LLM アプリケーション開発者計画（LADP）紹介

AISG のエンジニア Maldri は LADP を紹介しました。これは 4 ヶ月間の構造化されたプロジェクトであり、参加企業に 2 つのものをもたらします——自社のビジネス上の問題に対応する実行可能な LLM アプリケーション、および次のプロジェクトを継続できる内部チームです。カリキュラムは 2 つのセクションに分かれています。4 週間の深度スキル学習は、NLP の基礎、Transformer の原理、プロンプト・エンジニアリング（ゼロショット、フューショット、チェーン・オブ・スロート）、Agent と RAG パイプライン、倫理とガバナンスをカバーしています。12 週間のプロジェクト段階では毎週約 10 時間の作業があり、最初の 3 週間は AISG の現地集中ワークショップ、その後 AISG のエンジニアがメンターとなってオンラインおよびオフラインのコンサルティングを行い、第 16 週は企業へのデモンストレーションを行います。

チームのサイズは 2～4 人で管理されており、企業は資金を提供し、実際のビジネス上の問題と内部データを提供しなければなりません。LADP は初心者と経験豊富なエンジニアの両方を対象としています。カリキュラムでは、前回の 2 つの成果が紹介されています。ある公益事業エネルギー企業の NextGen Simulator は、LLM を使用してリアルタイムでネットワーク物理事故シナリオを生成し、即座にトレーニング方案をスコアリングしています。あるエレクトロニクス小売業者の Insight Stream は、Agent を使用して販売と在庫データを取得し、その日の KPI を決定し、別の LLM によって自然言語レポートに変換され、Slack に直接送信されています。

現在までに、LADP は 40 以上の組織と協力しており、教育、金融、IT、法律、観光、製造などの業界をカバーしています。一部の企業は 2 番目および 3 番目のプロジェクトを行っています。適格な参加者は AISG の助成金と CCP 補助金を受けることができます。詳細については aap.sg/adp を参照してください。

字幕言語： ja · 取得日： 2026-05-02

生成AI（ジェネレーティブAI）はもはや実験的な技術ではありません。すでに様々な業界の日常業務において変革的な役割を果たしています。マッキンゼーの最近の調査では、65%の組織が現在、少なくとも1つのビジネス機能で生成AIを使用しており、前年度はこの比率が33%でした。今後12ヶ月間で、大規模言語モデル（LLM）の能力を信頼できる本番レベルのツールに転換する企業が業界標準を確立するでしょう。大規模言語モデル応用開発者プログラム（LAP）は、構造化された4ヶ月のパスを提供し、2つの成果をもたらします。すなわち、貴社のビジネス課題に合致した実行可能な大規模言語モデル駆動ソリューション、および次のソリューションを構築できるチームです。私はMaldriで、シンガポール人工知能局（AISG）の人工知能エンジニアです。この非常に興味深いプロジェクト、すなわち大規模言語モデル応用開発者プログラムのシニアエンジニアを務めています。

このプロジェクトを通じて、私とチームはさまざまな組織と協力し、ビジネスワークフローにおける生成AIと大規模言語モデルの採用を加速し、そのような大規模言語モデルアプリケーションを開発するための従業員を育成しています。今日、このプロジェクトについてさらに詳しくお話しします。まず、シンガポール人工知能局について簡単にご紹介します。シンガポールの国家AI戦略として、5つの主要分野にわたるAI能力を構築しています。LAPはAIイノベーション柱に属し、人材開発プログラム、AI標準、業界焦点型の取り組みを通じて企業のAI採用を支援します。LAPでは、大規模言語モデルの強力な機能を最大限に活用します。大規模言語モデルは、今日の生成AIエンジンを駆動する中核技術です。では、大規模言語モデルとは何でしょうか。

大規模言語モデルは、数十億のパラメータを持つディープラーニングモデルで、トレーニングデータはオープンソースコード、ニュース、ソーシャルメディア投稿、無数のオープンインターネットページ、および整冊の書籍を含む大量の混合データで構成されています。これらすべてのテキスト内のパターンを吸収することで、コンテキストを理解し、情報を推論し、必要に応じて流暢な回答を生成することを学びます。LAPでは、参加者は基礎から上級までのプロンプトエンジニアリング技術を通じて大規模言語モデルを活用することを学びます。プロンプトエンジニアリングは、大規模言語モデルの期望される振る舞いを引き出すために入力プロンプトを設計・最適化する実践です。言い換えれば、教師が学生を指導するのと同じように、モデルに何をしてほしいかを明確に指示することです。各指示がプロンプトです。いくつかのラベル付き例を追加することは少量例プロンプティング（Few-shot Prompting）です。

