＜RightTouch＞QANTスピーク紹介資料 v.1.3

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.1.3
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. © 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 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 

7. © 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） 
 7 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）
 • 20席のコールセンターでの部分導入（ 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）

8. © RightTouch Inc.　|　Confidential 8 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~
9. © RightTouch Inc.　|　Confidential 9 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
10. © RightTouch Inc.　|　Confidential 10 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
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 13 プロンプトチューニング前提の仕組みによる「限界」 
 前提
 プロンプトの肥大化と複雑化
 LLMモデルのアップデートによる「陳腐化」
 AIエージェント型のボイスボット（ AIオペレーター）は LLMがベースの要素技術となっているため、 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に頼りすぎると以下の落とし穴に陥り 
 本来やりたい AIオペレーター比率の拡大が実現できない 
 1
 2
 モデルのアップデートに追従できず負債に
 属人化とメンテナンスコスト増

14. © RightTouch Inc.　|　Confidential 14 1.LLMモデルのアップデートによる「陳腐化」 
 某金融機関の PoC
 2025年8月にOpenAI Realtime APIのGA版リリースに伴 い、チューニング済みのプロンプトの挙動がベータ版から大 きく変更された
 
 
 テスト環境が動作しなくなり、約2ヶ月間にわたって新モデル の修正対応が必要に 
 • LLMは数ヶ月〜半年単位で大幅アップデートが入りモ デルの挙動が変わるため、過去のプロンプト最適化の 知見が機能しなくなるケースが発生
 • アップデートのたびに再度チューニングの必要あり
 • 運用プロンプトが複雑な場合ほど影響を受けやすく、や がて長期的な負債に
 Case
 Study
 詳細
 v1.0
 v2.0
 v3.0
 アップデートの度に今までの設定が 
 利用できないリスクが発生 

15. © RightTouch Inc.　|　Confidential 15 2. プロンプトの肥大化と複雑化 
 詳細
 RAGのPoC
 • 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→別の課題発生とイタチごっこ状態
 • 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 う
 • プロンプトチューニングを積み重ねるほど「例外対 応」や「追加指示」の継ぎ足しにより長文化・複雑化 してしまう
 • 複雑化することで、属人化（精度のブラックボックス 化）、メンテナンスコストの肥大化につながる
 Case
 Study
 大量のプロンプトにより 
 精度低下、メンテナンス負荷の高騰に 

16. © RightTouch Inc.　|　Confidential その都度AIオペレーターを構築をすると、対応範囲を拡張するごとに高いコスト（時間 /金銭）が発生 
 その都度の構築 継続的に AI化が進む構築
17. © RightTouch Inc.　|　Confidential 17 Solution：自己改善を回すエンジン「 Customer Intelligence Cycle（CIC）」
 応対ログ/VoCなどのデータから簡単かつ継続的にPDCAを回し、「どんどん賢くなる」AIオペレーターを実現 ナレッジデータをAIオペレーターが学習 AIオペレーター/有⼈応対の ログ全量をVoC分析 VoCを元にナレッジデータを⾃動改善 データを踏まえた⾃然な応対 半⾃動的にAIが賢くなり、 AIオペレーター主軸のコールセンター構築へ 構築 応対 改善 データ収集 課題を ⾒つける ナレッジ作成/修正 ⾃⼰解決 促進 問い合わせ応対
18. © RightTouch Inc.　|　Confidential 18 自然な応対デモ 

19. © RightTouch Inc.　|　Confidential Feature1）Auto PDCA：応対内容から自動的に改善提案 →ナレッジの修正 
 応対内容（AIオペレーター＋有人）から改 善提案を自動的にサジェスト 
 19 ナレッジ改善対象はAI専用のメタデータ
 既存のFAQ運用に依存しない改善が可能 
 課題発見
 ナレッジ改善
 特許出願中

20. © RightTouch Inc.　|　Confidential Feature2）VoCデータを元にした自動テスト機能 
 20 Before
 After
 • 本番リリース前の社内テストを行う際、 実在する顧客ベース の発話ではない ため、ケースを網羅的に把握できない＋網 羅しようとすると工数が発生 
 • 結果として網羅的なテストができず、本番リリース後に改修 しないといけないポイントが発生 →リリース後の改善に工数 がかかり最初は効果が出づらい、という状況に陥ってしまう 
 • VoCデータをインポートすることで、本番運用同等のリ アルなAIペルソナを作成し、 半自動でリリース前のテ ストを行うことで、圧倒的な品質担保と工数削減が可 能に
 • 結果、本番リリース後の分析や想定外の改修対応を行 わずに本番リリースすぐの効果創出が可能 
 特許出願中

21. © RightTouch Inc.　|　Confidential 多層的なガードレールでハルシネーションリスクを低減 
 21 応対後
 応対中
 応対前
 • VoCデータから作る「AI顧客」による、実践的なテストエージェント機能 
 • シナリオ型のフローとの併用による安全性の担保（確実性の高い応対など） 
 • 有人オペレーターへのシームレスなエスカレーション 
 • AIオペレーターの応対後のハルシネーション可否や応対品質の自動モニタリング 
 Coming Soon Coming Soon
22. © RightTouch Inc.　|　Confidential まとめ：解決の鍵は ”継続学習”＝「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 
 22 「点」で一時対応 
 「線」で再現性のある改善 

23. © RightTouch Inc.　|　Confidential 23 エージェント型とシナリオ型のハイブリッド活用が可能 
 エージェント型
 シナリオ型
 ハイブリッドで活⽤可能 柔軟/複雑な対応
 メンテ負荷
 安定性
 対応範囲
 - 本人認証手続き / 決済などの確 実性の高い対応
 - 簡易的な振り分け
 活⽤するコンタクトリーズン/フローによって最適な実装がone platformで可能 - 複雑なパターン分岐がある応対 
 - 一問一答で終わらない応対 

24. © RightTouch Inc.　|　Confidential AIオペレーター（エージェント型）比率向上のためのステップ 
 【STEP1】
 条件付き自動化 
 簡易/定型リーズンのみ対応 （営業時間外の一次対応など） 主体 （顧客↔企業） 【STEP2】
 一部自動化 用件把握/振り分け、一部リーズンの 自動回答など部分的にAIを活用 取り組み 内容 【STEP3】
 大部分自動化 全般AIが臨機応変に応対。 対応できないリーズンやパーソナライ ズした結果として有人が対応 人が中心(一部のみAI) 人＋AI AI主体＋人 【STEP4】 AI同士がやり取り エージェント同士がやりとりし、 対応できないものはOPが エージェントに指示 顧客エージェント↔企 業エージェント AIオペレーター比率 AIオペレーター化は一足飛びにはいかないため、適切にステップを進める必要がある 
 24 2030〜 仕組み 原則シナリオ型 シナリオ型がメイン エージェントは一部 エージェント型がメイン シナリオは一部 原則エージェント型
25. 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 25 25