支援対象地域:札幌、仙台、関東、愛知、関西、広島、福岡


Watson Knowledge Studioの概要について

Watson Knowledge Studioの概要について説明させていただきます。
Watson Knowledge StudioはIBM Watson製の中の一つです。 IBMは100年以上の歴史を持つ企業であり、革新と技術の進歩の歴史があります。なおかつ現在、世界で最も重要な企業の1つとして知られております。 同社は1911年にトーマスJワトソンシニアとチャールズランレットフリントによって設立されました。 同社の主な業務はスケール、時計、その他の測定機器を小売業者や製造業者に提供することであり、後に工作機械を製品ラインに追加することでした。
IBMは常にイノベーションのリーダーでありAppleとの新しいパートナーシップなど、AIの開発で多くの見出しを飾っています。

1924年、IBMは最初の自動計算機であるIBM604 Electronic Calculating Punchを導入しました。 1939年、IBMはIBM 701と呼ばれる世界初の商用コンピューターを発表してここから歴史が始まったと言っていいでしょう。
IBM WatsonはIBMが開発している世界トップシェアのAI機能を備えたプラットフォームとして機能します。 IBM Watsonは、自然言語を処理し、複数のソースからのデータを照合し、洞察を生成できる、AIを活用したコンピューターシステムです。 このコグニティブコンピューターシステムは、自然言語に関する質問に答え、与えられたトピックに関する証拠に基づいた回答を提供し、さらには新しいアイデアを生み出すために開発されました。 アプリケーションにAIを導入することで、高精度な予測の実施、意思決定とプロセスの自動化が可能になり、 従業員が時間を最大限に活用して、より価値の高い作業に集中できます。
また、アプリケーションにAIを導入することで、高精度な予測の実施、意思決定とプロセスの自動化が可能になりこともその特徴と言えるでしょう。
Watson Knowledge StudioはIBM Watsonの新しいサービスで、開発者に自然言語処理と機械学習機能を提供して、コンテンツ駆動型アプリケーションを構築します。 このスタジオは、ビジネスや開発者のニーズに合わせてカスタマイズできるスケーラブルなオープンアーキテクチャ上に構築されています。カスタマーサービス、教育、ヘルスケアなど、さまざまな業界で幅広いユースケースがあります。
このスタジオは、顧客エンゲージメントを向上させるチャットボットの作成にも使用できます。 また、医師が病気の患者を診断するのを支援するなど、さまざまな目的で使用されています。さらには学生が書いているトピックに関する正確な情報を提供することで、学生が研究論文を書くのにも役立ちます。

Watson Knowledge Studioの特徴について

Watson Knowledge Studioの特徴について説明させていただきます。
テキストに特化した直感的でわかりやすい学習支援ツールを提供するのがWatson Knowledge Studioの最大の特徴です。 そのユーザー・インターフェイスにより機械学習用の教師データを作成できるため、あらゆる専門知識のない担当者が容易に操作できる点が魅力です。
近年ではローコードやノーコードという言葉が流行しておりますが、AIに関連する知識は専門性が高く、多くの担当者が取り扱うには困難なものです。 それらをExcelやWordを操作するように作成することができる点が大きな特徴です。
具体的には、Watson Knowledge Studioでは非定型テキスト文からエンティティーやエンティティー間の関係などを認識することができます。 これらを業務固有の重要情報を抽出するアノテーターを機械学習ベースとルールベースの2つの方法で作成することができます。
IBM Watson Knowledge Studioで作成したアノテーターは、IBM Watson ExplorerおよびIBM Cloud上のDiscoveryとNatural Language Understandingから利用できます。
これらを組み合わせて活用することでより高度なAIソリューションを実現することが可能となります。

機械学習

Watson Knowledge Studioの特徴の一点目が機械学習です。
機械学習は人工知能 (AI) の一分野であり、コンピューターが明示的にプログラムしなくても学習できるようにします。これは、明示的にプログラムされていなくてもコンピューターを機能させる科学です。機械学習アルゴリズムは、ほぼすべての業界で使用されており、さまざまな種類がありますが、いずれも1つの共通点があります。それは、人間または他のアルゴリズムからのデータからトレーニングする必要があるということです。
Watson Knowledge Studioでは多くの例を与えて「モデルを作る機械学習」と、人手によって「ルールを生成するルール定義」の2つの手法で、テキストからの情報抽出器を作成できます。

