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106以降）

• FireFox （バージョン110以降）

• Safari （バージョン16以降）

• Microsoft Edge （バージョン106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）

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

1. Allganizeが用意した標準のアプリが並んでおり、自由に選んで使うことができます。

2. 新規作成したアプリやアプリマーケットからダウンロードしたアプリを管理できます。

3. チャット上でコミュニケーションを実施した顧客情報を管理できます。

4. リアルタイムの会話ログ、過去の会話ログおよびレビュー会話履歴を確認できます。当メニューからユーザーと直接チャット会話を行うことができます。

5. アプリやキャンペーン(スキル)で活用するドキュメントを管理します。

6. Q&A機能で活用するQAデータベースを管理します

7. アプリ、キャンペーン(スキル)、Q&Aの利用状況、利用傾向を簡単に把握できます。

8. キャンペーン管理、チャット編集など実施できます。

9. Alliの利用に係る各種設定メニュー画面です。

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

お知らせ(2025/2/10)

本ページは下記に移動しました。 新URLのブックマークをお願いいたします。

https://docs.allganize.ai/alli_for_llm/alli-maintenance-fault-information

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。

アプリマーケット概要

アプリコレクション(ユーザービュー)

アプリ管理(管理画面)

アプリの編集(シングルアクション)

ドキュメントインプットを利用する(シングルアクション)

会話履歴から生成した回答へフィードバックを与える

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

生成AIを利用できる環境を提供しただけでは、全従業員が積極的に活用するわけではありません。生成AIを業務の中で当たり前に使っていく文化を作り上げていくことが次のステップです。

そのために、「利用するきっかけ」を与え、さらに継続的に利用してもらうための社内への適切な働きかけが必要です。本資料では、社内における生成AI活用を活発化するためのヒントをまとめております。

ぜひ、社内の活用促進にお困りのご担当者様はご参考ください。

※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

→プロモーション用テンプレート集のダウンロードはこちら

フローの全体図

概要

GPT-4 Visionで図や表の画像からデータを分析アプリは、アップロードする画像データをどのような軸で分析したいかを入力し、図や表の画像データ(jpegやpingデータ)をアップロードし、入力された分析の軸と画像データを基にLLM実行ノードで分析を行います。

どのような軸で分析を行うか入力する(入力フォームノード)

入力フォームノードを使って、分析したい内容を入力し変数に保存します。

• 分析内容

  • 変数：@ANALYZE1

  • 変数種別：会話変数

  • タイプ：文字列

分析の対象となる図や表などの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：＠FILE

  • 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を分析する(LLM実行ノード)

LLM実行ノードでは、分析したい内容を保存した変数(@ANALIZE1)とアップロードした画像データを保存した変数(＠FILE)をプロンプトで指定し、LLMが分析を行います。

• ベースモデル：GPT-4_TURBO_VISION

• プロンプト：図や表画像から分析

このページでは、アプリ利用者向けの簡単な利用方法を紹介します。

アプリの使い方を周知することは、利用促進の一つの方法です。

作成したアプリを社内に展開する際に、併せてご利用ください。

※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

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

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

問い合わせに対するFAQ検索→回答メール文を作成アプリでは、社内/社外からの問い合わせ文を貼り付けることで、問い合わせに対応する回答のFAQ検索を行い、回答文から問い合わせ元に連絡するためのメール文を作成するアプリです。

フローの全体図

概要

問い合わせに対するFAQ検索→回答メール文を作成アプリは社内、社外でメールの文面を変更するため、ユーザーに「社内」からの問い合わせか「社外」からの問い合わせか、ボタンで選択するようにしています。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、問い合わせの内容を直接貼り付ければ、Q&A検索が実行されます。 提示されたFAQの中から該当するFAQを選択したあとは回答文からメールを作成しますか に対して「はい」を選択すると、LLM実行でFAQで表示した回答をベースに問い合わせへの返信メール文章を作成します。

問い合わせ元の属性と問い合わせ内容の取集（会話応答ノード）

問い合わせ元の属性を取得する変数は以下で構成されています。

変数：＠CUSTOMER

• 変数種別：会話変数

• タイプ：文字列

問い合わせ内容を取得する変数は以下で構成されています。

変数：＠QUERY

• 変数種別：会話変数

• タイプ：文字列

FAQ検索（Q&Aから回答ノード）

一つ前の問い合わせ内容を収集するノードで、問い合わせ内容を"QUERY"に格納したので、質問入力方式は"変数"で設定しています。

本アプリは、FAQ検索を実行する前提で作成をしていますが、このノードをLLMを使って回答する「回答生成」ノードで代用することも可能です。

また、問い合わせの属性に合わせて、検索ソースを変更する場合は、以下のように実装してください。

メール文を作成する（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＠CUSTOMERと、@QUERY、そしてFAQ検索で選択したFAQの回答文を@FAQ_SELECTED_ANSWERをプロンプトで指定し実行しています。（@FAQ_SELECTED_ANSWERはAlli LLM App Marketで備わっている変数です）

