ユーザーに合わせた「おすすめ」をもっと自然に届ける仕組みが注目されています。本記事では、その仕組みを支えるLLMエージェントの研究を紹介します。

従来の一問一答型とは異なる進め方や、具体的な活用例を交えながらポイントを整理します。サービスや業務で活かす際のヒントとして参考にしてみてください。

背景

LLMサービスで「物やサービスのおすすめ」を試すと、便利である一方で、なんとなくピントがずれた提案が返ってくることもあります。ユーザーが欲しいのは、その場の思いつきの提案ではなく、状況や好みを踏まえた納得感のある選択肢です。しかし、既存のLLMサービスを普通に使うだけでは、なかなか一問一答の枠を超える対応にはなりません。

旅行計画にせよ、商品選びにせよ、本来は一度の質問で終わることは少なく、途中で確認や修正を挟みながら進める必要があります。

つまり本当に質の高い「おすすめ」を実現するには、目標達成までの道のりを一緒に歩むパートナーのような動きをする仕組みが理想です。過去のやり取りを覚えて状況に合わせて活用したり、外部ツールを使って最新の情報を取りに行ったりするようにしなければいけません。

実は、そうした新しい仕組みは着実に研究されています。

そこで本記事では、より精度の高い「おすすめ」を実現するために開発が進めされている「目標指向で会話を重ねながら最適解を導き出すレコメンドシステム」の現状を整理します。

自分用の「おすすめ」を実現したい方だけでなく、ユーザー向けの「おすすめ」システムを作ってみたい方にとっても役立つ内容を目指します。