保険料の計算ごとに、その裏にある項目とクエリを確認できます。
審査担当者は、申請データから結果がどう計算されたかを確認できます。
適格性の判定ごとに、使われたルールと行を確認できます。
生成AIは、インターネット上のすべての文章を読み、色を「見る」ための内部表現を自分で選んだ宇宙人のようなものです。この表現は次元と呼ばれ、私たちにはその意味がわかりません。光の周波数が次元かもしれないし、私たちには理解できない何かかもしれません。私たちが話しかける言葉をどう解釈しているのかもわかりません。
人間は、目にある3種類の錐体を通して、茶色を赤、緑、青として見ています。Prereasonerも同じようにトレーニングされています。その次元は、国や通貨といったschema.orgのプロパティにちなんで名づけられています。だから、質問と回答を私たちのモデルのそれらのプロパティまでたどれるのです。
生成AIは、次に来る可能性が最も高い単語を予測します。1回目はある単語を、2回目は別の単語を選ぶことがあります。チャットボットではそれが人間らしさになります。でも財務計算では、同じ質問で違う数値が返ってくることを意味します。
Prereasonerは、質問を「FRANCE」の「SALES」の「SUM」のような名前つきの次元に変換します。これを決定論的にSQLクエリやPythonコードに変換します。実行すると、データベースやコードが数値を計算します。同じデータなら、同じクエリと同じ答えが得られます。
| 審査担当者に必要なもの | 生成AI | Prereasoner |
|---|---|---|
| 判断の理由を説明する | 正確とは限らない、生成された説明 | 導出の過程そのもの:SQLクエリ、手順、行 |
| 監査人のために回答を再現する | サンプリングによって変わることがあります | 同じデータと設定なら同じクエリと回答 |
| 結果を左右した項目がわかる | モデルの内部からは見えない | 使われた列はすべてクエリにあります |
| 数字の出どころがわかる | モデルが書いたもの | 行からデータベースが計算 |
| データで答えられない質問に対応する | それでも答えてしまいがち | 対応しているケースでは確認を求めます |
| 規制対象のデータを自社のクラウドに保管 | ベンダーによる | 自社のクラウドプロジェクトでセルフホスト可能 |
Prereasonerは、すべての回答の裏にあるクエリと行を表示します。