20170221 cnet live講演資料

© 2017 Retrieva, Inc.

コールセンターの効率と戦略性を向上させるAI ソリューション株式会社レトリバ

西鳥羽二郎• 2006 年株式会社 Preferred Infrastructure 創業メンバーとし

て参画• プロトタイプ開発• プロフェッショナルサービス• 研究開発

• 2016 年 11 月に株式会社レトリバ創業メンバーとして参画• 取締役 ( 研究開発面 )• リサーチャー

• 自然言語処理• 音声認識

© 2017 Retrieva, Inc. 2

アジェンダ• 会社概要• コールセンターの現状と課題• コールセンターの効率向上 AI ソリューションご紹介• コールセンターの戦略性向上 AI ソリューションご紹介• 研究開発と今後の展望


会社概要


会社名設立

所在地取締役従業員

ミッション事業内容

株式会社レトリバ2016 年 8 月東京都千代田区富士見 1-12-1 　 Q-DAN1991 ビル 4F

代表取締役社長　河原　　一哉取締役　　　　　西鳥羽　二郎11 名（ 2017 年 1 月現在）ソフトウェア製品の開発、販売お客様の課題を最先端の技術で解決する

沿革


PreferredNetworks

PreferredInfrastructure

レトリバ

機械の作り出す情報に注力（ IoT分野に注力）

2006年 3月

2014年 3月

2016年 11月

人の作り出す情報に注力

創業以来、・機械学習・自然言語処理・検索／レコメンドに注力。

会社概要：理念


お客様の課題を解決するお客様の課題を解決するために、最適な技術を提供します。

最先端の技術に挑戦する積極的に最先端の技術に対して挑戦を行い、実用化させます。

人への投資を惜しまない会社にとって最も重要な資源は人財であり、人財への投資が最も重要だと考えます。

会社概要：得意な技術（ AI 基盤技術）• 自然言語処理（ Natural Language Processing)

• コンピュータに人間の使用している言語を処理する技術• 機械学習（ Machine Learning ）

• データから学習して処理を行う技術• 深層学習（ Deep Learning ）

• 大量のデータからより複雑なことを学習して処理を行う技術• 音声認識（ Speech Recognition ）

• 音声データから人間の会話を認識する技術© 2017 Retrieva, Inc. 7

会社概要：得意な技術（要素技術）• 日本語処理：日本語の特徴に対応した自然言語処理• 自然言語分類：機械学習や深層学習で自然文を分類する技術• レコメンド：機械学習や深層学習で自然文を推薦する技術• 固有表現抽出：単語の意味を推測する技術• 未知語対応：キーワード辞書に載ってない単語を扱う技術• 自動要約：元の自然文を短く縮めてまとめる技術© 2017 Retrieva, Inc. 8

コールセンターの現状と課題


コールセンター業務概要


B2C

B2B

電話

メール

顧客

オペレーター管理者コールセンター

顧客からかかってきた電話に対してオペレーターが対応する



B2C

B2B

電話

メール

顧客

オペレーター管理者

FAQ

応対履歴

コールセンター

オペレータが回答する時に参照する情報を整備する



B2C

B2B

電話

メール

チャット

顧客

オペレーター管理者

FAQ

応対履歴

コールセンター

最近はチャネルが増えてきている

コールセンターの位置付け• コストセンター

• 結構かかる（ほとんどが人件費）• オペレーションによる改善に限界がある

•付加価値が提供しにくい• 本来だったら情報集まってるのに記録しているだけで活用できてない• 集まってるデータを活用すれば戦略的な意味（サービス向上、新製品開発、問題早期発見）があるのに。。。

• トレードオフ• 意味のあるデータを収集　→　コスト高• コスト削減　→　意味のあるデータが収集できない


コールセンターの現状と課題：生産性


習熟度による処理時間の推移

0ヶ月 6ヶ月 12ヶ月 18ヶ月0

100 200 300 400 500 600 700 800 900

1,000 対応時間約 65%減

(単位：秒 )

