Information on Demand 2011 Feedback Session · 3 © 2015 IBM Corporation 2011年2月14日に、IBM...
Transcript of Information on Demand 2011 Feedback Session · 3 © 2015 IBM Corporation 2011年2月14日に、IBM...
© 2015 IBM Corporation
コンタクトセンターにおけるWatson技術の活用と将来像
2015年 6月 3日 日本アイ・ビー・エム株式会社
G-Summit Tokyo 2015
© 2015 IBM Corporation 2
目次
1. IBM Watsonの概要と適用領域
2. コンタクトセンターの課題とWatsonによる解決方法
3. 日本および海外におけるIBM Watson導入事例
4. Watsonとオムニチャネル連携による顧客体験の向上
5. Watson技術を用いた顧客サービスの将来像
6. Watsonプロジェクトの進め方
© 2015 IBM Corporation 3
2011年2月14日に、IBM Watsonは、速さと正確さと確実性をもった自然言語での質問応答能力を必要とするクイズ番組において人間のチャンピョンに勝利し、歴史を変えました。
質問応答システムWatsonとは?
米国のクイズ番組 Jeopardy! に出場し、コンピュータの能力を立証
– オープンドメインの質問応答 – 複雑な問題文とカテゴリの解釈 – 高い正解率 (約89%) – 確信度の推定 (ボタンを押すか否かの判断) – 高速な応答 (2~3秒で回答)
Watsonが解いた問題と情報源
– 事実に基づく知識が問われる問題
• 歴史・文学・スポーツ・言葉遊び… – 百科事典・ニュース等の静的な情報源を利用
• 対戦中はインターネットには接続せず – キーワードの一致だけでなく、意味内容に基いて 問題文と情報源を関連づけて、正解率を向上させた
https://www.youtube.com/watch?v=Wq0XnBYC3nQ
1. IBM Watsonの概要と適用領域
© 2015 IBM Corporation 4
質問文+ カテゴリ
問われている 内容の解析
解答の候補の 生成
解答の 根拠探し スコアリング・
同義語の統合 解答の 根拠探し 解答の 根拠探し 解答の 根拠探し
解答+確信度の リスト
情報源 (例)百科事典・語彙体系・ニュース記事・ブログ・聖書・歌の歌詞・・・
検索 マッチング
学習データ (過去問)
統計モデル (根拠の重み付け)
順位付け
入力 出力
前処理で項目構造・関係抽出などのアノテーションを
付与する
コーパス
Watsonの学習機能 過去問題を学習データとして入力し、統計モデルに基づいて根拠の重み付けをすることで、より正確な解答を出力できるようになります。
1. IBM Watsonの概要と適用領域
© 2015 IBM Corporation 5
R&D Demonstration Validation
Research Project
2006 – 2010
Jeopardy! Grand Challenge
2011
Internal Startup Division
2011 – 2013
IBM Watson Group
2014 – present
Commercialization
クラウド・サービスで提供するコグニティブ・イノベーションの開発と商用化 - 1000億円を超える投資 - 約2,000人のプロフェッショナルを活用 - “Powered by IBM Watson” エコシステムの立ち上げと100億円のVenture Capital Fund - ニューヨーク市の技術集積地区である「シリコン・アレー」のAstor Place 51にHQ設立
Watson Project の進捗 クイズ番組での勝利以降、幾つかのパイロットプロジェクトでの開発と実ビジネスへの活用を行い、2014年から商用化に向けた体制作りを進めています。
1. IBM Watsonの概要と適用領域
© 2015 IBM Corporation 6
自然言語の“理解”
様々な言語情報の読解 自然言語を通した応答
“学習”するシステム
専門家やベストプラクティスによる訓練 実践とフィードバックによる向上
“根拠”の提示
思考・判断の背後にある根拠の提示 確信度の提示
Watson の特徴 Watsonは従来のコンピューターシステムと異なり、以下のような特徴を持っています。
1. IBM Watsonの概要と適用領域
© 2015 IBM Corporation 7
システム知能
1900 1950 2011
1 表計算
プログラミング方式
自己認識
パンチカード タイムカード読み取り機
発見 確率論的な ビッグデータ 自然言語 知的オプション
検索 決定論的な 企業内データ 機械言語 単純出力
IBM Watson はCognitive Computing(認識型コンピューター)の始まり Watsonはユーザーの言葉を理解し、大量の情報の中から新たな発見を行なうと同時に、自ら学習して進化して行く新世代の認識型コンピューターです。この技術を活用することにより、新しいオポチュニティや可能性が生まれて来ます。
1. IBM Watsonの概要と適用領域
© 2015 IBM Corporation 8
Watson Platform (Cognitiveサービス)
エコシステム・パートナー
医療・ライフサイエンス 創薬R&D クリニカル・トライアル 癌診断支援 個別化・ゲノム医療 一般総合医療
金融サービス
インダストリー共通、他
代理店・店舗照会応答業務 医療保険承認審査 金融商品提案アドバイザー リスク・コンプライアンス判断支援
顧客体験の変革 - コールセンター・営業支援 - 顧客サポート・サービス - 市民サービス
R&Dイノベーション支援 公共安全
クラウド経由で外部のソフトウェア開発者に提供。スマートフォンやタブレット向けのアプリケーション開発が可能 Welltok社のCaféWell®サービス Fluid社の対話的ショッピング MD Buyline社のリテール・サービス Healthline社のヘルス・リファレンス・サービス Elance社のオンライン業務マーケットプレース運営
Watson ソリューション
医療 (カルテ、学術誌、症例DB,
治験データ、) 一般
(Wikipedia, 辞書, ..)
