DX：様々な開示要求に対する業務負荷軽減

株主総会時の想定Q&Aの自動生成

生成AIによって出力されるアウトプットをより実務で活用できるレベルにするためには、インプットとなる情報を充実させるだけでなく、生成AIに処理させるプロセスをより実務に近づけること、および生成AIへの指示（プロンプト）が肝要となります。

例えば、株主総会における想定Q&Aを作成する場合、担当者は一般的に①質問傾向を把握、②株主の関心が高そうなトピックを抽出、③想定質問作成、④回答作成という順で想定Q&Aを作成します。生成AIに対しても、一段階で最終的に期待するアウトプットを求めるのではなく、実態に則した①~④のプロセスを生成AIにも適用させることで、生成AIから出力させるアウトプットの質を向上させることが期待できます。

クリックまたはタップすると、拡大版をご覧になれます
 

また、質の高いアウトプットを得るためには、前述の実務知見に基づくプロセス設計に加え、プロンプトエンジニアリング（生成AIに望ましい結果を出力させるために、最適なプロンプトを作成するテクニック）も重要となります。①~④の各ステップにおいて、プロンプトには、実行するタスクの内容に留まらず、目的や背景情報も追記することで、期待する出力内容に近づけることができます。

従来のRPAによる自動化では、実務知見に基づいて適切なプロセスを構築することが求められていました。生成AIにおいてもRPAと同様に、業務知見に基づくプロセス構築が求められますが、加えて、生成AIが実行する各タスクのアウトプットを期待値に近づける、プロンプトエンジニアリング等の技術も必要となります。

導入アプローチ

デロイト トーマツでは、生成AIを活用した決算報告関連資料の自動生成において、システム構築の際に重要となる業務プロセス設計およびプロンプトエンジニアリングの技術を持つプロフェッショナルチームが企業の業務効率化・高度化を強力に支援します。

生成AIを活用したシステム構築は、一般的に効率化効果を確認しながら導入を進めていくアジャイルアプローチを推奨しております。生成する資料や文章の範囲を限定し、期待されるアウトプットに対して検証とチューニングを繰り返すことで効果を確認します。その後、順次対象範囲を拡げていくことになります。つまり、インプットとなるデータの準備、データの構造化、生成AIモデル構築、検証と精度評価を短サイクルで繰り返すことが重要になります。構築する範囲によりますが、標準的には約3か月で構築・検証・精度評価を繰り返し、業務として活用できるように支援します。

クリックまたはタップすると、拡大版をご覧になれます

クリックまたはタップすると、拡大版をご覧になれます