＜RightTouch＞QANTスピーク紹介資料 v.1.5

Transcript

1. ⾃⼰改善し続け、ベテランオペレーターのような⾃然な応対を実現するAIオペレーター QANT スピーク v.1.1
2. 2 株式会社RightTouch 設⽴：2021年12⽉ 従業員：74名（2025年10⽉時点） 2020年9⽉ 2021年1⽉ 2021年12⽉ 2022年3⽉ 2023年10⽉ 2023年10⽉ 2024年1⽉ 2024年10⽉ 2024年11⽉ 2024年12⽉ 2025年4⽉ 2025年10⽉ 次世代Customer Supportの実証実験を複数顧客と開始 設⽴準備室を⽴ち上げ 株式会社RightTouchを創業 Webサポートプラットフォーム 「KARTE RightSupport（β）をリリース Webと電話をつなぎ、全く新しい問い合わせ体験を作る 2ndプロダクト「RightConnect by KARTE（β）」をリリース 「RightSupport by KARTE」正式版を提供開始 ベストベンチャー100に初選出 ⽣成AI基盤「Right Intelligence」を発表 新プロダクト「RightVoicebot by KARTE（β）」をリリース 新プロダクト「RightVoC by KARTE（β）」をリリース シリーズAラウンドで8億円の資⾦調達を発表 「QANT」へブランドを刷新 沿⾰
3. © RightTouch Inc.　|　Confidential ミッション あらゆる⼈を負の体験から解放し、 可能性を引き出す OUR MISSION 私たちのミッション ⼀般⽣活者 企業‧サービス 「負の体験」を解決する → 企業/サービスの本来価値が伝わる → 豊かな⽣活者体験が広がる ＆ 経済が活性化する 3
4. © 2024 RightTouch Inc.　|　Confidential 導入企業 出典: https://www.hdi-japan.com/hdi/Bench/3satrs.asp 多種多様な業界業種のお客様に採用されています ⾦融 通信 メーカー 旅⾏ EC インフラ ⼈材 HDI Webサポート格付け三つ星獲得企業のうち、 約3割のお客様が弊社プロダクトを導入しています 25 81 社 社 （三つ星獲得全社数） （三つ星獲得かつ弊社プロダクト導入社数） ※2025年2⽉現在 シェア31% 4
5. © RightTouch Inc.　|　Confidential 5 お取り組み抜粋 各種メディアやアワードで特集、表彰いただける CSの取り組みを各社様と共に進めています auじぶん銀行 × RightTouch ハーバード・ビジネス・レビュー掲載 https://dhbr.diamond.jp/articles/-/10692 みずほ証券 × RightTouch Forbes Japan掲載 https://forbesjapan.com/articles/detail/75882 SBI証券 × RightTouch コンタクトセンターアワード2024 最優秀オペレーション部門賞受賞 https://righttouch.co.jp/news/QUVpiJZk パナソニックEW × RightTouch カスタマー表彰制度2025 特別賞(生成AI活用)受賞 https://righttouch.co.jp/news/lGDRHjY8
6. © RightTouch Inc.　|　Confidential 6 AI活用促進の基盤となるカスタマーサポートプラットフォーム Professional Service - Strategy Consulting - CS変⾰の戦略‧戦術策定 - Assessment & Analysis - 課題分析‧評価 - AI Contact Center - AI-ReadyなセンターBPO ⽣活者 Question Answer 企業 オペレーター⽀援 Web × 電話連携 ナレッジマネジメント AIオペレーター Webサポート VoC活⽤ VoC蓄積 - Product Enablement - プロダクト価値最⼤化
7. © RightTouch Inc.　|　Confidential 7 大手企業を中心に AIオペレーター化の支援が進んでいます
