製品紹介2

3カ月前の製品紹介。
「ユニフォアには、2020年12月現在、５つの製品ライセンスがあります。
(※成長企業ですので、製品のラインナップは将来的に変わってくる事もあることを了承ください。)」

と書きましたが、2021年2月に製品名が変更になりました。

akeira は、「U-SelfServ」
amVoice は、「U-Trust」
auMina Real Intentは、「U-Assist」
auMina Analytics と auMina QSenseは、「U-Analyze」
に変更になりました。

唯一、U-Trustについては、お客様の認証機能から、エージェントの認証機能へ軸足を移していますが、基本、製品の中身は一緒です。

わかりやすい名前で提供をする為のリブランディングによるものです。
以後、新しい名前に慣れるよう宜しくお願いします。

ユニフォアで利用しているAI技術について

ユニフォアは、AIを活用した会社です。
しかし、AIといっても、様々な技術、手法、アルゴリズムがあります。
ユニフォアでは、どのようにAIを活用しているのでしょうか？

ITに関する調査や助言を行う会社の一つ、ガートナー社は、AIに関する2020年のハイプサイクルを発表しています。

ハイプサイクル

ここでは、ハイプサイクルであげられた項目のうち、ユニフォアが関連しているものをあげていきたいと思います。

Uniphoreソリューションが関連する技術

出典元

www.gartner.com

Composite AI:

Composite AIは、異なるAIの手法を組み合わせて利用するといように定義されています。
ユニフォアでは、深層学習を利用した音声認識。自然言語処理(NLP: Natural Language Processing)として、NER(Named Entity Recognition)。
自然言語理解(NLU: Natural Language Understanding)として、意図解析(intent analysis), 感情解析(sentiment analysis), 要約(summarization)などの技術を組み合わせています。
参考：

https://www.kdnuggets.com/2019/07/nlp-vs-nlu-understanding-language-processing.html

また、それぞれの機能のアルゴリズムでも、前処理を行ったり、回帰分析(Logistic Regression)であったり、SVMであったり、それぞれに最適なものを活用したりしています。

Generative AI:

Generative AIは、データから学んで、さまざまな文章やコンテンツを生成するAIです。
こちらは、主に、IVAであるakeiraで提供されています。

Augmented Intelligence:

Augmented Intelligenceは、人間中心のモデルで、AIと人間が協働して働くと定義されています。
auMinaは、この考えの元に作られた製品となります。

Intelligent Applications:

Intelligent Applicationsは、CRM、ERP、BIやIT管理ツールなどのエンタープライズアプリケーションに埋め込まれて、もしくは、インテグレーションして提供されるアプリケーションという定義になります。
ユニフォアでは、RPAと連携して、CRMシステムやその他エンタープライズアプリケーションと連携して時間短縮を行うソリューションを提供しております。

Deep Neural Networks (Deep Leearning):

深層学習になります。
ユニフォアでは、音声認識はもちろんですが、話者分離や、言語特定の為に利用されています。

Natural Language Processing (NLP):

Natural Language Processingは、人間の言語をシステムが理解して処理を行う事と定義されます。
人間の声を聞き取り、価値を提供するユニフォアのコア・コンピタンスとなります。

Machine Learning:

機械学習です。機械学習には、教師あり学習/教師なし学習/強化学習と３つの学習があります。
ユニフォアでは、主に、教師あり学習を利用しています。
※カスタマイズエンジン提供の過程で、教師なし学習を活用する事もあるとは思います。
スタンフォード大学の資料の図がよくまとまっています。

Chatbots:

akeiraでは、既存のルールベースのチャットボットと差別化する為に、IVA (Intelligent Virtual Assistant)と呼んでいますが、ガートナーのレポートでは、このカテゴリに入ります。

あとがき

以上、ざっと、説明しました。
ITの世界は、日進月歩です。今、利用されていない技術が利用されていく事もあるかと思います。
当たり前ですが、AI技術を使う事が目的ではありません。
AIの技術が人々の生活をよりよくしてくれる事を願っております。