• ベースモデル：OPENAI GPT-4

• プロンプト：FAQ検索からメール文を作成

提案先企業の業界や提案プロダクトなどからアカウントプラン作成をサポートします。

プラン作成に必要な情報が不足している場合、企業規模と業界を加味して汎用的なアカウントプラン作成をサポートします。

下記の入力例を基にアカウントプラン作成を行います。

入力例

• 提案先企業名：Allganize Japan株式会社

• 業界：IT

• 企業規模：30名

• 提案プロダクト：AI・LLMアプリのプラットフォーム

• 商談平均日数：90日

• プランのゴール：2025年3月1日契約開始

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カウントプランが生成されます。

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。

• 提案先企業名

  • 変数：@company

  • 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

• 企業規模

  • 変数：@Company size

  • インプットタイプ：テキスト

• 提案プロダクト

  • 変数：@product

  • インプットタイプ：テキスト

• 商談平均日数

  • 変数：@Average number of days for a deal

  • インプットタイプ：テキスト

• プランのゴール

  • 変数：@goal

  • インプットタイプ：テキスト

LLMモデル

標準モデルは「ANTHROPIC CLAUDE 3.5 SONNET」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。

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

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。

お忙しい中、当店をご利用いただき誠にありがとうございます！
予約が取れずにお待たせしてしまい申し訳ございませんでしたが、今回はご満足いただけたようで何よりです。
料理の量や品質、お酒の種類についてのお褒めの言葉、大変嬉しく存じます。
またのご利用を心よりお待ちしております。
女子会や友達との飲み会でのご利用もお待ちしておりますので、ぜひお越しくださいませ！

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

各項目の手順

1. システム設定

2. アプリの準備

3. アプリの作成手順

4. アプリの利用方法

5. アプリの利用分析

6. アプリ利用時における課題別の対応・改善方法

それぞれの手順について、以下より説明します。

システム設定

アカウントの作成 / ログイン

1. Alliアカウント情報を使って する

2. アカウントを追加する場合は、プロジェクト設定 ＞ メンバー よりアカウント招待ができます。

詳細はをご確認ください。

グループ権限

メンバーが利用できる機能をグループ単位で設定することが出来ます。

1. グループ権限（デフォルト）

   1. 管理者： Alliの管理者・責任者に該当する方へ付与することをおススメします。

   2. スーパーエージェント： アプリの作成、Q&Aやドキュメント追加等ができます。

   3. エージェント： アプリの作成等ができます。

   ※スーパーエージェントとエージェントの権限は編集することが可能です。詳細はからご確認ください。

2. グループ権限（新規作成） お客様でオリジナルで権限グループを作成すること可能です。 例えば、営業部には「アプリを作成させたい」が「Q&Aとドキュメント追加はさせない」、といったようにお客様のケースに合わせて柔軟な権限設定が実現できます。

セキュリティ設定

IPアドレス制限を設定することで、Alliにアクセスできるネットワークを制限できます。例えば「社内のWi-Fiに接続している場合のみ利用できるようにする」といった運用も可能です。詳細は をご確認ください。

アプリの準備

ドキュメントをアップロードする

1. ドキュメントをアップロードする 左のメニューバーから、[ドキュメント]メニューを選択し、画面右上の[アップロード]をクリックしてください。
2. ドキュメントの登録方法

   1. ドキュメントを1つずつアップロードする

   2. zipファイルでまとめてアップロードする ※詳細はをご確認ください。

3. excel、csv形式のデータをアップロードする際の注意事項

   1. csvファイル内に空欄の項目があると、正しいデータとみなされず、結果としてアップロードに失敗する場合があります。その場合は、excelやPDF等に変換することでアップロードできます。 ※一般的にCSVファイルは存在する列に対して、全ての項目がデータで埋まっている必要があります。

   2. 1シートあたりの文字量が多いデータの場合、アップロードに失敗する場合があります。 その場合、シートを分割する事でアップロードが可能になります。

4. ドキュメントのアクセス権限の設定 ドキュメントにアクセスできる担当者を制限することが可能です。詳細はをご確認ください。

アプリの作成手順

アプリマーケット

Alliでは、職種・業務別に活用できるアプリを100個以上用意しています。デフォルトのプロンプトを設定しているため、すぐにでも使える状態になっています。 利用したいアプリがありましたらアプリ管理メニューに追加し、ご利用ください。

