「協働」で拓くAI開発の最前線 VoC活⽤と⽣成AIエージェント開発の舞台裏

Transcript

1. 1 © PKSHA Technology Inc. 1 © PKSHA Technology Inc. 「協働」で拓くAI開発の最前線 VoC活⽤と⽣成AIエージェント開発の舞台裏 株式会社PKSHA Technology 2025年12⽉16⽇
2. 2 © PKSHA Technology Inc. プロフィール 福⽥ 俊介(ふくだ しゅんすけ) (株)PKSHA Technology AI Research & Solutionカンパニー テックリード • 通信会社にて数千万ユーザーのデータを扱う⼤規模データ分 析基盤の開発‧運⽤の内製化プロジェクトをリード。その後 PKSHA Technologyに⼊社し⾦融業界や製造業界など向けのソ リューション‧システム開発全般に従事。 • 趣味はキャンプ • 先週末⼟⽇に今年最後のキャンプ予定でしたが、この⽇ だけ妙に寒く、泊まらずに撤退してきました...
3. 3 © PKSHA Technology Inc. アジェンダ 1. 会社紹介 2. PKSHA Insight Builder 複数の専⾨職の「協働」による新たなAIプロダクトの創出 3. PKSHA ChatAgent ⽣成AIエージェント開発の舞台裏
4. 4 © PKSHA Technology Inc. Confidential 4 © PKSHA Technology Inc. Confidential 会社紹介
5. 5 © PKSHA Technology Inc. 未来のソフトウエアを形にする 「ソフトウェアはどうあるべきか」を問い、 ⾃らの⼿で創造と実装をし続けることで、 ⼈と社会の進化に価値をもたらします Our Mission Shaping Future Software By asking "what software should be" and continuing to create and implement software by our own hands, we bring value to the evolution of people and society.
6. 6 © PKSHA Technology Inc. 事業全体像 業界や経済活動の共通課題を解くソフトウエアをSaaS として社会全体に実装していきます。 AI SaaS事業 Layer2 ⽇本を代表する企業との共創を通じ、業界全体の未来 をデジタルバリューチェーンにアップデートします。 AI Solution事業 Layer1 情報技術者を筆頭に、様々な才能が集い、異なる専⾨ 分野（Δ）が交わり、未来思考で挑戦しています。 Research Layer0
7. 7 © PKSHA Technology Inc. PKSHAの３つの好循環サイクル AI Research AI Solution AI SaaS 多数のAIプロジェクトから、 AI SaaS事業を創出 データフィードバックによる 研究の加速 先端情報技術の 研究成果を社会実装
8. 8 © PKSHA Technology Inc. 事業全体像 業界や経済活動の共通課題を解くソフトウエアをSaaS として社会全体に実装していきます。 AI SaaS事業 Layer2 ⽇本を代表する企業との共創を通じ、業界全体の未来 をデジタルバリューチェーンにアップデートします。 AI Solution事業 Layer1 情報技術者を筆頭に、様々な才能が集い、異なる専⾨ 分野（Δ）が交わり、未来思考で挑戦しています。 Research Layer0
9. 9 © PKSHA Technology Inc. PKSHA AI Suite for Contact Center “その企業ならでは”の顧客体験デザインを どこよりもスピーディにご⽀援するAI SaaS/Solution群 9 コール量予測 シフト最適化 採⽤Agent （仮） ⾳声 テキスト化 分析 解析 顧客の課題 企業の課題 FAQ チャット 応答 メール ⾳声 応答 応対品質 管理 採⽤ 育成 ⼈員 配置
