Watson Assistantとは?詳しく解説します
コンタクトセンターとIBM
IBMが開発したWatson Assistantは、状況に応じて顧客を理解する人工知能を活用し、あらゆるアプリケーション、デバイス、チャネルにわたって、迅速かつ一貫性のある正確な回答を提供します。
この信頼できる先進のAIを使用することで、長い待ち時間、面倒な検索、役に立たないチャットボットへの不満を解消できます。
AIは、コンピューターサイエンスの一分野として扱われます。その領域はインテリジェントエージェントとして環境を認識し、効率的なアクションを実行するシステムの研究と設計を扱います。
現在研究開発されている人工知能は、機械、特にコンピューターシステムによる人間の知能プロセスのシミュレーションです。
これは、コンピューターを使用して人間の音声、画像認識、意思決定、および言語翻訳を理解するというタスクを実行し、人間もしくはそれと同様の意思決定や判断を支援するためのプロセスとして扱われます。
このような人工知能は何十年も前から存在していますが、主流メディアで話題になっているのはごく最近のことです。AIアプリケーションが有効な点については理解しておりましたが、それらがビジネスにおいて導入されるためのハードルが高かったことなどがその理由です。
ただし近年にはおいてはあらゆるビジネスにおいて人工知能のテクノロジーが導入されており、今後も拡大しておくことは間違いありません。コンタクトセンターにおいては、IBM Watsonを導入する企業が非常に多く、大手企業を始めとして多くの
企業に導入されております。
IBMと最新のテクノロジー
最も代表的な例がIoTです。
IoTとはインターネットに接続され、データを収集および交換できる物理オブジェクトのネットワークを指す用語で、インターネットに接続された物理オブジェクトのネットワークであり、データを収集および交換することが可能となります。
これらのテクノロジーは家電製品、自動車、さらには衣類などのデバイスを相互接続できるので、特定のニーズや好みを持つ消費者向けに、よりカスタマイズされた製品やサービスが可能になります。 さらに、ロジスティクスと流通に関連するコストを削減することで、企業がコストを節約するのに役立ちます。 IoTは、マーケティング目的で使用できる顧客満足度に関するリアルタイムのフィードバックを提供することにより、企業が顧客サービスを改善するのに役立ちます。IoTという概念は何年も前から存在していました。ただし、注目を浴びるようになったのは最近であり、テクノロジーの発展によって、より直接的に生活に影響を与えて普及してきたことがその理由の一つです。このテクノロジーは、ヘルスケア、物流、製造、小売、輸送、セキュリティなどの多くの業界ですでに実装されており我々の生活に影響を与えております。物流によるサプライチェーンの革新もその一つと言えるでしょう。
IoTは、マーケティング目的で使用できる顧客満足度に関するリアルタイムのフィードバックを提供することにより、企業が顧客サービスを改善するのに役立ちます。
人工知能のテクノロジーの発展とサプライチェーンビジネスの効率化は非常に密接な関係により構築されております。人口知能のテクノロジーは従来では可視化することができなかったサプライチェーンにおける非効率化を是正し、ビジネスを最適化することが可能です。これらのテクノロジーは企業がロジスティクスを管理する方法の改善に繋がり、 サプライチェーンの様相を変えています。具体的にはタスクの自動化、効率の向上、顧客サービスの向上など多くのサプライチェーンの局面に対して改善を実現し、無駄なコストを削減することを実現しております。
企業がサプライチェーンに統合する主な利点は、コストを削減し、効率を高め、顧客サービスを向上させることです。
最もわかりやすい例がAIを使用して、配信のスケジュール設定やルートの最適化などのタスクを自動化することです。従来であれば人が目視をして確認をするなどの工数がかかっていた工程を人工知能によって自動化することが可能となりました。
また、在庫レベルを監視し、企業が在庫切れを回避するというというのも代表的な人工知能の利用方法です。
これらはサプライチェーンにおいて、製品の需要を予測するためにも使用できます。
IBMにおけるサービスとしてIBM Sterling Supply Chain Business Networkがそれらの代表的なサービスと言えるでしょう。
IBM Sterling Supply Chain Business Networkのブロックチェーンを活用することにより IT部門とビジネス部門のユーザーがリアルタイムで適切な情報にアクセスすることが可能となります。
この機能は客観的なデータにより迅速かつ十分な情報に基づいた意思決定を実現し、 顧客、仕入先、取引先との取引ライフサイクルを改善することができます。
それだけでなく、AIを活用した自然言語・会話型検索技術により、ビジネスユーザーは任意の質問を行い、
それに対する必要な回答や情報を獲得することが可能となりサプライチェーンをより最適化、効率化することができます。
具体例
三井住友銀行は2017年に、コールセンターにIBM WatsonのWatson Explorerを導入したと発表しました。
Watson Explorerは、高度な自然言語処理 (NLP) や機械学習 (ML) に基づくコグニティブ・コンピューティングにより、基本検索から自然かつ累積的に進化したコンポーネントを導入しています。
これによりコンタクトセンターにおいて重要である情報や業務に関する洞察を配信する際の速度と正確度を向上させて業務の効率向上を実現します。
Watson Explorerでは検索とコンテンツ分析が組み合わされており、ユーザーは、構造化されていない情報を見つけて理解し、より効率的に処理することが可能となります。また、インパクト・ポイントでより優れた信頼できる意思決定を行えるようになります。
Watson Explorerにおける重要な機能および役割は以下の三点となります。
一点目がコグニティブ探索です。Watson Explorerのコグニティブ探索はすべての組織のデータを形式、格納場所、管理場所にかかわらず、安全に接続および検索することを可能とします。
二点目がコグニティブ洞察となります。Watson Explorerのコグニティブ洞察は、仮説に頼らない検出を使用した高度なコンテンツ分析により、構造化されていないダーク・データからの洞察を得られます。
三点目がコグニティブ・アドバイスです。Watson Explorerのコグニティブ・アドバイスはそのシステムにより、ディスカバリー・プロセスの次のステップでアドバイスが提供されます。
具体的にはWatson Explorer を使用すると、以下の新規コンポーネントが導入されます。
コンテンツ管理のために利用されるのがWatson Explorer Admin Consoleという機能です。この機能では分析担当者が使用するデータ・セットやコレクションを作成し、アノテーターや分類器を定義し、クローラーを起動してコレクションを索引付けする管理者のためのコーポネントとして機能します。
また、コンテンツのマイニングのために、Watson Explorer Content Minerが利用されます。これは、分析担当者がコレクションの分析や作成に使用するツールです。バージョン 12.0.2 以降のバージョンに適用されるコグニティブ検索アプリケーションを構築する場合、データ・サイエンティストやアプリケーション開発者は、
