re:Invent 2023: Principal FinancialがAI活用で顧客体験を向上 - AWS CCI事例
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2023 - Principal Financial enhances CX using call analytics and generative AI (AIM223)
この動画では、Amazon BedrockのシニアプロダクトマーケティングマネージャーAartika Sarda Chandrasが、AI/MLとGenerative AIを活用したコンタクトセンターの革新について語ります。AWS CCIソリューションやPrincipal Financial Groupの事例を通じて、顧客体験向上の具体的な方法を紹介。Amazon Transcribeの新機能や、100万件以上の通話を分析したPCAの実装など、最新のAI活用事例が盛りだくさんです。 ※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
本編
Amazon Bedrockを活用したコンタクトセンターの革新
みなさん、こんにちは。本日はお集まりいただき、ありがとうございます。私はAmazon Bedrockのシニアプロダクトマーケティングマネージャーのアールティカ・サルダナ・チャンドラスと申します。この新しいGenerative AIの時代において、AI/MLとGenerative AIを活用して、コンタクトセンター分野でのカスタマーエクスペリエンスをどのように向上させることができるかについて、お話ししたいと思います。今日は、お客様との会話やその他の顧客接点を通じて収集したすべてのデータを活用し、パフォーマンスを向上させ、ビジネスを促進するためのアクショナブルなインサイトを導き出す方法に焦点を当てます。
本日は、同僚のクリス・ロットと、お客様であるミゲル・サンチェスにもご参加いただいています。クリス・ロットはAmazon Transcribeのシニアソリューションアーキテクトです。ミゲル・サンチェスはPrincipal Financial Groupのアナリティクスディレクター兼リージョナルチーフデータオフィサーです。
本日のセッションでは、盛りだくさんの内容をご用意しています。まず、コンタクトセンターの主要な課題、関係者の日常業務、それらの課題を軽減するためにAI/MLを活用してどのようなコンタクトセンターソリューションを形成できるか、そして一部のお客様が得られた効果について説明します。その後、Generative AIの最新イノベーションに移ります。また、Principal Financial GroupがAWSサービスを使用してこれらのソリューションを活用し、すべての顧客会話からインサイトを導き出すためのポストコール分析ソリューションを形成した方法についても説明します。
コンタクトセンターが直面する3つの課題
まず、3つの異なるペルソナから始めましょう。最初で最も重要なペルソナは、私たちのお客様です。挙手してください。10分間の電話で、これは1を押して、あれは2を押して、別のことは3を押すのが好きな方はいらっしゃいますか？誰もいませんよね。私たちのお客様も同じです。今日、80%以上のお客様がセルフサービスソリューションを求めています。彼らは、チャットボットや会話型アシスタントで問題を解決できることを望んでいます。
2番目は、エージェントです。彼らは会社のカスタマーサービス部門の顔です。ここ数年、コンタクトセンターは電話対応で手一杯だったことにみなさんも同意されると思います。今日のようなCyber Mondayでは、人々が自宅に座って買い物をしながら、コンタクトセンターに電話をかけてすべての問題を解決したいと思っています。そして、エージェントは30%の時間を電話対応に集中するのではなく、管理業務に費やしています。これは私たちがお客様から聞いた話なので、この問題を解決する必要があります。
最後に、マネージャーと監督者の皆さんについてです。日々データを収集していますが、それらの通話を分析できていますか？私たちの顧客は、全ての通話を分析できているわけではないと言います。そこで、私たちは顧客が100%の通話を分析できるようにしたいと考えています。そのため、これら3つの課題に対応する3つのソリューションを用意しました。
AI/MLを活用した3つのソリューション
1つ目のソリューションは、セルフサービスの仮想エージェントです。会話型IVRやチャットボットのことですね。これらはGenerative AIを活用し、企業のエージェントが使用するのと同じナレッジベースに接続されています。これにより、顧客は自分の都合の良い時間に答えを見つけることができます。