10. 10 © PKSHA Technology Inc. 次世代CC構築に向けたサービス群 コンタクトセンターの課題を解決する Al SaaS & Solution クラウドサービス群 毎⽉25万件のコールに 対応可能なボイスボット 導⼊実績1500サイト以上 FAQシステム ⾳声⾃動書き起こし‧応対サポート アフターコールワーク⽀援 SVのモニタリング‧管理⾼度化 初⼼者でも挫折しない ノーコードRPA 国内シェアNo.1 ※1 AIチャットボット
11. 11 © PKSHA Technology Inc. PKSHAはなぜ今、コンタクトセンターの課題に取り組むのか？ 顧客接点を取り巻く課題は近年複雑化‧深刻化 11 チャネルの多様化、⼈⼿不⾜で、コミュニケーションが壊れている 顧客の課題 企業の課題 採⽤‧育成の課題 繋がらない 個⼈の⼼理的負担 たらい回し 増え続けるチャネルの運⽤負荷 窓⼝によって異なる対応 システムのレガシー化
12. 12 © PKSHA Technology Inc. 事業全体像 業界や経済活動の共通課題を解くソフトウエアをSaaS として社会全体に実装していきます。 AI SaaS事業 Layer2 ⽇本を代表する企業との共創を通じ、業界全体の未来 をデジタルバリューチェーンにアップデートします。 AI Solution事業 Layer1 情報技術者を筆頭に、様々な才能が集い、異なる専⾨ 分野（Δ）が交わり、未来思考で挑戦しています。 Research Layer0
13. 13 © PKSHA Technology Inc. 多様な領域でアルゴリズムを社会実装 金融（保険/銀行等） エンタメ 製造 ・不正検知 ・与信審査の高度化 ・稟議書自動生成 物流/モビリティ ・アパレル値引き最適化 ・不正請求検知 ・設備保全推論 ・対話型キャラクター生成 ・LLMを用いた検索高度化 ・対話エージェント ・対話型AIを活用した次世代 コンタクトセンター ・輸送マッチング ・ドラレコ映像解析 ・ナンバープレート認識 ・行動検知 教育/人材 ・アダプティブラーニング ・スキルマッチング ・動画コンテンツの二次創作 （要約・切り抜き） 小売 ・シフト最適化 ・棚割り最適化 ・クーポン最適化 ・需要予測
14. 14 © PKSHA Technology Inc. クレジットカード不正検知領域において 圧倒的なトップシェアを獲得 カード発⾏会社間で不正データシェアリングを初実現 カード会社全体へ展開 導⼊事例 クレディセゾン、 三菱UFJニコス、 JACCS、 MICARD UCカード、JCB等 各社の不正データシェアリングによる効果として下記が挙げられる。 • 既存の運⽤⽅式と⽐べ、 不正利⽤被害を平均30%削減 • 導⼊社数が増えることによる、 カード不正の検知精度向上 • スコアリングシステム分析担当者の負荷軽減
15. 15 © PKSHA Technology Inc. AIによる事前予測で不登校の予兆を発⾒、 教職員の気づきとこどもへの働きかけを⽀援 こども家庭庁の実証事業として埼⽟県⼾⽥市のこどもの不登校を AIで予測。データを活⽤し、 プッシュ型の⽀援を実施 埼⽟県⼾⽥市 近い将来に不登校になりうる可能性を予測してリスクスコアとして表⽰ することを想定。 実際の予測モデルの構築には、 「出⽋‧遅刻‧早退な どの状況」 「保健室利⽤状況」など のデータのほか、 「埼⽟県学⼒‧学 習状況調査(学⼒調査‧質問紙調査)」 「学校⽣活に 係るアンケート」 「教育相談の利⽤の有無」 「学校健診結果」 等のデータを活⽤。 リスクスコアとその根拠となるデータ項⽬を表⽰することで、 教職員に よる具体的な⽀援活動に結びつけていく。 導⼊事例
16. © PKSHA Technology Inc. Confidential AI Solutionにおける必要な3つの職種 16 Business Developper (BizDev / Biz) ビジネス、およびAIソリューションを企画する 顧客のやりたいことや課題を⾒極め、AI Solutionを活⽤したビジネスや 業務のTo-Be像を企画する 役割 担当すること Algorithm Engineer (AE) 問題の解決⼿法を考え、そのコアとなるアルゴリズムを開発 どのデータを⼊⼒とし、どのアルゴリズムを⽤いてどんな出⼒を作り どういったルールで業務意思決定やそのサポートをするかを決め、 その有⽤さを顧客に理解していただく Software Engineer (SWE) 顧客‧PKSHA‧社会との三⽅よしの未来のソフトウエアを構築していく
