モデルトレーニングScalata Enterpriseにて近日公開

モデルに回答を学習させる 自社チームと同じように

最良の会話、ドキュメント、フィードバックを独自のモデルに変換します。実業務で利用される前にその優位性を証明し、すべてのステップをガバナンスの効いた状態で、コストを管理し、記録に残します。

トレーニングガイドを読む

最良の回答はすでに存在しています。それらは、チームが日々行っている会話の中にあります。正確で、自社のトーンに合った、自社製品に関する会話です。モデルトレーニングは、それらを活用し、最初のメッセージから理想的な回答を生成するモデルを構築します。

仕組み

会話からモデル構築までの6つのステップ

機械学習チームは必要ありません。各ステップでは、実行前に何を行うか、実行後に何を行ったかが示されます。

  1. ステップ 01

    学習する価値のある会話を選択する

    チームが適切に対応したチャットを選択します。保持した各返答はモデルが生成を学習する対象となり、残りの部分はコンテキストとして維持されます。

  2. ステップ 02

    あらゆるソースからデータセットを構築する

    稀なケースを想定して生成された会話を追加し、公開データセットのインポートやドキュメントの添付を行い、チャットでの高評価・低評価のフィードバックを組み込みます。

  3. ステップ 03

    安全に準備する

    エラー、重複、定型文の返答は削除され、個人情報は秘匿化されます。また、長いチャットは適切な長さにトリミングされ、トレーニングには使用されないテストセットが確保されます。

  4. ステップ 04

    コストを事前に確認してトレーニングする

    メソッドとベースモデルを選択し、推奨設定を維持するか調整し、開始前に見積もりコストを確認します。進捗状況、学習曲線、完了時のメール通知が提供されます。

  5. ステップ 05

    オリジナルを上回ることを証明

    新しいモデルとベースモデルが、同じテスト用の質問に回答します。判定モデルがそれらをブラインドで比較し、各回答が選ばれた理由を確認できます。

  6. ステップ 06

    試用してから実業務へ展開

    トレーニング済みモデルと好きなだけチャットできます。時間あたりのコストは事前に表示され、終了後にプロセスが残ることはありません。納得のいく結果が得られたら、チームで利用できるようになります。

学習方法

モデルのあらゆる学習方法を1か所に集約

手法によってモデルが学習する対象は異なります。お持ちのデータに合った手法から始め、ゼロからやり直すのではなく、すでにトレーニングしたモデルを基盤として構築してください。

教師あり学習

学習元
最適な回答。質問と希望する回答が提示され、その回答を作成するように学習します。
最適な用途
トーン、フォーマット、およびチーム独自の言い回し。最初に試すべき手法です。
仕組み →

お客様のデータ

既存のあらゆる場所からのデータ

実際の会話

チームがすでにScalataで行っているチャット — 回答方法を最も忠実に反映しています。

生成された会話

アシスタントの概要を説明し、シナリオのプランを確認して、対応が難しいものや範囲外のものを含む多様なチャットを生成します。

公開データセット

オープンデータセットを取り込みます。フォーマットが認識され、適切な列が提案されます。

ドキュメント

アップロードされた、または接続済みのファイルやソースから選択されたマニュアル、ヘルプページ、レポート。

チャットのフィードバック

「高評価」は学習対象の返答となり、高評価と低評価の回答は選好ペアになります。

評価

約束ではなく、確証を

学習曲線の下降は、モデルが例に適合していることを示しますが、回答が改善されたことを意味するわけではありません。すべての実行は、モデルが未学習の質問において、ベースとなったモデルと比較されます。また、複数のモデルを並べてランク付けすることも可能です。

初期モデルに対する勝率68%

ホールドアウトされた質問のうち、新しいモデルがより優れた回答をした割合です。

ブラインド判定
Aレポートを開き、「共有」を選択してクライアントを指定すると、安全なリンクが送信されます。
Bおそらくメニューから共有できます。
Aの勝利 · 具体的かつ正確
同じ質問でモデルを比較
サポートアシスタント v34.3
サポートアシスタント v23.9
初期モデル3.2
レビュアーと判定の一致率
84%

人間のブラインドレビューによって測定されるため、スコアの信頼性を把握できます。

例示用数値

デフォルトでのガバナンス

モデルに対する説明責任を負う組織のために構築

01

個人情報を排除

メールアドレス、電話番号、カード番号、IDはトレーニング前に検出および置換されるため、モデルは個人情報ではなくパターンを学習します。

02

モデルが未学習のテスト

トレーニング開始前に会話の一部を確保し、結果の判定にのみ使用します。これにより、高スコアは単なる記憶力の良さではなく、モデルの向上を意味します。

03

実行前、実行中、実行後のコスト

開始前の見積もり、トレーニング中の実行数値、終了時の最終金額 — トレーニング、評価、およびすべてのテストチャットに適用されます。

04

モデルだけでなく人による確認

評価をレビューキューに送信します。レビュー担当者はブラインドで判定し、判定者との一致度が測定され、その修正内容がトレーニングデータになります。

05

データを失わない

不要になった実行履歴は削除されずにアーカイブされるため、何を試したか、どのようなスコアだったか、どのモデルから派生したかをいつでも確認できます。

06

他の機能と同様の権限管理

トレーニングはScalata Enterprise環境内に配置され、プラットフォームの他の機能と同じロール、権限、記録の下で管理されます。

Scalata Enterpriseにて近日公開

現在運用中のプラットフォームに、独自のモデルを

モデルトレーニングは、Scalata Enterpriseライセンスにてまもなく提供開始されます。早期アクセスや、最初に学習させたい会話データについて、ぜひご相談ください。

Scalata Enterpriseの詳細を見る