事前準備が肝！AI活用のための業務改革

by LayerX

Slide 1

Slide 1 text

Slide 2

Slide 2 text

自己紹介

Slide 3

Slide 3 text

© LayerX Inc. 3 株式会社LayerX Fintech事業部プロダクトマネージャー兼ソフトウェアエンジニア ● 1992年生まれ。新卒で起業し、暗号資産領域で事業を運営 ● 2020年に会社を清算し、ソフトウェアエンジニアとして LayerXに入社。 ● 同年に三井物産デジタル・アセットマネジメントに出向し、一貫してアセットマネジメント事業の業務効率化に関わる ● X: @zabeth129 自己紹介 Matsunaga Masaru 松永大

Slide 4

Slide 4 text

目次 Agenda ● ⾃⼰紹介 ● 事業紹介 ● 業務効率化にいきなり⽣成AIを使う危険性 ● 上⼿くいかなかった取り組み ● 最終成果物 ● 反省と学び ● まとめ

Slide 5

Slide 5 text

事業紹介

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

業務効率化にいきなり生成AIを使う危険性

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

上手くいかなかった取り組み

Slide 13

Slide 13 text

© LayerX Inc. 13 ● 弊社ALTERNAで販売している商品を組成する際に膨大な契約書を作成 ○ 契約数は10を優に超え、１つあたり数十ページの長さ ● 各種契約書に大量の重要情報が記載されており、これらの情報をMDM社内の様々な人が参照取り組み: ファンド契約からのパラメータ抽出とデータベース化上手くいかなかった取り組み物件価格発⾏⼝数募集期間物件住所⾦利受益証券の受託者１⼝あたりの価格管理会社ロックアップ期間配当⽀払⽇受益者代理⼈計算期間

Slide 14

Slide 14 text

Slide 15

Slide 15 text

Slide 16

Slide 16 text

Slide 17

Slide 17 text

© LayerX Inc. 17 課題と気付き上手くいかなかった取り組み課題① 精度を100%に近づけるのが大変 → 間違っていることが許されないという事業特性があるので苦しい課題② 正解かどうか確認するには契約書を読むしかない → 全然時短にならない... 気づき: 実は契約書の作成過程においてもデータベースが必要とされていた → オッ、つまり....... 生成AIを使わず、契約書を作る段階でデータベースを作るべきだった

Slide 18

Slide 18 text

最終成果物

Slide 19

Slide 19 text

© LayerX Inc. 19 最終成果物と効果最終成果物ポイント ● LLMを利用しなかった ● 今後作られる契約書数 >> 既存の契約書数 → 抽出より作成に焦点を当てるべき ● 契約書の作成過程で作るため、LLMで抽出するより正確性が担保されている成果物 Notion上に不動産及びファンドのDBを構築効果 ● 社内のファンドに係るコミュニケーションコスト削減 ● 各種契約への情報落とし込みの効率化 ● ALTERNAへの情報連携の効率化 ※ALTERNAの6号案件で作成したDBの一部

Slide 20

Slide 20 text

Slide 21

Slide 21 text

反省と学び

Slide 22

Slide 22 text

© LayerX Inc. 22 生成AIの採用の必然性や事前準備の重要性を考える反省と学び実⾏回数事前準備への投資と精度向上のバランスモデルの性能⾼性能の最新モデルなら事前準備なしに⼗分な精度が出る可能性 ex) ChatGPT 4o 業務のコントローラビリティ業務フローや対象⽂書のフォーマットを⾃社でコントロールできるなら、それらを最適化に取り組んだうえで利⽤の検討をする予算予算が限られている場合、安価なモデルで⼗分な精度を出すための事前準備を⾏う要求精度⾼い精度を求める場合、精度向上のための事前準備やコスパの良い正誤判断⼿段の確⽴が必要 ※事前準備 = 課題の理解、業務フロー変更、データの前処理等

Slide 23

Slide 23 text

© LayerX Inc. 23 事前準備の重要度を考える反省と学び実⾏回数事前準備への投資と精度向上のバランスモデルの性能⾼性能の最新モデルなら事前準備なしに⼗分な精度が出る可能性 ex) ChatGPT 4o 業務のコントローラビリティ業務フローや対象⽂書のフォーマットを⾃社でコントロールできるなら、それらを最適化に取り組んだうえで利⽤の検討をする予算予算が限られている場合、安価なモデルで⼗分な精度を出すための事前準備を⾏う要求精度⾼い精度を求める場合、精度向上のための事前準備やコスパの良い正誤判断⼿段の確⽴が必要要求精度が高く、確認コストは高いあまり多くない自由に変更可能最新モデルを利用可問題にならない今回の弊社の事例の場合

Slide 24

Slide 24 text

© LayerX Inc. 24 事前準備の重要度を考える反省と学び実⾏回数事前準備への投資と精度向上のバランスモデルの性能⾼性能の最新モデルなら事前準備なしに⼗分な精度が出る可能性 ex) ChatGPT 4o 業務のコントローラビリティ業務フローや対象⽂書のフォーマットを⾃社でコントロールできるなら、それらを最適化に取り組んだうえで利⽤の検討をする予算予算が限られている場合、安価なモデルで⼗分な精度を出すための事前準備を⾏う要求精度⾼い精度を求める場合、精度向上のための事前準備やコスパの良い正誤判断⼿段の確⽴が必要大体合っていれば OK 受領する資料が膨大コントロール不可最新モデルを利用可大幅な人件費削減になるので OK 生成AIを使うと良さそうな例 ex) 不動産取得検討時に受領した資料からの情報抽出

Slide 25

Slide 25 text

25 © LayerX Inc. テクノロジーによる業務改善の基本ステップ反省と学び ①業務と課題の深い理解 ②仕組みの改善 ③技術の活⽤ ① 業務と課題の深い理解 →　よく分かっていないものをスマートに解くことはできない。 ② 仕組みの改善 →　ソフトウェアが解くべき課題を簡単にする。仕組みをソフトウェアに合わせる。 ③ 技術の活用 →　しっかりお膳立てをしたうえで技術を使う