マンパワートラック+大型モデル、想像上のスプラッシュなし

出典:Titanium Media

画像ソース: Unbounded AIによって生成

大規模モデルがエンタープライズ レベルの市場に一定期間実装された後、想像上の注目を集めることはありませんでした。

**「すべてパブリックネットワークデータであり、企業はあえて使用しない」 また、実用的なアプリケーションシナリオもほとんどありません。 HRエンタープライズレベルソフトウェアのプリセールスエキスパートは、Titanium Mediaに次のように語っています。

現在、同社は主に人材発掘、履歴書評価、面接の質問の3つのコアシナリオを実装しています。 チタンメディアは、市場が企業のレイオフや採用ニーズの引き締めの情報を感じることができることを理解していますが、これは、特に人材を特定し、人間の効率を高める能力を向上させる必要がある大企業および中堅企業の採用ニーズに対して、質の高い人材の流れに影響を与えません。

しかし、実際には、この会社の顧客事例は多くなく、顧客向けにトレーニングされた大規模なモデルは「連続反復プロセス」と呼ばれ、サブスクリプションモデルで料金が請求される予定であり、現在このプラクティスを受け入れているパイロット顧客は、世界のトップ500の多国籍企業と国内の業界をリードする企業からのものです。

実際、顧客の需要市場も、ジェネレーティブAI製品や大規模モデル技術についてさまざまな意見が飛び交っています。 チタニウムメディアは、特に大企業の顧客の場合、多くの企業顧客が、現在のビジネスで遭遇するすべての問題点を解決することに熱心で、大規模モデルを積極的に試していることを公に宣伝していますが、同時に、蓄積された経験と才能が単に大規模モデルに置き換えられることはないと信じて、これを軽蔑する企業顧客もいることを理解しています。

「大規模モデルの開発とトレーニングは依然として非常に複雑ですが、これ以上簡潔にすることはないでしょう」と、中国の大手ICTメーカーとの非公開会議で、従来のエネルギー業界の顧客は述べました。

お客様からは「これまで知能化の推進には一定の成果がありましたが、私たちの想像力とはまだまだ大きなギャップがあります。 業界独自の生産業務の複雑な自然条件に加えて、さまざまな下位メーカーによるインテリジェンスの理解の欠如が多くの投資につながっていますが、彼らはまだ独自の戦いを戦っています。

一方で、現段階では大型モデルは「安く」はなく、大型モデルを使う余裕のある企業は、ある程度の生産量や一定の予算があり、大型モデルがもたらすジェネレーティブテクノロジーは試してみて展開する価値があると考えています。

先日、あるAI上場企業の担当者が「市場に出回っている大型モデルは基本的な機能を持っているが、それは玩具や道具に過ぎず、大型モデルはこれらの能力だけでなく、より重要なのは商業的実現を実現することだ」と指摘し、大規模モデルの起業について語っています。 "

実際、文生図であろうと文生テキストであろうと、大規模モデル技術によって駆動されるジェネレーティブAIは、その巨大なアプリケーションシナリオを示しています。 Titanium Mediaの不完全な統計によると、現在50社以上の巨大企業とAIスタートアップが参加しており、一般的な大規模モデルも、企業がプライベートモデルを呼び出したり、カスタマイズしたり、開発したりするために、複数のクラウドプラットフォームにアクセスしようとしています。

特筆すべきは、11月6日に開催された第1回開発者会議で、OpenAIが次の取り組みの方向性として、テキスト入力の長さの強化、所定のモードに準拠した出力モード、学習データの質の向上、マルチモダリティの向上、ドメイン知識とビジネスロジックの充実、価格の適正化などを挙げたことです。

これは、他のAI開発者やユーザーにとっては朗報ですが、大きなモデルとなるテクノロジー起業家にとっては、剣がぶら下がっています。

同時に、ジェネレーティブコンテンツのコンプライアンスレビューやプライバシーセキュリティも、大規模モデルやジェネレーティブAI技術が市場に普及するために必要な前提条件です。

