産総研登壇資料_250708 (共有用)

産総研 JSAI 登壇資料 Gather株式会社

⾃⼰紹介 Gather株式会社 2

事業紹介 ⾃分にぴったりの お出かけ先を 発⾒出来る パーソナライズ AIアシスタント Gather株式会社 3

消費者への価値提案 - ユーザー体験 カフェの ジャンルを 押すと‧‧ 週末、彼⼥と デートどこ⾏こう? 状況を直感的に ⼊⼒すると‧‧ Gather株式会社 さらに ぴったりな 情報を提案! アプリ上の操作をもとに AIがあなたのニーズを 予測するよ！ 4

前半 「AI時代の プロダクト仮説検証」 Gather株式会社 5

なぜLLMを活用したプロダクトにおいて 「プロダクト仮説検証」が 重要なのか？ 6 Gather株式会社

A: LLMで「出来ること」が増えた分、 ユーザーの期待値が高まっているから 7 Gather株式会社

「70点のクオリティ」だと ユーザーが使われない！ 8 Gather株式会社

プロダクト作りにはいくつかの不確実性がある‧‧ ニーズの不確実性 技術的な不確実性 ユーザーが使うのかどうかが不明瞭 実際に実装出来るか分からない Gather株式会社

プロダクト作りにはいくつかの不確実性がある‧‧ ニーズの不確実性 技術的な不確実性 ユーザーが使うのかどうかが不明瞭 実際に実装出来るか分からない ↑まずはこちらを明確にすべき (評価指標が定まる ) Gather株式会社

プロダクト作りにはいくつかの不確実性がある‧‧ ユーザーヒアリングやモックを通じて、作るものを決める プロトタイプ Gather株式会社 ヒアリング

AIを作らなくても、 AIを再現できる！ （⼈⼒で） Gather株式会社

AIを作らなくても、 AIを再現できる！ （⼈⼒で） →⽇常的な嗜好‧気分に合わせ てお出かけ先の情報を発⾒する ニーズがありそう Gather株式会社

後半 パーソナライズ ×LLMによる消費者 ニーズに沿った情報 提供⼿法 Gather株式会社 14

前提: これまで（LLM登場以前）の推薦システムについて 協調フィルタリング 画像引⽤: https://en.wikipedia.org/wiki/Collaborative_filtering 蓄積データ (履歴) ベース Gather株式会社 コンテンツベース推薦 画像引⽤: https://zero2one.jp/ai-word/content-based-filtering/ データの (意味上の ) 類似度ベース

前提: これまで（LLM登場以前）の推薦システムについて 協調フィルタリング 画像引⽤: https://en.wikipedia.org/wiki/Collaborative_filtering ↑ 過去データが多いほど有利 (0→1では精度が低い : コールドスタート問題 ) Gather株式会社 コンテンツベース推薦 画像引⽤: https://zero2one.jp/ai-word/content-based-filtering/ ↑ 過去データに依存しないものもある 0→1 でも一定精度が実現する / 精度に限界がある

LLMの登場によりゲームが変わった (2023頃〜: Generative Recommendation) LLMとRS (Recommendation System) とを組み合わせる LLMをRSとして使う 画像引⽤: A Survey on Large Language Models for Recommendation https://arxiv.org/abs/2305.19860 Gather株式会社

LLMの登場によりゲームが変わった (2023頃〜: Generative Recommendation) LLMとRS (Recommendation System) とを組み合わせる LLMをRSとして使う → 協調フィルタリングの初期の精度向上、コンテキストを反映した推薦 etc. が 可能に Gather株式会社 画像引⽤: A Survey on Large Language Models for Recommendation https://arxiv.org/abs/2305.19860

お出かけ領域においては “TravelAgent: An AI Assistant for Personalized Travel Planning (Aili, Xuyang, et al., 2024)” ⽬的地‧⽇程‧メンバーを⼊⼒し、それに合わせた ⽬的地（⼯程表）を提案するタスク 従来⼿法 (協調フィルタリング etc.) では、「⽇数」 「⽬的地」「⼈数」といった各パラメータに対して 推薦 → LLMを⽤いてコンテキスト（家族連れ、⽬的地とペ ルソナの合致 etc.）を反映した推薦を試みる Gather株式会社

全体像: LLM主体 + Memory (⻑期履歴) + Recommendation + ツール モジュール 役割 技術のポイント Tool-usage フライト・ホテル・観光地 API などリアルタイム情報取 得 Toolformer 系手法を参考にツール呼び出しを自 己学習 Recommend 候補スポットのランキング ation 行動ログ＋LLM で意図推定、候補を絞り込み Planning 時間・空間制約を満たす旅程生成 Spatiotemporal-aware アルゴリズムで順序最適 化 Memory ユーザ長期履歴の保持 ソフト制約（好み・予算感など）を逐次更新 Gather株式会社

全体像: 「ユーザー⼊⼒」→「LLMを⽤いた制約の作成」 →「制約を元に⽬的地を検索」→「前後関係を元にソート」 Gather株式会社

EOF Gather株式会社 22