00:00:00 ショーの紹介とAIがホワイトカラーの仕事に与える影響
00:02:20 大規模な言語モデル（LLM）の紹介
00:03:27 ジェネレーティブAIとGPT-4についてのJoannesの認識
00:05:44 LLMsは普遍的なテンプレート作成機械として
00:07:05 自動化の可能性と視点の変化についてのJoannesの意見
00:10:38 サプライヤーとのコミュニケーションの自動化の課題
00:12:24 LLMsの影響のまとめ
00:14:11 自動化における日常的な問題
00:15:59 絶滅レベルのイベントのスケール
00:17:48 AIの業界用語への理解
00:19:34 仕事へのAIの影響に疑問を呈する
00:21:52 自動応答システムとエンドツーエンドの自動化の重要性
00:28:08 既にプロセスを自動化している企業
00:30:36 AIによる効率の改善と競争上の優位性の獲得
00:34:28 AIの市場の準備状況
00:36:27 AI開発の起源
00:38:55 サプライチェーンにおける難しい部分の自動化
00:41:36 仕事の自動化による社会の豊かさ
00:44:23 サプライチェーン科学の研究の未来
00:46:54 観客の質問への移行
00:50:12 Lokadの技術ロードマップの見直し
00:52:29 Q&Aセッションの開始
00:55:00 サプライチェーンにおける財務的な視点
00:58:46 価格設定と収益への影響に関する質問
01:01:00 小さな日常的な問題とタスクのためのLLMs
01:07:17 一般的な知能と絶滅イベント
01:09:49 AIの中小企業への影響
01:13:02 Lokadにおける自動化の利点
01:17:55 非採用者の絶滅イベントの予測
01:20:32 自動化を通じた進歩の例としてのパリ
01:22:20 成功したAIと人間の協力に関する質問
01:26:19 高度な人間の知性の制約
01:28:31 小規模国のサプライチェーンにおけるAIの役割に関する質問
01:32:25 発展途上国におけるAIの均衡化
01:34:05 裁縫機のシンプルさと影響
01:35:31 進化、革命ではない
01:36:19 結論
要約
Conor DohertyとLokadのJoannes Vermorelの対話では、Vermorelは、人工知能（AI）が2030年までにバックオフィスのホワイトカラーの仕事を大量絶滅させると予測しています。これは以前の予測よりもはるかに早いものです。彼はこれを、特にサプライチェーンにおいて、大規模な言語モデル（LLM）の成功が影響を与えると考えています。 Vermorelは、繰り返しの仕事を完全に自動化することが目標であり、それによって生産性の向上が大幅に実現されると主張しています。彼は、多くの企業が数か月以内にこれらのポジションから人々を削除し始めると予測しています。 Vermorelは、戦略的な意思決定など、高度な人間の知性を必要とするタスクはまだLLMの能力を超えていると述べています。
詳細な要約
最近のConor Doherty（Lokadのコミュニケーション責任者）とJoannes Vermorel（同社のCEO兼創設者）の対話で、2人は人工知能（AI）とサプライチェーンの最適化の影響について議論しました。 Vermorelは、バックオフィスのホワイトカラー従業員に対して大量絶滅イベントが起こるとの考えを表明しました。彼は、AIが2050年までにホワイトカラーの仕事の90％を排除するという過去の予測に言及しましたが、彼はこれが2030年までに起こると信じています。
Vermorelによれば、ゲームチェンジャーは、すべてのバックオフィスのホワイトカラーの仕事、特にサプライチェーンにおける大規模な言語モデル（LLM）の成功です。 Vermorelは、彼が最初にLLMの革命を見逃し、実際の潜在能力に気付いたのは約18か月前であり、ジェネレーティブAIとの作業を開始したときであると認めました。彼はOpenAIのモデルであるGPT-4の経験を共有し、これによってこの技術の生産レベルの潜在能力を認識するようになったと述べました。彼は、GPT-4がGPT-3.5よりも桁違いに優れていると説明し、それがどのように機能するかを理解すれば、GPT-3.5でも適応できると述べました。
Vermorelは、LLMを普遍的なテンプレートマシンとして説明し、これは非常に強力でノイズに強いと述べました。彼は、約1年前にLokadの全体のロードマップを書き直し、過去12か月間でタスクを次々に自動化してきたことに驚きを表明しました。彼は自動化で提供できるものの大きさと、自動化できない問題を見つける難しさについて語りました。彼は、Lokadが最も困難な部分である数量的な意思決定を10年前に自動化し、最新のLLMの助けを借りて過去12か月間に残りを自動化したことを共有しました。
Vermorelは、特に言語のタスクにおいて、自動化が既に人間のスキルと知性を速度と精度の面で上回っていると説明しました。彼は、大規模な言語モデル（LLM）が一般的なミスを避けるのに優れていることを例示しました。例えば、製品名の色を実際の製品の色と誤解することを避けることができます。 Vermorelは、LLMを、特定の技術用語に精通していない一般の人よりも、あらゆる業界の専門用語とジャーゴンに精通した使用人のような存在と例えました。彼は、本当の問題は何を自動化できないかということであり、これまでに彼らが試したすべてがうまくいっていると述べました。
Vermorelは、AIが人間が意思決定を支援するための共同パイロットとして機能するという見方には反対し、繰り返しの仕事に完全なエンドツーエンドの自動化を目指すべきだと主張しました。これにより、生産性の向上が可能になります。彼は、非繰り返しの仕事は生き残るだろうと述べましたが、日常的には非繰り返しのように見える多くのタスクが、実際には1年間を通じて繰り返されるものです。彼は自動化の時間枠が非常に圧縮されるだろうと確認し、多くの企業が既に急速に自動化に向かっていると述べました。
Vermorelは、以前の技術革命は特定の産業に限定されていたが、大規模な言語モデルはほぼすべての事務職に適用されると説明しました。彼は、市場が自動化に関してバックオフィスよりも遅れるだろうと説明しました。広い観客の期待がペースを決定するからです。彼は、クライアントは製造の実行が完全に自動化されているか、事務員によって行われているかには関心がないと強調しました。
Vermorelは、白衣労働者の仕事が過去150年間で同様の変化を遂げてきたと指摘し、白衣労働者の仕事が過去150年間で同様の変化を遂げてきたと指摘しました。彼は、パリの水運び人の例を挙げ、配管の導入によりその仕事が絶滅したことを説明しました。彼は、自動化が既に特定のタスクを絶滅させていること（例えば、契約の草案を行ごとに比較すること）を説明しました。このタスクは現在、Microsoft Wordによって行われています。彼は、これらの変化のペースは、LLMの導入までは徐々に進んでいたが、1年で20年先の未来に歩いたように感じると述べました。
サプライチェーンサイエンスの将来についての質問に対して、Vermorelは、彼のサプライチェーンの講義で教えられる基本原則は自動化されないだろうと断言しました。彼は、これらの基本的な問題に焦点を当てることを奨励し、LLMによって自動化される些細なことには注意を払わないようにしました。彼は、LLMがバックオフィスの企業機能にとって絶滅イベントを表していると要約し、多くの企業がこれらのポジションから人々を削除し始めるだろうと予測しました。彼は、これが数か月の問題であり、迅速な行動を促しました。
仕事のタイトルが廃れる可能性についての質問に対して、Vermorelは、サプライおよびデマンドプランナー、在庫アナリスト、カテゴリーマネージャーなどを挙げました。彼は、数値レシピの作成や戦略的思考を含むような役割（例えば、サプライチェーンサイエンティスト）は自動化されないだろうと示唆しました。Vermorelは、Lokadが計画、スケジュール、購買、生産、割り当て、価格の更新などの基本的な意思決定だけでなく、マスターデータ管理、コミュニケーション、顧客やサプライヤーへの通知など、周囲のプロセスも自動化していると説明しました。
サプライチェーンに参入する若者へのアドバイスについての質問に対して、Vermorelは、戦略的な理解、批判的思考、プログラミングスキルに焦点を当てることを提案しました。彼は、LLMがこれらのスキルを置き換えるのではなく、生産性を向上させるだろうと信じています。Vermorelは、AIによるサプライチェーンソリューションが大企業よりも中小企業により大きな影響を与えると予測しました。彼は、これらのツールの高い生産性により、自動化が中小企業にもアクセス可能になり、彼らが大企業と競争できるようになると説明しました。
Vermorelは、Lokadでの自動化が品質を向上させ、生産性を高めたと共有しました。彼は、エンタープライズソフトウェアの販売サイクルが遅いため、購読率やその他の指標への影響を見るのはまだ早いと述べました。彼は、数字に頼ることに警告し、Kodakのデジタル写真への適応の失敗の例を挙げました。彼は、プロセスを自動化できる企業はより敏捷で信頼性があり、そうでない企業は生き残れないと予測しました。彼は、これを絶滅イベントに例えました。
Vermorelは、サプライチェーンと全体的な企業の成長のために、人々を退屈な仕事から解放することの重要性を強調しました。彼は、人間と機械の協力は想像されているほどではないと説明しました。それは、Lokadのウェブサイトの翻訳やLokad TVのビデオのタイムスタンプなど、タスクを完全に自動化することに関するものです。彼は、本当の問題は何を自動化できないかということだと提案しました。
Vermorelは、戦略的な意思決定や企業のマクロな問題など、高度な人間の知能を必要とするタスクは、まだLLMsの能力を超えていると提案しました。彼は、LLMsは非常にアクセスしやすく、優れた人材や高帯域幅のインターネット接続を必要としないことを説明しました。彼は、この技術は安価であり、資源が限られた国々にとっては大きな均等化要因になり得ると強調しました。