Engagement Advisor Discovery Advisor Policy Advisor
コーパス (言語知識ベース)
Watson 適用事業領域 Watsonの基盤系アーキテクチャーと現在展開している適用業務領域はこのようになっております。3種類のAdvisorについては、後程ご説明します。
1. IBM Watsonの概要と適用領域
© 2015 IBM Corporation 9
エンゲージメント (Engagement Advisor)
ディスカバリー (Discovery Advisor)
ポリシー (Policy Advisor)
答えの候補と確信度 根拠
答えの候補 根拠
根拠
質問
質問
質問(ポリシーに関する)
答え(Yes/No) と確信度
Q. 自転車で人に怪我させた場合にカバーしてくれる商品は?
A. 最適なのは○○保険(確信度90%)、他にもXX保険(確信度70%)や△△保険(確信度65%)も候補。
Q. 開発中の金融商品のリスクについて検討せよ。
A. 以下の根拠から次のような潜在的リスクが想定されます。
A. 90%の確信度で承認できます。根拠を以下にまとめました。
「商品やサービスなどについての 正確な情報を求める問いに対し、
確信度の高い答えを 根拠とあわせて返答する」
「正解が必ずしも存在しない問いに対し、 答えの候補(仮説などを含む)をリストし
それをサポートする根拠を 精査し、検証する」
「特定のケース(支払申請など)が 規定やガイドポリシーの要件に 適合しているかを判断する」
Watson質問応答の代表的なパターン
Q. この保険支払い申請を承認してよいか?
1. IBM Watsonの概要と適用領域
© 2015 IBM Corporation 10
PBX/CTI
Callログ 対応履歴
複雑化する商品、サービスに育成が追いつかない
質問
回答
Web検索で答えが見つからず電話をしてくる件数が減らない
キーワードによるFAQ検索システム
FAQ
正解が上位に来ない検索エンジン
コールセンター オペレータ
お客様
コンタクトセンターが抱える典型的な課題例として、以下のようなものがあります。
少ないFAQ
コストダウンのために十分な教育ができない
回答 ノウハウ
離職率が高く教育投資が嵩む
個々人のオペレーターが持つノウハウが共有できてない 対話
シナリオ Excel
ナレッジ DB
対話ナビゲーション、ナレッジ表示などが一元化されていない
典型的なコンタクトセンターの課題
Web 検索
回答
公開用 FAQ
キーワードによるFAQ検索システム
抽出
お客様 見たいページに辿り着けない
知りたい情報がFAQにない
2. コンタクトセンターの課題とWatsonによる解決方法
© 2015 IBM Corporation
Watson Platform (Q&A API, User Modelling API, Speech Service API …)
Watson Content Analytics + Watson Explorer (One Package) (日本語対応)
Other Analytics Software – Cognos, SPSS, … (日本語対応)
DeepFAQA on WEX
(日本語対応)
Watson Engagement
Advisor
Watson Discovery Advisor
Watson Policy
Advisor
Eco System Partner
Applications
Application Development & System Integration
Oncology Customer Care
Risk Compliance
Drug Discovery
Clinical Trial
Wealth Management
Watson Products
Watson Cognitive Services
Watson Interaction Models
Client Application Systems
SW Products
Watson Industry Solutions Financial Services Healthcare / Life Sciences X-Industry Watson
Solution Use Cases
Watsonの構成要素と製品ファミリー 現時点では、日本語対応されているDeepFAQAを用いてFAQ検索機能の効率化が実現可能です。
11
2015年末に日本語版リリース予定
2. コンタクトセンターの課題とWatsonによる解決方法
© 2015 IBM Corporation 12
PBX/CTI
