レイクハウスからデジタルマインドへ：Databricks Agent Bricks上におけるマルチエージェントAIエコシステムの構築

今日の企業において、膨大で統一されたデータレイクハウスを持つことは、データを活性化するために不可欠です。レイクハウスを活用することで、組織は受動的なリポジトリを、ニーズを予測し、専門知識を自動化し、より的確な意思決定を促進する、動的でインテリジェントなエンジンへと変革できます。Edmundsでは、この優先事項に基づき、Databricks Data Intelligence Platform上に高度なマルチエージェントAIエコシステムを直接構築する取り組みであるEdmunds Mindを立ち上げました。

このアーキテクチャの進化は、自動車業界における極めて重要な転換期によって加速されています。次の3つの主要なトレンドが融合しました。

• 強力な推論エンジンとしての大規模言語モデル（LLM）の台頭
• 安全な基盤としてのDatabricksのようなプラットフォームのスケーラビリティとガバナンス
• 自動化をオーケストレーションする堅牢なエージェントフレームワークの出現。これらの要因により、わずか数年前には想像もできなかったようなシステムが可能になります。

この変革は、単に別のAIツールを追加することではなく、AIネイティブとして機能するように組織を根本的に再設計することでもあります。このインテリジェントなコアの背後にある原則、コンポーネント、戦略については、以下のアーキテクチャ設計図で詳しく説明しています。

「Databricksは、コストを抑えながら、GPT-4o、Claude、Llamaなどの複数のモデルを実行し、ニーズの進化に合わせてプロバイダーを切り替えるための、安全で管理された基盤を提供してくれます。その柔軟性により、レビューのモデレーションを自動化し、コンテンツの品質をより迅速に向上させることができるため、車の購入を検討しているお客様に信頼できるインサイトをより早く届けることができます。」—Gregory Rokita, VP of Technology, Edmunds

豊富なデータを持つ企業から、インサイト主導の組織への変革

私たちのビジョンは、豊富なデータを持つ企業から、インサイト主導の組織へと進化することです。私たちはAIを活用して、業界で最も信頼され、パーソナライズされ、予測的な車の購入体験を構築します。

これは、4つの重要な戦略的柱を通じて実現されます。

• 大規模なデータの活性化： 静的なダッシュボードから、データとの動的で対話的なやり取りへの移行。
• 専門知識の自動化： ドメインエキスパートの極めて価値の高いロジックを、再利用可能な自律型エージェントにコード化。
• 製品イノベーションの加速： 次世代機能を構築するためのインテリジェントエージェントのツールキットをチームに提供。
• 社内業務の最適化： 複雑な社内ワークフローを自動化することで、大幅な効率化を推進。

このビジョンの核心にあるのは、当社の最も重要な競争優位性である「Edmunds Data Moat（データの堀）」です。この強力な自動車データの基盤は、業界をリードする中古車在庫、最も包括的な専門家レビュー、クラス最高の価格インテリジェンスによって支えられており、さらに豊富な消費者レビューや新車の掲載情報によって補完されています。このエコシステム全体がDatabricks環境内で統合および管理され、唯一無二の強力な資産を生み出しています。Edmunds Mindは、その可能性を最大限に引き出すために私たちが構築したエンジンです。

デジタルエージェントフレームワークの内部

Edmunds Mindのアーキテクチャは、複雑さ、学習、スケールに対応するように設計された階層的な認知システムであり、Databricksプラットフォームがその基盤となっています。

エージェント階層：デジタルスペシャリストの組織

私たちは、タスクを分解して委譲する階層構造を使用して、効率的な組織を反映するようにシステムを設計しました。これは、Databricks Agent Bricksなどの最新フレームワークにおけるオーケストレーターパターンと完全に一致しています。

• スーパーバイザーエージェント： 戦略的リーダー。長期的な計画を立て、依存関係を管理し、複雑なマルチステージタスクをオーケストレーションします。
• マネージャーエージェント： チームリーダー。専門化されたエージェントのチームを調整し、明確に定義された特定の目標を達成します。
• ワーカーおよび専門エージェント： 専門的な知識を提供する個々の貢献者。これらはシステムの主力であり、Knowledge Assistant、DataDave、さまざまなGeniesなど、増え続けるスペシャリストのリストが含まれます。