8. © RightTouch Inc.　|　Confidential 大手企業を中心に AIオペレーター化の支援が進んでいます（ PoC中 / 構築中含む） 8 製造 メーカー 生保/損保 銀行/証券 • 700席のコールセンターでの部分導入（ AI-IVRでの振り分け＋RAGで音声完結） • 年間50万件のコールセンターへの部分導入（ Web誘導での自己解決＋RAGで音声完結） • 全コールの一次受付をAIオペレーター化（Web誘導での自己解決＋RAGで音声完結） 金融・メーカー中心に AIオペレーターの構築支援を行っています • 250席のコールセンターでの部分導入（ AI-IVRでの振り分け＋Web誘導での自己解決）
9. © RightTouch Inc.　|　Confidential 9 代表的な取り組み事例： SBI証券さま #証券 #AIオペレーター #⾃⼰解決促進 # AI-IVR AIオペレーターのPoCにより、95%の⾼い振り分け精度とテクニカルリーズン全体の約10%の⾃⼰解決誘導を実現 活動の全体像  AIオペレーターで最適な振り分けと⾃⼰解決/有⼈連携の実現 • 問い合わせ件数の増加によりオペレーター負荷が⾼騰し、応答率の低 下、待ち時間の⻑期化、IVR選択後のエスカレーションによる転送率の ⻑さが課題となっていた • テクニカルダイヤルにAIオペレーターを導⼊し、⾃然発話による最適 な窓⼝への振り分け及び、⾃⼰完結対応と有⼈対応の双⽅で問い合わ せ内容‧履歴データをオペレーターに連携 • PoCでは、95%の⾼い振り分け精度とテクニカルリーズン全体の約 10%の⾃⼰解決誘導を実現 ナレッジ 作成/修正 データ収集 課題発⾒ ⾃⼰解決 促進 問い合わせ 応対 2023/10~ 2025/9~ 2025/4~
10. © RightTouch Inc.　|　Confidential 10 代表的な取り組み事例：パナソニック様 #メーカー #AIオペレーター #⾃⼰解決促進 商品相談窓⼝の18%をAIオペレーター化し有⼈対応を11%抑制。営業時間外5,000件の⾃⼰解決を実現 活動の全体像  ユーザー接点から改善までを⼀気通貫で繋ぐ、  ⾃律学習するCS基盤の構築 AIオペレーターで直電ユーザーを⾃⼰解決へ誘導 • 問い合わせの9割以上が直電に集中し、Web⾃⼰解決が機能していない状態 • 「使い⽅がわからない」といった定型⽤件が多く、FAQを整備しても活⽤され ない • QANTスピークを導⼊し、直電ユーザーの発話から「型番」と「困りごと」を 正確に捉え、Web上での⾃⼰解決を促進 • 商品相談窓⼝の18%をAIオペレーター化し有⼈対応を11%抑制。 ナレッジ 作成/修正 データ収集 課題発⾒ ⾃⼰解決 促進 問い合わせ 応対 2025/07~ 2025/10~ 2025/09~ • Web∕電話の応対データを起点に、ナレッジ‧製品改善へと還流する 循環型プロセスを構築 • QANTシリーズで顧客接点と分析基盤を統合し、改善が回り続ける仕 組みを実装 • AIオペレーターによる⼀次応対⽐率を18% → 50%へ引き上げることを 中期⽬標に展開
11. © RightTouch Inc.　|　Confidential AIオペレーターとは？ 11 AIオペレーター AIが人間のオペレーターのように 顧客応対を代行するシステム
12. © RightTouch Inc.　|　Confidential 意図理解 /対話性 対応範囲 パーソナライズ 12 従来型ボイスボットと AIオペレーターの違い b 想定外の発話に弱く「すみません、 理解できません」が多発 b 定型的な問い合わせしか 対応できない b 誰に対しても⼀律同じ対応 顧客の意図や前後⽂脈を汲み取り、 顧客に合った応対 定型のみならず⾮定型にも対応 ⾃分の状況を理解した応対 従来型ボイスボット AIオペレーター 1 2 3
13. © RightTouch Inc.　|　Confidential AIオペレーターの課題：構築 /運用改善に高いコスト（時間 /金銭）が発生し、 AIの対応範囲を広げられない その都度の構築 継続的に AI化が進む構築
14. © RightTouch Inc.　|　Confidential 14 なぜ構築/改善にコストがかかるのか？ 前提 AIエージェント型のボイスボット（ AIオペレーター）は LLMがベースの技術となっているため、エー ジェントの制御性や精度向上のためには プロンプトチューニング が必要になる プロンプトチューニング 1 • チューニングを繰り返すたびにプロンプトがどん どん複雑かつ肥大化 a. メンテナンスが困難になり、精度担保が 難しくなる • 専門スキルを持つ担当者への属人化、精度の ブラックボックス化 原因 • プロンプト修正の度に全体影響ないかの全体テス トが必要（モグラ叩き状態） • 全てのパターンを網羅的に検証するには人間で は限界 テスト /課題発見 2 コストがかかり続け、持続可能性が保てない状態に