中国では10月11日、国家情報セキュリティ標準化技術委員会の公式ウェブサイトで「生成AIサービスのセキュリティに関する基本要件」(コメント草案)を公開し、一般からの意見を募集した。 これは、中国における生成AIセキュリティ分野に特化した規制草案の最初の草案であり、中国サイバースペース管理局を含む7つの部門が7月に立ち上げた「生成AIサービス管理のための暫定措置」への支持でもあります。

大型模型が到着したときの慌ただしさと比べると、実着陸の段階では、大型模型をいかに深く応用するかの模索とテストが業界に深く浸透したばかりです。

すべての製品は、大規模なモデルのやり直しに値するのでしょうか?

「すべての製品は大規模モデルでやり直すに値する」、これは大規模モデルのアプリケーション層に不慣れな企業に共通する物語です。

しかし、製品を作り直す前に、もっと根本的な問題があります:大きなモデルをどこで使用できるかということです。

Bエンド市場では、この質問に答えるのがより難しい場合もあれば、単一の答えを持つことが難しい場合もあります。

MetaのLLaMAシリーズ、Stability AIのStableLMシリーズ、MPTなどのモデルのオープンソース化や、エンタープライズ向けAPIの国内汎用大規模モデルの社内テストなど、多くのスタートアップがフォローして挑戦するきっかけになっています。

一連の採用プロセスを履歴書の収集、スクリーニング、評価、面接、内定、オンボーディングに分解すると、チェーン全体で、大規模なモデルによって駆動される自然言語対話テクノロジーは、人事採用効率の向上とユーザーエクスペリエンスの向上に最も直接的に反映されます。

インテリジェントな採用管理ソフトウェア企業として、MOKAはAIによるコア人事システムの変革を提唱しています。 今年6月末、MOKAは、履歴書のスクリーニング、カスタマイズされた面接の質問、AIライティングレビュー、会話型BI、従業員チャットボットなど、大規模モデルに基づくスマート製品ソリューションであるEvaの発売を発表しました。 例えば、社員チャットボット機能は、社員が採用や人事に関する業務をこなし、関連情報を取得するためのもので、相談に応じるAIアシスタントに似ています。 会話型BIは自然言語インターフェースと対話し、従業員がデータベースにすばやくアクセスし、主要な指標を照会し、ビジネス上の意思決定と管理をサポートできるようにします。

同様に、Beisenは最初に、BaiduのWenxin Yiyan大規模モデルに基づく内部テスト機能(採用JDの執筆と採用ポスターの制作)を発表しました。 5月の春季会議では、新しいリーダーの変革と適応、チーム管理、自己啓発、パフォーマンスフィードバックなどのための新しいAI製品「Mr. Sen」も発表しました。 BeisenのCEOであるJi Weiguo氏によると、AIインタビュー、従業員サービスロボット、スパーリングロボットはすべて、大規模なモデルと組み合わせることができるシナリオになります。

Yonyou 氏と Kingdee 氏は、一般的な大規模モデルの機能を統合し、それらを独自のプライベート ドメイン データと組み合わせて、人事、財務、サプライ チェーンなどのプロセス ソフトウェア シナリオに適用されるエンタープライズ レベルのドメイン モデルをトレーニングすることを選択しました。

YonyouのシニアアプリケーションアーキテクトであるBao Fei氏は、Titanium Mediaとのコミュニケーションで、「現段階では、大型モデルはまだ業界から遠く離れており、顧客はそれが業界にどのような価値をもたらすことができるかを最も懸念しています。 "

現在、Yonyou YonGPT がサポートするドメイン モデル アプリケーションのリストには、エンタープライズ ビジネス インサイト、インテリジェントな注文生成、サプライヤー リスク管理、動的在庫最適化、インテリジェントな人材発見、インテリジェントな採用、インテリジェントな予算分析、インテリジェントな出張経費管理、コード生成などが含まれます。

