LLMが登場した後も、アプリケーション層への投げかけは止まりませんでした。 プロンプトのチューニングからワークフローの構成、エージェントの構築に至るまで、最終的な目標は同じです:LLMを人間にとってより良く機能させ、マシンのパフォーマンスを極限まで絞り出すことです。 LLM のスクイーズは 2 つの次元に分けることができます。 1つ目は、最適なアルゴリズムを見つけ、推論の回り道を減らすことです。 この目的を達成するために、私たちは考えられるほぼすべての道を歩み、LLM が反省すること (反省、自己矛盾、自己批判) を学び、推論と計画 (推論、計画、思考の連鎖、思考の木) を学ぶことを可能にしてきました。 長い会話の後に記憶を失わないように、暗記(短期記憶、長期記憶)を学びます。 知識(RAG、ナレッジグラフ)を見つけ、外界の事実を補足することを学びます。 より有効な情報を有限トークンに詰め込むためのコンテキスト構築を構築する方法を学びます。 ツール(ツールの使用、関数呼び出し、MCP)を使用して、自分で生成するのではなく、外部プログラムに実行を任せる方法を学びます。 ちょっと待ってください。 これらの本質的な目的は、LLM が人間が何をしているのかをより早く理解し、目標指向の周りで最もコストのかかる道を見つけ、最適なソリューションにたどり着くのを助けることです。 2 番目の次元は時間の圧迫であり、LLM は 24×7 時間働くことができます。 LLMについて理解が深まると、LLMは私たち自身や組織にとって、たゆまぬ不平を言わず、業務と学び続けることができる「デジタル従業員」と考えられがちです。 現在、ほとんどの人が AI を使用していますが、情報の確認、コンテンツの要約、週次レポートの作成などの単一点シナリオにとどまっています。 まず、独自の AI デジタル ファクトリーを計画する必要があります - 知識を蓄積するシステム、自動化されたビジネス プロセス、長期間にわたって反復できるサービスなど、どのような「製品」を作りたいのかを明確に考える必要があります。 この工場では、AI が生産ラインの実行者であり、特定の処理と出力を担当します。 人間の役割は「直接働く労働者」から「監督者・管理者」へと変化しました。 すべてのステップを手作業で行うのではなく、人間がパイプラインを設計し、ルールを設定し、メトリックを設定し、品質を監視し、必要に応じてリソースをスケジュールします。 つまり、AIの価値は私たちのために「ちょっとした仕事をする」ことではなく、組立ライン全体の稼働を手伝うことであり、人間は「デジタルファクトリーの管理者」のようなものです。 これら 2 つの次元が組み合わさると、本当の変曲点が発生します。 LLM はもはや単なる冷たいツールではなく、徐々に長期間協力できるパートナーになっていきます。 反復労働を引き受け、複雑な問題についての洞察を提供することができます。 単に「あなたのために何かをする」ということではなく、「あなたと一緒に何かをする」ということです。 将来のギャップは、誰がより美しいプロンプトを書けるかではなく、誰が LLM を自分の時間と組織に真に統合して安定した制作方法を形成できるかということです。 したがって、使用されるかどうか、どの深さを使用するか、継続的に最適化できるかどうかが長期的な競争力の源です。 AIを「工場」として運営し、執行者から監督者、管理者へと変貌できる人は、今後の日々の業務やビジネスにおいて、真に再利用可能で累積的なメリットを得ることができるでしょう。