エージェント間の通信は標準化されたプロトコルによって管理され、タスクの委譲やデータの引き渡しが構造化され、型定義され、監査可能であることが保証されます。これは、大規模な環境で信頼性を維持するために不可欠です。

この階層構造は、段階的な障害対応（グレースフルデグラデーション）も考慮して設計されています。マネージャーエージェントが、専門家チームではタスクを解決できないと判断した場合、エピソード記憶に保存されている失敗した試行を含め、タスクのコンテキスト全体をスーパーバイザーにエスカレーションします。その後、スーパーバイザーは別の戦略で計画を再構築するか、極めて重要なこととして、これを新しい能力を開発するために人間の介入が必要な新しい問題としてフラグを立てることができます。これにより、システムが堅牢になり、その能力の限界を特定するのに役立つ学習ツールになります。

ディープダイブ 1：自動データエンリッチメントワークフロー

これまで、車両詳細ページ（Vehicle Detail Page）の誤った色など、車両データの不正確さを解決することは、複数のチーム間で手動の調整を必要とする労力の大きいプロセスでした。現在、Edmunds Mind AIエコシステムは、これらの課題をほぼリアルタイムで自動化し、解決します。この運用効率は、多様なAIエージェント機能を、需要に基づいて自動スケーリングする単一のまとまった環境に統合する、集中型Model Servingによって実現されています。このアーキテクチャにより、チームは運用のオーバーヘッドから解放され、ユーザーに価値を迅速に提供することに集中できるようになります。

解決プロセスは、管理されたマルチエージェントワークフローを通じて実行されます。ユーザーまたは自動モニターがデータの不一致の可能性を検知すると、スーパーバイザーエージェントが即座にイベントをトリアージします。問題を評価し、適切な専門チームにルーティングし、堅牢なデータガバナンスのためにUnity Catalogを介してタスクの権限を検証します。その後、専用のマネージャーエージェントが、VINデコードや画像取得から、AIを活用した色分析、最終的なデータベースの更新に至るまでのタスクを実行するために、一連の専門ワーカーエージェントをオーケストレーションします。人間のデータスチュワードは、重要なレビューにおいて不可欠な役割を果たし続け、手動の介入から価値の高い承認段階へと焦点を移します。すべてのやり取りと意思決定はシステムに記録され、継続的な学習と将来のプロセス最適化のための包括的な基盤が構築されます。

この例は、エコシステム全体が、実際のデータ品質およびエンリッチメントタスクをエンドツーエンドでどのように処理するかを示しています。

• イベントトリガー： ユーザーからの苦情または自動モニターが、車両説明ページ（Vehicle Description Page）上の潜在的なデータ品質の問題（例：誤った車両の色）を検知。
• トリアージとオーケストレーション： スーパーバイザーエージェントがイベントを取り込み、追跡可能なタスクを作成し、事前定義されたビジネスルールに基づいてその優先度を評価。
• マネージャーへの委譲： スーパーバイザーは、Unity Catalogで車両データにアクセスして変更する権限を確認した後、車両データマネージャーエージェントにタスクを委譲。
• 協調的なタスク実行： マネージャーエージェントが、一連の専門ワーカーエージェントをオーケストレーションして問題を解決：VINデコードエージェント、メディアライブラリから写真をプルする画像取得エージェント、画像から正しい色を判断するAI駆動の色分析エージェント、および車両ビルドデータベースを更新するデータ修正エージェント。
• Human-in-the-Loop（ヒューマンインザループ）レビュー： 変更が反映される前に、マネージャーエージェントは自動変更にフラグを立て、最終的な検証のためにSlack連携を介して人間のデータスチュワードに通知。
• 学習と完了： スチュワードがタスクを承認すると、スーパーバイザーはそれを完了としてマーク。最終的な人間の承認を含むやり取り全体が追跡され、将来の学習と監査のために長期記憶（Long-Term Memory）に記録。

ディープダイブ 2：Knowledge Assistant：リアルタイムの回答、信頼されるブランドボイス

かつて顧客は回答を得るために複数のEdmundsダッシュボードを操作したり、Edmundsのサポートに問い合わせたりしていましたが、現在はKnowledge AssistantがEdmundsのあらゆるデータを活用して、即座に対話的な回答を提供します。このRAGエージェントは、Edmundsのブランドボイスに合わせて調整されており、専門家や消費者のレビュー、車両スペック、メディア、リアルタイムの価格設定からのインサイトを織り交ぜています。その結果、顧客はより迅速で満足のいくやり取りを体験でき、サポートスタッフが基本的な問い合わせに対応する時間を削減できます。