Kingdee Sky GPT は現在、主に財務、人事、およびプログラムの研究開発シナリオで使用されています。 たとえば、Kingdeeの最初の財務モデルは、財務AIアシスタントに似ており、財務Q&A、経費精算、契約承認、レポート生成、分析、予測などのサービスを提供します。

Titanium Mediaは以前、Kingdee ChinaのR&Dプラットフォーム担当エグゼクティブバイスプレジデント兼ゼネラルマネージャーであるZhao Yanxi氏が、調査中に企業が大規模モデルに強い関心を持っていることを発見したと報じたが、最も多く言及された2つのフィードバックは、AIを使わないと遅れをとることを恐れる「AIの不安」と、もう1つは「AIが混乱している」で、ビジネスでどのように使うかわからないというものである。 Kingdeeの戦略は、企業の実際のビジネスにより近いビジネスシナリオのパイロット検証を行うプロトタイプ顧客のグループを見つけることです。

iHRのCTOであるWang Jingfei氏の見解では、「顧客にとって最も重要なことは、どのビッグモデルが使用されるかではなく、ビッグモデルがビジネスにどのように役立つかです」。 **上司は一人当たりの生産量、投入分析、コスト最適化などのビジネス指標に注意を払い、人事部は人事プロセス(出社、異動、残業など)の円滑化など、従業員の経験と作業効率に注意を払います。 "

コア人材+人的効率に焦点を当て、I担当者はDingTalkと協力して、運用効率、リスク管理、ビジネス専門家向けの3種類のインテリジェントソリューションを立ち上げており、その目的は、ビジネスオーナーが最も懸念している問題を解決することです。

業務効率の面では、大規模モデル機能により、従業員に7時間24時間の人事コンサルティング、プロセス、その他のサポートを提供することができ、人事リスク管理の専門家は、労働契約の内容に潜在的なリスクを早期に警告し、是正提案とリスク計画を提示するなど、人事に発生する可能性のあるリスクを管理し、ビジネスの専門家の中でのパフォーマンスの専門家が、OKRの目標の解体、調整、レビューを完了する方法について従業員を指導することができます。

パイロット シナリオとプロトタイプの顧客を見つけることは、ほとんどの大規模モデル アプリケーション メーカーの戦略でもあります。

テクノロジーのブラックボックスの問題であり、実物投資のジレンマでもある

しかし、エンドユーザーとなると、企業のビジネスロジックや組織形態が多岐にわたるため、「テスト」から「フルランディング」まで、大規模なモデルがChatGPTなのか「ChatPPT」なのかについて、まだある程度の混乱があります。

「やったとは言いませんでしたが、たまたまこれほど強い需要があるお客様には、技術的な参考資料を作ることができます。なぜなら、技術が最先端すぎて、顧客管理が追いつかず、顧客が唾液を垂らすだけだからです。 HR SaaSチームのリーダーであるA氏は、Titanium Mediaに次のように語っています。 同社は現在、SaaS版にサードパーティーのAI大規模モデル機能を組み込む予定で、実装されているかどうかを尋ねたところ、担当者は明言しなかった。

上記の異なるメーカーの内部テスト製品の説明では、それぞれの分野での大規模モデルの適用パラダイムは破壊的な変化をもたらしていませんが、さまざまなリンクの相互作用方法の選択肢が1つ追加されており、測定基準は「人間の言語を理解するのに十分であり、関連する知的行動を生成できるかどうか」にすぎません。 言い換えれば、インテリジェンスのレベルはソフトウェアによって決定されるのではなく、その背後にある大規模なモデルによって決定されます。

客観的に見ると、大規模モデルは確率モデルであり、どのようなコンテンツを生成するかは完全に変化し、より正確な結果を達成したいという欲求は、データ、シナリオ、人材、コスト、その他の問題によって制限され、それらはすべて実際の条件の投資にリンクされます。 さらに、アプリケーションメーカーは、モデル企業の運営とポリシーによって引き起こされる潜在的なリスクを軽減するために、複数のモデルにまたがって開発することを選択します。

