GPT-4oはチャットボットに何をもたらすのか？

速度2倍、価格半分——GPT-4oはAIチャットボットに何をもたらす？

OpenAIは謎めいた予告の後、最新のフラッグシップモデルGPT-4oを発表しました。

最新モデルはマルチモーダル機能の強化だけでなく、GPT-4 Turboよりも高速かつ低コストです。一般メディアはChatGPTのビデオ・音声機能に注目していますが、コストと速度の進化もアプリ開発者にとっては同じくらい重要です。

「4oの登場は、ビルダーとユーザー両方の体験を大きく向上させる力を持っています」とBotpressのソフトウェアエンジニアリード、Patrick Hamelin氏は語ります。「その影響は私たちの想像以上です。」

それでは、新モデルがAIチャットボットにどのような変化をもたらすのか詳しく見ていきましょう。

モデルの機能

新しいフラッグシップモデルは、音声・ビデオ機能の強化、リアルタイム翻訳、より自然な言語処理など、数多くのアップデートと新機能を備えています。画像解析、幅広い音声入力の理解、要約支援、リアルタイム翻訳、チャート作成も可能です。ファイルのアップロードや音声対話もでき、デスクトップアプリも用意されています。

OpenAIの発表動画シリーズでは、社員やKhan AcademyのSal Khan氏らが、GPTの最新バージョンで就職面接の準備、歌唱、表情から感情を読み取る、手書きの数学問題を解く、さらには別のChatGPT-4oとやり取りする様子を披露しています。

発表では、AIモデルが子どものノートの文字を解析し、応答できる新たな現実が示されました。分数の足し算を初めて説明したり、子どもの理解度に応じて語調や説明方法を変えたり——チャットボットからパーソナルチューターへの進化も可能です。

GPT-4oはLLMチャットボットに何をもたらす？

LLMを活用するAIチャットボットは、OpenAIのような企業がモデルをアップデートするたびに恩恵を受けます。LLMエージェントがBotpressのようなボット構築プラットフォームに接続されていれば、最新GPTモデルの利点を自分のチャットボットで活用できます。

GPT-4oの登場により、AIチャットボットはこの先進モデルを選択できるようになり、機能・価格・速度が変わります。新モデルはGPT-4 Turboの5倍のレートリミットで、1分あたり最大1,000万トークンを処理可能です。

BotpressでTwilioなどの音声連携を使うボットにとっては、音声対話の新しい世界が開かれました。従来の音声処理に縛られず、チャットボットが人間の会話により近づきます。

特に重要なのは、有料ユーザーのコスト削減です。同等の機能を持つチャットボットを半額で運用できれば、世界中でアクセス性と手頃さが大幅に向上します。Botpressユーザーは追加のAI利用料がかからないため、これらの節約分がそのままビルダーに還元されます。

ユーザー側にとっても、GPT-4oは大幅な体験向上を意味します。誰も待たされるのは好きではありません。応答時間が短くなれば、AIチャットボットの満足度も上がります。

ユーザーはスピードを重視

チャットボット普及の鍵はユーザー体験の向上です。待ち時間を短縮することほど体験を良くするものはありません。

「確実に良い体験になるでしょう」とHamelin氏。「誰かを待たせるのは一番避けたいことです。」

人は待つのが嫌いです。2003年の調査でも、ウェブページの読み込みを約2秒しか待てないことが分かっています。今もその忍耐力は変わっていません。

誰もが待つのは嫌い

待ち時間を短く感じさせるためのUXの工夫は数多くあります。実際の速度を上げられない場合、時間が早く過ぎているように感じさせる工夫——例えばローディングバーなどの視覚的フィードバック——が使われます。

エレベーターの待ち時間に関する有名な話では、ニューヨークの古いビルで住民が1～2分の待ち時間に不満を訴えていました。エレベーターの更新はできず、住民は契約解除をちらつかせていました。

心理学を学んだ新入社員が、本当の問題は2分の損失ではなく「退屈」だと気付きました。彼は、待ち時間に自分や他人を見られるよう鏡を設置することを提案。苦情はなくなり、今ではエレベーターホールに鏡があるのは当たり前になっています。

視覚的フィードバックなどの工夫で体験を補うのではなく、OpenAIは根本的に体験を改善しました。スピードはユーザー体験の中心であり、効率的なやり取りの満足感に勝るものはありません。