VermorelはConorの比較に同意し、企業がこの進化を見逃さないように警告しました。彼は、この技術を今採用しない企業は将来に追いつくことができないかもしれないと提案しました。
フルトランスクリプト
Conor Doherty: Lokad Liveへようこそ。私の名前はConorで、私はLokadのコミュニケーション責任者です。そして、スタジオにはLokadの創設者であるJoannes Vermorelが参加しています。今日のトピックは、これまでに当ショーで行った中で最も重要なものかもしれません。AIとサプライチェーンの真の最先端に関する率直で冷静な議論、そして何よりも、この分野の人々にとってそれが意味するものについての議論です。これは対話形式のディスカッションを意図していますので、ご質問があれば、ライブチャットでお送りください。私たちは持っている時間内にできるだけ多くの質問にお答えします。では、Joannes、もうこれ以上話を広げることはしません。なぜ私たちはここにいるのですか？
Joannes Vermorel: 私は、バックオフィスのホワイトカラー従業員にとって、おそらく大量絶滅イベントとして特徴付けられるものに直面していると考えています。5年前、AIがホワイトカラーの仕事の90%を2050年までに排除するだろうというコンサルタントの研究がたくさんありました。それらのレポートで引用された理由や技術は完全に間違っていましたし、時間枠も完全に間違っていました。しかし、唯一真実だったのはその90%でした。そして、今私が見ているところでは、時間枠は大幅に加速されるでしょう。2050年ではなく、2030年になるでしょう。すべてを変えたのは、LLMs（Large Language Models）の成功でした。これは、特にサプライチェーンの仕事を含む、ほぼすべてのバックオフィスのホワイトカラーの仕事に影響を与えます。変化は非常に速くやってきており、私が18か月前に思っていたよりもはるかに速くなっています。
Conor Doherty: 以前にコンサルタントが言及したことがありますが、この進化または絶滅の軌道に関して、昨年LLMsが出現したことで具体的に何が起こったのですか？
Joannes Vermorel: 真の革命は約3年前に起こりました。私はそれに気付きませんでした。私は約18か月前に何が起こっているかを理解し始めました。その時、私は生成型AIで遊び始めました。約1年半前にそれについてのインタビューをしました。当時、私はこれらの技術を見ていました。生成型AIは20年前から存在しており、毎年進歩していました。私はそれが製品目的で使用される可能性があることに気付き始めましたが、それは講義のためのいくつかのイラストを生成するなどの小さなタッチでした。
そして、LLMsとチャットボットがありました。それらはちょっとした面白いものでしたが、私はそれらがどのように使用されるかを本当に理解していませんでした。そして、約1年以上前にGPT-4（ベータ版）と一緒に作業を始めたときに正気に戻りました。私はこの技術が製品レベルであることを認識しました。それは絶対に巨大な飛躍でした。私はGPT-4（OpenAIのモデル）で、数年前から存在していたGPT-3.5がどのように使用されることを意図していたかを理解しました。興味深いことは、私が理解するためには2番目のブレークスルー、GPT-4が必要だったということです。GPT-4はGPT-3.5よりも桁違いにスマートです。
しかし、それがどのように機能するかを理解し始めると、GPT-4の方がはるかに優れているため、うまく機能するものを適応させて、GPT-3.5でもうまく機能するようにすることができます。気づいたのは、LLMは非常に強力ですが、チャットボットを持つことではありません。興味深いことは、あなたが持っているのはユニバーサルなテンプレートマシンです。これは完全に信じられないことです。これはノイズに非常に強いです。1年以上前に、それが製品レベルであることに気づきました。私たちは18か月前に驚くべきブレークスルーを見逃していました。私は1年以上前にLokadのロードマップを完全に書き直しました。私たちは過去1年間でほとんどすべてを猛烈にアップグレードしてきました。それについてのコミュニケーションはかなり静かでしたが、過去12か月間で次々と自動化してきました。数年前にはほとんど自動化することが不可能に思われたことが自動化されました。
サプライチェーンの仕事を見ると、完全にロボット化されたものとして提供できるものの規模が驚くばかりです。今では自動化できない問題を見つけるのがさえ難しいです。過去には、すべてのタスクを自動化することは課題でした。Lokadでは、10年前に最も困難な部分である数量的な意思決定を自動化しました。数量的な意思決定は、何単位を購入するか、生産するか、価格を上げるか下げるかを決定することのようなものでした。数量的な答えは10年前に自動化されました。しかし、過去12か月間に起こったことは、その他のすべてです。これらの現代のLLMを使用すると、その他のすべてが安価で、超高速で簡単になります。
Conor Doherty: 逆さまになるのは避けたいのですが、次の質問はおそらく「では、どの仕事が消えるのですか？」となるでしょう。しかし、実際には、一歩戻ってみたいと思います。1年前にはっきりと述べたように、ここに座っていて、GPT-3.5をBSアーティストと呼び、それを猫にたとえました。では、そのめまいの感覚を説明するとき、あなたは「それは猫だ」という考えから「私たちは絶滅イベントにいる」という考えに至ったのは何ですか？
Joannes Vermorel: それはまだかなり愚かですが、それが欲しいものではありません。LLMsはインテリジェントなディスカッションをするためのものではありません。それは素晴らしいことであり、GPT-4はこの方向にかなり進んでいます。これは非常に驚くべきことでした。しかし、再び、強みは私が説明していたユニバーサルなテンプレートマシンです。例を挙げましょう。サプライヤーに発注書を送る必要があり、MOQがないことに気付きます。サプライヤーにメールを送って、「ところで、その製品について、MOQ（最小発注数量）はいくつですか？ 数字を教えてください。」と伝える必要があります。その後、相手が返信し、その値をシステムの適切な場所に追加するだけで計算できます。これは意思決定プロセスの一部です。
Lokadはそれを自動化していました。私たちがやっていたのは、MOQを知っている場合、正しい回答を提供します。しかし、MOQの値そのものを取得することは、どのように扱うのでしょうか？それは難しい問題ではありません。自動化されたシステムを作成することは確かに可能ですが、メールのテンプレートが必要であり、回答を渡すことは難しいです。なぜなら、サプライヤーが2つのMOQを示すような返信をするかもしれないからです。この製品にはこれがあり、この製品には別のものがあります。それをどのように扱うのでしょうか？これは基本的には難しい問題ではありません。これは高度な計算のようなものではありません。しかし、これはプロセスの完全な実行を自動化することを妨げていた確実なものでした。
私たちは意思決定の部分を自動化することができましたが、意思決定の前後に行われる実行の完全な自動化はできませんでした。しかし、LLMを使用すると、サプライヤーから報告されたMOQは何であるか、などといったメールを自動化することができます。
したがって、GPTやLLMに何かを発明させると、彼らは幻覚を見るでしょう。それが彼らの役割です。しかし、それらを正しく使用すると、入力があり、変換が必要であり、変換された入力から情報を取得するという方法で使用すると、非常に堅牢で本番向けのものが得られます。これは単に、バックオフィスの労働者、白衣の労働者が行っていることを見ると、彼らはここやあそこで少しの情報を取得しています。彼らの時間の90%はそれに費やされています。そして、今ではそれをすべて自動化するための普遍的なマシンがあり、非常に簡単で安価です。
Conor Doherty: では、これまでのまとめを再度行いますが、Lokadはこれを何年も前から行ってきました。より定量的な意思決定の側面は、他の形式のAIを使用して自動化されています。今日、LLMを介して自動化されるようになったのは、より質的な対人要素です。
Joannes Vermorel: はい、購買注文を渡したいと思ってください。数量を計算することです。それはLokadが10年以上にわたって行ってきたことです。しかし、それから起こるさまざまな小さな問題があります。2つの製品が重複している場合はどうなりますか？つまり、2つの製品が同じ参照です。それをどのように見るのでしょうか？過去の答えは複雑でした。少しの機械学習と少しの特殊なNLP、自然言語処理の技術をエンジニアリングすることで、カタログを自動的に重複排除することができます。はい、過去にはそれを動作させるためにソフトウェアエンジニアリングに50時間かかることがありました。
しかし、LLMを使用すると、この重複排除については、文字通り20分の作業で、重複排除の本番向けソリューションが得られます。ですから、それは本当に驚くべきものです。そして、それは会社がすべての人を必要とする理由です。それは多くの時間をかける大きな問題ではないからです。数量を計算するような大きな問題はすでに機械化されていましたが、小さな非常に日常的な問題が邪魔になっていました。小さなデータ品質の問題、重複したもの、MOQのような欠落したデータポイントなどです。
供給業者が遅れている場合、修正された到着予定日を知るためにメールを送信し、回答を得たいと思うかもしれません。このようなことは非常に複雑ではありませんが、以前にはこれらを自動化することができましたが、このようなすべての質問やマイクロタスクには、解決するために50時間のエンジニアリングが必要であり、それは非常に多くの時間です。もし100個あれば、数千時間の人的資源が必要になります。そして、結果として、ソフトウェア製品を管理するコストは線形ではなく、超線形です。