出所：@コールセンター .jp

（某金融系コールセンターでの事例）採用後の残存人員数推移

採用時 1年目 2年目 3年目

100.0%81.9%

67.1%54.9%

出所：仁田道夫「コールセンターの雇用と人材育成に関する国際比較調査」

（離職率データを元に作成）

3年後離職率 3割

出所：コールセンタージャパン

有効求人倍率推移（非正規社員）

13年 6月 16年 7月

1.0

1.7企業から見た倍率が 1.7倍

応対には熟練が必要定着率が低い職場人員補充が困難

生産性を維持することが困難立ち上げ支援が必要人員不足が深刻化

コールセンターの現状と課題：データ


非構造化データ

既存ツールでの分析が困難

属人化した作業

データの品質に揺らぎがある

データ量が多い

人による分析が困難

データの種類データの分類データの量• 応対履歴

• テキストデータ• 記述ルールなし• メモ内容は任意

• 音声録音データ• エビデンス用• 書き起こし無し• 音質悪い

• 分類カテゴリ• カテゴリ設計が困難• 分類ルールが複雑• 抜け漏れがある

• 分類作業• オペレータの主観• 教育不足• 入力サボり

• １日の発生数• １人あたり 30 - 100件• 全体で１日で数千件

• 分析作業• 応対履歴を読む• 業務知識が必要• 負担が大きい

コールセンターの現状と課題：対策


生産性を維持することが困難立ち上げ支援が必要

人員不足が深刻化

既存ツールでの分析が困難データの品質に揺らぎがある

人による分析が困難

AI によるオペレーター支援

AI によるデータ分析支援

コールセンターの効率向上 AI ソリューションAnswer Finder ご紹介


Answer Finder ：概要


①問い合わせ ②問い合わせ内容を入力

④回答候補をアウトプット⑤回答

利用の概要

顧客オペレーター

以前購入した携帯（機種名： XXXX ）の画面がチラつくのですが？以前購入した携帯（機種名： XXXX ）の画面がチラつくのですが？

サポートプログラムに加入の場合は、無償交換可能です。サポートプログラムに加入の場合は、無償交換可能です。

過去の回答履歴を参考に顧客に回答問い合わせ内容からAI が適切な過去の応対履歴を発見

Answer Finder ：利用イメージ


顧客対話ログ

SV

チューニング

問合せ問合せ内容を全文入力

回答を表示

顧客

問合せ

回答を表示

顧客応対

問い合せ

ベテランの応答内容をシステムから検索対応効率＆対応品質 UP ↑

過去の運用ログによる学習チューニングで精度を向上

学習＆チューニング運用

ベテランオペレーター一般オペレーター

Answer Finder ：利用画面


検索画面検索結果

• ベテランオペレーターの対話ログを学習することで誰もがベテランと同水準の応答を実現• システムの学習を進めることで自動応答も視野に

顧客からの質問を入力よく似た過去のやり取りを検索し表示

Answer Finder ：導入事例


導入前導入後

7min

2min

構成導入結果

情シス企画販売広報・・・・等

担当部門へ振り分け

②質問の全文入力 ③過去の回答事例を表示

店舗

①改善提案 ④改善提案に対する対処を回答

コールセンターの戦略性向上 AI ソリューションVoC Analyzer ご紹介


VoC Analyzer ：概要


アンケート結果

問い合わせ履歴

ソーシャルメディア

インプット

※デジタル化文章であればなんでも　インプット可能

キーワード

注目データ

類似データ

アウトプット

自然言語処理深層学習機械学習

VoC Analyzer

VoC Analyzer ：利用イメージ


顧客

オペレーター

学習データ

利用の概要

自社製品改善テーマ発見自社製品解約理由発見市場ニーズ発見　など　問合せ履歴自動分類

学習

マネジメント

マーケティング

SV

VoC Analyzer ：導入事例


利用概要

利用先インハウスのコールセンター分析対象お問い合わせ履歴

導入効果

発見経営上、重要な事象を発見

分析の狙い注目すべき問合せを抽出／分析・顧客ニーズ・製品の改善点 .... etc

効率化分析作業を 1/10〜 1/100 に削減

見える化関係者へのレポーティング・経営陣・関連部門

研究開発と今後の展望


音声認識エンジンとの連携による自動支援• 音声認識エンジンのリアルタイム機能で応対内容を自動データ

化• 応対内容から自動的に過去の応対履歴を検索→　オペレーターはキーボード入力無しに AI からの支援を得られる


音声認識の研究開発• Chainer への contribute を通じてオープンに開発をしていま

す• 最適化関数 NesterovAG• 活性化関数 ClippedReLU• 損失関数 Connectionist Temporal Classification


Torch7: Baiduが 2016 年 1 月に公開TensorFlow:

2016 年 2 月に搭載Chainer: 2015年 10 月に搭載

要約エンジンとの連携による応対履歴の自動生成• 音声認識でデータ化された応対内容から重要な応対部分を集約• 応対内容から自動的に要約された応対履歴を生成→　オペレーターの応対履歴を作成する負担を減らす


Summary

• コールセンターはコスト削減のため、効率化が求められているが、努力による改善が難しい状況。

• コールセンターには価値のある情報があるはずだが、有効活用ができていない。

• 効率化や情報の有効活用をするためには AI の活用が必須。• レトリバは最新の AI 技術でコールセンターを支援します。© 2017 Retrieva, Inc. 30


Technology

20170221 cnet live講演資料