これが大規模言語モデルにあらゆるタスクを完了させるための最速の方法です。顧客メール分類から法律契約内の主要条項抽出まで。画面にはモデルを指導する3つの例ペアが表示されます。4行目は、新しいフレーズに対してパターンをどのように適用するかを示しています。任意の複雑性を持つ正確なプロンプトを設計することは、まさに参加者がLAPで習得するスキルです。大規模言語モデルは確かに制限があります。最良のモデルでさえ、時々幻覚を生成します。非常に自信を持って聞こえますが、実は間違っています。ここに簡単な例があります。汎用大規模言語モデルに、HRAポータルでLEAFにどのように申し込むかを聞いてください。そのプライベートシステムと関連知識にアクセスできないため、存在しない積立金プロセスを作り出しました。LAPでは、検索拡張生成と安全防護を使用して、モデルを貴社自身のデータに基づいて固定することで、答えが正確で関連性があり信頼できることを保証します。

私たちが企業との対話を通じて、2つの障壁が繰り返し出現することを発見しました。第1に、スキルギャップです。チームは学習を渇望していますが、実践的な生成AI経験が不足しています。第2に、信頼性と出力の信頼性です。リーダーは、大規模言語モデルアプリケーションが幻覚や誤解を生じないことを証明する必要があります。LAPはこの2つの障壁を取り除きます。4ヶ月間で、貴社とチームは私たちのAIエンジニアの指導下で、最先端の大規模言語モデル技術を貴社のデータに適用し、最終的に信頼できてデプロイ可能なプロトタイプを提供します。LAPのカリキュラムは2つのフェーズに分かれており、合計16週間です。第1フェーズは4週間の深いスキル向上フェーズで、大規模言語モデルおよび関連するツールと技術の理論知識を学びます。第2フェーズは12週間のプロジェクトフェーズで、貴社の実際の問題を解決するために構想した大規模言語モデル駆動アプリケーションの構築を開始します。

深いスキル向上フェーズでは、すべての参加者に電子学習教材を提供します。すべての自習教材を完了するのに約8時間かかると予想されます。まず、自然言語処理の基礎と現代的な大規模言語モデルの内部メカニズムを習得させます。次に、プロンプトエンジニアリングに習熟します。ゼロショット、少量例、チェーン・オブ・ソート技法、およびその他の高度な技法を通じてモデル出力を正確に制御します。その後、エージェントを紹介し、Reactフレームワークについて説明し、検索拡張生成パイプラインを構築します。これにより、大規模言語モデルは外部ツールとデータと協力して推論できるようになります。最後に、倫理とガバナンスのコースで終了し、安全で公平で責任ある大規模言語モデルソリューションを構築するための武装を整えます。深いスキル向上フェーズが終了した後、12週間のプロジェクトフェーズに進みます。プロジェクトフェーズでは、毎週約10時間の投資が見込まれています。

合計120時間は、大規模言語モデル駆動アプリケーションの構築に集中しています。この期間を自律的なタスク、データ準備、研究、プロンプト設計、コーディング、テスト、反復に充てることができます。プロジェクトフェーズの開始時に、シンガポール人工知能局で3つの集中的な知識移転ワークショップを開催します。これらのセッションは、深い学習、新技術の紹介、ライブコーディング、即座のフィードバックと考えることができます。これは、各セッションの内容を独自のプロトタイプに適用するのに役立ちます。プロジェクトフェーズの大部分の時間、割り当てられたAISGメンター、経験豊かなAIエンジニアと複数のオンラインまたは対面のコンサルテーションを行います。コードを審査し、困難な問題に対処し、プロジェクトスコープを調整し、プロジェクトが計画通りに進むことを保証します。16週目に、各チームはAISGチームに実行可能な大規模言語モデル駆動アプリケーションをデモンストレーションし、企業の関連ステークホルダーを招待することもできます。

これは実際の影響を示す機会であり、ライブデモンストレーション、主要指標、教訓、およびソリューションを最終的なデプロイメントに向けたロードマップが含まれています。各チームは2〜4人で構成されています。2人は分業と動力を維持するための最小限であり、4人は上限で、すべての人の声が聞かれ、決定が迅速に行われることを確認します。小規模なアジャイルチームはより速く反復できます。これは急速な生成AI プロトタイプ開発に必要なものです。各LAPチームは企業によってスポンサーされ、実際のビジネスユースケースを保有しています。これは、貴社が関心のある実際のビジネス問題に対処し、企業内データに直接アクセスできることを意味します。プロジェクトが兼職用に設計されているため、勤務中の専門家に適しており、日常業務を続けながらプロトタイプを構築できます。初心者コーダーであれ経験豊かなソフトウェアエンジニアであれ、LAPへの参加を歓迎します。

