【前編】テクマトリックスとモビルスのトップ技術者が語る、コンタクトセンターシステムにおける生成AIの未来

―続いてのテーマは、海外と日本の生成AIのトレンドや投資、それに対する実行や対策の違いについてです。テクマトリックスさまには、前回の対談から半年以上経っているため、最新の海外トレンドについてお伺いできればと思っております。

町田：
先日アメリカの展示会へ視察に行ってきましたが、生成AIへの期待度は日本以上に高いと感じました。展示会の多くのセッションでは、実業務での生成AI活用と具体的な成果が出ている事例を多く耳にしましたが、同じ時期に開催された日本のイベントでは、検証段階という事例が多く、まだ実業務の活用に踏み切れていない状況が多い印象でした。

日本は生産性向上や効率化、コスト削減に対しての活用がトレンドですが、アメリカではこれらに加えて、エンパワーメントやパーソナライゼーションに対しての活用意識が非常に高いと感じました。生成AIによってオペレーターに権限や責任を与え、主体的に行動できるようにする、そして問合わせをしてきた顧客に対して、顧客の履歴や特性に基づいてカスタマイズされた特別なサポートを提供するといった活用です。こうした活用を通して、顧客満足度・ロイヤルティ向上、良好な体験として顧客体験（CX）向上に貢献していくといった考え方がトレンドになっていると思います。

導入に対する思考の違いという観点ですと、日本のお客さまやベンダーは、正確性を求める意識が非常に高く、実業務利用に対してのハードルが非常に高いと感じています。例えば、正答率は70％ではダメ、90％以上欲しいという話を良く聞きます。

アメリカの展示会でいくつかのベンダーに対して正答率やハルシネーションの取り組みを聞いたところ、「ハルシネーションが起きるのは当たり前。どの企業も生成元のソース情報を確認する仕組みを入れている」といった回答で、過度な正答率は求めず、ハルシネーションと上手に付き合っていく思考が強いと感じました。

こうした違いから、アメリカの方が導入が進み、具体的な成果を出せているのかもしれません。

一方、タイのコンタクトセンターでの活用事例はまだ確認できていない状況です。タイはファミリービジネス（家族経営）が主体で、保守的な考えを持つ会社が非常に多く、生成AIの利用を禁止している会社も少なくないようです。検証も進んでいない会社も多く、なかなか導入が進まないといった話も聞いています。誤情報の拡散を増加させる可能性や、法的責任に関する懸念、サイバーセキュリティリスクについて懸念しており、日本よりも慎重になっている印象でした。国やビジネスの成り立ちによっても導入のスタンスの違いがあり、非常に興味深く感じています。

―アメリカのパーソナライゼーションについて、具体的な使い方など詳しくお聞かせいただけますか？

町田：
例えば問合わせをしてきた人の属性、住んでいる地域や年齢、過去の問合わせ内容を元に最適な回答をするためのサジェストを出すといった使い方をしています。

オペレーター支援の観点だけでなく、問合わせをするお客さまにとっても、自分のことを分かってくれているという特別感を感じます。それによって、顧客体験（CX）・顧客満足（CS）が向上したという話をしていたセッションが多かったです。

ウズン氏：
日本ではまずハルシネーションが懸念されるため、実業務での活用まで行かず検証段階から進まないことが多いです。私もアメリカの考え方と同じで、生成AIは解決のための手段の一つなので、ハルシネーションが起こることを前提とした運用を考えた方がスムーズに進むと思っています。

―続いて、生成AIの開発で分かってきたことについてお聞かせください。

ウズン氏：
一言でいうと、生成AIは文脈の理解に非常に優れている技術だということです。例えば、今までのAIは文脈を理解せずキーワードを元に質問の文章を予測して回答していましたが、生成AIは文脈を理解して回答を導くことができます。生成AIは文脈を理解することで、要約生成、FAQ生成、VOC分析、コード生成といった領域を得意とすることが分かってきました。

コード生成に関しては、プロダクトにそのまま実装することはなく、アイディア補助として使うイメージです。コード生成でもハルシネーションの問題があり、生成AIが作ったコードを使ってバグが生じることもありますが、普段からコードを書いているエンジニアは間違いに気付き修正できるのでそこまで問題にはなりません。生成AIを使ってデータ解析をしたあと、開発者の確認フローがあるので、ハルシネーションが問題にならないのです。

町田：
テクマトリックスでも開発業務で使うことはありますが、プロダクトに埋め込むコードをAIがゼロから作ることはしていません。急ぎの依頼など、スポット的に使います。例えば、100種類あるデータを急ぎで加工しないといけない際に生成AIを活用したところ、一週間10人稼働を想定していた作業量が、一時間で完了し納期内に収めることができました。大幅な作業時間の削減ができ、生産性が上がり助かっています。

開発者は、出てきたものの正当性を判断できる人が多いと思うので、開発業務で生成AIの活用が広まっていると思います。コンタクトセンター業務では、生成AIが出した回答が適しているか判断がつかない方が多いことが、一番の課題だと感じています。

―生成AI開発で分かってきたこととして、不得意な領域についてお聞きしたいです。開発する中での苦労点やこういう点が生成AIは苦手だと感じたことはありますか？

ウズン氏：
ハルシネーションによる誤訳の問題のほか、生成AIのアウトプットの評価も難しい点です。生成AIにも波があり、熟練のオペレーターでも出せないような回答を出す一方で、小学生でも出さないような回答を出すこともあります。

町田：
生成AIが出すアウトプットについてお客さまに評価いただく際に、人によってばらつきが多い印象です。これで良いという方もいれば、全然だめだという方もいます。生成AIが良い回答を出してくれるときとそうでないときがあるのは、質問力の差です。

人間間のコミュニケーションにおいても、質問力は重要なスキルであり、質問に関する背景や前提条件が足りていないと、正しい回答が出来ない場合があると思います。これは生成AIも一緒です。人間の場合は背景や前提条件を理解していることが多かったり、行間を読み足りていない部分を補完する能力がありますので、質問者の質問力が足りない場合でもそれを回答者が補うことができます。

一方で生成AI回答の良し悪しは質問力に対する依存度が非常に高いです。生成AIは行間を読み取る能力や補完能力が人間より低く、与えられた情報に対して生成を行いますので、背景や前提条件を伝えることが出来ないと期待するアウトプットを得る事が出来ないということが多く、質問力の重要性がわかってきました。

ウズン氏：
「MooA」を利用しているお客さまには、どういったタイプの質問をすると生成AIが回答しやすいかお伝えしています。例えば、Google検索のようにキーワードだけを書くのではなく、生成AIは文脈を理解できるので文章で背景情報など含めて質問すると求めている回答を得やすいといったことです。

町田：
キーワードだけで問合わせするような方が多いという印象は私も持っています。オペレーターが使うだけでなく、エンドユーザーがチャットボットで生成AIに自然文で問合わせできるといった取り組みにチャレンジしていますが、「自然文で書いてください」と説明しても、「解約方法」「料金確認」などキーワードのみを入力する方も多いです。文章で書くことを面倒に感じる方も多いのかもしれません。

そういった方たちに対して、入力したキーワードがどういう意図のものなのか自動で補完するようなシステム開発にも取り組んでいかなければと考えています。

＜後編に続く：【後編】生成AIがデータの有効活用を促進、価値を生み出すコンタクトセンターへ。テクマトリックスとモビルスのトップ技術者対談＞