Web・スマホ 検索
コールログ・対応履歴 テキストマイニング
DeepFAQA システム
音声応答
音声 合成
音声 認識
回答 回答文 作成
コールログ
質問内容 解析 回答
データ (FAQ)
類似FAQ 候補検索
FAQ ランキング
スコアリング
回答データ 作成処理
学習結果
回答データ
質問
オペレータ
お客様
辞書
学習処理
学習結果
バッチ処理
オンライン処理
対応履歴
追加FAQ 候補
FAQ 検索
検索ログ 対応履歴
辞書追加 候補
FAQ分析
VoCレポート
問合せ 分析
FAQ/辞書 作成支援
クリックログ
質問回答リアル処理
バッチ処理
データ連携
FAQ更新
電話
音声
テキスト
・音声入力
PC
スマホ
お客様
FAQ 管理者
VoC レポート
音声検索
検索 フロント システム
FAQ データ
コンタクトセンターのFAQを効率的に検索する日本語対応ソリューションとして、下図のようなDeepFAQAがあります。 利用パターンとして考えられる、①から⑤の処理シーケンスについて、次ページに記載します。
分析者
テキスト
DeepFAQA活用パターン構成図
ユーザー管理
購買履歴 ユーザー 属性
リコメンドシステム お勧め ルール 分析
対話制御
音声認識
① ①
③
③
② ②
④ ④
② ②
⑤
Watson Explorer (WEX)
2. コンタクトセンターの課題とWatsonによる解決方法
© 2015 IBM Corporation
コンタクトセンターにおけるWatson活用パターン
① お客様と会話したオペレータが質問をテキスト入力してWatsonに渡すと、回答が画面に表示される
③ Webからお客様がチャットで質問すると、Watsonがチャットで回答する
DeepFAQAとWEXによりFAQ検索の基本機能を実装する
FAQ検索の基本機能+Web対話制御を追加する
② お客様の質問をオペレータが復唱した音声をテキスト化してWatsonに渡すと、回答が画面に表示される
④ お客様の質問を音声応答が受信し、音声認識でテキスト化してWatsonに渡すと、回答のテキストを音声合成で伝える
FAQ検索の基本機能+音声認識機能を追加する
FAQ検索の基本機能+音声応答+音声認識+音声合成機能を追加する
⑤ 顧客DBを参照して、分析することにより、レコメンデーションエンジンが推奨する内容を基に顧客へのアプローチを実施する
Watson Engagement Advisorの日本語版、または、NBA Optimizerを使用する
実現パターン 実現方法
Watson(DeepFAQA)の活用方法として以下の5パターンが考えられ、それぞれの実現方法と期待される効果の関係を示します。
応対時間短縮によるオペレータ人件費の削減
オペレータスキルの平準化
セルフサービス活用による オペレータコール数の削減
マーケティング力強化による売り上げ向上
期待効果
13
2. コンタクトセンターの課題とWatsonによる解決方法
© 2015 IBM Corporation 14
DeepFAQAを利用して業務を継続する中で新たに増えた対応履歴やコールログをとWEX(テキストマイニング)で分析してFAQの整備を行い、その結果をFAQに反映することにより、回答精度の向上を図ることができます。
テキストマイニング (WEX)
問合わせ 分析
FAQ 分析
改善された FAQ
DeepFAQAシステム
質問内容 解析 回答
データ (FAQ)
類似FAQ 候補検索
FAQ ランキング スコアリング
辞書
問合せと整合性の あるFAQの整備
高精度の検索エンジンにより適切なFAQを
迅速に発見
問合わせと FAQの分析
お客様 オペレータ
分析者
FAQ 管理者
学習結果
学習機能 実績データによる機械学習で回答精度向上
問合わせと 正解データの 実績データ蓄積
コールログ FAQ
対応履歴 検索ログ
学習機能によるFAQ検索精度の向上 2. コンタクトセンターの課題とWatsonによる解決方法
© 2015 IBM Corporation
IBM Watson音声認識サービス • サービス提供形態
– 日本語版の音声認識は、Watson Developer Cloud上でのSaaSとして近日中に提供予定です。(英語β版は公開済み。デモがChromeブラウザから利用可能)
– 保存済みのファイルの単位での処理を行うバッチ・モードと、会話が行われている最中からリアルタイムで処理をするストリーミング・モードがサポートされています。
– 主な処理をクラウド上で行うため、クライアント・マシン上での処理は軽微で済み、ウェブ・ブラウザ上のJavaアプレットから音声認識を利用することも可能です。
