Google™の“育つ音声認識”を低コストで使う！
最短3週間で始める通話音声の活用
MSYS Omnis
丸紅情報システムズ
丸紅情報システムズは、Google™の音声認識を中核に据えたクラウドコールセンターソリューション「MSYS Omnis」の提供を開始した。音声認識は、コンシューマ向けの検索エンジンや音声アシスタントから収集したデータを学習データとして活用。「音声認識によるテキスト化」の精度を担保し、目的に応じた正確な情報の抽出を支援する。最短3週間とスピーディーな導入前検証が可能だ。
音声認識システムの導入・運用で、現場が最も費用と時間を割くのが「チューニング」だ。通話音声などの実データに基づいて、類義語や言葉の揺れを含む辞書登録、発話のアクセントやイントネーションの調整、言葉同士の関連付けを繰り返し実施する。このプロセスなしで実用レベルに達することはまずない。
丸紅情報システムズは、Googleが提供する音声認識技術を核とするクラウドコールセンターソリューション「MSYS Omnis（エムシス オムニス、以下オムニス）」を提供。高精度かつ将来性の高い音声認識により、音声活用の費用対効果を訴求する。
オムニスは、Googleのクラウド基盤「Google Cloud Platform™（GCP）」で提供しているAPI群をカスタマイズし、コールセンター向けに特化させたソリューションで、アバイアやNECなど、主要なコールセンターシステムとの連携が可能だ。
GCP上で提供している音声認識をはじめ、「文章要約（Summarize）」「分析（Analyzer）」「翻訳（Translate）」「AI FAQ」といった機能群を用意。応対時間の短縮や顧客満足度向上といった目的に応じた機能を組み合わせて利用できる（図1）。これに加え、2017年度内には「音声合成（Voice to Text」や「感情分析（Sentiment）」「音声認識IVR（SR IVR）」「翻訳（Translate）」、Salesforce Service Cloudとの「CRM連携機能」も追加する計画だ。
図1 オムニス──ソリューション群
![図1 オムニス──ソリューション群]()
すでに、50席規模のコールセンターにおいて音声認識と要約を使ったACW（後処理業務）の短縮に貢献した事例もある。従来の「全文入力」を「要約文の手直し」に切り替えたことにより、応対履歴1件当たりの入力時間を約3分短縮。1日の受電件数を1席あたり100件で換算すると、1カ月あたり750時間の創出にあたる。これをオペレータ時給（1500円で換算）に置き換えると112万5000円の削減につながる計算になる。
FISC等に対応する高セキュリティー
オムニスの主な特徴は、「高精度な音声認識」「安全性」「低コスト」の3点だ。
「高精度な音声認識」は、グローバルにおけるGoogleの競争力の高さが基盤となっている。具体的には、コンシューマ向けに提供されている検索エンジンや、「OK,Google」の発話で起動するモバイル音声アシスタントから収集したデータをリソースとして機械学習を実施している。10億人超のGoogleのユーザーが日常で使っている言葉を学習しているため、口語の認識に強く、新しい単語や言い回しにも迅速に対応可能だ。現在は89の言語と方言に対応、日本語の方言も吸収できる。業界や企業独自の用語を除けば、ほぼチューニングレスで運用できるという。
「安全性」については、「SOC（Service Organization Control）」や「PCI DSS（Payment Card Industry Data Security Standard）」「ISMS（Information Security Management System）」といったグローバルのセキュリティ基準に対応する情報保護対策を施している。さらに、日本の政府系シンクタンクFISC（金融情報システムセンター）の安全対策基準にも対応している。金融をはじめ、セキュリティポリシーが厳格な業界のコールセンターにも対応可能である。
GCPのネットワーク増強には、3年間で294億ドルが投下されている。パブリッククラウドの懸念材料として挙げられるネットワークリソースの負荷増大によるサービス機能停止や品質低下に関しても、過剰な心配は無用といえそうだ。
さらに、法人向けサービスで取得される音声、テキストデータは「二次利用しないこと」を明示している。具体的には、音声データは、テキスト化した後に自動消去される仕組みを採用。変換したテキストデータをデータベースに格納する際も暗号化している。
導入機器はサーバー1台「100万円」でPOCが可能
「低コスト」は、図2の「POC参考費用」に示した。10席前後のセンターでの音声認識の実証を想定した場合は、初期費用が100万円。音声認識はGCP上で処理するため、調達に必要な設備は通話音声データをクラウド上に送信するためのサーバー1台でよい。
図2 POC（導入前検証）について
![図2 POC（導入前検証）について]()
サーバーの調達と設定、オムニスを利用するためのインスタンス立ち上げ、テストを含め、最短3週間程度で運用を開始できる。
全国的な人手不足を背景に、生産性向上やセルフサービス化を急務とするセンターは少なくない。スピーディーに業務改善に着手できるという観点でも魅力的といえる。
さらに、ランニングコストは月額制かつ、分単位の従量課金を採用している。図2を例にとると、「4万分（666時間40分）」の音声認識利用で29万5千円。クレーム通話に絞ってテキスト化するなど、すべてのコールに音声認識を適用しない場合はさらに安価に利用できる。オンプレミスシステムでの導入と比較すると、およそ10分の1のコストで利用できるため、スモールスタートで効果を測定しながら、運用の継続、拡大を見極めることも可能だ。
なお、既存のテキストマイニングツールやBIツールとの連携にも対応する。
センターのIT武装状況や戦略に応じた、コスト最適化を実現する仕組みといえる。
![お問合せ・資料請求]()