だから、複雑さを倍にすると、このものを維持するコストは2倍ではなく4倍になります。ですので、これらのすべてを追加することで、非常に管理しにくく、更新や拡張が困難な巨大なソフトウェアを作り出していました。もし、これらのタスクを中央集権化したLLMとしてビルディングブロックとして持っているなら、これらのタスクは20分で解決できるだけでなく、ソフトウェア製品の全体的な複雑さは以前よりも遅く成長するでしょう。なぜなら、それはまだ非常にシンプルな製品であり、このLLMというトリックが、途中で起こるすべての小さなアクシデントを解決するために、すべてのステップで使用されるからです。
Conor Doherty: では、絶滅レベルの出来事について話すとき、その意味を解説していただけますか？
Joannes Vermorel: 私はLLMと一緒に働いており、タスクを自動化しています。他のいくつかの企業も同様に行っていますが、特に言語のタスクに関しては、情報の再配置、情報の要約、メールからの情報の抽出などがあります。信じられないことは、私たちは既に人間のスキルを超えているということです。
人間の知能を超えていると言うと、限られた時間の中でのことです。もし私があなたに入力されたメールを与え、20秒でキー情報を抽出するように頼んだ場合、人間としては間違えることがあります。もし私があなたに1000通のメールを与え、それぞれのメールからキー情報を20-30秒で抽出するように頼んだ場合、あなたは98%の正答率を持つでしょうが、時々間違えることもあります。
しかし、LLMは30秒ではなく1秒でそれを行うだけでなく、その正確さは訓練を受けた人間よりもはるかに高いものになります。だからこそ、私たちは文字通り人間を超えていると言っているのです。
新人のミスをしないようにするなど、LLMは非常に優れています。例えば、製品の名前に色がある場合、その色が製品の実際の色を意味するわけではないかもしれません。おそらく、それはチェックを行うためのデバイスであり、名前の色は製品の実際の色とは関係ありません。これは、LLMが実際に非常に優れているタイプのことです。
それは、地球上に存在するほぼすべての業界の専門用語やジャーゴンに非常に精通している使用人のようなものです。ですので、突然、あなたは何かを持っているのです。それは少し人間を超えているものです。なぜなら、ランダムな人を取ってみても、その人はあなたの業界の特定の専門用語に精通しているわけではなく、この用語が誤解を招くものであることを知らずに、無知から間違いを犯すことが数ヶ月、もしくは数年にわたって起こるからです。例は続きます。
そして、Lokadでは、私たちは文字通りたくさんのことを機械化してきました。そして、本当の問題は、文字通り「何を自動化できないのか？」ということです。これは難しい問題です。なぜなら、これまでに私たちが試したほぼすべてのことが、ほぼそのままうまくいったからです。驚くべきことは、一度これらのLLMが何のためにあるのかを理解すると、非常に多くのことを自動化できるということです。
Conor Doherty: 潜在的な否定者の立場を取ると、白衣の仕事と青衣の仕事を対比すると、何十年もの間、ロボットや機械、他の形態の技術が整備士の手からツールを取り上げるだろうと人々が話してきました。しかし、MROのような多くの分野では、飛行機の整備を行う技術者が不足している地域もあります。その絶滅レベルの出来事は間違っていました。あなたが今日言っていることについて、人々が似たような宣言をした文脈で、あなたはどれほど自信を持っていますか？何があなたをそんなに確信させているのですか？
Joannes Vermorel: まず、私が自信を持っているし確信を持っている理由は、私たちは1年間それをやってきたからです。文字通り、Lokadで機械化したものの例を挙げると、RFP（提案依頼）です。大企業から送られてくる巨大なExcel文書で、600の質問があります。そして、今年の初め、おそらく5月ごろだったと思いますが、「さて、また別の600の質問のRFPがあります。それに答えるのには1週間、10日、フルタイムでかかります。それらの大量の文書を見るのは本当に苦痛です」と言いました。すみません。
そして、私は「それを機械化して、すでにLokadで持っていた知識ベースを再利用して、応答マシンを作ることにしました。」と決めました。すでに文書はありますし、たくさんのものもあります。マシンの仕事はただ「Lokadのように質問に答える。持っている知識ベースを再利用する。もし知識ベースにギャップがあれば、単に「失敗」と答える。そして、私たちは実際に手動でそれを行います。」ということでした。
文字通り、1つのRFPには1週間以上かかり、RFPの自動化には1週間かかりました。つまり、ロボットを設計するまでに、私は既にプラスの回収をしていました。自動化を完了した時点で、私は回答とその他の質問の10%未満を手動で行い、Lokadの知識ベースを拡張しました。
しかし、興味深いことは、私たちが回答を提出すると、オンラインのシステムで、提出して600の質問があるとします。そして、あなたの回答とチェックしたボックスに基づいて生成された自動応答があります。ここにさらに100の質問が生成されました。そして、私たちは再応募しました。ですので、私たちは600の質問を行ったと思いました。
ちなみに、最終的には100ページ以上の回答になりましたので、非常に長い文書を提出することになりました。そして、それを提出すると、RFPプロセスを管理するシステムが100の質問を返してきます。そして、私たちはツールを再利用し、数時間で終わりました。そして、それ以来、私たちが行ったすべてのRFPでは、このツールを使用しており、それは数十もの例のうちの1つです。
Conor Doherty: しかし、あなたとは異なる態度を持つ企業もあります。彼らは、私たちが説明しているような大規模な言語モデルである生成AIが、需要予測者やサプライチェーンの専門家など、現在の業界の人々の共同パイロットのような存在になると信じています。彼らは、AIに取って代わられるのではなく、あなたをサポートするための共同パイロットになると考えています。あなたが言っているような量的・質的なすべての意思決定が消えるというのはなぜ間違っているのですか？
Joannes Vermorel: それは、ちなみに、私が18か月前に目覚める前に考えていたことです。もし、そう考えるのであれば、LLMは完全に役立たずです。それはおもちゃであり、ポイントを完全に見失っています。なぜなら、まず、会話型のユーザーインターフェースを持つことはおもちゃです。それは、検索エンジンの代わりにGPTを持つことができるので、それはいいです。しかし、反復的な仕事をしたい場合、必要なのは完全なエンドツーエンドの自動化です。
だから、この場合、LLMはソフトウェアのプログラムコンポーネントにならなければなりません。そして、私が言ったように、自動RFP回答マシンに戻りましょう。目標は、この600の質問RFPに答えるために私たちとチャットする共同パイロットを持つことではありませんでした。私たちが望んだのは、ドキュメントを受け取り、すべての質問を出力し、それで終わりにするマシンです。そして、FAQを拡張する必要がある質問の短いリストを持つだけです。相互作用できる共同パイロットを持つことではありません。それは完全な時間の無駄です。これが自動化、真の自動化、の本質ではありません。
だから、私の考えでは、こう考えている人々は明確に考えていません。彼らは増分的な考え方しか持っていません。少しでも改善するために新しい技術を追加することを考えているだけであり、それを完全に見直してプロセスの生産性を100倍向上させることを考えていません。
Conor Doherty: あなたが説明している絶滅イベントで生き残る仕事は特に何ですか？数量的なものがなくなり、質的なものもなくなり、すべてが自動化された場合、残るものは何ですか？
Joannes Vermorel: 残るのは厳密には非反復的なすべてです。しかし、高いレベルで、バックオフィスの労働者を見てみると、白衣の人々が言うように、「反復的ではない。ここでメールを送らなければならないし、あちらで同僚に尋ねなければならないし、少し異種のことをしなければならない」と言います。はい、しかし、1年間を通じて、何度も何度も繰り返されるのは常に同じです。そして、過去において、そして、それは常に迫っていたのです。私は過去40年間、ソフトウェア業界が、それがいつではなく、それがいつか、すべての日常的なことが自動化されるだろうという確信を持っていました。
80年代には、いくつかのAIの冬がありました。人々は壮大な主張をしましたが、エキスパートシステム、データマイニングとはうまくいきませんでした。エキスパートシステムは80年代後半、90年代初頭で、データマイニングは2000年でした。ですから、いくつかの波がありましたが、違いは今はうまくいっているということです。うまくいっていて、実際に、Lokadは1年間の道のりを歩んできて、簡単に、そして速く行われる可能性のあることを自動化してきました。そして、他の会社も同様にそれを行っているのを見てきました。その結果は驚くべきものであり、それはうまくいっています。また、それには、それほど専門的なスキルや技術的なオーバーヘッドが必要ありません。これらの技術は、LLMも非常に簡単に採用できます。
Conor Doherty: ちょっとしたフレーズを明確にしてほしいと思います。あなたはちょうど言ったフレーズについて、多くの会社がそれをやっていると言っていますが、それは、裏で既に起こっているということを示唆していますか？
Joannes Vermorel: はい、だから私は時間枠が非常に圧縮されると信じています。だからこそ、終局は2030年ではなく2050年だと言ったのです。かなり多くの企業が既に最大速度で進んでいます。ニュースを追っていれば、いくつかの企業がここでもあそこでも5000人を解雇すると発表しているのを見るでしょう。これは非常に速く起こっており、市場のスピードは通常の企業や平均企業のスピードで定義されるわけではありません。最速の企業で定義されるのです。なぜなら、節約額が非常に大きいため、遅れるとこの技術の転換はあなたを終わらせるからです。