Augmented Agent(能力強化エージェント)

明けましておめでとうございます。
2021年になりました。現在、AI(人工知能)に対する過剰な期待は落ち着き、だんだんとAI(人工知能)の得意分野の理解と、適用すべき範囲が、社会的に認知されてきたと思います。

頭文字にすると同じAIですが、AIの適用範囲の例として、Augmented Intelligenceというものがあります。

ここでは、「Augmented Intelligence」を以下のように定義します。
Augmented Intelligenceは、人間中心に考え、AIを道具として利用して、人間とAIが一緒に協働するモデルの事です。

ご存じのように、AIは、基本的に学習したモデルをベースにアウトプットが出されます。
その為、100%に近い正解値を求めると、非常に多くの学習データと、それに対するチューニングに労力を必要とします。
また、いくら精度をあげても、学習データに紐づかないイレギュラーなアウトプットを出すことはできません。

反面、人間は、イレギュラーな対応もこなす事も出来ますが、簡単な繰り返し作業において疲れてくると、ミスをする傾向があります。

このように、AIが得意な事と、人間が得意な事は異なります。
では、これらをお互いの良い所を利用し、不得意な所を補完したらどうでしょうか？

AIが間違えた所は人間が修正をし、人間が間違えた所はAIが修正するといった具合です。
これにより、人間の心理的負荷を下げ、なおかつ、正確性の向上や、生産性の向上(時短)が見込めます。

別の例で言うと、車の完全自動運転は難しいけれど、前方の車の自動追尾や自動ブレーキによって、運転者の負荷を減らすのも同じような分類になると思います。

この発想が、Augmented Intelligenceの根幹になります。

コールセンターにおけるエージェントについても、同じように、AIがエージェントを手助けするソリューションのカテゴリが出来ています。
これらは、Augmented Agentというカテゴリで各社売り出しています。(ユニフォアでは、auMinaが相当します。)

一例としては、コールセンターにかかってきた問い合わせの内容を特定し、それに関する聞かなければならない情報をエージェントに指示してあげるといったものになります。
例えば、コールセンターに電話をかけた理由が「実店舗での相談予約」としたとしましょう。
AIが「実店舗での相談予約」という理由がわかったら、聞かなければならない最低限の事が、以下の４つと判断します。
「どこの店舗か？」
「相談日時」
「相談者名」
「相談者の連絡先」
これらを漏れなく聞く為に、AIがエージェントに情報を聞いたかどうかをチェックしてあげる事が出来ます。
もし、漏れがあれば、AIがエージェントに教えてあげます。
そして、人が対応する事によって、「車椅子で尋ねても大丈夫な店舗かどうか？」といった、頻度の少ない質問に対しても答える事が出来ます。

同時に通話の内容をAIが会話の内容を聞き取り、自動的に要約します。
「新宿店舗で、2021年○月○日 10:00-11:00に○○さんが来店予定。連絡先は、090-0000-0000」といった要約内容を、システムに連携します。
また、「車椅子で来店」といった情報の付け加えは人がします。

このような協働作業により、正確性の向上と効率の向上を行う事が出来ます。

コンタクトセンターにおけるエージェントコーチングの重要性

(副題：コンタクトセンターのエージェントコーチングに焦点を当てて、より良い結果を出すために)

このブログ記事は、このブログ記事の抄訳になります。

ブランドの評判や顧客サービスは、どんな組織にとっても、これらの最前線の担当者にかかっているので、コンタクトセンターのエージェントをコーチングすることは、ビジネスにとって大きな優先事項です。しかし、手動でのコーチングは時間がかかり、労働集約的であり、手間がかかり、最も重要なことは、正確で効果的ではないかもしれません。では、どのような解決策があるのでしょうか？

