生成AIの活用事例：Cortex AIを使用して新たなインサイトを獲得し、イノベーションを加速

企業は何年にもわたって、AIは自社で機能させるためのリソースを持つ企業の巨大企業だけが活用できる、という一般的な考えを抱いてきました。しかし、テクノロジーの進化に伴い、あらゆる規模の組織が、生成AIが単なる野心的なものではなく、アクセス可能で適用可能なものであることに気づき始めています。

Snowflakeの使いやすい統合AIおよびデータプラットフォームにより、企業は生産性を低下させる手作業、ボトルネック、エラーを起こしやすい労働力を排除し、生成AIを使用して新しいインサイトや収益源を実現しています。しかし、実践はどうでしょうか。  

私たちは、お客様が現在実稼働で使用している革新的な生成AIソリューションを集めました。彼らのストーリーは、SnowflakeとCortex AIがどのように生成AIの目標を手の届くところに置き、その過程でビジネス価値を推進しているかを示しています。

Johnnie-Oは、住所データのジオコーディングの精度を高め、顧客により良いサービスを提供できるようになった

多くの大手Eコマース企業と同様に、東海岸と西海岸のカジュアル衣料ブランドであるJohnnie-Oは、シンプルな配送先住所の価値を理解しています。地域の平均世帯収入、学位取得者の割合、雇用率、人種や民族などの情報を提供している、米国国勢調査局のデータにリンクすれば、このわずか数行のテキストから、企業の顧客に関するデモグラフィックインサイトを得られるようになります。Johnnie-Oは、ウェブサイトからの注文だけでなく、卸売業者やドロップシッパーから直接、この住所データを取得して利用することで、顧客ベースに対する理解を深め、結果としてマーケティング活動のターゲティングをより効果的に行うことができます。 

しかし、この会社には1つ問題がありました。収集された大量の住所をジオコーディングできないため、関連する顧客データにアクセスできないという問題です。通常、同社は地理座標を提供するアプリケーションを通じて未加工の住所データを実行し、国勢調査データに簡単にリンクできるようにします。しかし、Johnnie-Oの場合、これらの住所の多くはさまざまな理由で失敗しました。タイプミスや間違った分野の情報といった小さな理由もありました。そこで同社は、これらの数十万のデータポイントを手作業でクリーンアップするのではなく、Cortex AIを利用して、乱雑な住所データを自動的にフォーマットし直すことにしました。Llama LLMを使用してこれらの誤ったアドレスをCortex AIに入力すると、Johnnie-Oは即座に失敗率をわずか2%に削減しました。 

これにより、データに重要な穴が開いていないことを確認した上で、自信を持って市場セグメンテーションアルゴリズムを実行できるようになりました。さらに、この偉業をさらに印象付けることとして、これは基本的に、Johnnie-OのアナリティクスエンジニアであるRicardo Lopez氏というたった1人の人物によって構築されました。「すべてのデータがすでにSnowflake内にあるため、Cortex AIは非常に使いやすく、実装も簡単です」と彼は言います。「SnowflakeとCortex AIは、当社にとってすべての中心となりました」

ヘルスケア人材派遣会社のIntelyCareは、Cortex AIによって求人広告の掲載漏れを回避できるようになった 

ヘルスケア業界の人材配置は、適切に機能する医療システムにとって非常に重要です。また、多くの州が今後数年間で看護不足に直面すると予想しているため、ますます複雑化しています。IntelyCareは、ヘルスケア組織と資格のある看護専門家をマッチングし、フルタイム、出張、日雇いなどを問わず、求人に役立つ包括的なプラットフォームを提供します。全国には常時数十万の求人枠があり、その枠を埋めるタスクは求人の取りまとめから始まります。 

IntelyCareは多くの組織と直接的な関係を築いていますが、大手ヘルスケアシステムの多くはベンダー管理システム（VMS）を通じて求人広告を掲載することを希望しています。VMSにはIntelyCareなどの精査された機関のみがアクセスできます。しかし、これらの雇用機会をデータベースやアプリに組み込むには、IntelyCareが各投稿を整理し、比較的統一的に処理する必要があります。各VMSが独自の標準プラクティス体系に従っていることを考えると、当然ながら課題が生じます。一部の投稿でフィールドが空欄になっていたり、本文がIntelyCareの内部ツールで理解できなかったりすることが珍しくなく、その結果、求人広告の30%以上が処理中に失われていました。 

そこで、IntelyCareは、Cortex AIのLLMを使用して、専門分野、給与範囲、必要な経験年数、現地の申請者が旅行の求人に応募できるかどうかなど、膨大な求人広告からシンプルな関連情報と複雑な関連情報を素早く抽出しました。その後、IntelyCareは、たとえばフォーマットの互換性の欠如による機会損失を恐れることなく、思慮深く求人広告を整理できるようになりました。IntelyCareのデータサイエンス担当バイスプレジデントであるBenjamin Tengelsen氏は、次のように述べています。「私たちは、基本的に失われていた30%の求人広告をゼロにすることができました。これにより、応募者のユーザー体験が向上しただけでなく、IntelyCareの採用担当者の負担も軽減されました。IntelyCareの採用担当者は、個々の求人を忙しく精査し、最適な候補者を探していました。 

Cortex AIは、Intelycareが一般の求人掲示板から取得する絶え間ない求人広告を管理し、処理するのにも役立ちます。たとえば、チームは以前、簡単に分類できるように求人情報にタグを適切に追加するための精巧なパイプラインを構築していました。新しいタグを追加するには、新しいモデルの構築とトレーニング、複雑なオーケストレーション、頻繁なメンテナンスが必要でした。「数千行のぐちゃぐちゃになったPythonコードを単一のCortexクエリに置き換えることができ、顧客体験も向上しました」とTengelsen氏は述べています。

すべての人に生成AIの未来を

これらは、さまざまな業界の組織が生成AIアプリを実稼働環境に移行するための有望な方法のほんの一部です。さらに、Snowflakeのビルトインのセキュリティとガバナンスを活用することで、AIをワークフローに安全に取り込むことはかつてないほど容易になっています。Document AI、Cortex Search、Snowflake Copilot、Cortex Analyst（パブリックプレビュー中）のいずれを使用する場合でも、Snowflakeの統合されたAIおよびデータプラットフォームは、エンタープライズ級の生成AIアプリケーションの構築に役立ちます。 

BayerやSiemens Energyなどの他の企業が生成AIをどのように使用して収益を増やし、生産性を高め、顧客により良いサービスを提供しているかについては、SnowflakeのカスタマーサクセスeBook「Secrets of Gen AI Success」をダウンロードしてください。