構造化データ

Watson Knowledge Studioの特徴の二点目がテキストから抽出する構造化データの構成です。
冒頭でお伝えしたように、Watson Knowledge Studioではエンティティーやエンティティー間の関係などを認識し、そこから機械学習を実施します。
エンティティーとは、テキストで言及されている人、場所、または物などであり、あらゆる文脈はこれらから構成されているといってもいいでしょう。 人間であれば文脈から読み解くことができる内容であってもコンピューターが正しくそれらを把握し、処理するためには高い技術が必要となります。 エンティティーとエンティティー間のリレーションと照応関係を定義することで、非構造化データから構造化データを抽出します。

UI

Watson Knowledge Studioの特徴の三点目がUIです。
UIは、ユーザーが電子デバイスとやり取りできるようにするソフトウェアの一種です。ユーザーインターフェイスは、デバイスを使いやすくするもので、私たちがコンピューターの画面やスマートフォンの画面で見たり、触ったりするものです。 UIは、ユーザーがデバイスのすべての機能にアクセスできるようにするものであるため、デバイスの最も重要な部分です。 特にWatson Knowledge Studioのように専門家以外が多く利用するためのプラットフォームでは誰でも利用することができるUIが非常に重要となってきます。
Watson Knowledge Studioでは直感的なUIによるエディターにより、単語や属性を選んで紐付けるという簡単な作業でアノテーションを実施することが可能となります。

事例について

Max Kelsenにおける導入事例について説明させていただきます。
同社はIBM Watson Discoveryオファリングを選択して、カスタマーエクスペリエンスに関する非常に正確で詳細な洞察を提供できる新しいAIプラットフォームを強化するための洞察エンジンを構築しました。 現在では、問題を解決するために的を絞った行動をとるために必要な特定の知識を企業や政府により効果的に提供することができます。

Watson Knowledge Studioの導入後の結果としては、以下のようになっております。
一点目が市民の課題の大幅な解決です。 地方自治体が市民体験を改善するためのイニシアチブで ROIを促進するために使用した新しい洞察を確認し、97%の精度でそれらを解決することを達成しました。
二点目が短時間でのAIモデル作成です。 本来であれば時間がかかるこれらのプロセスをローコードプラットフォームを利用することで、わずか二週間程度で実現しました。 これらはコーディングを必要としないことで起動時間と費用を節約するWatsonツールを使用することにより実現しました。
三点目が価値創造です。 未調査の顧客データから正確な洞察を抽出することにより、組織に対して新しいインサイトと価値を提供することが可能となりました。

詳細

Max Kelsenの詳細と導入に関する詳しい説明をさせていただきます。
Max Kelsenのビジネスは非構造化の定性的な顧客データを調査して、カスタマーエクスペリエンスイニシアチブでより高いROIを推進するために、前例のない洞察を得ることを支援します。 これらは、AIを用いて従来のデータ収集と分析の手段では特定の問題領域を特定することができなかった情報を獲得するテクノロジーと言えます。
Max Kelsenの最高経営責任者 (CEO) 兼共同創設者であるNicholas Therkelsen-Terryは、「私たちはオムニチャネルの世界全体を見て、顧客がそのブランドの経験によっていつどこで信頼を落としている かという点についてして理解します。また、それがいつ、誰に、いつ、なぜ起こっているのかを正確に特定します」と述べています。
それだけではなく、同社のサービスはその後、ターゲットを絞ったプログラムを導入して、顧客体験を改善し、指標を向上させることができます。Max Kelsenは、構造化されていないカスタマーエクスペリエンスデータを「ダークデータ」と呼び取り扱っております。 これは、コールセンターの苦情ログ、オンライン調査、電子メールや手紙、ソーシャルメディアでの逐語的なコメントの中に眠っているためです。 この未開発のリソースは、感情やセンチメントを含む、質的で個別化された関係の側面に対する貴重な洞察を提供することにより、顧客体験のより完全で正確な全体像を明らかにすることができます。

通常、政府や企業は、CRM やその他のシステムから収集された人口統計や取引情報、製品評価、ロイヤルティメトリックなどの構造化データを分析することで、顧客満足度を測定します。 しかし、この種のデータから外挿された集計された定量的測定値は、一般に不完全な全体像を提供します。 カスタマージャーニーの各段階で顧客や市民の声を正確に解読することができず、対処が必要な問題を正確に特定することが困難になります。 その結果、組織は賢明な投資を行うことも、関係を修復および強化するための適切な措置を講じることもできません。
たとえば、多くのコールセンターでは、顧客満足度調査を使用して、ネットプロモータースコア (NPS) のロイヤルティメトリックを生成しています。 担当者が中核的な問題に適切に対処したため、ある人はコールセンターでの全体的な5段階において最悪の点数をつけることもあります。ただし、そこらか正確なフィードバックを得ることは非常に難しいというのが現実です。