シングルアクション

1. 概要 入力情報に対して特定のタスクを実行する、一問一答形式。

2. ユースケース

   1. ドキュメントを要約する

   2. メールの下書きを考えてもらう

   3. 議事録の作成をする

3. 作成手順 基本的な作成手順は以下の動画ガイドを確認してください

カンバセーションアプリ

1. 概要 会話形式で進行する、複数の処理やユーザーの回答・選択により条件分岐も可能。

2. ユースケース

   1. 質問に対して、社内ドキュメントやFAQをもとにAIで回答する

      2. ※RAGを利用するタイプ

   2. ローププレイング方式で会話のシミュレーションを行う

   3. 資料作成の補佐、ブラッシュアップ案を考える

   4. 作成手順 基本的な作成手順は以下の動画ガイドを確認してください。

アプリの利用方法

1. 概要 アプリの利用方法は大きく分けて以下2点に分かれます

   1. アプリ別に利用をする

   2. Alli Worksを経由して、ユーザーの任意でアプリを選択し利用する

2. ユースケース

   1. アプリ別に利用をする

      1. 特定のアプリ、指定したアプリを集中的に利用してほしい場合

   2. Alli Worksを経由して、ユーザーの任意でアプリを選択し利用する

      1. 公開アプリを自由かつ柔軟に活用してほしい場合

3. アプリ別に利用する

   1. アプリ毎に個別のURLが生成されています。

   2. 管理画面からアプリのURLをコピーして、ユーザーへ共有する
4. Alli Worksを経由して、ユーザーの任意でアプリを選択肢利用する

   1. 管理画面に表示されているAlli WorkのURLを展開する
   2. Alli WorksのTOP画面※管理画面で公開状態のアプリが画面に表示されます

アプリの利用分析

アプリの消費クレジット推移などの利用状況が確認できます。例えば、社内公開したアプリが使われているのか等が可視化されます。分析画面の詳細につきましては以下をご確認ください。

アプリ利用時における課題別の対応・改善方法

アプリ公開後、以下のような利用状況になった際の対応方法が分かれます。 ケースに応じた対応方法・改善方法

1. アプリの回答精度が期待に達していないケース

2. プロンプトの作成方法が分からないケース

3. アプリの利用自体が伸びないケース

a. アプリの回答精度が期待に達していないケース 例えば「ドキュメントの正解ページが出ていない」「ドキュメントは正解ページだが回答内容が違う」等、発生事象別の対応方法は分かれてまいります。詳細は「」をご覧ください。

b. プロンプトの作成方法が分からないケース 新規でプロンプトを作成したいが、何から手を付ければ良いか悩んでしまうといった場合は、「をご覧頂いた上でプロンプト作成に取り組んでいただければと思います。

c. アプリの利用自体が伸びないケース アプリを作成したのは良いが、想定より利用数が伸び悩んでしまうケースはどの企業様でも陥ります。「準備時に行うこと」「認知を広める」「継続して使ってもらう」等のお客様の状況に合わせた活用向上施策集を準備しております。詳細は「」をご覧ください。

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。

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。

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）

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

「要約したいニュース記事」をペーストするだけで、重要なポイントと要約文を提示します。

下記の入力例を基にメール下書きを生成します。

入力例

要約したいニュース記事をペースト：こちらの記事の内容をペースト（

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。

• 要約したいニュース記事をペーストしてください

  • 変数：@text

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

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

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。

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。

このガイドでは「ドキュメントをアップロード」→「アップロードしたドキュメントに対して任意のプロンプトを実行」と繋がるアプリの作成方法を解説します。

この形式のアプリは、ユーザーがその場でアップロードしたドキュメントに対して任意のアクション(要約や加工など)を実行させたい場合など、多くのお客様が利用しています。ガイドを参考に自社に合わせた形でアレンジしてみてください。

全体図

大まかな流れとしては下記になります。

・ユーザーが任意のドキュメントをアップロード→アップロードしたドキュメントに対して実行したい指示を入力→結果を確認→TOPに戻る(別のドキュメントをアップロード) or 会話を終了する

フローの構築

ドキュメントをアップロードする

ドキュメントをアップロードさせる場合、「LLMインプットノード」を使用します。

LLMインプットノード内を下記の手順に沿って設定します。

1. 選択タブ：ユーザーにドキュメントをアップロードしてもらう場合アップロードタブを選択してください。

2. メッセージ欄：ユーザーに表示するメッセージを入力してください。

3. 応答内容を以下の変数に保存する：アップロードしたドキュメントを一時的に保管するための変数を設定します。 ※ここで設定できる変数は「ドキュメント変数」タイプ変数のみになります。 ※例では「＠DOC」の変数を利用していますが、新たに作成した任意の変数を指定しても問題ありません。任意の変数を使用する場合、変数の種類は「会話変数」「ドキュメント」を設定してください。

