生成型AI
過去2年間、IT業界の最大の話題は誰が何と言おうとも生成型AIだと思います。OpenAIが提供するChatGPTをきっかけに、GoogleやMetaといったグローバル企業が同様のサービスを始め、驚くべきことに3ヶ月や6ヶ月単位で以前には解決できないと思われていた問題を解決しながらアップグレードされています。
しかし、生成型AIを実際に活用してみたことがありますか？おそらく、初めてサービスを体験したときの驚きに比べて、実際にサービスを使う過程で多くの失望を感じたのではないでしょうか。現在でも非常に速いペースで、皆の予想を超える進展を遂げているため、失望という表現をするのが恐ろしい点もありますが、現時点では失望しているのが正しいかもしれません。
なぜそうなるのでしょうか？根本的な原因は、生成型AIと呼ぶモデルの元々の名前であるLLM（Large Language Model）から見なければなりません。（LLMについての詳細は下記の外部リンクを参照ください）
さて、本当にそのようなことをすべて知る必要があるのか、という疑問に行き着きます。私のようにモデルをサービス化しようとしている立場でも非常に難しく、さまざまな進展が加わる中で混乱が増しています。
簡単に説明すると、言語モデルは確率的に前の単語の次に出る単語や文を提案するモデルだと理解すれば良いと思います。LLMモデルは以前の言語モデルが解決できなかった多くの問題を解決しましたが、言語モデルの限界を超えることはできず、今後もその限界を超えることはないと思います。
弊社も多くの試みを通じてLLMを適用しようとしていますが、現時点では可能な部分と不可能な部分が明確に区別されていると思います。（限界があることを理解しながらも、会社のかなりの人数が新たに登場するモデルやサービスをテストし、実際に適用する努力をしています。進展のスピードがあまりにも驚くべきもので、予想外の結果があるかもしれないと思っています。）
実務に適用可能な生成型AI
現在、多くの事業者が生成型AIを活用してサービスを提供しています。LLMの持つ限界を克服するための努力も多く試みられています。（最近では、マルチエージェントやそれを制御するコーディネーター、SQLエージェント、検証エージェントなど、さまざまな形の試みが行われていると把握しています。）
多くの人が最も懸念し、問題だと思っている「ハルシネーション（Hallucination）」については、個人的にはポジティブに考えています。実際の業務での使用には障害となるかもしれませんが、最終的には新しい何かを作るための重要な役割を果たすのではないかと思います。携帯電話が実際に登場する数十年前に映画に登場し、多くの神話で語られる遠隔対話のような想像が、最終的には携帯電話を私たちの手に渡すことにつながったと考えています。妄想と錯覚は想像とどう違うのでしょうか？究極的には似ているのではないでしょうか？ これが私の考えです。
それでも、現時点で使用可能な主要機能を列挙し、点数をつけました。（点数は任意に決めたもので、相対的な比較としてご理解いただければと思います。）
- 対話 80点（対話はスムーズに行えるが、自分の対話の意図は理解できない。）
- 要約 90点（文書や音声対話の要約能力は優れている。）
- 翻訳 95点（翻訳される言語の感情まで生かして、ほぼ完璧に翻訳する。）
- 分類 70点（分類基準が明確であればうまく機能するが、曖昧な部分では失敗率が高い。）
- 推薦 70点（特定の目的に基づく推薦は目的を理解しづらい。）
- 演算 30点（最近、演算専用の別モジュールを作成し、性能を向上させているようです。）
弊社は検索データをサービスする会社であり、韓国だけでなくグローバルを目指しています。そのため、弊社で開発したさまざまな形の言語を扱うアルゴリズムを持っています。それにもかかわらず、一部の機能はLLMを活用する方が効果的かつ効率的だと判断しており、それをサービスに提供しています。
リスニングマインドでは、比較的信頼できる結果を提供する要約、分類、推薦の3つを活用しています。また、リスニングマインドは検索結果とその結果の関係データを持っているため、RAG（Retrieval-Augmented Generation）の構造を活用しています。RAGを利用する理由は、同じ質問をしても、ユーザーが求める文脈により近い文を確保できるからです。
SERPの要約と分析
リスニングマインドはキーワードで構成されており、このキーワードの意味は一つだけではありません。また、常に変化します。同じキーワードを入力した場合でも、時点によって検索結果は異なることがあります。その結果が異なる理由は、インテントが変化するからです。インテントは最も基本的なデータであると考えています。
そのため、キーワードを提供するすべてのサービスで「Googleスナップショット確認」という機能をクリックすると、リスニングマインドが提供しているデータの基準となるSERP（検索結果ページ）を確認できます。そして、「分析」をクリックすると、検索インテントを要約して提供しています。
Intent Finderへの適用
Intent Finderは、入力したキーワードを含む検索語を見つけ、その検索量や検索インテントなどを提供するサービスです。
リスニングマインドガイド | インテントファインダー | 検索する
このサービスでは、キーワード推薦に生成型AIを活用しています。検索で最も難しい点は、「自社や自社製品の後にどの単語を入れるべきか」「どのキーワードで検索すれば自分が求めているものを見つけられるのか」という、適切な検索語を入力することです。
