変革のテクノロジーを探る

株式会社フライウィール
代表取締役CEO＆CO-Founder
横山 直人 氏

　フライウィールは独自プロダクト「Conata Data Agent」を通じて、データ・AIサービスを提供するスタートアップである。

　生成AIを試している日本企業は少なくないが、それを実ビジネスで活用しているケースはまだ少ない。組織や人材、社会的な課題もあるが、技術的な課題も無視できない。フライウィールの横山直人氏は「精度や信頼性、データ量の確保、処理能力などの課題に直面して、足踏みしている企業は多いと思います」と語る。こうした課題の解決アプローチとしてフライウィールが取り組むのが、エージェントの活用である。

　生成AIの世界では、精度の向上や偏向の回避、効率的な計算処理のために、RAG（Retrieval-Augmented Generation：外部知識参照）への関心が高まった。RAGはLLM（Large Language Model：大規模言語モデル）に情報を付加して回答を生成するための「知識増強」手法だ。だが、RAGを施しても、期待通りの結果がでるとは限らない。

　「RAGでは複雑なタスクへの対応が難しいです。また、質問の意図理解が不十分なこともあり、回答生成に時間がかかるといった限界もあります。そこで、最近注目を集めているのがエージェントです」と横山氏は話す。

　エージェントはLLMを中核に持ちつつ、外部ツールやAPIと連携して自律的にタスクを実行するシステムである。生成AIの新たな地平を切り開きつつある。例えば、最近のWindows PCに搭載されているCopilotも、エージェントの一種といえるだろう。ビッグテックはエージェントへの投資を強化している。

データ・AIを活用して
問い合わせへ回答は２週間から5分に

　エージェントにより、リアルタイムの自律的な意思決定をスムーズに実行することができる。その結果、プロセスの自動化も可能になる。高い精度も特長の1つだ。そんな機能を磨いてきたのがConata Data Agentであり、これによりビジネス効果を生み出した事例は増えつつある。

　ある製造業の企業では品質管理部門での不具合対応の効率化といったユースケースで、Data Agentを導入し、製品の不具合に関する顧客の問い合わせに回答するまでの時間を、従来の2週間から5分に短縮した。

　Conata Data Agentの具体的なユースケースとしては4種類が想定されている。①営業の改善、②品質管理、③コールセンターにおける問い合わせ対応、④社内検索で、今後さらにユースケースは拡充される方向だ。

　例えば、過去の提案資料から、営業先の顧客向け提案書や類似提案書などを出力して提案書作成にかかる時間を大幅に短縮し、営業担当者がより多くの案件に対応できるよう支援する。あるいは、コールセンターに寄せられた特定の質問に対して、長文のFAQや契約書をもとに回答文を作成する。回答文が参照したソース情報も確認することができる。

　Conata Data Agent導入のプロセスでは、いくつかのPoC（Proof of Concept：概念実証）が実施される。PoC1では、保有しているデータをナレッジとして回答に活用できるか確かめる。PoC2では質問への回答を生成できるかを確認する。PoC3では活用シーンを描いて、回答の有効性を評価するという流れだ。ステップを刻んだ導入プロセスは、ユーザー企業にとっても安心だろう。

フライウィールはConata Data Agentの導入から活用までをトータルで支援し成果につなげる

[画像のクリックで拡大表示]