コグニティブ検索アプリケーションを作成するツールとしてWatson Explorer oneWEX Application Builderが利用されることになります。
三井住友銀行は2014年に日本の銀行として初めてIBM Watsonを導入した歴史も持ちます。
その後もコールセンター業務におけるオペレーターのサポートツールとして同行の業務を担ってきました。海外の企業においては多くの導入されているIBM Watsonを積極的に活用し業務の効率化を担っております。
例えば、IBM Watsonを海外からの与信に関する照会を活用することで時差や生産性の向上を図るなどが実施されております。
以上が簡単ではありますがWatson Explorerに関する説明とさせていただきます。
WatsonAssistantと統合
Watson Assistantは様々なコンタクトセンタープラットフォームとスムーズに統合することで、その機能を発揮することができるようになります。特に、GenesysやNICE in Contactを含むSIPプロトコルを使用するほぼすべての主要なコンタクトセンタープラットフォームにコーディングなしで統合することは大きな特徴です。
現在、 Watson Assistantのノーコードインターフェイスで構築された音声アシスタントは、コールセンター内の顧客からの電話に応答して、最初の連絡先の解決を高め、保留時間を短縮し、必要に応じて人間のエージェントに渡すことができます。この改善は、主要なCPaaS(Communications Platform as a Service)プロバイダーであるIntelePeerとのコラボレーションで可能になります。さらに、Watson Assistantは、SIPプロトコルを使用する任意のコンタクトセンタープラットフォーム上のヒューマンエージェントが中断した会話をピックアップできるようにするエージェントアプリアドオンオプションを提供するようになりました。
これらのエージェントアプリは、ユーザーとWatson Assistantの間の完全な会話履歴を表示するため、発信者もエージェントも最初から開始することはありません。アドオンオプションをリリースして、AIを利用した電話サポートの基本的な課題である最初の連絡先の解決に対処しました。
従来の対話型音声応答システム(IVR)では、ユーザーはプッシュホンでナビゲートする必要がありましたが、このサービスは課題も多く、顧客満足度が高いものとは言えないケースも少なくありませんでした。発信者は予定な手間をかけず、1回の呼び出しで問題を解決することが目的なのですが従来のプッシュホンやコンタクトセンターにおいてはそれらを実現することは簡単ではありません。
Watson Assistantは、コーディングなしでわずか30分で接続し、アシスタントをテストして起動するための電話番号をすばやく提供し、エンジニアの助けを借りずにコンタクトセンタープラットフォームに接続する機能を備えて設計されています。これにより、コンタクトセンターの管理者は、コーディングなしでAIを利用したボイスボットを作成し、数分で電話番号をプロビジョニングしてアシスタントをテストおよび起動できます。
また、CPaaSとして有名なGenesysとの統合は企業にとって大きな意味をもちます。
Genesysは、従来のコンタクトセンターのハードウェアに代わるクラウドベースの製品を提供しているため、
あらゆる規模の企業がクラウドで電話サポート部門を簡単に開始することができます。
IBMでは、すでにGenesysを使用している、またはオンプレミスのコンタクトセンターをGenesysのクラウドベースのプラットフォームに移行することを検討している多くのクライアントに対して最適なソリューションを提供することが可能です。
システムが接続されると、Watson Assistantは電話に応答し、AIを利用したボイスボットでサポートを提供できます。ボイスボットの利点は24時間年中無休で電話に応答できることで、発信者は営業時間に制限されず利用することができます。パンデミックの際に明らかになったように、コンタクトセンターは、大量の期間中にボイスボットからのバックアップが必要です。
また、IBMの音声検出と自然言語理解には、プッシュホン式電話ツリーなどの手間は不要となります。
発信者が人間と話すように要求した場合、Watson Assistantはその通話をGenesysコールディスパッチャに渡し、
そこでエージェントはWatson Assistantが中断した会話をピックアップできます。
従来のプロセスですとクライアントはシステムをセットアップするためにテレフォニーエンジニアと専門家のチームを必要としており、これらの構築に数週間かかることもありました。現在、Watson Assistantは、最新のIVRおよびコンタクトセンターとの互換性が高くなっています。
さらに、統合によって多くのソリューションとの接続が実現する点も大きな特徴です。NICE in ContactやFive9など、他にも優れたクラウドベースのコンタクトセンターソリューションがあります。
オンプレミスバージョンを好む顧客に対しては、それらを提供することも可能です。Watson Assistantは、これらのプラットフォームに接続でき、SIPトランキングを使用する実質的にすべてのコンタクトセンターソリューションに接続できます。
Watson Assistantによる電話アドオンオプションは、インターネット経由の音声通話を可能にする業界標準であるSIPトランキングに基づいて構築されています。
これは、公開されているSIPトランクを開くことができるコールセンタープラットフォームは、WatsonAssistantと簡単に統合できることを意味します。
以上がWatson Assistantと統合に関する説明とさせていただきます。
Watson Assistantの概要について
Watson Assistantはコンタクトセンターにおいて非常に重要な役割を持つサービスの一つで、人工知能を利用したサービスである点が最大の特徴となります。
現在、コンタクトセンターにおいては人工知能のテクノロジーが非常に重要ですが、それらはまだまだ課題が残ります。これらの課題に対してWatson Assistantを利用することで解決することが可能です。
WatsonAssistantは、よくある問い合わせと複雑な問い合わせの両方に対する回答を自動化することにより、コストを削減し、担当者は同じ質問ではなく、より複雑な問題に専念することができます。
また、それらを実現するためにWatson Assistantの優位性や高いテクノロジーが役立っております。
今日、仮想アシスタントに対するお客様の要望はますます高まっていますが、複雑化するビジネスにおいて決まった回答しかできないシンプルなチャット・ボットでは、こうした要望に対応することが難しくないっているという現実があります。
WatsonAssistantは、高度な機械学習技術と自然言語処理(NLP)を用いて、カスタマー・エクスペリエンスを向上させ、Webサイトから入手する基本的な情報の伝達にとどまらない、はるかに多くのことを成し遂げます。予約変更、荷物追跡、残高確認の際にお客様をサポートすることができます。相手が誰であるかを記憶し、過去のやりとりに基づき、情報を表示できす。
