| 製品フィードバックの自動化 |
予測AIモデルと生成AIモデルを組み合わせて使用することで、感情的文章の要約と分割の自動化に関するガードレールの制約を克服できます。 |
| Teams/Slackのチャットボット |
TeamsやSlack用のボットなど、コラボレーション可能なアプリのプラグインを構築します。 |
| AIクラスターのラベリング |
DataRobotの提供するクラスタインサイトにChatGPTを組み合わせ、OpenAIとDataRobotのAPIを用いて、クラスタにビジネスやドメインに特化したラベルを付与する。 |
| 顧客コミュニケーションAI |
GPT-3などの生成型AIモデルを使用して、予測を向上させ、顧客に対して専門家のような親切な回答を提供する方法。 |
| サポートワークフローの最適化 |
生成型AIモデルを使用してレベル1のリクエストに対応し、サポートチームがより緊急で目立つリクエストに集中できるようにします。 |
| データ注釈アプリ |
DataRobotでモデルをトレーニングした後、データ注釈アプリを活用して、アクティブラーニングの状況下で新しいデータのラベル付けと予測データのラベル付けの両方を行います。 |
| AIデータ準備アシスタント |
AIデータ準備アシスタントを使用して、データ準備プロセスを合理化および自動化します。 |
| JITR botの回答 |
JITR（Just In Time Retrieval）を使用して、コンテキストに応じた回答を「その場で」提供するデプロイを作成します。 |
| LLMを使用したPDF RAG |
LLMをOCRツールとして使用し、PDFからテキスト、表、グラフの全データを抽出して、DataRobotでRAGとプレイグラウンドチャットを構築します。 |
| ヘルスケア会話エージェント |
検索拡張生成(RAG)を使用して、医療従事者向けの会話エージェントを構築します。 |
| TeamsとGenAIの連携 |
DataRobotの生成AIサービスを使用すると、追加のフロントエンドや消費レイヤーを必要とせずにチャットボットをデプロイできます。 |
| ベクターチャンクの視覚化 |
Streamlitアプリケーションを実装して、チャンクのベクターデータベースからインサイトを取得します。 |
| XoTの実装 |
DataRobotにEverything of Thoughts (XoT) を実装して評価します。これは、生成AIを「人間のように考える」ようにするためのアプローチです。 |
| ゼロショットエラー分析 |
大規模言語モデル（LLM）を使用したゼロショットテキスト分類を利用し、教師ありテキスト分類モデルのエラー分析に注目する。 |