2024.05.21 コラム
DataCurrent社内における生成AI市場の情報共有の集大成とリリース直後のGenerative AI App Builder導入背景
DataCurrentとしては初の生成AIを活用したチャットボット開発。
要件が紆余曲折するなかでリリース直後の「Generative AI App Builder（現：Vertex AI Agent Builder）」を用いて開発まで至ったプロセスとは？
第1部でお伝えしたプロジェクトスタートの背景に続き、実際の開発フェーズについてプロジェクトメンバーに話を聞いた様子を第2部ではお届けします。
関連記事
》第一部「生成AI-Generative AI App Builderを活用したチャットボット開発へのチャレンジとその背景について」
司会：
前回はこのプロジェクトがスタートした当時の所感やメンバーアサインについて伺いました。
今回はお話を先に進めて実際の構築フェーズについてお話出来ればと思います。
システムと紐づける社内ドキュメントの構築にあたっての課題や苦労された点があれば教えてください。
岩浅：
過去AI技術を活用した開発に取り組んできたり、社内での情報共有体勢があったこともあって、今回のプロジェクトはその集大成といった感覚があります。
実はチャットボット検索開発には知見がありました。
今回の開発にフィットするサービスを選定するにあたって、ジョージさんがリサーチしてくれたお陰で開発に必要な主要な技術が理解できている状態でした。
さらにフロント・フロントエンド・バックエンドは分けて構築したかったので、UIはジョージさん、ロジックは私が担当しました。
金子：
はじめはマッチングエンジンを前提としていたのでデータ側も最適化する必要があると考えていましたが、中々うまくいかなかったので苦戦していました。
そこで、総合的に今回の要件を聞いた結果、知見のあったGen App Builderで開発するのが良いと考え、これがリリースされて実装できる方針にいたしました。
ところがその段階ではプレビュー状態のリリース。
スケジュールを考えるとリリースを待てる時間はないという状況でした。
岩浅：
そもそもGenerative AI App Builderはサポートされていなかったので検証の対象にするかしないか際どい。
そのうえで、マッチングエンジンのみに絞っての開発にしたほうが精度も上がってクオリティを高められるという考えでした。
ただ、ジョージさんはリリースノートを毎日新聞のようにチェックしている中で、近日中にGenerative AI App Builderがリリースされると予想をしていました。
その自信があったのかずっと組み合わせでの開発案を押していましたね。
その予想が的中してリリース直後のGenerative AI App Builderを使用した開発ができました。
▼実際の開発イメージ
司会：
なぜそこまでGenerative AI App Builderでの開発をあきらめなかったんでしょうか。
金子：
マッチングエンジン版の運用のハードルが高かったことが理由です。
データベースを立てて、そこにドキュメントをベクトル化、登録、という作業をエンジニアがやる必要がありました。
ただ、納品後にここまでの対応が必要となると大体が対応しきれず使われないシステムになってしまうのが目に見えていました。
ここまでくるとやはり、長期的でユーザーフレンドリーなGenerative AI App Builderで開発して納品する方針になったのは自然かなと。
司会：
リリースされる前のGenerative AI App Builderに目をつけて、実装まで実現したその選択はすごいですね。
岩浅：
そうですね。日頃からリリースノートをチェックしていたからこそ、今後の流れを読むことができていたのはすごいと思います。
リリース直後のGenerative AI App Builderを選定するなんて、僕だったら再現性を懸念してその決断はできなかった。
ジョージさんがいたからこその選択と決断でした。
司会：
本当にそうですね。
日頃のジョージさんのリサーチが成功に直結したといえますね。
大島：
今回の検索部分の開発した感想をお聞きしたいです。
岩浅：
今回は要件が細かく決まっていなかったので、自由度の高い開発ができました。
僕のチームでは日頃の業務時間の中で生成AIやチャットGPTの学習に充てる時間を設けています。
その積み重ねで技術的な知識が蓄積されていました。
さらに、DataCurrentはパートナーから製品の情報が入ってきやすい環境なこともあり、Generative AI App Builderの活用イメージはありました。
それを今回の要件に当てはめつつ進めていったという流れです。
ただ、データの取得先になるサイト毎に癖があったのでそこは少し苦戦した点ではありますね。
奥村：
そうですね、今回は要件を固めすぎていないうえでの着手だったので作りこみをしすぎない。
という加減もうまくできたのかなと思います。
岩浅：
開発者として理想を追求しすぎてしまうパターンもあるけど、開発メンバー個々のバランス感と連携で歯止めが効きましたよね。
すごくいいチーム連携で開発できたなと思います。
今回は、生成AIの要件がクライアントから出てきたので幸運でした。
本来であればそういった要件がない中でも、ニーズを掘り起こしていかなくてはいけない。
そのニーズの掘り起こしが今後重要ですよね。
大胆にもリリース直後のSEGを活用した開発に振り切り、見事チャットボット開発を成功させたDataCurrent。
個々のスキルはもちろんだが、日頃培われたチームワークと常に業界の動向にアンテナを立て、それを共有するという習慣があってこその対応力。
日々の努力とこれまでの実績が活かされた、まさにDataCurrentにおけるAI活用の集大成と言えるプロジェクトになった。
最終部となる第３部では、企業の生成AI活用にポイントを絞り、DataCurrentとしてどのように市場にアプローチし、貢献できるのか。
メンバーそれぞれの視点で話を進めていった様子をお届けするので乞うご期待！
第３部につづく。。。
関連記事
》第一部「生成AI-Generative AI App Builderを活用したチャットボット開発へのチャレンジとその背景について」
さいごに
■DataCurrentについて
DataCurrentは、生活者主体の考え方に基づくデータ活用を推進する専門会社として2019年6月3日に設立されました。
お客様の課題に沿ったデータ活用推進に必要なサービスを一貫して提供しています。
（サービス例：CDP導入支援、データ戦略設計、分析、広告配信、データプライバシーに関するアドバイザリーサービス、新事業立ち上げ支援）
■DataCurrentが提供する「生成AI利活用支援サービス」の特徴
～環境整備から短期間での実装実現までを一気通貫でサポート～
DataCurrentは、企業が生成AIの導入・活用において直面する課題に対して、豊富な知見と高い技術力、外部パートナーとの連携を活かし、環境整備から総合的なサポートを提供します。
また、短期間で企画・構想から開発・実装までを実現するPoCパッケージも提供しており、企業のAI活用をスムーズに進められるようサポートします。
また、短期間で企画・構想から開発・実装まで実現するPoCパッケージもあわせて提供いたします。
本サービスの詳細については、下記よりご確認いただけます。
》サービスの詳細はこちら
【本件またはリリースに関するお問い合わせ先】
株式会社DataCurrent
E-mail：info@datacurrent.co.jp