Therkelsen-Terry氏は、大規模な組織の多くは、潜在的にビジネス価値はあるものの、コグニティブツールなしでは調査できない膨大な量の非構造化データをすでに保有していると説明しています。 多くの場合、外部の市場調査会社に数百万ドルを費やして、新しい定性データの収集と分析を支援しています。 しかし、投資にもかかわらず、これらの組織は依然として顧客体験の微妙で個別化された側面を活用できていません。
Max Kelsenは、AIテクノロジを使用して、より一般的に分析される量的データの基礎となる質的データを組織が活用できるようにすることで、 より費用対効果の高い正確なアプローチを提供しようとしています。同社はまず、Twitterやその他の公開ソーシャル メディア データの分析から始めました。しかし、ビジネスが拡大するにつれて、Max Kelsenは、無数の顧客とのやり取りのニュアンスとコンテキストを明らかにするために、ソース、形式、または長さに関係なく、構造化されていないプライベートデータをインテリジェントに検索する方法を検討し始めました。
ある時点で、地元の市場調査会社が顧客の1つであるオーストラリアの政府機関に代わってMax Kelsen にアプローチし、何百万人もの都市住民の安全と満足に影響を与える問題について詳細な洞察を求めました。 たとえば、調査やその他の伝統的な手段を通じて収集された市民のフィードバックは、サイクリングに対する高いレベルの怒りと欲求不満を明らかにしました。政府の指導者は、人気のあるサイクリングスポットに自転車レーンを増やすための資金を確保しています。

経緯

導入の経緯についても説明させていただきます。
すでに結果で説明させていただきましたように、Max Kelsenは、Watsonツールを使用して、97%の精度で洞察を提供する地方自治体のAIモデルを構築およびトレーニングしました。 また、モデルのアルゴリズムは、新しいデータで検出したパターンから学習できるため、時間の経過とともに精度が向上します。
Max Kelsenはこの最初のモデルを4週間以内に構築しました。チームがツールセットに慣れた今では、このプロセスはわずか2週間で完了することができます。 Irvine Caseyによると、精度レベルは使用されるデータの分散によって異なりますが、それでも非常に高いです。 「コードを書く必要がなく、これは私たちのチームにとって大きなプラスです。 アナリストはコードを書くためではなく、データを分析してレポートを書くためにここにいるからです。 また、通信、金融、政府部門のいずれであっても、信じられないほど高い精度でカスタムモデルをすばやくトレーニングできます」と彼は説明します。
また、このソリューションは、新しい調査に資金を提供する必要はなく、注釈を支援する知識の専門家を提供するだけの顧客に課せられる要求を最小限に抑えます。dMax Kelsenはかつてデータに埋もれていたの知識を使用して、世界中の企業がカスタマーエクスペリエンスを強化し、ROI を向上させる新しい機会を発見できるよう支援することができます。 Watsonで達成できる分析の深さは、以前に達成できたものをはるかに超えていると説明しており、これは確かに多くの実績に裏付けられております。

同社が政府機関に提供した無数の観察は、多くの説得力のある例を提供しました。
たとえば、当局は、サイクリングに関連する市民の怒りに関連する問題について新たな理解を得ました。 そのおかげで、ほとんどの苦情がドライバーやサイクリストではなく、歩行者から発生していることを知りました。 都市部の多くの自転車と歩行者の共有レーンを歩いている人々は、高速で移動し、時には怪我をするサイクリストに親しみを感じることがよくありました。
この洞察力を武器に、政府の指導者たちは新しいインフラに税金を投資することを避け、問題に直接対処するための費用のかからない別の措置を講じることで公的資金を節約し、市民の安全を向上させました。 「この洞察は、問題に対する人々の考え方とその対処方法を変えました」とIrvine Caseyはコメントしています。
また、別の例として、Max Kelsenはいくつかの通りに住む住民からの廃棄物管理サービスに関する苦情をマッピングしました。 従来の調査では、この分野でのパフォーマンスの低さを当局に警告していましたが、ゴミ箱が壊れていたり、追跡調査が行われていないなど、障害の原因がどこにあるのかはわかりませんでした。Max Kelsen が怒りを検出したのは、その分析が、以前はサービスエリアやチャネル全体でサイロ化されていたデータ セットの感情とセンチメントを対象としていたためです。これに対応して、政府は集配サービスに関する市民の懸念を管理し、迅速に対応するために使用するプロセスを変革しました。
Max KelsenとそのパートナーであるSherlokは、cognitiveCXプラットフォームを使用した政府機関との画期的な取り組みが評価され、2017年にBigInsights Data Innovation Awardを受賞しました。

まとめ

いかがでしたでしょうか?
Watson Knowledge Studioについて詳しく解説させていただきましたので、是非参考にしていただけましたら幸いです。