有効なインプットがない場合のエラーメッセージを表示する

LLMインプットノードでは「ドキュメントのアップロードエラー」が発生する場合があります。その場合、「有効なインプットがない場合」の分岐に進むので、その場合にエラーメッセージを表示するノードを作成します。

エンドユーザーにエラーメッセージを表示する場合「会話質問応答ノード」を使用します。

ユーザーに表示するメッセージを設定してください。 この例では「有効なインプットがありません。TOPに戻ります。」と設定しています。

ドキュメントに対して実行させたいタスクの入力

アップロードしたドキュメントに対して実行させたいタスクを入力をさせる場合、「会話質問応答ノード」を使用します。

会話質問応答ノード内を下記の手順に沿って設定します。

1. メッセージ欄：ユーザーに表示するメッセージを入力してください。

2. 応答追加：ユーザーに実行させたいタスクを入力する枠を作成する場合、チェックを入れてください。

3. 応答を入力してください。：「応答追加」にチェックを入れると応答の種類を選択できます。 　　　　　　　　　　　テキスト入力枠を作成する場合「テキスト」を選択してください。

4. 応答内容を以下の変数に保存する：ユーザーが入力した「タスク」を一時的に保管するための変数を設定します。 ※例では「＠QUERY」の変数を利用していますが、新たに作成した任意の変数を指定しても問題ありません。任意の変数を使用する場合、変数の種類は「会話変数」「文字列」を設定してください。

ここまでの手順で3つのノードが作成できますので、下記の手順でノードを繋いでください。

1. 「START」からドキュメントのアップロードをするためのLLMインプットノードへ矢印を繋ぐ(オレンジ色の矢印)

2. 「有効なインプットがある場合」の分岐から実行したいタスクを入力させる「質問応答ノード」に矢印を繋ぐ(赤色の矢印)

3. 「有効なインプットがない場合」の分岐から有効なインプットがないとのエラーメッセージを表示する「会話応答ノード」に矢印を繋ぐ(緑色の矢印)

ドキュメントに対して実行させたいタスクの実行

アップロードしたドキュメントに対してタスクを実行する場合、「LLMノード」を使用します。

まずはプロンプトを設定していきます。

LLMノード内にあるプロンプトの右横にある下記マークをクリックしてプロジェクト設定＞プロンプト管理画面に移動します。

クリックした四角いマークでブラウザの別タブが開きますので、プロジェクト設定＞プロンプト管理メニュー内のシングルプロンプトタブ＞「プロンプトを追加」ボタンから新規でプロンプトを作成していきます。

プロンプト内は以下のように設定してください。

• プロンプト名：アップロードしたドキュメントに対して任意のプロンプトを実行する

• 説明：アップロードしたドキュメントに対して任意のプロンプトを実行する

• プロンプト内容(システム)※コピーして貼り付けてください※： 以下の"ドキュメント情報"に対して"指示"を実行してください。

• プロンプト内容(ユーザー)※コピーして貼り付けてください※： #指示 {指示}

  #ドキュメント情報 {ドキュメント情報}

• 動的インプット：

  • 項目：指示　入力値：＠QUERY

  • 項目：ドキュメント情報　入力値：@DOC

動的インプットの追加が完了したら、プロンプトユーザーの{指示}・{ドキュメント情報}が青く活性化していることを確認し「適用」ボタンをクリックしてください。

～　ブラウザのアプリ編集画面タブに戻ってください　～

アプリ編集画面タブに戻ったら、追加したプロンプトを表示させるためにF5キーをクリックまたはブラウザリロードボタンをクリックして画面を更新し、LLMノードを下記の通り設定します。

1. 実行するタイプを選択してください。：シングルプロンプトを選択してください。

2. ベースモデル：プロンプトを実行するためのモデルを選択してください。

3. プロンプト：アップロードしたドキュメントに対して任意のプロンプトを実行する

4. 長いインプットの処理方法を選択：インプットを切り分けずに処理(トークン制限に達するまで)

5. 生成された結果でメンバーに回答：チェックを入れる

設定が完了したら「更新」ボタンをクリックします。

ここまで作成が完了したら下記の手順でノードを繋いでください。

1. 「質問応答ノード」からドキュメントに対して任意のプロンプトを実行するためのLLMノードへ矢印を繋ぐ(赤色の矢印)

