LLMによる品質問題の検知
小売・流通
プロンプト設計のみで、商品レビューから品質問題を検知する2段階LLMパイプラインを構築した事例。
課題
ユーザーが投稿する商品レビューの中から、品質問題に関わる話題をLLMで検知したいという要望がありました。ただし条件は「プロンプトエンジニアリングのみ」で「実運用に耐えうる精度・速度」を実現すること。既存の深層学習モデルでは検知精度に課題がありました。
TDSEのアプローチ
2段階のLLM活用アーキテクチャを設計。まず品質問題に関連するレビューのみをLLMで抽出し、次に抽出されたレビューがどの品質問題に該当するかをLLMで判定するという、プロンプト設計とパイプライン構築を組み合わせたソリューションを構築しました。
得られた成果
- 各部署と品質問題の定義をすり合わせたうえで、既存の深層学習モデルとの精度比較を実施
- 小規模データでの実験において、既存モデルを上回る結果を確認し、実運用への導入が決定
この事例で磨かれるスキル
モデルの再学習ではなく、プロンプト設計とパイプライン構築だけで実運用レベルの精度を引き出す力。LLMの「使いどころ」を見極め、既存システムと比較しながら意思決定を導く実践力が身につきます。
事例の詳細はTDSE公式サイトでご覧いただけます。