エクサベース AIでは、用途に合わせて最適な回答を得られるよう、複数のモデルや機能を提供しています。本記事では、数値データの集計やグラフ作成に特化したチャットパートナー：「高度なデータ分析」について、通常のモデルとの違いや検証結果、使い分けについて解説します。
1. 根本的な仕組みの違い：AIが「推論」するか「プログラムを実行」するか
高度なデータ分析と通常のモデルにおいて、最大の違いは、回答を生成するプロセスにあります。
高度なデータ分析
コードインタープリター機能を搭載しています。ユーザーの指示に対し、AIが裏側でPythonプログラムを自動生成・実行し、その結果をもとに回答します。実際に内部でプログラムを動かして計算するため、数値の正確性が高いのが特徴です。
通常のモデル
AIが学習した知識とパターン認識に基づき、「次に続く確率が高い言葉」を推論して回答します。計算処理そのものは搭載されていないため、複雑な計算では誤った数値を生成してしまうリスク（ハルシネーション）があります。
2. 複雑な計算における精度比較
同じデータを用いて、両モデルの精度を検証しました。
検証a：10個の数値の合計計算
簡単な四則演算であれば、通常のモデルでも言語パターンとして学習しているため、誤差なく回答できる場合があります。今回の10個程度の合計計算では、両モデルとも正解を出力しました。
検証b：50件の売上データ分析（平均値・中央値・標準偏差）
.csvファイルを読み込ませ、統計量を算出させたところ、以下の差が出ました。
高度なデータ分析：プログラムで算出するため、すべての指標で誤差なく正しい結果を出力しました。
通常のモデル：平均値・中央値・標準偏差のすべてにおいて誤差が発生しました。
検証c：100名の部署別・人事データ集計
多段階の処理（ピボット集計など）を依頼しました。
高度なデータ分析：人数、年齢平均、給与平均など、すべての項目で集計結果と一致し、誤差はありませんでした。
通常のモデル：部署ごとの人数カウントの時点から誤った数値を生成し、全体的に信頼性に欠ける結果となりました。
3. 推奨される使い分け
検証結果に基づき、タスクの種類に応じて以下のようにモデルを使い分けることを推奨します。
| タスクの種類 | 推奨モデル | 具体例 |
|---|---|---|
| テキスト分類・要約 | 通常のモデル | 問い合わせのカテゴリ分け、感情分析、長文の要約 |
| 数値計算・統計分析 | 高度なデータ分析 | 売上データの標準偏差算出、相関係数の計算 |
| データ加工・ファイル生成 | 高度なデータ分析 | .csvからのグラフ作成、.word / .pptx等のファイル形式変換 |
業務の目的に合わせて、通常のモデルと高度なデータ分析を使い分けてご活用ください。
【参考】