15. © RightTouch Inc.　|　Confidential 15 ケーススタディ：リーズン拡大時に発生する課題 • 検証時に課題発生→課題解消のためにプロンプ トチューニング→別の課題発生を繰り返しイタチ ごっこ状態に • 局所的にプロンプトの修正/継ぎ足しを繰り返す と、根本的に何が課題なのかの切り分けが難し くなってしまい、精度のブラックボックス化、属人 化に繋がってしまった 某金融機関でのRAG PoC 某メーカーでのRAG PoC • 応対ログを1件1件確認し課題発見→課題に紐 づくプロンプトを修正→テスト→リリースと、課題 発見→リリースまでに工数がかかりすぎてしまう • プロンプト修正ができる人が限られてしまうた め、スピーディーな改善が回せない
16. © RightTouch Inc.　|　Confidential 16 解決の鍵は「 AIによる自律的な改善」 構築/運用コストを下げつつ精度を上げ、対応範囲を拡大できるか？ AIによる自律的な改善 ポイント ソリューション
17. © RightTouch Inc.　|　Confidential 17 「QANTスピーク」とは AIによる自己改善（ CH）により、使うほどに賢くなる AIオペレーター Conversation Harness（CH）
18. © RightTouch Inc.　|　Confidential 18 他社AIオペレーターとの違い ナレッジ PDCA AIによる⾃律 改善/テスト カスケード モデルによる 安全性 QANTスピークの特徴 VoC起点で課題を特定しナレッジを継続改 善。AI Readyなナレッジ構築が可能に AIオペレーターを「育てる」ための機能群が充実 1 他社 製品 AIが応対ログをもとに改善案を⾃律的に ⽣成し、テストまで⼀気通貫で実施 多層モデルでリスクを検知し、不適切回 答を未然に防⽌。リアルタイム性も両⽴ AIオペレーターを育てる仕組みが揃っており、低労⼒/低コストで運⽤が回せる → 結果的にAI化率が⾼まる 2 3
19. © RightTouch Inc.　|　Confidential 19 Conversation Harness（カンバセーション ハーネス）全体像 AIオペレーターの運用品質を継続的に高めると同時に、応対中のハルシネーションによる致命的リスクを抑制する仕組みを搭載 1
20. © RightTouch Inc.　|　Confidential 20 AIオペレーター応対と VoCを元にナレッジを自動改善 回答するためのナレッジ不⾜で AIオペレーターが対応不能 ログから課題を⾃動⽣成 ⾃動的にナレッジの改善 課題改善するために有⼈応対の VoCから正解データを検索 今までできなかった応対ができるように 1 AIによる「ナレッジ改善」の自動化 Case：不足してるナレッジを自動生成
21. © RightTouch Inc.　|　Confidential 21 工数がかかり品質担保も難しかったプロンプトチューニング＋テストを AIで自動化 AS-IS TO-BE 応対ログ 確認 課題発見 プロンプト チューニング テスト リリース メンテナンスコストを大幅に下げつつ、高品質な応対を担保 リリース Conversation Harness（CH）による自動化 2 人力でのテストでは限界があり、品質担保も難しい
22. © RightTouch Inc.　|　Confidential 22 応対品質が一目でわかるダッシュボード →課題の自動起票 AIが応対を様々な指標で分析し、 AIオペレーターのパフォーマンスを 定量化 評価で問題があれば 「課題」として⾃動起票 応対評価 →課題起票の自動化 Case： AIオペレーターの応対から自動で課題起票 2 紐づく応対によってグルーピング化される ため、重要度の⾼い課題から改善が可能
23. © RightTouch Inc.　|　Confidential 23 課題からプロンプトチューニングとテストを自律的に実施 2 • 課題のある応対ログから改善案を 提示し、自律的に修正を実施 • 修正後のテストも同時に行うので、 品質担保した状態で適用可能 「プロンプト改善 /テスト」の自動化