• 運用 – IBM Watson Speech to Text Serviceでは、基本辞書および基本モデルをベースとしてそこにお客様の追加単語と追加学習データを追加して、辞書およびモデルをカスタマイズしてお客様の用途の音声認識に利用するという運用を予定しております。
– 基本辞書および基本モデルは性能向上のアップデートを随時行っていく予定です。 – ウェブインターフェースを利用してお客様ご自身で単語の追加したりテキストデータを追加することができるようになる予定です。
クライアント・マシン Watson Developer Cloud
Bluemix アプリ
IBM Watson Speech to Text (音声認識)
Service クライアント・プログラム
Web socket
REST API
サンプリングレート 8kHz or 16kHz 標準辞書サイズ 20万語以上
対応フォーマット PCM (WAV),FLAC, ほか対応予定
※予定は変更される可能性があります。 15
2. コンタクトセンターの課題とWatsonによる解決方法
© 2015 IBM Corporation
オペレータ用クライアントPC
Watson Developer Cloud
Bluemix アプリ
IBM Watson Speech to Text (音声認識)
Service
REST API
リアルタイム音声認識を使った応対中のエージェント支援 コンバージャー
エージェント
音声
顧客音声
FAQや マニュアル
音声取得・前処理
音声圧縮
クライアント・ プログラム
音声認識 送受信
検索 送受信
Display Watson
(DeepFAQA)
(Java applet)
音声認識結果表示、 関連FAQ文書表示
リアルタイム
• 音声認識結果から言い淀みを除去する機能が実装済み。
• 認識結果は要約しなくてもそのままFAQ検索に入力すれば、関連するFAQ文書の検索が可能。
• テクノロジー・リンク社の「コンバージャー」を利用することでリアルタイムで電話会話を音声認識することが可能。 • ほぼリアルタイムで得られる音声認識結果をFAQ検索に入力すれば、進行中の会話に関連したFAQやマニュアルを自動的にエージェント画面に表示し、効率的な応対が支援可能。
• 不要な言い淀みを自動的に除去した音声認識結果は、コールメモの作成に利用できます。
ストリーミング・モード
16
2. コンタクトセンターの課題とWatsonによる解決方法
© 2015 IBM Corporation
メガバンクのコールセンターでIBM Watsonの導入計画を発表
17
人間の話し言葉を分析でき、データを蓄積することで自ら“学習”するIBMのスーパーコンピュータシステム「Watson」。日本でもこのWatsonの英知をビジネスに生かそうとする動きが広がっている。 2014年11月に三井住友銀行とみずほ銀行が相次いでWatsonをコールセンター業務に導入することを発表した。米国などではすでにWatsonを病院や金融業務などで活用している例はあるが、日本では珍しい試みといえる。特にみずほ銀行は音声データをテキスト化する音声認識技術を活用した新システムをIBMと協力して構築するなど、新たな接客サービスの姿を模索しているようだ。 みずほ銀行は、2013年に発表した中期経営計画をもとに、10年後の金融サービスを考える若手を中心としたプロジェクトチーム「次世代リテールPT」を発足。2014年4月には新ビジネス創出を目的とした「インキュベーション室」も設置している。 「未来のサービスを考えようとする素地がある中で、人工知能を使った新たな取り組みができないか、ということでIBMとの話がまとまりました」(広報部) 新システムでは問い合わせをしてきた顧客とオペレーターの会話をWatsonが分析し、回答のヒントとなるキーワードをオペレーターの端末にリアルタイムで表示する。それに加えて、過去の問い合わせの内容などから、オペレーターが顧客に尋ねたり確認したりすべき事柄も表示されるという。オペレーターがいちいち聞くべき内容や回答例を検索しないで済むようにすることで、顧客を待たせることなく対応できるようにするのが狙いだ。 「問い合わせへの回答はスムーズに行えることがほとんどですが、お客様自身が起きている問題の全容や原因を把握できていない場合は、解決に時間がかかってしまうケースもあります。そういうときに、Watsonの分析で正しい回答にすばやく近づけることが期待できます。弊社コールセンターの対応時間の平均は約9~10分ですが、Watsonを導入することで、7~8分に短縮できると考えています」(広報部) Watsonは言語をデータとして蓄積していくことで分析精度を自律的に高めていく学習型のスーパーコンピュータである。