他の誰もがやっているやり方でAI製品を作ってはいけない

AI製品開発の誤ったアプローチ

• ほとんどのAI製品は、ChatGPT APIを呼び出すように、別のモデルをラップする形で実装されている。
• このようなアプローチは実装が簡単で印象的な機能を実現できる一方で、差別化できず、コストが高く、速度が遅いという問題がある。
• AI製品の独自の価値提案が重要である場合、簡単に複製できる技術に依存することは危うい立場にあることを意味する。

LLMの高コストと低速の問題

• 大規模言語モデル（Large Language Models、LLM）は多様性を提供するが、その規模と複雑さゆえに運用コストが非常に高い。
• たとえば、GitHub Copilotはユーザー1人あたり平均20ドルのコストがかかる一方で、請求額は10ドルにとどまり、赤字になっている。
• LLMは応答が遅いため、リアルタイムの反応が必要なアプリケーションでは大きな問題を引き起こす可能性がある。

LLMの限界とカスタマイズの問題

• LLMはファインチューニングをサポートしているが、特定の問題に対する解決策を提供するには限界がある。
• Builder.ioのVisual Copilot開発時に、LLMを使ってFigmaデザインをコードに変換しようとしたが、遅く、高コストで、品質の低い結果に行き着いた。

独自のツールチェーンを作るという解決策

• Builder.ioは独自のツールチェーンを構築することで問題を解決した。
• ファインチューニングしたLLM、カスタムコンパイラ、独自に訓練したモデルを組み合わせて使用した。
• この方法により、より高速で、より信頼性が高く、コストを抑えつつ、より差別化された製品を作ることができる。

AI製品開発に関する一般的な誤解

• 多くの人は、AI製品では1つのスーパーモデルがすべての中核技術を処理していると誤解している。
• 自動運転車を例にすると、1つの巨大なAIがすべての入力を処理して意思決定していると考えがちだが、実際には特化した複数のモデルと通常のコードが組み合わされている。

実際にAI構築を始める方法

• AIソリューションのために、Visual Copilotで用いたアプローチを探ってみるのがよい。
• 問題領域を一般的なプログラミングの実践で探索し、特殊なモデルが必要な領域を見極める。
• 特定の問題について標準的なコーディングではうまく解決できない場合は、確立されたAIモデルでデータを生成し、自前のモデルを訓練する。

GN⁺の見解

• 最も重要なのは、AI製品開発で他の人たちと同じやり方を避け、独自のツールチェーンを作って差別化された価値を提供することだ。
• この記事は、AI技術の革新的な活用と、開発者がAIを使って独創的な製品を作る方法を示しており、興味深く魅力的である。