［製品紹介］ AIを活用したVOC分析＆FAQ作成サービス / エーアイスクエア

• 製品紹介

VOC分析からACW削減、FAQ候補抽出まで
対話データ活用を促進する最新鋭の自然言語処理AI

QuickSummary／Q＆A見える化サービス

エーアイスクエア

音声認識でテキスト化した対話データをもっと上手く活用したいという企業は多い。自然言語処理AIを開発するエーアイスクエアのソリューションは、こうした企業を強力に支援する。「QuickSummary」は、直感的な操作によるVOC分析や、対話要約によるACW削減などを実現。「Q＆A見える化サービス」は、対話データから質問・回答のセットを自動抽出しFAQ候補を作成できる。フロント業務からバックオフィスまで広く活用可能だ。

　コールセンターに蓄積される顧客とオペレータの対話データは企業にとって貴重な資産だ。このため、音声認識技術を活用し、全通話テキスト化に取り組む企業が増えている。こうした企業は、これまで取りこぼしていた顧客の要望・意見などの知見を得たり、オペレータの後処理業務（ACW）の効率化、FAQ候補の抽出などを期待している。しかし、実際には膨大な通話テキストを活用しきれず、持て余しているのが実情だ。

　エーアイスクエアは独自開発の自然言語処理AIでコールセンターの高度化を実現する。応用領域は「要約」「自動分類」「キーワード抽出」「対話行為分類」「質問応答」「感情解析」など多岐にわたる。とくに対話データの活用では、要約・キーワード抽出・自動分類などの技術を用いた「QuickSummary」と、対話行為分類による「Q＆A見える化サービス」が威力を発揮する（図１）。以下で、各サービスの特徴を紹介する。

図1　エーアイスクエアの提供ソリューション

発話ごとに重要度を付与して抜粋　原文を残したまま要約文を作成

　「QuickSummary」は、テキスト化された対話データを自動的に要約・分類する。これにより、オペレータの後処理業務を効率化できる。また、キーワード抽出や分類結果の画面から、気になる項目をドリルダウンでたどることで、要約文や原文を照会できる管理機能を搭載、VOC分析に威力を発揮する。

　具体的なサービスイメージを図２に示す。テキスト化された顧客とオペレータの発話（吹き出し）ごとにAIが重要度を判定し、ある閾値を超えたものだけを抜粋して要約する。単純に重要度だけで要約するのではなく、吹き出しの数や最大文字数、対話全体の何％に要約するかなど、自由に設定可能。全文を残したうえでの要約で、単語の置き換えや削除、テンプレートを使ったりしないため、対話の文脈や意図を正確に保持した状態で要約できるのが特徴だ。

図2　対話データを自動的に要約・分類──「QuickSummary」

　「抜粋型の要約は、発話内容に重要度を付与するだけで、対話データは全文残ります。ですので、お客様が何気なくこぼした要望や不満、お叱り・お褒めの言葉も全部残した状態で要約します。お客様の声を余さず拾えるところが強みです」と、同社営業部 部長の堀 友彦氏は強調する。

　要約・分類は、対話内の単語間やセンテンス間の関係性からAIが対話の構造を読み解き、単語／センテンスごとに重要度を付与する。汎用モデルを既に学習済みのため、導入してすぐに要約機能が使える。もちろん、企業や業務ごとに重要となる部分が異なることもある。その際は、業務特性に応じて教師データを与えて要約・分類モデルの最適化を行う。チューニングはユーザーでもわかりやすい管理画面を用意しており、教師データを与えることで付与する重要度を柔軟に調整できる。

　「QuickSummary」のもう１つの強みが直感的に操作できるダッシュボード機能だ（図３）。対話テキストに含まれるキーワードを抽出してワードクラウドを表示。業界用語やトレンドワードなどを学習済みの汎用モデルを用いており、辞書登録や学習が不要ですぐに利用できる。また、自動分類では企業が持つ対話の分類軸を設定し、どんな内容がその分類軸に当てはまるかを学習させると、AIが自動分類する。これらの情報から気になる箇所をクリックしていくドリルダウンの分析ができる。最終的に要約文、より詳細を知りたい場合は原文までたどれる。

図3　VOC分析のフローに沿った画⾯構成──「QuickSummary」

　「オペレータがCRMシステムに残す応対履歴は属人的になりがちです。それ故にVOC分析が上手くできないと頭を悩ませる分析担当者も多い。QuickSummaryであれば、一定基準による定量データから特徴ある箇所を見つけ出し、対話の骨子要約を見て、さらに原文も確認できます。これにより、企業のVOC活動が促進します」と堀氏は説明する。

質問・回答のセットを自動抽出　FAQ更新効率化で自己解決率を向上

　対話データの活用はこれだけではない。「Q＆A見える化サービス」は、対話行為分類の技術を用いてFAQ候補を自動作成する。対話行為分類とは、対話の構成──オープニング、クロージング、質問、回答、お詫び、感謝など、どんな意図を持って発話されたかをラベル付けする技術だ。これを活用し、滞りがちなFAQの整備を効率化できる。

　「FAQの更新は、応対履歴の分析やオペレータへのヒアリングなど、膨大な工数がかかり滞りがちです。AIを使って対話データを分析し、質問と回答のセットを抽出すれば、いまどんな問い合わせが多く、オペレータがどう回答しているか把握できます。これをFAQ候補として活用することで、FAQの陳腐化を防ぐことができます」と、堀氏は説明する（図４）。

図4　滞りがちなFAQ更新を効率化──「Q＆A⾒える化サービス」

　「Q＆A見える化サービス」で抽出した質問・回答のセットが、最新のQ＆Aか、既存のFAQに登録済みの情報なのかの確認作業は必要になる。それでも膨大な対話データからFAQ候補を探し出すだけでも、かなりの工数削減につながるはずだ。

　近年は、顧客の利便性向上やコールセンターの業務効率化に、チャットボットや公開FAQの充実に取り組む企業は多い。エーアイスクエアは機械学習ベースの自動応答システム「QuickQA」をラインナップ。「Q＆A見える化サービス」と連携することで、より充実したオペレータ支援や自動化を実現できる。