キーワードをクリックすると、キーワードを修正したり、推薦を受けることができます。インテントファインダーでは、文字を入力している途中でもキーワードが推薦されます。この場合、入力中の文字を含む単語の中で検索量が高いキーワードを推薦する方法です。入力した後には、20個のキーワードを推薦しますが、これは目標とする単語を入力した後、目標キーワードを除外し、リスニングマインドが保有するキーワードの中から類似度が高い10個のキーワードと（前半）、GPTが推薦する10個のキーワード（後半）として提供されます。
キーワードに関する専門知識がない場合にも便利です。リスニングマインドが保有するキーワードの類似度に基づいて推薦されたキーワードは、納得できるものが多い一方、AIが推薦したキーワードは「なるほど…」と思わせることがよくあります。
上位コンテンツの適用
上位コンテンツは、特定の検索語を検索した際にGoogleが提供する上位10件の検索結果をURLごとに要約し、その検索結果を基に文書を作成する際にどのような文書を作ると良いかを推薦するサービスです。
このサービスにおける AIの役割は要約と推薦です。 AIが得意とする要約のため、文書の要約は90点以上の精度を誇ります。一方で、アイデアの推薦は70点程度を期待されると良いでしょう。文として提供する場合、現場での使用には効果的ではないと判断し、タイトル、ディスクリプション、構成アイデアとして提供しています。
私もサービスを紹介するコンテンツを書いていますが、思ったより簡単ではないことを実感しています。さらに、どのテーマで説明すればよいのか分からないときや、新しい事業領域に進出する際、競合とコンテンツの先取りを図るために、この機能は非常に必要だと感じます。
パスファインダーに適用
パスファインダーでは、Pathビューで「キーワード分類」と、ペルソナビューで「クラスター名生成」と「AIレビュー」が使用されています。ペルソナビューで適用される内容は、クラスターファインダーで適用される内容と同じですので、以下のクラスターファインダー適用の説明を参照することをお勧めします。
Pathビューでのキーワード分類は、目的のキーワードの前後にあるキーワードを類似度の高いキーワードでクラスタリングし、そのクラスタを代表する名前を付ける作業です。
リスニングマインドガイド | パスファインダー | 検索画面の理解
パスファインダーは、目指すキーワードを含む経路をつなげて視覚化した結果です。すべての経路がそれぞれ異なる意図で構成されている可能性がありますが、一般的には似たような数個の経路のバリエーションと見ることができます。そのため、目標検索語の前後にあるキーワードをクラスタリングし、名前を付けています。AIを使用して行う分類であるため、70点程度の結果を期待されることをお勧めします。ただし、時には100点になる場合もあります。分類が70点であるため、クラスタの名前も70点程度の結果が期待できます。
クラスターファインダーに適用
クラスターファインダーのクラスタリングは、アセントコリアで構築したアルゴリズムによる視覚化の結果です。しかし、このクラスタの名前を付ける作業はRAG形式でAIを活用しています。左側にクラスタの名前が表示されており、この部分がAIを利用した結果です。RAGを活用することで、80点程度の結果を得られると考えています。
リスニングマインドガイド | クラスターファインダー | 検索画面の理解
次にご紹介するのは「AIレビュー」という機能です。文章の最初でもお話ししたように、GPTは要約が非常に優れています。リスニングマインドでは、キーワード間の関係やキーワードを最大限に活用できるプロンプトを作成し、全体のキーワードとクラスタの状況、検索インテントの分布、そしてこのキーワードを検索する人の関心を説明しています。この部分はRAGの形を利用しているため、80点は超えますが、90点には達しないレベルです。
90点以上の結果は出せませんが、例として示す「ロフト」の検索結果は約5,426件です。この多くのキーワードを目で見るよりも、はるかに効率的かつ効果的だと考えています。
同じ「AIレビュー」ですが、クラスターを選択して使用する場合には異なる結果が提供されます。クラスターファインダーの特定のクラスターはインテントがより明確になった状況であり（インテントを理解することは、特定のキーワードを検索する動機や目的を把握することだと思います）、インテントが明確であれば、適切な対応が可能になると考えています。そのため、クラスター内のキーワードを分析し（総合分析）、特定の問題を解決したいと考えているのはどのようなペルソナなのか、何に興味を持っているのかを分析し（ペルソナ）、それに基づいてマーケティング活動を行うためのインサイトを提供しています。この機能もRAGの構造を活用しています。全体のクラスター説明よりも精度が高いと思います。その理由は、AIに提供するキーワードの類似度が高いため、異なる方向に流れる可能性が低いからです。
クラスターファインダーで使用したAIの活用内容は、パスファインダーのペルソナビューでも同様に適用されて提供されています。
結論
アセントネットワークスは、検索データを収集・分析する業務を主な仕事としているため、技術に敏感に反応する必要があります。そのため、AIにも関心が高く、さまざまな要素で活用しようと努力しています。今後も進展が期待されますが、現時点では要約と推薦が効果的に使用できると考えています（単に使用可能というだけでなく、実際には必ず使用すべきだと思っています。キーワード一つに対して万を超えるクラスターファインダーから意味を見出すには、すべてのキーワードや検索結果を確認する必要があるのですが、AIが十分にうまく要約して表示しています。）
アセントネットワークスは引き続き新しい技術の適用について実験し、検討するつもりです。新しい技術の理解と適用を目的とするだけでなく、検索データを通じて顧客の心を理解し、インテントを理解するためにリスニングマインドが貢献したいと考えています。