Watson Assistantは、機械学習を用いて、お客様をさらに詳しく理解するためフォローアップの質問をし、必要に応じて、同じチャネル内で人間の担当者に切り替えることができます。
詳細な機能について
Watson Assistantのノーコードインターフェイスで構築された音声アシスタントは、コールセンター内の顧客からの電話に応答して、最初の連絡先の解決を高め、保留時間を短縮し、必要に応じて人間のエージェントに渡すことができます。
この改善は、主要なCPaaS(Communications Platform as a Service)プロバイダーであるIntelePeerとのコラボレーションのおかげで可能になります。
CPaaSの市場はクラウドの発展により成長している分野であり、
コンタクトセンターやのようにお客様との接点を多くもつ企業にとっては非常に重要なテクノロジーとして
大きな注目を集めております。
特に、企業と顧客や消費者を繋ぐコミュニケーションにおいては、コミュニケーション方法の多様化や高度化が進んでいる分野です。
クラウドのテクノロジーはあらゆる産業に普及してきておりますが、コンタクトセンターにおいてはお客様との接点をもつ際のサービスの質が非常に重要になってきます。
一方で、お客様や消費者とのコミュニケーションを行う際には様々な課題が生まれます。
例えば、通信機能やコミュニケーションアプリの開発および連携などもその一つです。
また、スムーズにそれらをサービスに導入し、お客様の満足を高めるためにはコストだけでなく高い技術が必要になってきます。これらを自社開発や他社に委託して開発を行うことで高コストになってしまう点もその理由ですが、CPaaSのプラットフォームは多くの企業のサービスと統合し、よりサービスの質を高め組織を強力に支援します。
さて、Watson Assistantは新しい機能追加、バージョンアップなどを行い常に新しいテクノロジーにより企業やお客様の満足度を高める工夫を行っております。
近年のバージョンアップにおいては、SIPプロトコルを使用する任意のコンタクトセンタープラットフォーム上のヒューマンエージェントがWatson Assistantが中断した会話をピックアップできるようにするエージェントアプリアドオンオプションを提供するようになりました。これらのエージェントアプリは、ユーザーとWatson Assistantの間の完全な会話履歴を表示するため、発信者もエージェントも最初から開始することはありません。
これらのアドオンオプションをリリースして、AIを利用した電話サポートの基本的な課題について改善を行い、
さらに品質を高めることに成功しました。
従来の対話型音声応答システム(IVR)では、ユーザーはプッシュホンでナビゲートする必要があります。
ただしこれらの品質においては、決して高いものばかりではなくお客様の満足度を下げてしまうサービスも少なくありません。
発信者は、1回の呼び出しでなるべく時間を使わずに問題を解決したいと考えますが、それらを完全に実現することは簡単ではありません。
Watson Assistantは、コーディングなしでわずか30分で接続し、アシスタントをテストして起動するための電話番号をすばやく提供し、エンジニアの助けを借りずにコンタクトセンタープラットフォームに接続する機能を備えて設計されています。
これにより、コンタクトセンターの管理者は、コーディングなしでAIを利用したボイスボットを作成し、数分で電話番号をプロビジョニングしてアシスタントをテストおよび起動できます。
Genesysとの統合
従来のコンタクトセンターのハードウェアに代わるクラウドベースの製品を提供しているGenesysとの統合もWatson Assistantを語るうえで非常に重要なニュースの一つと言えるでしょう。
IBMでは、すでにGenesysを使用している、またはオンプレミスのコンタクトセンターをGenesysのクラウドベースのプラットフォームに移行することを検討している多くのクライアントに遭遇します。
そのため、 Watson AssistantがGenesys Multicloud CXに簡単に接続できるアドオンオプションを作成しました。
そのためコードを書く必要がなく、Watson AssistantとGenesysの両方にアクセスすることが可能です。
これらの管理者は、システムを相互に接続する構成情報を入力するだけで簡単にプロセスを完了することができます。
顧客満足度のための機能について
WatsonAssistantでは顧客満足度を高めるための多くの機能を提供しており、その最大のポイントがチャットボットの機能です。
Watson Assistantでは劣悪なカスタマーサービスを排除し、顧客満足度を高めるための
プラットフォームを提供します。つまり、お客様の情報を理解し、記憶し、それらを履歴として残して最適な行動をとることができる仮想アシスタントが求められているといっていいでしょう。
さらに、Facebookメッセンジャー・アプリ、Webサイトのチャット・ウィンドウ、電話などの手段を問わず、どのタッチ・ポイントでも同レベルのサービスを提供し、中断したところからすぐに再開できるための準備も非常に重要と言えるでしょう。
Watson Assistantは、すべてのチャネルに対応する単一ソリューションのため、企業はアシスタントを一度訓練するだけで、お客様がどこでやり取りをしていても、着実に優れたオムニチャネル体験を届けることが可能となります。
そのためには電話、Web、ソーシャル・チャネルにWatson Assistantを追加するだけでそれらを簡単に実現できます。保留にされて長く待たされたり、メニュー・オプションにダイヤルしたり、何度も転送されて混乱するといったように従来のようにお客様を待たせ顧客満足を下げるような事態を回避することが可能となります。
また、Watson Assistantは、Facebook、Slack、Intercomなどのソーシャル・メッセージング・アプリとも問題なく使えるため、お客様は現在の環境から離れることなく、アシスタントと会話することができます。
さらに、Watson Assistantでは他のプラットフォームとの統合も実現することが可能です。
現代のカスタマー・サービス体験は一度の会話だけにとどまりません。それは、カスタマー・サービス担当者、仮想アシスタント、そして増え続けるサードパーティ・アプリケーションを含む、エコシステム全体を網羅しています。Watsonは、このエコシステムに接続できるように設計されており、お客様のプラットフォームやツールと統合することで、全体的な顧客サービス体験を、最初から最後までよりスマートでシンプルなものにします。こうした流れを確立することにより顧客とお客様のやり取りを、見知らぬ相手との不規則で断片的な会話では
なく、有意義な関係と感じてもらえように高品質な内容に変化させることができます。
Watson Assistantの統合においてはSalesforce、Zendesk、Intercomなどのカスタマーケア・システムとWatsonをワン・クリックで統合することが可能です。
また、現在利用中のプラットフォームとのカスタム接続を作成したりするのも簡単に実現できます。