TOPのカテゴリー選択に戻る or 会話を終了するボタンを作成する

回答が得られた場合、TOPのカテゴリー選択に戻る or 会話を終了するボタンを作成します。

ボタンを作成する場合、「会話・質問応答ノード」を使用します。

会話・質問応答ノード内を下記の手順に沿って設定します。

1. メッセージ欄：ユーザーに表示するメッセージを入力してください

2. 応答追加：ユーザーに選択させるボタンなどを作成する場合、チェックを入れてください。

3. 応答を入力してください。：「応答追加」にチェックを入れると応答の種類を選択できます。 　　　　　　　　　　　ボタンを作成する場合「ボタン」を選択してください。

4. オプションを追加：ユーザーにボタンを表示する際のボタン名を設定できます。

オプションを追加ボタンを押すとオプションタイプを選択する画面が表示されますので「一般」をクリックしてください。

クリック後、ボタン名を設定できる画面に遷移しますので、回答オプションにボタン名を入力し、適用ボタンを押してください。

今回のフローでは「TOPに戻る」「会話を終了する」の2つのボタンを用意しますので４.を繰り返して「会話を終了する」ボタンも作成してください。

ここまで作成が完了したら下記の手順でノードを繋いでください。

1. LLM実行ノードの「成功しました」の分岐から「TOPのカテゴリー選択に戻る or 会話を終了するボタン」のある質問応答ノードへ矢印を繋ぐ

2. 質問応答ノードの「TOPに戻る」のボタンから最初の「LLMインプットノード」に矢印を繋ぐ(青色の矢印)

プロンプト実行中にエラーが発生した場合のエラーメッセージを表示する

LLM実行ノードでは「実行エラー」が発生する場合があります。その場合、「プロンプト実行中にエラーが発生した場合」の分岐に進むので、その場合にエラーメッセージを表示するノードを作成します。

エンドユーザーにエラーメッセージを表示する場合「会話質問応答ノード」を使用します。

ユーザーに表示するメッセージを設定してください。 この例では「エラーが発生しました。もう一度最初からやり直してください。」と設定しています。

ここまで作成が完了したら下記の手順でノードを繋いでください。

1. LLM実行ノードの「プロンプト実行中にエラーが発生した場合」の分岐からエラーメッセージの会話応答ノードへ矢印を繋ぐ(緑色の矢印)

2. エラーメッセージを表示する「会話応答ノード」からTOPのドキュメントをアップロードをする「LLMインプットノード」へ矢印を繋ぐ(赤色の矢印)

以上でアプリは完成です。

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。

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

社内の課題解決コンサルティングアプリでは、「課題」の入力のみで社内の中で発生するさまざまな課題を解決するためのヒントを、具体的な手順、実行にあたって必要な人員を含めて提案します。

