機械学習（ML）の進化により、顧客経験の予測可能なパターン解析だけでなく、訓練データがなくてもMLを利用することが可能になりました。
しかし、すべての顧客ニーズにAIが答えであるわけではありません。特に、大規模言語モデル（LLM）は高コストであるため、すべてのケースに適しているわけではなく、精度も常に高いとは限りません。
AIプロジェクトマネージャーとしては、顧客のニーズを精査し、実装コストと出力の正確さを考慮し、スケールで正確かつコスト効率の良い製品を作り出すことが求められます。
この記事では、AIの実装が適切かを決定するためのキーコンシダレーションを紹介しており、プロジェクトマネージャーが顧客ニーズを評価する際の参考になります。
「大きな刃物を使うな、単純なはさみで十分だ」という教訓をもとに、アプローチを選びましょう。
記事の著者、Sharanya Raoはフィンテックのグループプロダクトマネージャーです。
出典 : Not everything needs an LLM: A framework for evaluating when AI makes sense https://venturebeat.com/ai/not-everything-needs-an-llm-a-framework-for-evaluating-when-ai-makes-sense/