2つ目のソリューションは、エージェントに関連する課題に対応するもので、会話が進行中に機能します。これがリアルタイムコール分析とエージェントアシストソリューションです。これは、顧客が本当に困っているときに何を望んでいるかを理解するための究極の手段です。進行中の通話の感情分析などの洞察を得ることができます。エージェントは、進行中の会話に基づいて提案される回答のプロンプトを受け取るため、より迅速に答えを見つけることができます。そのため、エージェントはより集中し、回答がより速く提供され、通話解決時間が短縮され、もちろん顧客も満足します。
最後になりますが、今日のプレゼンテーションで重点的に取り上げるのが会話分析です。先ほど申し上げたように、年間何百万件もの通話がありますが、それらを分析できていますか？私たちには、まさにそれを可能にする通話後分析ソリューションがあります。これにより、全体的な通話の感情、エージェントのパフォーマンス、今後のビジネストレンド、顧客が最も不満に思っていることや、逆に最も喜んでいることなどの洞察を得ることができます。
これらの情報を活用して、ビジネスパフォーマンスを向上させることができるのです。では、私たちの顧客がすでに得ているメリットを見てみましょう。
AWSコンタクトセンターソリューションの成功事例
まず、WaFd Bankの例から始めましょう。彼らはAWSが提供するセルフサービス型の対話AIプラットフォームを使用しました。その結果、残高照会のような簡単な問い合わせにかかる時間が90%削減され、4分30秒から28秒に短縮されました。これは大きな成果です。さらに、現在では30%の問い合わせがこのセルフサービスソリューションで対応可能になりました。次に、Magellan Healthの例を見てみましょう。彼らはリアルタイムコール分析とAgent Assistソリューションを使用しています。その結果、エージェントの研修期間が3〜5日短縮され、1回の通話あたり9〜15秒の時間短縮を実現しました。小さな数字に見えるかもしれませんが、年間220万件の通話で計算すると、約4,400時間の節約になります。エージェントの給与やその他の運用コストを掛け合わせれば、その効果がよくわかるでしょう。
次に、通話後分析ソリューションについて、2つの顧客事例があります。State Auto Insuranceは、すべての通話を分析できるようになったことで、運用費用を約80万ドル削減しました。そして、TSB bankは年間500万件の通話を分析できるようになりました。以前は10〜12%の通話しか分析できていませんでしたが、100%の通話分析に移行したことで、800以上の通話意図（顧客が電話をかけてきた理由）を特定することができました。これにより、通話の意図に合わせて適切なエージェントに転送できるようになり、顧客体験の向上につながりました。
さて、これは私のお気に入りのスライドです。なぜなら、私たちのチームが顧客を満足させ、コンタクトセンターソリューションを信頼していただくために注いだ汗と血の結晶を示しているからです。AWSのコンタクトセンターソリューションは業界を問わず適用可能です。どの業界に属していても、AIや生成AIをコンタクトセンターに導入することで、皆様の課題解決のお手伝いができると確信しています。それでは、同僚のChrisに引き継ぎたいと思います。
AWSのコール分析と生成AIの柔軟なオプション
ありがとう、Aartika。AWSでコール分析と生成AIをすぐに始めるには、2つの柔軟なオプションがあります。1つ目はAmazon Connectです。これは、規模を問わずあらゆる顧客がコンタクトセンターを立ち上げ、優れた顧客体験を提供できるコンタクトセンターソリューションです。Amazon Connectに移行できない場合、例えば、すでにカスタムソリューションを構築している場合や、特定のコンタクトセンターベンダーに縛られている場合には、AWS CCIソリューションと呼ばれるものがあります。これらは、コンタクトセンタープラットフォームに関係なく、AWSですぐに始められるサンプルAPIとコードです。
どちらの方法を選んでも、両方ともAWSの言語AIサービスを利用しています。例えば、音声をテキストに変換するAmazon Transcribeや、Amazon Bedrockのような生成AIを使用しています。AWS CCIソリューションは、Aartikaが先ほど言及した3つのユースケース、つまりセルフサービスチャットボット、リアルタイムエージェントアシスト、会話分析をカバーしています。CCIソリューションは、8x8、Cisco、Avayaなど、さまざまなコンタクトセンターをサポートしています。これらは、WAVファイル、MP3、SIPなどの業界標準のファイル形式とプロトコルを使用することで実現しています。
今日は、ポストコール・アナリティクスと呼ばれるソリューションに焦点を当てていきます。そして、Miguel が Principal Financial Group がどのようにポストコール・アナリティクスを活用しているかについて詳しく説明します。これらのソリューションはすべてオープンソースなので、皆さんはすべてのコードにアクセスでき、素早くソリューションの構築を始めることができます。セッションの最後に、利用可能なリソースをすべてご紹介しますが、覚えやすいものの一つとして、amazon.com/post-call-analytics をご紹介しておきます。
