パーソナライズされたAIアイデンティティプラットフォーム「Honcho」を概観：LLMアプリに超パーソナライズ体験をもたらす方法とは？
TechFlow厳選深潮セレクト
パーソナライズされたAIアイデンティティプラットフォーム「Honcho」を概観：LLMアプリに超パーソナライズ体験をもたらす方法とは？
Plastic LabsがリリースしたHonchoプラットフォームは、「プラグアンドプレイ」方式を採用し、開発者が「車輪の再発明」をすることなく、深いユーザー像を取得できるようにすることを目的としています。
Web3業界の深掘り報道に専念し潮流を洞察著者：Daniel Barabander、Variant シニアアドバイザー兼投資パートナー
翻訳：Zen、PANews
北京時間4月11日、AIスタートアップPlastic Labsは535万ドルのPre-Seed資金調達を実施したことを発表しました。リード投資元はVariant、White Star Capital、Betaworksで、Mozilla Ventures、Seed Club Ventures、Greycroft、Differential Venturesなどが参画しました。エンジェル投資家にはScott Moore、NiMA Asghari、Thomas Howellが名を連ねています。同時に、同社のパーソナライズされたAIアイデンティティプラットフォーム「Honcho」の早期アクセスも正式に開始されました。
プロジェクトはまだ初期段階であるため、暗号コミュニティ全体がPlastic Labsについてほとんど知りません。しかし、PlasticがXを通じて上記の資金調達および製品の進展を発表したのと同時に、主要投資家の一つであるVariantのシニアアドバイザー兼投資パートナーDaniel Barabander氏も、本プロジェクトおよびHonchoプラットフォームについて詳細な解説を行いました。以下はその原文です。
大規模言語モデル（LLM）アプリケーションの台頭に伴い、ソフトウェアにおけるパーソナライゼーションのニーズはかつてないほど高まっています。こうしたアプリケーションは自然言語に依存しており、自然言語自体が会話相手によって変化します。たとえば、数学の概念を祖父母に説明するときの表現は、親や子供に説明する場合とはまったく異なります。私たちは無意識のうちに聞き手に応じて話し方を調整していますが、LLMアプリケーションも同様に「誰と話しているか」を理解できなければ、より効果的で適切な体験を提供することはできません。癒しのアシスタントであろうと、法務アシスタントであろうと、ショッピング支援であろうと、これらのアプリケーションが価値を発揮するためには、ユーザーを真に理解する必要があるのです。
しかし、パーソナライゼーションが極めて重要であるにもかかわらず、現時点ではLLMアプリケーションが利用できる即席のソリューションは存在しません。開発者はしばしば、会話ログなどの形でユーザーデータを保存し、必要なときに検索するという断片的なシステムを自前で構築せざるを得ず、結果として各チームが同じインフラを何度も再構築することになります。さらに悪いことに、「ベクトルデータベースにユーザーのやり取りを保存してリトリーバル拡張生成（RAG）を行う」といった手法では、過去の会話を思い出せるだけであり、ユーザーの興味、コミュニケーションスタイル、トーンに対する感受性といった深い特徴を真正に把握することはできません。
Plastic Labsは、Honchoというプラグアンドプレイ型のプラットフォームを提供することで、あらゆるLLMアプリケーションに簡単にパーソナライゼーションを実装できるようにします。開発者がもはやゼロからユーザーのモデリングを構築する必要はなく、Honchoを統合するだけで、豊かで永続的なユーザー像を即座に得ることができます。このユーザー像は、認知科学の先進技術を取り入れたことで、従来の方法よりもはるかに精緻であり、自然言語でのクエリにも対応しているため、LLMはユーザー像に基づいて柔軟に自身のふるまいを調整できます。
ユーザー状態管理の複雑さを抽象化することで、HonchoはLLMアプリケーションに超個別化された体験を可能にします。しかし、その意義はそれだけにとどまりません。Honchoが生成する豊かな抽象化されたユーザー像は、長年実現が困難だった「共有ユーザー・データレイヤー」の道を開くのです。
歴史的に、共有ユーザー・データレイヤーが失敗してきた理由は主に二つあります。
-
相互運用性の欠如：従来のユーザー・データは特定のユースケースに強く依存しており、アプリ間での移行が困難でした。たとえば、SNS Xはあなたがフォローしている人物に基づいてユーザーをモデリングするかもしれませんが、そのデータはLinkedInのような職業ネットワークには何の役にも立ちません。一方、Honchoが捉えるのはより高次元で汎用性の高いユーザー特性であり、あらゆるLLMアプリケーションにシームレスに活用できます。例えば、ある教育アプリが「あなたは類推を使った学習が最も効果的だ」と発見した場合、治療支援アシスタントでもその知見を活かして異なる文脈であなたと効果的にコミュニケーションを取ることができるのです。
-
即時的な価値の欠如：これまでの共有レイヤーは初期段階でアプリの導入を促すのが難しく、先行者が恩恵を受けられないため、価値あるユーザー・データを生み出す原動力になりませんでした。しかしHonchoは異なります。まず個々のアプリにおけるユーザー状態管理という「第一次の課題」を解決し、十分な数のアプリが参加した後、ネットワーク効果によって「第二次の課題」である共有レイヤーが自然に成立します。つまり新しいアプリは、パーソナライゼーションのためにHonchoを利用するだけでなく、初めから既存の共有ユーザー像を利用でき、冷始動（cold start）の問題を完全に回避できるのです。
現在、Honchoには数百のアプリがクローズドテストの待機リストに登録されており、中毒克服コーチ、教育アシスタント、読書支援、ECツールなど多岐にわたるユースケースが含まれています。チームの戦略は、まずアプリケーションが直面するユーザー状態管理という根本的な課題に集中し、その後、参加を希望するアプリに対して徐々に共有データレイヤーを提供していくことです。このレイヤーは暗号経済インセンティブを採用します。早期に参加したアプリには所有権のシェアが付与され、成長による利益を共有できます。また、ブロックチェーンの仕組みにより、システムは非中央集権的で信頼できるものとなり、中央機関による価値の搾取や競合製品の開発といった懸念を排除します。
Variantは、Plastic LabsのチームがLLM駆動型ソフトウェアにおけるユーザー・モデリングの課題を解決する能力を持っていると信じています。このチームは、パーソナライズされたチャット型学習支援アプリ「Bloom」を開発する中で、「アプリが学生そのものやその学習スタイルを真に理解できない」という課題を自ら体験しました。Honchoはまさにこの洞察から生まれたものであり、すべてのLLMアプリ開発者がいずれ直面する必然的な課題に正面から取り組んでいるのです。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
Variant