入力例

• 文章：ユーザーに提供する製品のマニュアル作成に手が回っていない

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。

### 提案1: マニュアル作成専門チームの設立

#### 提案理由
マニュアル作成が遅れている主な理由は、その作業に専念できる専門のチームが存在しないためです。
専門チームを設立することで、効率的かつ専門的なマニュアルが作成できます。

#### 効果
- マニュアルの品質向上
- 作成スピードの向上
- 他のチームの作業負担軽減

#### 必要人員
- チームリーダー（経験豊富なテクニカルライター）1名
- テクニカルライター3名
- グラフィックデザイナー1名

#### 具体的な進め方
1. チームメンバーの募集・選定
2. マニュアル作成のガイドライン・スタンダードの策定
3. 各製品ごとにマニュアル作成のスケジュールを立てる
4. 定期的な進捗確認と品質チェック

#### 進め方のヒント
- 他部署からの推薦や社内公募でメンバーを集める
- 既存の優れたマニュアルを参考にガイドラインを作成
- スケジュールはリアルな期限を設定し、余裕を持たせる

### 提案2: 外部の専門業者との協力

#### 提案理由
社内リソースだけでは対応が難しい場合、外部の専門業者にマニュアル作成を委託することで、
品質を保ちつつ迅速に対応できます。

#### 効果
- 迅速なマニュアル作成
- 社内リソースの有効活用
- 専門知識を活かした高品質なマニュアルの確保

#### 必要人員
- プロジェクトマネージャー1名（社内から選出）

#### 具体的な進め方
1. 信頼できる業者の選定
2. 契約条件、納期、品質基準の明確化
3. 定期的な進捗確認と品質チェック

#### 進め方のヒント
- 業者選定時には、過去の実績や口コミを参考にする
- 契約書には細かい条件を明記し、双方の認識を合わせる
- 進捗確認は定期的に行い、必要に応じて調整を行う

### 提案3: 社内ワークショップの開催

#### 提案理由
マニュアル作成のスキルや知識が社内で共有されていないことが、作成作業の遅れにつながっています。
ワークショップを通じて、社内でのスキルアップと知識共有を図ります。

#### 効果
- マニュアル作成スキルの社内普及
- 作業効率の向上
- 社内コミュニケーションの活性化

#### 必要人員
- ワークショップの企画・運営スタッフ2名

#### 具体的な進め方
1. マニュアル作成のプロフェッショナルを講師として招く
2. 実践的なワークショップの内容を企画
3. 全社員を対象に参加を呼びかける
4. ワークショップ後、参加者からのフィードバックを収集し、次回の改善に活かす

#### 進め方のヒント
- 講師は外部のプロフェッショナルだけでなく、社内の経験豊富なスタッフも活用
- 実際にマニュアルを作成するワークを取り入れ、実践的な学びを提供
- ワークショップの成果物を社内共有し、モチベーション向上を図る

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。

• 課題

  • 変数：@problem

  • 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

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。

【修正が必要な箇所】
1. 誤っている箇所: 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。
   - 誤っていると判断した理由: 文章が不自然で、意味が不明瞭です。「やりがいが」の部分が誤っており、正しい表現に修正する必要があります。
   - 修正案: 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を知りました。

2. 誤っている箇所: FEからバックエンドまで幅広く経験し、
   - 誤っていると判断した理由: 「FE」は一般的には明確ではない略語であり、全文の明瞭さを高めるためには「フロントエンド」に修正する必要があります。
   - 修正案: フロントエンドからバックエンドまで幅広く経験し、

3. 誤っている箇所: 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。
   - 誤っていると判断した理由: 文章が不自然で、意味が不明瞭です。「自分が手を」の部分が誤っており、正しい表現に修正する必要があります。
   - 修正案: 自分の手でユーザーに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。

【よく間違える表現が記載されている箇所】
- 誤っている表現が記載されている箇所: FEからバックエンドまで幅広く経験し、
- 修正案: フロントエンドからバックエンドまで幅広く経験し、

【修正後の文章全文】
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を知りました。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、将来は自分の手でユーザーに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。

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

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

SWOT分析アプリでは、「企業名」「製品名」の入力のみでSWOT分析を行うことができます。

下記の入力例を基にSWOT分析を行います。

入力例

• 企業名：Allganize Japan

• 製品名：チャットボット

結果例

入力例の内容で生成を実施すると下記のようなSWOT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.強み（Strengths） Allganize Japanのチャットボットは、AI技術を活用しており、
  自然言語処理技術を用いてユーザーの質問に対して適切な回答を提供することができます。
  これにより、24時間365日対応可能で、人間のオペレーターが対応できない時間帯や、
  大量の問い合わせがあった場合でも迅速に対応することが可能です。また、AIが学習することで、
  時間とともに質問への回答精度が向上します。

2.弱み（Weaknesses） 一方で、Allganize Japanのチャットボットは、AIであるために人間のような
  感情やニュアンスを理解することが難しいです。そのため、ユーザーの感情的な問い合わせや、
  曖昧な表現を含む問い合わせに対する対応が難しい場合があります。また、AIはあくまでプログラム
  された範囲内でしか対応できないため、新しい問題や未経験の問題に対する対応が難しいという
  弱点もあります。

3.機会（Opportunities） 現在、デジタル化が進む中で、企業のカスタマーサポートの効率化や
　コスト削減のニーズが高まっています。そのため、AIを活用したチャットボットの需要は今後も
　増えていくと考えられます。また、AI技術の進化により、より高度な問い合わせに対応できるように
　なる可能性もあります。

4.脅威（Threats） しかし、AIを活用したチャットボットは、Allganize Japanだけでなく、
　他の多くの企業も提供しています。そのため、競合他社との差別化が難しく、価格競争に
　巻き込まれる可能性があります。また、AI技術の進化は早く、新たな技術が登場した場合には、
　すぐに対応しなければならないというプレッシャーもあります。

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

• 製品名

  • 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

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

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。

こんにちは、Alli LLM App Marketのユーザーの皆様。

いつもAlli LLM App Marketをご利用いただき、誠にありがとうございます。
今回、皆様にお知らせしたい特別なイベントがございます。

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

# イベントのコンテンツ
- 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

# 場所
渋谷某所

# 日時
2024/6/30

このイベントでは、Alli LLM App Marketを利用している他のユーザーとの交流の場を提供します。
また、自社独自のアプリの紹介や、他のユーザーがどのようにアプリを活用しているかの事例紹介も行います。

