配達とモビリティ / 配車と配達
Grab：従業員向けの共通AIサービス
- 企業
- Grab
- 国
- シンガポール
- 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
Grabの機械学習プラットフォームチームは、利用者からの問い合わせに埋もれていた。Slackのチャンネルに質問が集まり、当番のエンジニアは同じ質問に答えるのに時間を使っていた。担当者はまず、プラットフォームの文書を読んで答えるチャットボットを作ってみた。ところがGPT-3.5-turboが一度に扱う量は8,000トークンで、20,000語を超える文書を800語より短くしなければならず、この方式は広げにくかった。
使った技術とデータ
担当者は方向を変え、社内専用のChatGPTを作ることにした。公開フレームワークのchatbot-uiを拡張し、Googleログインを付けた。社内のモデル配信プラットフォームcatwalkにつなぎ、週末のあいだに作って社内に配布した。GrabGPTは専用の経路で動き、会社のデータが外に出ない。一社のモデルに縛られず、OpenAI、Claude、Geminiなどのモデルを使う。すべての対話は監査記録として残り、データ保安とガバナンスのチームが確認できる。
成果
初日に300人が登録し、翌日に600人、最初の一週間でさらに900人が入った。三か月目には利用者が3,000人を超え、一日の活動利用者は600人だった。筆者は、今ではほぼすべての従業員がGrabGPTを使っていると書いた。ChatGPTを使えない地域の従業員も、同じ道具を使えるようになった。
限界と残る課題
利用者数は筆者が示した値である。業務時間の節約や会社全体の生産性の変化を示す数値は原文にない。
出典
- From failure to success: The birth of GrabGPT, Grab’s internal ChatGPTengineering.grab.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。