17. 17 © PKSHA Technology Inc. 17 AI Solution事業 における 仕事の進め⽅ クライアントとのビジネスの企画から実装までを⼀気通貫で⽀援する リード アルゴリズム開発 ソフトウエア開発 ライセンス運⽤ 1 2 3 4 契約前に、 顧客と課題を特定し、 ソリューションの企画、及びプ ロジェクト設計を⾏う 受注後、要件を詳細化し、 顧客データを活⽤してAI を構築 必要に応じて、 顧客のオペレーション変⾰ にも踏み込む AIの活⽤が決まった後に、 顧客のシステムとの 繋ぎこみや、 再学習の仕組みを構築 （ソフトウェア化） 顧客が実運⽤をスタート 必要に応じてサポートを実施 AE SWE Biz AE SWE AE Biz SWE AE Biz SWE Biz Biz/AE/SWEが3⼈4脚で、リードから運⽤まで⾛り切る
18. 18 © PKSHA Technology Inc. 18 © PKSHA Technology Inc. PKSHA Insight Builder 複数の専⾨職の「協働」による 新たなAIプロダクトの創出 株式会社PKSHA Technology 2025年12⽉16⽇
19. 19 © PKSHA Technology Inc. PKSHA Insight Builder とは • AIを使ったVoC(Voice of Customer)分析ツール • コールセンターでの通話書き起こしログなどを元に、様々なインサイトを簡 単に、素早く得ることができる ※画面イメージは開発中のものです
20. 20 © PKSHA Technology Inc. VoC (Voice of Customer) 分析 ⼊⼒：通話の 書き起こしデータ テキスト マイニング 感情分析 出⼒：業務改善に 関するインサイト 例1: XXXに関する 苦情が最近増えている 例2: YYYに⾔及する ことで解約抑⽌率を⾼め られる可能性がある 課題：⼤規模な ⾮構造化データ 課題：分析には専⾨的な 知識‧スキルが必要 解決策：AIを活⽤して簡単に分析できる プロダクト「PKSHA Insight Builder」を開発 VoC 分析とは VoC 分析の課題と AI 活⽤ 業務改善に繋がる有⽤なインサイトを発⾒
21. 21 © PKSHA Technology Inc. 電話 （ボイスボット） チャッボット FAQページ FAQ コンテンツ (　　　　) 書起し データ 電話 （OPとの会話） オペレータ カス タマー ⽣の書起しデータ をインプット 参照して ⾃動回答 参照 回答案提⽰に よるATT削減 要約⽣成によ るACW削減 リアルタイム 検索キー ⾳声データ VoC分析でお客様の真のニーズ/困りごとを明らかにし、根本的に解消することで、結果的に⼊電数も削減 ⾃ ⼰ 解 決 マニュアル等 PKSHA AI Suite for Contact Center AIがロープレを⾏うことで、SVの⼯数に囚われずハイサイクルで育成可能 良い応対の⽰唆を踏まえ ロープレシナリオ‧評価基準 に設定
22. 22 © PKSHA Technology Inc. 電話 （ボイスボット） チャッボット FAQページ FAQ コンテンツ (　　　　) 書起し データ 電話 （OPとの会話） オペレータ カス タマー ⽣の書起しデータ をインプット 参照して ⾃動回答 参照 回答案提⽰に よるATT削減 要約⽣成によ るACW削減 リアルタイム 検索キー ⾳声データ VoC分析でお客様の真のニーズ/困りごとを明らかにし、根本的に解消することで、結果的に⼊電数も削減 ⾃ ⼰ 解 決 マニュアル等 PKSHA AI Suite for Contact Center AIがロープレを⾏うことで、SVの⼯数に囚われずハイサイクルで育成可能 良い応対の⽰唆を踏まえ ロープレシナリオ‧評価基準 に設定