今日では、評価のための膨大なデータがすぐに手に入るようになりました。評価データは、分析ツールがもの凄いスピードで高速処理をする事で得られます。しかし、これらすべてのものを連携させて、企業が待ち望んでいる答えを提供することは、アキレス腱のようなものです。そこで、ユニフォアのAIを搭載した会話型サービス自動化が、貴社のブランドを大きく支援します。

人工知能ソリューションと自動化ツールを適切に使用することで、エージェントがトレーニングを必要としている場所を正確に特定し、適切なコーチングを提供することが可能になるため、エージェントが可能な限り短い時間で業務を開始できるようになります。これは、世界的なパンデミックの真っ只中にあり、世界中のコンタクトセンターのエージェントが限界まで働かなければならない今日の世界に大きな影響を与えることができます。私たちができることは、エージェントを正しい方法で訓練することで、初回解決率(FCR)を高め、平均電話処理時間を短縮し、顧客満足度を向上させることです。

ユニフォアのAIベースのエージェント・コーチングは以下のことを支援します。

ユニフォアのソリューションは、業務上でのコーチング、コールのスマートなサンプリング、360度のワークフローの可視性、効果的なフィードバックのロギングとトラッキングメカニズムを促進する幅広い機能を提供します。このAIベースのコーチングソリューションのおかげで、コンタクトセンターのエージェントがそれぞれの能力を最大限に発揮できるように、カスタマイズされたトレーニングを提供することができます。実務中のトレーニングとコーチングは生産性の向上に役立ちますが、これは当社のAI駆動の分析によって可能になります。

ユニフォアのエージェント・コーチング・ソリューションの利点

• エージェントの自己評価ツール - エージェントは、評価シート、フィードバックログ、パフォーマンス追跡メカニズムへのアクセスを許可されています。これにより、エージェントはコンプライアンスと品質要件を常に意識することができます。これにより、迅速なフィードバック、レビュー、継続的な自己改善が可能になります。このように、迅速な品質管理は、エージェントの効率向上につながります。
• エージェントのパフォーマンスの全体的視野 - インタラクティブなダッシュボードには、選択したフィルター基準に基づいて、コール分析、エージェントのパフォーマンス、顧客行動の洞察、コール監査に関するすべての記録が表示されます。これにより、エージェントパフォーマンス、通話品質、顧客行動、コミュニケーション分析に関する洞察の改善度合いを単一のウィンドウで表示することができます。これにより、企業はトレーニングやコーチングのためのより厳しいスケジュールを守ることができます。
• 監査証跡の見える化 - 詳細な監査ログは、文書化された規則への遵守、入退出のタイムライン、監査経路など、すべてのユーザー関連の活動を追跡します。監査ログは、潜在的なセキュリティ違反や内部の情報漏洩を警告するのに役立ちます。
• キーフレーズのハイライト - 品質アナリストは、音声がオンになっている場合でも、トランスクリプトのハイライトを通して、会話中に使用されたキーフレーズを簡単に識別することができます。これにより、エージェントが通話中にコンプライアンス要件を遵守しているかどうかを理解するのに役立ちます。また、エージェントにキーワードクラウドを提供して、通話中に準備することも可能です。
  自動化されたフィードバックとトラッキング - 手動での監査は、時間がかかり、手間がかかり、バイアスやヒューマンエラーの影響を受ける可能性があります。包括的な自動化により、スマートなサンプリング、文書化、フィードバックの記録とトラッキングシステムにより、合理化された品質の作業フローを実現し、常に正しいエージェントのコーチングを保証します。

