Allganizeでは、大規模言語モデル（LLM）を活用し、さまざまな業務に利用できるさまざまなLLMアプリを並べた「アプリマーケット」や「特定のドキュメント」から各種タスクを自動化するソリューションを提供しています。

質問応答の生成、ドキュメントの要約、ビジネス向けにカスタマイズされたプロンプトなどの機能を含んでおり、簡単な操作で生成データを得ることが可能です。

※ 本機能は、LLMを有効化した 回答自動生成AI またはAlli LLM App Marketのプロジェクトでのみご利用が可能です。

Alli LLM App Marketでは以下のブラウザに対応しています。

■ダッシュボード

• Chrome （バージョン85以降）

• FireFox （バージョン85以降）

• Safari （バージョン15.4以降）

• Microsoft Edge （バージョン86以降）

■SDK(チャット画面)

• Chrome （バージョン67以降）

• FireFox （バージョン69以降）

• Opera（バージョン54以降）

• Safari （バージョン11.1以降）

• Microsoft Edge （バージョン80以降）

2024年12月12日：障害情報

12月12日(木)8:16～12:38までOpenAI社の提供するモデルにおいて、応答が不安定となる事象が発生しており、 Alliのアプリ内においても該当するモデルが適用されている場合、アプリの動作に影響がございました。 現在は、OpenAI社の方で解消が確認されております。 事象の詳細および最新の情報につきましては、OpenAI社の障害ページをご確認ください。 OpenAI社 障害情報：https://status.openai.com/incidents/ctrsv3lwd797

2024年12月11日：障害情報

2024年12月11日(水)より一部のお客様において、メンバー招待メール内のリンクにアクセスした際にエラーが発生する事象が発生しておりました。事象を確認し、12月12日(木)17:20頃に復旧しております。

2024年11月28日：障害情報

2024年11月27日(水)20:50頃~、一部のお客様においてシングルアクションアプリの生成結果が表示されない事象が発生しておりました。事象を確認し、2024年11月28日(木) 10:40に復旧しております。

2024年11月26日：障害情報

2024年11月26日(火)15:34頃~、Alliのドキュメントメニューへのドキュメントのアップロード、及びアプリ上でアップロードしたドキュメントの解析が不安定になる事象が発生しておりました。事象を確認し、2024年11月27日(水) 8:30に復旧しております。

2024年11月26日(火)16:34頃~、LLMインプットノードでドキュメントをアップロードするアプリの生成に失敗する事象が発生しておりました。事象を確認し、2024年12月4日(木) 10:00頃に復旧しております。

2024年11月19日：障害情報

2024年11月19日11頃～、AlliWork上にアプリ管理に配置されているすべてのアプリが公開されてしまう事象が発生しておりました。事象を確認し、2024年11月19日(水)16:40頃に復旧しております。

2024年11月13日：障害情報

2024年11月13日9:00頃～、AlliWorkのAssistant機能をご利用いただいた際に、レスポンスがエラーになる事象が発生しておりました。事象を確認し、2024年11月13日(水)14:10頃に復旧しております。

2024年11月6日：障害情報

2024年11月6日8:00頃～、一部のお客様において、Alliのドキュメントメニューにてドキュメントをアップロードした際の動作が不安定になる事象が発生しておりました。事象を確認し、2024年11月6日(水)14:50に復旧しております。

2024年10月24日：障害報告

2024年10月24日08:00頃～Alliダッシュボード・SDK・アプリ上の複数のページでサーバーエラーが発生し、アクセスが不安定になる事象が発生しておりました。事象を確認し、2024年10月24日(木)11:34に復旧しております。

2024年10月1日：障害情報

2024年10月1日15:00頃～Alli管理画面、ナレッジベースへのドキュメントアップロード時にWordファイルのみパーシングに遅延が発生しておりました。事象を確認し2024年10月1日16:40頃解消しております。

2024年9月24日：障害情報

2024年9月24日(火)12:30頃～、Alli管理画面、ナレッジベースへのドキュメントアップロード時のパーシングに遅延が発生しておりました。事象を確認し2024年9月24日(火)　17:15頃に復旧しております。

2024年9月9日：障害情報

・2024年9月9日（月）16:00頃～、Alli ダッシュボード、スキルポップアップURL、SDK、アプリランチャーへのアクセスが不安定になる事象が発生しておりました。事象を確認し、2024年9月9日(月)19:15に復旧しております。

2024年9月5日：障害情報

・2024年9月5日（木）16:00頃、Alli ダッシュボードへのアクセスが不安定になる事象が発生しておりました。事象を確認し、2024年9月5日（木）の17:15に復旧しております。

2024年5月30日：障害情報

・2024年5月30日（木）5:00頃~、一部のお客様において、AlliのスキルポップアップURLへのアクセスができなくなる事象が発生しておりました。事象を確認し、2024年5月30日（木）の8:50に復旧しております。

2024年4月17日：障害情報

・2024年4月17日（水）10:00頃~、一部のお客様において、分析メニューにおけるデータのダウンロードが実行されない事象が発生しておりました。4月19日（金）12:10に復旧しております。　

2024年4月12日：障害情報

・2024年4月12日（金）17:45頃~、一部のお客様において、Alli LLM App Marketのアプリマーケットのアプリ、キャンペーン(スキル)、アプリ管理内のアプリが非表示となる事象が発生しておりました。4月13日（土）03:20に復旧しております。　

マイアカウント管理

1. マイアカウント／ログアウト：アイコンをクリックすると、アカウント情報とログアウトのメニューが表示されます。

2. プロフィール画像：プロフィール画像を追加または更新できます。

3. 姓：アカウントの苗字を入力してください。

4. 名 ：アカウントの名前を入力してください。

5. Eメールアドレス：エージェント招待を受信した際のEメールアドレスが表示されています。 メールアドレスを変更することはできません。

6. 電話番号：電話番号を入力してください。

7. 会社名：会社名を入力してください。

8. 言語：ダッシュボードの言語設定を選択できます。英語、日本語、韓国語の設定ができます。

9. パスワード：パスワードを更新します。

10. 変更後、右下の[登録する]をクリックし、更新を行います。

不在中のメッセージ

不在中のメッセージを Onに切り替えると、ユーザーからのチャットがあった際、不在メッセージが送信されます。

1. 不在中のメッセージを Onに切り替えます。

2. 不在期間を設定します。

3. 不在中のメッセージを入力します。 画像、ビデオ、およびリンクを含めることができます。

アプリマーケットは大きく2つの画面に分類されます。

1.アプリマーケット

Alliよりデフォルトで提供されるアプリの一覧です。

「全般」「セールス」「顧客対応」「マーケティング」「IT」「総務/人事」「法務/契約」「その他」と、幅広い業務で活用できるアプリをご用意しております。これらのアプリは、ユーザーが利用するための必要な構成、プロンプトが全て準備されているので、この中から、自社で利用したいアプリを選択するだけで、すぐに社内で活用していくことができます。

デフォルトアプリはAllganizeから随時追加対応を行なっていきますので今後もご期待ください。

アプリをクリックすると「アプリをテストする」と「アプリ管理に追加する」を選択できます。 アプリ管理へ追加する前に動作確認をされたい場合は、「アプリをテストする」を選択すると確認が可能です。

「アプリ管理に追加」を選択すると、該当アプリを追加するカテゴリーを選択できます。 「OK」をクリックすると、アプリ管理のドラフト（ユーザーには非公開）へ追加され、アプリの内容を編集できる状態となります。

アプリマーケット内の検索 アプリマーケット内のアプリを検索できます。検索窓をクリックすると、質問例としてアプリマーケット内にあるアプリ名が表示されます。

検索を行った場合、画面の下部に「リクエストを出す」ボタンが表示されます。 こんなアプリが欲しいなどあれば、弊社へ希望を出すことができます。

「リクエストを出す」をクリック後、ポップアップで開いたアプリリクエストの赤枠の必須項目を記入し、「追加」を押していただければ弊社へリクエスト内容が送信されます。

2.アプリ管理

実際に社内で使用するために管理者が作成、編集、追加したアプリの一覧です。

■カードで表示

■テーブルで表示

2-1. アプリ管理での基本操作

アプリ管理ではアプリに関する以下の操作を行えます。

1. アプリのテスト

2. アプリの編集

3. アプリ情報を修正

4. ドラフトへ戻す（非公開）

5. アプリごとのURLのコピーおよびURLの再生成

6. アプリのコピーおよび削除

2-1.アプリのテスト

カードやテーブルからアプリ名をクリックすると、ポップアップが表示され、「アプリテスト」を選択するとユーザーが利用するときと同じ画面で動作確認が可能です。

2-2.アプリの編集

実際にアプリマーケットに存在する「メール下書き作成」(回答型)と「契約書条項の抽出と比較」(会話型)アプリを編集する方法をそれぞれご説明します。

編集画面は、アプリ名をクリックし、ポップアップされたメッセージから「アプリを編集する」より開きます。

2-2a.Single action(シングルアクション)の編集画面

シングルアクションの編集画面が開きます。

アプリの編集を行った後は、右上の「アップデート」で内容を保存します。

「アップデート」を押すと「アプリ名」「説明」「カテゴリー」の編集画面が出てきます。

「アプリ名」「説明」「カテゴリー」に変更がない場合は、そのまま追加ボタンを押してください。

2-2b. Conversation(キャンペーン)の編集画面

Congersation型(キャンペーン)の編集を行う場合は、ステータスが「ドラフト」である必要があります。

1つ1つノードを確認し、各種ノードに入る時のメッセージ内容、プロンプトや利用するLLMモデルなどを必要に応じて変更してご利用ください。

アプリの編集を行った際は、右上の「公開」で内容を保存します。

ステータスを「公開」にすると「アプリ名」「説明」「カテゴリー」の編集画面が出てきます。

「アプリ名」「説明」「カテゴリー」に変更がない場合は、そのまま追加ボタンを押してください。

2-3.アプリ情報の修正

アプリの右上にある" ⁝ "をクリックし、「アプリの情報」を選択するとアプリの情報を編集できます。

アプリの情報を変更し、「追加」をクリックすると修正後の内容で追加されます。

2-4.ドラフトに戻す

アプリをドラフトに戻すことができます。ドラフトに戻すとアプリランチャーでは非表示となり、ユーザーへ非公開となります。

公開しているアプリをドラフトに戻す場合は、アプリ管理で"公開済みアプリ"になっているタブの中で、該当のアプリの"⁝‿"をクリックし、メニューを展開します。

「ドラフトに戻す」を選択することで、ユーザーへ非公開となり、対象のアプリは"ドラフト"状態となり、"ドラフト"のタブのアプリへと移動します。

2-5.アプリごとのURLのコピーおよびURLの再生成

アプリ１つ１つに、ユーザーに展開するためのURLを生成したり、一度生成したURLを再生成することが可能です。再生成をすると、再生成する前のURLからはそのアプリが利用できなくなりますのでご注意ください。