主な機能は以下の通りです：

• ブランドボイスの体現：このエージェントは、Edmundsのお客様が何十年も親しんできた、活気があり、役立ち、信頼できる声でコミュニケーションが取れるよう、細心の注意を払って調整されています。
• リアルタイムデータの統合：アシスタントは1回のクエリで、専門家や消費者のレビュー、車両仕様、文字起こしされた動画コンテンツ、最新の価格設定やインセンティブなど、散在するリアルタイムのデータソースから情報を取得、統合、提示できます。
• 高度なRAG機能：私たちはDatabricksと積極的に連携し、AI Searchを使用してRAG実装の可能性を押し広げています。最も関連性が高くタイムリーな情報が常に最初に表示されるよう、コンテンツの最新性の優先順位付けや高度なメタデータフィルタリングの強化に注力しています。

ディープダイブ3：DataDaveの「生成と批判（Generate-and-Critique）」ワークフロー

DataDaveは現在、これまで時間のかかる手作業に依存していた複雑な分析に対応しています。このエージェントは厳格なワークフローをオーケストレーションし、各段階を専門エージェントが評価することで、最も困難なクエリに対して95%の精度を達成します。DataDaveは、ウェブサイトのトラフィックとデモグラフィックデータを統合することで、機会をプロアクティブに特定できます（Edmundsの営業チーム向けに、アプローチが不足しているディーラーを特定するなど）。これにより、Edmundsのリーダーシップは、「何が起きたか」を報告する段階から、「次に何をすべきか」を自信を持って決定する段階へと移行できます。

内部ワークフローは、トリアージ、計画、コード生成、実行、統合の5フェーズのプロセスであり、専用の評価（Critique）エージェントが各フェーズの出力を検証します。単に社内指標を分析するだけでなく、DataDaveの真の強みは、独自のデータと一般的な世の中の知識を統合して戦略的な推奨事項を生成できる点にあります。例えば、Edmundsのウェブサイトのトラフィックデータと地理的・デモグラフィックデータを関連付けることで、DataDaveはアプローチが不足している地域のディーラーを特定し、営業チームに「すぐに取り組める案件（low-hanging fruit）」としてプロアクティブに推奨できます。

ディープダイブ4：価格設定における専門化

Edmundsでは、「価格は単なる数字ではなく、信頼されるための文脈と根拠を必要とする結論である」という基本原則に基づいて運営しています。米国市場で最も正確な価格設定という当社の評判を活かし、当社のエージェントアーキテクチャは、この信頼を大規模に提供できるように設計されています。

単一の「価格設定エキスパート」から、連携された専門家チームへと進化させた当社の経験が、この原則を証明しています。マネージャーエージェントによってオーケストレーションされ、True Market Valueエージェント、減価償却エージェント、ディール評価エージェントなどの専門家を含むこのチームは、単なる提示価格以上のものを生み出します。最終的な出力は、なぜその車両がそのように評価されるのかを説明する、包括的で文脈に沿った価格設定のストーリーです。

これにより、当社の価格分析担当者の役割は、手動のデータ集計から戦略的な監視とガイダンスへと変化します。DatabricksのAgent Bricksを活用することで、当社の価格統計担当者は、限られたコーディングでこれらの階層的なエージェントチームを構成でき、生産性を劇的に向上させ、メンテナンスオーバーヘッドを削減できます。これにより、彼らは本当に重要なこと、つまり数字の背後にある「理由」に集中できるようになります。

認知コア：インテリジェンスを複合化するためのアーキテクチャ

真にインテリジェントなAIエコシステムへの道のりは、実用的な課題から始まりました。ビジネス分析のためにDataDaveのような専門エージェントをデプロイする中で、彼らが業務コンテキスト内にサイロ化されたままの、極めて重要でタイムリーなビジネスの真実を明らかにしていることに気づきました。例えば、あるエージェントが主要なマーケティングチャネルにおける異常な下降トレンドを検出したとしても、連携した対応を開始するには、この重要なインサイトを他のエンティティ（エージェントと人間の両方）に効果的に伝える必要があります。これは、これらの創発的な学習を捉え、エージェントシステム全体への入力としてアクセス可能にする共有メモリシステムの根本的な必要性を浮き彫りにしました。私たちは、この知識が蓄積、成長し、エコシステム全体を段階的にスマートにするために活用できる認知レイヤーを構想しました。その結果、私たちの最新の考え方と設計は以下のようになっています。