ポストコール・アナリティクスの詳細と新機能
ポストコール・アナリティクスの構築にあたり、私たちはコンタクトセンターを持つお客様から聞いた課題から逆算して取り組みました。例えば、顧客が電話をかけてくる理由についての洞察が不足していることや、エージェントのパフォーマンスを評価することが難しいといった課題です。そこで、Amazon Transcribe などの AWS の言語 AI サービスを使用して、通話の要約を生成しました。
Amazon Comprehend を使用して通話分析を行い、会話に関する洞察を生成します。また、Amazon Bedrock を使用して、通話の要約やその他の生成 AI タスクを行います。その結果、主要なビジネストレンドを発見し、顧客が電話をかけてくる根本原因を特定し、エージェントの生産性を向上させるための洞察を得ることができます。
では、ポストコール・アナリティクスのアーキテクチャーに深く踏み込んで、どのように機能するかを見ていきましょう。まず、標準的な音声フォーマットが AWS の S3 バケットにアップロードされます。ここから Lambda 関数がトリガーされ、Step Function ワークフローが開始されます。このワークフローは、すべての言語 AI サービスを統合し、それらを使用して洞察を生成します。さらに、Amazon Bedrock を使用して、トピックの特定や、通話終了時にエージェントが実行すべきアクションアイテムの特定など、より深い分析を行います。これらのデータ、つまり文字起こしや洞察をすべて DynamoDB と Amazon S3 に保存します。
ここで重要なのは、私たちがこれらの洞察のデータレイクを構築しているということです。これらの洞察にアクセスする方法を2つ提供しています。1つ目は、ポストコール・アナリティクスに含まれる React ベースのユーザーインターフェースで、S3 と CloudFront でホストされており、PCA 上に独自のユーザーインターフェースを構築し始めることができます。繰り返しになりますが、そのソースコードはすべて GitHub 上でオープンソースとして公開されています。さらに、S3 にこのデータレイクがあるため、Amazon Athena を使用して SQL クエリを書き、集計された洞察を構築することができます。そして、それを使って Amazon QuickSight でダッシュボードを構築することもできます。
最後に、ポストコール分析には実は姉妹ソリューションがあることを指摘しておきたいと思います。それは Live Call Analytics と呼ばれるもので、Amazon Chime SDK Voice Connector によって動作しています。これにより、通話中にリアルタイムで分析を行うことができます。もちろん、その利点は、Aartika が言及したように、エージェントアシストを提供できることです。例えば、リアルタイムでの応答の提案やタスクの完了などが可能になります。
Amazon Transcribeの進化と新機能
さて、ここで Amazon Transcribe の新機能をいくつか発表できることを嬉しく思います。効果的に Generative AI を活用するために、お客様はますます精度と言語サポートの向上を求めていることがわかってきました。そこで本日、Amazon Transcribe を支える新しい数十億パラメータの音声基盤モデルの立ち上げを発表できることを嬉しく思います。このモデルは100以上のロケールをサポートしています。この数十億パラメータモデルは、最高クラスの教師あり学習アプローチを用いて訓練されており、何百万時間もの未ラベル付け音声データから普遍的な音声とアクセントの固有のパターンを学習します。
この音声基盤モデルは、すべてのロケールで相対的に30%の精度向上を実現し、より正確な句読点と大文字小文字の使用により可読性も向上させています。このモデルは、さまざまなアクセント、ノイズの多い環境、その他の音響条件に対応するサポートを拡大し、また自動言語識別や話者ダイアライゼーションなど、Amazon Transcribe の多くの魅力的な機能をサポートしています。
本日の2つ目の発表は、Transcribe Call Analytics API の一部として提供されるコール要約機能で、プレビューとして利用可能です。これにより、1回の API 呼び出しだけで、通話の文字起こし、問題点やアクションアイテム、結果、感情などの洞察の生成、そしてコールの要約を得ることができます。さらに、必要に応じて文字起こしだけでなく要約の編集も可能です。