24. © RightTouch Inc.　|　Confidential 24 QANTスピークの技術アーキテクチャ： 「正確性」と「自然な応対」 の両立するカスケード型モデルを採択 構成 カスケード型モデル Speech to Speech* モデル * Speech to Speech：⼊⼒された⾳声をリアルタイムで別の⾳声に変換するAI技術 LLM STT LLM TTS In Out In 音声を一度「テキスト」に変換するため、出力前に内容の検 閲やファクトチェックなどの ガードレールを入れられる 正確性 制御性/信頼性 応答速度 マルチ チャネル Out 音声を直接処理するため、出力前に検閲や ロジックを挟む「ガードレール」の設置が構造的に困難 複雑なツール利用や社内マニュアル等の長い コンテキストの参照でも精度が安定 漢字や英数字の読み間違いを抑制 カスケード型と比べて精度がやや不安定 英数字の読み間違いが発生 一般的には遅延があると言われているが、独自の工夫に よりS2Sと遜色ない高速なレイテンシを実現 入力から出力までが単一モデルで完結するため、 高いリアルタイム性を実現 LLM部分を共通かできるため、電話（音声）だけでなく、 Webエージェントなどのマルチチャネルで 展開可能 音声特化のモデルであるため 他チャネルと「ロジック」を共通化しにくい 3
25. © RightTouch Inc.　|　Confidential 25 他プロダクトとの連携による、更なる感動体験の提供 基礎体験 感動 体験 まるでベテランオペレーターのよ うな感動体験の提供 コンタクトセンターとしての当 たり前品質の提供 価値 機能 - ナレッジPDCA - AIによる自律テスト - カスケードモデルによる安全性 - … - リアルタイム Web操作補助 - 顧客軸のパーソナライズ A B
26. © RightTouch Inc.　|　Confidential 26 Webサイトと音声の連携：リアルタイム Web操作補助 Web手続きを 音声で伴走 SMS送信 音声 音声＋Web 1 リアルタイムにWeb上の動きを取り ⾳声AIが操作を案内 Web⾏動データを取得しているため、⾳声AIでWebの操作サポートが可能 QANT Web連携 A QANT コネクト連携 解決しない場合は 有人へ接続 botとの応対ログ及びWeb⾏動 データをオペレーターに還元 2
27. © RightTouch Inc.　|　Confidential 27 手続き系リーズンの AIオペレーター化 マイページ誘導＋リアルタイム Web伴走で基幹システム連携なしで手続き系リーズンの AI化が可能 起こること よくある進め⽅ QANTスピーク 結果 基幹システムとのシステム連携 マイページ誘導＋リアルタイム Web伴走 - システム連携のコストが重く実現までに時間が かかる AI化がなかなか進まない 低コストで AI化比率を上げられる - 基幹システム連携不要でクイックに実施できる 基幹システム A
28. © RightTouch Inc.　|　Confidential 28 demo：リアルタイム Web操作補助 QANT Web連携 A
29. © RightTouch Inc.　|　Confidential 29 VoCデータと音声の連携：顧客軸でのパーソナライズ応対 過去のVoCデータをAI分析しユーザーの属性情報を付与。その情報を元にしたパーソナライズが可能 QANT VoC連携 自己解決誘導 解約リスク高 VoCデータをAI分析し属性情報を付与 満期近い VoC データ なし VoC データ あり 解約リスクが高いため 優先的にOPへ連携 解約リスクを含む注意事項を 引き継いで応対 B
30. © RightTouch Inc.　|　Confidential 30 demo：顧客軸でのパーソナライズ応対 QANT VoC連携 B
31. © RightTouch Inc.　|　Confidential 解決の鍵は 「持続的に自己改善が回り続ける仕組み」 一般的な AIオペレーター QANTスピーク • プロンプトチューニングが前提となるため運用 が属人化し、ブラックボックス化 • ナレッジデータもその場限りで集めて準備 • 複雑な実装 / 設定は不要 • AIオペレーターの応対ログをもとに、 「ナレッジデータ」を改善 改善が持続的にできず、対応範囲が広がらない AIがどんどん賢くなり、対応範囲拡大に 31 「点」で一時対応 「線」で再現性のある改善
32. 運営会社　株式会社 RightTouch © RightTouch Inc.　|　Confidential 日本 語 https://qant.jp/product/speak お気軽にご質問、ご相談ください 32 32