会話例などが蓄積されていけば、時間短縮だけでなく、コールセンターを利用した顧客の満足度も上がっていくだろう。 みずほ銀行は、年明けにも新システムを試験的に導入し、フィードバックなどを得ながら夏までには、数百台あるすべての端末に適用する予定だ。新システムの導入に伴う、オペレーターへの教育コストもほとんどかからないという。 今後はコールセンターだけではなく、営業店舗の入口で来店者の用事を聞いたり、窓口業務のサポートなどで活用する構想もあるが、これで従業員の需要がなくなるというわけではない。「サービスの中心はあくまで人間です。人間をサポートし、付加価値を上げるという役割でWatsonを活用できればと思っています。蓄積されたデータは業務の効率化だけでなく、新たな企画の立案や次の提案などにもつながるでしょう」(広報部)
(出典:ITmedia エンタープライズ 2014年11月14日)
3. 日本および海外におけるIBM Watson導入事例
© 2015 IBM Corporation
三井住友銀行で人工知能が銀行員に「内定」 IBMワトソン君
18
人の言葉を理解する米IBMの認知型コンピューター「ワトソン」。米国生まれで母国語は英語だが猛勉強によって日本語を習得し、三井住友銀行から「内定」を得た。クイズ番組に興じていたワトソン君が、年内にも銀行マンとして日本で働き始める。 ■ビッグデータ分析などで質問の答えを導き出す 「ATMの手数料を知りたいのですが」。銀行のコールセンターには日々、あいまいな質問が寄せられる。引き出しの手数料か振り込みのことか。キャッシュカードは自行と他行どちらのものか。あるいは他行のATMを使う場合か。条件によって答えは変わる。 こうしたあいまいな質問にすらすらと答える次世代型のコールセンターが近々誕生する。三井住友銀がオペレーターの応対業務にIBMのワトソンを導入するのだ。 ワトソンは利用者が入力した文章を自然言語処理の技術で解釈し、ビッグデータ分析などの技術によって質問の答えを導き出す。三井住友銀のオペレーターが顧客から受けた質問をキーボードで入力すると、ワトソンは5つの回答候補を瞬時に出す。回答は確からしい順に、その確率を付けて表示する。オペレーターは候補と確率を参考に、顧客に応答する。 質問から回答を導くために必要な業務は、ワトソンにあらかじめ読み込ませる。1500項目の質問応答集、表計算ソフトで800シート分の業務マニュアル、過去の質問応答履歴などだ。 さらに正答率を高めるための工夫を盛り込む。最たる例が「役立ったボタン」。顧客への応答が正しかった場合に該当する回答のボタンを押すと、ワトソンが「この質問に対する答えとしてはこれが正解だった」と学習する。この繰り返しで正答率がさらに高まる。 回答を絞り込むためのキーワードも設定できるようにした。外貨預金や両替、小切手などを用意。「手数料」という質問にも対象を絞ることで正答率を高められる。 三井住友銀は2014年9月から12月末までに技術検証を済ませ、実用化の手応えをつかんだ。検証はワトソン君からすれば、いわば入社試験。まず応対ス ピードをストップウオッチで測定したところ「人間と五分五分だった」(システム統括部の江藤敏宏副部長)。未経験の人よりは早いが、熟練の人には負けるこ ともあった。 正答率はどうか。ワトソンが選んだ5つの回答の中に正答が含まれていた確率は当初70%未満だった。その後「SMBCダイレクト」と「ネットバンク」、 「インターネットバンキング」は同じ意味を示すなど専門用語を数千項目ほど読み込ませ、検索時にキーワードを指定できるようにしたら正答率は80%を超えた。「7割がいいところかと思っていたが正直に言って驚いた」と岡知博システム統括部部長代理は振り返る。導入後の学習効果を考えると90%も超えられるのではとの手応えを得た。ワトソン君が銀行の内定をつかんだ瞬間だった。
出典:日本経済新聞 2015/3/20付
3. 日本および海外におけるIBM Watson導入事例
© 2015 IBM Corporation
オペレータによるDeepFAQAシステムの活用
19
PBX ①質問
オペレータ
お客様
音声認識
⑧回答
②質問音声 ⑤質問テキスト
⑥回答表示
③復唱音声 ④テキスト
⑦回答音声
CRMアプリ
回答データ (FAQ)
Watson(DeepFAQAシステム)
質問内容 解析
類似FAQ 候補検索
FAQ ランキング スコアリング
辞書
学習結果
学習処理
応対履歴分析(WEX) FAQ分析
VoCレポート
問合せ 分析
FAQ/辞書 作成支援
FAQ 管理者
FAQ作成
FAQ更新
