生成AIを勉強していたら、自分の思考のクセが見えてきた

今日は、生成AIについて少し深く勉強してみた。

最初は「LLMって何？」くらいのところから始まった。

LLM、Transformer、Token、Context、RAG、Tool、API、Agent、Workflow……。

正直、途中からちょっと頭が疲れた。

ただ、ひとつずつ整理していくと、だんだん全体像が見えてきた。

「比較する」のではなく、「レイヤーを分ける」

今日、一番しっくりきたのがこの考え方だった。

例えば、

「ChatGPTとAI Agentってどっちがすごいの？」

と考えていたけれど、そもそも単純に比較するものではない。

ChatGPTはサービスとしての「箱」。

その中でLLMが文章を生成し、必要に応じてRAGで情報を探したり、Toolで外部の機能を使ったり、Agent的な仕組みで複数の仕事を進めたりする。

つまり、同じ土俵に並べるのではなく、

「これは何のレイヤーの話なんだ？」

と考える。

これだけで、かなり頭の中が整理された。

RAGとAgentの違いも面白かった

例えば、

「社内規定を調べて、この質問に答えて」

なら、RAGで十分かもしれない。

必要な情報を探して、LLMが回答すれば終わる。

一方で、

「この案件を調査して、必要な資料を集めて、顧客情報を確認して、分析して、報告書を作って」

となると話が違う。

情報を探すだけではなく、

「次に何をするか」

を判断しながら、複数の処理を進める必要がある。

そこでAgentが出てくる。

さらに、手順が完全に決まっているなら、AgentではなくWorkflowでいいかもしれない。

このあたりを考えていると、

「Agentを使うこと」が目的ではないんだな、と分かってきた。

重要なのは、どの技術を使うかではない

たぶんAIシステムを設計するときに大事なのは、

「最新のAIを使うこと」

ではない。

まず、

「何を解決したいのか？」

を考える。

そのうえで、

文章を作るだけならLLM。

外部の情報が必要ならRAG。

外部システムを操作するならToolやAPI。

複数の行動をAI自身に判断させるならAgent。

手順が決まっているならWorkflow。

そんなふうに、必要なものを組み合わせていく。

結局、

「目的に対して、一番シンプルな構成を選ぶ」

ということなのだと思う。

これは、普段自分が仕事で考えていることとも、かなり近い。

そして、ふと思った

AIの勉強をしていたはずなのに、途中から、

「自分って何者なんだろう」

という話になった。

考えてみると、自分はAIだけに興味があるわけではない。

営業をして、システム導入を経験して、マーケティングをやって、デジタルマーケティングをやって、今はDXコンサル。

そして今、生成AIを勉強している。

一見するとバラバラに見える。

でも、やっていることは意外と一貫しているのかもしれない。

複雑なものを分解する。

構造を理解する。

必要なものと不要なものを分ける。

そして、できるだけシンプルな仕組みにする。

AIを勉強していて、それが少し見えた気がした。

AIは「新しい専門分野」というより、強力な道具なのかもしれない

もちろん、AIそのものの知識は必要だと思う。

でも、AIだけを知っていても、それだけでは業務は変わらない。

大事なのは、

「この業務のどこにAIを入れるのか」

「そもそもAIを入れる必要があるのか」

「人間とAIの役割をどう分けるのか」

を考えること。

そう考えると、AIを学ぶことは、単に新しい技術を覚えることではない。

「仕事そのものをどう設計するか」を考えることなのかもしれない。

今日はそこまで考えたところで、頭が疲れた。

そして、腹が減った。

なので今日はここまで。

AIのことを深く考えた一日だったけれど、最後に出した結論は、

「とりあえず飯を食おう。」

だった。