L6 そして、私はAIが技術的な成果としてはインターネット自体よりも重要ではないと考えています。インターネット自体の方が大きいです。しかし、競争力の面では、インターネットは設立に20年かかりました。ケーブルを敷設し、信頼性の高い高速インターネット接続をどこにでも提供し、徐々にすべてを更新し、OSシステムを最大限に活用し、メールなどを最大限に活用するという遅いプロセスでした。
ですので、インターネットのパーティーに遅れて参加した場合、1995年にメールを採用するのではなく、2002年にメールを採用した場合、7年遅れていましたが、それはまあまあ大丈夫でした。競合他社はインターネットのおかげでコストを10倍に削減していませんでした。
そして、インターネットは多くの官僚制を生み出しました。多くのシステム管理が必要でした。多くの問題を引き起こしました。ですので、企業がそれを消化し、本当に上手くなるまでには文字通り20年かかりました。ここで異なるのは、それを上手くするためには数ヶ月の問題です。多くのタスクに必要な人員を削減できます。バックオフィスのタスク、サプライチェーンなど、ほぼすべてのタスクを数ヶ月で削減できます。そして、今回は非常に異なるところです。
Conor Doherty: 部門が異なると言ったとき、ITは含まれていないので、具体的にはサプライチェーンに焦点を当てていますか？
Joannes Vermorel: 各部門にはそれぞれ議論が必要です。ITは自動化が難しいとなるでしょう。まず、システム管理をロボット化することは潜在的なセキュリティの問題を引き起こします。難しいです。実現することはできますが、時間がかかると思います。そして、ITが行うほとんどの決定は既にかなり複雑です。ですので、ITについては、生産性の削減は50%程度になると思います。そして、ここでは、共同パイロットのような存在になるでしょう。ちなみに、それがLokadで起こっていることです。
今、あなたはあるソフトウェアのようなマイナーなものについて質問があります。以前はウェブで半時間かけてベンダーの技術文書の本質にたどり着くために時間を費やしていました。今では、ChatGPTを使えば、はるかに速くできます。それが私たちが話している共同パイロットアシスタントのようなものです。はい、それがITになります。しかし、他の機能については、はるかに速く、はるかに大規模になる可能性があります。
Conor Doherty: つまり、今テクノロジーを受け入れることのROIは、投資対効果を実現するか、絶滅するかの違いですね。
Joannes Vermorel: そうですね、まさにその通りです。私はそれが鋭い技術的な転換であると考えています。ROIについて考えること自体が間違いだと思います。ROIは非常に大きいので、この転換を受け入れない場合、競合他社に終わりを迎えます。ですので、考えるのをやめましょう。たとえば、あなたが衣料品業界にいて、誰かがミシンを発明した場合を考えてみてください。それは、針で服を作っていた人々が1枚のシャツを作るのに3日かかっていたとします。そして、ミシンを発明した人が5分でシャツを作ることができるようになりました。それがその違いのスケールです。ですので、ミシンのROIは何ですか？答えは、ミシンを持っているか、ビジネスから脱落するかです。それだけです。
Conor Doherty: 以前、Lokad TVでKodakについて例を挙げました。明示的にKodakを挙げました。彼らはデジタルカメラを発明し、それを受け入れずに倒産しました。
Joannes Vermorel: はい、その革命はある特定の分野に限定されていました。デジタルカメラがありましたが、この市場のプレーヤーの90％が倒産しました。しかし、それはある種の垂直な出来事でした。つまり、特定の分野に限定された絶滅イベントでした。
さて、LLMの興味深い点は、それが実質的にほとんどのホワイトカラーの仕事、特にバックオフィスの仕事に適用されることです。なぜなら、フロントオフィスでは、誰かと話をする場合、個人的なタッチが必要であり、理論的には機械化できるとしても、市場がそれを受け入れるかどうかは明確ではないからです。
例えば、Amazonは、2000年ごろには家具をオンラインで購入することができました。しかし、人々はまだそれに対して十分な信頼を持っていませんでした。電子商取引はまだ、$3,000のソファをオンラインで購入するには十分な信頼がなかったのです。それは10年後になってからです。つまり、10年後には、ソファをオンラインで購入できると言えます。さらに、車さえもオンラインで購入できるようになりました。それは文化の一部になりました。
2000年には、理論的には車や家具をオンラインで販売することができました。技術的な問題ではありませんでした。むしろ、人々がそれをする意欲があるかどうか、時間がかかるかどうかでした。ですので、フロントオフィスの場合、事態は少し遅れるでしょう。Amazonが2000年に家具を販売できたように、このセグメントは10年後に本格化しました。
市場は、より広い観客の期待に合わせて移動するため、少し遅くなるでしょう。バックオフィスに関しては、まったく制約はありません。あなたのプロダクションスケジュールの実行が完全にロボット化されているか、あなたが事務員の軍団を持っているかは、あなたのクライアントや他の誰にも関係ありません。内部のみが関心を持つのです。
Conor Doherty: あなたが主張しているように、不要になると主張している事務員以外は関心がないということですね。
Joannes Vermorel: LokadはLLMを発明したわけではありません。それは他の人々によって行われました。OpenAIのような人々によって発明されたと思います。彼らはそれに取り組んでいましたが、彼らは自分たちが何をしているのかわかりませんでした。面白いことに、Sam Altmanのインタビューがあります。彼は今、もし知っていたら、OpenAIを非営利団体として設立しなかったでしょう。途中で発見したすべてのトリックを公開しなかったでしょう。
ですので、彼らはLLMというアイデアに本当に夢中になっていました。それはテキストの連続です。テキストの一部を持っていて、それを続けるのです。私はそれについて講義をするつもりです。LLMを真の技術的な驚異にした一連のイノベーションがありました。しかし、結局のところ、それは発明した会社にとっても予期しないものでした。TransformerアーキテクチャはGoogleが発祥ですが、Googleはそれを解き明かしたのではありませんでした。つまり、結局のところ、それは少し偶然の産物でした。もちろん、準備ができていた人々にはチャンスが訪れました。正しい方向を見て、非常に賢いことをしていた人々がいました。しかし、その結果は非常に驚くべきものでした。
非常に興味深いことに、FacebookのYann LeCunなどのAI研究者でさえ、LLMの力について非常に懐疑的です。私の第一手の経験から言えるのは、それは本物です。それは非常に興味深いことです。この分野を先駆けた人々でさえ、彼らが代表する画期的なものを見ていないのです。
Conor Doherty: ここでピンを刺す価値があります。Lokadの役割は観察者に過ぎません。あなたが説明したように、私たちはAIの両側面、量的な側面と質的な側面の両方を使用しています。
Joannes Vermorel: LokadはLLMの改善についての研究を行っていません。それは非常に特殊化されたトピックであり、それを非常にうまく行っている企業があります。
フランスでは、Mistral AIという非常に強力なチームがそれを行っており、現在OpenAIと競合しています。はい、良いですね、それをたくさんの競争を見たいです。しかし、Lokadにとっては多くの影響があります。私たちは供給チェーンの難しい部分、つまり予測、注文、割り当て、価格設定など、すべての数量的な決定を自動化していました。しかし、今では、それに先立つ、情報の欠落した断片を取得するために、いくつかの情報が欠落している、調べる必要がある、メールを送る必要がある、オンラインで調べる必要があるなど、さまざまな小さなタスクが必要です。
過去には、クライアントに対して、「この問題がある場合は、やってください。それを自動化することができますが、時には高価です。」と言っていました。だから今、本当にそれをロボット化することができますし、同じことが意思決定の後に起こることについても言えます。例えば、サプライヤーとのフォローアップ、小さな問題のフォローアップなど、このような日常的で繰り返しの作業もロボット化できます。
既に存在しているため、私たちはそれを行わないことはできません。これは私たちの非常に切迫したクライアントからの要求です。なぜなら、ミシンがあるのにミシンを使わないことは選択肢ではないからです。ミシンのことを聞いたことがないと偽って、針でシャツを縫い続けることはできません。いいえ、使わなければなりません。
Conor Doherty: それはあらゆるレベルでの生存です。従業員、企業、産業全体、市場セクター、すべてです。自動化できるものは、自動化されるでしょう。
Joannes Vermorel: はい、ちなみに、これは白衣の労働者にとって驚きかもしれません。しかし、過去150年間で青い襟の労働者は次々と革命を経験してきました。電気の導入は大量絶滅事象でした。突然、さまざまなことが自動化されました。150年前のパリでは、最も一般的な仕事は、人々が水を運んでいたことでした。つまり、人々の約10%がバケツを持って水を運んでいて、それが一番の仕事でしたが、それは絶滅しました。