FAQ 分析者
⑩応対履歴
お客様からの質問をオペレータが復唱する時の音声をテキスト化し、Watson(DeepFAQAシステム)に渡すと、FAQを検索して、最適な回答を見つけ出し、画面に表示することが可能になります。その結果として、応対スキルの平準化と通話時間の短縮を実現しました。
検索ログ 評価結果
応対履歴 DB
⑨回答評価
オンライン処理
バッチ処理
3. 日本および海外におけるIBM Watson導入事例
© 2015 IBM Corporation
米IBMと三菱東京UFJ銀行、Watsonを活用した銀行・金融サービス業務で合意
20
IBMコーポレーション(以下IBM)と株式会社三菱東京UFJ銀行(以下三菱東京UFJ銀行)は「IBM Watson」を活用した銀行・金融サービス業務の変革を検討することについて、新たに合意したことを発表します。 日本最大級の銀行・金融サービス企業である三菱東京UFJ銀行は、音声認識、画像分析、自然言語処理など銀行業務を変革する新しいコグニティブ・コン ピューティング技術の可能性を探求する先進研究プロジェクトに投資をしています。本合意の一環として、IBMと三菱東京UFJ銀行は共同で「IBM Watson」の能力を評価し、コールセンター、支店、ウェブサイト・バンキング・サービス、お客様向けコンサルティング・サービスなど、オムニ・チャネ ルにおけるお客様とのエンゲージメントの向上を目指します。 本合意により、三菱東京UFJ銀行は、「IBM Watson」を応用する 複数の利用シナリオを検討し、新しい銀行サービスのより迅速な提供、お客様対応業務の変革、コールセンター業務のさらなる効率化の推進、コンプライアンス およびリスク管理の強化、総合的なビジネスの意思決定を改善することなど、銀行業界やその業務がかかえる課題に取り組みます。本合意は、ソフトウェアと サービスを新たなクラウド基盤で展開するIBMと三菱東京UFJ銀行の昨今の取り組みとともに、両社の長期にわたる関係の上に築かれています。 (出典:日本アイ・ビー・エム株式会社 プレスリリース 2015年2月2日)
3. 日本および海外におけるIBM Watson導入事例
© 2015 IBM Corporation
Watsonによる問い合わせ対応と投資相談
21
PBX
Web
Watson 問合せ対応
Watson 投資相談
営業店
仮想アシスタント
店舗内行員 お客様
PBX
インバウンド オペレータ
アウトバウンド オペレータ
電話
電話
チャット
来店
Watson 対話制御
回答データ (FAQ)
コールセンター スクリプト
投資相談 マニュアル
商品情報
顧客情報
Waton on Bluemix Waton参照データ
Watson 音声認識
Watsonの活用方法に関する構想策定を実施し、Web上でお客様からのチャットによる問合せに対して回答したり、最適な投資先の相談に回答したりするために、Watsonを利用して行く計画を立案しました。
お客様
お客様
お客様
3. 日本および海外におけるIBM Watson導入事例
© 2015 IBM Corporation
Watsonによるチャット問合せ対応:ASK USAA
22
USAA(ユー・エス・エイ・エイ、United Services Automobile Association)はテキサス州サンアントニオにあるアメリカ軍の軍人、軍属およびその家族(1030万人)を対象とした金融業、保険業を専門とする会社。
背景 USAAは、1,030 万の米国軍人とその家族を会員とし、保険や銀行、投資、退職関連商品を提供する企業である 軍人生活の中で最も経済的な影響が大きい出来事は退役と考えられるが、軍隊を離れるときのために経済的な準備をしているケースはほとんど見られない
Watsonの適用範囲: 会員の経済的安定の支援というUSAAの使命に合わせる形で、Watson対応のテクノロジーにより、アドバイスや教育、ガイダンスおよび意志決定サポートを提供し、経済的な決断や退役時の計画を支援します 使用事例と利点: IBM Watsonは、軍の(退役などの)異動に限定した、何千もの文書を分析、理解、アクセスするようプログラムされています 会員は、Watsonのインターフェースを介して、異動経験に関連する質問をすることができます。USAA会員は、企業のWebサイトで質問を入力でき、Watsonは"該当するフィードバック"を返します Watsonは、今後、年間155,000 人の現役軍人の社会復帰を支援するものと期待されています
3. 日本および海外におけるIBM Watson導入事例
© 2015 IBM Corporation
仮想アシスタントとは?
