通話要約を生成AIで自動化、実証で事後処理を最大54%効率化した電話窓口

月7万件という通話量に対し、記録をテキスト化するところまでは仕組みで回っていた一方、そこから先の要約は一人ひとりの手元に残されたままでした。作業の負荷が重いことに加え、担当するオペレーターによって要約の粒度や書きぶりが揃わない状態も続いていました。

編集部の見立てでは、この困りごとの中心にあったのは作業量そのものではなく、要約が応対の付随作業として扱われ続けた構造です。要約とは、長い対話のうちどこが後から必要になるかを判断して切り出す仕事であり、本来は明確な基準を必要とする工程にあたります。それが応対の合間に個人の裁量で処理されていたために、負荷の集中と品質のばらつきが同時に起きていたのではないでしょうか。

AIサービスで要約することを前提に、電話応対フローの一部を組織的に組み替えた点が、この取り組みの起点になっています。既存の手順にAIを後から差し込むのではなく、AIが扱いやすい形で通話が進むように業務側を動かした、順序の逆転です。要約の出来は言語生成AIの性能だけで決まるものではなく、入力となる対話がどう構成されているかに大きく左右されます。応対の設計まで射程に入れた判断が、出てきた素案をそのまま使える確率を押し上げたと考えられます。

入口と出口の両方に手当てを施した一気通貫の設計も、実運用に耐える品質を支えています。音声データからフィラー（「えー」「あのー」のような意味を持たない言葉）を取り除いてAIが読み取りやすい形に整え、出力側では自社の表現や表記ルールに合わせて直す後処理を挟む構成です。問い合わせの内容に応じてGPT-3.5とGPT-4を使い分けるやり方も、すべてを高性能なモデルに投げるのではなく、必要な場面に精度を配分するという設計思想の表れといえます。

開発側のエンジニアが実際のコンタクトセンターに足を運び、オペレーターと直接対話を重ねた進め方は、この後処理の作り込みに直結したはずです。表記のルールや「この一言は残してほしい」といった要望は仕様書には現れにくく、現場で交わされる言葉の中にしかありません。パートナーであるELYZAが要件定義の外側まで踏み込む体制を取ったからこそ、修正ルールが机上の想定で止まらずに済んだと読み取れます。

2023年5月から8月にかけての実証実験では、後処理に時間がかかっていた「お問い合わせ」「ご意見・ご要望」「介助申込」の3領域について、事後処理時間を18%から54%効率化できることが確認されました。現場のオペレーターからも、簡単な内容はほとんど手直しなしで反映される、とりとめのない内容もうまくまとまる、といった評価が寄せられています。この結果を受けて同年9月から実業務への正式導入が始まり、コンタクトセンターの標準的な業務フロー全体への適用や他領域への展開も視野に入っています。