?インスピレーション
大規模な組織や企業は、世界的に持続可能性を高めるために努力しています。 Gen AI にはサステナビリティ開発における数多くのユースケースがあり、そのうちの 1 つはサステナビリティレポートと企業内のコラボレーションの促進です。持続可能性に関するコミュニケーションとレポートを強化するために、当社はSustainability Analytics を開発しました。
機能
Sustainability Analytics は、ユーザーが企業の持続可能性データについてリアルタイムで質問できるインテリジェントなチャットボット インターフェイスを提供します。
主な特徴:
- ESG データと高度な AI モデル (LLaMA 3.1 など) を活用して、正確で関連性のある情報を取得します。
- ユーザーは以下について問い合わせることができます。
- チャットボットは以下を生成します。
- 前年同期比
- 棒グラフ、折れ線グラフ、円グラフの形式で視覚的に洞察を得ることができます。
例：
ユーザーの質問: 「各企業の 2024 年の総炭素排出量はいくらですか?」
チャットボットの応答: 「2024 年の総炭素排出量はX トンです。」
構築方法
技術スタック:
- オープンソースLLaMA 3.1モデルを使用した高度な RAG 手法。
- データをクエリするためのLangchain フレームワーク。
- ESG メトリクスを保存するPostgres データベース。
- バックエンド: Python フレームワークFastAPI 。
- フロントエンド: React.js を使用して構築されています。
データは Langchain ツールを通じてクエリされ、 LLM が処理して自然言語応答とチャートの視覚化を生成します。
?私たちが直面した課題
開発中にいくつかの課題に遭遇しました。
迅速なエンジニアリング:
- LLaMA 3.1 モデルが持続可能性関連のクエリを正確に処理できるようにします。
データの調達と統合:
- Langchain フレームワークを通じて簡単にクエリできるように ESG 指標データを構造化します。
パフォーマンスの最適化:
- 大規模なデータセット向けの RAG 手法を強化し、データ比較のためのチャート生成 (棒、折れ線、円) を管理します。
クエリ全体の精度:
- さまざまなクエリ タイプにわたる動的な前年比比較の精度を確保します。
?私たちが誇りに思う実績
- 統合の成功: LLaMA 3.1 を Langchain と統合して、インタラクティブな持続可能性分析プラットフォームを構築しました。
- リアルタイム応答:当社のチャットボットは、企業の ESG 指標に関する正確で状況に応じた回答をリアルタイムで提供します。
- 動的視覚化:ユーザーはクエリに基づいて視覚的な洞察 (棒グラフ、折れ線グラフ、円グラフ) を生成できます。
- 効率的なクエリ: Postgres データベース用に非常に効率的なクエリ メカニズムを構築し、精度を損なうことなく速度を確保します。
?私たちが学んだこと
- 高度な RAG 手法を習得することで、正確な応答の生成を効率化することができました。
- 私たちは、大量のデータを扱う運用をサポートするスケーラブルなバックエンド システムを構築しながら、 ESG データをより効果的に処理する方法を学びました。
- データベースと生成モデルを統合することで、データの整合性とクエリの最適化の重要性がわかりました。
サステナビリティ分析の次のステップ
私たちは次のようなサステナビリティ分析を拡張することを目指しています。
高度なデータ分析機能:
- 将来の ESG 指標を予測するための予測分析。
- 持続可能性を改善する領域を特定する。
世界標準の統合:
- 世界標準に合わせて持続可能性フレームワークをさらに追加します。
- より幅広いクライアントベース向けの多言語機能のサポート。
コラボレーションツール:
- 企業の関係者が協力してデータを入力し、包括的なレポートを生成できるツールを紹介します。
APIの統合:
- 既存のサステナビリティ プラットフォームとの API 統合を拡大します。
ユーザーインターフェイスの改善:
- より直感的なユーザー エクスペリエンスを実現するために UI を強化します。
