東芝の対話AI、問い返しで曖昧な質問を具体化し成功率73.3%を検証

保守点検の現場では、設備の老朽化が進む一方で、熟練者の退職と労働人口の減少が同時に重なっています。経験の浅い作業者が単独で判断を迫られる場面が増え、作業中に浮かんだ疑問をその場で解消できなければ手が止まってしまう。生成AIを載せたチャットボット自体は広がりつつありましたが、具体的に質問しなければ的確な回答が返らず、曖昧な問いには不要な情報が混ざってしまう、という壁がありました。

編集部の見立てでは、ここでの困りごとの本質は「AIが知識を持っていない」ことではなく、答えを引き出すための言語化という負担を、質問する側に丸ごと預けていたことにあります。何が分からないのかを正確に言葉にできる人は、たいてい自力でも答えにたどり着けます。本当に助けが要るのは、うまく言葉にできない人のほう。その層を置き去りにしていたことが、せっかく用意した仕組みが現場で使われなくなる根っこにあったのではないでしょうか。

回答をつくる役割と、その出来ばえを判断する役割を別のAIに分けた構成が、この技術の中心にあります。応答生成AIは回答候補だけでなく、追加情報を求める問い返しの候補も同時に複数出し、応答評価AIがそれらを採点して最良の一つを選びます。生成と品質判断を切り離したことで、一度で答えを出し切ろうとする設計では避けきれなかった「もっともらしいけれど余計な情報が混ざった回答」を、選ぶ段階でふるい落とせる構造になっています。

評価の観点を、正しい情報だけを含んでいるかという正確さと、冗長でないかという2点に絞ったことも効いていると考えられます。曖昧な質問ほど、AIの回答は関係しそうな情報を広く盛り込む方向に傾きますが、設備を前に手を止めている作業者にとっては、長い回答を読み解くこと自体が新たな負担になります。冗長さを明示的な減点対象として定義した判断は、正確さだけを追う評価軸では測れない現場での使いやすさを、採点可能な形に落とし込む工夫だと読み取れます。

質問が具体的ならそのまま答え、曖昧なら問い返すという分岐を、人間側ではなくシステム側の判断に委ねた点も見逃せません。この設計は、利用者に上手な聞き方を求める代わりに、足りない情報はシステムが尋ねて埋めるという役割分担へ発想を反転させています。質問の仕方に不慣れな作業者が使うという前提を、機能ではなく対話の進め方そのものに織り込んだ設計と言えます。

設備の保守作業中に生じた不明点への対処法を提示するユースケースで検証が行われ、曖昧な質問から正しい作業手順が得られる成功率は、従来技術の30.0%に対して73.3%まで向上しました。これは、はじめから具体的に質問した場合とほぼ同等の水準です。やり取りの回数は平均2.3回で、問い返しを重ねながら質問が具体化されていることも確認されています。今後は東芝グループ内の保守作業現場で実証実験を開始し、将来的な社外へのサービス提供も視野に入れられています。