23. 23 © PKSHA Technology Inc. プロフィール 中村 光伴 (なかむら こうすけ) PKSHA Technology AI Research & Solution カンパニー SWE 新卒 2 年⽬ • 2024年に新卒で PKSHA Technology に⼊社 • PKSHA Insight Builder の開発や、⾦融系‧HR系のソ リューション‧システム開発に従事 趣味 • ⾃宅デスク環境の整備 • アニメ鑑賞 • Neovim の設定や dotfiles の盆栽
24. 24 © PKSHA Technology Inc. PKSHA Insight Builder (PIB) の⽴ち位置 AI Solution 事業発の SaaS プロダクト クライアント (テナント) ごとに 特化したソリューション開発 これまでのソリューション事業 PKSHA Insight Builder マルチテナント SaaS Solution A Solution B Solution C Tenant A Tenant B Tenant C Tenant A Tenant B Tenant C
25. 25 © PKSHA Technology Inc. 潜在的なニーズを掘り起こすための仮説検証型開発 PIB は特定のクライアントに向けたものではない 市場全体としてどのようなニーズがあるのかわからない Biz/AE/SWE が⼀体となって LLM を活⽤しながら クイックに仮説検証のサイクルを回した
26. 26 © PKSHA Technology Inc. PIB における3職種の協働 BizDev (Business Developer) 実際に複数の企業にヒアリング してニーズを⾒極め AE (Algorithm Engineer) VoC 分析エージェントの開発 SWE (Software Engineer) システムのフルスタックな開発 画⾯のプロトタイプ Streamlit による 分析エージェント フィードバック 実装‧レビュー
27. 27 © PKSHA Technology Inc. VoC 分析の技術的なチャレンジポイント ⼤量のデータ • 通話書き起こしデータ 数ヶ⽉分 • 10万件、1 GB 以上 全体傾向の把握と詳細な分析 多種多様なメタデータ テナント間での分離は必須 • 年代、性別、問い合わせ⽬的etc. • 通話結果の成否を記録済みの場 合はその値を活⽤したい • 分析はもちろん、 学習データもテナント分離 • 最近増えている苦情の種類は？ • 解約抑⽌につながる切り返し フレーズの傾向は？
28. 28 © PKSHA Technology Inc. VoC 分析の技術的なチャレンジポイント ⼤量のデータ • 通話書き起こしデータ 数ヶ⽉分 • 10万件、1 GB 以上 全体傾向の把握と詳細な分析 多種多様なメタデータ テナント間での分離は必須 • 年代、性別、問い合せ目的、etc. • 通話結果の成否を記録済みの場 合はその値を活用したい • 分析はもちろん、 学習データもテナント分離 • 最近増えている苦情の種類は？ • 解約抑⽌につながる切り返し フレーズの傾向は？ LLM の柔軟性を利⽤
29. 29 © PKSHA Technology Inc. VoC 分析の技術的なチャレンジポイント ⼤量のデータ • 通話書き起こしデータ 数ヶ⽉分 • 10万件、1 GB 以上 全体傾向の把握と詳細な分析 多種多様なメタデータ テナント間での分離は必須 • 年代、性別、問い合せ目的、etc. • 通話結果の成否を記録済みの場 合はその値を活用したい • 分析はもちろん、 学習データもテナント分離 • 最近増えている苦情の種類は？ • 解約抑止につながる切り返し フレーズの傾向は？ LLM の柔軟性を利⽤ 前計算を⼯夫 / 集計処理などをツールとして LLM が使えるように
30. 30 © PKSHA Technology Inc. VoC 分析の技術的なチャレンジポイント ⼤量のデータ • 通話書き起こしデータ 数ヶ月ぶん • 10万件、1 GB 以上 全体傾向の把握と詳細な分析 多種多様なメタデータ テナント間での分離は必須 • 年代、性別、問合せ目的、etc. • 通話結果の成否を記録済みの 場合はその値を活用したい • 分析はもちろん、 学習データもテナント分離 • 最近増えている苦情の種類は？ • 解約抑止につながる切り返し フレーズの傾向は？ LLM の柔軟性を利⽤ 前計算を⼯夫 / 集計処理などをツールとして LLM が使えるように さてどうしよう？