外部のアプリケーション、サイト、またはシステムに接続すれば、Watson Assistantを使った情報提供、テキスト翻訳、通知のトリガーなどが可能です。IBMのREST APIとそれに対応するSDKを使用して、Watsonの会話型AIでお客様独自のアプリケーションを強化することもできます。
Watson Assistantの技術について
Watson Assistantは、革新的かつ最新のIBM ResearchのNLP技術を搭載し、導入した直後においてもお客様の複雑な問い合わせや会話に対応できます。
例えば、お客様はあるトピックで会話を始め、途中で関係のない質問をし、また元の話題に戻ることがあります。Watson Assistantはこのような異なるトピックを管理し、トピックから外れた質問に対応し、元のトピックに戻って適切に対応し処理することが可能となります。
さらに、Watson Assistantは、お客様が曖昧な発言をしたときに、何度も言い直させるのではなく、内容に関する質問をすることでお客様の不満を軽減させます。それでもお客様の意図が明確でない場合、Watson Assistantはいくつかの提案を行います。
これは従来のように単純なロボットによる質問でなく、人間の言語処理能力に近い高いテクノロジーを搭載したWatson Assistantだからこそ実現可能であると言えます。
もちろんWatson Assistantが全て処理を実行できるというわけではないので、複雑な問題を解決できない場合、お客様を同じチャネル内の人間の担当者に円滑に引き継ぐことができます。
また、その音声も一つの特徴となります。 個性のないロボットのような声とぎこちなく会話をするのはお客様にとっての満足度を下げることにも 繋がります。Watson Assistantは、人間の言語を理解するだけでなく、業界の語彙、さらには、企業やコミュニティ内で利用されている独自の社内用語も学習することができます。また、方言や口語表現など、人間の言語のニュアンスを理解できるようにWatsonをカスタマイズすることも可能です。 このテクノロジーによって、より人間に近い対応を可能とし、お客様のストレスを軽減することが可能となります。
さらに、Watson Discoveryでデータを活用している点もWatson Assistantの大きな特徴です。
Watson Discoveryはテキストの検索や活用を行うための人口知能テクノロジーで、IBM Watson製品の中において構築済みアプリケーションとして提供されている最も有力なサービスの一つと言えるでしょう。
Watson Discoveryにおいては、AI搭載のエンタープライズ・サーチ・テクノロジーが、 ビジネス・データから重要な答えと洞察を引き出しユーザーの意思決定を強力にバックアップします。具体的には、テキストの「取り込み」「加工」「エンリッチ(タグ付け)」「学習」を AIが担当し、テキスト活用を行うために必要な一連の機能を搭載していることが大きな特徴となります。
Watson Discoveryで、Watson Assistantはさらにパワーアップし、高品質な処理を実行することが可能となります。例えば、対象がスプレッド・シートでも、ナレッジ・ベースでも、またはPDFなどの
非構造化データであっても、Watson Discoveryは、お客様が必要とする情報を素早く探し、引き出すことができます。このように、必ずしもアシスタントを訓練しなくとも、アシスタントの知識を拡張できる
ため、人の介入が必要な問い合わせは少なくなります。これに加えて、Watson Discoveryはユーザーが決めた間隔で情報を引き出すことができるため、どこから得る情報でも常に最新です。
Watson Assistantを利用すると、IBMの研究所で何十年もかけて行われてきたAI研究の成果を、初日から享受できるのです。その上、使えば使うほど賢くなり利便性が高まります。しかし、データ・サイエンティストや開発者だけを対象とする他のAI技術とは異なり、Watson Assistantは、誰でも仮想アシスタントを作成・修正・メンテナンスできるように設計されています。
この使いやすさは、すぐにスタートできるだけでなく、時間とともに改善および拡張できる機能を活かし、組織の短期および長期目標をサポートできることを意味します。
すぐに使えて、よりスマートにWatson Assistantには、技術系以外のユーザーでもすぐにスタートできるように、一連のツールと機能が搭載されています。ドラッグ・アンド・ドロップ操作で簡単に作成できるダイアログ・ビルダーを利用すると、お客様がある話題についてどのように話し合うかを想定した会話を設計できます。さらに、Watson Assistantには、金融サービス、通信、小売、カスタマー・サービスなど、一般的な導入事例に対応した事前定義済みのコンテンツ・パッケージも用意されています。
Watson Assistantは、すべての会話を一から作り上げるのではなく、機械学習を利用して、既存の会話記録や反復のトピックのチャット・ログをマイニングします。そして、トレーニングに使うべき質問を提案し、以前に回答した質問を使って新しい意図を生み出し、そのトピックが再度あがったときの処理を自動化することが可能となります。
以上が簡単ではありますがWatson Assistantに関する説明とさせていただきます。
Watson Assistantの特徴について
Watson Assistantの最大の特徴は人工知能を利用したチャットボットです。その特徴の一点目は理解度の高さです。
Watson Assistantのチャットボットでは、お客様からの要求を正しく理解することができます。
これは優れたNLPを、少数の例文のみで迅速にトレーニングすることによって実現しており、企業はコンタクトセンターを迅速に構築し、サービスを開始することが可能です。
特徴の二点目は対象分野への適応です。
独自のディープ・ラーニング・モデルと自動AIモデルにより、トレーニング・データとして提供された文に基づいて、お客様のビジネスの分野を自動的に検出して適応します。
Watson Assistantではこれらを高精度に行うためのロジックを構築し、ビジネスに適応させることが可能です。
三点目は柔軟な対応という点です。
具体的には回答せずにおくべき状況の判断を実行するということです。
これはWatson Assistantのチャットボットにおける無関係検出モデルにより、システムは明確に回答すべきときと、ヘルプ資料や担当者に引き継ぐべき時を判断することができます。
このような柔軟な対応によりコンタクトセンターのリソースを効率化し、業務の生産性を上げることにつながります。
四点目が平易な言葉の応答を認識できるという点です。
強力なエンティティー検出モデルは、同義語、日付、時刻、数値など、顧客からの平易な言葉での応答を、すべて文のコンテキストに照らして認識することができます。
五点目が冗長な質問の排除となります。
以前の要求で収集された情報を使用してステップをスキップし、会話を簡素化することにより、フラストレーションを軽減します。
六点目が中断なしに自然な会話を処理するという点です。
追加のセットアップなしで、あいまいな要求、トピックの変更、つづりの誤り、誤解などを、顧客と対話しながら適切に処理します。Watson Assistantは機械学習を使用して、既存のログで認識されなかった一連のトピックを特定し、新しいトピックとしてシステムに追加するために優先順位付けできるようにします。それだけでなくアシスタントのパフォーマンスに悪影響を及ぼす可能性がある、トレーニング・データ内の潜在的な重複を自動的に検出し、アラートを出します。
