「CS返信文生成」を"生成"の問題として設計するのをやめた話
バックオフィスの業務をAIで扱えるようにする、と一口に言っても、実際にやることの大半は「AIにやらせる」ことより「人間にもAIにも読める形に工程を書き直す」ことだったりする。 この記事は、CS(カスタマーサポート)対応の返信文生成を題材に、そういう工程の書き直し方を一つの実例で示すものです。 1. 再定義の core 従来の定義は単純です。CS対応 = 顧客メッセージを分類し、適切な返信文を生成すること。 この記事で試したのは別の定義です。CS対応 = 「実行ゲート(金銭・不可逆な対応の承認)を決めるための、判断の連なりをサポートすること」。返信文は、その連なりの副産物として生成され...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
リリース間隔が4〜6週から毎週へ短縮した事例で、AIエージェントにどこまで任せてどこに人を残すべきか？
Hugging Faceが自社ライブラリのリリース作業をAIで自動化し、4〜6週に1回だったリリースを毎週1回に、人手のレビューを数時間から約15分に短縮したと公表しました。1回あたりのAI利用コストは約0.25ドル。自社サービスの利用事例という利害関係も含めて、中小企業が持ち帰れる設計思想を整理します。
続きを読む →
パラメータ1.5Mから34.5MのOCRモデルは、自社の帳票読み取りを内製する道具になるのか？
PaddleOCRチームが公開したPP-OCRv6は、1.5M・7.7M・34.5Mの3構成で50言語に対応するOCRモデル群です。最大構成の検出Hmeanは86.2%、認識精度は83.2%と示されましたが、いずれも提供者自身の社内ベンチマークによる数字で、推論速度もライセンスも本文に記載がありません。読み方と検証の順番を整理します。
続きを読む →
定型判断はローカルAIで足りるのか — 330件の仕分けをF1 0.800・1件1.41秒で回した検証は何を示したか
Hugging Face公式ブログが、OpenClawリポジトリのPR・課題の仕分けをローカルの小型モデルで実施した結果を公開しました。330行の評価セットでF1 0.800、1件あたり1.41秒。巨大モデルはF1 0.811とほぼ同等ながら1件144秒。数字の出どころと限界も含めて読み解きます。
続きを読む →