Slide 1

Slide 1 text

データエンジニアのためのテクニカルサポートとLLM サポートエンジニアNight vol. 5

Slide 2

Slide 2 text

©primeNumber Inc. 2 松野尾 悠仁 WHO AM I? 株式会社primeNumber CSE 2021年から現職。 社交ダンスインストラクターから30歳 でIT企業に転職し、データ分析や CSのOps(データを用いたオペレーショ ン改善)、昨年からテクニカルサポート チームのリーダーに従事。 趣味:コーヒーのドリップ 1
 2

Slide 3

Slide 3 text

会社概要 会社名 代表 創業 Office COMPANY 株式会社primeNumber 代表取締役CEO 田邊 雄樹 2015年11月 東京都品川区上大崎3丁目1番1号 JR東急目黒ビル5F

Slide 4

Slide 4 text

あらゆるデータを、 ビジネスの力に変える。 primeNumberは、データテクノロジーカンパニー。 あらゆるデータが爆発的に増えていく時代に、 誰もがすばやく、簡単にデータを使える環境を構築し、 データ活用までのプロセスを最適化。 高度なテクノロジーと独自のアイデアで、 世界中のビジネスを支援します。 V I S I O N

Slide 5

Slide 5 text

©primeNumber Inc. 
 主要事業 Solutions Managed data platform ETL/ELT Data Orchestration Data Catalog Only available in Japan End-to-end data management support for growing your business Integration Operation Workshop

Slide 6

Slide 6 text

©primeNumber Inc. 6 1. CS×LLM 2. テクニカルサポートの課題 3. LLMは組織論だ 今日お話すること

Slide 7

Slide 7 text

©primeNumber Inc. 7 troccoのCS(Customer Success Engineer)である彼は困っていた。 問い合わせ多くないか? 今回のお話の背景 ログイン できない 彼 請求書の宛先 を変えて ジョブがエ ラーになっ た こういう機能 が欲しい うちとパート ナーになりま せんか? 製品Aと比較した 優位性を教えて

Slide 8

Slide 8 text

©primeNumber Inc. 8 この問題はLLMで解決できるのだろうか? CSが足りません

Slide 9

Slide 9 text

©primeNumber Inc. 9 ここからtrocco®の話も含めて CS×LLM 2023-04 LLMの検証をスタート

Slide 10

Slide 10 text

©primeNumber Inc. 10 troccoについて(CMができました👏) お申し込みURL: https://trocco.io/lp/index.html

Slide 11

Slide 11 text

©primeNumber Inc. 11 trocco事業ではカスタマーサクセス本部の下にインサイド/Sales/CSEがいる。 『THE MODEL』的な組織 出典:https://www.salesforce.com/jp/resources/articles/sales/the-model/

Slide 12

Slide 12 text

©primeNumber Inc. 12 トスアップ後の流れ。 特にオンボーディングに関してはハイタッチでサポートしている。 商談以降のtrocco事業のCS体制 商談・デモ トライアル 受注・オンボーディン グ アダプション Sales CSE 問い合わせのチャネルは? 基本的にはSlack(pNワークスペース)にシングルチャネルゲストで招待。 その他にもChatworkやTeams、メールなどにも条件次第で対応。

Slide 13

Slide 13 text

©primeNumber Inc. 13 LLMの向いている領域 コスト 利益 ビジネスになら ない ビジネスになる AIをうまく使えない か? LLMを使うことでAI関連のサービスが生まれてきている

Slide 14

Slide 14 text

©primeNumber Inc. 14 ● LLMを用いたチャットボットの実装 ○ ヘルプドキュメントや独自データを用いた応答(RAGの一種かな) ○ エラーの問い合わせの自動化 ■ ChatGPT(OpenAI API) ■ LangChain+Google Custome Search ● 新機能の実装 ○ テキストからのSQLクエリ生成 ○ その他 CS内で検討したこと