会話型サービス自動化プラットフォーム 成熟度モデル

前回、ユニフォアの製品についての説明を書きました。

各製品の機能がわからない場合は、ひとつ前のブログエントリを参照して下さい。

これら製品をどのようにコンタクトセンターへ適用していくべきでしょうか？

ここでは、会話型サービス自動化プラットフォームをコンタクトセンターへ適用するにあたって、成熟度モデルという考え方を引用し、提案していきたいと思います。

CSA 成熟度モデル

各製品をコンタクトセンターへ適用する際、コンタクトセンターへの業務影響が少ない順番に適用していきます(順番は図の通りになります)。これは、ＡＩによる学習プロセスをより効率的に行う為の道筋でもあります。

コンタクトセンターによって、業種、対応業務、規模などの要素によって必要な機能が異なりますし、導入済みの製品もあると思います。ですので、必ずしも、この順番に製品を導入するべきというわけではありません。

類似製品を既に導入済みであったり、業務に合わないものは、スキップして導入していくというのも良いIT基盤の投資戦略となります。

もし、通話後分析のソリューションを導入していない場合、通話後分析であるauMina Analyticsから始めるのが、業務影響が少ない方法になります。通話内容を分析するのに利用する音声認識エンジンは、特性上、認識率の高さと、文字起こしのスピードは、反比例する関係にあります。通話後分析では、文字起こしのスピードを気にする事無く、認識率にのみ焦点をあて、自然言語処理する事にメリットがあります。

次に、auMina QSenseを導入します。自然言語処理によるルールは、auMina Analyticsによって完了していますので、ここの追加は、スムーズに行われます。

コールセンターへの問い合わせ内容や、利用される製品名やサービス名などの専門用語が、この段階で固まってきます。固まってくるという事は、自然言語処理として、重要なワードであったり、高い認識率が必要な属性情報などがわかってきます。

ここで、文字起こしのスピードをあげる事によって、リアルタイム処理での機能提供を行うauMina Real Intentの出番となります。これにより、エージェントの能力は強化され、コールセンターの運営が効率化されていきます。

もし、在宅エージェントなどがいる場合、ここで、声紋認証機能を提供するamVoiceを導入するのも良いかと思います。問い合わせ者の認証だけでなく、在宅エージェントが正しい人が対応しているのかのチェックをする為の機能としても、amVoiceを利用する事も出来ます。

最後に、音声Botであるakeiraになります。auMina Real Intentの導入と改善により、アシストする内容の精度があがってきて、エージェントが対応しなくても良さそうなコール理由がわかってきます。ここまで来たら、エージェントの代わりに、音声ボットが対応する事できます。音声ボットは、コールセンターのコスト削減だけでなく、24時間対応、突然の呼量増加への対応など、素晴らしい顧客体験を実現する為の手伝いをする事が出来ます。

このような理由で、製品の導入を段階的に導入を行っていくと、コールセンターに必要な機械学習をより効率的に行う事が出来ます。

製品紹介

ユニフォアには、2020年12月現在、５つの製品ライセンスがあります。
(※成長企業ですので、製品のラインナップは将来的に変わってくる事もあることを了承ください。)

それぞれ、「akeira」,「amVoice」,「auMina Real Intent」,「auMina Analytics」,「auMina QSense」となります。

各製品の主な概要は、以下の通りです。

• akeira ... 自然会話処理による音声ボット
• amVoice ... 声紋による認証
• auMina Real Intent ... リアルタイムでのAIによるエージェントサポート
• auMina Analytics ... 通話後分析
• auMina QSense ... エージェント、スーパーバイザー間の品質管理

ここからは概要だけでなく、各製品について説明していきたいと思います。

ニュースなどで、AIが仕事を奪うという話を聞いた事、無いでしょうか？
オックスフォード大学のマイケル・A・オズボーン博士が発表した論文「雇用の未来」という衝撃的な論文が出所です。この論文から派生した記事が多く、そのように感じている人も多いかもしれません。
その為、エージェントが居なくなるのでは？っと思う人もいるかもしれません。

