English 
NTTとドコモは、マーケティングにおけるパーソナライゼーションの実際の仕組みを静かに再定義するようなことを成し遂げました。これは、ChatGPTのようなテキストではなく、時間経過に伴う人間の一連の行動に基づいて学習されたAIシステムです。その前提は鋭く、デジタルおよび物理的なタッチポイントでの行動に基づいて、その人が次に何をするつもりかを予測し、それに応じてアウトリーチを調整するというものです。.
これは理論ではありません。ドコモの顧客ベースでLAMを使用したところ、携帯電話やスマートライフ・サービスのテレマーケティング注文の成功率を2倍にすることに成功しました。このモデルは、アプリの利用、来店、購入、電話応対にまたがる「4W1H」（誰が、いつ、どこで、何を、どのように）のフォーマットで実世界のデータを調査。リードにフラグを立てるだけでなく、エンゲージメントのための最適なタイミングと方法を見つけ出し、エージェントが実際に行動する準備が整った人々にアプローチできるようにしました。.
最も優れているのは効率性です。NTTと NTTドコモ これは、Llama 1 7Bのような標準的な大規模言語モデルをトレーニングするコストの約568分の1です。企業のAIチームにとって、これは静かでありながら強力なフレックスであり、生成AIがテキスト以外にも拡張可能であることを証明するだけでなく、無駄のない目的主導型の構築が可能であることを証明しています。.
こちらもお読みください： メルカリが「Bizデリバリー」を開始、Eコマース強化へ
LAMは行動の順序から意図を学習します。購入前の電話は認知を、閲覧後の電話は説得を、購入後の電話はサポートを意味します。このモデルは、このような微妙な文脈の手がかりを捉えて、次にコンバージョンする可能性が最も高いものを予測します。これが、ユーザーの行動をつながりのある信号ではなく、孤立した点として扱う従来のレコメンデーションシステムと大きく異なる点です。.
マーケティングは現在の遊び場です、, NTT はすでに、同じロジックをヘルスケアやエネルギーに利用することを検討しています。医療分野では、LAMが治療履歴を分析して患者の転帰を予測したり、処方を最適化したりすることができます。エネルギー分野では、日射量と発電量の時系列データから学習し、エネルギー出力をより正確に予測することができます。.
LAMの核心は、言語理解から行動理解へとシフトするAIの次の章を垣間見ることです。大規模な言語モデルが機械が私たちを読み取るのに役立ったのなら、大規模な行動モデルは最終的に機械が私たちを予測するのに役立つかもしれません。.
日本語