以上が簡単ですが
Watson Assistantの特徴についての説明とさせていただきます。
Watson AssistantとAIについて
Watson AssistantとAIについて説明させていただきます。
組織がAIの使用を拡大するにつれて、そのチームは信頼できる個々のAIソリューションを構築する必要があります。
特に、コンタクトセンターのように大規模かつ多くの顧客を相手にする場合、その効率化は非常に重要な役割を
もちます。
また、これらを実現するためにはソリューションの作成に関与するすべての人が
AIの信条を理解しそれらを適用する方法を理解する必要があります。
それだけでなく、各ソリューションを計画、作成、運用、および改訂する際に従業員を指導する必要があります。
このプロセスには2つの主要な要素があります。
一点目が教育です。正しい教育を実施することで各自が自分の役割の観点からAIを信頼でき運用することを可能とします。
これにはソリューションの設計と計画に最初から信頼性に必要なものが組み込まれていることを確認するための、専門的で人間中心のエンタープライズデザイン思考など
深い理解が求められます。
AIソリューションに関与する全従業員は、信頼性の問題(説明可能性、公平性、堅牢性、透明性、プライバシー)が彼らの役割にどのように影響し、
信頼できるソリューションを実装するかについて、現在の具体的な知識を持っている必要があります。
設計者は、信頼の懸念を計画する方法を理解し、それらの懸念を組み込んだユースケースとプロセスを定義する必要があります。
データサイエンティストは、信頼要件がデータとメソッドの選択にどのように影響するかを明確に理解する必要があります。
機械学習エンジニアは、Q / A、展開、および運用に関する信頼できる要件を理解する必要があります。
二点目がモニタリングです。開発リーダーは、ガバナンスと透明性をプロジェクト全体に組み込む必要があります。
また、すべての分野の意思決定者は、AIを信頼するために必要なことと、それがプロジェクトや実践にどのように影響するかを全体的に理解する必要があります。
IBMでは、 信頼できるAIの信条に重点を置いて、 AIに関する深い専門知識をコースと学習パスに注力することで
それらを実現しております。AIバイアスの検出と軽減、AIの透明性と AIガバナンス、 世界中で利用できるようにしたTrusted AIのオープンソースライブラリ、
および本番環境でAIを管理および監視するためのWatsonテクノロジーに関する教育を受けております。
これらの労働力ガイダンスは、AIプロジェクトが最初から信頼に関する計画を設計と計画に明示的に組み込む必要があることを意味します。
エンタープライズデザインシンキングは、AIとその信頼性に焦点を当てることに特化している場合、この目標を達成するための理想的な方法を提供します。
エンタープライズデザインシンキングは、プロジェクトの範囲を計画するための構造化されたブレーンストーミングとグループ計画の演習に依存し、
特定のビジネスニーズに計画を立て、アジャイル開発で使用される継続的な改良をサポートしながら、創造的な思考を奨励することにより、ソフトウェア開発とテクノロジー全般で人気を博しています。
エンタープライズレベルのAI目標に焦点を当てるアプローチにより、組織全体のAI戦略と実践に関する重要な洞察を得ることができます。
同様に、AIの実行とその信頼性の確保の重要な要素に焦点を当て、モデルの構築から検証、運用中の監視まで、AIライフサイクルアクティビティを計画するための基礎を提供します。
この専門的な演習は以下の点をカバーします。
一点目がデータセットの特性です。これらはAI問題の特定のキャスト、AIタスクがビジネスワークフロー全体にどのように適合するかなど、コアAIコンテンツとなります。
これらのコア要素は、データセットに関するプライバシー要件とワークフローでの結果の使用を含むように拡張されます。
二点目が堅牢性を含む精度検証要件です。ドリフトおよび敵対的な入力に対する耐性などです。
また、すべてのグループを公平に扱う、それらのグループを識別する方法、この要件がプライバシーとどのように相互作用するかなどの公平性要件も重要です。
誰が説明を使用するか、何が目的のための適切な説明を構成するかなど、説明可能性の要件も理解する必要があります。
三点目がデータセットの特性やアルゴリズムの選択です。これらはソリューションとして追跡する必要のある承認と情報を必要とするプロセスを含む、ガバナンスと透明性の要件
IBMでは、組織がAI戦略を構築し、個々のプロジェクトまたは企業全体でAIの使用を運用可能にし、拡大する際のさまざまなニーズに対応するために、エンタープライズデザインシンキングを定義しました。エンタープライズデザインシンキングの使用の拡大により、データとAIの問題を解決し、従来のエンタープライズデザインシンキングの拡張である、データとAIのエンタープライズデザインシンキングという新しい方法論を開発することができました。信頼できるAIで変革への道を歩んでいるあなたに会うために、個々の状況に応じてこれらを使用します。
組織がAIの使用を拡大するにつれて、責任を持って管理された方法でそれを行う必要性がますます高まっています。
これは、ブランドの評判、予想される規制[1,2,3]、AIの複雑さ、社会正義など、多くの補完的な力によって推進されています。これらのそれぞれだけでもAIガバナンスの必要性に値しますが、これらの力の収束により、AIガバナンスがAIを展開するすべての企業にとって重要な機能であることが明らかになります。適切なAIガバナンスがなければ、AIプロジェクトは失敗する運命にあります。
AIガバナンス
また、Watson AssistantとAIを理解するうえで重要な点がAIガバナンスです。 AIガバナンスは、ポリシーを定義し、組織内でのAIシステムの作成と展開をガイドする説明責任を確立するプロセスです。 AIガバナンスプロセスの一部としてAIモデルのメタデータをキャプチャして管理することで、AIシステムの構築方法と展開方法に透明性がもたらされます。 これは、ほとんどの規制上の懸念事項の重要な要件として機能します。 AIガバナンスが正しく行われことで組織はビジネスの速度を落とすのではなく、敏捷性と完全な信頼をもって運営できるようになります。 組織がAIを導入して既存または新規のビジネスワークフローを自動化し、市場投入までの時間を短縮できるようになるメリットは非常に大きいと言えますが、それを支えるのがAIガバナンスです。 これらは信頼できるビジネス成果を生み出す方法のあらゆる段階で、AIを活用可能とします。AIを活用した自動化は、新規または既存のクライアントオファーのエンドツーエンドのエクスペリエンスを促進します。 それだけでなくデータプロファイリングやポリシー施行からモデル開発およびモデルリスク管理までのガバナンスは、組織の信頼を社内外に根付かせます。
AIガバナンスを実現するには、いくつかの条件や設定が必要となりますので、
企業はそれに備え準備を行い実践する必要があります。
一点目がガバナンスリーダーに、組織のポリシーを設定し、説明責任を確立するために必要な情報を提供する組織構造です。