しかし、原文でもコスト削減はされるが、エージェントが無くなるとは書いてありません。

Moreover, a company called SmartAction now provides call computerisation solutions that use MLtechnology and advanced speech recognition to improve uponconventional interactive voice response systems, realising cost savings of 60 to 80 percent over an outsourced call center consisting of human labour (CAA,2012)
さらに、SmartActionという会社は、ML技術と高度な音声認識を用いたコールコンピュータ化ソリューションを提供しており、従来の対話型音声応答システムを改良することで、人手によるコールセンターをアウトソースするよりも60～80％のコスト削減を実現している（CAA,2012） 

ユニフォアでも、この論文にあるように、機械学習と自然言語処理を駆使し、自然な会話のやり取りによる対話型の音声システムを提供しています。（製品名: akeira）
また、対話型の音声システムの中で、声紋による認証を利用して、問い合わせを行った人の認証を行う事も出来ます。(製品名: amVoice)

会話型音声システムは素晴らしいのですが、現在の機械学習の技術では、学習されていない類(たぐい)の問い合わせや要求については処理を行う事が出来ません。
学習が比較的容易な部分については適用可能ですが、人が介在しないと対応できない場合もあります。
例えば、クレーム対応などで内容が多岐にわたり学習するのが困難な内容や、責任を伴うやり取り(契約行為などで人が説明する事が法律上求められている)など、
いくら機械学習で学習が進んだとしても、人間が対応する領域というのは、残ると思います。

では、人が介在する時、ＡＩは何が出来るのでしょうか？

一つに、リアルタイムに、エージェントと一緒にAIが音声を聞く事により、エージェントが行う定型業務を先回りして行ってくれる事が考えられます。
定型業務とは、資料や荷物の送付先住所の確認であったり、故障した製品名、問題のあるサービス名などの特定、コール理由を特定したり、通話内容の要約などコールセンターにより様々なものがあります。
複雑でＡＩが対応できない問題であっても、分解すると部分的にＡＩで定型処理できるものが含まれています。これら定型業務をエージェントがシステムに入力する事なく自動的に入力されたら、どうでしょうか？
このようにして、ＡＩはエージェントの手助けを行う事が出来ます。(製品名：auMina Real Intent)

ちなみに、ＡＩが人間を手助けする事は出来る思想は、英語で「Augmented Agent」という言葉で表されます。
直訳すると「増加したエージェント」「拡張したエージェント」という事になり、何が何やら意味がわからない感じになってしまいますが、
意味合いとしては、「Capabilities of Agent are Augmented」という言葉になります。エージェントの能力を強化、拡張するといった意味になります。
SF小説などから、端を発したパワードスーツというものがありますが、これの頭脳版といったイメージになります。

また、通話終了後の分析も、ＡＩならではの業務適用が可能になります。
現在、ほとんどのコールセンターでは、分析や品質評価をするために、コールをランダムに抽出するか、エージェントから申告のあったコールのみをピックアップして評価をしていると思います。
AIを導入する事によって、全てのコールを分析する事ができます。学習したAIが、分析すべきコールを抽出し、全てのコールを品質評価する事が可能になります。(製品名：auMina Analytics)
分析した結果のやり取りは、スーパーバイザーとエージェントの間で、システムで管理する事が出来ます。(製品名：auMina QSense)

これら、ユニフォアのソリューションは、「人間の声が力になる」という思想の元、作られた機能が提供され、今後も、その思想の元、機能拡張されていく予定です。

会話型サービス自動化(CSA)プラットフォームの重要性

会話型サービス自動化(CSA)プラットフォームとは、何でしょうか？

会話型サービス自動化は、AIの力を活用して、企業が変革的な顧客サービス体験を提供できるように支援する、新たなソリューションのカテゴリーです。
会話分析、データ分析、音声ボット、IVRシステム、セキュリティ、ロボティック・プロセス・オートメーション（RPA）、顧客のフィードバック履歴など、さまざまな重複するカテゴリーをリアルタイムでインテリジェントに組み合わせることで、自動化された人間対機械の会話や、顧客とコンタクトセンターのエージェント間のパーソナライズされた会話の両方を実現します。