それでは、Principal Financial Group の Regional Chief Data Officer である Miguel Antonio Sanchez さんに話を譲りたいと思います。彼は Principal が AWS 上でどのようにポストコール分析と Generative AI を活用しているかについてお話しします。ありがとうございます、Chris。ここで私たちの旅を共有できることをとても嬉しく思います。最初の30秒を使って、ある人に敬意を表したいと思います。以前 AWS で働いていて、約1年前に亡くなった私の共同署名者、Daniel Orozco Sanchez です。私たち二人は re:Invent でプレゼンテーションをする夢を持っていました。そして、ここにいます。これは Daniel のためのものです。
Principal Financial GroupのPCA導入事例
拍手が起こります これから、私たちが誰であるか、なぜAWSと協力しているのか、そして特にAWS Post Call Analyticsフレームワークとどのように取り組んでいるかについて、背景を説明していきます。また、導入アプローチ、2024年に向けたロードマップ、そしてChrisが言及していた要約機能を含む最新機能のPCAコンソールのデモをお見せします。さらに、私たちにとって重要なもう一つのトピックである、ビジネスステークホルダーと共に作成したトピック階層の定義についても共有します。
まず、私たちの会社についてお話しします。Principal Financial Groupは、140年以上の歴史を持つ老舗の金融サービス企業です。私たちは世界的な投資管理のリーダーであり、世界中で6,200万人以上の顧客にサービスを提供しています。現在、約6,350億ドルの運用資産を管理しています。エンゲージメントセンターに関しては、1日約3万件の顧客通話を処理しており、1,500以上のエンゲージメントセンターがそれをサポートしています。平均通話時間は8分で、応答までの平均時間は51秒、つまり顧客は1分以内に利用可能なエージェントと話せるようになっています。私たちは現実的な課題に直面しており、エンゲージメントセンターの運営改善だけでなく、顧客体験の向上のための代替案を探す必要がありました。
なぜPrincipalはAWSとPCAを選んだのでしょうか？その背景には戦略的な決定があります。2026年末までにすべてのアプリケーションとデータポイントをクラウドに移行するという野心的な目標を設定し、AWSはその旅の戦略的パートナーです。さらに、私は誇りを持って言語AIチームを率いています。私たちはPCAフレームワークに組み込まれた各コンポーネントを、業界で提供されている他のソリューションと比較してベンチマークする機会がありました。また、AWSがエンタープライズアーキテクチャの定義に従っていることも確認しました。Chrisが先ほど言及していたTranscribe Call Analyticsというコンポーネントで非常に高い精度を見出しました。正直なところ、これは他のどのオファリングにも見られない独自のコンポーネントです。本質的には、トランスクリプションとデータマイニングを組み合わせたもので、現在は生成AIが注入されています。
最後に、しかし決して重要性が低くないのが、専門家や製品オーナーへのアクセスです。ChrisやAartikaのような方々のサポートを受けられることを非常にうれしく思っています。彼らは私たちと協力して、コードのデバッグやプラットフォームのデプロイまで行っています。この特定の旅において、私たちはAWSと素晴らしいパートナーシップを築いています。
現在、私たちはどこにいるのでしょうか？約1年半前にPCAを始めました。プラットフォームを選択した後、AWSとのパートナーシップを確立し、2つの特定のプログラム、つまりアーキテクトレジデントプログラムとデータラボによってサポートされました。私の言語AIチームはこれらのプログラムのサポートを受けてAWSと提携し、PCAフレームワークを洗練し、カスタマイズすることができました。私たちはそれをデプロイすることができ、今日では100万件以上の通話をPCAで処理できたことを非常に誇りに思っています。
これは効果的であることが証明されており、私たちは複数のユースケースで実装しながら、スケーリングを積極的に改善し、プロダクトマネージャー、カスタマーエクスペリエンスコンサルタント、サービシングリーダーと評価を行っています。もう一つの重要なトピックは、オープンソースフレームワークについてです。私たちには、追加のコンポーネントやチャンネルを組み込む大きな柔軟性があります。現在、PCAフレームワークの一部として顧客のメールのやり取りを統合しています。これらの進歩により、私たちは現在、複数の目的でAmazon Bedrockに依存しており、その詳細についてはすぐにお話しします。