皆様のご参加を心よりお待ちしております。
この機会に、新たな発見や交流を通じて、Alli LLM App Marketの利用をより一層楽しんでいただければ幸いです。

どうぞお気軽にご参加ください。皆様のご参加を心からお待ちしております。

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

プレスリリースタイトルの作成アプリは、「プレスリリースで伝えたいこと」「プレスリリースの目的」「目的に関する補足」を入力することで、プレスリリースのタイトルを10案生成します。

下記の入力例を基にタイトル案を生成します。

入力例

プレスリリースで伝えたいこと： ・Alli LLM App marketを9月より提供開始 ・プロンプト知識は不要で使えるので、社内の生成AI活用を促進

プレスリリースの目的：新しい製品やサービスの告知

目的に関する補足：なし

結果例

1. 「Alli LLM App market、9月提供開始」
〜プロンプト知識不要、社内の生成AI活用を促進〜

2. 「AI活用推進、Alli LLM App marketが新たな道筋」
〜9月より提供開始、プロンプト知識不要で手軽に導入〜

3. 「社内AI活用、Alli LLM App marketが新たな可能性を提供」
〜9月よりサービス開始、プロンプト知識不要で誰でも利用可能〜

4. 「Alli LLM App market、9月より社内AI活用をサポート」
〜プロンプト知識不要、手軽にAIを活用する新たな道〜

5. 「Alli LLM App market、9月よりAI活用を手軽に」
〜プロンプト知識不要、社内の生成AI活用を推進〜

6. 「社内AI活用、Alli LLM App marketが新たなステージへ」
〜9月より提供開始、プロンプト知識不要で手軽に導入可能〜

7. 「Alli LLM App market、9月より社内AI活用を加速」
〜プロンプト知識不要、誰でも手軽にAIを活用可能〜

8. 「Alli LLM App market、9月よりAI活用の新たなステージへ」
〜プロンプト知識不要、社内の生成AI活用を推進〜

9. 「Alli LLM App market、9月より社内AI活用の新たな可能性を提供」
〜プロンプト知識不要、誰でも手軽にAIを活用可能〜

10. 「Alli LLM App market、9月より社内AI活用を新たなレベルへ」
〜プロンプト知識不要、誰でも手軽にAIを活用可能〜

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。

• プレスリリースで伝えたいこと

  • 変数：@theme

  • インプットタイプ：パラグラフスタイル

• プレスリリースの目的

  • 変数：@purpose

  • インプットタイプ：単一選択

• 目的に関する補足

  • 変数：@add

  • 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 GPT4 TURBO」がセットされています。

プロンプト

プロンプト内容（システム）

{}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。

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

### セミナー概要

このセミナーでは、生成AIの最新動向とその企業への実践的な導入方法に焦点を当てます。
生成AI技術がもたらす業務効率化とイノベーションの可能性を探り、実際にAIを活用して成果を上げている企業の事例を紹介します。
さらに、企業向けAI・LLMアプリの利用実績ランキングをご紹介し、実際のデモンストレーションを通じてその機能と効果を体感していただきます。
質疑応答の時間も設けており、参加者の皆様が直面している課題に対する解決策を一緒に考えます。

### セミナータイトル案

1. 「AI革命をリードする！生成AI活用ソリューションの全貌」
2. 「未来を切り拓く！企業向け生成AI導入の成功事例」
3. 「業務効率化の鍵、生成AIの最前線」
4. 「生成AIで変わるビジネスの形－実践的導入ガイド」
5. 「AI導入で差をつける！トップ企業の戦略とは？」
6. 「生成AIの力で業務を革新する方法」
7. 「企業成長を加速する生成AI活用術」
8. 「AI×ビジネスの最新トレンドと成功の秘訣」
9. 「生成AIで開く、企業の未来戦略」
10. 「LLM活用で変わる企業の競争力」

### セミナー集客メール件名案

1. 「【招待】生成AIで変革を！企業向け最新ソリューションセミナー」
2. 「AI導入の成功事例を公開！企業成長の秘訣を探る」
3. 「業務効率化はAIから！生成AI活用セミナーへのご招待」
4. 「【限定開催】企業向け生成AI導入ガイドセミナー」
5. 「生成AIで未来を切り拓く！実践的活用法を公開」
6. 「【企業成長のカギ】生成AI活用セミナーにご招待」
7. 「AI革命の最前線！企業向けセミナーへの特別招待」
8. 「生成AI導入で差をつける！成功企業の事例を紹介」
～～～～～～～～～～～～～～