31. 31 © PKSHA Technology Inc. LLM だけでは⾜りない 柔軟な分析のために LLM を利⽤したいが... • モデルのコンテキストウィンドウを超えてしまう • クォータ超過 • 推論費⽤が膨⼤ • データ量やテナントの増加に対してスケールしない
32. 32 © PKSHA Technology Inc. 解決策：LLM と機械学習モデルのハイブリッド構成 機械学習モデルを⾃社開発して LLM とハイブリッドで使⽤ 学習は CPU 上でオンザフライでメモリ上で実施 テナントごとにモデル学習 LLM の柔軟さとコスト効率‧スケーラビリティを両⽴
33. 33 © PKSHA Technology Inc. PKSHA Insight Builder (PIB) の技術スタック
34. 34 © PKSHA Technology Inc. TypeScript と Python 間の相互運⽤をどうするか ウェブサーバ TypeScript (Hono) オニオンアーキテクチャで実装 分析‧学習処理 Python ビジネスロジックが両⽅に散在してしまう...？ DB アクセス / ORM どうしよう？
35. 35 © PKSHA Technology Inc. TypeScript と Python の相互運⽤ ビジネスロジックや DB 操作はバックエンド側に集約 Python 側は可能な限りステートレスに‧ 動的なデータ取得は Hono を経由 @hono/zod-openapi を使って OpenAPI Spec を⽣成 → openapi-python-client を使って Python クライアントを⽣成
36. 36 © PKSHA Technology Inc. PIB での開発スタイル UIのプロトタイプを チーム内で共有して コンテキストを統⼀ SWE‧AE間で PRをレビュー アルゴリズムの インタフェースを先に 決定して並列して開発 モノレポ構成 エンジニアがクライアント MTG に直接参加することも → 現場の課題感を把握しながらビジネス⾯も考慮して 真に価値のあるプロダクト開発へ
37. 37 © PKSHA Technology Inc. • 技術スタックは固定しない (プロジェクトごとに適切な技術を選定) • ⼤きな裁量 • 少数精鋭でスピード感をもって開発 • 社内勉強会を毎週開催したり LT ⼤会をしたりと交流も活発 AI Research & Solution カンパニー全体のスタイル ソリューション開発という特性上、 • 提案/設計から始まる 0→1 の開発が多い • 多様な業界‧多様なチャレンジ要素
38. 38 © PKSHA Technology Inc. まとめ：PIB の⾯⽩いポイント ソリューション事業の体制を活かした仮説検証型開発 Biz/AE/SWE が⼀体で「仮説→実装→検証」のサイクルを 回してプロダクト開発 GB級データに耐えるハイブリッド分析 LLM と機械学習モデルを併⽤することで柔軟な分析と コスト効率‧スケーラビリティを両⽴ 保守‧運⽤を考慮した TS‧Python の相互運⽤ TypeScript 側はオニオンアーキテクチャでビジネスロジックを集約し Python 側は可能な限りステートレスに
39. 39 © PKSHA Technology Inc. 39 © PKSHA Technology Inc. 「協働」で拓くAI開発の最前線 PKSHA ChatAgent ⽣成AIエージェント開発の舞台裏 株式会社PKSHA Technology 2025年12⽉16⽇
40. 40 © PKSHA Technology Inc. 1. ⾃⼰紹介 2. PKSHA ChatAgentの紹介 3. ChatAgentの課題とLLM活⽤ 4. アルゴリズムエンジニアとの「協働」 5. セッションの総括、まとめ アジェンダ
41. 41 © PKSHA Technology Inc. プロフィール ⼯藤 択⽃(くどう たくと) (株)PKSHA Technology AI Knowledge & Communicationカンパニー CXChatAgent開発部 ソフトウエアエンジニア • 経歴 • 現在：PKSHA ChatAgent SWE • ~2024年：ナイル(株) 事業付VPoE,EM • 電⼦コミック書店サービス⽴ち上げや技術組織 改善など • ~2018年：受託開発、飲⾷店⽴ち上げなど • 趣味 • YouTubeでの技術系情報発信を頑張っています