ここで、私たちが受け取ったビジネス要件について説明しましょう。この課題は、私たちのvoice of customerプログラムに関連しています。多数の顧客の音声インタラクションを扱い、会話分析を可能にすることを目指しているのです。 私たちは、特定のビジネスルールに従って非構造化データや自発的なデータを処理できるITプラットフォームを見つける任務を負いました。これらのルールは、listen、 つまり複数のソースからデータを取り込む能力、interpret、つまりアクション可能なインサイトのためにデータを統合すること、 act、つまり結果を改善するための強化を実施すること、monitor、つまり顧客体験の取り組みのパフォーマンスを定量化すること、 そしてgovern、つまり整合性を取り、コミットし、優先順位をつけることという原則に従っています。これらの原則は、voice of customerプログラムのためにビジネスステークホルダーによって定義されました。
このビジネス要件を念頭に置いて、私たちはPCAを実装するためのアプローチを定義しました。 プラットフォームを選択し、AWSとのパートナーシップを確立した後、私たちは3つの主要フェーズを概説しました。第1フェーズは技術的な展開に焦点を当て、特定のMVPとトランスクリプションに関連する活動を含みます。私たちはGenesys Cloudエンゲージメントセンタープラットフォームからデータを抽出し、PCAを通じて処理しています。最初のステップでは、AWS Transcribeを使用して高品質のトランスクリプトを生成しています。また、感情分析、トピックと意図の識別、PIIの削減と難読化も実装しました。PIIの保護は、高度に規制された業界である私たちにとって極めて重要であり、TCSがこの面で重要な役割を果たしています。レポーティングには、AWS QuickSight、特にそのNLP機能であるQを活用しています。
フェーズ2では、トピック階層を定義しました。 これは私たちが社内で作成し、ビジネスステークホルダーと共に洗練させたものです。PCAのデータポイントを活用し、Amazon Bedrockのサポートを受けて、独自のタクソノミーとトピック階層の定義を開発しました。これについてのデモビデオをお見せする予定です。フェーズ2の2つ目のコンポーネントは、顧客の意図の識別でした。これは、voice of customerプログラムだけでなく、全体的な顧客体験の向上にも重要な役割を果たします。顧客の意図を理解することで、顧客が電話をかけてきた理由を特定でき、これが分析の基礎となる要素となります。そのため、これはPost-Call Analytics (PCA)によってトリガーされる別のイニシアチブ、つまりバーチャルアシスタンスの基礎となる部分になります。
私たちはAWS Lexを展開する予定です。最後の2つは、レポーティングの強化と追加に関連しています。なぜなら、音声インタラクションを手に入れたことを考えると、今度は追加のチャンネルを方程式に加えようと気づいたからです。
私はすでにバーチャルアシスタンスについて言及していました。私たちはAWS Lexの導入を検討しており、PCAデータは複数の会話目的を作成するために使用されています。また、トピック階層の定義に依存する別の機能もあります。それは新たなテーマの検出です。この機能により、顧客体験において重要になりつつあることや、摩擦を生み出している可能性のあることを検出できます。ここでもう一つ指摘したい要素があります。それはGenerative AIに関連するもので、モデルの再トレーニングです。モデルの再トレーニングについてもう少し具体的に説明しますが、これはBedrockとは関係ありません。これはAWSが提供する別の機能であるSageMaker JumpStartに関連しています。いくつかの特定の内部定義のために、私たちは小規模な事前学習済みモデルを使用しており、それがモデルの再トレーニングの対象となっています。これが基本的にPCAの導入に対する私たちのアプローチです。
すでに述べたように、PCAの力を発見した後、私たちのアナリストやリーダーたちは顧客とのやり取りに関する全体的な視点を作り出すことを目指しました。最初の定義は顧客のメールのやり取りを取り込むことでしたが、これからさらに多くのチャンネルを取り込んでいく予定です。現在、メールと音声のやり取りを統合しようと取り組んでおり、グラフデータベースのアプローチを採用し、Neptuneと呼ばれる別のAWSコンポーネントを使用しています。これらすべてのやり取りを統合し、今度は顧客調査、ソーシャルメディアでのやり取り、デジタルでのやり取りを取り込もうとしています。私たちの会社の目標は、マルチチャンネルの顧客エンゲージメントに関する包括的な視点を提供することです。
PCAフレームワークの実装と新機能のデモ
PCAフレームワークの実装方法についてお話しします。先ほど申し上げたように、私たちはGenesys Cloudと統合しています。特定のユースケースについて、日次でデータを取り込んでいます。また、ビッグバンアプローチは取っていないことも付け加えておきます。最初は特定のビジネスドメインを扱っていました。これはITだけの取り組みではなく、ビジネスの取り組みです。最初に取り組んだビジネスドメインは送金に関するもので、その後入金に移行しました。Genesys Cloudから日次でデータを取り込んでいます。生データはAmazon S3バケットに保存され、AWS Transcribeを利用して通話に関するメタデータと基本的なKPIを作成しています。これらの情報はJSON形式で公開され、Amazon QuickSightを使用して消費されています。
