「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

Slide 1

Slide 1 text

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

Slide 2

Slide 2 text

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...

Slide 3

Slide 3 text

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

Slide 4

Slide 4 text

4 © PKSHA Technology Inc. Conﬁdential 4 © PKSHA Technology Inc. Conﬁdential 会社紹介

Slide 5

Slide 5 text

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.

Slide 6

Slide 6 text

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

Slide 7

Slide 7 text

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

Slide 8

Slide 8 text

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

Slide 9

Slide 9 text

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

Slide 10

Slide 10 text

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

Slide 11

Slide 11 text

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

Slide 12

Slide 12 text

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

Slide 13

Slide 13 text

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

Slide 14

Slide 14 text

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

Slide 15

Slide 15 text

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

Slide 16

Slide 16 text

© 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

Slide 17

Slide 17 text

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

Slide 18

Slide 18 text

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

Slide 19

Slide 19 text

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

Slide 20

Slide 20 text

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

Slide 21

Slide 21 text

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

Slide 22

Slide 22 text

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

Slide 23

Slide 23 text

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

Slide 24

Slide 24 text

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

Slide 25

Slide 25 text

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

Slide 26

Slide 26 text

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

Slide 27

Slide 27 text

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？

Slide 28

Slide 28 text

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

Slide 29

Slide 29 text

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

Slide 30

Slide 30 text

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？

Slide 31

Slide 31 text

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

Slide 32

Slide 32 text

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

Slide 33

Slide 33 text

33 © PKSHA Technology Inc. PKSHA Insight Builder (PIB) の技術スタック

Slide 34

Slide 34 text

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？

Slide 35

Slide 35 text

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

Slide 36

Slide 36 text

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

Slide 37

Slide 37 text

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

Slide 38

Slide 38 text

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

Slide 39

Slide 39 text

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

Slide 40

Slide 40 text

Slide 41

Slide 41 text

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

Slide 42

Slide 42 text

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

Slide 43

Slide 43 text

Slide 44

Slide 44 text

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。

Slide 45

Slide 45 text

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

Slide 46

Slide 46 text

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

Slide 47

Slide 47 text

Slide 48

Slide 48 text

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