エピソード1: コンタクトセンター完全自動化が見えてきた？ [前編]カギは高品質ナレッジとHybrid RAG

古澤ズバリ、コンタクトセンターでの生成AIの実用化のためのポイント、課題は何でしょうか。

加藤『回答精度を上げること』。これに尽きると思います。

古澤1月29日のウェビナーでは回答精度を上げることを"本質的な課題"と表現されていました。コンタクトセンターでの生成AI活用のネックとなっているのが、回答精度であるという結論に至った背景を教えてください。

加藤我々は2023年から、生成AIのコンタクトセンターでの活用検証を始め、実証実験に取り組んできましたが、その中で通録を自動要約したり、会話データの中から特定のワードを抽出するような技術を開発し、単体のソリューションはいくつか出来ていました。
ただ、私たちはコンタクトセンターで生成AIが当たり前のように活用され、その結果新たな市場が出来ていくためには、何をクリアしなければいけないのかを「本質的な課題」として捉え検証してきました。その結果、オペレーターがやるべきことは、やはりお客様の質問に対して正しい内容を迅速に回答することであり、その回答精度を上げることが、何より重要だと結論付けました。逆にこれが出来なければ、当たり前のように生成AIが使われる新しい世界は作れないと考えました。

古澤ウェビナーでは、さらに回答精度を上げるために、越えなければならない壁が2つあるとお話していました。

加藤1つ目は、「ナレッジの品質を上げる」こと。2つ目は今まで使われていた「従来のRAGの限界を超える」、この2つになります。

古澤ナレッジ品質の改善方法にはどういったものがあるんでしょうか。

加藤まずは「KCS準拠」に沿って正しいナレッジが作られます。体系立てたフォーマットに従って、マニュアルを作るというのがナレッジ整備の王道と言われています。

古澤それは人がやるものでしょうか。それとも自動でできるものでしょうか。

加藤今までは人手を介して、コンサルティングサービスとして提供していました。しかし生成AI Co-creation lab.が新たに開発した『Hybrid Operation Loop』という仕組みの中では、生成AIでほぼ自動でできるようになります。

古澤二つ目の超えるべき壁、「従来のRAGの限界を超える」についても教えてください。RAGというのは、日本語だと「検索拡張生成」とか、「取得拡張生成」とも呼ばれています。従来のRAGを超えるというのは具体的には何を指しているんでしょうか。

加藤従来のRAGというのは、一般的にはベクターDB検索と呼ばれているものです。つまり類似性を軸に回答を検索する技術が使われています。しかしこの場合全体の文脈や、回答のために必要な確認情報を併せて検索することができないため、多面的な回答にならない。それを解消するために、"関連性"をデータベース化する技術を用います。これが従来のRAGを超える、という部分で、『Hybrid RAG』と呼んでいる手法です。これによって言葉の文脈や背景なども理解しながら適切な回答を出すことができるようになります。