これは、市場にとって大きなモデルとして考えなければならない問題です。

Oracle Cloud HCMプロダクト・オーナーによると、オラクル製品のイテレーションの約80%は、顧客の要件によって推進されています。 オラクルは、支援オーサリング、レコメンデーション、サマリー化など、AIが生成するAIの価値の高いシナリオを100以上特定しており、まだ始まったばかりです。

Oracle Cloud HCMはOCI Cloud Platform上に構築されており、生成AI機能が埋め込まれています。 一方では、顧客は独自のデータを使用してモデルを最適化でき、プラットフォームは顧客の機密情報や専有情報を保護すると同時に、事実誤認や偏見を減らしながら、組み込みのプロンプトを通じてユーザーのニーズに沿ったコンテンツを生成します。

Bao Fei氏は、大規模モデルを可能な限りエンタープライズレベルのシナリオに適用するために、Yonyouの現在のソリューションは、部分的に専門家の経験に依存し、大規模モデルの上位層に制御層を追加して生成された結果の信頼性とコンプライアンスを制御するなど、ビジネス指向のプロセス制御を実現することであると指摘しました。

8月の大規模モデル規制導入後、iHRは国内の大規模モデルとオープンソースの大規模モデルを優先します。 「法務助手」における法令等の公開データなど一部の一般情報については、国内の大規模モデルを用いて研修や微調整を行い、企業や従業員に関する情報については、オープンソースモデルを用いて独自に研修を完了させることを検討し、個人情報のセキュリティを確保します。

Wang Jingfei氏は、モデルトレーニングの過程では、蓄積された独自の「プライベートドメイン」データが必要になることは避けられず、エンタープライズトレーニング大規模モデルのデータコンプライアンスを確保するために、現在の基盤となる基本モデル大規模モデルプロバイダーは、プライベートデータベースが大規模モデルにアクセスし、大規模モデルと組み合わせて使用できるように、いくつかのアクセス機能を提供していると指摘しました。 さらに、国内の大規模モデルのほとんどは、データセキュリティの他の側面でサポートを提供します。

同時に、アプリケーションベンダーは大規模なモデルにスムーズにアクセスできません。

HR SaaSプロダクトの担当者はTitanium Mediaに対し、「HRベンダーとAIベンダーは違います。これまではお互いに期待し合う段階でしたが、比較的深い連携でした。 AIベンダーにとって最大の問題は、アルゴリズムは優秀だが、バーティカルビジネスに関するデータがなく、ビジネス側は大量のデータを抱えており、AIの能力が相対的に不足していることです。 AI企業のデータと、そういった事業会社のデータが少しずつ組み合わされていく、これは間違いなくトレンドだと思います。 "

たとえば、大規模なモデルが登場する前、この会社はすでにAIインタビューを実験していましたが、多くの企業がこの新しいことに挑戦していますが、そのアプリケーションはあまり普及していません。 同社は、AI面接を応募シナリオとして選択するかどうかの判断は、採用するポジションやAI面接能力の信頼性などに依存すると考えており、「実際のシナリオでは、雇用主はAI面接の候補者を評価する能力に疑問を抱いており、候補者を体系的に評価するための基準が異なり、客観的で信頼できるかどうかを検証する必要があり、受け入れるには時間がかかる」と述べています。 "

また、前述のスタートアップ企業Aの担当者は、製品レベルでは友人や独立した研究開発と協力し、一部のインターネット企業は技術ソリューションをドッキングして直接パッケージ化すると指摘しました。

「HR SaaSの分野でのAIの応用は比較的限られています。 「この会社に関わるAI製品は、主に履歴書分析、IDカード/銀行カードの自動識別、顔認識、電子署名などであり、応募リンクは主に求人マッチングと採用モジュールを中心に展開しています。

給与リンクでは、多くの大企業および中堅企業の給与システムはまだ比較的複雑であり、歩合給や賞与の計算、柔軟な雇用派遣方法である場合、給与システムは時間通りであり、一部は断片的に計算され、同時に、実践プロセスでは、これらのデータの多くのソース、つまり多くのシステムがあり、インターフェース(税金、社会保障、銀行、政府)を実行できない場合は、データを同期するために他のテクノロジーが必要です。