ですから、明らかに、それらの仕事を排除するたびに、社会全体が豊かになるというポジティブな側面があります。なぜなら、それは人々がより興味深く、より価値のあることをしていることを意味し、物事がうまく解決するからです。過去150年間の産業革命のすべてのために、物事は自分自身を整理してきました。ただし、驚くべきことは、それが比較的保護されていたクラス、つまり白衣の仕事に触れるということです。だから、これはここで起こったことですが、また起こるでしょう。
Conor Doherty: 150年も遡る必要はありません。過去数十年間で、多くの人々は特定の分野でいくつかの絶滅事象を経験してきました。VHSはDVDによって不要になり、メールはファックスを不要にしました。
Joannes Vermorel: たとえば、私の両親は40年以上前にプロクター・アンド・ギャンブルで働き始めましたが、彼らが初心者の従業員として私に話していたことは、例えば、契約交渉があった場合、若い従業員を連れてきて、2つの文書を行ごとに比較し、ドラフトと返答、サプライヤーやパートナーなどのカウンタープロポーザルの違いをペンでマークするという仕事でした。それには時間がかかりました。
だから、彼らは違いを見つけるために多くの人々に報酬を支払っていました。そして今、Microsoft Wordは文書の差分を表示するか、変更履歴を追跡するだけで済みます。ですから、すでに絶滅したタスクはかなりありました。ただし、それは徐々に起こったことです。興味深いことは、LLMではかなりの進歩があるということです。これは一歩進んだ進歩であり、実際、私たちはこの技術を最後の1年間で実際に導入した後、まるで20年先に進んだかのように感じています。
Conor Doherty: Lokadはよく大学と協力し、サプライチェーンに参入する人々を育成しています。ですから、これらすべてを捨てるつもりですか？サプライチェーンの科学を学ぶことは時間の無駄ですか？
Joannes Vermorel: いいえ、そうは思いません。私たちが教えているのは、最新のMOQを取得するためにサプライヤーにメールを送るといった日常的なタスクではありません。講義の内容を見ればわかりますが、それは在庫切れのコストをドルで理解し、それについて考える方法についてのものです。
Chat GPTに答えを求めると、彼らはばかげたことを幻覚するでしょう。たとえGPT-4であっても、まだそこには至っていません。私が講義で触れるようなものは自動化されるものではありません。しかし、サプライチェーン企業を見ると、サプライチェーンの人々が顧客の視点でサービスの品質が実際に何を意味するのかについて長時間考える割合は非常に小さいです。
講義でカバーしているほとんどは、非常に単純に見えるが実際には非常に難しい基本的な問題です。たとえば、「未来」という言葉は何を意味するのか？正しく未来を予測するとはどういうことか？これらは本当に難しい問題であり、これらの問題について考え、会社に関連する答えを持ってくることができるならば、自動化の対象にはなりません。だから私は言います、まだLLMは信じられないほどの話し手です。
ですから、この理解レベルを得るためには、まだそこには至っていません。幻覚を見たりするでしょう。しかし、もしもあなたが自動的にこの退屈な作業を解決したいのであれば、それは完了です。だから私は言います、基本に集中し、長時間考える必要のある問題に集中してください。それは消えることはありません。消えるのは周囲の騒音、無限の些細なことです。それはLarge Language Models（LLMs）で解決されるでしょう。
Conor Doherty: さて、オーディエンスの質問がいくつかありますし、私たちは50分間話してきました。それらの質問の多くは、私が最後に終わるつもりだったことに関連しています。ですから、オーディエンスの質問に入る前に、もし可能であれば、最初の数分を見逃した人々のためにエグゼクティブレベルの要約を提供したいと思います。そして、重要なのは、バックルームで働く人々、CEO、あらゆるセクターの人々に対するあなたの行動要請です。
Joannes Vermorel: 短い答えは、LLMs、つまりLarge Language Modelsは、バックオフィスの企業機能にとって絶滅イベントを表しています。ここでは、データを受け取り、変換し、再配置し、それを押し出すだけの人々が働くホワイトカラーの仕事に対してです。組織をあらゆるレベルで見てみてください。そこには、それを行っている人々の軍団がいます。彼らはいくつかのメールとおそらく20以上の異種のデータソースを持っており、それらを少しクランチして、そのものを一歩進めています。
メッセージは、すべてがすでに自動化可能であるということです。そして、かなり多くの企業が現在それを全速力で行っています。すでにニュースで見ることができますが、それらは生産中であるだけでなく、すでにこれらのポジションから人々を削減し始めています。私が言っているのは、わずかな人々ではありません。大企業が、「これを行うために6,000人いましたが、今は50人です」というような発表をしています。そして、それによって大規模なレイオフが行われました。そして、彼らは全速力で進んでおり、これらのことはますます強まるでしょう。
再び、バックオフィスのホワイトカラーの仕事がターゲットになります。サプライチェーンもその一つです。おそらく他にもいくつかのことが影響を受けるでしょう。会計もおそらく大きな影響を受けるでしょう。なぜなら、会計では、会計の構造をどのように組織化するかなど、スマートで非常にスマートな高度な推論があります。しかし、退屈な作業もあります。誰かが私にPDFを送ってきたら、そのPDFドキュメントに一致する会計伝票を生成するために、いくつかの関連情報を抽出する必要があります。それは終わりました。それは完全に自動化できます。
ですから、すべてが非常に速く消えていくでしょう。そして、一部の企業にとっては、それは未来ではなく、すでに現在のことです。そして、私たちは数ヶ月の話をしています。ですから、エグゼクティブサマリーは、絶滅イベントであり、数ヶ月の問題です。はい、速く行動する必要があります。そして、ちなみに、Lokadという会社は、私がそれに気付いたとき、2023年の最初の3ヶ月間をLokadの技術ロードマップを完全に見直すことに費やしました。なぜなら、以前に私が想像していたすべてのことが無意味になったからです。
ですから、私たちにとっては、かなりの急転回でした。Lokad内部でも、私たちはかなり多くのことを自動化してきました。そして、文字通り、それをただやっているだけで、あまりそれについてはコミュニケーションしていませんでした。しかし、それは私の日課になっています。もう1年間です。
Conor Doherty: オーディエンスの質問に移る前に、伝統的には確率的予測、確率的最適化などについて多く話していました。しかし、それはこの会話の一部ではありませんでした。それはすでに解決済みの問題です。それは何年もの間、最先端の技術でした。ですから、数量的な意思決定、在庫、発注、割り当て、価格設定については、少なくともLokadに関しては、何年も前に解決されていました。それはすでに終わっていました。人々はそれについて少なくとも半分か、あるいは周囲で認識しています。今日の焦点は、残されたすべてのことについて話しているということです。
Joannes Vermorel: はい、まさにその通りです。退屈な作業、ノイズ、周囲の小さなこと、あらゆる小さな事故、それらはサプライチェーンで10年かかるようなことではありません。たとえば、パートナーや輸送業者、サプライヤーなどにランダムな質問を1つすることを考えてみてください。ところが、企業は通常、たった1ヶ月のトレーニングで何百人もの人々を雇っていました。これらの人々は操作できるようになるでしょう。しかし、6ヶ月未満のトレーニングが必要なもの、おそらくLLMが操作できるものは、ほとんどでしょう。
もし何かがたった数ヶ月で理解できるものであれば、それは自動化できます。それが10年とスキルと献身と忍耐を必要とするものであれば、ダメです。しかし、簡単なこと、おそらく戦略的なものであるでしょう、それが区別です。はい。
Conor Doherty: さて、質問に取り組むために水を一口飲むことをおすすめします。皆さん、質問ありがとうございます。プロデューサーが質問をまとめました。YouTubeのチャットにはアクセスできないので、いくつの質問があったかはわかりませんが、似たような質問はまとめています。今日は答えられなかった質問については、追加のビデオかLinkedInで詳細な回答を提供します。
最初の質問はConstantineさんからです。「どのような職種が廃れる可能性がありますか？予測や計画の役割に将来性はありますか？」
Joannes Vermorel: サプライと需要のプランナーや在庫アナリスト、カテゴリーマネージャーなどの役職は、私はなくなったと言います。実際にはすでになくなっています。視聴者の皆さんは同意しないかもしれませんが、私はただ報告しているだけです。たとえば、予測の部分は、Lokadはほぼ10年前に自動化しました。自動化されなかったのは、通常は小さなデータの問題、重複した製品やどの製品が他の製品の派生物であるかを特定することなどでした。たとえば、2つの製品の説明を見て、これはデバイスの第4世代で、これは第5世代です、と言えば、これは同じもので、少し良いものです。これはLLMが確かに自動化できるものです。したがって、すべてが完全に自動化可能であり、なくなりました。
自動化できないものは、サプライチェーンの科学者のようなもので、自動化できないものを自動化するための数値レシピを作成するものです。作業は自動化できますが、まだ数値レシピの作成やすべてを利益や誤差のドルに変えるための戦略的思考を自動化することはできません。LLMにはできない財務の視点が必要です。しかし、繰り返しの多い管理の仕事はすでになくなっています。予測についても同じです。Lokadの立場は過去10年間変わっていません。つまり、何も新しいことはありません。
Conor Doherty: まあ、その回答で皆さんは満足するでしょう。次の質問に移りましょう。ありがとうございます。次の質問はSherarさんからです。「ジョアネス、AIとサプライチェーンの利点について、リアルタイムの例を詳しく説明していただけますか？」