Slide 15

Slide 15 text

©primeNumber Inc. 15 背景:troccoはAPIで接続するので顧客の環境に依存した問い合わせが多いのが特徴。 目的:できる限りエラーの自己解決率をあげれないか。 troccoは実行ログもエラーログもユーザー自身で確認できる。 - trocco®でデータ抽出時(API)のエラーの一例 (Error) failed during waiting a Copy job, get_job(project-id, embulk_copy_job_291d7747-565d-4770-93ee-11aec3ebae33), errors:[{:reason=>"invalid", :message=>"Provided Schema does not match Table project-id:dataset-name.test-table. Field Phone has changed type from INTEGER to STRING"}] エラーの問い合わせの自動化について

Slide 16

Slide 16 text

©primeNumber Inc. 16 エラーの原因について7割程度正しい回答を得られる。 ただし、対応方法までの言及が少なく自力でエラーを解消できるかは「?」 検証結果 troccoのStep2はエラー起こりがち

Slide 17

Slide 17 text

©primeNumber Inc. 17 ● GOOD󰢐 ○ インターネット上で公開されているベストプラクティスやワークアラウンドに ついては模範的な回答をしてくれる。結構丁寧。 ● BAD🙅 ○ 専門的な知識やスキルについては平然と嘘が返ってくる。嘘を許容できるか。 ○ LLMは各社開発中のサービスであるため、何の目的で使うか、どのように使う かの意思決定が難しい。 ■ 実装にどれほどリソースを割り当てるか ■ アップデートも多い ■ やらないことによる機会損失 検証時のまとめ

Slide 18

Slide 18 text

©primeNumber Inc. 18 プロダクトにLLMを組み込むよりも、 みんながLLMを使えばいいのでは

Slide 19

Slide 19 text

©primeNumber Inc. 19 テクニカルサポート の課題

Slide 20

Slide 20 text

©primeNumber Inc. 20 馴染みのお客さんだけを相手しているわけでもない。 ユーザーさんからの問い合わせのほとんどはハイコンテクスト。。 問い合わせ対応はコンテクストを理解しないといけない ハイコンテクスト ローコンテクスト 新 規 常 連 いつもの メニュー ありますか

Slide 21

Slide 21 text

©primeNumber Inc. 21 LLMもコンテクストが大事。聞き方次第で答えが変わる。 なぜか? LLMの作り方 ①一部を伏せ字にした文章の穴埋めをする(穴埋め問題) ②次につながる文を選択する(文の構成問題) →チャットボットに回答してもらえる聞き方を考えるのが障害になる。 →とりあえず担当営業やCSに聞く。(何も変わらない) LLMのざっくりした理解とまとめ

Slide 22

Slide 22 text

©primeNumber Inc. 22 問い合わせの種別 タッチ/ 問い合わせの種別 ハイタッチ (ヒト) テックタッチ (UI/ボット) マニュアルワーク △ コスト負担 ◎ ナレッジワーク ◯ 人材確保 ◯ コスト次第 対応手順 決まっている→マニュアルワーク 決まっていない→ナレッジワーク

Slide 23

Slide 23 text

©primeNumber Inc. 23 ● 問い合わせに対してマニュアルな対応が可能か ○ マニュアルがあれば、そもそも自己解決ができるか ■ 壁1:エラーの原因がわかるか ■ 壁2:解消できるか ○ コストに見合っているのか ■ マニュアル対応が可能な問い合わせの数は十分に多いか ○ インタラクティブな対応が求められるか ■ 一問一答なのか/条件分岐していくのか ● 例えば、403エラー(forbidden)の原因はいろいろあるだろう 議論したポイント

Slide 24

Slide 24 text

©primeNumber Inc. 24 ローコンテクストで LLM(ChatGPT)を使いこなす

Slide 25

Slide 25 text

©primeNumber Inc. 25 テクサポチームはある日突然に LLMは組織論だ 2023-11 テクサポチーム編成

Slide 26

Slide 26 text

©primeNumber Inc. 26 事業の成長につれて、アダプションフェーズのテクニカルな問い合わせを効率的に対応 する。LLMにできない以上、人を配置する。(まだ2人体制) シン・CS体制 商談・デモ トライアル 受注・オンボーディン グ アダプション Sales CSE テクサポ NEW!

