2023-07-13 ML勉強会

• Vendor Management
• 契約が適正価格で行われているか、更新日は近づいているかなどを教えてくれる

• Smart Accounting
• 自動コーディングで正確な帳簿を管理。何千ものトランザクションを処理し、フラグが立った経費のみをレビューします。

• Expenses
• 領収書の回収機能と分類機能により、ミスのない経費提出が可能です。

• Copilot
• AIを使って質問に答え、承認ワークフローを構築し、コスト削減の方法を提案します。

Get the best price for software with Ramp’s Vendor Management and Price Intelligence

• demo

• 解決している課題
• 企業は取引先をスプシなどで管理しているが、契約書を従業員から探し回っている。ゆえに、契約更新期限に間に合わず、ソフトウェアに多額の出費をするリスクがある
• 契約しているサービスが多ければ多いほど、過払いを少しでも見過ごすと出費はどんどん嵩んでいく
• "We’re over a hundred SaaS contracts across our business, so even paying 5% or 10% too much on a contract can add up really fast." -  Susan Alexander, Contracts Director, Carpe Data

• 取引先管理は難しい
• You don’t have a single source of truth
• ベンダーの価格条件、契約書、連絡先、支払い詳細、税金情報がすべて異なるシステムやクラウドストレージにあり、重要な詳細はスプレッドシートで手作業で管理されている。その結果、ベンダーに関する基本的な質問に答えるために、膨大な記録を整理する時間と労力を費やすことになる。
• →まず契約に関する正確な情報を追うのが大変
• You’re missing deadlines
• 契約更新の期日を逃すことにもつながりかねません。その結果、チームは何重もの承認を経て支出のサインオフを押し通すために奔走することになり、業務がパニックに陥るか、適切な支出予測ができなくなり、結果として支出超過になる可能性があります。
• →期日ギリギリになるとパニックになる、そして遅れたら過払いにつながる
• It’s difficult to report on vendor spend
• カテゴリーやベンダーの所有者別にフィルタリングする機能を持たずに、ベンダー取引の多数のソースを持つことは、チームが支出を完全に可視化し、ベンダーの支出データを戦略的に使用して、高コストの領域を削減する方法を発見することを困難にします。このように分散化された複雑なシステムでは、総支出の最新スナップショットを得ることが難しく、時間もかかります。
• →スプシではいい感じにカテゴラライズやフィルターをしてくれないので、戦略的な支出管理が困難だし、もしやろうとして労力を要する
• You’re overspending on SaaS
• ソフトウェア・ベンダーの数が多いことと、SaaSプロバイダーが不透明で複雑な価格設定モデルを持っていることで有名であることから、財務チームがお得かどうかを理解することが非常に難しく、結果として過剰支出につながっています。また、時間がない中で長時間の交渉に突入することにもなりかねない。
• →適正価格かの判断がむずい
• “Being armed with that benchmark data, that will ease the mental gymnastics I go through but more importantly, it will save our company real dollars.” - Michael Guiney, Director of Finance, Greynoise
• ベンチマークとなる数字があるだけでだいぶラクになるし、なにより節約にもなるので最高

• ソリューション
• 支出に関するインサイトを明らかにする
• お客様が支払うすべてのビジネスのトランザクションを自動的に追跡し、すべてのベンダーの詳細と契約に関する単一のダッシュボードビューを提供
• 以下のような質問に即座に答えられるようになる
• 過去12ヶ月間にソフトウェアに費やした金額は？
• 過去90日間に各部門が費やした金額は？
• 更新時期を迎えた契約はいくつあるか？
• ソフトウェアの適正価格の予想
• rampでは15,000社に及ぶ企業に対して毎月10億ドル以上の支出を処理しているためそれらのデータを活用することで、契約に対する価格のベンチマークを提示
• compare pricing down to the cost-per-seat, so you always know if you’re getting a good deal
• → アカウント数に対する価格を見ている模様
• ベンダーからしたら適正ではない価格で契約し続けることで事で財を成している場合もあるのでたまったものではない
• 契約の詳細を即座に追跡
• 契約書をアップロードすると、RampはAIを使用して自動的にベンダーのレコードにすべての重要な詳細を抽出
• また、30日または60日の契約更新リマインダーを設定できる
 

How Ramp builds customer-first AI

• Focus on outcomes, not interfaces
• it should be embedded in your workflows to actually get things done.
• →価値提供しようという話

• Separate general knowledge and private data
• LLMは大量のデータから学習されているので、common-sense reasoningは得意だが、rampのようなfintechプラットフォームの場合サービスのコンセプトの理解や顧客の機密データといったgeneralなデータセットにはない知識が必要
• rampではprivateでend to endで学習するのではなく、モデルを二つのカテゴリに分類している
1. common tasksを処理するために、マスク化された顧客データをもとに学習されたgeneralなモデル。これらの共有モデルは、実際の内容ではなくデータの構造を理解することにより、顧客全体のパターンを学習する。
2. in-context learningと呼ばれる技術を使って、個人顧客データを保存せずに一時的に使用できる機密モデル。
• contract pricing benchmarksの例
• shared modelを利用して書類から項目を抽出する。generalなモデルを使うことで幅広い種類の書類に対応できる。
• 顧客が契約書のプライシングデータを共有することに承諾がある場合は、in-context learningを利用して、類似の顧客からシェアされたプライシングデータを元にベンチマークを提示する

• Explainability isn’t enough—offer users control
• 最高のAIも、ユーザーからの信頼がなければ意味がない。
• Explainability（モデルがどのように判断を下すかを追跡しようとする説明可能性）は、信頼を築くために重要。だが、それ以上に重要なのはユーザーからのフィードバックに反応を元にモデルが改善されること。

• Build guardrails, not censorship
• AIシステムが広く採用されるにつれ、不適切、無意味、または不快な出力がもたらすリスクも増加している。
• ChatGPTのようなモデルは自然言語の入力を受け取り、検閲フィルターを出力に適用し、攻撃的または無意味な応答をブロックしている。しかし、検閲が不完全である可能性があるため、rampではAIモデルの出力を検閲するのではなく、そもそも不要な出力を不可能にするようにモデルを設計した
• Rampのcopilot AIは顧客データから検索クエリを生成するのを得意とするが、（不要または有害なコンテンツを含む可能性のある）プレーンテキストに対してモデルが直接応答するのではなく、対話的で構造化されたデータの事前定義されたブロックを使用して、これらのクエリの結果を表示する
• Jsonformer: A Bulletproof Way to Generate Structured JSON from Language Models.
jsonformer
1rgs • Updated Jun 10, 2024