Joannes Vermorel: まず、リアルタイムを定義しましょう。サプライチェーンでは、ミリ秒の応答時間が必要な航空機の飛行とは異なる意味でのリアルタイムについて話しています。サプライチェーンでは、トラックの運転手に交通を誘導するための指示を与えたい場合でも、1分の遅れはそれほど悪くありません。サプライチェーンでのリアルタイムは、倉庫内のロボットが自動的にピッキングを行うことです。サプライチェーンのほとんどの問題はリアルタイムではありません。ほとんどの問題は1時間の遅れを許容できます。1時間以内に回答が必要なサプライチェーンの質問は非常に少ないです。
ですから、LLMを使って情報を取得し、ウェブ検索を行い、結果を取得し、それを返すことができます。サプライヤーの住所を知りたい場合は、自動的に取得することができます。自動的に行うためのロジックを持つことは非常に簡単です。私たちは、計画、スケジューリング、購買、生産、割り当て、価格設定、更新など、すべての基本的な意思決定について話しています。そして、私たちが追加したのは、マスターデータ管理、ネットワークとの通信、遅延のクライアントへの通知、問題のあるサプライヤーへの通知など、その周りのドラム全体です。これらすべては自動化できます。それは非常にスマートではありませんが、それも自動化できる第2のレイヤーです。
Conor Doherty: ただし、横方向の思考は必要ではありません。あなたが使用した用語はテンプレート化でしたが、単に「このタイプを探す」という場合、ほぼブール演算です。もし、これなら。
Joannes Vermorel: はい、まさにその通りです。そして、‘90年代の専門家システムとの大きな違いは、LLMがノイズに強い普遍的なテンプレート化マシンであると言っていることです。メールの表現が下手でも問題ありません。それは問題ありません。ロシア語や日本語で書かれたメールであっても問題ありません。これらのものはほとんどすべての言語を読むことができます。ズールー語の方言のような珍しい言語で書かれたメッセージを誰かが送ってきた場合を除いては。世界中で1億人以上が話す言語であれば、完了です。1億人は多いと言えます。世界中で少なくとも1,000万人が話す言語であれば、問題ありません。
Conor Doherty: 次の質問はTamitさんからです。「Chat GPTの価格は、GurobiやCPLEXと比較して知覚される最終的な影響を表しているのではないでしょうか？」
Joannes Vermorel: GurobiとCPLEXは数学的なソルバーであり、まったく異なる製品のクラスに属しています。それらはまったく異なるツールであり、同じ問題を扱っていません。それらは数学的なソルバーです。ですから、GurobiとCPLEXは、聴衆のために言えば、制約のリストと目的関数として表現された問題を述べることで、答えを得ることができます。それは数学的なコンポーネントです。
そして、エピソードがまだ公開されているかどうかはわかりませんが、私たちは確率最適化についてのエピソードを撮影しました。いいえ、まもなく公開されます。結論として、GurobiとCPLEXがサプライチェーンにとって非現実的な理由は、それらが確率性に対処していないからです。これについては別のエピソードで議論しますが、これはまったく異なる種類のツールです。LLMは、テキストのテンプレート化やテキストデータの抽出、クイックなテキスト分析などに関するものです。そして、私がテキストと言うと、プレーンテキスト、文字列、数字、文字のシーケンスです。ですから、それらはまったく異なる問題を扱っており、同じものを扱っているわけではありません。
Conor Doherty: 前回の試みと同様に、多くの人々はまだAIの影響を完全に理解していません。ほとんどの仕事にとっては絶滅レベルの出来事ですが、非常に高いレベルの仕事には当てはまりません。
Joannes Vermorel: たとえば、GurobiとCPLEXのようなものは、まったく存在しないものです。これらのものは40年以上前から存在していますが、問題は、また別のエピソードで議論しますが、それらが正面の確率的な側面に対処していないことです。これは非現実的なものです。そして、たとえそれができたとしても、それを使用するためにはサプライチェーンの科学者のような人物が必要です。ですから、それはすぐに解決できるものではありません。数時間で実現できるものではありません。LLMは、非常に平凡な小さな問題、小さな電話に対して、文字通り数分で解決策を得ることができるものです。
Conor Doherty: LLMのトレーニングにデータを提供した個人からのロイヤリティや金銭的な補償に関する裁判の数が増えることで、価格が上昇し、進展や採用が妨げられる可能性はありますか？
Joannes Vermorel: 忘れてください。いくつかの企業は、ウィキペディアのようなはるかに小さなコーパスを使用して、Open AIの性能に近いLLMを持つことができることを示しています。ですから、答えはノーです。私たちは、ディズニーなどの知的財産権に侵害する可能性のある画像のためのgen AIについて話しているわけではありません。私たちが話しているのは、テキストの一部をここに示し、誰がメールを送ったのか、MOQは何か、この人は明確な回答をしたのか、あいまいな回答をしたのか、またはこの人は回答の正確性に自信を持っているのかを教えてください。これらは、メールから自動的に正しい回答を得ることができるものです。それが私たちが話していることです。ですから、それは完全に問題ではありません。
たとえ人々が入力データベースの3%を破棄するためにLLMを再トレーニングしなければならなくても、大丈夫です。フランスのMistralという会社が証明したのは、数十万ユーロで製品レベルのLLM（Open AIレベル）を再トレーニングできるということです。ですから、もう戻ることはありません。これらのことに取り組む方法は、最高でも少しのノイズになるかもしれませんが、もう何も変わらないということはすでに決まっています。
Conor Doherty: 結局のところ、それはテンプレート化されたマシンとして使用しています。再び、何を見つけたいのかを正確に伝え、入力を与えるようにしています。例えば、「このメールで情報を見つけてください」と言います。
Joannes Vermorel: そして、私たちはバックオフィスの仕事について話しています。あなたが次のハリー・ポッターを書いて、J.K.ローリングの弁護士に訴えられるようなことではありません。あなたのものがハリー・ポッターのほぼ同じコピーを幻想しているだけです。私たちが話しているのは、たとえば、過去100通のメールを考えてみてください。そこにはどれだけの独創性やオリジナリティ、そして絶対的な人間レベルの知性があるでしょうか。そして、ほとんどではないでしょう。私が日常的に書いているものを見ても、ほとんどが非常に平凡です。そして、それが非常に高速に自動化されているものです。
Conor Doherty: ちょっとしたコメントを付け加える価値がありますが、もしChat GPT自体が私たちが話しているものだという印象がある場合は、いいえ、私たちが話しているのはLLM自体の技術です。オンラインでの特定のインタラクションに限定されるものではありません。
Joannes Vermorel: より具体的には、LLMをプログラミングコンポーネントとして使用しています。リレーショナルデータベースやソフトウェアのサブシステム、トランザクションデータベース、Webサーバーなどがあるように、ここにはLLMが1つあり、プログラムの特定のステップを行うための方法の1つです。LLMは、チャットインターフェースが付属しているものとは考えないでください。私が過去1年間に自動化したほとんどのことにはインターフェースはありません。それは文字通り何かを終始行うスクリプトです。ユーザーインターフェースはありません。言い換えれば、それは全体のスタックの要素です。
Conor Doherty: Jamesは、絶滅イベントの文脈で、サプライチェーンに参入しようとする若者にどのようなアドバイスをするか、自分自身をスキルアップするためにどのように努力すればよいかについて尋ねています。
Joannes Vermorel: LLMは戦略的な理解力を高める必要があります。ABC分析などの単純なレシピをマスターすることはできません。GPT-4のような最終的なツールを備えて自分自身を装備してください。深い思考を行う能力を持つことです。問題について長く考え、一般的に正しい推論を行うことが重要です。GPT-4が生成する解決策よりも優れた問題の総合的な解決策を作成できる能力を持つことです。これらは、機械を超えた上位レベルの知性能力を本当に活用するために必要な非常に有効なスキルです。
そして、私たちがまだ自動化には遠く及んでいないスキルです。例えば、非常に批判的な研究コミュニティの声を聞くと、Yann LeCunの発言を見ることができます。彼は「LLMは一般的な知能の答えではない」と言っていますが、この点ではYann LeCunと同意します。私が異なるのは、バックオフィスの仕事に対して絶滅イベントに直面するために一般的な知能は必要ないと考えていることです。私たちはただLLMが必要であり、LLMは知能の低いレベルですが、それは労働力の90%を占めるのに十分です。残された10%については、見ていきましょう。
ですから、このキャリアに入る若者に対して、私の講義に行ってみてください。ほとんどが些細なことではなく、退屈なことではなく、供給チェーンの根本的な問題についてのような基本的な質問です。「私たちが解決しようとしている問題は根本的に何ですか？」私はペルソナについての章全体を持っていますが、これは難しい問題です。供給チェーンにおいて解決しようとしている問題は、業界によって異なります。これは難しいです。
