JALカードがAIの仮想顧客に議論させ、購買率1.7倍を確認した実証実験

実証実験の設計でまず目を引くのは、会員データをそのままAIに渡すのではなく、議論できる状態まで段階を踏んで作り替えている点です。約360万人分の会員データから条件に合う一部を抽出し、主として購買行動をもとに12のクラスタへ分け、それぞれのクラスタのライフスタイルを想定したうえでAIペルソナへ変換する。数字の集合を、暮らしぶりを持った人物像へ翻訳するこの工程を挟んだことが、AIどうしの会話を単なる雑談ではなく意味のある議論に成立させた要因だと考えられます。

議論の質を左右したのは、話し合いの進め方をあらかじめ決めておいたことです。LITRON MASには「会議設計」と呼ばれるノウハウが組み込まれており、この取り組みでは、各ペルソナがまず自分の主張を述べ、そのうえで他者を批判する、という順序が設定されました。さらに、生成AIが担うファシリテーター役が、どのペルソナが最も購入しやすいかを判断する役割を持っています。生成AIに自由に会話させるのではなく、発言の順番から結論の出し方までを型として定めた設計が、議論を発散させずに施策で使える示唆へ着地させたのではないでしょうか。

もう一つ効いたのは、一回の調査を軽くして回数のほうを稼ぐという考え方です。ペルソナを入れ替えながら30回程度の議論を重ね、毎回4〜5名程度で話し合わせる進め方は、一度の調査で正解を当てにいくのではなく、繰り返しながら精度を上げる前提に立っています。加えてこの取り組みは、NTTデータがJALカードを支援するという一方向の関係ではなく、両社の共同検討および検証として進められました。データと会員理解を持つ側と、複数のAIを議論させる仕組みや会議設計のノウハウを持つ側が並んで手を動かす体制は、試行の設計を素早く直しながら回すうえで働いたと見ています。