2-6.アプリのコピー・削除

一度作成したアプリをコピー（複製）したり、使わなくなったアプリをアプリ管理から削除することが可能です。ここで削除するとアプリランチャーからも削除されます。

3.新しいアプリの追加

アプリ管理から一から新しいアプリを作成することが可能です。その場合は、上部の「+新しいアプリを作成」をクリックします。

上の画像のようなポップアップが開くので、作成したいアプリのタイプに合わせて選択し、 作成します。

アプリ管理に公開する場合は、作成したアプリを「公開」にした後、アプリ名、説明、カテゴリーを設定し追加してください。公開にするとアプリランチャーにも表示されます。

アプリごとにお好きなアイコンも選べるので、ぜひご設定ください。

こちらのページではお客様からのよくあるお問い合わせを記載しております。

アプリを利用するとエラーが発生したり、一部のエージェントでAlliの管理画面が突然真っ白になったり、エラーが発生してしまいます。何か原因は考えられますか？

画面が真っ白になってしまったり、エラーが発生する原因として、以下の可能性が考えられます。

・EdgeやChromeのブラウザの拡張機能で「翻訳」機能がONになっている。 →特にEdge環境ではAlliのサイトにアクセスをすると、ブラウザ側で「翻訳をONにしますか？」 といったメッセージが表示されるため、意識せずにONにしているしている場合がございます。 対象の方のブラウザ環境をご確認ください。 こちらをONにしますとエラーが発生したり、画面が真っ白になったりとシステムに影響が出るため、 OFFにしていただくようお願いいたします。

フローの全体図

概要

ドキュメントから回答生成アプリは回答生成ノードを使って、事前にAlli LLM App Market環境にアップロードしたドキュメントから、ユーザーが入力した質問の回答文を生成します。

登録されているドキュメントから回答を生成する（回答生成ノード）

回答生成ノードでユーザーが入力した質問の回答を登録されてるドキュメントから生成します。

回答生成ノードではグループプロンプトと呼ばれる種類のプロンプトのみセットすることができます。標準でセットされている回答生成のプロンプトは弊社の仕組み（RAG）とLLMの最適な組合せでのプロンプトを提供しています。

• モデル：GPT4_TURBO

• グループプロンプト：回答生成

• 検索ソース：ドキュメント

• 回答生成後：再度質問する

  • 回答生成に成功した場合、繰り返し質問ができるよう回答生成ノードにとどまる設定にしています

• 回答が見つからなかった場合のアクションを指定：ON

  • LLMの方で回答生成自体には成功したものの、対象となる検索ソースから的確な回答が見つからず、「回答が見つかりませんでした」などのメッセージを表示した場合に、別途のアクションを指定できるオプションです。

フローの全体図

概要

FAQから回答アプリはユーザーが質問を入力すると事前に登録されたFAQデータから回答候補を提示し、候補の中から該当する質問をクリックすると、あらかじめ登録された回答が表示されるように設定しています。

回答が提示された場合は、解決しましたか？「はい」「いいえ」のボタンを表示し、その後TOPに戻るか、再度質問をできるように設計しています。反対に、回答が提示されなかった場合またはユーザーが「該当する質問がありません」を選択した場合は、申し訳ありません。のメッセージを表示し再度質問するかTOPに戻るかのボタンを表示しています。

Q&Aから回答を表示する場合（Q&Aから回答ノード）

ユーザーが入力した質問文でFAQデータから検索を行います。

• 質問入力方式：ユーザー入力

• "Other" オプションの追加：ON

解決したかどうかの確認(質問応答ノード)

FAQデータから回答を提示し、回答が表示された場合、満足度を確認するメッセージを表示し「はい」「いいえ」のボタンを表示します。

• 応答追加：チェックを入れる

  • 応答入力：ボタン

    • はい

    • いいえ

再度質問かTOPに戻るかの確認(質問応答ノード)

「ご利用ありがとうございました」「申し訳ありません」「適切な回答を提示できず、申し訳ありません」のメッセージ表示とともに、「再度質問する」「TOPに戻る」ボタンを表示します。

応答追加：チェックを入れる

• 応答入力：ボタン

  • 再度質問する

  • TOPに戻る

生成AIを活用する際、適切なプロンプトを作成することが成功への鍵となります。

このガイドでは、初心者から上級者まで役立つプロンプト作成のポイントを分かりやすく解説していますので是非ご参考ください。

※セキュリティの問題でGoogle Slidesの表示がブロックされる場合は、下記のURLより資料をダウンロードください。 →資料はこちら

フローの全体図

概要

LLMとチャットアプリでは、ユーザーが入力した内容に基づいて、LLMとチャットをすることができます。

ユーザーが入力を実施するノード（質問応答ノード）

ユーザーに入力を求めます。

• 応答スタイル：テキスト

ユーザーの入力した情報を下記の変数に保存します。

• 変数：＠QUERY

  • 変数種別：会話変数

  • タイプ：文字列

LLMが文章を生成(LLM実行ノード)

LLM実行ノードでは質問応答ノードでユーザーが入力した内容をプロンプトで指定し実行しています。

• ベースモデル：OPENAI GPT-4 TURBO

• プロンプト：LLMと会話

メール下書き作成アプリでは、「送信者」「送信者の企業名・部署」「受信者」「受信者の企業名・部署」「主な内容」の入力のみでメールの下書きを作成することができます。

下記の入力例を基にメール下書きを生成します。

入力例

• 送信者：足立

• 送信者の企業名・部署：Allganize

• 受信者：○○様

• 受信者の企業名・部署：○○株式会社

• 主な内容：・先日のWebMTGのお礼

  　　　　　・次回のWebお打合せ日程の候補日3つ提示

結果例

入力例の内容で生成を実施すると下記のようなメールの下書きが生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

件名：先日のWebMTGのお礼と次回のWebお打合せ日程の候補日について

○○様

いつもお世話になっております。足立でございます。

まずは、先日行われたWebMTGについて、ご参加いただきありがとうございました。
皆様のご意見やご提案をいただき、大変有意義な時間を過ごすことができました。
今後のプロジェクトの進行において、ご意見を参考にさせていただきます。

さて、次回のWebお打合せの日程についてですが、以下の3つの候補日をご提案させていただきます。
ご都合のよろしい日時がございましたら、お知らせいただけますと幸いです。

1. ○月○日（○）　○時～○時
2. ○月○日（○）　○時～○時
3. ○月○日（○）　○時～○時

上記の日程について、ご都合をお知らせいただければ幸いです。
もし他の日程をご希望される場合は、お知らせください。調整いたします。

また、ご不明点やご質問等ございましたら、お気軽にお知らせください。

引き続き、よろしくお願いいたします。

足立
Allganize株式会社

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を５つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 送信者

  • 変数：@sender

  • インプットタイプ：テキスト

• 送信者の企業名・部署

  • 変数：@sen_com

  • インプットタイプ：テキスト

• 受信者

  • 変数：@reciever

  • インプットタイプ：テキスト

• 受信者の企業名・部署

  • 変数：@rec_com

  • インプットタイプ：テキスト

• 主な内容

  • 変数：@content

  • インプットタイプ：パラグラフスタイル

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT3.5 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

仕事の進め方指南アプリでは、「あなたの役割」「どんな業務を遂行したいですか？（例：Webセミナーの開催）」「特に知りたいことを教えてください。（例：セミナーの集客方法を知りたい）」の入力のみで仕事の進め方を指南してくれます。

下記の入力例を基に仕事の進め方を指南します。

入力例

• あなたの役割：教育担当者

• どんな業務を遂行したいですか？（例：Webセミナーの開催）：新人教育の実施

• 特に知りたいことを教えてください。（例：セミナーの集客方法を知りたい）：教育カリキュラムをどのくらいの期間で実施すればいいか知りたい

結果例

入力例の内容で生成を実施すると下記のような仕事の進め方を指南してくれます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を3つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• あなたの役割

  • 変数：@role

  • インプットタイプ：テキスト

• どんな業務を遂行したいですか？（例：Webセミナーの開催）

  • 変数：@task

  • インプットタイプ：テキスト

• 特に知りたいことを教えてください。（例：セミナーの集客方法を知りたい）

  • 変数：@point

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

文章校正アプリでは、一般的な文章チェックに加え、よく間違える表現を予め指定して文章を校正してくれます。

下記の入力例を元に文章を校正します。

入力例

• 校正対象の文章： 大学時代からプログラミングに携わり、開発の楽しさとやりがいが知りました。フロントエンドからバックエンドまで幅広く経験し、チームでの開発においても貢献できる自信があります。常に新しい技術に興味を持ち、自己成長に努めています。チャレンジ精神旺盛で、将来は自分が手をユーザーの価値を提供するプロダクトを生み出したいと考えています。