どのようなプログラミングパラダイムが関連しているのでしょうか？再び、LLMは多くのことを自動化できますが、数値レシピは自分自身で書くことはできません。はい、LLMは助けになるかもしれませんが、適切さを把握するためには、より高いレベルの判断力が必要です。コードが機械の助けを借りて書かれていても、それが本当に適切かどうかを判断するためには、大いに人間の判断力が必要です。それは変わりませんし、私はそれが残ると思います。GPT-4はそれを自動化していません。
ですから、ここでLLMはブースターとなりますが、プログラミングスキルを置き換えるものではありません。ですから、プログラミングスキルを持っている場合、LLM技術を使ってさらに生産的になることができます。私の焦点は基礎、批判的思考、戦略レベルの分析、そしてプログラミングパラダイムや関連する数学的な手法などのすべてのハードコアなトピックです。例えば、確率的な予測を行うには、それについて正しく推論するために、それらの数学的な手法について高品質な理解が必要です。そして、それは自動化されていません。GPT-4はそれを自動化していません。
Conor Doherty: Lionelは、AIによるサプライチェーンソリューションが中小企業に及ぼす影響は、大企業と比較してどのようなものですか？
Joannes Vermorel: 私は、その影響が小規模企業により顕著に現れると考えています。なぜなら、大企業は大規模な専門の官僚組織を持つことができるが、小規模企業はそうではないからです。小規模企業は、200人の部署や10種類の専門分野などを持つことができないため、大企業と競争することができないと知っていました。
しかし、興味深いことは、そのようなツールを使用すると生産性が非常に高くなるため、小規模企業でも自動化に取り組むことが非常に容易になるということです。ちなみに、Lokadは現在60人の従業員を抱える会社であり、私はさまざまなことを迅速に自動化しています。
興味深いことは、20人のソフトウェアエンジニアが関与するプロジェクトを行う必要はないということです。正しく行えば、数時間で達成できる成果は驚くべきものです。
私の考えでは、中規模企業、非常に小さな企業ではなく、たとえば5000万ドル以上の企業は、信じられないほどの速さで物事を機械化することができ、非常に大きな企業が行っていることと競争することができるでしょう。ボトルネックはすぐにLLMになり、SamsungやAppleなどの巨大企業と同じLLMにアクセスできます。
同じツールにアクセスできます。したがって、分析の観点で競争している場合、Appleの需要分析者はおそらくあなたよりもはるかに優れているかもしれませんが、彼らはあなたと同じLLMにアクセスできます。したがって、自動化の能力においては、能力の均等化が行われています。
Conor Doherty: Lokadの先駆的な手法の1つであるLLMの利用は、離脱率、新規加入者数、および顧客満足度など、ビジネスのパフォーマンス指標にどのような影響を与えていますか？Nickからの次の質問です。
Joannes Vermorel: 全体的に言えば、私たちはまだ本格的な運用から12ヶ月しか経っていません。今私たちが自動化しているものは、人間の能力を超える品質を持っています。私たちが自動化したものは、以前よりも優れており、非常に頻繁に以前の1/100の人員で行われています。
Lokadとして、エンタープライズソフトウェアベンダーとして、私たちは長いセールスサイクルに取り組んでいます。3週間でクライアントとの取引を終了できればいいのですが、残念ながら、それは3年のプロセスになります。申し訳ありませんが、18ヶ月のRFPプロセスが私を狂わせました。それがAIであり、RFPを行うためのAIです。ですから、遅いです。ただし、それが私が言うように、セールスなどのフロントフェーシングのものです。遅いですが、クライアントからのフィードバックは非常にポジティブです。
それは、クライアントとの2時間の議論のために自動的にレポートを生成するなど、単なる日常的なことかもしれません。レポートは非常によく整理されており、議論されたすべての重要なポイントを捉えています。私たちは、会議後の高品質なメモを作成するための独自の内部技術を持っています。それは素晴らしく機能しており、クライアントから非常にポジティブなフィードバックを受けています。
私の認識では、自動化したタスクは以前よりも優れており、最低でも20倍の生産性を実現しています。それは本当に驚くべきことです。
加入率やその他の指標については、まだ早すぎて判断できません。エンタープライズソフトウェアベンダーであるため、私のセールスサイクルは非常に遅いです。数年後にそれについて議論します。
数字に従うことは間違っていると思います。数字はあまりにも遅すぎます。Kodakを考えてみてください。デジタル写真が何もない状態からすべてになるまでの間に、時間がかかりました。Kodakが自由落下している人であり、これまでのところすべてが正しいと言っているとしたら、それは違います。自由落下しており、地面に激突するでしょう。
人々が数字を見る頃には、企業はロボット化された軍隊を持っているでしょう。私の予測では、それに進んで取り組む企業があり、それらの企業が次の10年のAmazonになると考えています。
したがって、結論として、彼らは全速力で進んでおり、5年後を考えると、既にこれらの企業が競合他社に対して価格競争力を持ち、競り合うことができないでしょう。そして、アジリティの観点では、人々の軍隊を持っている場合の問題は、定義上、自分自身の組織を持っている場合、私は大企業について話していますが、計画、S＆OP、予測などに関与している数百人の人々がいるため、遅いということです。
大きな官僚機構です。定義上、200人のような人数がいる場合、アジャイルにはなれません。あまりにも多くの人々がいるからです。それを20人に削減できれば、あなたはタイガーのようになることができます。非常にアジャイルで非常に速いです。そして、それはまた、これらの企業がコスト面で大規模に競争し、アジリティ面でも大規模に競争することを意味します。それは多いです、本当に多いです。
人間の知性を超えて、彼らは実行の品質でも競争します。ソフトウェア業界には、手動の介入に依存するすべてのものは信頼性がないという言葉があります。手動の介入がある場合、信頼性を確保することはできません。
ですから、私が見ているのは、実行の品質の面でも、手動プロセスと比較して信頼性が非常に高いということです。つまり、アジリティ、コスト、信頼性、パフォーマンス、つまり、再び、絶滅イベントと言っているのは、生き残る企業です。しない企業は10年以内に消えてしまいます。
ですから、それはゆっくりと展開されるでしょう。再び、ある程度の慣性がありました。フランスでは、例えば、多くの小売業者と話し合っていました。そして、はっきり覚えています、それはLokadを始める前のことでした。私は彼らに言っていました、それは2004年で、私は学生でした、私はアメリカで2年間過ごし、フランスの小売業者に言っていました、「Amazonがあなたを終わらせる」と。そして、人々は私に言っていました、「オンラインショッピングは一時的なものです。これはただの、彼らは0.1％の市場シェアを持っていない、私たちは気にしません、それは何もありません。」
私にとっては、それは既に書かれていました。疑問はありませんでした、それは単に、再び、タイミングの問題でした。既に書かれていました。小売業者として、あなたは電子商取引の方向を取るか、そうでなければAmazonとその競合他社があなたを終わらせるだけです。それは展開されました、ところで。私はそれらの企業のいくつかが破産したのを見ました。展開には10年かかりましたが、実現しました。そして、それが他の多くの企業に起こることです。
LLMにとって非常に興味深いのは、それが特定の業界に限定されないことです。一部の業界はより大きな影響を受けるかもしれませんが、結局のところ、バックオフィスのサポート機能を持つすべてのものに大きな影響を与えるでしょう。
Conor Doherty: あなたが述べたポイントに追加することも重要ですが、Lokadの例では、LLMで自動化された機能は、AIで行われた他のすべてのことを上回っています。ですから、それは単なる「いくつかのもの」ではありません。あなたが話しているのは、定量的および定性的な両方の退屈な作業が、人間が可能な限り自動化され、その結果、重要な問題に焦点を当てるためにすべてのスマートなことが解放される、高度に訓練された労働力です。ですから、それをやっている会社とそうでない会社を比較すると、それは基本的にダーウィニズムです。
Joannes Vermorel: まさにその通りです。それはシュンペーターの破壊が働いている美しさです。企業が豊かになることは、より大きな善のためです。たとえば、パリが人口の10%が水を運んでいる状態であれば、パリは非常に貧しい都市になるでしょう。
パリは、現代の基準で言えば、先進国の都市になったのは、私たちが10%の人口を愚かなことに占有していないからです。私たちが信じられないほど退屈な仕事から人々を解放することによって、私たちは芸術を行い、創造的で革新的になることができます。
サプライチェーンを運営する企業では、常に消火活動を行っていると、小さな問題、機械の中の砂粒のようなものに対処していますが、それは壮大な方法ではなく、愚かな方法で全てを狂わせるものであり、ただ酸素を消費するだけです。
だから、すべての小さなことを考えてみてください。それはただ酸素を消費するものであり、そのために人々は考えることさえできません。それだけたくさんあるからです。だから、私はそれがサプライチェーンの改善に本当に役立つものになると信じています。突然、人々は戦略的に考えることができるようになり、彼らの人間の注意を値しない無数の小さな気晴らしに巻き込まれることはありません。
LLMは何百万もの半ば愚かなアシスタントです。それは人間の知性に値しないことに対処するだけのものです。
Conor Doherty: 最後の2つの質問です。これはLionelからの質問です。サプライチェーンの運用におけるAIと人間の協力の成功例はありますか？