二点目が上記のこの情報を収集し、ガバナンスリーダーによって指定されたポリシーを適用することでえす。
また、これらを消費可能なカスタマイズされた方法でこの情報に関係者がアクセスできるようにする、強化されたAIライフサイクルが
必要になります。
上記を実施することで企業は管理されたAIから多くのリターンを獲得し、組織を効率的に運営することが可能となります。
具体的には以下の通りです。AIライフサイクル全体でキャプチャされたメタデータから可視性と自動化されたドキュメントを取得します。
メタデータの分析を通じて学んだベストプラクティスからの結果と効率を改善します。
AIの開発と展開のライフサイクル中に、一貫したポリシーを確立して実施します。
データサイエンティスト、AIエンジニア、開発者、およびAIライフサイクルを形成するその他の利害関係者間のコミュニケーションとコラボレーションを促進します。
すべてのアクティビティを一元化された包括的なビューで、AIを大規模に構築します。
AIガバナンスの価値をさらに理解するために、AIライフサイクルのガバナンスに焦点を当てた単純な成熟度モデルを提供します。
それぞれの習熟度モデルについて説明させていただきます。
レベル0では、AIライフサイクルガバナンスなしという状態です。
このレベルでは、各AI開発チームが独自のツールを使用しており、AIの開発または展開に関する文書化された中央ポリシーが
ない状態です。
このアプローチは多く企業にとって一般的と言える状態です。
ただし、これらのモデルを本番環境に展開する場合、ビジネスに重大なリスクをもたらす可能性がある点について理解する
必要があります。このレベルにおいては枠組みがないため、リスクの原因を評価することすら不可能です。
そのため、このレベルの企業は、AIプラクティスのスケーリングが難しいと感じる傾向があります。
優秀なデータサイエンティストを採用しても、一貫性がないためにAIの生産性が大きく向上することはありません。
レベル1ではAIライフサイクルガバナンスを導くために利用可能なAIポリシーが設定されている状態です。
このレベルでは、AIを構築および展開するために、基幹業務レベルまたはエンタープライズレベル(CDOやCROなど)で作成されているAIポリシーと、
モデルを検証する前に必要な情報の一般的な定義が設定されております。
ただし、個々のAIシステムは完全な一貫性がなくサイロ化されています。
この段階では、施行を提供するための共通の監視フレームワークがないため、ポリシーを誤解し、まれにポリシーを破壊する可能性があります。
これによるリスクの可能性も高いです。このレベルの企業は、生産性の向上はあまり見られませんが、成功したAIを測定するための戦略を開発し
実行することは可能です。
レベル2ではAIライフサイクルを管理するための一般的な一連の指標が設定されている状態です。
このレベルは、許容可能なメトリックの標準セットとモデルを評価するための監視ツールを定義することにより、レベル1に基づいて構築されます。
これにより、AIチーム間の一貫性がもたらされるだけでなく、さまざまな開発ライフサイクル間でメトリックを比較できるようになります。
通常、これらのメトリックを追跡するために共通の監視フレームワークが導入され、組織内の全員が同じ方法でそれらを解釈できるようになります。
これにより、リスクのレベルが低下し、ポリシーの決定や問題が発生した場合の信頼性のトラブルシューティングに必要な情報の透明性が向上します。
このレベルの企業は通常、検証プロセス中に企業によって提示されたポリシーを支持する中央モデル検証チームを持っているため、生産性の向上が見られ始めます。
レベル3ではエンタープライズデータとAIカタログを設定している状態です。
このレベルでは、レベル2のメタデータ情報を活用して、モデルのライフサイクル内のすべての資産が、データ品質の洞察とデータの出所を備えたエンタープライズカタログ
で利用できるようにします。単一のデータとAIカタログを使用して、企業はデータ、モデル、ライフサイクルメトリック、コードパイプラインなどの完全な系統を追跡できます。
これはまた、コンプライアンス状況での完全な監査を可能にするために、モデルの多数のバージョン間の接続を確立するための基礎を築きます。
また、包括的なAIリスク評価のためのCDO/CROへの単一のビューを提供します。このレベルの企業は、AIに関連するリスクを明確に表現し、AI戦略の成功を包括的に把握することができます。
レベル4では自動検証と監視が実行される状態となります。
このレベルでは、プロセスに自動化を導入して、AIライフサイクルから情報を自動的にキャプチャします。
この情報により、データサイエンティストが自分の行動、測定、および決定を手動で文書化する負担が大幅に軽減されます。
この情報により、モデル検証チームはAIモデルに関する意思決定を行うことができ、AIベースの提案を活用することもできます。
この機能により、企業はデータとモデルのライフサイクルを文書化する際の運用作業を大幅に削減できます。
また、メトリック、メタデータ、またはデータ/モデルのバージョンが除外されているという点で、ライフサイクルに沿ったミスからリスクを取り除きます。
このレベルの企業は、AIモデルを一貫して迅速に生産できるようになるため、生産性が飛躍的に向上し始めます。
レベル5では完全に自動化されたAIライフサイクルガバナンスを実行することができます。
このレベルでは、自動化を使用して、AIモデルに企業全体のポリシーを自動的に適用します。
このフレームワークにより、エンタープライズポリシーがすべてのモデルのライフサイクルを通じて一貫して実施されることが保証されます。
この時点で、組織のAIドキュメントは、規制当局、さらに重要なことに、顧客のために、組織を通じて適切なレベルの透明性で自動的に作成されます。
これにより、チームはより手動で介入するために最もリスクの高い領域に優先順位を付けることができます。
このレベルの企業は、リスクレベルへの信頼を維持しながら、AI戦略を非常に効率的に行うことができます。
Gartnerによると責任あるAIとガバナンスに対するソリューションの徹底的な注意を評価して、
20のプロバイダーのグループのリーダーとしてWatson Studio on Cloud PakforDataを指名しました。
Watson Assistantの導入事例
Watson Assistantは金融機関などに多く導入されており実績が豊富なことは
すでにお伝えした通りですが、導入事例の一つとしてBradesco Bankを紹介させていただきます。
Bradesco Bankは、ブラジルで最大のプライベートバンクであり、ラテンアメリカでも最大の銀行の1つです。
ブラジルでは、クレジットカード、ローン、保険、その他の金融サービスなど、幅広い銀行商品やサービスを提供しています。
Bradescoグループには1,000を超える支店があり、1,200万を超える顧客がいます。この銀行は、子会社または関連会社を通じて、アルゼンチン、チリ、コロンビア、ペルー、ウルグアイなどの他の国でも運営されています。
ブラデスコは、150年以上前から存在しているブラジルの銀行です。 1884年にアマドアアギアルによって設立され、ブラジルで最大の銀行の1つに成長しました。Bradesco Bankは全国に支店を持つ大規模な金融機関であり、