そこからワークフローは、PCAに関連するAmazon Comprehendの使用へと進みます。ComprehendとTranscribeを使用することで、トピック、意図、問題点、要点を特定し、感情分析を行うことができます。そして今、Amazon Bedrock が登場しました。ワークフローの次のステップであるBedrockを使用することで、通話の要約を取得し、生成AIクエリを実行することができます。これは、後ほどビデオでご覧いただける素晴らしい機能です。もう一つのコンポーネントとしてAmazon Translateがあります。PCAは米国市場とメキシコ市場に展開されました。
ここで得られた情報の一部を共有する必要性が予想されます。ここで作成したトピック階層の定義は、他のメンバー企業にも適用できる可能性があります。
最後に強調したいコンポーネントは、Amazon Kendraです。これは私たちのロードマップ内の別のイニシアチブで重要な役割を果たしています。Kendraは、顧客とのやり取りの中で言及された特定のキーワードを検索できる柔軟な検索コンポーネントです。特定のキーワードを検索すると、Kendraはそのキーワードが見つかったすべてのインスタンスのランク付けされたリストを提供します。インスタンスをクリックして会話を聞くこともできます。ただし、単に聞くだけではありません。PIIはTranscribe Call Analytics (TCA)の一部であるため、会話は編集されています。会話の中でソーシャルセキュリティ番号が言及された場合、「私のソーシャルセキュリティ番号はピー、ピー、ピー、ピーです」と聞こえます。情報はAmazon QuickSightとPCAコンソールを通じて消費されており、これはデモの一部となります。
こちらが新しいPCAコンソールです。このビデオは実際のデータを使用して作成されていますが、このプレゼンテーションのために編集されています。 PCAコンソールでは、通話メタデータ、キュー名、エージェント名、通話時間、そしてエージェントと顧客の感情の傾向など、通話の詳細情報を提供しています。また、音声のやり取りに関わるすべての関係者の発言内容の文字起こしと発話時間も提供しています。
新機能として、トーン、音量、感情を確認する機能が追加されました。これは、やり取りの効果を判断する上で非常に役立ちます。 PCAは現在、通話詳細ページで生成AIによるリアルタイムのクエリ機能をホストしており、ユーザーは「エージェントはどうすればもっと良くなったか？」や「エージェントは共感を示したか？」といった質問をリアルタイムで投げかけることができます。また、視覚的な要約や識別タスクも提供しています。この機能は数ヶ月前にリリースされたばかりですが、大きな影響を与え、ビジネス関係者から好評を得ています。
次のビデオはトピック階層の定義に関するものです。これらの機能は、ビジネス関係者がトレンドトピックを検出し、掘り下げて詳細を把握し、顧客体験を改善するためのプロアクティブな行動を取ることを支援することを目的としています。これは非常に重要です。先ほど申し上げたように、これは社内で作成したものです。PCAのデータポイントに依存し、Amazon Bedrock、特にClaude Instantによってサポートされています。
このレポートはAWS QuickSightで構築されており、QuickSight Qによってサポートされたナチュラルランゲージプロセッシング機能を提供しています。特定の日付範囲やエンゲージメントセンターのキューでフィルタリングでき、通話数、平均通話時間、通話時間などの特定のKPIを提供します。階層内に3つのレベルを定義し、それぞれにサマリーを提供しています。これは非常に詳細で洗練されたイニシアチブで、Bedrockが提供する結果をクラスタリングし、ビジネスに関連するトピックを含めるために、ビジネス関係者と協力して取り組んできました。 最後に、特定のトピックに関する1日あたりの通話数を考慮したタイムライン分析を作成しました。
顧客体験向上に向けたPrincipalの戦略とロードマップ
私のお気に入りのスライドの1つに移りたいと思います。 Principalでは、顧客体験を理解する上で、私たちの目標はシンプルです。最終的に、私たちは顧客が好みのチャネル（メールや音声など）を使って私たちとやり取りする際に、安心感を醸成する、シンプルで、パーソナライズされ、先を見越した顧客体験を提供したいと考えています。
これは非常に重要です。なぜなら、現在の私たちの顧客体験の基盤は Post Call Analytics (PCA) であり、豊富な音声インタラクションデータを提供しているからです。今、私たちはそれをメールのインタラクションデータと組み合わせています。私たちにとって、顧客が何について話しているか（トピック）と、なぜ私たちに連絡してきているか（インテント）の両方を理解することが極めて重要です。トピックとインテントは、異なるチャネルを結びつける方法です。この目的のために Amazon Neptune を使用しており、複数のチャネルにまたがる顧客体験の隠れた関係性を見つけることができます。オムニチャネル体験は私たちにとって非常に重要であり、まさにそこに向かっているのです。