• 間違えやすい表現がある場合は記載。ない場合は「なし」と記載。： FEはフロントエンドに修正してください。

結果例

入力例の内容で生成を実施すると下記のような仕事の進め方を指南してくれます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 校正対象の文章(テキストコピーの場合)

  • 変数：@sentence

  • インプットタイプ：パラグラフ

• 間違えやすい表現がある場合は記載（例：校正は較正に修正）。ない場合は「なし」と記載。

  • 変数：@word

  • インプットタイプ：パラグラフ

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT4 Turbo」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

メール文面チェックアプリでは、「送付相手」「メールテキスト」の入力のみでメールの文面をチェックします。

下記の入力例を基にメールの文面をチェックします。

入力例

• どのような相手に送付しますか？：お客様・取引先

• メールテキストを貼り付けてください： お世話になっております。Allganize Japan(株)の足立です。

  先ほどはお忙しい中お時間いただきましてありがとうございました。

  チャットボットを公開いただいてから、横展開にご尽力いただき大変うれしく思います。 今後ともご支援させていただければと思いますので、どうぞよろしくお願いいたします。 早速ではございますが、 次回の打ち合わせ用にZoom URLを発行いたしましたので下記ご確認ください。 ------------------------------------------- ■日時 ・○/○(水)14:00～15:00 ■会議URL https://～～～～～～～～～ ------------------------------------------ 以上となります。今後ともどうぞよろしくお願いいたします。

結果例

入力例の内容で生成を実施すると下記のようにメールの文面をチェックします。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• どのような相手に送付しますか？

  • 変数：@send

  • インプットタイプ：単一選択

    • 選択肢1：お客様・取引先　お客様・取引先

    • 選択肢2：上司　上司

    • 選択肢3：同僚　同僚

    • 選択肢4：先輩　先輩

• メールテキストを貼り付けてください

  • 変数：@text

  • インプットタイプ：パラグラフスタイル

LLMモデル

標準モデルは「OPENAI GPT-4」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

回答生成機能の精度向上方法

回答生成機能を利用した際、回答精度を向上させる方法がいくつかございます。

本ガイドでは事象別に精度向上を案内しておりますので、ご参考ください。

※セキュリティの問題でGoogle Slidesの表示がブロックされる場合は、下記のURLより資料をダウンロードください。 →資料は

リスキリングのための学習プログラム提案アプリでは、「スキルジャンル」「段階（週 / 最大は10）」の入力のみで習得プログラムを作成します。

下記の入力例を基に学習プログラムを作成します。

入力例

• スキルジャンル：AIスキル

• 段階（週 / 最大は10）：5段階

結果例

入力例の内容で生成を実施すると下記のように習得プログラムを作成します。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

## リスキリングサポート: AIスキル習得のための5段階アプローチ

### ステージ1: 基礎理解と準備
- **インプット**: AIとは何か、その基本的な概念と歴史を学ぶ。Web記事や入門書を読む。
- **ゴール**: AIの基本的な定義、用語、歴史についての理解を深める。
- **トレーニング項目**:
  1. AIに関する基本的な書籍を読む（例: "Artificial Intelligence: A Guide for Thinking Humans"）
  2. オンラインコースでAIの歴史と基本概念のビデオを視聴する（例: CourseraのAI For Everyone）

### ステージ2: ツールと言語の習得
- **インプット**: Pythonなどのプログラミング言語とAI開発に必要なツール（TensorFlow, PyTorch）の基礎を学ぶ。
- **ゴール**: Pythonの基本操作ができるようになり、基本的なAIモデルを構築できるレベルに達する。
- **トレーニング項目**:
  1. Pythonのオンラインチュートリアルを完了する（例: CodecademyのPythonコース）
  2. TensorFlowやPyTorchの入門チュートリアルを行う

### ステージ3: 実践的なプロジェクト
- **インプット**: 簡単なAIプロジェクトを始める。例えば、画像認識や自然言語処理のタスク。
- **ゴール**: 小規模ながら実際のデータを使ってAIモデルを訓練し、結果を解析できるようになる。
- **トレーニング項目**:
  1. KaggleやGitHubで公開されているデータセットを使用してプロジェクトを行う
  2. メンターやオンラインコミュニティ（例: Stack Overflow, GitHub）と交流しながら問題解決を図る

### ステージ4: 深化学習とアルゴリズム
- **インプット**: より高度なAIアルゴリズム（深層学習、強化学習など）を学ぶ。
- **ゴール**: 複雑なAIモデルを理解し、自分で設計・実装できるようになる。
- **トレーニング項目**:
  1. 高度なAIコースを受講する（例: DeepLearning.AIのディープラーニング専門コース）
  2. 最新のAI研究論文を読み、トレンドを把握する

### ステージ5: 専門性の追求とイノベーション
- **インプット**: 特定の業界や問題に特化したAIソリューションを開発する。
- **ゴール**: AIを活用して実際のビジネスや社会問題に対するソリューションを提供できる。
- **トレーニング項目**:
  1. 業界固有の問題に対するAIベースのソリューションを開発するプロジェクトに参加する
  2. 技術会議やワークショップに参加して、ネットワーキングと知識のアップデートを図る

これらのステージを通じて、リスキリングを目指す人は段階的にAIスキルを習得し、最終的には専門的な知識と実践能力を兼ね備えたプロフェッショナルに成長することができます。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• スキルジャンル

  • 変数：@Skill

  • インプットタイプ：テキスト

• 段階（週 / 最大は10）

  • 変数：@phase

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

ドキュメントの要約アプリでは、ドキュメントをアップロードすると中身を要約します。

ファイルをアップロードして、要約文章を生成します。

ファイルのアップロード

要約したい文章のファイルをアップロードします。

結果例

入力例の内容で生成を実施すると下記のような結果が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

# Alli LLM App Marketの概要

Alli LLM App Marketは、ビジネス向けの大規模言語モデル（LLM）をオールインワンで提供するプラットフォームです。提供元はAllganize Japanで、連絡先はbiz@allganize.aiです。

## Allganize Holdings株式会社について

Allganize Holdings株式会社は、企業向けの生成AIおよびLLMソリューションを開発・提供するグローバルAIソリューションカンパニーです。CEOのChangsu Leeと日本法人CEOの佐藤康雄が率いるこの会社は、AI導入コンサルティングも行っており、日本、アメリカ、韓国に拠点を持ち、各国で事業展開をしています。

## 生成AI・LLMソリューションの特徴

- **多様な業界への導入**: 生成AI・LLMソリューションは多様な業界の大手企業に導入されています。
- **業務自動化**: Alli LLM App Marketは、プロンプト知識を必要とせず、選択するだけで業務を自動化できるプラットフォームです。

## LLMの機能とアプリケーション

LLMは、大量のテキストデータを用いてトレーニングされた自然言語処理モデルで、以下のタスクに対応可能です。

- テキスト生成
- 文章要約
- 質問応答
- 情報抽出
- テキスト分類
- 感情分析

LLMアプリは、これらの技術を活用して作成され、ChatGPTはその一例です。

## 課題と解決策

LLM活用に関する課題は、活用面と技術面に分かれます。Alli LLM App Marketは、これらの課題を解決するための機能を提供しています。

### 主な機能

- **多様なLLMアプリ群**: ユーザーはLLMモデルを自由に選択可能。
- **自動回答生成**: 社内ドキュメントからの自動回答生成機能。
- **サードパーティツールとの連携**: 様々なツールとの連携が可能。
- **プロンプトのバージョン管理**: プロンプトの管理機能を提供。

## 料金プランとサポート

Alli LLM App Marketは、2週間のフリートライアルを提供し、初期費用や月額費用、処理に必要なクレジット数がプランごとに異なります。従量課金制もあり、各機能に必要な処理回数の目安が示されています。

### カスタマーサポート

専任のカスタマーサクセスが機能操作の支援を行い、定期的なミーティングを通じて状況確認や機能アップデート情報の共有を行います。

## 業務別活用例

- **営業領域**: 商談議事録の自動抽出や提案サポート。
- **法務領域**: 契約書の条項洗い出しや条件チェック。
- **人事領域**: 求人票生成や書類選考機能。
- **マーケティング領域**: プレスリリース記事の自動作成やキャッチコピーの生成。

## 結論

Alli LLM App Marketは、業務の自動化を実現するための多様なアプリを提供し、ユーザーが簡単に利用できる環境を整えています。各業務に特化したアプリの活用により、業務効率の向上が期待できます。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を1つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 文章

  • 変数：@doc1

  • インプットタイプ：ベーシック

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Point アドバイス

企画書の作成アプリでは、入力された企画のテーマと概要から企画書の骨子を作成します。

下記の入力例を基に企画書の案を生成します。

入力例

• 企画のテーマ：導入事例のインタビュー

• 予算：100万円

• 企画を実施する期間：2024年5月3日～2024年5月6日

• 企画の概要：弊社生成AI系サービスである、Alli LLM App MArketをご採用いただいた理由などを特定のユーザーにインタビュー形式で伺い、導入事例として弊社Webページに掲載する。

結果例

入力例の内容で生成を実施すると下記のような出力がされます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・Docx)が可能です。

# 企画書：Alli LLM App Market 導入事例インタビュー企画

## 1. 概要
本企画は、弊社が提供するAI系サービス「Alli LLM App Market」を導入いただいたユーザーを対象に、その導入理由や利用による効果、満足度などをインタビュー形式で伺い、得られた情報をもとに導入事例として弊社Webページに掲載するものです。この企画を通じて、サービスの魅力や利用シーンを具体的に紹介し、新たな顧客獲得につなげます。

## 2. 目標
- 導入事例として5件のインタビュー記事をWebページに掲載する。
- 掲載後1ヶ月以内にWebページの訪問者数を前月比20%増加させる。
- 掲載後2ヶ月以内に新規顧客獲得数を10%増加させる。

## 3. 具体的な施策
1. **対象ユーザーの選定とアプローチ**
   - 導入効果が顕著なユーザー、多様な業界のユーザーを選定。
   - 選定したユーザーに対し、インタビューの趣旨を説明し、協力を依頼する。

2. **インタビューの実施**
   - インタビューはオンラインまたは対面で実施。
   - インタビュー内容：導入背景、導入後の変化、満足度、他社との比較、今後の期待など。