• エピソードメモリ（「何が起きたか」）：エージェントのすべての行動と観察の高精度なログであり、システムのグランドトゥルース（真実の基準）として機能します。
• セマンティックメモリ（「何を学んだか」）：エピソードイベントから統合された、一般化されたインサイトと成功戦略を含むベクトルインデックス。これは、実行可能な知識のライブラリとなります。
• 自動メモリ統合：バックグラウンドの「Reflector」エージェントが定期的にエピソードメモリを確認し、主要な学習内容を特定してセマンティックメモリに統合します。
• 階層的メモリアクセス：上位レベルのエージェントは部下のエージェントのメモリにアクセスできるため、マネージャーエージェントはチームのパフォーマンスを分析し、将来の戦略を最適化できます。このフィードバックループは、当社のシステムの「反脆弱性（antifragility）」の中心です。階層によってエスカレーションされるすべての新しい失敗は、単に解決すべき問題であるだけでなく、エコシステム全体をトレーニングするシグナルであり、システムを段階的にインテリジェントかつレジリエントにします。

実装：mem0 + Databricks

当社の実装は、mem0インターフェースと完全に互換性があるDelta Sync Indexを使用したDatabricks AI Searchによって強化されます。mem0がベクトルデータベースと相互作用することを考慮し、エピソードメモリとセマンティックメモリの両方を単一の強力なバックエンド内に保存するという革新的なアプローチを採用します。要約されていない生のイベント（「何が起きたか」）と統合された学習内容（「何を学んだか」）は、同じソースDeltaテーブル内の異なるベクトルタイプとして共存し、AI Searchインデックスにシームレスかつ自動的に取り込まれます。

この統合されたアーキテクチャにより、効率的なワークフローが構築されます。Reflectorエージェントは、インデックスにクエリを実行して最近のエピソードエントリを取得し、統合を実行して、新しく一般化されたセマンティックベクトルをソースDeltaテーブルに書き戻すことができます。その後、Delta Sync Indexがこれらの新しい学習内容を自動的に取り込み、クエリ可能にします。ソースDeltaテーブルを単一のエントリポイントとして活用することで、データパイプラインの複雑さを排除し、真にインテリジェントなエージェントシステムに必要な、スケーラブルでサーバーレス、かつ低遅延な基盤を構築できます。

Edmunds Pulseを使用したワークフローの例

1. ログ記録：「DataDave」エージェントが売上の異常を検出し、mem0 APIを介してそのイベントをエピソードメモリに記録します。このアクションにより、ソースDeltaテーブルに新しいベクトルエントリが書き込まれます。
2. 統合：Reflectorエージェントがこのイベントを処理し、一般化されたインサイト（例：「製品Xの売上は週末に減少する」）を生成して、ベクトル埋め込みに変換します。
3. インデックス登録：新しいインサイトはソースDeltaテーブルに書き戻されますが、統合された学習内容としてフラグが立てられます。Databricks AI Searchはこの新しいエントリを自動的に同期し、セマンティックメモリにインデックス登録します。
4. 配信：最後に、セマンティックメモリを常に監視して優先度の高いインテリジェンスを探す専用のEdmunds Pulseエージェントが、この統合された発見を人間の関係者にプロアクティブに配信します。より環境に溶け込み、状況を認識するAIアシスタントの提供を目指すChatGPT Pulseのリリースになぞらえて、当社のEdmunds Pulseはビジネスの生の「脈拍（パルス）」として機能し、重要なインサイトが単に保存されるだけでなく、タイムリーでインテリジェントなアクションを促すために積極的に伝達されるようにします。

データと知識のレイヤー：ガバナンスが効いた真実の基盤

AIエージェントはデータの品質に依存します。Edmundsのデータレイヤーは、一貫性、ガバナンス、柔軟性を考慮して専用に構築されており、Unity Catalogがすべての情報を正確かつ適切に管理するための要となっています。

ディープダイブ5：GraphQLデータアクセスとインタラクティブパターン

EdmundsのModel Context Protocol（MCP）フレームワークは、車両仕様、レビュー、在庫、New Relicなどのシステムからの運用メトリクスなど、すべてのコアデータソースからのリアルタイムのコンテキストにAIエージェントを安全に接続します。これは、基盤となる複雑さを抽象化し、強力に型付けされた自己文書化スキーマを提供する、統合されたGraphQL APIゲートウェイを通じて実現されます。

