AIを中核とした未来を構築する上で、Gustoの共同設立者兼テクノロジー責任者であるEdward Kim氏は、異なった視点を取り上げています。既存のチームを削減して特別に訓練されたAIエンジニアを採用することが正しい方法ではないと、彼は考えています。
Kim氏はTechCrunchとのインタビューで、技術を持たないチームメンバーの方が、一般的なエンジニアよりも顧客が遭遇する可能性のある状況や混乱を理解している場合があり、そのためAIツールにどのような機能を構築すべきかを指示する資格があると述べています。Gustoのアプローチは、顧客体験チームの非技術メンバーに「レシピ」を作成させ、それらのレシピがAIアシスタントGus（先月発表）が顧客とどのようにやり取りするかを指示するというものです。
Kim氏はまた、同社は「ソフトウェアエンジニアではないが、多少の技術的な知識を持つ人々が、真に強力でゲームチェンジャーとなるAIアプリケーションを構築できる」ことを発見したと述べています。例えば、CoPilotは顧客体験ツールであり、6月にGusto CXチームに導入され、1日のインタラクション回数はすでに2000～3000回に達しています。
Kim氏は、Gustoは実際には社内の多くの人材のスキルアップを行い、AIアプリケーションの構築を支援できると述べています。このインタビューは、理解しやすく明確にするために編集されています。
GusはGustoが顧客に提供する主要なAI機能であり、以前構築された多くの点機能を統合しています。アプリケーションでは、AIボタンが満載になり、「このボタンを押してAIで何かをする」といったものが見られるようになります。Gusは、これらのボタンをすべて取り除き、Gusが価値のあることをできると判断した場合、目立たない方法で「職務記述書の作成をお手伝いしましょうか？」と表示することで、AIとのインタラクションをよりスムーズなものにします。
Kim氏は、ソフトウェアプログラミングはほとんどの人にとって容易ではないと考えています。コーディング方法を学び、長年勉強する必要があります。機械学習はさらに難しく、高度な専門スキルを持つソフトウェアエンジニアであり、データサイエンスのスキルセットを持ち、人工ニューラルネットワークの作成方法などを知っている必要があります。しかし、最近最大の変化は、機械学習とAIアプリケーションの作成インターフェースが誰でも簡単にアクセスできるようになったことです。以前はコンピューターの言語を学ぶために学校に通う必要がありましたが、今ではコンピューターが人間をより理解するように学習しています。これは大したことではないように思えるかもしれませんが、よく考えてみると、ソフトウェアアプリケーションの構築が容易になります。
Gustoの実践は、ソフトウェアエンジニアでなくても、多少の技術的な知識があれば、真に強力でゲームチェンジャーとなるAIアプリケーションを構築できることを示しています。同社は、サポートチームを活用してGusの機能を拡張していますが、彼らはプログラミング方法を知る必要はありません。現在使用しているインターフェースにより、コーディングを学ぶことなく、ソフトウェアエンジニアが行ってきたことを行うことができます。必要であれば、そのような例を挙げることができます。
Gustoでは、技術的なバックグラウンドを持たない人でも、特に顧客サポートチームのような、自分の専門知識を活用してより強力なAIアプリケーションを構築する方法を見つけることができます。特に、Gusにより多くのことをさせることができます。顧客サポートチームがサポートチケットを受け取るたびに、つまり顧客の1人が何かを支援してほしいと連絡してきた場合、それが繰り返し発生する場合は、実際には顧客サポートチームにGus用のレシピを作成させています。つまり、彼らは技術的な能力がなくてもGusに教えることができます。彼らはGusに、顧客を問題解決に導く方法、場合によっては行動を起こす方法を教えることができます。
Gustoは、内部向けのツールである内部インターフェースを構築しており、自然言語でGusに指示を与え、そのような状況をどのように処理するかを伝えることができます。実際、顧客サポートチームは、コーディングなしで、タスクを実行するために特定のAPIをGusに呼び出す方法を持っています。
現在、「この分野で多くの仕事を削減し、これらのAI専門家を雇用し、何百万ドルも支払うことになる。なぜなら、彼らは独自のスキルセットを持っているからだ」という議論が多くあります。しかし、私はそれが間違ったアプローチだと考えています。なぜなら、AIアプリケーションの進歩を推進できるのは、技術的な専門知識を持っていない可能性があっても、その分野の専門知識を持つ人々だからです。Gustoは実際にはここで多くの人材のスキルアップを行い、AIアプリケーションの構築を支援できます。
Kim氏は、ICLとIFTの選択は、利用可能なリソース、データ量、特定のアプリケーションのニーズなど、さまざまな要因によって左右されると強調しています。いずれにしても、この研究は、両方の方法において高品質なトレーニングデータの重要性を浮き彫りにしています。「Is In-Context Learning Sufficient for Instruction Following in LLMs?」というタイトルのこの研究は、2024年のNeurIPS会議で発表され、関連コードはGitHubで公開されています。
