コンパウンドスタートアップを支える技術戦略
HQ はこれまでリモートワーク環境整備プラットフォーム「リモートHQ」を運営してきましたが、この度より包括的な福利厚生サービス「カフェテリアHQ」の提供を開始しました: この二つのプロダクトは部分的に非常に似た機能を共有しますが、福利厚生領域に存在する異なる課題をそれぞれ解決することを目的とした、完全に独立したプロダクトです。 HQ はリモート HQ で創業した当初から、将来的なカフェテリアプラン領域への参入を事業成長の方向性の一つとして掲げ、準備を進めてきました。 つまり HQ はコンパウンドスタートアップの一つです。 コンパウンドスタートアップとは 創業時から単一プロダクトではなく、複数プロダクトを意図的に提供 部署でサービスを区切るのではなく、データを中心にサービスを統合する プロダクト間の連携の良さそのものがプロダクトである 複数のプロダクトを管理、ローンチするケイパビリティを持つ
ここがポイント！RAGを活用した生成AIボットの検索精度向上について - Qiita
こんにちは。Supership プロダクト統括部の @ps010 です。 普段は広告・マーケティング領域で、分析業務や広告セグメントの作成を担当しています。 はじめに 今年は、自然言語の生成AIに注目が集まりましたね。私の所属チームでもLLMを用いた生産性向上に取り組んでますが、個人的には、QAボットに使われる RAG に関心があります。少し前まで夫がカスタマーサポート勤務だったのですが、人手不足のせいか残業が多かったので、QAボットで効率化できないものか？と思い、興味を持ち始めました。 RAGを調べると、簡単にはよい回答が得られないようなので、今回は、RAGのサンプルを作って、どこが精度向上のポイントになるのか解明していきたいと思います。 記事の目的 この記事は、RAGの仕組みと改善ポイントの把握を目的とします。サンプルデータを用いて改善案の実験を行い、ベースラインと結果を比較します。記
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
生成AI(ChatGPT) 業務改革ソリューション｜SIGNATE
