AI（人口知能）を活用したサービスは、顔認証や文字・画像・音声の認識、株価予測、将棋・囲碁の世界までありとあらゆる業種業界に広がっています。その市場規模はEY総合研究所によると、2015年は3兆7,450億円でしたが、2030年に86兆9,620億円まで拡大すると見込まれており、巨大な市場として成長していくと考えられています。
またコールセンター業界においても、2030年には3,354億円とAIの活用が進むことが予測されています（2015年は65億円）。新たな技術やシステムを導入することにより、業務効率や利便性を向上させることができる一方で、スムーズな導入ができるのか不安を感じている皆さまも多くいらっしゃるかと思います。そこで今回は、AIの中でも機械学習を活用したサービス導入を成功へ導くポイントをお伝えします。

様々な業務で膨大なデータがやり取りされる中、機械学習を活用したサービスはこれまでに手が出せなかった領域の業務効率化や最適化を進める可能性を秘めています。一方で、扱うデータの質や量、あるいは適用領域によっては期待される効果を大きく下回る結果しか得られないことがあります。そのため、多くの場合、リスクを回避するためにサービス導入前にPoC（Proof of Concept）を行うことが必要になります。ではなぜPoCが必要なのか詳しくご説明します。

PoC（Proof of Concept）：概念実証。新たな概念やアイディア、技術などが実現可能であるかどうか、簡易的または部分的に行うこと

PoCは｢概念実証｣、｢実効性検証｣という言葉に翻訳されるように、提供されるサービスの効果検証のために行われます。機械学習のメリットは、与えられたデータに対して最適な結果が得られるように学習することです。これは言い換えると、実際にどの程度の効果が表れるのかは、業務で扱っているものと同じデータ（コールセンター業界のデータに例えると、顧客からの問い合わせ内容など）をインプットしてみないとわからない、ということになります。そのため、実際のデータを使ったサービス導入効果の試算が必要になります。

PoCが必要なもう一つの理由は、実際の業務への適用した際の効果を測定するためです。例えば、ボットを入れることによる入電量削減や回答支援による応対時間の短縮といった効果には、単純な機械学習の精度だけでなく他の多くの要因が関係してきます。そのため、業務に大きな影響を与えない範囲でPoCを行って実績値を計測します。それにより、そのサービスを導入することの効果の測定と、適用する価値のある業務範囲の見込みをつけていくことができるようになります。

これまで述べてきた以外にも、PoCを行うことで現実的にいま使っているシステムとのデータ連携が行えるのか、学習やデータ更新といった運用をまわせるのかといったことを確認することもできます。
人工知能を使ったサービスに限らず、新しいシステムや仕組みの導入時には多かれ少なかれこれまで想定していなかったトラブルがつきものです。このようなトラブルを未然に防ぎ、また発生した場合でも対応ができるように、コールセンターに機械学習やAIなどの新技術を使ったサービスを導入の際には、現場知見の取り込みや運用に関する検討が必須になります。

TMJではこれまでに培った豊富なコールセンターの運用経験やFAQアセスメントをはじめとするナレッジマネージメントの知見、AIの現場導入のコンサルティング知見などを総合して、こうした新技術の導入支援、PoCの実施などについてもご相談をお受け付けしております。ご参考いただけましたら幸いです。