こういった仕組みを一つのシステムにまとめるプラットフォームが会話型サービス自動化(CSA)プラットフォームとなります。
プラットフォーム化する事により、RPAやCRMなどの他システムのインテグレーションが容易にし、それぞれの要素を時代に応じて変更する事もできます。

また、プラットフォームには、それぞれ業界特有の設定や、業務特有の設定をノウハウとして貯めていく事ができます。これらが共有されると、導入初期の状態であっても、ある程度の成果が見込める設定を行う事ができます。
このようなアプローチより、素早く機能を持ったシステムを構築できるという利点があります。
また、リリース後のカスタマイズも容易にこなせるという利点もあります。

www.uniphore.com

ユニフォアのCMO (Annie Weckesser)のインタビュー記事より

何故、会話型サービス自動化(CSA)プラットフォームが何故、重要なのかを述べています。

www.digiconasia.net

日本人にとっては、少し内容が長いので、いくつかキーとなる英文の抜粋と、日本語要約を書きたいと思います。

まずは幾つかの調査データ

A recent survey by Uniphore revealed the current role that voice chats play: nearly 80% of respondents said they preferred to contact customer service through a phone call, and only 12% said they preferred a chatbot.
ユニフォア社で実施したアンケート調査で、ボイスチャットが有効であるという事がわかりました。80%近くの回答者が電話でカスタマーサービスに連絡することを好んでいると回答し、チャットボットを好んでいると回答したのは12%に過ぎませんでした。

According to a report by McKinsey, there has been a 15% increase in call volumes during lockdowns
マッキンゼーの報告書によると、ロックダウン中の通話量は15%増加している。

over 42% of respondents have reached out to resolve COVID-related issues in early 2020.
2020年前半は、回答者の42%以上が、COVID関連の問題を解決するためにコンタクトセンターに連絡を取っています。

According to research in the Asia Pacific region by Willis Towers Watson, over nine in 10 employees reported some level of anxiety from the pandemic.
ウィリス・タワーズ・ワトソンがアジア太平洋地域で行った調査によると、10人に9人以上の従業員がパンデミックによる何らかの不安を報告しています。

これらの調査データから、コロナウイルスが蔓延している社会状況の中で、音声によるコンタクトセンターの役割は重要である事はわかると思います。

会話型サービス自動化プラットフォームの説明のうち、特に重要となる文章は以下の部分になります。

AI will not replace humans but will make them more efficient at their jobs.
AIは人間に取って代わるのではなく、仕事の効率化を図る。

The use of CSA(Conversational Service Automation: 会話型サービス自動化) platform helps free up agents, thereby achieving the high demand for simplicity, customization, and rapid resolution in a contact center environment
会話型サービス自動化プラットフォームを利用することで、エージェントの自由な時間を確保し、コンタクトセンターに求められるシンプルさ、カスタマイズ性、迅速な解決を実現します。

CSA makes it easy to run call centers remotely
会話型サービス自動化プラットフォームはコールセンターのリモート運用を容易にします。

まとめ

対話型サービスに限らず、プラットフォームという概念は重要な物です。

ジェフリー・ムーアさんの著書「ライフサイクルイノベーション」では、
「プラットフォーム・イノベーション」というイノベーションが述べられています。
イノベーションというと、iPhoneのような破壊的イノベーションを考えてしまいますが、ここでいうイノベーションとは、ちょっとした改善と、先ほどの破壊的イノベーションの中間になるぐらいの考えのものです。

これによると、
「下位にある既存テクノロジーの複雑性を隠すための単純化 階層を導入する」
と「プラットフォーム・イノベーション」を定義しています。

これに従えば、AIという複雑なものを、単純化した使いやすくする為の層としてプラットフォームになります。
これによって、新しい要望や機能への対応を、より早く柔軟に行う事が出来ます。