普通預金、住宅ローン、クレジットカード、個人ローンなど、さまざまな商品を顧客に提供しています。銀行のスローガンは「あなたのお金のためのラブストーリー」であり、顧客のお金を世話することの重要性を強調しています。
銀行などの競争の激しいビジネスでは、顧客が素晴らしい経験を持っていなければ、競合他社に勝つことはできません。Bradesco Bankではサービスの速度を上げ、各クライアントのパーソナライズのレベルを向上させる方法を探し、Watson Assistantが選択されました。Bradesco Bankの競争相手となる企業は銀行だけでなく、新興企業やフィンテックなど最新のテクノロジーをもつケースがほとんどです。Watson Assistantを導入することで、高いパフォーマンスを発揮し競合との差別化を図ることが可能となりました。
Bradesco Bankの最初の仕事は、Watson Assistantにポルトガル語を教えることでした。
Watson Assistantは単に語学を学ぶだけでなく、ブラジルの文化、地域のアクセント、および各地域が質問する方法を理解してポルトガル語のニュアンスを習得した後、銀行業の訓練を受け、それらの業務に関する知識を獲得することができました。このチームの努力のおかげで、ワトソンはわずか5か月のトレーニングで、100%の書面による質問と83%の口頭による質問を理解することができ、さらに10か月後にはシステムはすべての質問の96%に正しく答えていました。その後、Watson Assistantの反応は、まるで人と話しているレベルまで上達することができ、同社のビジネスに大きく貢献したと言えます。現在、Watson Assistantは62の製品についてトレーニングを受けており、月に283,000の質問に95%の正解率で回答できるようになりました。残りの5%に関してはさらなる改善が必要ですが、応答時間も10分からわずか数秒に短縮されました。これは大きな進歩と言えるでしょう。
このことによって従業員は可能な限り最高の顧客体験を提供することに専念できるため、クライアントとのやり取りをより充実させることができます。Bradesco BankのAIリード、マルセロカマラは「私たちの現在のクライアントは、サービスの向上に気づき、それが新しいクライアントを引き付けています。これが銀行の規模拡大に役立ちます。」と述べております。
また、これらのAIの開発はさらなるサービスの改善に繋がります。
銀行にさらに効率と効果をもたらすために、新しい分野に人工知能を適用することでさらにイノベーションを起こします。
二つ目の導入事例として、Siemensを紹介させていただきます。
Siemensは、エンジニアリング、製造、およびサービスを提供する多国籍企業で、ヘルスケア機器と建築技術の世界最大のサプライヤーの1つです。彼らは160年以上事業を行っており、200か国以上で約37万人を雇用しています。
1847年、ヴェルナーフォンシーメンスは兄のカールと会社を設立し、後にSiemensAGになり、
電気通信や電子機器を含む他のさまざまな業界に拡大しました。 1985年に、彼らは英国の会社GECと合併して、現在Siemensplcとして知られている会社を設立しました。
2017年、Siemensの収益は790億ユーロ(920億ドル)で、世界180か国で事業を展開し、エンジニアリング、製造、サービスを提供しています。
SiemensとIBMは、CARL(Cognitive Assistant for Interactive User Relationship and Continuous Learning)と呼ばれるHRチャットボットを作成しました。
このソリューションは、ロケーション、タイム・ゾーン、言語、またはデバイスに関係なく、HR関連の質問向けに24時間体制の単一窓口を提供することで、Siemensの従業員の
支援を実現することができます。
Siemensは、デジタルトランスフォーメーションイニシアチブの一環として、自動化とAIを多くのプロセスに統合し、顧客とパートナーに卓越したサービスを提供しています。
同社では社内でそれらを使用することで、379,000人のグローバルな労働力をより適切にサポートすることに注力しており、
より従業員が快適に働くことができるための施策を掲げておりました。
これらのAIチームは、デジタルテクノロジーを使用して、場所、デバイス、時間帯に関係なく、インタラクティブなエクスペリエンスと、より迅速で正確な質問への回答を従業員に提供することを想定していました。
IBMチームとSiemensHRおよびIT部門の数人のメンバーが、3日間のIBM Enterprise Design Thinkingワークショップ中にドイツのハンブルクで会合し、これらに関する戦略的なミーティングを実施し、具体的な方針を決定しました。
まず、当初実施したことがSiemensHRイントラネットランディングページを構築することです。
これらは場所やデバイスに関係なく、すべての従業員が24時間アクセスできるコグニティブHR仮想エージェントが格納されます。
Siemensがプロジェクトをスタートした後、
IBMとシーメンスのスペシャリストが開発チームを結成し、
HRインタラクティブ仮想エージェントであるCARLを共同で作成し、継続的に進化させました。
IBMとSiemensの代表者は定期的に会合を持ち、アジャイルおよびデザイン思考の方法論に関連する創造性と迅速な反復を促進しました。
これらのアプローチは、関与するSiemensの従業員にとっては新しいものでしたが、同社ではすぐにこれらの原則を学び、受け入れ、グループのメンバーはすぐに強力なチームの絆を築きました。
「開発チームの会議では、SiemensとIBMの従業員、またはITとHRの担当者を区別できませんでした」とIBM Global Business ServicesのアソシエイトパートナーであるJoerg Bruecknerは述べています。
「アジャイルでデザイン思考のフレームワークを一貫して使用することと組み合わされた強力なチームスピリットは、
CARLを非常に迅速に作成するために不可欠だったと思います。」とも説明を
行っていることから、強力なチームワークとテクノロジーがこれらのサービスの品質を引き上げたと言えるでしょう。
開発チームは最初に、CARLのホームとなるもの、
つまりSiemensとIBMの間のITランドスケープを接続する新しいSiemensHRランディングページを構築しました。
次に、チームは、SiemensHRの要件を満たす機能と属性を備えたCARLを設計するという複雑なタスクに焦点を合わせました。
CARLは、最終的にはすべてのSiemens
の場所でHR関連のすべての質問に対する単一の連絡先として機能するため、そのアーキテクチャには前例のないスケーラビリティと適応性が必要でした。
しかし、チームがCARLを共同開発してからわずか3か月後に、
ドイツとオーストリアのシーメンスにある12万人の従業員に向けて実装を完成させたのです。
開発チームは、デザイン思考の実践に沿って、CARL作成する際のユーザーエクスペリエンスを優先しました。
当初、ドイツのシーメンスの従業員が最も頻繁に尋ねた5つのトピックに対処するようにチャットボットをプログラムし、これらのトピックには、病気休暇、休暇、旅行計画、共有マッチング、継続的な教育とトレーニングが含まれていました。