エージェントやエンジニアが、断片化されたデータ、スキーマの不一致、時間のかかるトラブルシューティングに悩まされる代わりに、システムは現在、それぞれ異なるユースケースに合わせて調整された3つの主要なインタラクティブパターンをサポートしています。

• 動的スキーマイントロスペクション：エージェントは、GraphQLスキーマ自体をイントロスペクト（自己診断）することで、新しいクエリや馴染みのないクエリを動的に探索できます。たとえば、顧客から「車の価値が最近のリコールによって影響を受けるか」といったユニークな質問があった場合、エージェントはその場で新しいデータ型を発見し、関連する回答を取得するための正確なクエリを作成できます。この柔軟性により、組織は手動でAPIを変更することなく、新しいビジネス要件に迅速に対応できます。
• きめ細かくマッピングされたツール：各エージェントツールは、日常的な操作のために特定のGraphQLクエリまたはミューテーションに直接マッピングされています。たとえば、車両の色の更新は、VINと新しい色を抽出するだけで簡単に行え、エージェントがミューテーションを処理します。このアプローチにより、信頼性が向上し、手動での介入が減るため、チームの日常業務が効率化されます。
• 永続クエリ：リアルタイムの在庫ダッシュボードなど、トラフィックが多くパフォーマンスが重視される機能では、最大限の効率を得るために事前登録されたクエリを活用します。エージェントは軽量なハッシュと変数を送信し、システムは帯域幅を抑えつつセキュリティを強化した状態で、即座に結果を返します。

Edmundsは、単一の堅牢なAPIレイヤーを通じてすべてのビジネスデータへの構造化されたアクセスをAIエージェントに提供することで、製品およびサポート機能全体におけるデータ運用のスピード、柔軟性、信頼性を劇的に向上させました。従来はカスタム開発やチーム間でのデバッグが必要だったタスクがリアルタイムで処理されるようになり、顧客や社内チームはより豊かなインサイトと俊敏な対応の恩恵を受けられるようになりました。

ディープダイブ 6：セマンティックレイヤーとナレッジレイヤー

この極めて重要なレイヤーは、生データとエージェントの理解をつなぐ架け橋として機能します。基盤となるデータストアの複雑さを抽象化し、ビジネスコンテキストでデータを強化することで、エージェントがEdmundsの世界観について、一貫性があり、ガバナンスが効いた、理解しやすいビューに基づいて動作できるようにします。

• Unity Catalog：ガバナンスのバックボーン：データエコシステムの中心であるUnity Catalogは、すべてのデータおよびAI資産に対して、一元化されたガバナンス、セキュリティ、およびリネージを提供します。エージェントがアクセスするすべてのデータにきめ細かなアクセス制御が適用され、そのデータ履歴が完全に監査可能であることを保証し、安全でコンプライアンスに準拠したAIプラットフォームの譲れない基盤を形成します。
• 製品セマンティックレイヤー：リアルタイムのビジネスコンテキスト：このレイヤーは、コア製品エンティティ（車両、ディーラー、レビューなど）のリアルタイムでオブジェクト指向のビューをエージェントに提供します。重要なのは、これがEdmundsのWebサイトを動かしているのと同じGraphQLスキーマから直接提供されている点です。これにより絶対的な一貫性が確保されます。エージェントが「車両」について話すとき、それは消費者がWebサイトで目にするのと同じデータモデルとビジネスロジックを参照していることになり、外部製品と社内AIの間でデータドリフトが発生するリスクを排除します。
• 分析セマンティックレイヤー：KPIの信頼できる唯一の情報源（Single Source of Truth）：このレイヤーは、すべてのビジネスパフォーマンス指標に対して、一貫性があり信頼できるビューを提供します。これは、すべての経営陣向けおよび運用ダッシュボードにデータを提供するのと同じ、厳選されたDelta Metric Viewsから直接取得されます。この整合性により、DataDaveやその他のエージェントがビジネスKPI（セッショントラフィック、リード、査定率など）についてレポートする際に、確立されたビジネスインテリジェンスツールと同一の定義およびデータソースを使用することが保証され、組織全体で信頼できる唯一の情報源が確立されます。
• Databricks AI Search - RAGのエンジン：このコンポーネントは、非構造化データおよび半構造化データのための高性能な検索エンジンです。レビュー、記事、文字起こしされたコンテンツの膨大なコーパスをベクトル埋め込みに変換することで、Knowledge Assistantのようなエージェントが超高速のセマンティック検索を実行できるようにし、検索拡張生成（RAG）パターンでユーザーのクエリに答えるための最も関連性の高いコンテキストを取得します。