3. **記事の作成と校正**
   - インタビュー内容を基に、読みやすい記事を作成。
   - 導入事例としての魅力が伝わるよう、写真やグラフを活用。
   - ユーザーの最終確認を経て、記事を校正。

4. **Webページへの掲載とプロモーション**
   - 記事を弊社Webページに掲載。
   - SNSやメールマガジンを通じて、掲載情報を積極的にプロモーション。

## 4. 期間とスケジュール
- **2024年5月1日～5月7日**：対象ユーザーの選定とアプローチ
- **2024年5月8日～5月14日**：インタビューの実施
- **2024年5月15日～5月21日**：記事の作成と校正
- **2024年5月22日～5月31日**：Webページへの掲載とプロモーション活動

## 5. 予算
- インタビュー実施費用（交通費、謝礼など）：30万円
- 記事作成費用（ライター、デザイナー費用）：40万円
- プロモーション費用（SNS広告、メールマガジン配信費用）：20万円
- その他（予備費）：10万円
- **合計予算：100万円**

## 6. 成果評価
- Webページの訪問者数、新規顧客獲得数の増加を分析。
- インタビュー記事の閲覧数、SNSでのシェア数を測定。
- アンケートを通じて、記事の受け入れ度や改善点を評価。

本企画を成功に導くため、選定されたユーザーと密接に協力し、Alli LLM App Marketの魅力を最大限に伝える記事を作成します。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を4つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 企画のテーマ

  • 変数：@theme

  • インプットタイプ：テキスト

• 予算

  • 変数：@budget

  • インプットタイプ：テキスト

• 企画を実施する期間

  • 変数：@term

  • インプットタイプ：テキスト

• 企画の概要

  • 変数：@summary

  • インプットタイプ：パラグラフ

LLMモデル

標準モデルは「OPENAI GPT-4 Turbo」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロジェクトのリスクヘッジでは、新規プロジェクトに対する想定リスクとアドバイスを提案します。

下記の入力例を基にプロジェクトの内容をチェックして回答を生成します。

入力例

• プロジェクト内容：AIのコンサルティングサービスの提供

結果例

入力例の内容で生成を実施すると下記のような出力がされます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・Docx)が可能です。

【出力項目】

### 内部リスク
1. **技術的不足**: AI技術は日進月歩で進化しており、社内の技術力が追いつかない場合、提供するサービスの質が低下する可能性があります。
2. **データ管理の問題**: AIは大量のデータに依存しています。データの質やプライバシーの保護、適切なデータ管理が不十分だと、サービスの信頼性が損なわれる恐れがあります。
3. **人材の流動性**: AI分野は専門性が高く、優秀な人材が不足している現状があります。社内での人材育成や定着が困難であると、プロジェクトの持続可能性に影響を及ぼす可能性があります。

### 外部リスク
1. **市場の変動**: AI技術の市場は非常に競争が激しく、新しい技術や競合他社の出現により、急速に市場環境が変化する可能性があります。
2. **法規制の変更**: AIに関する法規制は国や地域によって異なり、また新たな規制が導入されることがあります。これに適応できない場合、事業運営に大きな障害が生じる可能性があります。
3. **技術の倫理的問題**: AIの使用には倫理的な問題が伴います。誤った使用や偏見を持ったAIの開発は、社会的なバックラッシュを引き起こす可能性があります。

### アドバイス
1. **継続的な技術研修とアップデート**: 社内での定期的な技術研修を実施し、最新のAI技術とトレンドを常に把握する体制を整えてください。
2. **厳格なデータ管理ポリシーの実施**: データの質を保証し、プライバシー保護とセキュリティを確保するための厳格なポリシーを設定し、遵守してください。
3. **倫理的なAIの使用を徹底**: AIの開発と使用においては、倫理的なガイドラインを設け、社会的責任を果たすことを優先してください。これにより、長期的な信頼とブランド価値の向上が期待できます。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を1つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• プロジェクト内容

  • 変数：@project

  • インプットタイプ：テキスト

LLMモデル

標準モデルは「OPENAI GPT-4 Turbo」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

部下との関係構築サポートアプリでは、部下の「褒め方」「注意の仕方」など、良好な関係を築くためのコミュニケーションの取り方を、具体的にアドバイスします。

フローの全体図

概要

部下との関係構築サポートアプリでは、部下の年代や確認したい内容を元に良好な関係を築くためのコミュニケーションの取り方を具体的にアドバイスします。

■共通フロー

部下の年代選択(会話応答ノード)

会話応答ノードで部下の年代を選択し、変数に保存します。

変数：＠INPUT1

• 変数種別：会話変数

• タイプ：文字列

確認したいことを選択する(会話応答ノード)

続く会話応答ノードで、確認したいことを選択します。 ここで選択された内容に応じてこの後のフローが分岐します。

■誉め言葉のかけ方を選んだ場合

どのようなことを褒めたいか入力する(会話応答ノード)

どのようなことを褒めたいかを入力し、変数に保存します。

変数：＠INPUT

• 変数種別：会話変数

• タイプ：文字列

部下の褒め方を出力(LLM実行ノード)

LLMが褒め方を出力します。 LLM実行ノードでは、ユーザーから得た、部下の年代と褒めたい内容を保存した変数情報(@INPUT1 , @INPUT)をプロンプトで指定し、実行しています。

• ベースモデル：OPENAI GPT-4

• プロンプト：部下の褒め方

■注意の仕方を選んだ場合

どのようなことを注意したいか入力する(会話応答ノード)

どのようなことを注意したいかを入力し、変数に保存します。

変数：＠INPUT2

• 変数種別：会話変数

• タイプ：文字列

部下への注意の仕方を出力(LLM実行ノード)

LLMが注意の仕方を出力します。 LLM実行ノードでは、ユーザーから得た、部下の年代と注意したい内容を保存した変数情報(@INPUT1 , @INPUT2)をプロンプトで指定し、実行しています。

• ベースモデル：OPENAI GPT-4

• プロンプト：部下への注意の仕方

■接し方のコツを選んだ場合

接し方のアドバイスを出力する(LLM実行ノード)

年代差に応じてLLMが接し方のアドバイスを出力します。 LLM実行ノードでは、ユーザーから得た、部下の年代を保存した変数情報(@INPUT1 )をプロンプトで指定し、実行しています。

• ベースモデル：ANTHROPIC CLAUDE3 SONNET

• プロンプト：部下との接し方のアドバイス

■伝えにくいことの話し方を選んだ場合

どのようなことを伝えたいか入力する(会話応答ノード)

どのようなことを伝えたいかを入力し、変数に保存します。

変数：＠THEME

• 変数種別：会話変数

• タイプ：文字列

伝えにくいことの伝え方を出力(LLM実行ノード)

LLMが伝えにくいことの伝え方を出力します。 LLM実行ノードでは、ユーザーから得た、部下の年代と伝えたい内容を保存した変数情報(@INPUT1 , @THEME)をプロンプトで指定し、実行しています。

• ベースモデル：ANTHROPIC CLAUDE3 OPUS

• プロンプト：部下に伝えにくいことを伝える

下記の入力例を基にメール下書きを生成します。

入力例

• 録音データ：ファイルをアップロード

• 会議の開催日時：2024/6/30

• 参加者名：○○株式会社：佐藤様、鈴木様　Allganize：足立

• 開催場所：オンライン

結果例

入力例の内容で生成を実施すると下記のように文法チェックします。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

## 会議情報

| 項目   | 情報                                      |
| ------ | ----------------------------------------- |
| 開催日時 | 2024/6/30                                 |
| 参加者  | ○○株式会社：佐藤様、鈴木様　Allganize：足立 |
| 開催場所 | オンライン                                |

## 議題

- セールスクラウドとの連携
- 営業活動の効率化
- ターゲティングの精度向上
- データベースの活用方法
- 費用対効果の検討

## 議論の内容

- セールスクラウドに未登録の情報を簡単に追加できる機能について話し合われた。
- 営業活動において、企業のグループ関係や事業概要を一覧表示できる機能が有用であるとされた。
- ターゲティングにおいて、従業員数や業種での絞り込みが可能であることが強調された。
- データベースの更新情報をセールスクラウドに自動で反映させる仕組みが説明された。
- 費用対効果に関して、具体的な数字は出なかったが、効率化と精度向上による収益増加の可能性が示唆された。

## 決定事項

特になし

## 宿題事項

特になし

## 今後のアクション

- デモ環境の提供について検討する。
- 費用対効果に関する詳細な検討を行う。

## 次回の打ち合わせ

未定・なし

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を4つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 録音データをアップロード（txtファイル推奨）

  • 変数：@recording

  • インプットタイプ：ベーシック

• 会議の開催日時

  • 変数：@date

  • インプットタイプ：テキスト

• 参加者名

  • 変数：@atendees

  • インプットタイプ：テキスト

• 開催場所

  • 変数：@place

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

フォーマットの作成アプリでは、報告レポートや稟議書、企画書など、さまざまな書類のフォーマットを生成します。

下記の入力例を基に指定した種類のドキュメントのフォーマットを生成します。

入力例

• 作成する書類：PoC実施における最終報告書

結果例

入力例の内容で生成を実施すると下記のような出力がされます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・Docx)が可能です。

PoC実施における最終報告書のフォーマットは、プロジェクトの目的、実施内容、結果、および今後の提案に焦点を当てることが重要です。以下は、そのための基本的な骨子を示しています。

