社内問い合わせの非効率
今回、掘り下げるテーマなんですけど、多くの組織が抱えている社内問い合わせ対応の非効率さ、これですね。
これをAI、特にmiiboっていう会話型AIプラットフォームがどう解決できるのか、お預かりした資料を基に深く見ていきたいと思います。
あなたの組織でも、例えば経費生産の方法とか、あの資料どこだっけ、みたいな同じような質問に何度も答える状況ってありませんか?
ありますね。よく聞く話です。
今回は、この課題に対する具体的な解決策をちょっと探っていきましょう。
資料によると、この根本的な課題って大きく3つ挙げられてますね。
ほう、3つですか?
はい。まず1つ目が、問い合わせ対応によって、本来やるべき業務が圧迫されちゃうってことですね。
担当者の時間が取られちゃうわけですね。
そうなんです。で、2つ目が、情報が社内のあちこちに散らばっちゃってて、必要な情報を見つけるのが大変と。
うーん、これもあるあるですね。探すだけで時間が。
ええ。そして3つ目が、回答の俗人化。つまり、答える人によって内容が違ったり、品質にばらつきが出ちゃったりする問題です。
なるほど。
これらが積み重なって、結局組織全体の生産性を下げてしまっている、というわけです。
miiboの技術と機能
いや、本当に根深い問題ですよね。では、そのミーボーは、これらの課題にどうアプローチするんでしょうか。
資料にあった3層構造のアプローチというのが、ちょっと気になります。技術、機能、運用でしたっけ。
ええ。非常に体系的で、よく考えられたアプローチだと思います。
まず技術層ですが、ここの核となるのが、RAGっていう技術ですね。
RAGですか。
はい。これは、大規模言語モデル、LLMですね。
これに、ただ一般的な知識で答えさせるんじゃなくて、ちゃんと社内の情報、例えば規定とかマニュアルとか、そういう固有の情報を参照させるんです。
これによって、AIがまったずれな一般論を言うんじゃなくて、ちゃんと組織の状況に合った正確な回答を生成しやすくなると。
なるほど。AIにちゃんと会社のルールを教え込む、みたいな感じですかね。
まさにそんなイメージです。
それから技術層には、LLMフラットっていう設計思想もあって。
LLMフラット?
ええ。これは、特定のLLM一つに縛られるんじゃなくて、用途に応じて複数のLLMを使い分けられるっていう柔軟性を持たせている点です。
へえ、それは面白いですね。どういうメリットが?
例えば、簡単な質問にはコスト効率の良いモデルを使って、もっと複雑な、例えば要約とか分析が必要な場合には高性能なモデルを使う、といった最適化ができるんです。
コストと性能のバランスが取れるのが大きいですね。
なるほど、なるほど。次の機能層ではどうでしょう?
資料を見ると、PDFとかテキストだけじゃなくて、GoogleドライブとかNotionの情報もナレッジデータストアにまとめられるって書いてますけど。
ええ、そこが非常に実用的ですよね。普段使っているツールと連携できるのは大きいです。
ですよね。これなら情報が散らばっていても、AIが裏側でアクセスして答えを見つけてくれそう。
その通りです。あと、曖昧な質問、ちょっと言葉足らずな質問にも自然言語処理でうまく対応してくれるようです。
それは助かりますね。そして最後の運用層というのは?
ええ、これが導入して終わりにしないための仕組みですね。
例えば、AIとの会話ログを分析してどんな質問が多いのかとか、AIがうまく答えられなかったのはどこかといったことを把握できるんです。
ふむふむ。
それから、AIの回答に信頼度判定のスコアを表示させる機能もあります。
信頼度スコアですか?
はい。スコアが低い回答は人間が優先的にチェックして修正するといったことがやりやすくなる。
これで継続的にAIの精度を改善していくサイクルを回せるわけです。
なるほど。技術や機能は分かってきましたが、でもやっぱり導入って大変そうなイメージが専門知識とか結構いるんじゃないですか?
あ、それがですね、資料によると驚くほど手軽に導入できる点が強調されてるんですよ。
へー。
ええ。エンジニアでなくても基本的には5つのステップ。
まず、ナレッジ準備。これまあ、AIに読み込ませる資料をアップロードする感じですね。
はい。
それから、AIの正確設定、連携設定。これはスラックとかTeamsとかですね。
で、テストして調整して本番公開と。これで数日で立ち上げ可能だとされています。
数日ですか。それは思ったよりずっと早いですね。
まあもちろん、AIに読み込ませるナレッジの準備、情報の整理というのは重要ですけど、プログラミングみたいな専門的な作業は基本的に不要という点が大きいですね。
成功事例もいくつか載っていましたね。GMOペパモさんは社内活用からさらに外部向けのサービス、GMO即レスAIに展開したとか。
ええ。あれは面白い展開ですよね。
ナレッジマネジメントの変革
横須賀市の事例。職員の方が自ら市民向けのAIをアジャイルで作ったと。
これは何ていうか、現場の人が主体的にAIツールを活用できる可能性を示していて、すごくインパクトがあるなと感じました。
まさにそうですね。ミーボ社内でも、AIがまず回答の下書きを作って、それを人間がチェックして完成させるみたいなハイブリッドな体制をとっているそうです。
ほう。AIと人間の共同ですね。
ええ。なので単に問い合わせ対応の工数を削減するとか、24時間対応できるといった直接的なメリットだけじゃなくてですね。
もっと本質的な価値として、組織の中での知識の共有とか活用が促進されるという点が大きいと思います。
なるほど。つまりこれまでは部署ごとに眠ってしまっていた知識とかノウハウが、AIを介すことでスムーズに共有されるようになって、
組織全体の集合地みたいなものが高まる可能性があるということですね。
おっしゃる通りです。そうなると、新入社員の方のオンボーディング支援とか、あるいは営業活動の支援とか、他の業務への応用もぐっと広がりそうですよね。
いやあ、そう考えると、問い合わせ対応の自動化っていうのは、実はもっと大きな組織のナレッジマネジメント変革の入り口なのかもしれないですね。
ええ、そう捉えることができますね。
今回こうして見てきたように、ミーボーのような濃厚度のAIプラットフォームというのは、社内問い合わせ対応という非常に身近な課題解決をスタート地点として、組織全体の情報の流れを良くして、生産性を底上げする可能性を秘めていると言えそうですね。
そうですね。そこで最後に、あなた自身にちょっと問いかけてみてほしいんです。
はい。
もし、こうした定型的な社内コミュニケーションがAIでどんどん効率化されていくとしたら、その先でこれまでこれは人間にしかできないと考えられてきたようなもっと創造的な業務とか、
あるいは戦略的な業務領域において、私たち人間とAIとの共同というのは、これからどのように進んでいく可能性があるのか、そしてその関係性の変化が私たちの働き方をこれからどう変えていく可能性があるのでしょうか。
はい。
