レビュー監視の目視時間を67.7%削減、ZOZOの生成AI一次判定フロー

効いたのは、AIに削除まで任せず、「違反の可能性が高い」ものだけを人に手渡す形に役割を切り分けた設計です。LLMには判定が揺れる不確実性がつきまとうという前提を最初から運用に織り込み、最終的な線引きは担当者の目視に残しました。この切り分けにより、AIの精度が完璧でなくても仕組みを動かし始められます。判定を誤っても人の確認が受け止める構造になっているため、導入のハードルそのものが下がったと考えられます。

判定の対象を、汎用的な不適切表現ではなく自社のガイドラインという固有の基準に据えた点も見逃せません。商品不良や配送への言及は、一般的な意味で問題のある文章ではなく、このサービスの文脈においてのみレビューの対象外と位置づけられるものです。表現そのものではなく文章が何について書かれているかを読み取る必要があり、自然文の意図をつかむLLMの性質と噛み合っています。基準を細かく作り込むには外部ツールへの当てはめより自社開発のほうが動かしやすく、その選択が判定内容と一貫していました。

社内ニーズを起点にツールを内製し続ける進め方も、この事例を支える土台になっています。問い合わせ対応bot、記事タイトル＆目次ジェネレーターといった複数のツールが同じやり方で生まれており、レビューパトロールもその流れの中にあります。大がかりな一発の導入で全社を変えるのではなく、現場が困っている単位でAIの使いどころを切り出していく積み重ねが、実際に使われる道具を生む近道になっていると読み取れます。