---

**PoC実施における最終報告書**

**1. 表紙**
- プロジェクト名
- PoCタイトル
- 実施期間
- 作成日
- 作成者

**2. 目次**

**3. プロジェクト概要**
- プロジェクトの背景
- PoCの目的
- 期待される成果

**4. PoC実施体制**
- プロジェクトチーム構成
- 役割分担
- ステークホルダー

**5. PoC実施計画**
- 実施スケジュール
- マイルストーン
- リソース計画

**6. PoC実施内容**
- 実施したテストの概要
- 使用した技術・ツール
- 実施環境

**7. PoC結果**
- テスト結果の概要
- 成功した点
- 問題点・課題
- 改善提案

**8. 分析と評価**
- 結果の分析
- 目標達成度の評価
- リスク評価

**9. 今後の提案**
- PoC結果に基づく提案
- 実装計画の概要
- 必要なリソースとスケジュール

**10. 付録**
- 参考資料
- テストデータ
- 会議記録

**11. 結論**
- PoCの総括
- プロジェクトの成功要因
- 今後の展望

---

このフォーマットは、PoC実施における最終報告書の基本的な構成を示していますが、プロジェクトの性質や要件に応じて適宜調整してください。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を1つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 作成する書類

  • 変数：@paper

  • インプットタイプ：テキスト

LLMモデル

標準モデルは「OPENAI GPT-4 Turbo」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

会議のアジェンダ作成では、「会議の目的」「会議の参加者」「前回までの流れ」「会議時間」の入力のみで会議のアジェンダを作成することができます。

下記の入力例を基に会議のアジェンダを作成します。

入力例

• 会議の目的：チャットボットの契約

• 会議の参加者（役職や業務担当で箇条書きで記入してください。例：情報システム部課長）： ・DX推進部部長　佐藤様 ・DX推進部　　　鈴木様

• 前回までの流れ（空欄可）： ・部内で予算が余っているので、何か業務効率化に使えるツールを探している ・トライアルは無料なら実施したい意向 ・他社のチャットボット導入事例を知りたい。

• 会議時間：1時間

結果例

入力例の内容で生成を実施すると下記のように会議のアジェンダを作成します。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

1. 開会の挨拶と会議の目的確認 (5分)
   1.1. 佐藤様による開会の挨拶
   1.2. 会議の目的の確認

2. 前回の議論の復習 (10分)
   2.1. 予算の余剰状況の確認
   2.2. チャットボット導入の意向とトライアルについての確認

3. チャットボットの導入事例の共有 (15分)
   3.1. 他社の導入事例のプレゼンテーション
   3.2. 質疑応答

4. チャットボットの契約条件の検討 (15分)
   4.1. 契約の主要条件の提示
   4.2. トライアル期間とその条件の検討
   4.3. 質疑応答

5. 次のステップの決定 (10分)
   5.1. トライアルの実施可否の決定
   5.2. 契約に向けた具体的なアクションプランの策定

6. 会議のまとめと閉会 (5分)
   6.1. 会議の要点の確認
   6.2. 佐藤様による閉会の挨拶

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 会議の目的

  • 変数：@purpose

  • インプットタイプ：テキスト

• 会議の参加者（役職や業務担当で箇条書きで記入してください。例：情報システム部課長）

  • 変数：@attendance

  • インプットタイプ：パラグラフスタイル

• 前回までの流れ（空欄可）

  • 変数：@previous

  • インプットタイプ：パラグラフスタイル

• 会議時間

  • 変数：@time

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

翻訳アプリでは、「文章」「翻訳後の言語」「形式」の入力のみで翻訳文章を生成することができます。

下記の入力例を基に翻訳文章を生成します。

入力例

• 文章：明日の会議は午前10時～開始です。会議の初めに各プロジェクトの進捗確認を行いますのでチームリーダーは準備をお願いします。

• 翻訳後の言語：英語・韓国語

• 形式：フォーマル

結果例

入力例の内容で生成を実施すると下記のような翻訳文章が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

English:
"The meeting tomorrow will start at 10:00 AM. 
At the beginning of the meeting, we will conduct progress checks for each project, so team leaders are requested to prepare."

Korean:
"내일 회의는 오전 10시에 시작됩니다. 회의 시작 시 각 프로젝트의 진행 상황을 확인할 예정이므로 팀 리더는 준비해 주시기 바랍니다."

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

inputインプット

利用者に入力してもらいたい項目を3つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 文章

  • 変数：@sentence

  • インプットタイプ：テキスト

• 翻訳後の言語(複数選択可)

  • 変数：@language

  • インプットタイプ：複数選択

    • 選択肢1：韓国語　korean

    • 選択肢2：英語　english

    • 選択肢3：ヒンディー語　hindi

    • 選択肢4：中国語　chinese

    • 選択肢5：日本語　Japanese

• 形式

  • 変数：@Style

  • インプットタイプ：単一選択

    • 選択肢1：フォーマル　formal

    • 選択肢2：カジュアル　casual

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT3.5 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Point アドバイス

BANTC作成アプリでは、商談議事録メモをテキストまたはドキュメントでアップロードするだけでBANTCを作成します。

フローの全体図

概要

BANTC作成アプリは商談議事録メモを「テキスト」でアップロードするか、「テキストで直接入力」するかの2つのボタンから選択するように設定しています。

選択後、それぞれの入力フォーマットに合わせた変数にデータを保存し、LLM実行ノードでBANTC項目を作成します。

テキストを直接入力の場合（質問応答ノード）

テキストを直接入力の場合、質問応答ノードでユーザーが入力した商談議事録メモを下記の変数に保存しています。

• 変数：＠OPPORTUNITYLOG

  • 変数種別：会話変数

  • タイプ：文字列

テキストからBANTC作成（LLM実行ノード）

LLM実行ノードでは質問応答ノードでユーザーが入力した情報を保存した変数(＠OPPORTUNITYLOG)をプロンプトで指定し実行しています。

• ベースモデル：OPENAI GPT-4

• プロンプト：ログからBANTC作成

ファイルをアップロードの場合（LLMインプットノード）

ファイルをアップロードの場合、LLMインプットノードでユーザーが入力した商談議事録メモを下記の変数に保存しています。

• 選択タブ：アップロード

• 変数：＠OPPORTUNITYLOGFILE

  • 変数種別：会話変数

  • タイプ：ドキュメント

ファイルからBANTC作成（LLM実行ノード）

LLM実行ノードでは質問応答ノードでユーザーが入力した情報を保存した変数(＠OPPORTUNITYLOGFILE)をプロンプトで指定し実行しています。

• ベースモデル：OPENAI GPT-4

• プロンプト：ログからBANTC作成（ドキュメント）

フローの全体図

概要

LLMとWebから回答アプリでは、ユーザーが入力した質問に対して、まずLLMの持っている情報から回答生成を行い、その後Webの情報から回答生成を行います。

質問を入力する（質問応答ノード）

ユーザーに入力を求めます。

• 応答スタイル：テキスト

ユーザーの入力した情報を下記の変数に保存します。

• 変数：＠QUERY

  • 変数種別：会話変数

  • タイプ：文字列

LLMからの回答を生成（LLM実行ノード）

LLM実行ノードでは質問応答ノードでユーザーが入力した内容をプロンプトで指定し実行しています。

• ベースモデル：OPENAI GPT-4o

• プロンプト：LLMと会話

Webからの回答を生成（回答生成ノード）

回答生成ノードでは質問応答ノードでユーザーが入力した内容を保存した変数情報(@QUERY)に対する回答を生成します。

回答生成ノードではグループプロンプトと呼ばれる種類のプロンプトのみセットすることができます。標準でセットされている回答生成のプロンプトは弊社の仕組み（RAG）とLLMの最適な組合せでのプロンプトを提供しています。

• ベースモデル：OPENAI GPT-4o

• グループプロンプト：回答生成

• 検索ソース：ウェブ

• 回答生成後：次のノードへ

  • 回答生成に成功した場合、次のノードへ進みます。

• 回答が見つからなかった場合のアクションを指定：OFF

  • LLMの方で回答生成自体には成功したものの、対象となる検索ソースから的確な回答が見つからず、「回答が見つかりませんでした」などのメッセージを表示した場合に、別途のアクションを指定できるオプションです。

PEST分析アプリでは、分析対象の「国」「業界名（サービス）」の入力のみでPEST分析を行うことができます。

下記の入力例を基にPEST分析を行います。

入力例

• 国：アメリカ

• 業界名（サービス）：自動車

結果例

入力例の内容で生成を実施すると下記のようなPEST分析の結果が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 国

  • 変数：@country

  • インプットタイプ：テキスト

• 業界名（サービス）

  • 変数：@PEST

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

タスク管理表の生成アプリでは、入力されたプロジェクトや業務に対して、決められた期限までに実施すべきタスクを表形式で生成します。

下記の入力例を基にタスク管理表を生成します。

入力例

• 業務/プロジェクト：ユーザーガイドの作成およびユーザーへの公開

• 期間：1ヶ月

結果例

入力例の内容で生成を実施すると下記のような出力がされます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・Docx)が可能です。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 業務/プロジェクト

  • 変数：@task

  • インプットタイプ：テキスト

• 期間

  • 変数：limit

  • インプットタイプ：テキスト

LLMモデル

標準モデルは「OPENAI GPT-4 Turbo」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

パワーポイント資料の骨子作成アプリでは、パワーポイント資料作成のためのアジェンダ生成から、パワーポイントに出力するためのVBAコードを生成します。

フローの全体図

概要

パワーポイント資料の骨子作成アプリでは、入力された資料の内容やページ数を元にアジェンダを作成し、アジェンダの情報からVBAのコードを生成します。

パワーポイントの概要の入力 (入力フォームノード)

入力フォームノードで"資料の内容"と"ページ数"を入力し、変数に保存します。

資料の内容、タイトル

変数：＠CONTENTS

• 変数種別：会話変数

• タイプ：文字列

資料の最大ページ数(例：30ページ)

変数：＠PAGE

• 変数種別：会話変数

• タイプ：文字列

アジェンダを作成する(LLM実行ノード)