しかし、CARLのアーキテクチャは当初から、他のシーメンスサイトに拡張するにつれて、増加するユーザー、言語、トピックに対応するために簡単に拡張および適応できるように設計されていました。
CARLのチャット機能はIBM Cloudで実行され、
Watson AssistantとWatson Discoveryがコアコンポーネントとして使用されます。
チャットボットの最もユニークな機能の1つは、コンテンツ管理システムとして機能する組み込みの管理パネルです。
このパネルにより、Siemens HRスタッフは、ITサポートを必要とせずに、さまざまなトピックを迅速に実装できます。
この機能により、すべてのSiemensの場所で、従業員の固有のニーズに基づいて、CARL
のバージョンをすばやく構成およびカスタマイズできます。
最後にHumanaの事例について説明させていただきます。
米国最大の保険会社の1つであるHumanaは、メディケアサプリメント、健康保険、歯科保険、眼科保険、
薬局の保険を全国の1,300万人以上の顧客に提供しています。
これらの分野は複雑かつ専門的な知識が必要とされるため、顧客対応の効率化やサービスの質の向上が
重要視される一方でそれらを実現することは決して簡単ではありません。
複雑で非常に重要な分野で差別化するために、ヘルスケアおよび保険会社は、顧客サービスと顧客維持を改善するために継続的に革新する必要があります。消費者は、いつでもどこでも、クエリに対する迅速で正確な回答を受け取ることを期待しています。Humanaは、費用のかかるサービス前の電話を減らし、会話型AIでプロバイダーのエクスペリエンスを向上させました。
医療従事者は、Humanaの音声エージェントを利用して、コンタクトセンターの担当者につながるのを待つことなく、
患者の保険対象範囲に関する情報を入手し、問い合わせを約2分間で完了することができます。
コンタクトセンターにおいて、Watson Assistantが非常に重要な活躍を行うことが出来る点については
すでに本文で紹介させていただいた通りです。
プロバイダーは、ユーザーの期待に応えるために、提供するサービスを再考することをますます余儀なくされています。
また、従来のシステムのおいて高品質なサービスを実現することは難しくそれらを
AIによるテクノロジーが大きく変化させた事例とも言えるでしょう。
従来導入していたHumanaの対話型音声応答(IVR)システムは、非常に多くの通話をエージェントに転送していましたが、会社とその顧客満足度スコアに莫大なコストがかかっていたという課題があります。
従来型のビジネスフローだと、医療管理スタッフはHumanaメンバーの健康保険の特典と適格性について、電話でHumanaに確認を求めていました。Humanaはこれらの毎月100万件を超えるプロバイダーからの電話を受けており、それらに対処する必要がありました。さらに、ほとんどの発信者は対話型音声応答(IVR)システムをオプトアウトしておりました。その後、Humanaが電話で契約したアウトソーシングされたコールセンターに転送されて処理が実施されておりました。この従来型のビジネスフローの問題の多くは、呼び出しの過半数以上が明確に定義された回答を含む、日常的で具体的なサービス前の質問に関連したということです。
これらの問題に効率よく対処し、増え続けるユーザーの期待に応えるために、Humanaはいくつかの戦略的な選択を実施する必要がありました。
Humana Provider Services Innovation(PSI)チームは、これらのコストのかかるサービス前の電話に適切に対応し、プロバイダーのエクスペリエンスを向上させるソリューションを見つける責任を負っていました。
その結果として、HumanaはエンタープライズAIの業界リーダーであるWatsonとのコラボレーションを選択し、IBMのData and AI Expert Labs&Learning(DAELL)とのコラボレーションを開始しました。
3か月の概念実証の後、ヒューマナとIBMは、ワトソンとのプロバイダーサービス会話型音声エージェントとなるものの開発を開始しました。
このソリューションは、複数のWatsonアプリケーションを単一の会話型アシスタントに組み合わせてIBMクラウドで実行し、Watson Assistant for Voice InteractionはHumanaのオンプレミスで実行されます。
Humana's Voice Agent with Watsonは、医療提供者の管理スタッフが、実際のエージェントと話すことなく、
サービス前、医療資格、検証、承認、および紹介情報にアクセスするための、より速く、より親しみやすく、より一貫した方法を提供します。
このソリューションは、AIを利用してプロバイダーの呼び出しの意図を理解し、プロバイダーがシステムとメンバーの情報へのアクセスを許可されていることを確認してから、
要求された情報を提供する最善の方法を決定します。
Voice Assistantは、7つの言語モデルと2つの音響モデルを使用して、大幅な音声のカスタマイズを使用します。
それぞれのモデルは、Humanaによって収集された特定のタイプのユーザー入力を対象として実行されます。
これによって、顧客に対してより高品質なサービスを提供することを可能としました。
具体的に、このソリューションは音声カスタマイズトレーニングを通じて、重要なデータ入力で平均90〜95%の文エラー率の精度レベルを達成しております。
実装は、適格性、利益、請求、承認、および紹介の主要なグループ内のいくつかのサブインテントを処理し、Humanaがこれまで答えることができなかった質問に迅速に答えることを可能にします。
以前の対話型音声応答(IVR)システムでは、必要情報の提供のため多くのファックス通信が必要であり
コストや時間が非常にかかるものでした。これらのソリューションは、「カイロプラクティック訪問の自己負担は100米ドルです」など、特定の例に
対してピンポイントで回答することを可能とし、大幅な時間削減とコスト削減を可能とします。
では、IBMのソリューションを導入後の結果について紹介させていただきます。
既存のシステムの約3分の1のコストで問い合わせを処理でき、全体的な応答率も高くなりました。これは、同社が従来導入していた対話型音声応答(IVR)システムの二倍の応答率であり、大きな成果を獲得したと言えるでしょう。
また、開発の過程で、IBM Watson Expert Services Labチームは、低帯域幅のコールセンター環境での医療用語をよりよく理解できるカスタムトレーニングとモデルを使用しました。
医療用語は専門的かつ複雑に構成されているため、これらに対する的確な回答がサービスの品質を左右するためです。
実際にこれらによりWatsonサービスの改善が大幅に改善されました。
また、開発中にはいくつかの出願中の特許が提出され、チームは、大規模なWatson Voice Assistantソリューションを構築、テスト、および調整するためのツール、
ガイド、および方法を公開しました。HumanaのVoiceAssistantソリューションパターンは、最近、Watson Assistant forVoiceInteractionソリューション製品で正式にリリースされ、
現在も運用されております。
まとめ
いかがでしたでしょうか? Watson Assistantについて詳しく解説させていただきましたので、参考にしていただけましたら幸いです。