Joannes Vermorel: 協力という考え方では考えないでください。それは間違いです。一般的な共同パイロットは存在しません。
最終的には常に人間と機械です。ですから、協力の形態はありますが、あなたが想像している形態ではありません。共同パイロットではありません。私がRFP応答マシンを自動化していたとき、協力はどのように見えましたか？私は机に座り、1週間かけてこの応答マシンをコーディングし、それから応答マシンを持っていました。
RFPが届くたびに、私たちはそのマシンを実行し、回答を得ます。それが協力の姿です。そして、OpenAIがGPT-4 Turboなどの新しいモデルをリリースすると、私はコードを少し更新して最新のものを活用し、再びビジネスに戻ります。
これは協力ですが、私がいくつかのコードを書き、何かが変わると少しコードを修正するという意味です。これが私たちが話している協力の形態です。私はマシンと対話しているわけではありません。私はGPTやその他のものと対話していません。これが動作する方法ではありません。これがゲームの進行方法ではありません。
ですから、LLMを協力的なものと考えないでください。私たちが自動化するほとんどのものは完全に自動化され、それ以降は誰も関与しません。それはただ終わったことです。
例を挙げると、Lokadのウェブサイトは完全に自動的に翻訳されています。そして、その美しいところは、英語ではなく、HTMLそのものを翻訳していることです。生のHTMLを取り、再翻訳することで、努力の90%を節約しています。なぜなら、突然、すべてを反復することができ、LLMはどのタグを触れてはいけないHTMLであるかを知っているからです。美しいですね。
それはすでに完了しています。視聴者のために、Lokad TVのビデオのすべてのページでは、タイムスタンプがありましたが、以前は手動で行っていましたが、今は自動で行っています。私がやりました、今は自動で行われています。
ですから、1時間のディスカッションを取り上げ、自動的にタイムスタンプを作成することができます。私はもっと難解なものを挙げることができますが、Lokadのバックオフィスの仕事が最も恩恵を受けているので、顧客に直接関係するものではありませんが、それは難解なものです。
問題は、最初にそれがなぜ必要なのかを説明するのに私に時間がかかりすぎるということですが、要点は例がどんどん続いていくということです。通常、私たちは試行錯誤し、1日以内に自動化します。それが見えるものです。そして、はい、プロンプトで少しいじる必要がありますが、再び問題は、何が自動化できないのかですか？それは今日では答えるのが難しい質問です。
Conor Doherty: あなたがそのポイントを与えるのは興味深いですね。ディスカッションの要約の例を挙げたとき、これはちょうどあなたが言ったことに関連しています。例えば、クライアントや見込み客とのディスカッションの要約を取り、それに基づいてウェブサイトを自動的に検索し、関連するリンクを関連する箇所に挿入することができるのはどれくらい進んでいるのか？私たちはそれに取り組んでいます。しかし、何ができないのか？LLMでは何ができないのかを絞り込むのは難しいです。
Joannes Vermorel: 現時点では、真に高度なレベルのもの、私たちは言葉を作り出しているだけですが、高度な人間の知性、またはより高度な形態の知性、何時間も考え続ける必要があるようなもの、それにはLLMも対応できます。
しかし、何か、再び、非常に難しい質問を考えてみてください。例えば、クライアントにとってサービスの品質とは何を意味するのか？これは非常に難しい質問です。優先すべきターゲットセグメントは何でしょうか？会社のためのマクロな質問です。これは、答えを得るために数週間を費やすことができる質問の種類であり、そこがLLMの限界です。
もしも質問が重要で、数週間かけて答えを出すことができるほど重要であるならば、高度な人間の知性はGPT-4よりも優れた答えを提供します。しかし、もしも脳の活動時間が60秒しかない質問であれば、人間から得られる答えはあまり良くありません。時間は刻々と過ぎています。何についてでも60秒で答えを出すように言われたら、それは良い答えにはなりません。
Conor Doherty: 一度かもしれませんが、毎時60秒、1日7〜8時間、1年300日、50年ではありません。それが違いです。
Joannes Vermorel: それが違いです。もちろん、30分休んでから、はい。しかし、LLMは疲れません。実行して、1日に何百万もの操作を自動化することができます。それは難しいことではありません。
Conor Doherty: これはLionelからの最後の質問です。小さな国々は、ユニークな地理的および経済的な課題を克服するためにAIをサプライチェーン管理に活用することができるのでしょうか？また、現地の雇用市場にはどのような影響があるのでしょうか？
Joannes Vermorel: それが美しいところです。LLMは非常にアクセスしやすいです。LLMを使用するための帯域幅要件はありません。データをキロバイト単位で送信しても問題ありません。LLMは遠隔操作されるため、貧しい国にいる場合でも、まともな低帯域幅のインターネット接続があれば問題ありません。
これらのことは高速の接続を必要としません。だから大丈夫です。それには超一流の労働力も必要ありません。それが美しいところです。プロンプトエンジニアリングは、過去20年間で習得しなければならなかったほぼすべての準エンジニアリングスキルの中で、最も簡単なものです。数時間で理解できるものです。
だからこそ、今ではChat GPTによって宿題をすべてやっている子供たちがいます。簡単です、子供レベルの簡単さです。だからこそ、採用は速くなると言えます。だって、プロンプトエンジニアリングの学位を持っていると言う人を信じないでください。何を言っているのですか？それは、少し取り組んでそれに慣れるためのものであり、文字通り数日でそれに慣れることができます。それは難しいことではありません。Excelをマスターするのはプロンプトエンジニアリングをマスターするよりも難しいです。
だから、要するに、貧しい遠隔地にいる場合、これは非常にアクセスしやすいです。ところで、この技術が安価であることをお伝えしましたか？それは非常に安価です。安価です。感覚を掴むために、私たちのウェブサイトを見てください。それは巨大です。1000ページ、1000のウェブページに相当します。だから、それを印刷すると、おそらく3000のA4ページになるでしょう。FAQは非常に大きいです、それ以上です。
ですから、英語からこれらの言語すべてに一括で変換するコストは、OpenAIでは150ドルです。それが私が支払う金額です。ところで、それを行うためのフリーランサーのコストは、言語ごとに5万ドルでした。
したがって、翻訳のコストは、ほぼゼロから25万ドル以上になることから、150ドルになりました。それに、ところで、コストはさらに低くなるでしょう。なぜなら、OpenAIは最近価格を下げたからです。そして、私たちはそれを行うためにGPT-4を使用していません。まだGPT-3.5を使用しています。そして、Mistralを試すべきですが、Mistralの方がさらに安価です。
だからおそらく、3年後には、それらの巨大な3000ページを翻訳することは50ドル程度になるでしょう。だから、それが美しいところです。開発途上国にとって、これは大きなチャンスです。これは大きな均等化要素です。考えてみてください、ペニーではなくドルで、あなたは大企業と同じツールで遊ぶことができ、Appleのように何百万もの資金を持っている人々と同じレベルにいます。あなたは同じツールで遊んでいます。
だから、それは信じられないほどの均等化要素になるでしょう。そして、賢くて情熱があるなら、途中で学ぶことができます。それに、それはまた、それほど難しくありません。おそらく、最も信じられないほどアクセスしやすい革命の1つです。そして、私は貧しい国々でも、クラッピーなインターネット接続でも、LLMの利点を得るのに十分です。広帯域幅は必要ありません。秒あたり20キロバイトの双方向通信が確実であれば、問題ありません。
Conor Doherty: 私たちは1時間半以上話しました。だから、これをまとめると、スカイネットですか？
Joannes Vermorel: いいえ、スカイネットではありません。それは私が18か月前に間違った期待をしていたものです。私は言っていました、それはいつものように愚かなものなので、何もないです。いいえ、それは普遍的なテンプレートマシンであり、それはゲームチェンジャーです。それは白カラーのためのミシンのようなものです。ミシンが衣料品産業に対して行ったことと同じように。
その美しさはそのシンプルさにあります。ミシンは時計よりも桁違いにシンプルでした。19世紀の基準では、それは複雑な機械ではありませんでした。既に桁違いに複雑な機械も存在していました。それでも、それは見かけによらずシンプルであり、ほとんど一夜にして衣料品産業を100倍速くしました。ミシンが革命ではないと思うなら、突然布作りが終わったからといって、本質を見逃しています。ミシンがあれば、まだ衣料品を100倍速く作ることができます。
私たちはスカイネットを持っていません。GPT-4は高品質な戦略的思考を置き換えることはありません。しかし、すべての退屈な作業は置き換えられます。これは進化です。私の観客へのメッセージは、この列車に乗り遅れないでください。多くの企業は既に列車に乗りました。私の恥ずかしいところですが、一部の人々はそれを早くからやりました。しかし、多くの人々が列車に乗っており、結果は非常に速いので、今行動しないと、4年後に追いつくことはできません。その差は非常に大きくなり、最初からそんなに悪い会社ではなくても、あなたは焼け石に水のようになります。
Conor Doherty: よし、それではもう質問はありません。Joannes、お時間をいただきありがとうございました。そして、ご視聴いただきありがとうございました。次回をお楽しみに。