LLM実行ノードでは、ユーザーの入力を保存した変数情報(@CONTENTS , @PAGE)をプロンプトで指定し、実行しています。

• ベースモデル：OPEN AI GPT-4 TURBO

• プロンプト：アジェンダ作成

また、LLMが出力した内容は以下の変数に保存しています。

変数：＠AGENDA

• 変数種別：会話変数

• タイプ：文字列

作成されたアジェンダの確認(入力フォームノード)

入力フォームノードで、VBAの元となる作成されたアジェンダをユーザーに提示し、確認を行います。 ユーザー側で編集をすることも可能です。 適用ボタンが選択されると内容を変数に保存します。

変数：＠AGENDA

• 変数種別：会話変数

• タイプ：文字列

VBAコードの生成(LLM実行ノード)

アジェンダの内容を元にVBAコードを生成します。 LLM実行ノードでは、パワーポイントのページ数とアジェンダの内容を保存した変数情報(@PAGE , @AGENDA )をプロンプトで指定し、実行しています。

• ベースモデル：OPEN AI GPT-4 TURBO

• プロンプト：パワーポイントのVBA生成

お悩み/アイディアの壁打ちコンサルアプリでは、悩みや考え事の壁打ち相手として会話・コンサルティングをします。

フローの全体図

概要

お悩み/アイディアの壁打ちコンサルアプリでは、ユーザーからの相談に対してコンサルティングをします。 ユーザーの入力は3回まで可能です。

相談内容の入力 1回目(入力フォームノード)

入力フォームノードで相談内容を入力し、変数に保存します。

変数：＠CONSULT_QUERY

• 変数種別：会話変数

• タイプ：文字列

相談内容に対しての回答を出力 1回目(LLM実行ノード)

ユーザーの相談内容に対して、LLMが回答を出力します。 LLM実行ノードでは、ユーザーの相談内容を保存した変数情報(@CONSULT_QUERY)をプロンプトで指定し、実行しています。

• ベースモデル：ANTHROPIC CLAUDE3 OPUS

• プロンプト：壁打ちコンサルティング

また、LLMが出力した内容は以下の変数に保存しています。

変数：＠ANSWER1

• 変数種別：会話変数

• タイプ：文字列

相談内容の入力 2回目(入力フォームノード)

入力フォームノードで相談内容を入力し、変数に保存します。

変数：＠CONSULT_QUERY1

• 変数種別：会話変数

• タイプ：文字列

相談内容に対しての回答を出力 2回目(LLM実行ノード)

ユーザーの相談内容に対して、LLMが回答を出力します。 LLM実行ノードでは、1回目のユーザーとLLMのやり取りと、2回目のユーザーの相談内容を保存した変数情報(@CONSULT_QUERY, @ANSWER1 , @CONSULT_QUERY1)をプロンプトで指定し、実行しています。

• ベースモデル：ANTHROPIC CLAUDE3 OPUS

• プロンプト：壁打ちコンサルティング1

また、LLMが出力した内容は以下の変数に保存しています。

変数：＠ANSWER2

• 変数種別：会話変数

• タイプ：文字列

相談内容の入力 3回目(入力フォームノード)

入力フォームノードで相談内容を入力し、変数に保存します。

変数：＠CONSULT_QUERY2

• 変数種別：会話変数

• タイプ：文字列

相談内容に対しての回答を出力 3回目(LLM実行ノード)

ユーザーの相談内容に対して、LLMが回答を出力します。 LLM実行ノードでは、1,2回目のユーザーとLLMのやり取りと、3回目のユーザーの相談内容を保存した変数情報(@CONSULT_QUERY, @ANSWER1 , @CONSULT_QUERY1 , @ANSWER1 , @CONSULT_QUERY2)をプロンプトで指定し、実行しています。

• ベースモデル：ANTHROPIC CLAUDE3 OPUS

• プロンプト：壁打ちコンサルティング2

悩みが解決したかどうかを確認する(会話応答ノード)

会話応答ノードにて、悩みが解決したかどうかを確認します。

"まだモヤモヤする"が選択された場合、金言を出力する(LLM実行ノード)

悩みが解決できなかった場合、ユーザーの1回目の相談内容に対して、LLMが現存する哲学者もしくは過去の偉大な哲学者たちが残した金言を1つユーザーに提示します。

LLM実行ノードでは、1回目のユーザーの相談内容を保存した変数情報(@CONSULT_QUERY)をプロンプトで指定し、実行しています。

• ベースモデル：Gemini Pro

• プロンプト：壁打ちコンサルティング_金言

フローの全体図

概要

音声ファイルから議事録アプリはLLM実行ノードを使って、アップロードした音声ファイルから文字起こしを行い、議事録を生成します。

基本情報を入力する（入力フォームノード）

入力フォームノードを使って、ユーザーに会議の基本情報を求め、変数に保存します。

日時

• 変数：@DATE

  • 変数種別：会話変数

  • タイプ：日付

場所

• 変数：@PLACE

  • 変数種別：会話変数

  • タイプ：文字列

参加者

• 変数：@ATENDEE

  • 変数種別：会話変数

  • タイプ：文字列

対象の音声ファイルをアップロードする（質問応答ノード）

質問応答ノードでユーザーに音声ファイルのアップロードを求め、アップロードされた音声ファイルを変数に保存します。

応答スタイル：ファイル

変数：@AUDIOFILE

• 変数種別：会話変数

• タイプ：ファイル

音声ファイルの文字起こしをする（LLM実行ノード）

このLLM実行ノードでは、エージェントを利用してアップロードされた音声ファイルの文字起こしを行い、結果を変数に保存します。

実行するタイプ：エージェント

• エージェント：Speech to Text Agent

• ベースモデル：OPENAI GPT-4o

変数：@AUDIO_RESULT

• 変数種別：会話変数

• タイプ：文字列

文字起こしされた情報から議事録を作成する（LLM実行ノード）

このLLM実行ノードでは、1つ前のLLM実行ノードで保存された変数情報(@AUDIO_RESULT)をプロンプトで指定し実行しています。

実行するタイプ：シングルプロンプト

• ベースモデル：OPENAI GPT-4o

• プロンプト：音声を議事録にする

アイスブレイク案の生成アプリでは、「業界」「担当部署」「先方の課題」「会社住所」の入力のみでアイスブレイク案の生成を行うことができます。

下記の入力例を基にアイスブレイク案を生成します。

入力例

• 業界：自動車

• 担当部署：購買

• 先方の課題：データ管理

• 会社住所：東京都港区

結果例

入力例の内容で生成を実施すると下記のようなアイスブレイク案が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

【お客様情報に基づいたアイスブレイク】

自動車のトレンドに関係するネタ： 「最近、電気自動車の普及が進んでいますが、
ご自身ではどのような車に興味をお持ちですか？私は特に自動運転技術に注目していて、その進化が
楽しみですね。」

購買に関係するネタ： 「オンラインショッピングが主流になってきていますが、
個人的には実店舗での買い物の方が好きです。実際に商品を手に取って選べるのが魅力的ですよね。
お客様はどちらのスタイルを好まれますか？」

データ管理に関係するネタ： 「データの重要性が増す中、私たちの生活にもビッグデータが浸透
してきていますね。最近、何か面白いデータ活用の事例をお聞きしましたか？私はデータを使った
個人化されたサービスに興味があります。」

東京都港区のトレンドやニュースに関係するネタ： 「港区はいつ訪れても新しい発見があって
魅力的ですよね。最近、港区で何か注目すべき新しいスポットやイベントがあったら教えて
いただけますか？私も次回訪れた時にチェックしてみたいです。」

【アイスブレイクのヒント】

興味を引くトピックを選ぶ際には、お客様の業界や趣味、地域の話題など、お客様が関心を持ちそうな
内容を選びます。共通の興味関心を見つけるためには、お客様の反応を見ながら話題を展開し、共感を
示すことが大切です。軽いユーモアを交えることで、緊張を和らげ、リラックスした雰囲気を
作り出しますが、相手の反応を見て適切な範囲で行います。オープンエンデッドな質問をすることで、
お客様に話を広げてもらい、会話を活発にします。
自己開示をすることで、お客様にも自分のことを話してもらいやすくなります。
ただし、プライベートな話題は避け、ビジネスに関連する程度の内容に留めます。挨拶と共感は、
お客様との関係を築く基本です。初めにしっかりと挨拶をし、お客様の話には共感を示し、
信頼関係を構築します。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を4つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 業界

  • 変数：@industry

  • インプットタイプ：テキスト

• 担当部署

  • 変数：@department

  • インプットタイプ：テキスト

• 先方の課題

  • 変数：@issue

  • インプットタイプ：テキスト

• 会社住所（例：東京都渋谷区）

  • 変数：@area

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

テレコールコーチングアプリでは、「コールログデータ」をアップロードするのみでテレコーチングのを行うことができます。

下記の入力例を基にアポイント取得のためのレター文案作成を行います。

ファイルのアップロード

テレコールのログをアップロードします。

結果例

入力例の内容で生成を実施すると下記のようなアポイント取得のためのレター文案作成が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

アドバイスとしては、お客様の課題やニーズに対してより具体的な質問を行い、深い理解を示すことが重要です。また、自社製品の説明に際しては、具体的な事例やデータを用いることで説得力を高めることができます。さらに、アポイントの提案では、お客様の利便性を最優先に考えることが大切です。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を1つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• コールログデータをアップロードしてください

  • 変数：@doc1

  • インプットタイプ：アドバンス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

SPIN話法の質問生成アプリでは、「提案先企業名」「提案先の企業の業界」「提案商材」の入力のみでSPIN話法を用いた質問を作成することができます。

下記の入力例を基にSPIN話法を用いた質問の生成を行います。

入力例

• 提案先企業名：Allganize Japan

• 提案先の企業の業界：AI

• 提案商材：CRM

結果例

入力例の内容で生成を実施すると下記のようなSPIN話法の質問が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