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

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

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。

|タスク|期限|解説|
|---|---|---|
|プロジェクト計画の策定|5日以内|ユーザーガイド作成プロジェクトの目標、範囲、リソース、および期限を明確にする。これには、関連するステークホルダーとの初期会議を含む。|
|ターゲットユーザーの特定|7日以内|ユーザーガイドが対象とするユーザー層を特定し、そのニーズを理解する。これは、製品やサービスの使用を最適化するためのガイドを作成する上で重要。|
|コンテンツの構造設計|10日以内|ユーザーガイドの章立て、セクション、およびサブセクションを計画する。この段階では、どのような情報が含まれるべきか、その情報がどのようにユーザーに提示されるべきかを決定する。|
|コンテンツの作成開始|15日以内|実際にユーザーガイドのコンテンツを書き始める。これには、テキストの作成だけでなく、必要に応じて図表やスクリーンショットの作成も含まれる。|
|レビューとフィードバックの収集|20日以内|作成したコンテンツを内部レビューにかけ、ステークホルダーや対象ユーザーからフィードバックを収集する。これにより、内容の正確性や理解しやすさを確認する。|
|最終版の編集と校正|25日以内|収集したフィードバックをもとに、コンテンツの編集や校正を行い、最終版を作成する。この段階では、文法や表記の誤りを修正し、一貫性を確保する。|
|公開準備|28日以内|ユーザーガイドを公開するための準備を行う。これには、フォーマットの最終確認、公開プラットフォームの設定、および必要に応じて印刷の手配が含まれる。|
|ユーザーガイドの公開|1ヶ月以内|ユーザーガイドをターゲットユーザーに向けて公開する。公開後は、ユーザーからのフィードバックを受け入れ、必要に応じてガイドを更新する。|

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。

プロモーションフレーズを作成するアプリでは、「キーワード」や「製品の説明」からプロモーションで活用できるフレーズを5案生成できます。

下記の入力例を基にプロモーションフレーズを生成します。

入力例

トピック/キーワード：Alli LLM App market

製品の説明：生成AIを活用した幅広い業務で使えるアプリがプロンプト知識不要で利用可能

結果例

1. 「Alli LLM App Market」で、AIの力をあなたのビジネスに！専門知識は不要、直感的に使えるアプリで業務効率化を実現しましょう。今すぐアクセスして、未来の働き方を体験してください。

2. 新時代のビジネスパートナー、「Alli LLM App Market」が登場！生成AIを駆使した多様なアプリが、あなたの仕事をサポート。プロンプト知識は一切不要で、誰でも簡単に利用開始。今こそ、革新的なワークスタイルを手に入れましょう。

3. 「Alli LLM App Market」があなたの仕事を変える！AI技術をフル活用したアプリ群が、複雑な設定や知識を必要とせず、あなたの業務をサポート。スマートなビジネスライフを、今すぐ始めましょう。

4. あらゆる業界に革命を！「Alli LLM App Market」で、生成AIの力を手軽に。プロンプト知識がなくても直観的操作でアプリを利用可能。効率的な業務遂行をサポートする、あなたの新しいツールを見つけてください。

5. 時間と労力を節約するなら、「Alli LLM App Market」が解決策。生成AIを駆使したアプリが、あなたの業務をシンプルに変える。プロンプト知識は不要、今日からでもスムーズに業務改善を始められます。革新的なアプリマーケットをぜひご体験あれ。

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。

• キーワード

  • 変数：@keyword

  • インプットタイプ：テキスト

• 製品の説明

  • 変数：@description

  • 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 GPT4 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）

- あなたはプロモーションメッセージ作成の専門家です。
- キーワードである「{keyword}」と製品説明「{description}」を基に適切なサービスのプロモーションメッセージを5案作成してください。
- 日本語で作成してください。
- 類似した内容は生成しないでください。

{}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

- キーワードである「{keyword}」と製品説明「{description}」を基に適切なサービスのプロモーションメッセージを5案作成してください。

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。

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

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

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。

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。

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

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

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。

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。

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

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。

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

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

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

求人原稿の表現チェッカーアプリでは、求人原稿が、求人広告の表現として適切かどうかをチェックします。

フローの全体図

概要

求人原稿の表現チェッカーアプリでは、ユーザー側で求人広告の原稿をアップロードし、原稿内容の広告表現が適切かどうかをチェックすることができます。

ドキュメントのアップロード(LLMインプットノード)

LLMインプットノードでユーザーがアップロードしたドキュメントの内容を下記の変数に保存しています。

変数：＠FILE

• 変数種別：会話変数

• タイプ：ファイル

LLMが文章を生成(LLM実行ノード)

LLM実行ノードではLLMインプットノードでユーザーがアップロードしたファイル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：求人原稿簡易チェック