23
お客様
Webサイト
情報検索、閲覧
探している情報が 見つからないため電話を掛けてくる
FAQ検索しても回答が見つからない
PBX
コールセンター
FAQ検索エンジン FAQ
お客様
チャットで質問
Webで解決する確率が高まり、コール数が削減する
FAQ検索エンジン FAQ
仮想アシスタント on Webサイト
PBX
コールセンター
チャットで回答
質問
回答
従来型Webサイトの課題
Web上の情報検索精度が低く、お客様の必要としている情報が見つからないため、コールセンターに電話をして来る頻度が高くなります。
Web上の仮想アシスタントがお客様とチャットで会話しながら、必要としている情報をFAQ検索エンジンを利用して取り出し、お客様にチャットで回答します。
仮想アシスタントによるWebサイトの改善
Web上でお客様とチャットで会話しながら、FAQ検索エンジンを効率的に活用して、問合せに対する最適な回答を返すと同時に、関連するページにお客様を誘導する役割を実現するソリューションを仮想アシスタントと呼びます。
3. 日本および海外におけるIBM Watson導入事例
© 2015 IBM Corporation 24
IBM WatsonとGenesys社の協業発表
米ニューヨーク州アーモンク&カリフォルニア州デイリーシティー – 2014年6月11日 – IBM(NYSE: IBM)とカスタマーエクスペリエンスおよびコンタクトセンターソリューションのリーディングプロバイダーであるジェネシス社(Genesys Telecommunications Laboratories, Inc.)は本日、カスタマーエクスペリエンスの分野で提携することを発表しました。この提携により、今後、あらゆる規模の企業は、IBM Watsonのパワーを活用してカスタマーエクスペリエンスを差別化できるようになります。具体的には、顧客サービス、マーケティング、および営業の各部門が、データと自動化アクションを駆使し、従来とは異なる手法で顧客を企業へと導きます。 提携内容には、IBM Watsonの「Watson Engagement Advisor」とジェネシス社の「カスタマーエクスペリエンス・プラットフォーム」を組み合わせた学習システムを共同開発することが含まれます。この共同ソリューションにより、世界中の企業は、カスタマーエクスペリエンスの各接点およびコミュニケーションチャネルにおいて顧客エンゲージメントの手法を変革し、セルフサービスアプリケーションやコンタクトセンターでの消費者への対応を改善できます。Watsonに対応した自然言語ソリューションでは、迅速かつ容易に市場や組織のデータを学習し、適応し理解することが可能になり、使用、結果の確認、新情報の収集を繰り返しながら徐々に知識を構築していきます。 IBM Watsonとジェネシス社のソリューションにより、企業の顧客サービスエージェントは、消費者にデータ主導型の回答を迅速に提供し、またモバイル機器、チャットセッション、またはオンラインインタラクションを通して消費者に直接対応することが可能になります。1回クリックするだけで、このソリューションの「Ask Watson」機能が顧客の質問に対処し、購買の意志決定に導くフィードバックを提供し、また顧客が抱えている問題を解決できるように支援してくれます。
4. Watsonとオムニチャネル連携による顧客体験の向上
© 2015 IBM Corporation 25
商品説明ビデオ
お客様
商品1 商品2 商品3 商品1
商品説明ビデオ再生
メニュー選択
ビデオ再生 ご不明な点がありましたらテキスト欄に入力して送信するか、接続ボタンを押して下さい。 実エージェント
質問・応答
実エージェントに転送 着信 +コンテキストデータ
応答
仮想アシスタントに切り替え 再接続
見積り作成
切断
仮想アシスタントはWatsonの指示に従いながらお客様対応を行い、実エージェントに切り替わるタイミングもWatsonの指示に従い、最適なエージェントに転送することが可能になります。
接続
仮想アシスタント(Webアプリ)
メニュー表示
送信
質問送信
回答送信 Watsonに相談 チャットで質疑応答
再接続 再接続
見積り作成
見積り要求
見積り回答
IBM Watsonとオムニチャネル連携による顧客体験の向上
ログイン
IBM Watson
顧客属性やアクセス履歴から判断しお奨めの商品を表示
FAQ 顧客が見ていた商品説明 ビデオの内容やFAQ 検索結果から最適 回答を送信
顧客からの 要求がなくても、 実エージェントに
代わるべきタイミング を判断して最適任者に転送
商品DB
Genesys Conversation Manager
金融デモ
担当の者に代わりますので、お待ち下さい。
4. Watsonとオムニチャネル連携による顧客体験の向上
© 2015 IBM Corporation 26
オムニチャネル間データ連携の実現例
Webサーバー
ログイン 1 2 3 4
IVRサーバー
購入プロセス
Context Services
CRM
サービス再開 3 4
RESTful
セッション情報などが “Post”され保持される
HTTPプロトコルで “Get”
JSON形式でコンテクスト情報を入手 「ステップ2まで終了」
・・・・・・
お客様
お客様がWebでの購入手続きを途中で終了し、電話でIVRにアクセスして来た場合に、Webで途中まで入力していた情報がコンテクスト情報としてIVR側に引き継がれるため、継続したプロセスから再開が可能になります。