-S（Situation）

 1.現在、お客様の情報管理はどのような方法で行っていますか？
 2.お客様とのコミュニケーションはどのように行っていますか？
 3.お客様のニーズを把握するための手段は何を活用していますか？
 
-P（Problem）

 1.お客様の情報管理において、何か困っていることはありますか？
 2.お客様とのコミュニケーションにおいて、何か課題はありますか？
 3.お客様のニーズを把握する上で、何か困難な点はありますか？

-I（Implication）

 1.お客様の情報管理がうまくいかないと、どのような影響が出ますか？
 2.お客様とのコミュニケーションがうまくいかないと、どのような問題が起こりますか？
 3.お客様のニーズを把握できないと、どのような結果を招くと思いますか？

-N（Need-Payoff）

 1.お客様の情報管理がスムーズに行えるようになったら、どのようなメリットがありますか？
 2.お客様とのコミュニケーションが円滑になったら、どのような効果が期待できますか？
 3.お客様のニーズを正確に把握できるようになったら、どのような結果が得られると思いますか？

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を3つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 提案先企業

  • 変数：@company_name

  • インプットタイプ：テキスト

• 提案先の企業の業界

  • 変数：@industry

  • インプットタイプ：テキスト

• 提案商材

  • 変数：@product

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

ファイブフォース分析アプリでは、「企業名」「業界」の入力のみでファイブフォース分析を行うことができます。

下記の入力例を基にファイブフォース分析を行います。

入力例

• 企業名：Allganize Japan

• 業界：AI

結果例

入力例の内容で生成を実施すると下記のようなファイブフォース分析の結果が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

1.業界内の競合 Allganize JapanはAI技術を活用したチャットボットや自動応答システムを
  提供している企業で、その競合としてはIBM Watson、Google Dialogflow、
  Microsoft Bot Frameworkなどが挙げられます。
  これらの企業も同様にAIを活用したチャットボットや自動応答システムを提供しており、
  特にIBMやGoogle、Microsoftは大手企業としてのブランド力や資金力を持っています。
  そのため、Allganize Japanはこれらの競合と差別化を図ることが求められます。

2.代替品の脅威 Allganize Japanの提供するAIチャットボットや自動応答システムの
  代替品としては、人間が行うカスタマーサポートやコールセンターが考えられます。
  AIによる自動応答システムは24時間365日対応可能で、大量の問い合わせにも対応できる
  利点がありますが、一方で人間によるサポートは感情的な対応や複雑な問題解決が可能で、
  顧客満足度を高めることができます。そのため、Allganize JapanはAIの利点を最大限に活かしつつ、
  人間が持つ感情的な対応や複雑な問題解決能力を補完する形でのサービス提供が求められます。

3.新規参入者の脅威 AI技術は急速に進化しており、新たな技術やアイデアを持つスタートアップの
　参入が容易な分野です。また、大手IT企業もAI領域への投資を積極的に行っており、新規参入者の
　脅威は高いと言えます。Allganize Japanは独自の技術やサービスで差別化を図るとともに、
　新たな技術トレンドを常にキャッチアップし、自社のサービスに取り入れることが求められます。

4.買い手(顧客)の交渉力 Allganize Japanの顧客は企業であり、そのニーズは多様です。
  また、AIチャットボットや自動応答システムは顧客満足度や業績に直結するため、顧客の要求は高く、
  その交渉力は強いと言えます。Allganize Japanは顧客のニーズを的確に捉え、柔軟に対応することで
  顧客満足度を高め、長期的な関係を築くことが求められます。

5.売り手(仕入れ先、供給事業者)の交渉力 Allganize Japanの主な仕入れ先や供給事業者は、
  AI技術やクラウドサービスを提供する企業と考えられます。これらの企業はAI技術の進化や
  クラウドサービスの普及により、その交渉力は強まっています。Allganize Japanはこれらの企業との
  良好な関係を維持し、最新の技術やサービスを安定的に取り入れることが求められます。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 企業名

  • 変数：@company_name

  • インプットタイプ：テキスト

• 業界

  • 変数：@industry

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

製品販売の提案サポートアプリでは、「業界」「提案先部門」「従業員規模」「製品・サービス」の入力のみで製品販売の提案サポート案を生成することができます。

下記の入力例を基に製品販売の提案サポート案を生成します。

入力例

• 業界：製造業

• 提案先部門：購買

• 従業員規模：1001人～

• 製品・サービス：CRM

結果例

入力例の内容で生成を実施すると下記のような製品販売の提案サポート案が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

製造業の購買担当が悩んでいそうなこと（一般的な悩み）
　1.コスト削減の圧力：常にコストを下げるための方法を模索し、より安価で品質の高い材料や部品を
    探す必要がある。
　2.サプライヤー管理：多数のサプライヤーとの関係を維持し、納期や品質を管理することが複雑である。
　3.在庫管理の最適化：過剰在庫や在庫不足を避け、需要の変動に応じて在庫を適切に管理する必要が
    ある。

製造業特有の悩み（一般的ではないけど重要）
　1.生産計画との連携：生産スケジュールに合わせて資材を調達し、生産ラインの停止を防ぐための
　　タイミングが重要。
　2.品質管理の厳格化：製造業では製品の品質が直接ビジネスの信頼性に関わるため、購入する材料の
    品質管理が非常に重要。
　3.グローバルサプライチェーンの複雑性：世界中のサプライヤーからの調達を行うため、
    通貨の変動や国際的な物流の問題が発生しやすい。

CRMで解決できること
　1.サプライヤー情報の一元管理：CRMを使用して、すべてのサプライヤー情報を一か所で管理し、
    連絡先、契約条件、過去の取引履歴などを簡単に参照できる。
　2.コミュニケーションの効率化：CRMを通じてサプライヤーとのコミュニケーションを追跡し、
    メールや電話の履歴を一元化することで、迅速かつ効果的な対応が可能になる。
　3.需要予測と在庫管理：CRMシステムによるデータ分析機能を利用して、過去の購買データから需要の
    傾向を予測し、在庫管理を最適化する。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を4つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 業界

  • 変数：@industry

  • インプットタイプ：単一選択

• 提案先部門

  • 変数：@division

  • インプットタイプ：テキスト

• 従業員規模

  • 変数：@Employee Scale

  • インプットタイプ：単一選択

• 製品・サービス

  • 変数：@product

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

セールスのロールプレイングアプリでは、製品や相手の役職などの情報に応じたセールスのロールプレイングをサポートします。

フローの全体図

概要

セールスのロールプレイングアプリは、初めにユーザーが入力する前提条件を元に、ロールプレイングを行うことができます。 前提条件として入力するのは以下の4つの項目となります。

1.製品：提案する製品をご入力ください。

2.相手の役職 ："代表取締役"や"部長"など自由に入力が可能です。

3.相手の予備情報 ：相手の予備情報を自由に入力できます。任意項目なので省力も可能です。

4.今回のゴール ：商談のゴールを選択肢より選択します。

前提条件の入力後、ユーザーが最初のメッセージを入力することで、LLMが実行され、ロールプレイングが開始されます。 「終了」と入力するまでロールプレイングを続けることができます。

また、ロールプレイング中、ユーザーが入力した提案内容に基づいて、LLMが演じる顧客の下記3つの心理的パラメータが変動します。

①”信頼感” ②”納得感” ③”期待度”

評価段階は全てのパラメータ共通で、1～5まであり、最初は全てのパラメータが1から始まります。

前提条件の入力(入力フォームノード)

前提条件を入力する入力フォームの項目とそれぞれの変数は以下のように構成されています。

項目１：製品

変数：＠PRODUCT

• 変数種別：会話変数

• タイプ：文字列

項目２：相手の役職

変数：＠WHO

• 変数種別：会話変数

• タイプ：文字列

項目３：相手の予備情報(任意(空白許可))

変数：@OTHER_INFORMATION

• 変数種別：会話変数

• タイプ：文字列

項目４：今回のゴール

変数：@GOAL

• 変数種別：会話変数

• タイプ：文字列

文章を入力する入力フォーム（入力フォームノード）

ロールプレイングを開始するための最初の文章を入力するノードです。

項目１：入力

変数：＠INPUT

• 変数種別：会話変数

• タイプ：文字列

ロールプレイングの実施（LLM実行ノード）

LLM実行ノードでは入力フォームでユーザーが入力した、「前提条件」と「入力」で保存した変数情報をプロンプトで指定し実行しています。

• ベースモデル：OPENAI GPT-4 TURBO

• プロンプト：セールスのロールプレイング

クレームへの対応アプリでは、「お客様のお名前」「クレームのタイプ」「クレーム内容」「文章の長さ」の入力のみでクレーム対応文を作成することができます。

下記の入力例を基にクレーム対応文を生成します。

入力例

• お客様のお名前：足立

• クレームのタイプ：返金・交換

• クレーム内容：届いたお皿が割れていた。

• 文章の長さ：普通

結果例

入力例の内容で生成を実施すると下記のようなクレーム対応文が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

件名: お届けした商品の破損についてのお詫びと対応について

足立様

この度はお買い上げいただき誠にありがとうございます。お手元に届いたお皿が割れていたとのご連絡、誠に申し訳ございません。
返金または交換についてご希望がございましたら、お手続きをさせていただきます。
お手数をおかけいたしますが、ご連絡いただければ幸いです。

再度、ご迷惑をおかけしてしまい、大変申し訳ございません。今後このようなことがないよう、改善に努めてまいります。

何かご不明点がございましたら、お気軽にお知らせください。

カスタマーサポート

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を4つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• お客様のお名前