コストセンターから価値創出エンジンへ：AIのROIの測定

先見的なアーキテクチャも、実行されて初めて価値を持ちます。私たちのアプローチは、段階的なロードマップと、AIエコシステムをコアとなる価値創出エンジンとして扱うという強いコミットメントに基づいています。私たちは、オブザーバビリティ、ガバナンス、倫理に関する技術的フレームワークを、主要なビジネス成果に直接結び付けることでこれを実現しています。私たちの目標は、単に強力なAIを構築することではなく、収益（ボトムライン）への影響を定量化することです。

ビジネススピードの加速

私たちは、ROIの「投資」と「効果」の両面を測定するための包括的なシステムを構築しました。効果（リターン）の側面では、私たちのフレームワークはAIのパフォーマンスをビジネスKPIに直接結び付けます。たとえば：

• 私たちのDataDaveエージェントは、複雑で実用的な分析を数分で提供します。これは、以前はEdmundsの人間のアナリストが完了するまでに数時間かかっていたタスクです。これにより、データ駆動型の意思決定が劇的に加速します。
• 価格設定エージェントは問い合わせに即座に応答するため、何時間もの手動調査が不要になり、チームは戦略的で価値の高い業務に集中できるようになります。

キャンペーンのコンバージョン率などの指標に対する正確な影響は現在も定量化を進めている段階ですが、このフレームワークは、それらの相関関係を導き出すために必要なリアルタイムデータを提供します。

コストの最適化

私たちは、AI Gatewayを通じてスマートな経済的ガバナンスを実践しています。DataDaveのような重要度の高いエージェントは、正確性を確保するために最も強力なモデルにルーティングされ、日常的なタスクはよりコスト効率の高いモデルに自動的に割り当てられます。このモデル階層化戦略により、LLMとコンピューティングの支出を正確に管理し、投資されたすべての資金が創出されるビジネス価値と確実に一致するようにしています。

“Databricks lets us run the right model for the right task–securely and at scale. That flexibility powers our agents and delivers smarter car shopping experiences.” — Greg Rokita, VP of Technology, Edmunds

組織的な有効化：すべての従業員への権限付与

このビジョンを実現するために、私たちはEdmunds全体でイノベーションの文化を育んでいます。私たちは、完全に自律的なタスクから、人間が関与する（human-in-the-loop）レビュー、そして完全に協調的な問題解決まで、人間とAIのインタラクションの全領域をサポートすることを目指しています。

これをサポートするため、エンジニア向けに堅牢なAgent SDKを提供し、Agent Bricksプラットフォームを通じて「市民開発者」運動を推進しています。この取り組みは、全社的なテックカンファレンス「AI Agents @ Edmunds」でスタートし、活発なLLM Agents Guildによって育成されており、すべての従業員がAI主導の未来に貢献するためのツールとサポートを得られるようにしています。

今後の展望：プロアクティブなインテリジェンスから真の自律性へ

真のAIネイティブ組織になるための私たちの道のりは、スプリントではなくマラソンです。「Edmunds Mind」アーキテクチャはその道のりの設計図であり、次の進化のステップは、単に質問に答えるだけでなく、ビジネスニーズを予測するプロアクティブなエージェントを開発することです。私たちは、エージェントがリアルタイムのデータストリームから市場の機会を特定し、関係者が尋ねる前に戦略的なインサイトを提供する未来を描いています。

最終的に、私たちのロードマップは、エージェントが自己最適化できるシステム（新しいツールを提案し、批判メカニズムを洗練させ、アーキテクチャの改善さえも提案するシステム）へとつながっています。これは、単に操作するだけのシステムから、真の認知的パートナーへの移行を意味し、私たちの役割をオペレーターから、新しいインテリジェントな労働力の監視者、倫理学者、そして戦略家へと進化させます。

EdmundsがDatabricksの支援を受けて、どのようにAI主導の車の購入体験を構築しているかについて、詳細をご覧ください。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事