー向けビジネスユース向け● ChatGPT Enterprise● Azure OpenAI Service● Google Cloud VertexAI(PaLM2)開発型● Bing Chat Enterprise● Microsoft 365 Copilot● Duet AI● Atlassian Intelligence● Slack AIツールネイティブ型
情シスにおける生成AIへの取り組み8
Azure OpenAI Serviceの活用検証● 認証基盤として利用していて導入が容易● セキュリティ/ガバナンスの制御a. ログb. 認証c. NW● 責任あるAIへの対応a. コンテンツフィルタリングb. プライバシー9
Azure OpenAIとは● Azureの1サービス● OpenAI社とパートナーシップを結んでいるため、ChatGPTで使われているGPTモデルを利用できる● Azureの各種サービスと組み合わせることで、エンタープライズ要件に対応したAI環境を構築可能10
どう活用するか当初(5月くらい)の検討11● 自社専用のChatGPTクローンな環境→あまり使ってもらえなそう。。● Slackなどの社内ツールから生成 AIを使えるようにする→そのうち機能として搭載されそう。
自社データに答えてくれるAIチャットボット生成AIは特定時点までのwebに公開された情報にしか答えてくれない。12自社が保有している情報に対しても回答してくれることに価値。社内の煩雑な社内手続きを読み取って、答えてくれるAIチャットボット
生成AIに自社データを回答させる手法● Fine-tuning既に学習済みの生成AIのモデル(GPT)を、トレーニングデータと呼ばれるデータセットを使って、再学習させる方法。→トレーニングデータの作成や、再学習後のモデルの調整、実行にかかるコスト等、まだカジュアルにできるものではない印象。● Retrieval Augmented Generation(RAG)回答に必要な、言語モデルが知りえない情報を外部のデータソースから取得し、回答を生成する手法。→データソースの準備など、事前に必要な作業はあるが、Fine-tuningよりは比較的取り組みやすい状況。13
オーケストレーション(バックエンド)RAGのアーキテクチャ14生成AI(API)フロントAPP①入力例) PCやモニタを会社に発送したい⑤回答を返すユーザーDB・・・社内のドキュメント②検索クエリに分解③検索→結果取得④検索結果+当初の質問文をもとに回答を作成⓪事前準備社内の情報をインデックスという形式で格納(PDF)
オーケストレーション(バックエンド)RAGのアーキテクチャ15生成AI(API)フロントAPP①入力例) PCやモニタを会社に発送したい⑤回答を返すユーザーDB・・・社内のドキュメント②検索クエリに分解③検索→結果取得④検索結果+当初の質問文をもとに回答を作成⓪事前準備社内の情報をインデックスという形式で格納(PDF)Azure OpenAI ServiceCognitive SearchプログラムApp Serviceプログラム
オーケストレーション(バックエンド)RAGのアーキテクチャ16生成AI(API)フロントAPP①入力例) PCやモニタを会社に発送したい⑤回答を返すユーザーDB・・・社内のドキュメント②検索クエリに分解③検索→結果取得④検索結果+当初の質問文をもとに回答を作成⓪事前準備社内の情報をインデックスという形式で格納(PDF)Azure OpenAI ServiceCognitive SearchプログラムApp Serviceプログラム非機能系の実装・ログ管理、認証、NW制限、コスト管理、アクセス権・運用方法
Azure OpenAI on your dataの登場● 先ほどのRAGのアーキテクチャを、画面数回のクリックで構築できるAzureOpenAIの機能17
オーケストレーション(バックエンド)RAGのアーキテクチャ18生成AI(API)フロントAPP①入力例) PCやモニタを会社に発送したい⑤回答を返すユーザーDB・・・社内のドキュメント②検索クエリに分解③検索→結果取得④検索結果+当初の質問文をもとに回答を作成⓪事前準備社内の情報をインデックスという形式で格納(PDF)Azure OpenAI ServiceCognitive SearchプログラムApp Serviceプログラム非機能系の実装・ログ管理、認証、NW制限、コスト管理、アクセス権・運用方法
Azure OpenAI Service リファレンスアーキテクチャ● エンタープライズにおける活用シナリオを想定した参考アーキテクチャ● IaCのコードで構築19
Azure OpenAI Service リファレンスアーキテクチャ20
まとめと今後の展望について● エンタープライズ用途に耐えうる自社データに答えるAIチャットボットが比較的カジュアルに構築できる環境が整ってきている。● 現状MS系のデータソースや特定のファイル拡張子にしか対応していないのが課題。→最近Google社のPaLM 2が日本語対応したので、そちらも含めてグリーにとって最適な導入形態を検討していきます。● 将来的な構想として、社内のことに答えてくれるのはもちろん、棚卸などの煩雑な社内業務も依頼すればやってくれる、自分専用のアシスタントが一人一人についてくれるようなものを提供したいと思っています。21
22