  • 変数：@Name

  • インプットタイプ：テキスト

• クレームのタイプ

  • 変数：@claim_subject

  • インプットタイプ：単一選択

    • 選択肢1：配送　配送

    • 選択肢2：返金・交換　返金交換

    • 選択肢3：製品の不良　製品の不良

    • 選択肢4：その他の苦情　その他の苦情

• クレーム内容

  • 変数：@text

  • インプットタイプ：パラグラフスタイル

• 文章の長さ

  • 変数：@how long

  • インプットタイプ：単一選択

    • 選択肢1：短め　1~3

    • 選択肢2：普通　3~7

    • 選択肢3：長め　7~10

インプットのOne Pointアドレス

LLMモデル

標準モデルは「OPENAI GPT3.5 TURBO」がセットされています。

プロンプト

標準でセットされているプロンプトは下記になります。

プロンプト内容（システム）

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

-あなたは{claim_subject}に対する謝罪メールを書くことができるプロのカスタマー・サポートです。
-{text}に沿った通知文を作成してください。
-誰が読んでもわかりやすい文章にしてください。
-文章量は{how long}行ほどの文の長さにしてください。
顧客名(= {Name} )と{claim_subject}をデフォルトとして入れてください。

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Point アドバイス

フェルミ推定アプリでは、フェルミ推定を使って概算数値の推測を行います。

入力例

• 推測したい数値（例：日本国内の電柱の数）： 世界に存在するぬいぐるみの数

結果例

フェルミ推定を用いて世界に存在するぬいぐるみの数を見積もるためには、以下のステップで分析を進めます。

### 1. 世界の人口を基にした推定

- 世界の人口：約80億人（2023年時点の概算）
- 1人あたりのぬいぐるみの所有数を推定する。この数は地域、年齢、性別、経済状況によって大きく異なるため、平均値を用いる。
- 保守的に見積もり、1人あたり平均5個のぬいぐるみを所有していると仮定する。これは、子供が多く所有している一方で、大人の中にはぬいぐるみを持っていない人も多いことを考慮した数値。

### 2. ぬいぐるみの生産と寿命

- ぬいぐるみの平均的な寿命を5年と仮定する。これは、一部が長期間保管される一方で、破損や流行の変化により比較的短期間で処分されるものもあることを考慮。
- 年間のぬいぐるみの生産量を推定する。世界の人口が増加し、中間所得層が拡大していることから、年間1人あたり0.5個のぬいぐるみが新たに生産されていると仮定する。

### 3. 計算

- 世界の人口に基づくぬいぐるみの所有数：80億人 × 5個 = 400億個
- 年間の新規ぬいぐるみ生産数：80億人 × 0.5個 = 40億個
- ぬいぐるみの平均寿命を考慮した存続数：年間40億個 × 5年 = 200億個

### 4. 総合推定

- 既存のぬいぐるみと新規生産されるぬいぐるみの合計を考慮すると、世界に存在するぬいぐるみの数は約400億個（既存）+ 200億個（5年間の新規生産分）= 約600億個と推定される。

### 5. 仮定と制限

- この推定は、1人あたりのぬいぐるみの所有数や年間の生産量、ぬいぐるみの平均寿命に関する仮定に基づいている。実際の数値はこれらの仮定から大きく異なる可能性がある。
- 地域による経済状況の差異、文化的な違い、市場の変動など、考慮されていない要因が多数存在する。
- ぬいぐるみの定義によっても、推定数は変わる可能性がある。例えば、非常に小さなぬいぐるみやプロモーション用の一時的なものも含めるかどうかなど。

この推定はあくまで一つの方法であり、実際の数はこの推定から大きく上下する可能性があることを留意する必要がある。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者からのインプット項目を1つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 推測したい数値（例：日本国内の電柱の数）

  • 変数：@predicted numbers

  • インプットタイプ：パラグラフスタイル

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

キャラクター案の作成アプリでは、企業・製品などのコンセプトを元にキャラクターの設定案を作成します。

入力例

• 企業・製品の概要： ・AI製品販売企業 ・LLMを活用したアプリマーケット

• 企業・製品のコンセプト： ・AIで社会を豊かに ・社内業務の効率化 ・LLMアプリが沢山作れるプラットフォーム

• 性格：明るい

• 追加項目　(自由に追記してください。特にない場合は"なし"と記載してください。)： 特になし

結果例

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者からのインプット項目を4つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 企業・製品の概要

  • 変数：@detail

  • インプットタイプ：テキスト

• 企業・製品のコンセプト

  • 変数：@concept

  • インプットタイプ：テキスト

• 性格

  • 変数：@character

  • インプットタイプ：単一選択

• 追加項目　(自由に追記してください。特にない場合は"なし"と記載してください。)

  • 変数：@addition

  • インプットタイプ：パラグラフスタイル

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

セミナー企画&集客ヘルプアプリでは、セミナーの企画概要の作成、タイトル案の提案、集客メール案を生成します。

入力例

• セミナーの内容： ・ 生成AI活用ソリューションの最新動向 ・ 生成AI導入企業の業務活用方法、導入効果のご紹介 ・ 企業向けAI・LLMアプリの利用実績ランキングのご紹介、デモンストレーション ・ 質疑応答

• 対象／ターゲット： ・社員数500名以上 ・社内でLLMの活用を検討中の企業 ・エンタープライズ企業

結果例

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者からのインプット項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• セミナーの内容

  • 変数：@content

  • インプットタイプ：パラグラフスタイル

• 対象／ターゲット

  • 変数：@target

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス

イベントの案内文の作成アプリでは、「イベントタイトル」「イベント内容」「案内文の送付方法」「場所」「日時」の入力のみでイベントの案内文を作成することができます。

下記の入力例を基にイベントの案内文を生成します。

入力例

• イベントタイトル：Alli LLM App Marketオンラインユーザー会

• イベント内容：・Alli LLM App Marketをお使いのユーザー様が交流できるオフラインユーザー会 　　　　　　　・自社独自のアプリの紹介 　　　　　　　・こんな活用方法をしています！といった事例紹介

• 案内文の送付方法：メール

• 場所：渋谷某所

• 日時：2024/6/30

結果例

入力例の内容で生成を実施すると下記のようなイベントの案内文が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を5つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• イベントタイトル

  • 変数：@name

  • インプットタイプ：テキスト

• イベント内容

  • 変数：@content

  • インプットタイプ：パラグラフスタイル

• 案内文の送付方法

  • 変数：@send

  • インプットタイプ：単一選択

    • 選択肢1：メール　メール

    • 選択肢2：招待状　招待状

• 場所

  • 変数：@location

  • インプットタイプ：テキスト

• 日時

  • 変数：@date

  • インプットタイプ：テキスト

インプットのOne Pointアドレス

LLMモデル

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Point アドバイス

口コミ・レビューへの返信生成アプリでは、「対象」「イベント内容」「口コミ内容」の入力のみで口コミ・レビューへの返信文を作成することができます。

下記の入力例を基に口コミ・レビューへの返信文を生成します。

入力例

• 対象：飲食

• 口コミ内容：Instagramで見てずーっと行きたかったのですが、予約が取れず… 今回運よく空きがあるとのことで訪問しました。 女子会で利用させていただいたのですが、料理の量がどれも丁度良く、最後のデザートまで大満足でした！！！ 特にアルコール類の種類が豊富で、レアなクラフトビールから日本酒まで色んなお酒を楽しめました。 また、ぜひ女子会や友達との飲み会で利用させていただきます！

結果例

入力例の内容で生成を実施すると下記のような口コミ・レビューへの返信文が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(Txt・PDF・Docx)が可能です。

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者に入力してもらいたい項目を2つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• 対象(例：ホテル、飲食店、美容院etc...)

  • 変数：@object

  • インプットタイプ：テキスト

• 口コミ内容

  • 変数：@reviews

  • インプットタイプ：パラグラフスタイル

インプットのOne Pointアドレス

LLMモデル

標準モデルは「OPENAI GPT3.5 TURBO 16K」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Point アドバイス

商品画像からPOP用の文章生成アプリでは、商品の画像から、POPで利用する文章案を生成します。

フローの全体図

概要

商品画像からPOP用の文章生成アプリは、アップロードする画像データ(jpegやpingデータ)から、LLM実行ノードで商品のPOP文章を作成します。

POPの文章を作成したい画像をアップロードする(LLMインプットノード)

LLMインプットノードで画像データをアップロードし変数に保存します。

• 選択タブ：アップロード

• 変数：＠PICTURE

  • 変数種別：会話変数

  • タイプ：ドキュメント

アップロードされた画像データからPOP文章を作成(LLM実行ノード)

LLM実行ノードでは、アップロードした画像データを保存した変数(＠PICTURE)をプロンプトで指定し、LLMがPOP文章案の作成を行います。

• ベースモデル：GPT-4_TURBO_VISION

• プロンプト：商品画像からPOP文言を考える

キャッチコピーの作成アプリでは「サービス名」「サービスの特徴」「伝えたいこと」「ターゲット」「文字数」の入力でキャッチコピーを10案作成するアプリです。

下記の入力例を基にキャッチコピーを生成します。

入力例

• サービス名： Alli LLM App Market

• サービスの特徴： ・プロンプト知識不要 ・業務効率化で利用できる100以上のアプリをデフォルトでご用意 ・社内のドキュメントから回答を自動生成機能 ・さまざまな生成AIを自由に選択が可能

• 伝えたいこと： ・生成AIの社内活用を促進するサービスであること

• ターゲット： DX推進の担当者

• 文字数： 30

結果例

アプリ編集画面

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

インプット

利用者からのインプット項目を5つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

• サービス名

  • 変数：@product_name

  • インプットタイプ：テキスト

• サービスの特徴

  • 変数：@product_feature

  • インプットタイプ：パラグラフスタイル

• 伝えたいこと

  • 変数：@product_message

  • インプットタイプ：パラグラフスタイル

• ターゲット

  • 変数：@product_target

  • インプットタイプ：テキスト

• 文字数

  • 変数：product_wordcount

  • インプットタイプ：テキスト

インプットのOne Pointアドバイス

LLMモデル

標準モデルは「OPENAI GPT-3.5 TURBO 16K」がセットされています。

プロンプト

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

プロンプトのOne Pointアドバイス