すべての人にとっての節約

この新しいAIモデルでアプリケーションを動かすコストが一気に下がりました。しかも大幅に。

AIチャットボットを大規模に運用するとコストがかさみます。どのLLMを使うかで、BotpressのようにAI利用料を1:1で反映する場合、ユーザーごとのコストが決まります。

この節約はAPI利用開発者だけのものではありません。ChatGPT-4oはGPT-3.5と並ぶ最新の無料LLMバージョンで、無料ユーザーもChatGPTアプリを無償で利用できます。

より優れたトークン化

ローマ字以外の言語でモデルを利用する場合、GPT-4oはAPIコストをさらに削減します。

新モデルは利用上限も向上しています。特に特定の非英語言語でトークン化効率が大きく進化しています。

新しいトークン化モデルは、入力テキストの処理に必要なトークン数が少なくなります。表意文字（アルファベットではなく記号や文字を使う言語）では特に効率的です。

この恩恵は主にローマ字を使わない言語に集中しています。コスト削減の目安は次の通りです：

• ヒンディー語、タミル語、グジャラート語などインド系言語は2.9～4.4倍のトークン削減
• アラビア語は約2倍のトークン削減
• 中国語、日本語、ベトナム語など東アジア言語は1.4～1.7倍のトークン削減

AIによるデジタル格差の解消へ

デジタル時代は、従来から存在する富の格差を拡大し、「デジタル格差」として現れています。豊かなインフラや資源へのアクセスが限られているのと同様、AIやそれに伴う機会・恩恵も一部の人々に限られています。

国連開発計画（UNDP）の最高デジタル責任者Robert Opp氏は、AIプラットフォームの存在が国全体の発展指標を左右しうると説明しています。

GPT-4oのコストを半減し、無料プランを導入したことで、OpenAIはAIの最大の課題の一つを解決する重要な一歩を踏み出し、政策立案者や経済学者が懸念する格差問題に直接対応しています。

AI業界にとって、こうした前向きなPRは熱心な支持者が考える以上に必要です。AIが日常生活にますます浸透する中、推進派も懐疑派も「AIを善のためにどう活用できるか」を問い続けています。

AI博士で教育者のルイ・ブシャール氏によれば、AIへの幅広いアクセスを提供することこそが、その実現方法です。「AIを誰もが使えるようにすることは、AIを『善のために』使う最良の方法の一つです。」その理由は、AI技術の良い面も悪い面も完全にコントロールできないのであれば、少なくともその恩恵を平等に受けられるようにするべきだからです。

拡大するマルチモーダルの可能性

これまで企業のチャットボットとのやり取りは主にテキストが主流でしたが、OpenAIの新しいAIモデルが持つ強化されたマルチモーダル機能により、今後はその形が変わるかもしれません。

今後1年で、開発者たちが新たに利用可能となった音声・画像・動画機能を活用したアプリケーションを次々とリリースする動きが広がるでしょう。

例えば、GPTを活用したチャットボットは次のようなことが可能になります：

• 返品する商品の写真を顧客に送ってもらい、商品を特定し破損がないか確認する
• 地域特有の方言にも対応したリアルタイム音声翻訳を提供する
• フライパンの上のステーキの写真から焼き加減を判別する
• 画像から歴史的背景を説明し、リアルタイム翻訳や双方向の音声ガイドもできる無料のパーソナルツアーガイドとして機能する
• 音声入力を聞き取り、口の動きを映した動画から発音をフィードバックしたり、画像や動画を使って手話を教える語学学習アプリを実現する
• 音声や動画を解析する能力を活かし、低コストで非緊急のメンタルヘルスサポート（トークセラピー）を提供する

画像や音声を理解できるAIモデルの登場で、大規模言語モデル（LLM）が私たちにできることの幅が急速に広がっています。

マルチモーダルはアクセシビリティの向上を意味する

強化されたマルチモーダル機能が社会的な善に役立つ例もすでに見られます。代表的なのがOpenAIとBe My Eyesの提携です。

Be My Eyesは、視覚障害者と健常者ボランティアをつなぐデンマークのスタートアップです。ユーザーがスーパーで缶詰を選ぶ時やTシャツの色を知りたい時など、スマートフォンのビデオ通話を通じて世界中のボランティアとつながり、サポートを受けられます。

