ユニフォアがX-Streamを発表：RAGアプリを8倍速で迅速に開発するための統合ナレッジソリューション

ユニフォアは、会話型AIと自動化を専門とするグローバルなテクノロジー企業として、コアデータおよびAIプラットフォームにおける革新的なレイヤー「X-Stream」を発表しました。X-Streamは、知識をサービスとして提供し、企業がそのマルチモーダルデータセットを活用してドメイン特化型AIアプリケーションを構築できるよう、必要なツール、コネクタ、コントロールを統合しています。これにより、情報取得を強化した生成（RAG）アプリケーションの開発が簡素化されます。

X-Streamは、AI-readyデータを準備する際の分断されたプロセスを一元化するオープンアーキテクチャを提供し、開発パイプラインで複数のツールを必要とすることを排除します。ユニフォアのCEO、ウメシュ・サチデブ氏は、「X-Streamは、顧客がデータを調整してAI-readyな知識に変換できるよう支援し、ユニフォアの生産準備が整った小型言語モデルにシームレスに統合することが可能です」と述べています。

RAGのためのデータ課題に対処

生成AIが進化する中で、特定のデータベースから情報を引き出して正確な回答を提供するRAGの概念が注目を集めています。企業は、自社の知識ベースを活用して、正確かつ hallucination-freeな応答を実現するためのRAGベースの検索やチャットアプリケーションを急いで開発しています。しかし、これらのアプリケーションの開発とスケーリングにはデータに関する大きな課題があります。

多くの場合、必要な情報は構造化されたテーブル、非構造化テキスト、文書、動画など、様々なソースや形式に散在しています。このデータを統合するために、企業は通常、Fivetranなどのデータ接続コンポーネントを利用し、データウェアハウスやERP、HCM、社内アプリケーションをリンクさせます。接続の後は、データをチャンク化し、エンベディングに変換し、Milvus、Weaviate、Pineconeなどのツールを用いてベクトルデータベースに保存します。さらに、Neo4jのようなグラフRAG機能を取り入れることで、精度を向上させることも可能です。

このような分断されたアプローチは迅速に複雑になり、スケーラブルな生成AIアプリケーションを実現するまでに数ヶ月かかることが多いです。サチデブ氏は「企業データリーダーから、音声、ビデオ、テキストの知識変革をより効率的に推進できる方法が求められていると聞いています」と説明しています。

ユニフォアのX-Streamは、必要なすべてのツールとコントロールを一つにまとめた包括的なアーキテクチャを提供します。X-Streamは200以上のソースからマルチモーダルデータを取り込み、知的な統合と変換を通じてAI-readyな形にします。初期処理後、データをチャンク化し、エンベディングに変換、ベクトルデータベースに保存することで、AIチームへのデータアクセスを容易にし、ユニフォアの業界特化型モデルやRAGのユースケースをサポートします。

さらに、X-Streamはコンテキストや推論が必要な知識グラフを生成し、特定のユースケースや業界に合わせた合成データを作成します。また、事実確認やチャンクの帰属のような証拠管理機能を含むことで、AIの成果物への信頼性を高めます。この包括的なソリューションは、データ準備から最終出力までのAIパイプラインを加速し、生産グレードのRAGアプリケーションを迅速に開発できるようにします。

サチデブ氏は「X-Streamは、音声、ビデオ、テキストに関する非構造化データでのユニフォアの16年の経験を活かし、多様な企業AIニーズに応える統合プラットフォームを提供する点で際立っています」と付け加えました。

重要な価値を約束

X-Streamは新たに登場したばかりですが、サチデブ氏は「ドメイン特化型生成AIアプリケーションを社内データを使用して最高品質、コンプライアンス、ガバナンス基準に従い、従来の8倍の速度で展開できる可能性を秘めています」と指摘しました。

ユニフォアは使用量に基づいた価格モデルを採用しており、顧客は通常、稼働から数週間以内に4倍から6倍の投資収益率を実感しています。なお、X-Streamの一部機能は、アマゾンのSagemakerやTonic AI、Unstructured.ioなどのハイパースケーラーやスタートアップと重なることが注目されます。この新しい提供のスケーラビリティは、企業が内部および外部アプリケーションに生成AIを採用するにつれて興味深いものとなるでしょう。ユニフォアは、DHL、アクセンチュア、一般保険など1,500以上の企業と連携しています。

ガートナーの予測によると、2025年までに、約30%の生成AIプロジェクトがデータ品質の低下やリスク管理の不備、コストの増加により、概念証明フェーズを過ぎて放棄される見込みです。