Oracle、採用調査を98％短縮。効いたのはチャットボットよりworkflow設計

Oracleによると、ChatGPTのアクティブユーザーは13万人、Codexは9万5,000人超に達した。汎用モデルを社内データと業務手順につなぎ、採用調査を2日から4日から15分から20分へ短縮したという。

採用担当者は数日分の調査を20分に縮めた

OpenAIの事例紹介によると、採用チームはChatGPT Workで職務記述書、類似職種、報酬水準、地域別の人材供給を分析している。Oracleは、このworkflowによって調査時間が98％減ったとしている。

Oracle Applications Labは、社内のオブジェクト、関係、ルールを表すオントロジーを構築した。Codexは自然言語の依頼をSQLに変換し、必要な社内システムを呼び出して、分析、レポート、アプリケーションを返す。単純な運用インシデントでは、site reliability engineersが約1時間の作業を数分に短縮したとされる。

OpenAIの一次ページは自動検証時にアクセスを拒否した。このため、数値とworkflowの説明は、検索インデックス上の抜粋と事例を引用した報道に基づいて慎重に記している。独立監査で確認された結果ではない。

効果の源は専門知を反復可能な手順へ変えたことにある

大規模な利用者数は副次的な数字だ。Oracleは専門家の知識をworkflowへ組み込み、参照すべきデータ、守るべきルール、返すべき成果物の形式を定めた。モデルが毎回ユーザーの即興だけに頼る必要がなくなる。

enterpriseチームにとって、これは全社員にprompt研修を広げるより実用的な型だ。対象を狭く、頻度の高い仕事に絞り、入力と確認手順を定義してからChatGPTやCodexを載せる。速度の多くは、準備されたコンテキストから生まれる。

ベンダーの事例紹介には独立した検証が欠けている

公表された削減効果は、OpenAIの資料でOracleが示した数字だ。人が結果を修正する頻度、チーム横断の品質測定、オントロジーの導入と保守にかかった費用は明らかにされていない。Oracle自身も、アーキテクチャ、セキュリティ、保守可能なコードは人間が担うと強調している。

この境界は重要だ。依頼をSQLへ変換すれば時間は減るが、信頼性は権限管理、データ定義、ログ、結果確認に左右される。誤った数字を速く返しても、悪い意思決定を速めるだけだ。

修正率、障害対応、運用費が持続的な価値を示す

次に必要なのは、人による修正率、クエリのエラー率、複雑なインシデントに要する時間、完了したworkflow当たりの総費用だ。それまでは選ばれた事例の速さは分かっても、運用上の採算は分からない。

もう一つの試金石は横展開である。別のチームも数か月の手作業によるデータモデリングを経ずに同じ型を導入できれば、Oracleは少数の好例ではなく、反復可能なenterprise運用を示したことになる。

Lilithの判定

Oracleの成果はライセンス数ではなく、4日後ではなく20分後に準備を終えて同じ会議へ向かう採用担当者に表れる。次に見たいのは、導入費用の請求書と、事例紹介の画面外に置かれた修正作業の山だ。