OpenAI と Palantir が使用する FDE (Fulfilled Derivative) アプローチ: 顧客の苦労から学び、優れた製品を生み出します。 @apoorv03 による、OpenAI Forward Deployed Engineering (FDE) の責任者である Colin Jarvis 氏へのインタビュー: 最先端の AI を企業に真に導入し、数億ドル、あるいは数十億ドルもの価値を生み出せる企業は、最高のモデル スコアを持つ企業ではなく、「苦痛に耐えて製品を生み出す」方法を最もよく理解している企業です。 FDE とは何ですか? 簡単に言えば、トップクラスのコアテクノロジーエンジニアを顧客の現場に直接派遣し、顧客のビジネスエキスパートと昼夜を問わず協力して、顧客の本当の問題点を深く理解し、迅速に反復して使用可能なソリューションを開発し、再利用可能な部分を改良して製品化し、より多くの顧客に利益をもたらすことを意味します。 Palantir の元 CTO、Shyam Sankar 氏は、次のような有名な例え話をしました。 FDE は「痛みを代謝して産物を排泄する」という意味です。 OpenAI独自のFDEの実践と主要原則 1. 真にハイリスクで価値の高い主要な問題のみに焦点を当てます。周辺的または些細な機能に取り組むのではなく、クライアントのビジネスの最も核心的で、最も収益性の高い、あるいは最も無駄の多い側面に直接取り組みます。 ・ 例： モルガン・スタンレーは、同社の最大の事業分野である資産管理事業全体に GPT-4 を直接適用しました。 • 半導体大手は、バリューチェーン全体における最大の無駄の原因に対処するため、OpenAI に委託しました。 2. 信頼の構築はテクノロジーの構築よりも難しく、デモよりも反復が重要です。モルガン・スタンレーの事例：テクノロジーパイプラインは6～8週間で実行できますが、ファイナンシャルアドバイザーが顧客向けに実際に使用できるようになるまでには、パイロット運用、評価、そして継続的な反復に丸6ヶ月かかりました。 • 最終結果: 採用率は 98%、研究レポートの使用は 3 倍に増加しました。 3. 評価によって開発を推進する。大規模なモデルに基づいて記述されたコードは、その真に効果的であることを証明する厳密な評価セットがなければ、完成したとはみなされません。 この一連の評価は、信頼を構築するための基盤となるだけでなく、将来的にシステムを顧客の内部チームにスムーズに引き渡すための鍵でもあります。 4. 「決定論」と「確率論」の間のトレードオフを明確にする - 大規模モデルに、最も得意とする、複雑で曖昧で意味的に意味のあるシナリオの処理を実行させます。 ただし、100% 正確である必要があるすべての領域 (コンプライアンス、金額、重要な決定) は、従来の決定論的コードで囲む必要があります。 将来FDEのCEOを目指す人にとって最も重要かつ洞察力に富んだアドバイスは、自分の目的を極めて明確にしなければならないということです。 まったく異なる 2 つのプレイ スタイル: A. FDEをサービス業として捉えて儲ける（コンサルティング料を請求する）→短期的なキャッシュフローは良いが、「高級コンサルティング会社」になりやすい。 B. FDE を製品化への「ゼロから 1」のアプローチとして扱う → 短期的には収益は少なくなるかもしれませんが、長期的には顧客向けのオンサイト ソリューションをプラットフォーム機能に変えることができます。 コリンは、このように失敗する会社を数多く見てきました。彼らは製品会社になることを口では言いますが、大手クライアントがカスタマイズのために大金を投じると、その仕事を引き受けずにはいられなくなり、結果として戦略的ビジョンを完全に失ってしまいます。 真の規律とは、たとえ最大の財政的困難や誘惑に直面したとしても、非戦略的取引に「ノー」と言う勇気を持つことです。 FDE の最終的な目標は、製品を正しい姿勢で出荷することです。 • 最初のクライアントプロジェクト：再利用できるコンポーネントはおそらく20%程度 → 頑張って完了させます。 • 2番目～3番目のクライアント：再利用率は50%に上昇します。 • さらに先へ → この部分を直接製品化し、すべての顧客に提供します。 現在大々的に宣伝されている OpenAI の Agent SDK と Agent Kit は、次のように作成されました。 1. Klarna のカスタム プロジェクトから改良することから始めます。 2. T-Mobile などの顧客を対象とする反復処理を実行します。 3. 最終的には、誰もが使用できる汎用的なインテリジェント エージェント フレームワークになります。