Slide 27

Slide 27 text

©primeNumber Inc. 27 関係者が増えると、コミュニケーションの齟齬が発生しやすくなる。 CXが下がるし、CSとしての目的を果たせない。 たぶん従業員側のエンゲージメントも下がる。 ここでも問題発生 CSの指標 CS = CO + CX CO(サービスで得られる成果) CX(サービスを通じた体験)

Slide 28

Slide 28 text

©primeNumber Inc. 28 ● 比較的似た経験やキャリア ● 暗黙知(体験)の共有 ● 少人数のスタートアップ めざせローコンテクスト ● 多様なバックボーン ● 形式知/ガイドラインを提示 ● 海外展開(英語対応) ハイコンテクスト文化 ローコンテクスト文化

Slide 29

Slide 29 text

©primeNumber Inc. 29 ● 従来のナレッジマネジメントはコストに見合わない ○ ナレッジの形骸化 ○ 肥大化 ○ コンテンツを増やすこと自体が目的になる LLMでナレッジ化を進める VOC ↓ FAQ LLMを活用する ● データクレンジング ● troccoも使う ● 問い合わせの傾向分析 DWH

Slide 30

Slide 30 text

©primeNumber Inc. 30 ● LLMは手段(ツール)のひとつ ● 「自動化できるか?」「仕組みは作れると思います」 ● 「CSの目標が達成できるか?」「難しいです」 ● 優秀なCSは離すな ● LLMや生成AI自体は素晴らしいので常に選択肢の一つに持って おくべき 私の意見

Slide 31

Slide 31 text

©primeNumber Inc. 31 おしまいに

Slide 32

Slide 32 text

©primeNumber Inc. 32 We are hiring! 一緒にtrocco®を盛り上げていきたい方! 募集中:https://www.wantedly.com/projects/1471438

Slide 33

Slide 33 text

Coprime 私たちは、一人ひとりが異なる存在。 圧倒的な個の力を強く結合させながら、 まだどこにもない、新しい価値を創る。 価値を返す ユーザーに対して、チームに対して、 その仕事は価値を返せているか。 相手の想像を超えているか。 方法論にとらわれず、 価値を生み出すことが最低条件。 合理志向 つねに合理的で、創造的。 すばやく決めて、まずやってみる。 最新のテクノロジーとエンジニアスピリットを核に、 世界中のエンジニアを惹きつける 組織であり続ける。 課題を起点に 私たちは、製品の開発者であると同時に、 つねに一人のユーザーであり続ける。 自らユーザーとなって課題を探りながら、 開発者として信じる価値を世の中に提示する。 V A L U E 8 Elements 私たちが大事にしている マインドです。

Slide 34

Slide 34 text

対話を力に オープンに多様な視点を求め、 建設的な思考を積み上げていく。 議論は、酸素。そこに上下の壁はなく、 あるのはお互いへのリスペクトのみ。 プロダクトを信じる 自分たちが熱中できるものをつくる。 変化を恐れずに、改良と拡張を続けることで、 人々の想像を超えていく。 挑戦を楽しむ つねに楽しむ気持ちを忘れない。 働いているようで、そう感じない。 挑戦を楽しめる環境を、自ら作り出す。 良心に問いかける 原理。合理。倫理。私たちは、理で動く。 私欲に走ることなく、 誰に対してもフェアな行いを。 ビジネスの成長は、 価値と信用を積み重ねた先にある。 V A L U E 8 Elements 私たちが大事にしている マインドです。