配達とモビリティ / フードデリバリー
DoorDash：社内データ分析と業務アシスタント
- 企業
- DoorDash
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
DoorDashの知識は、実験のプラットフォームと指標のハブ、ダッシュボード、ウィキ、チームのチャットに散らばっていた。複雑な業務の質問に答えるには、ウィキを探し、Slackで尋ね、SQLを書き、Jiraのチケットを上げながら画面を移り続けなければならなかった。セルフサービスの道具は、利用者がどのデータを見るかをすでに知っている前提で、限界があった。
使った技術とデータ
DoorDashは社内のデータと運用の上に載せるagentic AIのプラットフォームを作った。検索はベクトルデータベースの上に載せた多段階のエンジンが担う。best-match-25のキーワード検索と密な意味検索を合わせ、reciprocal rank fusionで並べ直す。SQLはスキーマを知ったやり方で作る。テーブル名に合わせたlemmatizationでデータの出どころを探し、DescribeTableの道具が列の定義とあらかじめキャッシュした例の値を渡す。作られた問い合わせは、SnowflakeやTrinoといったエンジンにEXPLAINをかけて検査する。返る行の数や主要な列の平均といった結果の統計で、空の結果をあらかじめ捉える。機微なデータはモデルに見せない。問題が出ると、エージェントがそのフィードバックで問い合わせを自ら直す。
成果
DoorDashは段階を四つに分けた。決定型のworkflow、単一のエージェント、複数のエージェントを階層に束ねたdeep agent、互いに対等に協働するswarmである。第1段階のプラットフォームの土台とマーケットプレイスは提供を始めた。第2段階のAI Networkはpreviewの状態で、第3段階のA2Aとswarmは探索の段階である。回答の品質は、LLMを審判に使う自動の評価の枠組みで採点する。
限界と残る課題
すべての業務を自ら処理するシステムが完成したという意味ではない。原文は、利用者数、節約した時間、精度の点数といった数値を明らかにしていない。
出典
- Beyond Single Agents: How DoorDash is building a collaborative AI ecosystem - DoorDashcareersatdoordash.com, 確認
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。