「**現在の大規模モデルのコストはまだ比較的高いため、高頻度で価値の低いシナリオと低頻度で価値の高いシナリオでは、コストパフォーマンスの差が比較的大きくなります。 **iHRでは現在、低頻度・高価値のシナリオに属する人事法務アシスタント、労働契約リスク分析、パフォーマンスコーチングの専門家を立ち上げると同時に、高頻度・高価値のユーザーシナリオも積極的に検討しています。 Wang Jingfei氏はTitanium Mediaに語った。

そのために、iHRはまずパフォーマンスリンクを選択し、コスト面も考慮の1つであり、さらに重要なことに、iHRは「人的資源管理の専門家」のデジタル役割の考慮に基づいています。 パフォーマンス管理、特に OKR をうまく行うには、多くの方法論と実践が必要です。 iHRは専門家を多数輩出し、その専門家にAIの力を与えることで、専門家の影響力を最大限に発揮します。

Wang Jingfei氏の見解では、申請当事者が基本的な大規模モデルを安全かつ便利に使用したい場合は、次のレベルから開始する必要があります。

(1) 大規模モデルではベクトルデータベースを使用します。 自作のベクターデータベースは、iHRのサーバーにのみ保存され、外部モデルには公開されない顧客データを保存するために使用されます。

(2)自作の大型モデルを採用。 「人事法務アシスタント」など、大量の文書やデータの蓄積を必要とする一部の垂直分野の大規模モデルでは、自作モデル構築+微調整がより適切です。 自作モデルに基づき、法律の特性を踏まえて人事担当者を微調整します。

(3)データの脱感作。 一部のデータは外部の大規模モデルで解析する必要があり、そのデータを感度を下げて大規模モデルに送信できます。 マスキングされたデータの後、大規模モデルにはデータ所有者を識別するための数値の文字列とランダムなIDのみがあり、大規模モデルは分析の完了後に対応するIDをi人事システムに返し、i担当者は内部マッピングの完了後にそれを顧客に返します。

反思

実際、HRトラックだけでなく、他の業界でも大型モデル着陸の問題に直面しています。

4月、DingTalkは、Ali Tongyiモデルにアクセスすることで、グループチャット、ドキュメント、ビデオ会議、アプリケーション開発など4つの高頻度シナリオでAIの「魔法の杖」機能を実現した。 最近の結果から判断すると、50万社以上の企業の内部テストの後、DingTalkの「AI魔法の杖」が正式に発売され、DingTalkチャット、ドキュメント、ナレッジベース、ブレインマップ、フラッシュ、Teambitionなどの17の製品と60+のシナリオがテストのために完全に開放された。

大規模モデルにアクセスするプロセスについて、Ye Jun氏はTitanium Mediaとの以前のやり取りで、インタラクション層、DingTalkの各製品のアプリケーションインターフェースとQianwen大規模モデルのAPI間の接続、およびモデル間のドッキングの2つのポイントについて話し、Qianwen大規模モデルには知識ベースドキュメントからの一般的なテキストが必要です。

Ye Jun氏の見解では、大規模モデルとの接続は難しくないが、DingTalkプラットフォーム上のさまざまなビジネスシステムを大規模モデルと接続する方法は難しい。 「現在、DingTalkの多くのデータはビジネスに影響を及ぼしており、ドッキングモデルはより複雑です。理論的には、従来の意味での大規模モデルではなく、特定の業界特性、または特定のアプリケーションシステム構造を持つ中規模モデルです。 そのため、統合期間が長くなるのも、エンタープライズアプリケーションと従来の一般検索との大きな違いだと思います。 "

商業化に関して、Ye Jun氏は、DingTalkは2つのモデルを検討すると述べた:1つは比較的価値の高い商用サービス用で、サブスクリプション課金を直接行い、それをDingTalk Professional Edition、Exclusive Edition、Special Editionのベースに統合する。

