G-P Assist エージェントレポートの実践​​ ​

雇用 主(雇用代行業者(EOR) )を通じてグローバルチームを管理することは、単に簡素化する国際採用以上の効果をもたらします。国境を越えた膨大な価値ある運用データを生み出します。 しかし、グローバルな人事、人事部、そして財務のリーダーにとって、そのデータから明確な答えを得ることは、毎週の疲れる作業です。​​ ​

従来、四半期ごとの支出、従業員数、請求書の内訳といった定型的な報告依頼に対応するには、複数のスプレッドシートをエクスポートし、VLOOKUP関数を記述し、ピボットテーブルと通貨合計を手作業で照合するために何時間も費やす必要があった。​​ ​

そのため、私たちはグローバル雇用プラットフォーム(Global Employment Platform™)の背後にある人工知能(AI)搭載エンジンである G-P Assist内にエージェント的レポートを作成しました。​​ ​

私たちのエンジニアリングの原則はシンプルでした。必要なレポートを要求できるべきであり、それを作成するために1週間を費やすべきではない、というものです。​​ ​

この記事では、エージェント型レポート機能の構築の裏側をご紹介し、自然言語による質問にデータベースの正確な計算で回答する仕組みをどのように設計したのかを解説します。​​ ​

スプレッドシート計算に汎用人工知能(AI)モデルを使うリスク​​ ​

標準的な生成型人工知能(AI)ツールは迅速な回答を約束しますが、非公式モデルに頼ることは実際の運用リスクをもたらします。 大規模言語モデル(LLM)は、正確な算術計算に頼るのではなく、言語パターンを予測するために設計されている。​​ ​

汎用人工知能(AI)が大規模なスプレッドシートを直接処理しようとすると、数値を誤算したり、重要な行を省いたり、数値を近似したりすることがあります。 グローバルな労働力管理において、近似は監査リスクのことです。​​ ​

精度を追求した設計​​ ​

モデルを計算から切り離すため、質問を理解することと答えを計算することを分離しました。G-P Assistのエージェントレポートは、計算を行うのではなく、人工知能(AI)を使ってユーザーの意図を解釈し、タイムフレームやフィルター、エンティティを抽出します。​​ ​

このモデルは、会話形式のプロンプトを構造化されたクエリに変換し、当社のデータプラットフォームに対して決定論的に実行します。プラットフォームは会社のレポートデータに基づいてカウントや合計を計算します。 G-P Assist は、数値自体を足さず、数値が推計されたり四捨五入されたりしないように設計されています。データの整合性と企業セキュリティを維持するため、システム内に明確な運用境界を直接組み込みました。​​ ​

  • 原則に基づいた拒否:いつ答えるべきでないかを知ることは、エンジニアリング上の重要な機能である。クエリに中央値の計算、給与シナリオの予測、月ごとの傾向の比較など、サポートされていない操作が必要な場合、エージェントは言語モデルに結果を近似させる代わりに明示的に拒否します。​​ ​
  • 通貨:合計金額は通貨ごとに個別に計算され、任意の合計金額に合算することはできません。​​ ​
  • 企業のスコープ: サーバーはすべてのクエリを会社のデータに限定し、あなたの固有のサインイン方式を用いるため、承認済みのレポートデータセットのみを照会できます。​​ ​
  • 役割ベースのガバナンスとプライバシー: 現在アクセスは顧客管理者に限定されており、今年中に追加のロールベースアクセスが導入されます。サーバーは、ユーザーが閲覧を許可されていないデータセットや列を非表示にします。​​ ​

高速なデータ検索に加え、G-P Assistには会話型レポートの整形やカスタマイズも含まれます。カスタマー管理者はG-P Assistで自然言語を使って列の追加・削除やレポートのフィルタリング、複数のカテゴリを1つの列にまとめ、生の項目をピボット化して1人あたり1行の簡潔な要約に変換できます。自動点検と人手によるレビューを通じて、G-P Assistのパフォーマンスを継続的に監視し、継続的な正確性と信頼性を確保しています。​​ ​

日々の報告業務ワークフローを変革する​​ ​

G-P Assistは、手動のレポート組み立てに代わって迅速かつ簡単なセルフサービスを実現します。請求書の内訳、人員数の確認、経費の合計など、必要な情報が何であれ、正確な数値または構造化されたCSVファイルを数秒で入手できます。​​ ​

顧客にとっては、金曜の午後をスプレッドシートの照合に費やす代わりに、プラットフォームのデータを使ってビジネス判断を行うことを意味します。​​ ​

私にとって、それは人工知能(AI)時代におけるプロダクトエンジニアリングの本当の目的を表しています。 対話型のフロントエンドによってデータへのアクセスが容易になるだけでなく、決定論的なクエリ実行と計算、そして組み込みの安全対策によって信頼性が確保されます。​​ ​

人工知能(AI)は、人事、人事部、財務リーダーに新たな宿題を生み出すべきではありません。最初のプロンプトから信頼できる数字を出すべきです。​​ ​