なぜ米国の一部銀行は生産性と知識共有を強化するためにGoogleのBardを好むのか

フロリダ州ウィンターヘイブンに拠点を置くサウスステート銀行は、OpenAIのChatGPTに対抗するGoogleのBardを熱心に採用し、この革新的なテクノロジーの恩恵を受けています。機密情報の漏洩への懸念から大規模言語モデルの使用を制限している他の主要銀行とは異なり、サウスステート銀行はBardを期待に応えるゲームチェンジャーと見なしています。

Chris Nichols氏は、サウスステート銀行の資本市場担当ディレクターとして、アメリカンバンカーのデジタルバンキングカンファレンンでBardの驚くべき能力を強調しました。このテクノロジーは、テキストの習得、知識のリンク、要約において優れています。同銀行はBardを使用して、ポリシーや規制文書を要約し、メールを作成し、マーケティングコピーの作成をサポートしています。

BardとChatGPTの違いとは？

Bardという名前にはゲイキーなルーツがあり、Googleの命名規則に合致しています。バードは『ダンジョンズ・アンド・ドラゴンズ』でプレイ可能なキャラクターの一種です。あるいは、楽器の伴奏を受けながら王侯貴族に実話の物語を披露する旅の詩人を意味することもあります。GoogleのBardは生成AIです。これはChatGPTやDALL-Eのような、新しいコンテンツを作成できるAIモデルの総称です。生成AIは動画、音声、画像を作成できますが、AIチャットボットとしてのBardは、自然で会話的な方法で質問に答えるテキストの作成に焦点を当てています。

Googleは、単純な答えを持つクエリを行う際に検索で表示されるナレッジグラフカードを補完するためにBardを使用したいと考えています。ナレッジグラフカードは単語の定義や人物・場所の概要を提供できますが、Bardの回答は、Googleが呼ぶ「NORAクエリ（No One Right Answer、正解のない検索）」に対応することを意図しています。

これを行うために、BardはまずLaMDA言語モデルを使用して質問とその文脈を理解します。LaMDAは対話を含むデータセットを使用しているため、検索エンジンが苦手とするニュアンスや口語表現を理解します。その後、BardはWeb全体で見つけた情報に基づいて回答を形成し、それをLaMDAのおかげで、人間から期待されるような会話型の返信タイプに変換します。Bardの目標、そしてすべてのAIチャットボットの目標は、高品質な回答を提供することです。

BardとChatGPTテクノロジーの実験

しかし、BardとBingGPTの主な違いは、Googleのボットは少なくとも最初の inspection では、明らかによりドライで論争を避けている点です。おそらくこれは意図的な設計によるものです。他の多くのAIチャットボットと同様に、Bardはコードを作成し、数学の問題に答え、執筆のニーズをサポートできます。観察者たちは、Bardが質問に対して信頼性の高い正確な答えを得るためにはあまり有用ではないと指摘しています。なぜなら、正しい答えを知らない場合、よく「ハルシネーション（幻覚）」を起こしてでっち上げの回答を生成するからです。

サウスステート銀行だけが銀行部門内でChatGPTに似たテクノロジーの可能性を探求しているわけではありません。例えば、ウエストパック銀行は、 mortgage プロセスにおける借り手やローンオフィサーを支援するために、Kasistoからの大規模言語モデルをテストしています。生成AIは、履歴書の審査や採用担当者のためのレッドフラグの特定を支援できるため、人事部門でも有望視されています。

Galileo Financial Technologiesのデジタルコア責任者であるMichael Haney氏は、ほとんどの銀行が生成AIテクノロジーを活用することに興味を持っていると述べています。Galileoの銀行顧客の約80%が、生成AIを自社の運用に実装する可能性を積極的に探求しています。OpenAIやMicrosoftに加え、Google、Amazon、Oracle、Accentureなどの主要プレイヤー、およびさまざまなスタートアップも、生成AIの分野に進出しています。

銀行運用における生成AIの実装

サウスステート銀行では、Bardは銀行の文書とデータのみを使用してトレーニングされたエンタープライズソリューションとして展開されています。顧客データは使用されず、システムへのアクセスは銀行従業員に制限されています。このテクノロジーは単なる検索エンジンを超え、知識を接続し、アイデアを知的にリンクして一貫したテキストを形成します。従業員はBardを活用して、長いテキストスレッドをフィルタリングし、議論を要約し、見落とした会議の議事録を取得し、メールの作成、経費報告書の生成、不審な活動や詐欺の分析など、さまざまなタスクを実行します。

LaMDA（より地味な名前では対話アプリケーション用言語モデル）が新しいチャットボットを駆動します。GoogleはこのLaMDAを長年にわたり開発しており、2021年に正式にプロジェクトを発表しました。トレーニングデータは一つの制限要因であり、Bardは内部で同様の問題に苦しむ可能性がありますが、Google検索との統合によってこれを補っています。これにより、基本的なLLMトレーニングに加えて、現在の出来事に関するデータが提供されます。Bingチャットとは異なり、Bardは検索を行いません 検索結果—返されるすべての情報はモデル自体によって生成されます。ユーザーはBardを使用してブレインストーミングを行い、クエリに回答できます。 

生産性の向上と学習の強化

Bardを導入して以来、サウスステート銀行は生産性の大幅な向上を実感しています。現在、5,000人の従業員のうち約2,000人がこのシステムを利用しており、正確な回答や情報を検索する際に大幅な時間を節約しています。例えば、以前は平均して12〜15分かかっていたタスクが、今では数秒で完了します。Bardの迅速な要約と情報提供能力は、新しい従業員のトレーニングを支援し、特定のトピックや規制についてすぐに習得できるようにします。

ChatGPTやBardの限界、例えば予測分析における不得意さを認めつつも、Chris Nichols氏は、システムの回答に偶発的な不正確さやハルシネーションが見られるため、人間の監督の必要性を強調しました。銀行は平均してBardを人間よりも信頼していますが、参照、引用、専門家の検証がすぐに利用可能であることを確保しています。不正確さを軽減するために、サウスステート銀行は、正確な質問を行うこと、情報を効果的に構造化すること、そして徹底的なテストを行うことの重要性を強調しています。

Nichols氏は、Bardの実装と運用のコストは比較的手頃であると強調しました。生産には約5万ドルの初期投資が必要で、テストと使用には月約3万ドルの継続的なコストがかかります。銀行の従業員が達成した大幅な生産性の向上を考慮すると、この支出は最小限と見なされています。サウスステート銀行はまた、生成AIの利用を監督するためのリスクガバナンス委員会も設立しました。

生産性と知識共有の大幅な改善

Chris Nichols氏は、大規模言語モデルが銀行部門において従業員と顧客間の主要な相互作用手段になることを envision しています。自然言語の質問は、銀行サービスの提供方法を変革すると予想されます。慎重かつ安全な利用の必要性を認めつつも、Nichols氏は、このテクノロジーを受け入れることで、業界全体の生産性と知識共有に大幅な改善をもたらすと信じています。