来年のロードマップにおける活動の一部を詳しく説明します。私たちは AWS との提携を継続し、 非常にエキサイティングなロードマップを実行しようとしています。 すでに本番環境にあるフェーズ1では、PII削減、トピック階層の定義、要約を可能にする post-call analytics を使用しています。これまでに、複数のコンタクトセンターのキューから100万件以上の通話を処理し、顧客の通話内容に関する洞察を提供しています。強化された BI 機能により、大規模言語モデルを活用して追加の顧客インサイトを収集しています。
フェーズ2については、すでにメールのインタラクションについて言及しました。メールのインタラクションを処理し、タギング戦略に使用しているプラットフォームである Google Analytics との統合を目指しており、そのデジタルインタラクションを方程式に組み込もうとしています。また、新しいビジネスドメインを考慮に入れることで、トピック階層の定義を改善することも目指しています。
フェーズ3は現在、私たちにとって非常に戦略的です。PCA で大きな進展を遂げ、処理できる様々なデータポイントを考慮して、主に PCA データに依存するインテリジェントエージェントを有効にすることを決定しました。これは追加の知識ベースで補完される可能性があります。AWS と協力して、AWS QnABot によってサポートされ、AWS Bedrock によって強化され、Amazon Kendra を中心的なプラットフォームとして使用するインテリジェントエージェントを展開しています。私たちは RAG（Retrieval Augmented Generation）アプローチを採用しており、これは PCA データを指し示す検索拡張生成で、追加の知識ベースで補完されます。
QnABot はこの機能を提供し、独自の知識ベースを作成したり、既存の知識ベースを指し示したりすることができます。ユーザーインターフェースはチャットボットのようなインターフェースですが、顧客のオムニチャネルインタラクションに限定されます。これは私たちが直面している課題ですが、来年のロードマップは本当にエキサイティングなものになるでしょう。
次のステップとリソース紹介
ありがとうございます、Miguel。では、次のステップについて説明しましょう。私たちとコンタクトを取りたい場合、ディスカバリーワークショップを依頼するか、Proof of Conceptを開始することができます。Christopherが紹介したさまざまなコンタクトセンタープラットフォームプロバイダーや、Contact Center Intelligence Solutionsと協力することもできますし、Amazon Connect ソリューションについてもっと詳しく知りたい場合は私たちにお問い合わせください。また、AWS expertsやProServeチーム、多数のCCIパートナー、コンサルティングパートナー、Independent Software Vendors (ISVs)と協力することもできます。
最後に、今回説明したすべてのソリューションについてより深く理解するのに役立つリソースをいくつか紹介します。これらには、AWS CCI Live Call AnalyticsとAgent Assistアプリケーション、そしてAWS CCI Post-Call Analyticsアプリケーションの機能とアーキテクチャを説明したブログ記事が含まれます。また、基盤となるAmazon Transcribe APIに関する公開ドキュメントも用意されており、使用例やレスポンスの例を確認することができます。
コンタクトセンターにおけるAIと機械学習についてもっと知りたい方には、今週の残りの期間に参加できる興味深いセッションのリストをご用意しています。これらには、ワークショップ、チョークトーク、その他のブレイクアウトセッションが含まれており、call analyticsと生成AIを使用した顧客体験の向上、Amazon Transcribeと生成AIを活用したエージェントの生産性向上、Amazon Lexと生成AIを用いた対話型エクスペリエンスの構築などのトピックを扱っています。
これで発表を終わります。アンケートにご記入いただき、フィードバックをお寄せください。いつも大変参考になります。それでは、質疑応答の時間に移ります。私の方からお伺いしてもいいですし、立ち上がってご質問いただいても結構です。
※ こちらの記事は Amazon Bedrock を様々なタスクで利用することで全て自動で作成しています。
※ どこかの機会で記事作成の試行錯誤についても記事化する予定ですが、直近技術的な部分でご興味がある場合はTwitterの方にDMください。
Discussion