投稿一覧に戻る
(株)ＦＲＯＮＴＥＯ【2158】の掲示板 2017/11/15〜2018/01/14
-
>>946
――FRONTEOのKIBITは、少ない量の教師データを元に類似性の判定やスコアリング評価ができる点が特長だと思いますが、実際に運用してみていかがでしょうか。
確かに、ある程度のクオリティまでは少ない教師データですぐに立ち上がりますね。ただ、そこから高い精度を担保しようとすると、やはり大量の教師データを必要としますし、クレーム分類などを細かくチューニングする必要があると思います。一方、利用企業にとっては、AIクレームチェッカーの判定結果に違和感を持ったものをチェックしていけば、少ないサンプル数で企業に合わせたカスタマイズができると思います。
――どのような企業での活用を想定していますか。
BtoBでビジネスを展開している企業を想定しています。BtoCでもクレームはあるのですが、BtoCビジネスではCRMの体制を作っており顧客の声を集約することは難しくありません。一方、BtoBビジネスでは営業担当者の意思によってクレームが顕在化するか否かが決まってしまうため、そうした課題を解決できる製品として企業に提案していますね。
また、営業担当者が数十人を超えてくると現場責任者や経営者は各営業担当者の業務を把握するのが難しくなってきます。ある程度大きな規模の営業組織を持っている企業や定期的に顧客企業とのメールやりとりが発生する業務を行う企業も対象になってくると考えています。具体的には、人材、広告、ウェブ制作、システム開発、不動産、イベント企画・運営などを行う企業がこのAIクレームチェッカーを導入しています。最近ではほとんどのビジネスでやりとりにメールが使われているため、対象業種は幅広いと思います。
kir*****
>>945
――確かに、人工知能を業務に導入しようとすると、企業はまずはその“空っぽ”の人工知能を育てるところから始める必要がありますよね。結果的に、何かを実現したくて人工知能を導入するのに、その導入そのものが目的化してしまう。結果的に効果を生み出すまでが遠く、導入意義に疑問を抱いてしまうことになります。
速度感をもって効果を出していこうという点に主眼を置いているのがAIクレームチェッカーの開発のポイントだと思います。確かに、お金とリソースを充分に確保できる大手企業であれば、ゼロから人工知能を育てることは難しくないかもしれませんが、日本企業の大多数を占める中小企業ではそうはいきません。
――クレームを見つけ出すアルゴリズムで工夫している点はありますか。
人工知能の基本性能はFRONTEOのKIBITをそのまま使っているので、私たちはそれを微調整する程度です。
ただ、クレームメールの内容にはさまざまな種類があるので、その分類と軽度（緊急度の高さ）で細かく仕分けしてスコアリングに反映するチューニングは開発時から現在まで継続的に行っています