LLM活用支援サービス

LLM（Large Language Models、大規模言語モデル）とは

大規模言語モデル（Large Language Models）とは、膨大なテキストデータで学習することで、自然言語を理解、生成することができる自然言語処理モデルの一つです。
特に、「計算量」「データ量」「モデルパラメータ数」を巨大化させることで、人間に近い自然な会話が可能となり、例えば、質疑応答、要約、翻訳、テキスト生成など様々なタスクを高精度で処理することが可能です。

このようにLLMは自然言語処理の可能性を広げる画期的な技術である一方で、偽の情報をあたかも正しい情報であるかのように出力する「hallusination（ハルシネーション、幻覚）」、学習データのバイアスによる偏見や差別、学習データに個人情報が含まれるものを用いてしまった場合に個人情報の漏洩の可能性があるなど、その活用には様々な課題があります。

そのため、ビジネスにおけるLLMの効果的な活用には、LLMの適用業務に応じた適切なソリューション開発が必須となります。

TDSEのLLM活用支援サービス

TDSEはLLMをビジネス活用するために必要なアセスメントから運用までを一気通貫でご支援します。

		STEP1 LLM活用アセスメント	STEP2 ソリューション	STEP３ 運用・改善支援
概要		LLM活用ができる業務の洗い出し、実現性や効果を加味した優先度付けを実施	LLM活用業務へのLLM実装を支援 業務に適したLLMの選定や周辺業務アプリ開発など、ビジネス実装を支援	LLM実装後の運用支援 必要に応じてチューニングなどの改善も実施
期間		1か月～	2か月	応相談
主要作業項目	推進	業務ヒアリング LLM活用業務の選定 テーマの優先度付け	業務要件定義 LLM選定 環境構築 機能・非機能要件定義 業務アプリ開発	LLMの使用に際してのエラー対応 チューニング
	LLMOps		分析環境、モデルサービング環境の設計 基板設計・開発 パイプライン設計・開発 社内データへのデータ拡張（例：RAG） モニタリング機構の設計・構築

TDSEのLLM活用支援サービスの特長

OpenAI社のChatGPTをはじめとして、各クラウドサービスプラットフォームにおけるLLMや商用利用可能なOSS（オープンソースソフトウェア）のLLMなど、複数の選択肢の中から最適なものを選定し、活用環境の構築をご支援いたします。

LLM活用環境構築イメージ（RAG実装例）

RAG* を実装することで、LLM単体では答えられないような質問に対してより適切な回答をさせる事ができます。
*RAG(Retrieval-augmented Generation)：社内のドキュメントや特定ドメインのテキスト情報を組み合わせるカスタマイズの技術のひとつ。

業務別活用ソリューション一覧

のついているソリューション名をクリックすると、該当ソリューション例にジャンプします

業種別活用ソリューション一覧

のついているソリューション名をクリックすると、該当ソリューション例にジャンプします

関連コンテンツ