DingTalk自体が多くのエコロジカルアプリケーションに接続されているため、SaaSスタートアップがDingTalkを通じてプラットフォームのモデル機能を直接呼び出し、SaaS製品を変革する方法は、プラットフォームアプリケーションとして実行できるものです。 上記のDingTalkとiの担当者の協力は、今後の典型的な道筋の1つになるかもしれません。

「エンタープライズアプリケーションの場合、大規模モデルは効率的で正確であるだけでなく、トレーニングする必要があります。これは、エッセイや単純な人間と機械の会話を書くこととはまったく異なります。 HCM分野におけるオラクルの実務経験について、Oracle Chinaのバイスプレジデント兼マネージングディレクターであるWu Chengyang氏はTitanium Mediaに語った。 オラクルの特徴は、すでにCohereのような大規模なモデル企業と緊密に連携していることであり、データレベルでは、ベクトル検索とOracleデータベースに保存されている顧客のビジネスデータを、RAGアーキテクチャなどの生成AIテクノロジーと組み合わせることで、「これらのテクノロジーが組み合わされて初めて、破壊的な変化が生まれる」と考えています。 "

すべてのソフトウェアは大きなモデルで書き直されるに値します-そのような結論は理想主義的で楽観的ですが、企業の実際のシナリオとビジネスでは、「それだけの価値があるかどうか」という実用的な考慮事項もあります。

HR SaaSと大規模モデルの組み合わせに話を戻すと、履歴書情報、面接情報、コンピテンシー評価など「人」と関係性の高い情報ですが、大規模モデルをより精度の高い独自データで学習させることができれば、この人事SaaSシステムは企業にとって最も効率的な管理端末となるでしょうが、個人のプライバシーが高度に含んだこのデータは、個人による研修の認可を受けているのでしょうか。 負うべきリスクとベネフィットは、やみくもに高度な技術を追求するのではなく、すべてメーカーが考慮します。

現在、多くの採用プラットフォームが大規模モデル製品/サービスに積極的にアクセスまたは協力していますが、採用シナリオ、面接スパーリングシーン、人材評価シナリオなどの比較的成熟したアプリケーションシナリオは多くなく、これらのシナリオのデータは公開データと専有データの間にあるだけで、これらのシナリオに適切なレベルのデータを巧みに使用することで、企業と面接官の両方に利益をもたらします。 **

企業はオープンソースプラットフォームにアクセスして大規模なモデルをトレーニングできますが、より厳格なコンプライアンスとセキュリティ保護のガイドラインに準拠する必要があります。 現在、業界はすでにオープンソース技術をシャットダウンするリスクに警戒しています。 オープンソースのプラットフォームに接続したり、内部テストにGPTを個人的に使用したりすることは、大きなリスクを負っています。

現状では、HRSaaSベンダーは、HR SaaSシナリオの「選択、使用、教育、保持、離脱」の何千ものシナリオで1つ1つ間違いを犯す必要があるようで、このコストは一連の製品を書き直すのと大差ないかもしれません。

また、製品化できるかどうかがジェネレーティブAIの究極の命題であり、少なくともToB市場では、テクノロジーの本質はビジネスに役立つことです。

オープンソースの大規模モデル蒸留であろうと、サードパーティのAPI呼び出しであろうと、企業やメーカーは試してみたがりますが、AI大規模モデルのアプリケーションは、最終的には従業員にシナリオアプリケーションを提供することです。 AIは、現場の人々を退屈で危険で反復的なタスクから解放すると広く期待されていますが、現段階では、生成AIは主にそれぞれの分野で新しい機能体験を追加しているにすぎません。 将来的には、より多くのAI技術がありますが、それが企業にとってどれだけの経済的価値を持つのか、そしてそれが顧客と最前線の従業員の相互承認と支払いを勝ち取るのに十分かどうか… AI応用の探求は、まだ始まったばかりです。