ガイダンスは異なる技術能力に応じて調整され、すべての人がプロジェクトに貢献でき、スキルを向上させることができます。今こそ、大規模言語モデルを単純なチャットボットと見なす概念を超える時です。それらを推論エンジンと考えてください。これはビジネスワークフローを自動化し、チームの出力を10倍向上させることができます。以前のLAPバッチで構築された大規模言語モデル駆動アプリケーションの2つを強調します。これは大規模言語モデルがどのように現実世界のビジネスプロセスを変革するかを示しています。第1に、大規模言語モデル駆動の次世代シミュレータで、公益事業とエネルギー業界の企業が事故シナリオに対応するために大規模な従業員研修を支援します。第2に、大規模言語モデル駆動の洞察ストリーム。電子機器および小売レポートサービス。原始的な販売および在庫データを数分で明確な行動項目に変換します。

この公益事業とエネルギー企業は、複雑なサイバーフィジカル事故への対応訓練をより迅速でスケーラブルにする必要がありました。しかし、訓練は依然として厚いPDFマニュアルと一対一の指導に依存しており、演習が遅く、矛盾し、知識がサイロに閉じ込められています。LAPを通じて、チームはNextGen Simulatorを構築しました。大規模言語モデル駆動の訓練プラットフォーム。必要に応じてリアルなサイバーフィジカル脅威シナリオを起動し、対応ソリューションをリアルタイムで採点できます。従業員は大規模に演習できます。底部では、シナリオ生成大規模言語モデルが各演習開始時に新しい事故物語を生成します。第2のモデル、すなわち対応ソリューション大規模言語モデルは、各訓練戦略をリアルタイムで採点し、ターゲット化されたフィードバックを返します。両方のモデルは、過去の脅威と事故記録を含む厳選されたベクトルストアにアクセスします。検索拡張生成技術を通じて、それらは現在のシナリオに必要なコンテキストのみを抽出します。各演習が動的で関連性があり正確であることを確保します。次に、洞察ストリームを見ます。

この電子小売業者は、日常的な意思決定をサポートするための即座の物語的レポートを必要としていました。しかし、アナリストは依然として原始的な販売および在庫データを手動で解析し、その後、ステークホルダーレポートの作成により多くの時間を費やす必要がありました。これは行動の遅延と主要なトレンドの見落としにつながります。チームが構築した洞察ストリームは次のように機能します。集約大規模言語モデルエージェント。データクリーニングおよび指標計算ツールに接続します。販売および在庫ベクトルストアから最新データを抽出します。その日に重要な主要パフォーマンス指標を決定します。データパッケージにパッケージします。そのデータパッケージは洞察エンジン大規模言語モデルに渡されます。数字を日常用語の物語に磨き上げます。明確な行動ポイント付き。最終的な物語はチームのSlackチャネルに即座に送信されます。意思決定者が洞察が生成されたその瞬間に情報を見ることができます。

私たちの各プログラムバッチで、40以上の組織と協力しました。その中には、複数回プログラムに参加し、生成AI と大規模言語モデル（LLP）駆動アプリケーションを日常業務に組み込んだ組織もあります。教育、金融、情報技術、法律、観光、製造など、複数の分野のチームをサポートできたことを光栄に思います。最初のインスピレーションから、現在毎日依存しているリアルタイムソリューションまで指導しました。これらのシステムが実際に運用されているのを見ることが、このような複雑なビジネス操作にも生成AIを導入できることを証明する、私たちがこの仕事をする理由です。小さく焦点を絞ったチームです。LAPプロジェクトから得られるものは、ビジネス問題ステートメントの周りに構築された言語モデル駆動アプリケーション、言語モデルツールと技術の使用に自信を持つスキル向上チーム、および次のプロジェクトで継続できる転送可能なフレームワークです。

完了する前に、透明性を完全に示すため、参考までにプロジェクト費用を表示したいと思います。適格な参加者はAISGから大規模な助成金を受け取ることができます。多くは追加のキャリア転換プログラム補助の対象にもなります。チームは最初のセッションで助成金オプションについてガイドを提供します。これらが貴社とチームにとって価値があれば、aap.sg/adpにアクセスして詳細をご覧になることをお勧めします。また、Zoomライブウェビナーへの参加を検討してください。そこでは、さらに多くのケーススタディを紹介し、リアルタイムで質問にお答えします。本日、私と時間を共にしていただき、ありがとうございました。貴社独自のビジネス課題についてお話しを聞き、どのように一緒に対処できるかを探討する機会を非常に楽しみにしています。近い将来、お目にかかることを期待しています。