・・・・・・
Genesys Conversation Managerで実現
4. Watsonとオムニチャネル連携による顧客体験の向上
© 2015 IBM Corporation 27
深いテキスト分析 事実についてのQ&Aサービス
画像や動画の認識 話し言葉・会話 表情や行動の理解 感情の評価
対話を通して質問内容の絞込み ユーザー・モデルの生成・利用 多国語対応(含む日本語)
ディベート 機械学習の進化 数理解析 モデル・概念の理解
質問のタイプの多様化 コグニティブ・サービスの拡張
技術の進化
エコシステムの醸成
適用領域の拡大
機能の拡張
Watson技術の課題と今後 5. Watson技術を用いた顧客サービスの将来像
© 2015 IBM Corporation 28
コグニティブ・コンピューティングを活用した意思決定支援(未来像)
コグニティブ・コンピューティングを活用した未来像として、レストランに来店したお客様にお奨めのメニューをウェイトレスが選択するサポートをしたり、投資先を相談しているビジネスマンがお奨めの銘柄を選択するサポートをすることが可能になると予測しています。
出典 https://www.youtube.com/watch?v=tKE4Mxsg2y0 参考 http://www.ibm.com/smarterplanet/jp/ja/ibmwatson/cognitive-computing-movies/
5. Watson技術を用いた顧客サービスの将来像
© 2015 IBM Corporation 29
5. Watson技術を用いた顧客サービスの将来像 Watson要素技術の進歩と顧客サービスの将来像
前頁のビデオで想定しているWatson要素技術と、それを活用した顧客サービス将来像の関連を下表に示します。
Watsonの要素技術 意思決定支援の未来像 コンタクトセンターへの活用方法 スマートコンタクトレンズによる画像認識
女性客のまばたき回数から疲労度を予測し、前回来店時の情報と合わせて、お奨めメニューを選択
顧客とWatsonの間でビデオ会議を設立し、顧客から送信されて来る画像から使用製品/商品を特定する
相手の話し言葉から感情分析 女性客の「それって辛いんですか?」という質問から、「辛いものが苦手」と理解し、別のメニューを推奨
顧客の会話音声から感情を分析し、発言の真意を理解したり、満足度を把握したりするのに活用する
ユーザーの好みや傾向を学習 「一度に沢山の情報を出されてもイライラしてしまう」という山下さんに合わせて、いつもベストだと想定される情報を3つに絞って提示する
同じ質問に対する回答であっても、ユーザーの好みや傾向により、回答方法をカスタマイズすることを可能にする
ユーザーが過去数週間に会話した内容、調べた内容などを記憶
山下さんの「あれあれ、何だっけ?」という問い掛けに対して、推定される回答候補を提示する
過去の会話履歴を蓄積しておき、ユーザーのヒントから推定される回答候補を提示する
大量データの比較を瞬時に実施 持ち主から依頼された決算書(貸借対照表、損益計算書、キャッシュフロー)の比較を瞬時に提示
ユーザーからの依頼により、大量データの比較計算を瞬時に実行し、その結果を表示することで、意思決定を支援する
© 2015 IBM Corporation 30
ユースケース、オポチュニティ検討
どのようなメリットがあるか
ロードマップ策定
ワトソン・システムへのアクセス
ビジネス要件定義 (resource & data)
構築・構成 学習・訓練 テスト 本番システム開発
SaaS での展開 価値の実現
Continuous Improvement 4 Months ~ 9 Months 4~6 Weeks 4~8 Weeks
Cognitive Value Assessment Pilot Configure & Train Deploy and Manage
Watsonプロジェクトの進め方
戦略・企画立案 データ検証
特定の適用領域での Watson訓練 アプリ開発・試行
本番稼動 適用業務領域の拡大
Watson技術を活用したプロジェクトによるシステム構築を実施する場合、以下のようなステップとスケジュール感で進めて行くことになります。
6. Watsonプロジェクトの進め方
© 2015 IBM Corporation 31
Watson Experience Manager (ご参考としてWatson Engagement Advisorでの例)
質問応答による 機械学習の実施
学習・訓練のフェーズでの作業を簡易化するツールを用意します
6. Watsonプロジェクトの進め方
© 2015 IBM Corporation 32
ご清聴頂き有難うございました。
コンタクトセンターについてのお問合せは、下記アドレスまでメールをお送り頂くか、
弊社担当営業までお問合せ下さい。
e-mail:[email protected]
CaféWellはWelltok社の商標です。 IBM、WatsonはIBM Corporationの商標です。 USAAはUNITED SERVICES AUTOMOBILE ASSOCIATIONの登録商標です。 Genesysならびにその組合せはGenesys Telecommunications Laboratories Inc.の登録商標です。 その他記載された全ての企業名、ブランド名、および、製品名は各企業の登録商標です。