42. 42 © PKSHA Technology Inc. 累計対話7.5億回以上 深層学習と⾃然⾔語処理を活⽤した対話エンジンのAIチャットエージェント 42 導⼊先企業（⼀部） 対象市場 24時間365⽇のカスタマーサポート体制の構築、問い合わせ対応の省⼒化、 ⾮⾳声サポートチャネルの拡⼤を専⾨知識なしでも推進できるツールを提 供。 コールセンター市場 PKSHA ChatAgent
43. 43 © PKSHA Technology Inc. PKSHA ChatAgent
44. 44 © PKSHA Technology Inc. ChatAgentの課題とLLM活⽤ 従来のFAQ‧チャットボットが抱える課題 • 質問が曖昧で意図が不明 ◦ ユーザーの⼊⼒が不⼗分で、本当に知り たいことが把握できない。 • FAQを読んでもらえない ◦ ユーザーが⻑⽂のFAQから⾃分で答えを ⾒つけ出すことが困難。 • 本来不要な有⼈対応が発⽣ ◦ ⾃⼰解決できるはずの問い合わせが有 ⼈窓⼝に流れ、コストが増加。 「ハイブリッドAI機能」による解決策 • ⾼精度な「聞き返し」で意図を特定 ◦ AIが対話を通じて質問を深堀りし、ユー ザーの真の⽬的を明らかに。 • 最適な回答を⾃動で要約‧⽣成 ◦ 既存FAQを基に回答を⽣成するため、 ユーザーは⻑⽂を読む必要がない。 • ⾃⼰解決率を最⼤化しコストを削減 ◦ 有⼈対応を削減し、オペレーターはよ り複雑な問い合わせに集中できる。
45. 45 © PKSHA Technology Inc. 背景：開発サイクルの課題 • SWE: 計画的‧線形開発(Feature Dev) • AE: 探索的‧試⾏錯誤 (Algo R&D) 解決策：疎結合と運⽤の⼯夫 進捗コミュニケーション 成果 • SWE → AE: 機能開発進捗、要件変更 • AE → SWE: 精度改善の結果と⼿法 • nonblocking: 待ちを減らせた • no-conflict: コンフリクトほぼ無し • インターフェイスだけ先に決めて並⾏ 開発 • メインスクラムとは別にsync会、SWE カンバンに専⽤ステータス追加など ソフトウェアエンジニア＆アルゴリズムエンジニア 協働の課題と解決⼿法
46. 46 © PKSHA Technology Inc. LiteLLMによるモデル交換性の担保 Datadog LLM Observability • トレース ◦ ⼊⼒/出⼒トークン数、レイテンシをト レースごとに詳細に可視化 • RPM ◦ LLMリクエストのオーバーヘッド内訳を 可視化。 • マルチベンダー対応の抽象化 ◦ AWS Bedrock, Azure OpenAI等の I/O差異を吸収し、統⼀APIを提 供。 • 責務分離と開発スピード向上 ◦ Before: モデル変更のたびにコード 修正 ◦ After: envの変更のみで新設定の検 証が可能 ソフトウェアエンジニア＆アルゴリズムエンジニア その他協働を⽀えた技術スタック
47. 47 © PKSHA Technology Inc. 47 © PKSHA Technology Inc. Confidential まとめ
48. 48 © PKSHA Technology Inc. 「協働」で拓くAI開発の最前線 3職種の協働によるプロダクト開発 エンジニア間の協働による⾼速開発 • 性質の異なる開発を「疎結合」で並⾛ ◦ I/F確定 ◦ 後追い改善 ◦ 監視‧運⽤ • 開発速度を加速したアクション ◦ 社内のナレッジシェア ◦ AI製品のフル活⽤ ▪ Cursorのおかげで打ち合わせ中 も⾼速に開発が進みました • 3職種が三位⼀体でプロダクトを創出 ◦ Biz（ビジネス） ◦ AE（アルゴリズム） ◦ SWE（ソフトウェア） • 役割を越境した連携 ◦ エンジニアも顧客MTGに参加し、 ビジネス課題を対峙 • 顧客のニーズを素早く形にする ◦ AE： デモアプリ ◦ SWE： プロトタイプ
49. 49 © PKSHA Technology Inc.