OpenAIの新しい画像認識機能により、Be My Eyesのユーザーはさらに便利な体験ができるようになります。これまで人間のボランティアがリアルタイムで画像や動画を説明していたのが、今後は視覚障害者が画像や動画をデバイスに送るだけで、AIモデルが音声で情報を返してくれます。

OpenAIとBe My Eyesは信頼できるパートナーとなり、世界中の視覚障害者の自立を後押ししています。Be My EyesのCEO、マイケル・バックリー氏はその影響について次のように語ります：

この新サービスは2024年夏に初めて提供開始予定です。先行アクセスユーザーは、画像・動画・音声機能のベータテストを行い、高い評価を得ています。AIの影響に懸念を持つ人もいますが、この提携はAIがもたらすポジティブな効果を示す明確な例です。高度なAIが社会的善に貢献することを理解することは、PR上も重要なステップです。

今後のLLMモデルはどのように評価されるのか？

各社がより安価で高速なLLM開発を競う中、今後のAIモデルをどう評価するべきかという疑問が生まれます。

将来的には、主要なLLM開発企業（おそらくOpenAIやGoogle）がモデルの速度やコスト面で頭打ちになる時が来るでしょう。コストと速度が安定した後、市場をリードするモデルはどのように決まるのでしょうか。

次の時代の象徴となるのは何でしょう？AIモデルの個性、動画強化機能、無料ユーザー向けの機能、あるいは今はまだ想像もつかない新たな指標かもしれません。次世代LLMはすぐそこまで来ています。

AIチャットボットをもっと簡単に

もしあなたのAIチャットボットが、すべてのGPTアップデートと自動で同期されたらどうでしょう？

Botpressは2017年からカスタマイズ可能なAIチャットボットソリューションを提供しており、開発者が最新のLLMの力を活用したチャットボットを簡単に構築できるツールを提供しています。Botpressのチャットボットは、ウェブサイトや商品カタログなど独自の知識ソースで学習させることができ、ビジネスシステムともシームレスに統合可能です。

ノーコードのセットアップから無限のカスタマイズ・拡張性まで対応できる唯一のプラットフォームであるBotpressなら、最新のGPTバージョンの力を自動的にチャットボットに取り込めます。手間は一切かかりません。

今すぐ構築を始めましょう。無料です。

よくある質問

1. Botpressで既存のチャットボットをGPT-4oに切り替えるには？

Botpressで既存のチャットボットをGPT-4oに切り替えるには、Botpress StudioでアシスタントのLLM設定に進み、利用可能なモデルのドロップダウンからGPT-4oを選択してください。コードの変更は不要で、すぐに反映されます。

2. BotpressプラットフォームでGPT-4oを利用するための前提条件（例：SDKやAPIバージョン）はありますか？

いいえ、BotpressでGPT-4oを利用するための前提条件はありません。プラットフォームがすべてのSDKやAPIの更新、バックエンド依存関係を自動で管理するため、設定でGPT-4oを選ぶだけで利用を開始できます。

3. GPT-4oはBotpressを通じて特定のビジネス用途向けにファインチューニングやカスタマイズが可能ですか？

GPT-4oはBotpress内で従来の意味でのファインチューニングはできませんが、プロンプトエンジニアリングやワークフローのロジック、ナレッジベース、変数を使って応答や挙動をカスタマイズできます。これにより、モデルの再学習なしでビジネスに合わせたコンテキスト対応が可能です。

4. Botpressのワークフロー内でマルチモーダル機能（音声や画像認識）の利用に制限はありますか？

はい。Botpressは現在、TwilioやDialogflow Voice Gatewayなどの連携を通じて音声機能をサポートしていますが、画像や動画の処理などのマルチモーダル機能はまだ完全には対応していません。画像入力は検討中または代替手段が必要です。

5. GPT-4oのリアルタイム翻訳や画像入力などの高度な機能を利用する際、隠れたコストはありますか？

いいえ、BotpressでGPT-4oの高度な機能を利用する際に隠れたコストはありません。GPT-4oの速度や効率のメリットは既存のBotpressプランに含まれており、LLMの利用料もBotpressが負担するため、ユーザーが追加料金を支払う必要はありません。